Recueil A

Recueil d’exercices
Exercices pour les cours de calcul scientifique pour ingénieurs MTH2210x

Édition du 7 janvier 2013
Donatien N’dri & Steven Dufour

École Polytechnique de Montréal
Copyright c 2009 DONATIEN N’DRI & STEVEN DUFOUR
License détaillée : http://creativecommons.org/licenses/by-nc-sa/2.5/ca/legalcode.fr
Recueil d’exercices I
Avant-propos
Ce recueil d’exercices d’analyse numérique est un outil complémentaire aux exercices du

manuel de référence du cours, pour aider les étudiants des différentes versions du cours Cal-
cul scientifique pour ingénieurs (MTH2210x) de l’École Polytechnique de Montréal à se préparer
à réussir les examens. Il est conseillé de d’abord faire (et comprendre) tous les exercices sug-
gérés du manuel de référence Analyse numérique pour ingénieurs par André Fortin (cf. contenu
du cours disponible sur le site Internet du cours). Ceci devrait être suffisant pour bien faire
aux examens. Ensuite, si vous avez encore du temps pour mieux vous préparer, vous pouvez
consulter ce recueil pour raffiner votre préparation. L’idée n’est pas de faire tous ces exercices.
Il y en a beaucoup trop. Mais vous pouvez fureter dans ce recueil et choisir des exercices au
hasard pour voir si vous êtes bien préparés. Ces exercices proviennent de vieux examens. Ils
devraient donc vous donner une bonne idée de l’allure des examens.
La première section de ce recueil contient une banque d’exercices basée sur la matière du
cours MTH2210x. La deuxième section contient une série d’indices liés à ces exercices. Finale-
ment, une dernière section contient des solutions brèves à ces exercices. Lorsque ce document
est consulté en ligne à l’aide du logiciel Acrobat, des hyperliens vous permettront de naviguer
facilement entre ces trois sections.
Nous vous encourageons à ne pas vous référer trop rapidement aux solutions. Tentez
d’abord de vraiment résoudre les problèmes sur papier. Si vous n’êtes pas certains de vous,
vous pouvez ensuite consulter les indices. Ils devraient vous permettre de démarrer. Vous
pouvez finalement consulter les solutions brèves pour vérifier si vous avez bien résolu les
problèmes.
Ce recueil est dynamique. Nous sommes ouverts à toute suggestion de correction ou de
modification. Des mises-à-jour de ce document seront rendues disponibles sur une base
régulière. Consultez la date de l’édition pour voir si le document a été mis à jour. Dans le
but de créer des textes académiques, techniques et scientifiques de qualité, ce document est
protégé par une license « Creative Commons ».
Donatien N’dri & Steven Dufour

École Polytechnique de Montréal
Le 7 septembre 2009
Recueil d’exercices II
Table des matières
Questions
Introduction et analyse d’erreur

Définitions, développement de Taylor et erreur de troncature . . . . . . . . . . . . . . . . Q–1
Norme IEEE et erreur de représentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–8
Interpolation
Interpolation polynomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–14
Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–14
Interpolation de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–17
Splines cubiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–20
Différentiation et intégration numérique
Différentiation numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–27
Quadratures de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–30
Quadratures de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–33
Extrapolation de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–39
Équations différentielles ordinaires
Problèmes de conditions initiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–44
Équations algébriques non linéaires
Méthode de la bissection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–57
Méthodes des points fixes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–59
Méthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–70
Méthode de la sécante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–75
Méthode de l’interpolation inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–77
Problèmes algébriques non linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–77
Systèmes d’équations algébriques
Factorisations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–80
Conditionnement matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–86
Méthodes itératives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Q–90
Systèmes d’équations algébriques non linéaires et méthode de Newton . . . . . Q–93
Indices

Définitions, développement de Taylor et erreur de troncature . . . . . . . . . . . . . . . . . I–1
Norme IEEE et erreur de représentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–3
Interpolation
Interpolation polynomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–5
Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–5
Interpolation de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–6
Recueil d’exercices II
Splines cubiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–7

Différentiation numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–9
Quadratures de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–10
Quadratures de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–11
Extrapolation de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–13
Problèmes de conditions initiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–14
Méthode de la bissection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–17
Méthodes des points fixes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–18
Méthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–22
Méthode de la sécante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–23
Méthode de l’interpolation inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–24
Problèmes algébriques non linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–24
Factorisations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–24
Conditionnement matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–26
Méthodes itératives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–28
Systèmes d’équations algébriques non linéaires et méthode de Newton . . . . . . I–29
Solutions

Définitions, développement de Taylor et erreur de troncature . . . . . . . . . . . . . . . . . S–1
Norme IEEE et erreur de représentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–6
Interpolation
Interpolation polynomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .S–10
Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–10
Interpolation de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–12
Splines cubiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–15
Différentiation numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–20
Quadratures de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–22
Quadratures de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–24
Extrapolation de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–28
Problèmes de conditions initiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–32
Méthode de la bissection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–41
Recueil d’exercices III
Méthodes des points fixes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–42

Méthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–48
Méthode de la sécante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–51
Méthode de l’interpolation inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–52
Problèmes algébriques non linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–52
Factorisations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–54
Conditionnement matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–59
Méthodes itératives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–62
Systèmes d’équations algébriques non linéaires et méthode de Newton . . . . . . S–64
Recueil d’exercices Q–1
Définitions, développement de Taylor et erreur de troncature
1. À L’aide d’une méthode numérique, on a évalué la dérivée d’une fonction pour deux
valeurs de h :
h f 0 (x0 ) erreur absolue

0,1 25,312 100 0,000 400
0,05 25,312 475 0,000 025
(a) Donner le nombre de chiffres significatifs de chaque approximation.

(b) Quel est l’ordre de précision de la méthode de différentiation numérique utilisée?
Référence : A. Fortin, chap. 1, no. 25
[Indice] [Solution] [TdM ]
2. Dire si l’énoncé suivant est vrai ou faux et justifier votre réponse en deux ou trois lignes :
« Soit x ∗ = 0,001 2345 une approximation de x qui est telle que ∆x ≤ 0,7 × 10−5 , alors
x ∗ possède 4 chiffres significatifs ».
3. On peut obtenir une approximation de la fonction exponentielle f (x) = ex à l’aide de la

fonction rationnelle :
x 2 + 6x + 12
r (x) = 2 .
x − 6x + 12
En comparant r (x) avec les valeurs exactes de l’exponentielle en x = 0,2 et en x = 0,1,
déterminer l’ordre de cette approximation.
Référence: A. Fortin, chap. 1, no. 30
4. En se servant d’un développement de Taylor de la fonction arctan x autour de x0 = 0, on

a obtenu les résultats suivants :

arctan(0,4) = 0,380 714 667, erreur absolue = 0,208 29 × 10−3 ;
arctan(0,1) = 0,099 668 667, erreur absolue = 0,141 80 × 10−7 .
Quel est l’ordre du développement de Taylor utilisé?

5. Un développement de Taylor T (x) d’une fonction f (x) en x0 = 1 donne les deux erreurs
suivantes :
• pour x1 = 1,02, |e1 | = |f (x1 ) − T (x1 )| ' 0,3937 × 10−7 ;

• pour x2 = 1,1, |e2 | = |f (x2 ) − T (x2 )| ' 0,2315 × 10−4 .
Calculer l’ordre de précision du développement de Taylor utilisé.

6. À l’aide d’un développement de Taylor autour de x0 = 0, on a approché la fonction f (x)

par le polynôme p(x). Sachant que :
• f (0, 1) = 3,156 et f (0,3) = 3,267;

• p(0, 1) = 3,156 016 et p(0,3) = 3,165,
estimer l’ordre de précision du développement de Taylor utilisé et en déduire la valeur

maximale possible pour le degré du polynôme p(x).
7. On utilise souvent l’approximation :
sin x ' x.
D’où vient cette approximation et quel est son ordre de précision?

8. La fonction i(t) est une solution de l’équation différentielle
i0 (t) = sin (6t) − i(t),
avec la condition initiale i(0) = 0. Sans résoudre l’équation différentielle, calculer le

polynôme de Taylor d’ordre 3 de la fonction i(t) autour de t0 = 0. Préciser le degré du
polynôme obtenu.
9. Dites si l’énoncé suivant est vrai ou faux et justifier votre réponse en deux ou trois lignes :
« Un développement de Taylor de degré n est précis à l’ordre n + 1 ».
10. Soit p(x) une fonction qui vérifie
p(10) = 100, p 0 (10) = 3, p 00 (10) = −1 et |p 000 (x)| < 0,03 pour tout x.
À l’aide de cette information, estimer p(10,5) ainsi que l’erreur associée à cette approxi-
mation et le nombre de chiffres significatifs.
11. On suggère d’approximer la fonction f (x) = sin x + cos x près de x = 0 par la fonc-
tion g(x) = x + 1.
(a) Comment a-t-on obtenu cette approximation?
(b) Donner l’ordre de précision de cette approximation.
12. Soient g(x) et h(x) deux fonctions qui sont telles que :
g 0 (x) = h(x) et h0 (x) = g(x).
Sachant que g(0) = 0 et h(0) = 1, déterminer le développemnent de Taylor d’ordre 5 de

la fonction g(x) autour de x0 = 0. Préciser le degré du polynôme obtenu.
13. Obtenir n de telle sorte que
|ex − pn (x)| ≤ 10−4 , pour − 1 ≤ x ≤ 1,
où pn (x) est le développement de Taylor de degré n de ex autour de x0 = 0. Combien

de chiffres significatifs obtenez-vous à l’aide de cette approximation pour 0 ≤ x ≤ 1?
14. Pour chacune des fonctions suivantes, donner un intervalle centré en x0 = 0 dans lequel
l’approximation fournit au moins 4 chiffres significatifs.
(a) x ' sin(x) ;
1
(b) 1 − 21 x 2 ' (1 + x 2 )− 2 .
(ex − e−x )
15. On considère la fonction sinh(x) = .
2
(a) Calculer p3 (x), le développement de Taylor degré 3 de sinh(x), autour de x0 = 0 de
deux façons différentes. Donner l’expression analytique du terme de reste.
(b) Obtenir une approximation de sinh(0,1) = 0,100 166 750 019 844 03. Combien votre
approximation a-t-elle de chiffres significatifs? Spécifier l’erreur absolue et l’erreur
relative.
(c) Sans faire le calcul, par quel facteur (environ) serait réduite l’erreur absolue si on
utilisait p3 pour approcher sinh(0,025)?
16. (a) Calculer le développement de Taylor d’ordre 5 de la fonction f (x) = ln(x) autour
du point x0 = 1. Donner l’expression analytique du terme d’erreur, ainsi qu’une
borne supérieure de ce terme d’erreur. À l’aide de ce développement, donner une
approximation de ln(1,1). Par comparaison avec la valeur exacte (0,095 310 179 804),
donner le nombre de chiffres significatifs de votre approximation.
(b) Par quel facteur approximatif l’erreur obtenue en (a) serait-elle réduite si l’on évaluait
ln(1,025) au moyen du développement de Taylor obtenu en (a)? (Ne pas faire le calcul
de l’approximation.)
(c) Combien de termes devrait contenir le développement de Taylor pour que l’erreur
absolue associée à l’approximation de ln(2) soit inférieure à 10−6 . Est-ce une façon
pratique de calculer ln(2)?

1+x
(d) Développer le polynôme de Taylor de ln 1−x (utiliser le développement de Taylor
de la fonction ln(1 − x) peut faciliter le travail). Pour quelle valeur de x pourra-t-
on obtenir une approximation de ln(2)? Combien de termes devrait contenir votre
développement de Taylor pour que l’approximation de ln(2) = 0,693 147 180 559 ait
6 chiffres significatifs. Quel est le degré du polynôme que vous avez trouvé? Est-ce
une façon pratique de calculer ln(2)?
1
(e) Calculer le développement de Taylor d’ordre 3 de g(x) = e x ln(1+x) autour de x0 = 0.
1 n 1
Sachant que (1 + n) = en ln(1+ n ) , montrer que
1 n

lim 1+ n =e
n→+∞
en utilisant le résultat obtenu en (a).

17. (a) Obtenir le développement de Taylor autour de x0 = 0 de la fonction
1
f (x) = .
1−x
(b) Poser x = −t 2 dans le développement en (a) et obtenir le développement de Taylor

de
1
g(t) = .
1 + t2
(c) Intégrer l’expression obtenue en (b) et obtenir le développement de Taylor de la fonc-
tion arctan t.
(d) Utiliser l’expression obtenue en (a) et obtenir le développement de Taylor de ln(1+t).
18. La fonction d’erreur f (x) est définie par

Zx
2 2
f (x) = √ e−t dt.
π 0
Pour en obtenir le développement de Taylor, on peut suivre les étapes suivantes :

(a) Obtenir le développement de Taylor de e−x .
2
(b) Déduire de (a) le développement de Taylor de e−t .
(c) Déduire de (b) le développement de Taylor de f (x).
(d) Donner une approximation de f (1) en utilisant les 4 premiers termes de son développe-
ment de Taylor.
(e) Quel est l’ordre de précision de l’approximation obtenue en (d)?
(f) Donner le nombre de chiffres significatifs de l’approximation obtenue en (d) en la
comparant avec la valeur exacte f (1) = 0,842 701.
√
19. (a) Obtenir le développement de Taylor d’ordre 3 de la fonction f (x) = 1 + x autour
de x0 = 0.
(b) Donner l’expression analytique du terme d’erreur pour le développement obtenu
en (a).
p p
(c) À l’aide du polynôme trouvé en (a), donner des approximations de 1,1 et de 1,025
et calculer les erreurs absolues e1 et e2 commises en comparant avec les valeurs
exactes correspondantes. Donner le nombre de chiffres significatifs de chaque ap-
proximation.
(d) Effectuer le rapport | ee21 | et expliquer le résultat.
(e) Calculer une borne supérieure de l’expression analytique du terme de l’erreur p calculé
en
p (b) et utiliser cette expression pour estimer l’erreur sur l’évaluation de 1,1 et de
1,025. Comparer avec les erreurs exactes e1 et e2 .
(f) Calculer les trois premiers termes du développement de Taylor de arcsin(x) autour
de x0 = 0, sachant que :
d 1
i) (arcsin(x)) = √ ;
dx 1 − x2
1
ii) √ = 1 + 21 x + 83 x 2 + 16
5
x 3 + 105 4 945 5 6
384 x + 3840 x + O(x ).
1−x
Préciser le degré et l’ordre de précision du polynôme obtenu. Quelle est la valeur
maximale du degré du polynôme de Taylor?
20. (a) Sachant que e2 = 7,389 06, écrire le développement de Taylor de e2+h jusqu’à l’or-
dre 3.
(b) Trouver une approximation x ∗ de x = e2,1 à l’aide d’un polynôme de Taylor de
degré 2.
(c) Du terme de reste associé au développement de Taylor obtenu en (a), donner une
borne supérieure de l’erreur absolue |x − x ∗ |. En déduire le nombre de chiffres
significatifs de x ∗ .
21. Soient
Π1 = 3,339 682 539 et Π2 = 3,141 592 653
deux approximations de π obtenues à l’aide du développement de Taylor d’ordre 11 de
arctan x autour de x0 = 0, en utilisant respectivement les formules
π
= arctan(1)
4
et
1 1 1
π = 48 arctan( 18 ) + 32 arctan( 57 ) − 20 arctan( 239 ).
Pourquoi l’approximation Π2 est-elle plus précise que Π1 ?
22. On désire calculer le développement de Taylor de la fonction

1+x

f (x) = ln = ln (1 + x) − ln (1 − x).
1−x
(a) Calculer le développement de Taylor d’ordre 5 de la fonction ln (1 + x) autour de
x0 = 0 et en déduire les deux premiers termes du développement de Taylor de la
fonction f (x) autour de x0 = 0. Préciser le degré et l’ordre de précision du polynôme
obtenu.
(b) En vous servant des développements de Taylor des fonctions ln (1 + x) et f (x)

obtenus en (a), donner deux approximations de ln (2).
(c) Bien que les deux approximations de ln (2) soient du même ordre, expliquer pourquoi
celle obtenue avec la fonction f (x) est plus précise.
23. Soit la fonction

1 x sin (t)
Z
f (x) = dt.
x 0 t
(a) Obtenir le développement de Taylor de degré 5 de sin t autour de t0 = 0.
(b) Déduire de (a) le développement de Taylor d’ordre 4 de la fonction f (x) autour de
x0 = 0. Préciser le degré du polynôme obtenu.
(c) À l’aide de ce développement, donner une approximation de f (0,01).
24. (a) En vous servant des développements de Taylor des fonctions ex et sin x autour
de x = 0, donner le développement de Taylor d’ordre 4 de la fonction f (x) = esin (x)
autour de x = 0.
(b) Estimer f (1,1) à l’aide du développement de Taylor obtenu en (a).
(c) Sachant que esin(1,1) = 2,438 071 405, donner le nombre de chiffres significatifs de
cette approximation.
(d) En dépit du fait que l’approximation obtenue en (b) soit d’ordre 4, expliquer pourquoi
elle n’est pas très précise.
25. La fonction erreur définie par

Zx
2 2
erf(x) = √ e−t dt
π 0
est utilisée en statistique en relation avec les variables aléatoires suivant une loi normale.
On désire approcher la valeur de erf(x) dans l’intervalle [−1 , 1] avec une erreur qui
n’excède jamais 10−10 .
(a) Quelle est la valeur exacte de erf(0)?
(b) En utilisant le développement de Taylor de ez , trouver les n premiers termes non
2
nuls du développement de Taylor de e−t ;
(c) En déduire les n premiers termes non nuls du développement de Taylor de erf(x);
(d) Spécifier la forme analytique du terme de reste du développement de Taylor;
(e) Quelle doit être la valeur minimale de n pour que l’erreur de l’approximation de
erf(x) soit toujours inférieure à 10−10 pour x ∈ [−1 , 1]?
26. Nous voulons utiliser le développement de Taylor pour estimer l’intégrale de Fresnel,
Zx
2
C(x) = cos( π2t ) dt,
0
1
que nous voulons évaluer pour |x| ≤ 2.
(a) Obtenir le développement de Taylor de la fonction C(x) dont l’erreur ne dépassera

pas 10−4 pour tout x tel que |x| ≤ 21 (l’utilisation du développement de Taylor ap-
proprié de cos(x) facilitera votre travail).
(b) Quel est le degré du développement obtenu? Quel est son ordre de précision?
(c) Combien aurons nous de chiffres significatifs si nous utilisons cette approximation
pour estimer C( 14 )? Donner une justification précise.
27. (a) Calculer le développement de Taylor d’ordre 9 de f (x) = arctan x autour de x0 = 0.

Indications :
d 1
• arctan x =
dx 1 + x2
1
• = 1 − x + x 2 − x 3 + x 4 + · · · + (−x)n + · · ·
1+x
(b) Sachant que arctan(1) = π4 , estimer la valeur de π à l’aide du développement de
Taylor obtenu en (a). Déterminer le nombre de chiffres significatifs de cette approxi-
mation de π .
(c) Sans utiliser le développement de Taylor, par quel facteur approximatif l’erreur
obtenue en (b) serait-elle réduite si on approximait f (0,25) par le développement
de Taylor obtenu en (a)?
(d) Estimer la valeur de π à l’aide du développement de Taylor obtenu en (a) en utilisant
la formule suivante :
1 1 1
π = 48 arctan( 18 ) + 32 arctan( 57 ) − 20 arctan( 239 )
Expliquer pourquoi cette approximation est plus précise que celle obtenue en (b).
28. Soit la fonction Zx

sin (t)
f (x) = dt.
0 t
On désire obtenir le développement de Taylor de la fonction f (x) dont l’erreur ne dé-
passera pas 10−4 pour tout x tel que |x| ≤ π4 .
(a) Obtenir le développement de Taylor de degré 2n + 1 de la fonction f (x) autour de
x0 = 0.
(b) Donner une borne supérieure de la valeur absolue de l’expression analytique du
terme d’erreur du développement de Taylor de degré 2n + 1 de la fonction f (x)
pour tout x tel que |x| ≤ π4 .
(c) Déterminer le degré minimal m = 2n + 1 du polynôme de Taylor de la fonction f (x)
dont l’erreur ne dépassera pas 10−4 pour tout x tel que |x| ≤ π4 .
29. Soit la fonction Zx

ln(1 + t)
g(x) = dt.
0 t
(a) Obtenir le développement de Taylor de la fonction g(x) autour de x = 0.
(b) Donner une borne supérieure de l’expression analytique du terme d’erreur pour le
développement de Taylor de degré n de g(x) pour |x| ≤ 21 .
(c) Déterminer n pour que l’approximation donnée par ce développement de Taylor ait
une erreur qui soit au plus 10−7 sur [− 21 , 12 ].
30. On désire calculer le développement de Taylor de la fonction

√
(3 − 2x 2 ) arcsin x − 3x 1 − x 2
f (x) =
x5
autour du point x0 = 0. Afin de faciliter notre travail, nous allons définir les fonc-
tions g(x) et h(x) à l’aide de leur dérivée :

3
h0 (x) = 4x 2 (1 − x 2 )− 2 ;

g 0 (x) = xh(x),

ce qui nous permettra d’exprimer la fonction f (x) comme

g(x)
f (x) = .
x5
3
Calculer les quatre premiers termes du développement de Taylor de (1 − x)− 2 autour de
x0 = 0 et en déduire le développement de Taylor d’ordre 6 de la fonction f (x) autour
de x0 = 0. Préciser le degré du polynôme obtenu. Expliquer d’abord votre démarche et
ensuite faire les calculs.
Norme IEEE et erreur de représentation
31. Si ε est un nombre dont la taille est de l’ordre de la précision machine, expliquer pourquoi
il est justifié d’écrire l’approximation 1 − ε1m ≈ − ε1m .
32. Expliquer brièvement pourquoi la suite

1 n 1

lim 1 + = lim exp n ln 1 + = e ' 2, 718 281
n→+∞ n n→+∞ n
tend plutôt vers 1 pour de grandes valeurs de n, en arithmétique flottante. Estimer la
plus petite valeur de n à partir de laquelle cette suite tend vers 1, suivant la norme IEEE
en simple précision.
33. On considère la suite {xn }∞

n=1 définie par
1
xn = 4n + (1 + ) .
3n
Pour = 10−50 , le calcul des xn à l’aide de Matlab (norme IEEE-754 double précison)
1
montre que xn = 3n pour n = 1, 2, . . . , 31. Expliquer brièvement les résultats obtenus.
√ √
34. Si la valeur δ est telle que |δ| x, expliquer comment calculer x + δ − x en évitant
la perte de chiffres significatifs.
35. Soit la matrice !

1 1+α
A= pour α > 0.
1−α 1
Quelles valeurs doivent être prises par α, en arithmétique flottante en double précision
IEEE, pour que det A > ε, où ε est la précision machine.
36. Sachant que

lim n log(1 + 1/n) = 1,
n→∞
on a reporté à la figure 1 l’erreur d’approximation pour n = 10k et k = 0, 1, 2, . . . , 14,

calculée en norme IEEE double précision. Expliquer les résultats observés.
0
10
-1
10
-2
10
-3
10
Erreur totale
-4
10
-5
10
-6
10
-7
10
-8
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
Figure 1: Graphe logarithmique de |n log(1 + 1/n) − 1|.
37. Effectuer l’opération suivante en arithmétique flottante à 5 chiffres en utilisant l’arrondi:

2
e × (π − 3 ) avec e ' 2, 718 282 et π ' 3, 141 593.
38. Sur un système en base 10 capable de représenter les nombres sur 5 chiffres seulement,
le nombre 1 est représenté par 1, 0000 × 100 . Quel sera le résultat de l’opération 1 + 105
sur ce système ?
39. Soit une calculatrice travaillant en arithmétique flottante à 3 chiffres dans la mantisse et
utilisant l’arrondi. Faire les différentes étapes suivies par cette calculatrice pour évaluer
l’expression suivante:
1
A × (B − C) avec A = 0, 333 79, B = 2, 71828 et C = .
9
40. En arithmétique exacte, vérifier que

" # " #" #
−1 1 0 −1
= .
1 1 −1 1 0 1 + −1
Sur un système en base 10 à 5 chiffres, supposons à présent que = 10−5 . Quel est le
résultat de la multiplication matricielle ci-dessus en virgule flottante ?
41. Un programmeur inexpérimenté écrit le programme Matlab suivant:

x = 0.0;
while ( x ~= 1.0 )
x = x + 0.1
end
Décrire le comportement de ce programme. Faire une modification pour qu’il s’exécute

selon les intentions du programmeur.
42. On considère la fonction

f (x) = (8 + x)3 − 512.
(a) Sans modifier la forme algébrique de f (x), calculer f (0,0001) en arithmétique flot-
tante à 5 chiffres en utilisant l’arrondi. Comparer avec la valeur fournie par votre
calculatrice lorsque vous utilisez le maximun de chiffres significatifs et commenter
les résultats obtenus.
(b) Trouver une expression de f (x) qui soit algébriquement équivalente à celle proposée
plus haut et qui vous permettra de calculer f (0,0001) en arithmétique flottante à 5
chiffres avec plus de précision. Vérifier vos calculs.
43. Pour des valeurs√de x ∈ [10 5 6

√ , 10 ], indiquer la source potentielle d’erreur lors du calcul
de l’expression x + 4 − x + 3 en arithmétique flottante ( avec au moins 8 chiffres) et
suggérer une façon d’estimer la valeur de cette expression qui soit numériquement plus
stable.
44. L’évaluation de l’expression

√
1 + x2 − 1
f (x) = − (ex − e−x )
x2
peut causer une élimination des chiffres significatifs.
(a) Donner la liste de toutes les opérations risquées et proposer une autre façon d’évaluer
cette fonction.
(b) Calculer limx→0 f (x).
45. En supposant que x ∗ = 2, 318 309 886 possède 4 chiffres significatifs. Combien de
chiffres significatifs y aura-t-il pour f (x ∗ ) = sin (x ∗ ) ' 0, 733 381?
46. Estimer l’erreur commise dans l’évaluation de la fonction f (x, y, z) = −xyz au point
x ∗ = 1, 260, y ∗ = 0, 5 × 10−3 et z∗ = 12, 93, où tous les chiffres donnés sont significatifs.
Indiquer le nombre de chiffres significatifs du résultat.
Référence: A. Fortin, chap. 1, no. 22(b)
47. Soit x = 0, 12345 × 10−4 un nombre qui possède 3 chiffres significatifs et le nombre
y = 0, 67890 × 102 est tel que ∆y ≤ 0, 7. En évaluant l’expression (x + 1)y 2 , combien de
chiffres significatifs obtiendrez-vous?
48. Le volume d’un cylindre de hauteur H = 5 m et de rayon R = 1, 01 m est donné par
V = π R 2 H.
Si H est connue à 2% près et que R possède 2 chiffres significatifs, calculer la valeur de V

correspondante et donner le nombre de chiffres significatifs.
49. La période T d’un pendule simple de longueur L = 1 m en un endroit où la constante

g = 9, 8 m/s2 est donnée par s
L
T = 2π .
g
Si L est connue à 0, 1% près et tous les chiffres de g sont significatifs, calculer la valeur
de T correspondante et indiquer ses chiffres significatifs.
50. En supposant que x ∗ = 2, 318 309 886 possède 4 chiffres significatifs. Combien de
chiffres significatifs y aura-t-il pour f (x ∗ ) = sin (x ∗ ) ' 0, 733 381?
51. Soit le polynôme de degré 2

f (x) = x 2 − 104 + 10−4 x + 1,
dont les racines sont 104 et 10−4 . Expliquer pourquoi il n’est pas possible de trouver
exactement ces racines en arithmétique flottante à 7 chiffres en utilisant l’arrondi.
Note: Pour répondre à cette question, le calcul des racines en arithmétique flottante
n’est ni exigé, ni nécessaire).
52. Dans un programme MATLAB on retrouve la ligne suivante:

p=a*x^4+b*x^3+c*x^2+d*x+e;
Cette expression requiert 10 multiplications. Trouver une expression équivalente qui

nécessite seulement 4 multiplications.
53. On désire évaluer l’expression

√
(3 − 2α2 ) arcsin (α) − 3α 1 − α2
,
α5
où α = 0, 818 191 910 × 10−1 (cf. Lab 2, Question 3).

Indiquer la source potentielle d’erreur due à l’arithmétique flottante et suggérer une ap-
proximation de cette expression qui soit numériquement plus stable. Ne pas la calculer.
54. Il est souvent possible de limiter les erreurs dues à l’arithmétique flottante en exprimant
différemment une expression. Pour les expressions suivantes, indiquer la source poten-
tielle d’erreur et suggérer une expression équivalente qui est numériquement plus stable:
1 1
(a) 1−x −1+x ;
1 1 1
(b) 1 + 24 + 34 + ··· + 100 0004
;
(c) x2 − y 2;
√
(d) log(x − x 2 − 1) où x 1. Votre nouvelle formulation a un second avantage.
Lequel? Indice : utiliser x = (x + 1)/2 + (x − 1)/2.
√
55. (a) Obtenir le développement de Taylor de degré 2 de la fonction f (x) = 1 + x autour
de x0 = 0.
p p
(b) Utiliser ce développement de Taylor pour évaluer les quantités 1, 0001 et 0, 9999.
On notera q1 et q2 les approximations obtenues.
(c) Donner les valeurs de fl(q1 ) et fl(q2 ) en arithmétique flottante à 3 chiffres en utilisant
l’arrondi.
p p
(d) évaluer l’expression 1, 0001 − 0, 9999 en arithmétique flottante à 3 chiffres en es-
sayant de réduire au maximun les erreurs p dues à l’arithmétique
p flottante. Comparer
votre résultat avec la valeur exacte de 1, 0001 − 0, 9999 obtenue à l’aide de votre
calculatrice.
56. (a) Calculer le développement de Taylor d’ordre 5 de la fonction f (x) = ln(1 + x)

autour de x0 = 0. Préciser le degré du polynôme et donner l’expression analytique
du terme d’erreur.
(b) À l’aide de ce développement, donner une approximation de ln(1, 1). Par comparai-
son avec la valeur exacte de ln(1, 1) = 0, 0953101798, donner le nombre de chiffres
significatifs de l’approximation.
Par quel facteur approximatif l’erreur obtenue serait-elle reduite, si on évaluait ln(0, 975)
à l’aide du développement de Taylor obtenu en (a) ? (Ne pas faire le calcul de
l’erreur).
1
(c) Calculer le développement de Taylor de degré 2 de la fonction g(x) = e x ln(1+x)
autour de x0 = 0.
1 n

1 n 1
Sachant que (1 + n ) = en ln(1+ n ) , montrer que lim 1 + = e.
n→+∞ n
(d) Il est souvent possible de limiter les erreurs dues à l’arithmétique flottante en expri-
mant différemment une expression. Pour de grandes valeurs de n, indiquer la source
1 n
potentielle d’erreur pour (1 + n ) et suggérer une façon d’évaluer ou d’approcher
cette expression qui soit numériquement plus stable.
Interpolation
Interpolation polynomiale
57. On souhaite faire la conception d’un virage d’une voie de chemin de fer entre les points
(0 , 0) et (1 , 1). Le virage sera décrit par une courbe de la forme y = f (x) satisfaisant
f (0) = 0;
f (1) = 1;
f 0 (0) = 1/2.
On veut approcher la courbe y = f (x) par un polynôme dans l’intervalle [0 1].

(a) Quel est le degré minimal que ce polynôme devra avoir pour vérifier toutes les con-
ditions.
(b) Calculer ce polynôme.
58. Il existe un unique polynôme p(x) de degré 2 ou moins qui est tel que p(0) = 0, p(1) = 1
et p 0 (α) = 2 pour toute valeur de α dans l’intervalle [0, 1], sauf pour une valeur de
α = α0 . Déterminer α0 et donner l’expression du polynôme pour α 6= α0 .
Interpolation de Lagrange
59. Soit les trois points q1 = (0 , 1), q2 = (π /16 , cos (π /16)) et q3 = (π /8 , cos (π /8)) de la
fonction f (x) = cos (x).
(a) Obtenir à l’aide de l’interpolation de Lagrange, le polynôme de degré 2 qui passe par
les 3 points et en déduire une approximation de cos (π /32).
(b) Calculer le développement de Taylor de degré 2 de la fonction f (x) = cos (x) autour
de x0 = 0 et en déduire une approximation de cos (π /32).
(c) Sachant que f 0 (0) = 0, calculer le polynôme de dégré 2, passant par les points q1
et q3 dont la dérivée en x = 0 est égale à 0 et en déduire une approximation de
cos (π /32).
(d) Des trois approximations cos (π /32) que vous avez obtenues, qu’elle est la plus
précise? Pourquoi?
60. Les fonctions de Lagrange linéaires ϕi−1 (x) et ϕi (x), utilisées pour l’interpolation de
Lagrange sur l’intervalle [xi−1 , xi ], possèdent des propriétés bien connues.
i) Tracer sur un même graphique le graphe de ϕi−1 (x) et de ϕi (x) sur l’intervalle [xi−1 , xi ].
ii) Vérifier, sur l’intervalle [xi−1 , xi ], que
ϕi−1 (x) + ϕi (x) = 1.

iii) Vérifier, sur l’intervalle [xi−1 , xi ], que
xi−1 ϕi−1 (x) + xi ϕi (x) = x.
61. En relevant toutes les 10 secondes la vitesse d’écoulement de l’eau dans une conduite
cylindrique, on a obtenu
t 0 10 20 30
v 2, 00 1, 89 1, 72 1, 44
(a) Trouver une approximation de la vitesse en t = 15 via un polynôme interpolant de
degré 2 ;
(b) Répéter l’opération avec un polynôme de degré 3.
62. Le tableau suivant présente la concentration de la médianone en fonction du temps, en

présence de 5% d’agent complexant, lorsque exposer à l’ultra violet:
Temps Médianone
(min) (10−5 mol/l)
10 5, 15
20 5, 11
30 5, 06
40 5, 00
(a) Estimer la concentration de la médianone en 10−5 mol/l à 35 minutes en utilisant le

polynôme de Lagrange de degré 2 passant par les 3 derniers points du tableau.
(b) Est-il possible d’obtenir une meilleure approximation de la concentration de la mé-

dianone en 10−5 mol/l à 35 minutes en utilisant le polynôme de Lagrange de degré 2
passant par les 3 premiers du tableau? Justifier votre Solution. (Ne pas calculer
cette nouvelle approximation.)
63. Le tableau suivant présente la valeur de la capacité calorique du méthylcyclohexane en

fonction de la température :
T Cp
(K) (kJ/kg K)
150 1, 426
160 1, 447
170 1, 469
180 1, 492
190 1, 516
210 1, 567
230 1, 627
250 1, 696
270 1, 770
(a) Donner un système d’équations algébriques linéaires qui nous permettrait d’obtenir
un polynôme d’interpolation de degré 3 passant par les quatre premiers points du
tableau (ne pas résoudre le système linéaire).
(b) Estimer la capacité calorique du méthylcyclohexane à 179 K en utilisant un polynôme
de Lagrange de degré 1.
(c) Estimer la capacité calorique du méthylcyclohexane à 179 K en utilisant un polynôme
de Lagrange de degré 2 passant par les 3 premiers points du tableau.
(d) Comparer les résultats obtenus en (b) et en (c). Commenter.
(e) Est-ce que le polynôme obtenu à l’aide du système linéaire de la sous-question (a)
pourrait donner des résultats plus précis qu’un polynôme de Lagrange passant par
les quatre premiers points du tableau? Justifier votre Solution.
64. Le tableau suivant présente la conductivité thermique de la vapeur d’acetone en fonction

de la température :
T k
(◦ F ) (Btu/hr ft ◦ F)
32 0, 0057
115 0, 0074
212 0, 0099
363 0, 0147
(a) Estimer la conductivité thermique de l’acetone à 300 ◦ F en utilisant le polynôme de

Lagrange de degré 2 passant par les 3 derniers points du tableau.
(b) Estimer la température en ◦ F qui correspond à la conductivité thermique k = 0, 008 Btu/hr ft ◦ F

en utilisant un polynôme de Lagrange de degré 2 passant par les 3 derniers points
du tableau.
Note: Il n’est pas necéssaire de simplifier l’expression des polynômes de Lagrange.

65. Soit la fonction f (x) = 2xe−(4x+2) définie sur l’intervalle [0,2 , 1].
(a) Utiliser la valeur de la fonction aux points x = 0, 2 et x = 1 et employer la méthode
de Lagrange afin de trouver le polynôme passant par ces points.
(b) En vous servant du polynôme obtenu en (a), calculer une approximation de f (0, 5) et
indiquer ses chiffres significatifs.
(c) Trouver la coordonnée x pour laquelle l’erreur d’interpolation du polynôme obtenu
en (a) est maximale dans l’intervalle [0, 2 , 1].
66. Lors de la bromuration du m-xylène à 17 ◦ C, la concentration de brome en fonction du

temps au début de la réaction varie de la façon suivante:
Temps [Brome]
(min) (g mol/dm3 )
0,00 0,3335
2,25 0,2965
4,50 0,2660
(a) Obtenir le polynôme d’interpolation de Lagrange passant par ces points;

(b) Estimer la concentration de brome après 3 secondes (attention aux unités);
(c) Obtenir le système linéaire nécessaire pour calculer le polynôme passant par ces
mêmes points en utilisant la méthode de la matrice de Vandermonde.
67. Nous voulons approximer la fonction f (x) = ln x à l’aide d’un polynôme d’interpolation
de degré 9 pour des points de collocation équirépartis sur l’intervalle [1, 2]. Donner une
borne de l’erreur commise. était-ce une bonne idée?
68. Soit f (x) = 2 sin (x) + 3 cos (x), où x est en radians.

π
(a) Déterminer le polynôme de degré 2 qui interpole la fonction f (x) en x0 = 0, x1 = 2
et x2 = π .
π
(b) Estimer la valeur de f ( 4 ) en utilisant le polynôme trouvé en (a).
(c) Donner une borne supérieure de l’erreur commise en (b). (Ne pas calculer l’erreur
exacte).
(d) Au lieu d’utiliser le polynôme calculé en (a), on décide d’interpoler la fonction f (x)
sur l’intervalle [0 , π ] en xi = i π n pour i = 0, · · · , n par une fonction linéaire par
morceaux. Cette fonction s’obtient en reliant chaque paire de points consécutifs,
(xi , f (xi )) et (xi+1 , f (xi+1 )), par un segment de droite. Quel doit être le nombre n
de sous-intervalles pour que l’erreur d’interpolation (en valeur absolue) soit partout
inférieure à 10−4 ?
Interpolation de Newton
69. Soit f (x) une fonction qui passe par les points q1 = (0 , 3), q2 = (2 , −1) et q3 = (5 , 8).
(a) À l’aide de la formule de Newton, trouver le polynôme d’interpolation de degré 2 qui
passe par les points q1 , q2 et q3 et proposer une approximation de f (3).
(b) Sachant que f (6) = 7, donner une approximation de l’erreur commise en (a).
(c) On sait aussi que f 0 (0) = 6. Calculer le polynôme d’interpolation de degré minimal
passant par les points q1 , q2 et q3 , dont la dérivée en x = 0 est égale à 6.
70. On considère la table de différences divisées suivante:
xi f (xi ) f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ]

1,9 0,94 630
-0,127 975
1,5 0,99 749 ?
-0,314 725 ?
2,3 0,74 571 ?
-0,795 824
2,7 0,42 738
(a) Completer la table.

(b) En vous servant de la table de différences divisées, calculer une approximation de
f (1, 8) en utilisant le polynôme de Newton passant par les 3 premiers points.
(c) Donner une estimation de l’erreur d’interpolation en x = 1, 8 et en déduire le nombre
de chiffres significatifs de l’approximation obtenue en (b).
(d) Sachant que f (x) = sin (x), calculer une borne supérieure de la valeur absolue de
l’erreur d’interpolation en x = 1, 8.
(e) Quel polynôme est le plus précis, celui trouvé en (b), ou le polynôme de Lagrange
passant par f (x) en x = 1,5; 1,9 et 2,3? Justifier votre reponse.
71. Le tableau 3 contient de l’information sur une fonction f (x).
Table 1:
x f (x)
1,0 0,000 000
1,5 0,405 465
2,5 0,916 291
3,0 1,098 612
3,5 1,252 763
4,0 1,386 294
5,0 1,609 438
6,0 1,791 760
(a) Trouver le polynôme d’interpolation de degré le plus bas possible, de telle sorte que
l’erreur de l’approximation de f (3, 1) soit inférieure à 0, 5 × 10−3 .
(b) Donner l’expression analytique de l’erreur de l’expression calculée en (a).
72. Une voiture roulant à 60km/h accélère au temps t = 0s et sa vitesse v (en km/h) est
mesurée régulièrement:
N.B.: Attention aux unités utilisées pour chacune des variables de ce problème.
(a) En utilisant le meilleur polynôme de degré 2 possible, obtenir une approximation de
la vitesse (en km/h) en t = 1, 2s.
ti [s] : 0,0 0,7 1,4 2,1 2,8

vi [km/h] : 60,0 72,4 81,5 87,2 95,9
(b) Obtenir l’expression analytique de l’erreur commise en (a).

(c) Obtenir une approximation de cette erreur.
Rx 2
73. On considère la fonction erf(x) = √2 e−t dt dont les valeurs sont consignées dans la
π 0
table suivante:
x erf(x)
0,00 0,0000000
0,05 0,0563720
0,10 0,1124629
0,15 0,1679960
0,20 0,2227026
et on cherche x̄ tel que erf(x̄) = 0.1569460.

(a) Déterminer un polynôme d’interpolation de degré 2 qui permet de calculer une ap-
proximation la plus précise possible de x̄. Calculer cette approximation.
(b) Donner l’expression analytique du terme d’erreur associée à l’approximation trouvée
en (a).
(c) Donner une approximation de cette erreur.
74. Pour une fonction aléatoire X suivant une loi normale, la probabilité que X soit inférieure
ou égale à x (notée P (X ≤ x)) est donnée par la fonction
Zx
1 2
P (X ≤ x) = √ e−t /2 dt.
2π −∞
2
Comme la fonction e−t /2 n’a pas de primitive, on calcul cette probabilité pour différentes
valeurs de x (par des méthodes que nous verrons au prochain chapitre) et l’on garde les
résultats dans les tables comme celle-ci
x P (X ≤ x) x P (X ≤ x)
1,0 0,841 34 1,3 0,903 20
1,1 0,864 33 1,4 0,919 24
1,2 0,884 93
À l’aide de cette table, obtenir une approximation de P (X ≤ 1,05). On choisira le degré du

polynôme de telle sorte que l’approximation de l’erreur absolue commise soit inférieure
à 0,5 × 10−5 .
75. Le temps t requis pour qu’une voiture accélère jusqu’a une vitesse v à partir d’une vitesse
initiale de 8m/s est donné dans le tableau suivant:
(a) évaluer le temps requis pour que la voiture atteigne 18m/s. On utilisera un polynôme
de degré 2 en s’assurant de la plus grande précision possible.
v[m/s] : 8 11 15 20
t[s] : 0,0 1,6 3,2 4,8
(b) Donner une estimation de l’erreur commise en (a).

76. En course à pied sur route, on utilise des modèles d’interpolation pour estimer, à partir
de performances (temps) qu’un coureur a déjà réalisées sur certaines distances, les per-
formances qu’il pourrait réaliser sur d’autres distances. En fait, on cherche à approcher
la fonction t(x) qui indique le temps en secondes que le coureur mettrait pour parcourir
x mètres. Dans cette question, on considère un coureur dont les performances sont
indiquées dans le tableau suivant:
x (en mètres) 0 100 1500 10000
t(x) (en secondes) 0 13 245 1980
(a) Utiliser un polynôme d’interpolation de degré 2 pour estimer la performance que
devrait réaliser ce coureur sur une distance de 5000 m. Donner l’approximation la
plus précise possible.
(b) Trouver une approximation de l’erreur commise en (a).
(c) Au lieu d’utiliser un polynôme d’interpolation pour approcher t(x), on pourrait
utiliser une fonction logarithmique d’interpolation de la forme
f (x) = a + b ln c(x − d)
où a, b, c et d sont des paramètres à déterminer. Proposer une démarche pour
calculer les valeurs de ces quatre paramètres. Ne pas résoudre.
Splines cubiques
77. On a obtenu la spline cubique naturelle S(x) passant par les points (0, 0), (2, 8) et (3, 27)
qui sont situés sur la courbe du polynôme p(x) = x 3 . Aurons-nous une erreur d’interpolation
dans l’intervalle [0 , 3]? Pourquoi?
78. Soit (xi , f (xi )), i = 0, 1, . . . , n, des points d’interpolation d’une fonction f (x). Pour
calculer une spline cubique qui passe par ces n + 1 points, on doit résoudre un système
linéaire de n + 1 inconnues (les dérivées secondes fi00 de la spline cubique aux points
d’interpolation) et n − 1 équations. Pour obtenir une solution unique, il faut ajouter deux
équations. Quelles seraient ces deux équations si on voulait imposer les valeurs f00 et fn0
des dérivées premières aux extrémités de la spline cubique?
79. On considère la fonction


x 3 si x ∈ [0 , 1];
f (x) = 1
 (x − 1)3 + a(x − 1)2 + b(x − 1) + c si x ∈ [1 , 3].
2
Déterminer les valeurs de a, b et c pour que la fonction f (x) soit une spline cubique.
Est-ce que la spline obtenue est naturelle?
80. On désire faire passer une spline cubique naturelle par les points suivants:
i xi f (xi )
0 0,0 1,000 000
1 0,5 1,127 626
2 1,0 1,543 081
3 1,5 2,352 409
4 2,0 3,762 196
En résolvant le système linéaire requis, on a trouvé:
i xi fi00
0 0,0 0,000
1 0,5 1,432
2 1,0 1,178
3 1,5 3,308
4 2,0 0,000
(a) Obtenir une approximation de f (0, 75) à l’aide de cette spline.

(b) Toujours en se servant de cette spline, on veut obtenir une approximation de f 0 (1, 0).
On peut donc choisir entre le polynôme p2 (x) défini dans l’intervalle [ 21 , 1] et le
polynôme p3 (x) défini dans l’intervalle [1 , 32 ]. Lequel de ces 2 polynômes donnera
la meilleure approximation de f 0 (1, 0)? Expliquer pourquoi. Ne pas calculer cette
approximation.
(c) Toujours en vous servant de cette spline, obtenir une approximation de f 00 (1, 5).
81. Soient les points d’interpolation du tableau suivant :
x f (x)
1,00 0,765 789 39
1,02 0,795 366 78
1,04 0,822 688 17
1,06 0,847 522 26
(a) Utiliser l’interpolation par splines cubiques naturelles afin d’estimer f (1, 03).
(b) Sachant que f (x) = 3xex − e2x , déterminer le nombre de chiffres significatifs de
l’approximation obtenue en (a).
(c) Dire si l’énoncé suivant est vrai ou faux, et commenter: « L’approximation par splines
cubiques naturelles est exacte pour tous les polynômes de degré 3, peu importe le
nombre de points d’interpolation utilisés ».
82. Soit une fonction f (x) dont on connaît la valeur en certains points:
i xi f (xi )
0 0,0 1,0
1 1,0 2,0
2 2,0 5,0
3 3,0 10,0
Pour chacune des conditions suivantes:

00 00 00 00
(a) f0 = f1 et f3 = f2 ;
(b) f00 = 1 et f30 = 5,
donner le système linéaire 2×2 (sans le résoudre) permettant de calculer la spline cubique
qui interpole la fonction f (x) aux points (xi , f (xi )).
83. On désigne par S(x) la spline cubique naturelle qui passe par les points (−1 , 1), (0 , 0)
et (1 , 1) de la fonction f (x) = x 2 . Dans les intervalles [−1 , 0] et [0 , 1], cette spline
peut s’écrire sous la forme:
(
S1 (x) = a1 + b1 (x + 1) + c1 (x + 1)2 + d1 (x + 1)3 pour x ∈ [−1 , 0],
S2 (x) = a2 + b2 x + c2 x 2 + d2 x 3 pour x ∈ [0 , 1].
(a) Déterminer la valeur de a2 .

(b) Deux étudiants ont essayé de trouver les valeurs de tous les paramètres. L’étudiant
X a trouvé
S1 (x) = 1 − 23 (x + 1) + 21 (x + 1)3 ;
(
S2 (x) = 23 x 2 − 12 x 3 .
tandis que l’étudiant Y a obtenu

(
S1 (x) = −x;
S2 (x) = x.
Un seul des deux étudiants a trouvé les bonnes valeurs. De qui s’agit-il? Justifier
votre réponse. (Ne pas calculer la spline).
84. On désigne par

(
28 + 25x + 9x 2 + x 3 si − 3 ≤ x ≤ −1;
S(x) =
10x + 21 si − 1 ≤ x ≤ 0,
une fonction qui passe par les points de coordonnées (−3 , 7), (−1 , 11) et (0 , 21). Expli-
quer pourquoi la fonction S(x) n’est pas une spline cubique.
85. Les fractions molaires d’un système acétone-air-eau à l’équilibre vapeur-liquide sont présen-
tées dans le tableau suivant :
i yi xi
0 0,004 0,002
1 0,008 0,004
2 0,014 0,006
3 0,017 0,008
4 0,019 0,010
5 0,020 0,012
où y et x représentent respectivement les fractions molaires d’acétone dans l’air et d’acétone

dans l’eau.
On désire faire passer une spline cubique naturelle par ces points. En résolvant le système
linéaire requis, on a trouvé:
i yi xi00
0 0,004 0,000
1 0,008 −95,288
2 0,014 150,961
3 0,017 −48,523
4 0,019 1016,174
5 0,020 0,000
(a) En supposant que l’eau et l’air sont immiscibles, évaluer la fraction d’acétone dans
l’eau correspondant à une fraction d’acétone dans l’air égale à 1%.
(b) Donner les systèmes linéaires (sans les résoudre) permettant de calculer les splines
cubiques satisfaisant:
i) f000 = a et f500 = b, pour a et b donnés;
ii) f000 = f100 et f500 = f400 ;
iii) f00 = a et f50 = b, pour a et b donnés.
86. (a) On interpole la fonction f (x) = 2x 3 + 3x 2 − 7x + 1 sur l’intervalle [0, 1] aux 4

points équidistants x0 = 0, x1 = 31 , x2 = 3 et x3 = 1 par une spline cubique na-
2
turelle γ(x). Doit-on s’attendre à commettre une erreur d’interpolation lorsque l’on
approche f ( 21 ) par γ( 12 ) ? Expliquer (ne pas calculer γ).
(b) Soit la fonction
(
a − 2x + x 3 si x ∈ [0, 1]
f (x) =
4 − bx + cx 2 + dx 3 si x ∈ [1, 2].
Déterminez les constantes a, b, c, et d de sorte que f (x) soit la spline cubique

naturelle passant par les points (0, 2), (1, 1) et (2, 4).
87. On se propose de construire un système linéaire permettant de calculer les coefficients

de la spline quadratique passant par les points (xi , f (xi )), i = 0, 1, 2, ..., n et qui est 1
fois différentiable. On supposera que les points sont équidistants (xi − xi−1 = h). On
suivra les étapes suivantes:
(a) Dans chaque intervalle [xi−1 , xi ], on utilise un polynôme de degré 2 (Pi (x)). Donner
le nombre total d’inconnues du système et donner les contraintes que ces inconnues
doivent vérifier.
(b) Puisque la spline est quadratique, en dérivant une fois, on obtient un polynôme de
degré 1 dans chaque intervalle [xi−1 , xi ]. Exprimer ce polynôme par la méthode de
0
Lagrange en prenant fi−1 et fi0 comme valeur de la dérivée en x = xi−1 et en x = xi .
(c) Intégrer l’équation obtenue en (b) et déterminer la valeur de la constante d’intégration.
(d) Obtenir le système linéaire dont les inconnues sont les fi0 en vous servant des con-
traintes non utilisées.
88. On désire interpoler les données

t 0 1 2
y 2 1 4
par une spline quadratique γ(t). Soient γ1 (t) et γ2 (t) les deux branches de cette spline.
(a) écrire le système d’équations permettant de déterminer γ1 et γ2 de sorte que γ pos-
sède une dérivée première continue. Ne pas le résoudre.
(b) Montrer que si on impose à γ d’avoir une dérivée seconde continue, on a nécessaire-
ment γ1 = γ2 . Comment cela s’explique-t-il ?
(c) Déterminer γ1 et ajouter une nouvelle valeur à interpoler en t4 = 3 de sorte que
i. Il existe une spline quadratique dont la dérivée seconde est continue qui inter-
pole les (ti , yi ), i = 1, 2, 3, 4 ;
ii. Il n’existe aucune telle spline quadratique.
89. On a mesuré la vitesse d’un vehicule ( en km/h) toutes les 5 secondes. On a utilisé la
fonction Matlab polynew afin de calculer la table de différences divisées. Voici les résul-
tats:
>> temps = [ 0 5 10 15];

>> vitesse = [55 60 58 54];
>> format rat;
>> [c,a,D] = polynew(temps, vitesse,[])
c =
1/150 -6/25 61/30 55
a =
55 1 -7/50 1/150
D =
55 0 0 0
60 1 0 0
58 -2/5 -7/50 0
54 -4/5 -1/25 1/150
N.B.: Attention aux unités de chaque variable dans cet exercice.

(a) Trouver l’approximation de la vitesse ( en km/h) à t = 2, 5s avec le polynôme de
Newton de degré 2.
(b) Donner une approximation de l’erreur commise sur la vitesse calculée en (a).
(c) Sachant que f00 = 1 et f300 = −4/5, donner l’expression du système linéaire permet-
tant de calculer la spline cubique passant par les 4 points (ne pas résoudre).
90. On a mesuré toutes les 10 secondes la vitesse (en m/s) d’écoulement de l’eau dans une
conduite cylindrique. On a calculé à l’aide de ces données la table de différences divisées
suivante:
i ti f (ti ) f [ti , ti+1 ] f [ti , · · · , ti+2 ] f [ti , · · · , ti+3 ]
0 0 2,00
−1, 1 × 10−2
1 10 1,89 ?
−1, 7 × 10−2 ?
2 20 1,72 ?
−2, 8 × 10−2
3 30 1,44
(a) Compléter la table.
(b) Trouver l’approximation de la vitesse (en m/s) à t = 15 s avec le polynôme de Newton
de degré 2.
(c) Donner une approximation de l’erreur commise sur la vitesse calculée en (b).
(d) Sachant que f00 = 0 (dérivée première nulle) et f300 = 1, donner l’expression du
système linéaire permettant de calculer la spline cubique passant par les 4 points
(ne pas résoudre).
91. La courbe des puissances classées d’un service d’électricité, comme Hydro-Québec, repré-
sente la proportion de l’année où la demande d’électricité atteint ou dépasse un niveau
de puissance donné. Plus la puissance est grande, plus petite est la proportion de l’année
où la demande dépasse cette valeur. Cette courbe est donc par définition décroissante.
Pour une année donnée, on dispose des données et de la table de différences divisées
suivantes:
i xi f (xi ) f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ]
0 0,0 30,0
-10,0
1 0,1 29,0 -200,0
-50,0 566,667
2 0,2 24,0 83,33
-16,67 -87,30
3 0,5 19,0 22,22
-3,33 -91,27
4 0,8 18,0 -41,67
-20,0 -1316,67
5 0,9 16,0 -700,0
-160,0
6 1,0 0,0
(a) Donner une approximation de f (0,3) à l’aide du polynôme d’interpolation de Newton

de degré 3 passant par les 4 premiers points. Est-ce que cette approximation vous
semble acceptable? Justifier votre réponse.
(b) Donner une approximation de l’erreur d’interpolation commise en (a) et indiquer les
chiffres significatifs de l’ approximation de f (0,3) obtenue en (a).
(c) Donner les expressions des polynômes de Lagrange L0 (x), L1 (x), L2 (x), et L3 (x) de
degré 3 qui permettent de calculer une approximation de f (0,3). Cette approxima-
tion doit être la plus précise possible. (Ne pas calculer cette approximation).
(d) Donner l’expression du système linéaire de 2 équations à 2 inconnues permettant de
calculer la spline cubique naturelle passant par les 4 premiers points.
92. Soit f (x) une fonction qui est connue seulement aux points suivants: (0, 4), (2, 6),
(3, −2), (5, −6) et (6, 1). On cherche à trouver une approximation de f (4).
(a) Dans un premier temps, considérons l’utilisation d’un polynôme d’interpolation pour
trouver cette approximation.
i. Compléter le tableau des différences divisées:
xi f (xi ) f [xi , xi+1 ] f [xi , xi+1 , xi+2 ]
0 4
1
2 6 −3
−8
3 −2 2
−2
5 −6 3
7
6 1
afin d’être en mesure de calculer f [x0 , x1 , x2 , x3 , x4 ].

ii. Trouver le polynôme d’interpolation qui passe par les points (0, 4), (2, 6), (3, −2)
et (5, −6).
iii. À l’aide de ce polynôme, donner une approximation de f (4) et estimer l’erreur
commise.
(b) Dans un deuxième temps, trouver une approximation de f (4) en utilisant une spline
naturelle qui passe par les points (2, 6), (3, −2) et (5, −6).
(c) Une approximation de la fonction de f (x) pourrait aussi être obtenue en trouvant
deux polynômes d’interpolation quadratiques, le premier passant par les trois pre-
miers points (0, 4), (2, 6) et (3, −2), et le deuxième passant par les trois derniers
points (3, −2), (5, −6) et (6, 1). Quelle lacune comporterait une telle approximation
par rapport à une spline cubique calculée en utilisant les cinq points? Ne faites pas
de calculs.
Différentiation numérique
93. À l’aide de la formule de différence centrée d’ordre 2:
f (x + h) − f (x − h)
f 0 (x) = + O(h2 ),
2h
montrer que
f (x + 2h) − 2f (x) + f (x − 2h)
f 00 (x) ' .
4h2
94. Identifier l’erreur qui a été faite dans le raisonnement suivant et dans un deuxième temps,
corriger l’erreur et refaire le raisonnement de façon correcte. Du développement de Tay-
lor, nous avons:
f (x + h) = f (x) + hf 0 (x) + h2 f 00 (x) + h3 f 000 (ξ1 ),


2 6 pour ξ1 ∈ (x, x + h);
h 2 h 3
f (x − h) = f (x) − hf 0 (x) + f 00 (x) − f 000 (ξ ), pour ξ ∈ (x − h, x),
2 6 2 2
alors
1 h
2
[f (x + h) − 2f (x) + f (x − h)] = f 00 (x) + [f 000 (ξ1 ) − f 000 (ξ2 )]
h 6
et donc l’ordre de cette approximation de f 00 est O(h).
95. En vous servant des développements de Taylor appropriés, donner l’ordre de précision de
l’approximation de la dérivée:
f (x + 3h) − 3f (x + 2h) + 3f (x + h) − f (x)

f 000 (x) ' .
h3
96. Soit f (x) une fonction telle que f (2) = 4, f (4) = 2, f (6) = 0 et f (8) = −5. Calculer deux
approximations d’ordre 2 de f 0 (2).
97. (a) À l’aide des développements de Taylor appropriés, donner l’expression des deux
premiers termes de l’erreur liée à la formule:
f (x + ah) − f (x − bh)
,
(a + b)h
permettant de calculer une approximation de f 0 (x). Dans cette formule, a et b sont

des constantes telles que a + b ≠ 0.
(b) Déterminer l’ordre de cette approximation en fonction des valeurs de a et b.
98. On veut utiliser la formule centrée
f (x + h) − f (x − h)
f 0 (x) ' , (1)
2h
pour approcher la dérivée d’une fonction définie sur l’intervalle [a, b] vérifiant
max |f 000 (x)| ≤ M.

a≤x≤b
Supposons que l’utilisation d’un ordinateur produit une erreur e(x + h) et e(x − h) dans
l’évaluation de f (x + h) et f (x − h) respectivement. C’est donc dire que si f ∗ représente
la valeur effectivement calculée,
f (x + h) = f ∗ (x + h) + e(x + h),
f (x − h) = f ∗ (x − h) + e(x − h);
donc l’erreur totale due à l’utilisation de la formule (1) avec f ∗ au lieu de f sera
f ∗ (x + h) − f ∗ (x − h) e(x + h) − e(x − h) h2 000

0
f (x) − = − f (ξ),
2h 2h 6
avec ξ appartenant à l’intervalle [a, b]. Le premier terme représente l’erreur due aux
arrondis et le second l’erreur liée à l’approximation.
(a) En supposant que |e(x + h)| < et |e(x − h)| < , montrer que la valeur absolue de
l’erreur totale commise est bornée par
h2
g(h) = + M.
h 6
(b) On veut approcher f 0 (0, 9) pour la fonction tabulée suivante:
x f (x)
0,800 0,71736
0,895 0,78021
0,898 0,78208
0,902 0,78457
0,905 0,78643
0,950 0,81342
En vous servant de la formule (1) calculer deux approximations de f 0 (0, 9) en prenant
d’abord h = 0, 002 et ensuite h = 0, 005. Sachant que la valeur exacte de f 0 (0, 9) =
0, 62161, calculer les erreurs commises et expliquer les résultats obtenus.
(c) Sachant que f (x) = sin (x) et que tous les chiffres des approximations de f (x)
du tableau sont significatifs, déterminer analytiquement la valeur de h qui donne la
meilleure approximation de f 0 (0, 9) en utilisant la formule (1). Il s’agit de trouver
analytiquement la valeur de h pour laquelle g(h) sera minimale.
99. On considère la formule aux différences

−f (x + 3h) + 4f (x + 2h) − 5f (x + h) + 2f (x)
App(h) = ' f 00 (x),
h2
une approximation de f 00 (x).
(a) On dispose des valeurs suivantes de la fonction f (x):
x f (x)
1,0 0,841 471
1,1 0,891 207
1,2 0,932 039
1,3 0,963 558
1,4 0,985 450
1,5 0,997 495
1,6 0,999 574
En vous servant de la formule aux différences App(h), calculer deux approxima-

tions de f 00 (1, 0) pour h = 0,1 et pour h = 0,2. Sachant que la valeur exacte de
f 00 (1,0) = −0,841 471, estimer numériquement l’ordre de précision de cette formule
aux différences.
(b) En vous servant des développements de Taylor appropriés, montrer que
11 2 (4)
App(h) = f 00 (x) − h f (x) + O(h3 ),
12
et en déduire l’ordre de précision de l’approximation App(h).
100. On considère la formule aux différences

f (x + 2h) − 2f (x + h) + 2f (x − h) − f (x − 2h)
App(h) = ' f (3) (x),
2h3
une approximation de la dérivée troisième f (3) (x).
(a) On dispose des valeurs suivantes de la fonction f (x):
x f (x) x f (x)
0,80 0,088 967 97 1,05 0,053 648 07
0,85 0,079 617 83 1,10 0,049 115 91
0,90 0,071 633 24 1,15 0,045 126 35
0,95 0,064 766 84 1,20 0,041 597 34
1,00 0,058 823 53
En vous servant de la formule aux différences App(h), calculer deux approximations

de f (3) (1) et estimer numériquement l’ordre de précision de cette formule aux diffé-
rences sachant que f (3) (1) = −1, 103 435 06.
(b) En vous servant des développements de Taylor appropriés, montrer que
1 2 (5)
App(h) = f (3) (x) + h f (x) + O(h4 ),
4
et en déduire l’ordre de précision de l’approximation App(h).
(c) Si pour une certaine fonction f (x) dont on connaît la valeur en certains points, on
n’obtenait pas l’ordre d’approximation obtenu en (b) quelles pourraient en être les
causes?
101. On considère la formule aux différences arrière

3f (x) − (4 + λ)f (x − h) + (1 + λ)f (x − 2h)
f 0 (x) ' = appλ (h).
(2 − λ)h
En vous servant de développements de Taylor de degré approprié, montrer que

3λ (4 + 7λ) 2 000
f 0 (x) = appλ (h) − hf 00 (x) + h f (x) + O(h3 ),
2(2 − λ) 6(2 − λ)
et déterminer l’ordre de la formule aux différences appλ (h) en fonction des valeurs du
paramètre λ.
102. On considère le θ-schéma
f (x + h) − f (x) f (x) − f (x − h)

0
f (x) ' (1 − θ) +θ = Appθ (h)
h h
obtenu à partir d’une combinaison linéaire des formules de différences avant et arrière
d’ordre 1. À l’aide de développements de Taylor de degré appropriés, montrer que les 2
premiers termes de l’erreur associée au θ-schéma (Appθ (h)) sont donnés par:
(2θ − 1)h 00 h2 000

f (x) − f (x),
2 6
et en déduire l’ordre de précision du θ-schéma en fonction du paramètre θ.
Quadratures de Newton-Cotes
103. Utiliser la méthode de Simpson 3/8 avec 6 intervalles pour évaluer :

Z9
√
x dx.
1
Comparer le résultat avec la valeur exacte.

104. Utiliser la méthode de Boole avec 8 intervalles pour évaluer :

Z π
4
sec(x) dx.
0
Comparer le résultat avec la valeur exacte.

R π2
105. À l’aide d’une certaine méthode d’intégartion numérique, on a évalué I = 0 sin(x) dx
en utilisant 3 valeurs différentes de h. On a obtenu les résultats suivants.
Valeurs de I
h I
0,1 1,001 235
0,2 1,009 872
0,4 1,078 979
Compte tenu de la valeur exacte de I, déduire l’ordre de convergence de la quadrature

employée.
106. On veut calculer: Z 3,4

ex dx,
1,8
en utilisant la la méthode des trapèzes composée. Quel est le nombre minimum d’intervalles
qui assurent une approximation de I avec au moins 4 chiffres significatifs?
107. Dire si les énoncés suivants sont vrai ou faux et justifier votre réponse en deux ou trois
lignes:
(a) Une formule de quadrature d’ordre n est toujours plus précise qu’une autre formule
de quadrature d’ordre n + 1.
(b) On peut utiliser la méthode de Simpson 3/8 avec 6 intervalles pour évaluer:
π
1
Z
2
dx.
0 tan(x)
108. Définissons la fonction

Zx
F (x) = te−t dt.
0
Combien faudrait-il de sous-intervalles, à l’aide de la méthode de Simpson 31 composée,

pour obtenir une approximation de F (1) avec une précision de 0, 5 × 10−8 (répondre sans
calculer la valeur analytique de F (x)) ?
109. On calcule Zα !
x2
I= + ln(x) dx,
1 2
3
pour α > 1, à l’aide d’une formule de Simpson 8 composée (3n sous intervalles) et on
désigne par Sn le résultat obtenu. Laquelle de ces confirmations est vraie et expliquer
pourquoi:
i) Sn − I ≥ 0, ∀n;
ii) Sn − I ≤ 0, ∀n;
iii) le signe de Sn − I dépend de n.
110. Certains points du profil d’un tremplin de ski sont donnés dans le tableau suivant
x (en m) H(x) (en m) x (en m) H(x) (en m)

0 100 60 12,9488
10 84,7135 70 10
20 76,2285 80 12,0038
30 49,5312 90 18,2018
40 33,5646 100 27,3379
50 20,9830
où x (en m) représente la distance horizontale par rapport à la plateforme de départ et

H(x) (en m) la hauteur du tremplin en x.
La longueur du tremplin est définie par
Z 100 q
L= 1 + (H 0 (x))2 dx.
0
1
Calculer une valeur approchée de L à l’aide de la méthode de Simpson 3 simple. Utiliser
des approximations d’ordre 2 pour évaluer les dérivées.
111. Une tige métallique se déforme lorsque soumise à une charge axiale. Les mesures expéri-
mentales ont donné les résultats pour les contraintes s en fonction du taux de déforma-
tion e:
e 0 0,05 0,10 0,15 0,20 0,25

s(103 lb/po2 ) 0 37,5 43,0 52,0 60,0 55,0
Les mesures sont prises jusqu’à la rupture de la tige (dans ce cas e = 0, 25). L’aire
sous la courbe (s(e)) est alors une mesure de l’énergie par unité de volume nécessaire
pour provoquer la rupture. Comment pourrait-on calculer cette aire avec un maximun de
précision? Justifier le choix de votre méthode (ne pas calculer l’aire).
112. Trouver une approximation d’ordre le plus élevé possible de

Z1
sin(x)2 cos(x)dx
−1
1
en utilisant 7 nœuds équidistants : x0 = −1, x6 = 1 et xi+1 = xi + h où h = 3. Quel est
l’ordre de votre approximation ? Quel est son degré de précision ?
R2
113. Soit une fonction f (x) donnée. En approchant l’intégrale 1 f (x) dx par une méthode
d’intégration quelconque, on a obtenu les résultats suivants pour trois valeurs de pas
différentes:
h Approximation
0,25 0,694384
0,5 0,703023
1,0 0,772127
Quel est l’ordre de la méthode utilisée? Justifier.

114. Soit l’approximation

Z x0 +h
h 2h

f (x) dx ' f (x0 ) + 3f (x0 + 3 ) .
x0 4
2h
(a) Obtenir le développement de Taylor de f (x0 + 3 ) jusqu’à l’ordre 5 et proposer une
nouvelle expression du terme de droite.
(b) Obtenir un développement de Taylor d’ordre 5 du terme de gauche.
Suggestion : Poser f (x) = f (x0 + (x − x0 )).
(c) Soustraire les expressions obtenues en (a) et en (b) pour obtenir le premier terme de
l’erreur. En déduire l’ordre de précision de la méthode proposée.
(d) Quel est le degré de précision de cette méthode?
Quadratures de Gauss
115. Utiliser une méthode numérique pour évaluer:
Z2
ln(x) dx.
0

116. Quelle serait l’erreur d’approximation si l’on utilisait la quadrature de Gauss à 3 points
pour évaluer :
Z3
(3x 5 + 7x 2 + x + 1) dx.
0

117. Déterminer les poids d’intégration w1 et w2 ainsi que le point d’intégration t2 de sorte
que la formule de quadrature dite de Gauss-Radau :
Z −1
f (t) dt ' w1 f (−1) + w2 f (t2 ),
1
soit de degré de précision le plus élevé possible. Donner ce degré de précision.

118. On désire développer une formule d’intégration numérique de la forme

Z1 !
1
f (x) log dx ' w1 f (x1 ).
0 x
Déterminer les valeurs des constantes w1 et x1 de telle sorte que le degré de précision
de cette quadrature soit le plus élevé possible. Donner ce degré de précision.
Rappel:
Z1 !
m 1 1
x log = pour m ≥ 0.
0 x (m + 1)2
119. Obtenir une formule d’intégration numérique de la forme
Zh
f (x) dx ' Af (0) + Bf 0 (−h) + Cf 00 (h),
−h
qui soit de degré de précision le plus élevé possible.

R1
120. Evaluer 0 ex dx par la formule de Gauss à 2 points et déterminer le nombre de chiffres
significatifs de votre réponse en la comparant avec la valeur exacte.
121. Considérons l’intégrale

Z1
2
I= ex dx.
−1
(a) Calculer une approximation de I en appliquant la méthode du trapèze composée
avec 4 intervalles.
(b) Pour cette méthode, quel est le nombre minimal d’intervalles à utiliser pour obtenir
une approximation qui a une erreur d’au plus 10−2 ?
(c) Calculer une approximation de I en appliquant la quadrature suivante:
Z1
1 3 1
f (t) dt ' 2 f (−1) + 2 f ( 3 )
−1
(d) Sachant que le degré de précision de la méthode du trapèze composée est 1, est-il
possible d’obtenir avec cette méthode (en utlisant un nombre suffisamment grand
d’intervalles) une approximation qui soit meilleure que celle que l’on peut calculer
par la quadrature de la question (c)? Discuter.
122. Le temps t θ requis pour qu’une tige métallique fasse un angle θ avec l’horizontale est:
Zθ
θ du
t = p .
0 8 sin(u) − u
π
Proposer une méthode d’intégration numérique pour estimer le temps t 2 requis pour
que la tige soit à la verticale (ne pas faire le calcul). Justifier votre choix.
123. Soit une fonction f (x) connue seulement pour les valeurs de x suivantes:
x f (x)
0 0
1 0
2 6
3 24
4 60
R4
On désire évaluer I = 0 f (x) dx par la quadrature de la forme:
Z4
g(x) dx ' ag(1) + bg(3).
0
(a) Déterminer les valeurs des constantes a et b de sorte que cette quadrature ait un
degré de précision aussi élevé que possible. Quel est le degré de précision de cette
quadrature?
R4
(b) Estimer la valeur de I = 0 f (x) dx à l’aide de cette quadrature.
124. On considère l’équation intégrale:

Z1
2
x 2 ex φ(x) − 5 x 2 y 2 ln(φ(y)) dy = 3x 2 .
−1
En utilisant une formule de quadrature de Gauss à 2 points, écrire le système non linéaire
résultant de cette discrétisation de l’équation intégrale. Ne pas résoudre.
125. On désire développer une nouvelle formule d’intégration numérique, dans l’intervalle
[0, 3h], qui est de la forme
Z 3h
f (x) dx ' af (h) + bf (2h).
0
(a) Déterminer les valeurs des constantes a et b de sorte que cette quadrature ait un
degré de précision élevé que possible.
(b) Calculer Z3
1
dx,
0 1+x
à l’aide de cette quadrature.
1
(c) Estimer l’intégrale (b) à l’aide de la formule de Simpson 3 simple.
126. (a) Quel est le nombre minimum de points que l’on doit utiliser dans une formule de
quadrature de Gauss pour évaluer exactement:
Z2
2
(x 3 − 7x + 3) dx.
0
(b) Combien de points seraient nécessaires pour évaluer exactement

Z2
2
(x 3 − 7x + 3) dx.
0
1
par la méthode de Simpson 3 composée?
127. Considérons la fonction

Zx
2 2
erf(x) = √ e−u du.
π 0
(a) Calculer erf(0,5) à l’aide d’une quadrature de Gauss à trois points.
(b) Calculer erf(0,5) à l’aide d’une quadrature simple du trapèze.
(c) Effectuer une majoration de l’erreur absolue commise par cette quadrature et cal-
culer le nombre de chiffres significatifs exacts de votre réponse en (b).
128. Estimer l’intégrale

Z2
ex dx
−2
à l’aide de l’intégration de Gauss à 2 points.
129. Déterminer les poids d’intégration w1 et w2 ainsi que le point d’intégration t2 de sorte
que la formule suivante (appelée quadrature de Radau)
Z1
f (t) dt ' w1 f (−1) + w2 f (t2 )
−1

130. On désire calculer Z1

2
I= e−x dx.
−1
2
Comme la fonction e−x n’a pas de primitive, il faut utiliser une méthode numérique.
Est-il possible d’obtenir avec la méthode des trapèzes composée (en utilisant un nombre
suffisamment grand d’intervalles) une approximation de I qui soit meilleure que celle que
l’on peut calculer par la quadrature de Gauss à 2 points? Justifier votre réponse.
131. Soit g(t) une fonction continue définie sur l’intervalle [−1 , 1]. Pour approcher l’intégrale
R1
−1 g(t) dt, la formule de quadrature suivante est considérée :
I(g) = ω1 g(−1) + ω2 g(1).
(a) Trouver les poids d’intégration ω1 et ω2 tels que la formule de quadrature soit de
degré de précision le plus élevé possible. Donner ce degré de précision.
Z1
dx
(b) Calculer à l’aide de cette quadrature.
−1 1 + x2
(c) Réécrire la formule de quadrature obtenue en (a) sur l’intervalle [a , b] pour in-
tégrer une fonction continue f (x) définie sur cet intevalle. Identifier la formule
d’intégration numérique de Newton-Cotes qui est obtenue.
132. Considérons l’intégrale

Z1
2
I= ex dx.
−1
(a) Calculer une approximation de I en appliquant la méthode du trapèze composée avec
3 intervalles.
(b) Pour cette méthode, quel est le nombre minimal d’intervalles à utiliser pour obtenir
une approximation qui a une erreur d’au plus 10−2 ?
(c) Considérons la quadrature de Lobatto:
Z1
f (x) dx ' w1 [f (−1) + f (1)] + w2 [f (−x1 ) + f (x1 )] .
−1
Sachant que cette quadrature est exacte pour toutes les fonctions f (x) = x p , avec
p = 1, 3, 5, · · · , déterminer le système d’équations qui doit être résolu (ne pas ré-
soudre) pour trouver w1 , w2 et x1 pour que la quadrature de Lobatto soit au moins
de dégré de précision 5.
(d) Sachant que le degré de précision de la méthode du trapèze composée est 1, est-il
possible d’obtenir avec cette méthode (en utilisant un nombre suffisamment grand
d’intervalles) une approximation de I qui soit meilleure que celle que l’on peut cal-
culer par la quadrature de Labatto developpée en (c) (dégré de précision 5 au moins)?
Discuter.
133. Dans une règle de quadrature de Chebychev, tous les poids sont égaux et les nœuds sont
choisis de sorte à obtenir une règle de plus haut degré possible. Avec trois nœuds :
Z1
f (x)dx ≈ w (f (x0 ) + f (x1 ) + f (x2 )) .
−1
(a) Donnez le système d’équations à résoudre pour déterminer le poids ainsi que les
trois nœuds ;
(b) Résoudre ce système ;
(c) Quel est le degré de cette règle ?
(d) Utiliser vos résultats pour calculer une approximation de

Z1
sin(x)2 cos(x)dx.
−1
134. On veut calculer Z1

(x 3 + x 2 + x + 1) dx
0
par une formule de quadrature. Quel est le nombre minimal de points d’intégration que
l’on doit utiliser pour évaluer cette intégrale exactement.
(a) En utilisant une quadrature de Gauss;
1
(b) en utilisant la formule de Simpson 3 ;
3
(c) en utilisant la formule de Simpson 8 ;
(d) en utilisant la formule des Trapèzes.
135. Quelle est l’erreur produite en calculant l’approximation de

Z7
(6x + 11x 5 − 2x 8 ) dx
−3
par la quadrature de Gauss à 5 points.

Note: Les valeurs des ti et wi pour la quadrature de Gauss à 5 points sont fournies dans
l’aide mémoire.
136. Soient wi et ti (i = 1, 2, · · · , 10) les poids et les points d’intégration de la quadrature de

Gauss à 10 points. Que vaut w1 + w2 + · · · + w10 ?
137. Déterminer les constantes a0 , a1 et a2 pour que la formule de quadrature:

Z1
1 1

f (t) ' a0 f − + a1 f (0) + a2 f ,
−1 2 2

138. Soit g(t) une fonction continue définie sur l’intervalle [−1 , 1]. On choisit trois points
d’intégration t1 , t2 et t3 tels que t1 = −1, t2 = α et t3 = 1, où α est un nombre réel donné
R1
respectant |α| < 1. Pour approcher l’intégrale −1 g(t) dt, la formule de quadrature suiv-
ante est considérée:
3
X
I(g) = wj g(tj ) = w1 g(−1) + w2 g(α) + w3 g(1).
j=1
(a) Trouver les poids d’intégration w1 , w2 et w3 en fonction de α tels que la formule de

quadrature soit de degré de précision 2.
R1
(b) Trouver ensuite α tel que I(g) = −1 g(t) dt pour tout polynôme g(t) de degré 3.
(c) Réécrire cette formule sur l’intervalle [a , b] pour intégrer une fonction continue
f (x) définie sur cet intervalle. Identifier la formule d’intégration numérique de
Newton-Cotes qui est obtenue.
Extrapolation de Richardson
139. Le tableau suivant donne l’altitude d’un objet en chute amortie mesurée à intervalles de
5 secondes :
ti (s) 0 5 10 15 20 25
yi (m) 1225, 0 1183, 76 1040, 86 795, 94 448, 98 0, 0
(a) En utilisant un polynôme d’interpolation de degré 2, trouver une approximation de

l’altitude en t = 12 secondes qui soit la plus précise possible ;
(b) Trouver une approximation d’ordre 1 de l’accélération en t = 25 secondes ;
(c) Trouver une approximation d’ordre 2 de l’accélération en t = 25 secondes.
140. Soit la différence centrée :

f (x + h) − 2f (x) + f (x − h)
f 00 (x) ' .
h2
(a) Obtenir l’ordre de cette approximation en utilisant les développements de Taylor
appropriés.
(b) Utiliser cette formule de différences pour obtenir une approximation de f 00 (2, 0)
pour la fonction tabulée suivante, en prenant d’abord h = 0, 2, ensuite h = 0, 1.
Fonction tabulée
x f (x) x f (x)
1,8 1,587 7867 2,1 1,741 9373
1,9 1,641 8539 2,2 1,788 4574
2,0 1,693 1472
(c) À partir des 2 approximations obtenues en b), obtenir une nouvelle approximation
de f 00 (2, 0) qui soit plus précise. Préciser l’ordre de cette nouvelle approximation.
141. Une voiture roulant à 60 km/h accélère au temps t = 0 s et sa vitesse v en km/h est
mesurée régulièrement :
Vitesse en fonction du temps

ti [s] 0,0 0,5 1,0 1,5 2,0
v[km/h] 60,0 68,4 75,5 82,2 89,4
N.B. Attention aux unités de chaque variable dans cet exercice.

(a) En utilisant le meilleur polynôme de degré 2 possible, obtenir une approximation de
la vitesse (en km/h) à t = 1, 2s.
(b) Obtenir l’expression analytique de l’erreur d’interpolation commise en (a).
(c) En vous servant au besoin plusieurs fois de la différence centrée :
f (x + h) − f (x − h)
f 0 (x) ' ,
2h
obtenir une approximation de l’accélération a (en m/s 2 ) à t = 1,0 s et qui soit la plus
précise possible. Donner l’ordre de précision de l’approximation obtenue.
142. Soit une fonction aléatoire X suivant une loi normale. La probabilité que X soit inférieure
ou égale à x (notée P(X≤ x) ) est donnée par la fonction :
Zx
1 t2
P (X ≤ x) = p e− 2 dt.
(2π ) −∞
t2
Comme la fonction e− 2 n’a pas de primitive, on calcule cette probabilité pour différentes
valeurs de x et l’on garde les résultats dans des tables comme celle-ci :
Valeurs de P (X ≤ x)
x P (X ≤ x) x P (X ≤ x)
1,0 0,841 3447 1,3 0,903 1995
1,1 0,864 3339 1,4 0,919 2433
1,0 0,884 9303
(a) Calculer, toujours en vous servant de la table fournie, la dérivée P 0 (X ≤ 1, 2) avec

une précision d’ordre 4. Comparer avec la valeur exacte de cette dérivée, qui est
x2
P 0 (X ≤ x) = √ 1 e− 2 , et en déduire le nombre de chiffres significatifs.
2π
(b) Calculer, toujours en vous servant de la table fournie, la dérivée P 00 (X ≤ 1, 2) avec
une précision d’ordre 2.
143. La loi de Fourier pour le refroidissement d’un corps s’écrit :
T 0 (t) = −k(T (t) − T∞ ), (2)
où T∞ est la température du milieu ambiant et k est la diffusivité thermique. Pour une

bille métallique initialement chauffée à une température de 90◦ C et plongée dans de l’eau
à 20◦ C, on a obtenu les résultats suivants :
Température en fonction du temps

t(min) 5 10 15 20 25
T (◦ C) 62,5 45,8 35,6 29,5 25,8
À l’aide de ces mesures et de la relation donner une approximation d’ordre 4 de la diffu-

sivité thermique k.
144. (a) Montrer que la formule de différentiation numérique :

−f (x0 + 2h) + 8f (x0 + h) − 8f (x0 − h) + f (x0 − 2h)
f 0 (x0 ) ' ,
12h
peut être obtenue à partir de la formule de différences centrée d’ordre 2 et en util-
isant l’extrapolation de Richardson.
(b) Déterminer numériquement l’ordre de cette formule de différences en considérant la
fonction f (x) = ex au point x0 = 0 et en utilisant successivement h = 0, 1 et h = 0, 3
(comparer avec la valeur exacte pour déterminer les erreurs commises).
145. (a) Soit l’approximation de la dérivée première:
−f (x + 2h) + 4f (x + h) − 3f (x)
f 0 (x) ' .
2h
À l’aide de développements de Taylor de degré approprié, obtenir l’ordre de cette
approximation.
(b) Sachant que:
f (0, 2) = 0, 979 8652;

f (0, 4) = 0, 917 7710;
f (0, 6) = 0, 808 0348;
f (0, 8) = 0, 638 6093;
f (1, 0) = 0, 384 3735,
évaluer f 0 (0, 2) avec h = 0, 4.
(c) À l’aide de l’extrapolation de Richardson, améliorer votre approximation de f 0 (0, 2).
Quelle est l’ordre de l’approximation obtenue?
146. (a) Obtenir l’ordre de précision de l’approximation de la dérivée:

3f (x) − 4f (x − h) + f (x − 2h)
f 0 (x) = .
2h
(b) On dispose des valeurs suivantes de la fonction f (x):
x f (x)
1,0 0,8413
1,1 0,8643
1,2 0,8849
1,3 0,9032
1,4 0,9192
Obtenir une approximation de f 0 (1, 4) en utilisant la formule proposée en (a) avec

h = 0, 2.
(c) Même question qu’en (b) mais avec h = 0, 1.
(d) À partir des approximations obtenues en (b) et (c), obtenir une meilleure approxima-
tion de f 0 (1, 4). Donner l’ordre exact de cette approximation. Justifier.
147. Soit Qapp (h) une approximation d’ordre n d’une quantité exacte (et inconnue) Qexa ,
c’est-à-dire
Qexa = Qapp (h) + cn hn + cn+1 hn+1 + cn+2 hn+2 + · · ·
(a) Retrouver la formule permettant d’effectuer l’extrapolation de Richardson à partir
des quantités Qapp (h) et Qapp ( h
3 ).
(b) Sachant que
f (x + h) − f (x − h)
f 0 (x) = + c2 h2 + c4 h4 + c6 h6 + · · · ,
2h
obtenir une approximation d’ordre 6 de f 0 (1) en utilisant les données du tableau
suivant
f (1+h)−f (1−h)
h App(h) = 2h
0,09 1,176 788 36

0,03 1,175 377 48
0,01 1,175 220 75
148. Intégrer la fonction f (x) = ex dans l’intervalle [0, 1] en utilisant la méthode des trapèzes
composée avec respectivement 3 et 9 intervalles. Utiliser l’extrapolation de Richardson
avec ces deux résultats pour obtenir une meilleure approximation. Quel sera l’ordre ex-
acte de cette approximation? Comparer vos résultats avec la valeur exacte et déterminer
le nombre de chiffres significatifs de la meilleure approximation.
149. Le tableau suivant présente la vitesse d’écoulement de l’eau dans une conduite cylin-
drique
t v(t)
(s) (m/s)
0 2, 00
10 1, 89
20 1, 72
30 1, 44
35 1, 21
40 1, 01
(a) En vous servant au besoin plusieurs fois d’une formule aux différences appropriée,
obtenir une approximation de l’accélération a(t) (en m/s 2 ) en t = 15s qui soit
d’ordre 4.
(b) La vitesse moyenne de l’eau en écoulement dans la conduite cylindrique peut être
calculée par la relation suivante :
Z 40
1
vmoy = v(t) dt.
40 0
i. Calculer une approximation d’ordre 2 de la vitesse moyenne d’écoulement de

l’eau.
ii. Comment pourrait-on calculer la vitesse moyenne d’écoulement de l’eau avec un
maximun de précision (au moins d’ordre 4)? Ne pas calculer cette approxima-
tion.
150. La vitesse v(t) en m/s d’un cycliste a été observée à différents temps t exprimés en
secondes. Ces observations sont présentées dans le tableau suivant:
t v(t)
0 0,0
2 4,1
4 7,0
6 8,2
8 8,6
10 8,7
(a) Trouver une approximation d’ordre 2 de l’accélération a(t) au temps t = 4.

(b) Trouver une approximation d’ordre 4 de l’accélération a(t) au temps t = 4.
(c) Trouver une approximation d’ordre 2 de la distance parcourue d(t) entre les temps
0 et t = 10.
(d) Trouver une approximation d’ordre 4 de la distance parcourue d(t) entre les temps
0 et t = 10.
Problèmes de conditions initiales
151. Utiliser un développement de Taylor d’ordre approprié, plutôt que l’approche géométrique
utilisée en classe, pour obtenir la méthode d’Euler explicite pour résoudre le problème
avec condition initiale :
y 0 = f (t, y(t)), où y(t0 ) = y0 .
152. La méthode d’Euler explicite pour l’équation différentielle y 0 (t) = f (t, y(t)) provient-
elle d’un schéma de quadrature? Expliquer et illustrer.
153. Une méthode numérique à un pas a été utilisée pour résoudre une équation différentielle
avec condition initiale. Les résultats obtenus par cette méthode en prenant des pas de
temps h = 0, 1, h = 0, 05 et h = 0, 025 sont donnés dans le tableau suivant (remarque:
une valeur sur deux est affichée pour h = 0, 05 et une valeur sur quatre est affichée pour
h = 0, 025):
ti yi pour h = 0, 1 yi pour h = 0, 05 yi pour h = 0, 025

1,0 0,500 000 0,500 000 0,500 000
1,1 0,512 084 0,512 242 0,512 280
1,2 0,511 698 0,512 101 0,512 196
1,3 0,500 927 0,501 559 0,501 704
1,4 0,482 686 0,483 447 0,483 619
1,5 0,459 861 0,460 633 0,460 804
Sachant que y(1, 5) = 0, 460 857, déterminer l’ordre de la méthode numérique utilisée.
154. L’équation différentielle

y 0 (t) = −7y(t), y(0) = 5,
possède la solution analytique
y(t) = 5e−7t .
Le tableau suivant présente les approximations de y(1, 0) obtenues avec la méthode de
Runge-Kutta d’ordre 4 pour des pas de temps h = 0, 05, h = 0, 025 et h = 0, 0125 ainsi
que les erreurs absolues.
h Approximations de y(1, 0) Erreurs absolues

0, 0500 4, 564 761 956 × 10−3 5, 352 128 354 276 994 × 10−6
0, 0250 4, 559 698 534 × 10−3 2, 887 063 325 299 893 × 10−7
0, 0125 4, 559 426 599 × 10−3 1, 677 098 454 729 020 × 10−7
(a) En vous servant des résultats présentés dans ce tableau, trouver une approximation
de y(1, 0) qui soit encore plus précise.
(b) Estimer numériquement l’ordre de l’approximation obtenue en (a).
155. L’équation différentielle

y 0 (t) = y(t) + e2t y(0) = 2,
possède la solution analytique:
y(t) = et + e2t .
(a) En prenant h = 0, 1, faire 1 itération de la méhode d’Euler modifiée et calculer l’erreur
commise sur y1 en comparant avec la solution analytique y(0, 1).
(b) En prenant h = 0, 025, on a résolu à l’aide de Matlab la même équation différentielle
par la méthode d’Euler modifiée et on a obtenu la table suivante:
ti yi
0,000 2,000 000
0,025 2,076 578
0,050 2,156 426
0,075 2,239 693
0,100 2,326 539
Déterminer numériquement à l’aide de cette table et du résultat obtenu en (a) l’ordre

de la méthode d’Euler modifiée.
156. L’équation différentielle avec condition initiale:

(
y 0 (t) = y(t) + e2t ;
y(0) = 2,
possède la solution analytique y(t) = et + e2t .

(a) En prenant h = 0, 2, calculer à l’aide de la méthode d’Euler explicite une approxima-
tion de y(0, 2). En déduire une approximation de y 0 (0, 2).
(b) En prenant h = 0, 1, faire 2 itérations de la méthode d’Euler explicite et calculer les
erreurs absolues commises sur y1 et y2 en comparant les résultats avec la solution
analytique. Déterminer le nombre de chiffres significatifs de y2 .
(c) Expliquer pourquoi l’erreur absolue sur y1 est inférieure à celle obtenue sur y2 .
157. Soit f (t, y) une fonction plusieurs fois dérivable en chacune de ses variables. On veut
résoudre l’équation différentielle avec condition initiale
y 0 (t) = f (t, y(t)), y(t0 ) = y0
par la méthode du point milieu avec un pas constant h > 0.

(a) Donner l’expression de y 00 (t) ;
(b) Donner l’expression de l’erreur de troncature locale τn+1 (h) pour la méthode du
point milieu ;
(c) Montrer que l’ordre de cette méthode est 2. Pour cela :
i. Développer y(t) autour de tn jusqu’à l’ordre approprié et évaluer ce développe-
ment de Taylor en tn+1 ;
ii. Développer f (tn +1/2h, y(tn )+1/2k1 ) jusqu’à l’ordre approprié et évaluer ce développe-
ment en (tn , y(tn )) ;
(d) Pour le problème particulier
y 0 (t) = t sin(y(t)), y(0) = 2,
faire une itération de la méthode du point milieu avec h = 0, 2.

(e) Sachant que la méthode du point milieu avec h = 0, 1 donne y(0, 2) ≈ 2, 018 128 686,
déduire une meilleure approximation de y(0, 2).
158. Faire deux itérations de la méthode de Runge-Kutta d’ordre 4 (en prenant h = 0, 1 ) pour
le système d’équations différentielles suivant:

y 0 (t) = y2 (t) + y1 (t) (y1 (1) = 2)
1
y 0 (t) = y1 (t) + t (y2 (1) = 1)
2

159. Transformer les équations différentielles d’ordre supérieur suivantes en systèmes d’équations
différentielles d’ordre 1.
(a) y (3) (t) = y (2) (t) + y (1) (t) − y(t) + 1
y(0) = 2, y (1) (0) = 2 et y (2) (0) = 1
(b) y (2) (t) = t 2 + (y(t))2 + 1
y(1) = 0 et y (1) (1) = 2
(c) y (4) (t) = y (2) (t)et + (y (3) (t))3
y(0) = 2, y (1) (0) = 1, y (2) (0) = 0 et y (3) (0) = 4
160. Transformer le système de 2 équations différentielles d’ordre 2 suivant en un système de

4 équations différentielles d’ordre 1. Bien indiquer les conditions initiales.

00 −x(t)
x (t) =

 3 x(0) = 0, 4 x 0 (0) = 0, 0
((x(t))2 +(y(t))2 ) 2
00 −y(t)
y (t) =

 3 y(0) = 0, 0 y 0 (0) = 2, 0
((x(t))2 +(y(t))2 ) 2

161. Le système d’équations différentielles modélisant le mouvement d’un pendule de Fou-

cault est: 
x 00 (t) = 2ωy 0 (t) sin ψ − k2 x(t);
y 00 (t) = −2ωx 0 (t) sin ψ − k2 y(t),
où (x(t), y(t)) désigne la trajectoire du pendule dans le plan, ω est la vitesse angulaire
g
de la terre, ψ est la latitude locale et k2 = ` , où g est l’accélération gravitationnelle
et ` est la longueur du pendule. Les conditions initiales nous donnant la position et la
vitesse initiales du pendule sont
 
x(0) = 1; x 0 (0) = 0;
et
y(0) = 0 y 0 (0) = 0.
Obtenir le système d’équations différentielles qui nous permettra d’utiliser la méthode

de Runge-Kutta d’ordre 4. Ne pas résoudre le problème.
162. Exprimer le problème avec conditions initiales:

 2
d z


 dt 2
− 2t dz xz
dt = 2te ;

 2
d x dx
 dt 2
− 2xz dt = 3x 2 yt 2 ;

 d2 y

dy
− ey dt = 4xt 2 z,

dt 2
où z(1) = x 0 (1) = y 0 (1) = 2 et z0 (1) = x(1) = y(1) = 3, de telle sorte que nous
puissions utiliser les méthodes numériques étudiées en classe. Ne pas faire la résolution
numérique.
163. Considérons un arc idealisé. En négligeant l’effet de la gravité et sachant que la hauteur
de l’arc est de 2 l0 et le déplacement de la flèche est initialement de l0 (en mètres) vers
la gauche, l’équation du mouvement pour la flèche dans la direction x peut s’écrire de la
façon suivante:
d2 x
q
m 2 = −2k l0 − l20 + (l0 − x)2 (3)
dt
où k est la constante de rappel des cordes de l’arc et m est la masse de la flèche. En
utilisant le changement de variable
x
u= ,
l0
on peut réécrire l’équation (3) sous la forme
d2 u 2k p
= ( 2 − 2u + u2 − 1). (4)
dt 2 m
(a) En supposant la flèche initialement au repos au point x = 0 (u(0) = 0 et u0 (0) = 0),
transformer l’équation différentielle du second ordre (4) en un système d’équations
différentielles du premier ordre.
(b) En utilisant la méthode d’Euler modifiée et un pas de temps h = 0, 01 (en secondes),

évaluer la position et la vitesse de la flèche au temps t = 0, 01 s, si m = 0, 1 kg,
k = 250 N/m et l0 = 0, 5 m.
164. Soit le flux Ψ (x), qui est solution de l’équation différentielle
d d

− D(x) Ψ (x) + e−x Ψ (x) = 1.
dx dx
d ex
On définit le courant J(x) par J(x) = −D(x) dx Ψ (x), avec D(x) = 3 .
(a) En supposant que les conditions initiales soient données en x = 0 par Ψ (0) = 1 et
J(0) = 0, transformer l’équation d’ordre 2 en un système d’équations d’ordre 1, où
les inconnues sont le flux et le courant.
(b) En prenant h = 0, 1, faire une itération de la méthode d’Euler modifiée pour le sys-
tème obtenu en (a) et calculer Ψ 0 (0, 1).
165. Le système d’équations différentielles modélisant la dynamique d’un satellite de masse

négligeable à proximité de deux corps célestes est:
 ! !
x+µ x−1+µ
x 00 = x + 2y 0 − (1 − µ)

−µ ;

 3 3
((x+µ)2 +y 2 ) 2 ! ((x−1+µ)2 +y 2 ) 2 !

y y
y 00 = y − 2x 0 − (1 − µ)

−µ ,

 3 3
2 2 2 2

((x+µ) +y ) 2 ((x−1+µ) +y ) 2
où µ est une constante connue. Les conditions initiales nous donnant la position et la
vitesse initiales du satellite sont
 
x(0) = x0 ; x 0 (0) = x 0 ;
0
et
y(0) = y0 y 0 (0) = y 0 .
0
Obtenir le système d’équations différentielles qui nous permettra d’utiliser la méthode

de Runge-Kutta d’ordre 4. Ne pas résoudre le problème.
166. Soit l’équation d’ordre 2
2t 6
y 00 (t) − 2
y 0 (t) + y(t) = 0
(1 − t ) (1 − t 2 )
avec les conditions initiales y(−0, 5) = −0, 125 et y 0 (−0, 5) = −1, 5. Ce problème a pour
solutions y(t) = 0, 5(3t 2 − 1).
(a) Transformer cette équation différentielle en un système équivalent d’équation dif-
férentielles d’ordre un. Indiquer les conditions initiales applicables au système.
(b) Utiliser la méthode d’Euler explicite et un pas de temps h = 0, 1 pour calculer les
valeurs approchées y1 et y10 de y(−0, 4) et y 0 (−0, 4), respectivement. Identifier
tous les chiffres significatifs des approximations y1 et y10 .
167. Soit un oscillateur amorti à un degré de liberté. On a msuré expérimentalement les posi-
tions x(ti ) de l’oscillateur libre à certains instants ti après l’avoir initialement déplacé de
sa position d’équilibre. L’équation différentielle du second ordre décrivant le mouvement
de l’oscillateur par rapport au temps est définie par:
x 00 (t) + x 0 (t) + 17, 8x(t) = 0 (5)
avec les conditions initiales x(0) = 1 et x 0 (0) = 0.

(a) Transformer l’equation différentielle (5) en un système de deux équations différen-
tielles d’ordre 1 avec conditions initiales.
ti x(ti )
0,0 1,0000
0,1 0,9152
0,2 0,6857
0,3 0,3636
0,4 0,0116
0,5 −0,3088
0,6 −0,5473
0,7 −0,6718
0,8 −0,6723
0,9 −0,5606
1,0 −0,3659
(b) En prenant h = 0, 1, faire une itération de la méthode d’Euler modifiée et calculer le
nombre de chiffres significatifs de x1 en la comparant avec la valeur expérimentale
x(0, 1).
(c) Évaluer le temps requis pour que l’oscillateur passe par la position x = 0. Utiliser un
polynôme de degré 2 qui vous permettra d’obtenir la plus grande précision possible.
(d) Donner une estimation de l’erreur commise en (c).
(e) Donner une approximation d’ordre 4 de la vitesse x 0 (t) en t = 0, 8.
168. Un corps de masse M glisse à l’intérieur d’un récipient hémisphérique, sous l’influence
de la gravité. Son mouvement θ(t) ( en radians) est décrit par l’équation différentielle
d2 θ(t) g
+ (µ sin (θ(t)) − cos (θ(t))) = 0,
dt 2 R
où µ = 0, 006 est le coefficient de friction, R = 0, 2 m et g = 9, 8 m/s2 . Initialement à t = 0,
on a θ = 0 et dθ
dt = 0.
(a) Transformer cette équation différentielle en un système équivalent d’équations dif-
(b) Utiliser la méthode d’Euler modifiée pour calculer une approximation de θ(0, 1) en
d2 θ(0,1)
prenant un pas h = 0, 1. En déduire une aproximation de dt 2
.
(c) Soit θ ∗ = 0, 244 597, une approximation de θ(0, 1) obtenue avec la méthode d’Euler
modifiée en prenant un pas h = 0, 025. En vous servant du résultat obtenu en (b)
obtenir une meilleure approximation de θ(0, 1). Discuter de l’ordre de cette nouvelle
approximation.
169. La déformation x(t) d’un ressort par rapport à sa position d’équilibre est donnée par
l’équation différentielle
x 00 (t) + 10(x 0 (t))2 + 0, 6x(t) = 0
avec les conditions initiales x(0) = 1 et x 0 (0) = 0.

(b) Utiliser la méthode d’Euler modifiée pour calculer des approximations de x(0, 2) et
x 0 (0, 2) en prenant un pas h = 0, 2.
(c) Soit E la valeur de l’erreur de l’approximation de x(0, 2) calculée en (b). Quelle
serait approximativement l’erreur si on avait pris un pas h = 0, 02 pour calculer une
approximation de x(0, 2)?(Ne pas calculer cette approximation).
170. La hauteur x(t) (en m) d’un parachutiste au temps t (en s) vérifie l’équation:
(
x 00 (t) = −9, 81 − k(t)x 0 (t);
(6)
x(0) = 1200 et x 0 (0) = 0.
Dans cette équation, k(t) (en s−1 ) est le coefficient de friction et on pose:
2
(
k(t) = 11 si t ≤ 10;
2 si t > 10.
(a) Transformer l’équation différentielle (6) d’ordre 2 en un système de 2 équations dif-

férentielles d’ordre 1 avec conditions initiales.
(b) En utilisant la méthode d’Euler modifiée et un pas de temps h = 0, 1 s, évaluer la hau-
teur et la vitesse du parachutiste au temps t = 10, 1 s sachant que x(10) = 909, 3 m
et x 0 (10) = −45, 2 m/s.
(c) Soit E la valeur de l’erreur de l’approximation de x(10, 1) calculée en (b). Quelle
approximation de x(10, 1)?
171. La déformation verticale y(t) d’un ressort est décrite par l’équation différentielle suiv-
ante
a
y 00 (t) = − 2 (1 − k2 )y(t) + 2k2 y(t)3
4k
où les paramètres a = 4 et k = 5 sont des caractéristiques du ressort. Les conditions
initiales sont données par y(0) = 0 et y 0 (0) = 0, 04.

(b) Utiliser la méthode du point milieu pour calculer une approximation de y(0, 1) en
prenant un pas h = 0, 1.
(c) Soit E la valeur de l’erreur de l’approximation de y(0, 1) calculée en (b). Quelle
approximation de y(0, 1)?(Ne pas calculer cette approximation).
172. On veut résoudre l’équation différentielle avec condition initiale
y 0 (t) = −y(t) + t + 1, y(0) = 1.

Faire deux pas de la méthode de Crank-Nicolson avec h = 0, 1.
y 0 (t) = −t sin (y(t)), y(0) = 1.

En prenant h = 0, 1, faire une itération de la méthode d’Euler implicite.
Note.: La racine de l’équation f (x) = x + 0, 01 sin (x) − 1 est r = 0, 9916.
t2
y 0 (t) = te 2 ey(t) , y(0) = 0.
(a) En prenant h = 0, 1, faire une itération de la méthode d’Euler explicite.
(b) En prenant h = 0, 1, faire une itération de la méthode d’Euler implicite.
N.B.: On se limitera à faire deux itérations de la méthode de Newton.
y 0 (t) = −e−(t+y(t)) , y(0) = 1.

En prenant h = 0, 25, faire une itération de la méthode d’Euler implicite.
Note.: La racine de l’équation f (x) = 1 − x − 0, 25e−(0,25+x) est r = 0, 9226.
176. On considère l’équation différentielle avec condition initiale

y 0 (t) = f (t, y(t)), y(t0 ) = y0 .
(a) À partir de l’équation différentielle ci-haut et en considérant l’approximation de
R ti+1
ti f (t, y(t))dt donnée par la méthode de Trapèze simple, développer la méthode
(implicite) de Crank-Nicholson
h
yi+1 = yi + f (ti , yi ) + f (ti+1 , yi+1 ) ,
2
où h = ti+1 − ti .
(b) Donner le terme de l’erreur de troncature locale de la formule de Crank-Nicholson.

(c) Faire une itération de la méthode de Crank-Nicholson pour l’équation différentielle
y 0 (t) = tey(t) , y(0) = 0,
en utilisant h = 0, 1.
N.B Les méthodes du chapitre 2 du manuel pourraient être utiles.
177. La vitesse verticale d’un parachutiste en chute libre est solution de:
c
(
v 0 (t) = g − m v(t);
v(0) = 0,
où m = 68 kg est la masse du parachutiste, c = 14 kg/s est le coefficient de résistance

de l’air et g = 9, 8 m/s2 est l’accélération gravitationnelle. On a résolu cette équation
différentielle à l’aide de la méthode de Runge-Kutta d’ordre 4 et on a obtenu les résultats
suivants:
t(s) v(m/s) t(s) v(m/s)

0 0,000 000
1 8,855 846 6 33,760 03
2 16,065 71 7 36,335 21
3 21,933 24 8 38,431 23
4 26,709 01 9 40,137 25
5 30,596 16 10 ?
(a) Compléter le tableau.

(b) Donner une approximation d’ordre 2 de l’accélération du parachutiste en t = 4,5 s.
(c) Donner une approximation d’ordre 4 de l’accélération du parachutiste en t = 10 s.
(d) Obtenir une approximation d’ordre au moins 4 de la distance verticale que le parachutiste
parcourt pendant les 5 premières secondes.
178. Soit l’équation différentielle avec condition initiale:

(
y 0 (t) = −7y(t);
y(0) = 5.
(a) Trouver la solution analytique de cette équation différentielle.

(b) Montrer que, pour cette équation différentielle, la méthode d’Euler explicite est de la
forme
yi+1 = (1 − 7h)yi ,
où h = ti+1 − ti .
(c) En prenant h = 0,5, faire 2 itérations de la méthode d’Euler explicite et calculer les
erreurs commises sur y1 et y2 en comparant les résultats avec la solution analytique.
(d) Déterminer analytiquement les valeurs de h pour lesquelles la méthode d’Euler (ex-
plicite) appliquée au problème (7) est absolument stable (c-à-d limn→∞ |yn | = 0).
(e) Les méthodes numériques utilisées pour résoudre cette équation différentielle don-
nent des solutions qui décroissent strictement vers 0 lorsque le pas de temps h est
petit. Déterminer de façon analytique, pour la méthode d’Euler explicite, à partir de
quelle valeur de h la solution numérique tend vers la solution analytique.
179. Pour approcher la solution du problème à valeur initiale
y 0 (t) = f (t, y(t)), y(0) = y0 , t>0
on considère la θ-méthode:

yn+1 = yn + h θf (tn+1 , yn+1 ) + (1 − θ)f (tn , yn ) , θ ∈ [0, 1], n ≥ 0,
où tn = nh et h est le pas de temps. Pour θ = 0 et θ = 1, on retrouve respectivement

la méthode d’Euler explicite et d’Euler implicite, tandis que pour θ = 21 , on retrouve la
méthode de Crank-Nicholson.
(a) On a appliqué les méthodes de Crank-Nicholson et d’Euler implicite pour résoudre
une équation différentille avec condition initiale. Le tableau suivant montre les er-
reurs absolues commises par les deux méthodes à l’instant t = 5, pour différentes
valeurs du pas de temps h.
h méthode 1 méthode 2
1,0 3, 052 276 × 10−2 5, 215 832 × 10−3
0,5 1, 460 741 × 10−2 1, 034 686 × 10−3
0,25 7, 161 485 × 10−3 2, 497 104 × 10−4
0,125 3, 548 112 × 10−3 6, 189 158 × 10−5
0,0625 1, 765 997 × 10−3 1, 543 977 × 10−5
Identifier laquelle des deux colonnes été calculée en utilisant la méthode de Crank-
Nicholson. Donner deux raisons pour justifier votre réponse.
(b) Pour β > 0 un nombre réel positif, on considère le problème modèle suivant:
y 0 (t) = −βy(t), y(0) = y0 , t > 0.
Montrer que, pour cette équation différentielle, la θ-méthode est de la forme
1 − (1 − θ)hβ
yn+1 = yn .
1 + hθβ
(c) Montrer que la θ-méthode est absolument stable (c-à-d limn→∞ |yn | = 0) pour le
problème modèle si
(2θ − 1)βh + 2 > 0.
(d) Trouver en fonction de θ, les valeurs de h pour lesquelles la méthode est absolument
stable.
180. Soit l’équation différentielle avec condition initiale

 0
 y (t) = −λty(t) t ≥ 0;

(7)

 y(0) = y ,
0
où λ est un paramètre d’amortissement strictement positif.

λt 2
La solution du problème est donnée par y(t) = y0 e− 2 , qui tend vers 0 quand t → ∞.
(a) Montrer que, pour cette équation différentielle, la méthode d’Euler (explicite) est de
la forme
yn+1 = (1 − λhtn )yn ,
où h = tn+1 − tn .
(b) Déterminer analytiquement les valeurs de h pour lesquelles la méthode d’Euler (ex-
plicite) appliquée au problème (7) est absolument stable (c-à-d limn→∞ |yn | = 0). Il
s’agit de déterminer la borne supérieure du pas de temps h en fonction du paramètre
d’amortissement λ > 0.
(c) Est-il possible de choisir un pas de temps constant satisfaisant pour tout temps le
critère de stabilité?
181. On considère l’équation différentielle à delai
y 0 (t) = y(t) − y(t − 1),
pour t ∈ [0 , 1]. L’historique de la solution est donnée par
t y
−1,0 1,1036
−0,8 1,2581
−0,7 1,3408
−0,5 1,5163
−0,3 1,7039
−0,2 1,8012
0,0 2,0000
Pour compléter cet historique, les données numériques sont interpolées par l’algorithme
splinc de la bibliothèque numérique du cours. Les résultats obtenus sont présentés ci-bas.
>> [S,fpp]=splinc(t,y,’n’,[]);
>> S
S
0.4103 1.2309 1.9870 2.2700
-0.2942 -0.4600 0.6343 1.9093
0.0046 0.1676 1.0736 2.0118
-0.0896 0.0263 1.0029 2.0000
-0.0658 0.0477 1.0094 2.0006
-0.1453 0 0.9998 2.0000
S est la matrice contenant les coefficients des polynômes constituant la spline. La ligne i
de S contient les coefficients (ai , bi , ci , di ) du polynôme de degré 3 de la forme:
Pi (t) = ai t 3 + bi t 2 + ci t + di .
En partant de t0 = 0, faire une itération de la méthode du point milieu avec h = 0, 1 .

182. On considère le système d’équations différentielles à délais:


y 0 (t) = y2 (t − 0, 5);
1
y 0 (t) = 2y2 (t) − y1 (t − 1),
2
pour t ∈ [0 , 1] et l’historique du système est donné par le tableau:
t y1 y2
−1,0 1,1036 0,7358
−0,8 1,2581 0,8088
−0,75 1,3408 0,8442
−0,5 1,5163 0,9098
−0,25 1,7039 0,9631
−0,2 1,8012 0,9825
0,0 2,0000 1,0000
(a) Obtenir une approximation d’ordre 4 de la dérivée de y2 (t) en t = −0, 5 et en déduire

00
une approximation d’ordre 4 de y1 (0).
(b) Pour avoir accès à l’historique de la solution, les données numériques sont inter-
polées par l’algorithme splinc de la bibliothèque numérique du cours:
>> [S1,fpp]=splinc(t,y1,’n’,[]);
>> S1
S1 =
9.6739 29.0218 29.4074 11.1631

-73.0533 -169.5236 -129.4289 -31.1933
6.5833 9.6588 4.9578 2.4034
9.0870 13.4143 6.8356 2.7164
-86.4731 -58.2558 -11.0819 1.2233
10.6198 0 0.5692 2.0000
>> [S2,fpp]=splinc(t,y2,’n’,[]);
>> S2
S2 =
3.8509 11.5528 11.7637 4.7977

-32.2408 -75.0675 -57.5324 -13.6813
3.7035 5.8073 3.1236 1.4827
0.8999 1.6018 1.0209 1.1323
-18.8176 -13.1863 -2.6761 0.8242
3.1595 0 -0.0389 1.0000
où chaque ligne des matrices S1 et S2 contient les coefficients (ai , bi , ci , di ) des

polynômes de degré 3 définis sur chaque intervalle.
En partant de t0 = 0, faire une itération de la méthode du point milieu avec h = 0, 2.
Méthode de la bissection
183. Faire trois itérations de la méthode de bissection pour les fonctions suivantes et à partir
des intervalles indiqués. Déterminer le nombre d’itérations nécessaires pour obtenir une
solution dont le chiffre des millièmes est significatif.
(a) f (x) = −0,9x 2 + 1,7x + 2,5 dans l’intervalle [2,8 , 3,0]
1−0,61x
(b) f (x) = x dans l’intervalle [1,5 , 2,0]
(c) f (x) = 2
x | sin(x)| − 4,1 dans l’intervalle [0 , 4]
(d) f (x) = x 6 − x − 1 dans l’intervalle [1 , 2]
184. Une variante de la méthode de bissection appelée méthode de la fausse position, consiste
∗ de
à remplacer le point milieu xm de l’intervalle [x1 , x2 ] par le point d’intersection xm
la droite joignant les points (x1 , f (x1 ) et (x2 , f (x2 ), avec l’axe des x.
(a) Illustrer à l’aide d’un graphique cette méthode.
∗ avec l’axe des
(b) Obtenir l’équation de la droite et calculer son point d’intersection xm
x.
∗.
(c) Modifier l’algorithme de la bissection en remplaçant xm par xm
(d) Faire une itération de l’algorithme ainsi obtenu pour la fonction f (x) = 1−0,61x
x dans
l’intervalle [1,5, 2,0]. Préciser quel serait l’intervalle de départ pour la deuxième
itération.
185. Reprendre l’exercice 183 en utilisant cette fois la méthode de la fausse position.
186. Le polynôme p(x) = (x 2 − 1)(x 2 − 4) possède 4 racines simples. Pour ce polynôme,

déterminer vers quelle racine la méthode de la bissection convergera, s’il y a lieu, en
partant de chacun des intervalles suivants
i) [−1,5 , 3]
ii) [−3 , 3].
187. Soit la fonction f (x) dont le graphe est illustré à la figure suivante.
(a) Un étudiant propose de résoudre l’équation f (x) = 0 par la méthode de la bissection
à partir de l’intervalle initial [0 , 0,5]. Expliquer pourquoi cet intervalle est un choix
valide pour cette méthode.
(b) Retenant cet intervalle de départ, laquelle des racines est trouvée par la méthode de
la bissection? Justifier votre réponse.
(c) Combien d’itérations de la méthode de la bissection seront nécessaires pour obtenir

cette racine avec une erreur absolue de 10−6 en partant de l’intervalle [0 , 0,5] ?
!3 Graphe de f(x)
x 10
8
f(x)
0
!2
!4
!6
!8
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
x
188. On considère la fonction f (x) = x 3 − 2x 2 − x + 1. Vérifier que la fonction possède

une racine dans l’intervalle [2 , 2,4] et déterminer (sans faire les itérations) le nombre de
chiffres significatifs minimum que l’on obtiendrait si 10 itérations de la méthode de la
bissection étaient effectuées à partir de l’intervalle [2 , 2,4].
189. Dans un problème de conjonction de planètes, nous pouvons montrer que la conjocture
(ou l’opposition) se produit lorsque le sinus de l’angle entre les deux vecteurs positions
des planètes est nul. Sachant que l’angle θ entre les deux vecteurs u~ et v
~ vérifie
ku~×v ~ ke
,
sin(θ) =
ku~ ke k v
~ ke
expliquer pourquoi il est impossible d’utiliser la méthode de la bissection pour résoudre
ku~×v ~ ke
f (x) = =0
~ ~ ke
k u ke k v
et transformer le problème de manière à pouvoir utiliser la méthode de la bissection.
190. Considérons la fonction f (x) = x 3 − x 2 − 1. Après avoir vérifié que cette fonction pos-
sède une racine réelle r dans l’intervalle [1 , 2], déterminer le nombre d’itérations de la
méthode de bissection qui seront nécessaires (sans les faire) pour obtenir une approxi-
mation de r à 10−10 près.
191. La fonction f (x) possède trois racines r1 < r2 < r3 , dans l’intervalle [a , b]. Quelle racine
sera calculée par la méthode de la bissection en partant de l’intervalle [a, b].
192. Une certaine fonction possède une racine simple dans l’intervalle [2 , 5]. Combien d’itérations
de la méthode de la bissection seraient nécessaires pour obtenir une approximation avec
au moins 4 chiffres significatifs?
Méthodes des points fixes
193. On cherche à résoudre l’équation

ex − 3x 2 = 0,
qui possède les deux racines r1 = −0, 458 9623 et r2 = 0, 91 ainsi qu’une troisième racine
située près de x = 4. On vous propose les méthodes des points fixes suivantes pour
obtenir r1 :
s
ex
• x = g1 (x) = − ;
3
!
ex − 3x 2 − 3, 385 712 869x
• x = g2 (x) = − ;
3, 385 712 869
!
ex − 3x 2 − 3, 761 89x
• x = g3 (x) = − .
3, 761 89
(a) Lesquelles, parmi ces trois méthodes des points fixes, sont susceptibles de converger
vers r1 ? (Ne pas calculer les itérations.)
(b) Déterminer celle qui produit une convergence quadratique vers r1 .
(c) La méthode de la bissection convergera-t-elle vers l’une des racines si l’on prend
[−1 , 0] comme intervalle de départ?
194. On cherche à résoudre l’équation

x2 − 2 = 0
√
(dont une solution est 2) au moyen de la méthode des points fixes
2
xn+1 = g(xn ) = xn − ρ(xn − 2)
où ρ est une constante.

(a) Pour quelles valeurs de ρ cette méthode des points fixes est-elle convergente à
l’ordre 1 (au moins)?
√
(b) Quel est l’ordre de convergence pour ρ = 42 ?
√
(c) Quel est l’ordre de convergence si ρ = 3 2?
195. On a calculé une racine de

f (x) = x 3 + 4x 2 − 10
en utilisant l’algorithme des points fixes
1
q
3
xn+1 = 10 − xn .
2
On a obtenu les résultats du tableau suivant.
n xn |en | | en+1
en |
1 1,500 00 0,134 77 0,580 84
2 1,286 95 0,078 28 0,476 62
3 1,402 54 0,037 31 0,529 88
4 1,345 46 0,019 77 0,502 78
5 1,375 17 0,009 94 0,517 10
6 1,360 09 0,005 14 0,509 72
7 1,367 85 0,002 62 0,511 45
8 1,363 89 0,001 34 0,514 92
9 1,365 92 0,000 69
.. .. .. ..
. . . .
17 1,365 23 0,000 00
Les résultats des deux dernières colonnes ont été obtenus en considérant que la valeur
exacte de la racine est r = 1, 365 23.
(a) Expliquer pourquoi la méthode itérative précédente a convergé.
e
(b) Les valeurs de | n+1
en | semblent converger vers 0, 51. Expliquer ce résultat et donner
la valeur exacte vers laquelle le quotient | en+1
en | devrait converger.
(c) Quel est l’ordre de convergence de la méthode utilisée?
√
3
196. On vous propose la méthode des points fixes suivante pour évaluer la racine cubique N
d’un nombre N:
2xn N
xn+1 = + 2
.
3 3xn
√
3
(a) Est-ce que N est un point fixe de cet algorithme?
(b) Quel est l’ordre de convergence exact (théorique) de cette méthode des points fixes?
√
3
(c) On a appliqué cet algorithme pour le calcul de 100 en partant de x0 = 5 et l’on a
obtenu le tableau suivant:
n xn |en |
0 5,500 000 000 0,358 41 × 10+0
1 4,666 666 667 0,250 77 × 10−1
2 4,641 723 356 0,134 52 × 10−3
3 4,641 588 837 0,389 86 × 10−8
4 4,641 588 833
√
3
On considérera que la valeur x4 est la valeur exacte de 100. En complétant au
besoin le tableau précédent, interpréter ces résultats numériques de manière à con-
firmer (ou infirmer) les résultats théoriques obtenus en (b).
197. On considère une méthode des points fixes utilisant la fonction

x(x 2 + 3a)
g(x) =
(3x 2 + a)
où a est un paramètre strictement positif.
(a) Obtenir analytiquement l’unique point fixe de cette fonction dans l’intervalle ]0, ∞[.
(b) Montrer que la méthode des points fixes converge dans ce cas au moins à l’ordre 3
vers le point fixe trouvé en (a).
198. (a) Obtenir tous les points fixes de la fonction
g(x) = λx(1 − x)
où λ est un paramètre.
(b) Déterminer pour chaque point fixe trouvé en (a) les valeurs de λ pour lesquelles ces
points fixes sont attractifs.
(c) Déterminer pour chaque point fixe trouvé en (a) la valeur de λ pour laquelle la con-
vergence de la méthode des points fixes sera quadratique.
199. (a) Obtenir tous les points fixes de la fonction
g(x) = (λ + 1)x − λx 2
où λ est un paramètre.
(b) Déterminer pour chaque point fixe trouvé en (a) les valeurs de λ pour lesquelles ces
points fixes sont attractifs.
(c) Déterminer pour chaque point fixe trouvé en (a) la valeur de λ pour laquelle la con-
vergence de la méthode des points fixes sera quadratique.
200. On a utilisé une méthode des points fixes pour une fonction g(x) qui possède un point
fixe en r = −1. On a indiqué dans le tableau suivant un partie des résultats obtenus:
n xn
.. ..
. .
11 −0,999 887 412
12 −1,000 037 634
13 −0,999 987 446
14 −1,000 004 185
15 −0,999 998 605
16 −1,000 000 465
.. ..
. .
(a) Donner l’aproximation la plus précise possible de g(−1).

(b) Donner une valeur approximative de g 0 (−1).
(c) Expliquer pourquoi les valeurs de xn sont tour à tour supérieures et inférieures à r .
(d) Quel est l’ordre de convergence de cette méthode des points fixes?
201. On considère la méthode des points fixes

!2
f (xn ) 1 f 00 (xn ) f (xn )
xn+1 = xn − 0 − .
f (xn ) 2 f 0 (xn ) f 0 (xn )
√
(a) On souhaite utiliser cet algorithme pour évaluer 2. Donner l’algorithme dans ce cas
et simplifier au maximum l’expression de l’algorithme de manière à éviter les calculs
inutiles par la suite. De toute évidence, l’algorithme ne peut pas utiliser la fonction
racine carrée.
√
(b) Déterminer analytiquement l’ordre de convergence vers la racine 2 de l’algorithme
obtenu en (a).
(c) Faire 2 itérations de cet algorithme à partir de x0 = 2.
202. Afin de trouver le zéro de la fonction f (x) = (x − 1)ex , on considère trois méthodes des
points fixes:
(ex + x) (x 2 − x + 1)
g1 (x) = ln(xex ), g2 (x) = et g3 (x) = (pour x 6= 0).
(ex + 1) x
Étudier ces trois méthodes des points fixes à l’aide de la théorie étudiée en classe.
203. Une entreprise cherche à déterminer le prix de vente p d’un produit. Sachant que chaque
unité de ce produit coûte 5$ à fabriquer et que la demande annuelle, notée d, peut être
exprimée comme
−p 2
d(p) = 1000pe 100 ,
le profit annuel Π est alors donné par
Π(p) = (p − 5)d(p).
Par conséquent, la valeur optimale du prix de vente du produit, notée p ∗ , devra être
choisie de façon à maximiser les profits annuels.
(a) Montrer que la condition d’optimalité qui nous permettra de calculer le profit an-
nuel maximal, et par conséquent la valeur optimale du prix de vente du produit, est
donnée par
−p 2
10 e 100 200p − 500 − 2p 3 + 10p 2 = 0.
(b) Afin de trouver le prix optimal, on se propose d’utiliser une méthode de point fixe.
Deux choix de fonctions sont considérés:
500+2p 3 −10p 2
g1 (p) = 200
et
r
3 200p−500+10p 2
g2 (p) = 2 .
Montrer que le problème de point fixe associé à g2 (p) est équivalent à la condition
d’optimalité explicitée en (a).
(c) Sachant que p ∗ = 11, 714 615 est un point fixe de g1 (p), indiquer si ce point fixe est
attractif, répulsif ou indéterminé.
(d) En partant de l’approximation initiale p0 = 11, 0, nous avons utilisé la méthode
de point fixe associée à g2 (p) pour obtenir les résultats numériques du tableau.
Déterminer l’ordre de convergence de cette méthode. Si c’est justifié, donner le taux
n pn en
0 11, 000 000 0, 714 615
1 11, 331 507 0, 383 109
2 11, 510 805 0, 203 810
3 11, 606 629 0, 107 986
4 11, 657 523 0, 057 092
5 11, 684 464 0, 030 151
6 11, 698 702 0, 015 913
de convergence observé et justifier ce taux théoriquement.

204. Soit la fonction

1 a
g(x) = x+ .
2 2x
(a) Trouver, de façon analytique, le seul point fixe de cette fonction pour x > 0.
(b) Montrer que les itérations de l’algorithme de point fixe xn+1 = g(xn ) convergent de
façon quadratique vers ce point fixe pour tout x0 > 0.
√
(c) Utiliser cette méthode de point fixe pour approximer 5 avec au moins 8 chiffres
significatifs, en partant de x0 = 2.
205. On veut calculer une approximation de r = ln a pour a > 0 donné. Pour ce faire, on
considère le problème équivalent f (x) = a − ex = 0. On suggère d’utiliser une méthode
de point fixe et on propose les 3 fonctions suivantes:
• g1 (x) = x − (ex − a);

(ex − a)
• g2 (x) = x − ;
a
(ex − a)
• g3 (x) = x − .
ex
(a) Pour la fonction g1 (x), caractériser la nature du point fixe r = ln a (répulsif, attractif
ou indeterminé).
(b) Donner le taux et l’ordre de convergence de la méthode de point fixe associée à la
fonction g1 (x) pour laquelle r = ln a est attractif.
(c) En remarquant que la fonction g3 (x) est la méthode de point fixe de Newton pour le
problème f (x) = 0, donner une interprétation géometrique de la méthode de point
fixe appliquée à la fonction g2 (x).
(d) Compte-tenu de l’ordre de convergence et du temps de calcul nécessaire, sur quelle
fonction appliquerez-vous la méthode de point fixe pour déterminer le point r = ln a.
(e) Trouver les valeurs de α et β telles que la combinaison linéaire
gα,β (x) = αg2 (x) + βg3 (x),
possède x = ln a comme point fixe super-attractif, c’est à dire de convergence

d’ordre 3.
(f) Utiliser la méthode des points fixes gα,β (x), pour approximer ln 2 avec 8 chiffres
significatifs en partant de x0 = 0.5.
206. Si nous avons une bonne idée du taux de convergence ρ ' g 0 (r ) d’une méthode de point
fixe x = g(x), la méthode
ρ
xe = xk+1 + (xk+1 − xk )
1−ρ
peut être utilisée pour accélérer la convergence.

(a) Montrer à l’aide de la théorie étudiée en classe que cette technique accélère la con-
vergence de la méthode de points fixes.
(b) Montrer que cette technique équivaut à approximer ρ par l’expression
xk+2 − xk+1
.
xk+1 − xk
207. On désire calculer numériquement les trois racines de la fonction f (x) = x 3 − 3x + 1,

où r1 < r2 < r3 , à l’aide de la méthode de l’algorithme de point fixe
3 +1
xn
xn+1 = g(xn ) = .
3
N.B.: De toute évidence, il ne faut pas calculer analytiquement les racines de la fonc-
tion f (x).
(a) Après avoir vérifié que r1 , r2 et r3 sont des points fixes de la fonction g(x), montrer
que: 
−2 < r1 < −1;


0 < r2 < 1;


1 < r3 < 2.

(b) Déterminer la nature des points fixes (attractifs, répulsifs ou indeterminés).

(c) Pour le ou les point(s) fixe(s) attractif(s), déterminer l’ordre de convergence de la
méthode des points fixes.
208. Le polynôme x 3 + x 2 − 2 possède une seule racine réelle r = 1. Pour trouver une approxi-
mation de cette racine, on se propose d’utiliser une méthode de point fixe avec l’une des
3 fonctions suivantes:
• g1 (x) = −x 3 − x 2 + 5x + 2;
√
• g2 (x) = 2 − x 3 ;
q
2
• g3 (x) = x+1 .
Laquelle des fonctions serait la plus adéquate? Pourquoi?

209. L’équation x 3 + 4x 2 − 10 = 0 possède une seule racine dans l’intervalle [1, 2]. On peut
obtenir différents problèmes de points fixes de cette équation:
• x = g1 (x) = x − x 3 − 4x 2 + 10;
1
• x = g2 (x) = 10
2
x − 4x ;
1 1
• x = g3 (x) = 210 − x 3 2 ;
1
10

2
• x = g4 (x) = ;
4+x
2x 3 + 4x 2 + 10
• x = g5 (x) = .
3x 2 + 8x
L’algorithme des points fixes nous donne les résultats suivants:
n g1(xn) g2(xn) g3(xn) g4(xn) g5(xn)
---------------------------------------------------------------------------------------------
0 1.5000000000E+00 1.5000000000E+00 1.5000000000E+00 1.5000000000E+00 1.5000000000E+00
1 -8.7500000000E-01 8.1649658093E-01 1.2869537676E+00 1.3483997249E+00 1.3733333333E+00
2 6.7324218750E+00 2.9969088058E+00 1.4025408035E+00 1.3673763720E+00 1.3652620149E+00
3 -4.6972001200E+02 NaN 1.3454583740E+00 1.3649570154E+00 1.3652300139E+00
4 1.0275455519E+08 1.3751702528E+00 1.3652647481E+00 1.3652300134E+00
5 -1.0849338705E+24 1.3600941928E+00 1.3652255942E+00 1.3652300134E+00
6 1.2770555914E+72 1.3678469676E+00 1.3652305757E+00
7 1.3638870039E+00 1.3652299419E+00
8 1.3659167334E+00 1.3652300225E+00
9 1.3648782172E+00 1.3652300123E+00
10 1.3654100612E+00 1.3652300136E+00
15 1.3652236802E+00 1.3652300134E+00
20 1.3652302362E+00
25 1.3652300056E+00
30 1.3652300137E+00
(a) Expliquer pourquoi on n’a pas eu convergenge avec la méthode des points fixes as-
sociée à g1 (x) mais que la fonction g3 (x) nous a donné un algorithme convergent.
(b) Que s’est-il passé avec g2 (x)?
(c) i) Expliquer pourquoi g3 (x) a mené à une méthode des points fixes qui a convergée
moins vite que g4 (x).
ii) Expliquer pourquoi g4 (x) a mené à une méthode des points fixes qui a convergée
moins vite que g5 (x).
(d) Donner l’ordre de convergence des méthodes des points fixes associées à g3 (x),
g4 (x) et g5 (x).
(e) On remarque que pour les méthodes associées à g3 (x) et g4 (x), les valeurs de xn
semblent supérieures à la racine à une itération et inférieures à la racine à l’autre
itération. Expliquer pourquoi on observe ce comportement.
(f) Pour la méthode associée à fonction g5 (x), donner une approximation de l’erreur
absolue |en+1 | que l’on obtiendrait à l’itération n + 1 si on suppose que la valeur
absolue de l’erreur à l’itération n est |en | = 10−3 .
210. Soit le problème de points fixes suivant: pour un x0 donné,

2
xn+1 = 2xn − Cxn pour n = 0, 1, 2, ...
où C est une constante connue.

(a) À quoi sert cet algorithme? (Répondre de façon précise.)
(b) Montrer que cet algorithme est précis à l’ordre 2.
211. Le problème de points fixes
βq γq2
xn+1 = αxn + 2
+ 5
,
xn xn
1
où α, β et γ sont des paramètres, permet de calculer r = q 3 quelque soit q > 0.
Déterminer les paramètres α, β et γ pour que la méthode de points fixes ait l’ordre de
convergence le plus élevé possible, quelque soit q > 0. Quel est l’ordre de convergence
de la méthode de points fixes obtenue?
212. On veut calculer le zéro r de la fonction f (x) = x 3 − 2 en utilisant la méthode de point

fixe
ω 3 2ω
xn+1 = (1 − )xn + (1 − ω)xn + 2
+ 2(ω − 1),
3 3xn
où ω est un paramètre réel.
(a) Pour quelle(s) valeur(s) du paramètre ω le zéro de la fonction f (x) est-il un point
fixe de la méthode proposée?
(b) Pour quelle(s) valeur(s) de ω la méthode proposée est-elle au moins d’ordre 2?
(c) Existe-t-il une valeur de ω telle que l’ordre de la méthode de point fixe soit supérieure
à 2?
213. Soit la fonction f (x) = ex−2 + x 2 − 3x + 1 qui possède une racine r = 2.

(a) On se propose d’utiliser une méthode de points fixes pour calculer la racine r = 2.
Parmi les choix suivants, laquelle ou lesquelles des méthodes x = gi (x) converg-
eraient vers r = 2 si l’approximation initiale x0 était suffisamment proche de cette
racine?
i. g1 (x) = ex−2 + (x − 1)2 ;
√
ii. g2 (x) = 1 + x − ex−2 ;
iii. g3 (x) = 0, 5 ln(3x − x 2 − 1).
(b) À partir du point x0 = 1, effectuer une itération de l’algorithme de points fixes
associé à la fonction g2 (x) dans le but de trouver une nouvelle approximation de
cette racine. Combien de chiffres significatifs possède cette nouvelle approximation?
(c) En partant de l’approximation initiale x0 = 1, 75, nous avons utilisé la méthode de
points fixes associée à la fonction g2 (x) pour obtenir les résultats du tableau suivant:
en en
n |en | en−1 2
en−1
0 2, 500 × 10−1 5, 802 × 10−2 0,232 090
1 1, 451 × 10−2 3, 009 × 10−3 0,248 020
2 5, 235 × 10−5 1, 309 × 10−5 0,249 996
3 6, 851 × 10−10
4 0,0
en
Les valeurs de 2 semblent converger vers 0, 249. Expliquer ce résultat et donner
en−1
en
la valeur exacte vers laquelle le quotient 2 devrait converger.
en−1
(d) Quel est l’ordre de convergence de la méthode de points fixes associée à la fonction
g2 (x)?
214. La fonction
g(x) = ex − 2,
possède un point fixe r = 1, 14619. Sans effectuer d’itérations, déterminer si l’algorithme
de point fixe xn+1 = g(xn ) convergerait vers r avec x0 = −1 comme valeur de départ.
215. Tracer le graphe de la fonction g(x) = 2 sin x sur l’intervalle [−π , π ] et determiner
géométriquement le nombre et les positions approximatives des racines de l’équation
x − 2 sin x = 0
dans l’intervalle [−π , π ].

216. Soit φr une racine de l’équation

tan φ − φ = c,
où c = 0, 01. On désire calculer une valeur approchée de φr à l’aide de la méthode des
points fixes et on se propose d’utiliser les deux formes suivantes:
φ = g1 (φ) = tan φ − c;
φ = g2 (φ) = tan−1 (φ + c) = arctan (φ + c).

Sans effectuer d’itération, déterminer laquelle des fonctions serait la plus adéquate. Quel
est l’ordre de convergence associé à cette fonction? Justifier vos réponses.
1 1
Rappel: (tan φ)0 = 2
et (arctan φ)0 = .
cos φ 1 + φ2
217. L’équation f (x) = ex − 4x 2 a une racine entre x = 4 et x = 5.

(a) Montrer qu’on ne peut trouver ce zéro, à l’aide de la méthode de point fixe, si on
utilise l’expression:
1 x
x = g(x) = e 2 . (8)
2
(b) Trouver une fonction h(x) qui vous donnera une méthode de point fixe x = h(x)
qui converge linéairement vers la racine de f (x).
2
√ propose de résoudre l’équation x − 2 = 0 (dont la racine qui nous intéresse est
218. On vous
r = 2) par l’algorithme suivant:
x0 = 1;
3 + 6x
xn n
xn+1 = 2
.
3xn +2
(a) Effectuer 2 itérations de cet algorithme et donner

√ le nombre de chiffres significatifs
de x1 et x2 en comparant avec la valeur exacte 2.
(b) Montrer que cet algorithme converge au moins à l’ordre 3.
219. Le point fixe r = 3 est solution des deux équations:

p
x = g1 (x) = 2x + 3;
(x 2 − 3)
x = g2 (x) = .
2
(a) Déterminer la nature du point fixe r (répulsif, attractif ou indeterminé) pour chacune
des fonctions g1 et g2 .
(b) Trouver les valeurs de α et β telles que la combinaison linéaire
gα,β (x) = αg1 (x) + βg2 (x),
possède r = 3 comme point fixe super-attractif, c’est à dire de convergence au moins

quadratique.
(c) Effectuer deux itérations de la méthode des points fixes sur la fonction gα,β en par-
tant de x0 = 4.
(d) Si deux fonctions conduisent l’une à un point fixe attractif et l’autre au même point
fixe répulsif, peut-on toujours les combiner afin d’obtenir une méthode des points
fixes convergente au moins à l’ordre 2? Justifier.
220. Pour identifier une solution x ∗ de l’équation f (x) = 0, on propose la fonction de point
fixe g(x) = x − f (x)h(x) où h est une fonction choisie par l’utilisateur telle que h(x ∗ ) ≠
0. Comment faut-il choisir h pour que la convergence de la méthode de point fixe soit
quadratique ?
221. La fonction f (x) = x+ln(x) possède une racine x ∗ ≈ 0, 567143. On propose d’approcher
x ∗ par une méthode de point fixe.
(a) Parmi les fonctions de point fixe suivantes, lesquelles donneront lieu à une itération
convergente si l’estimation initiale x0 est choisie suffisamment proche de x ∗ ?
1. g1 (x) = − ln(x) ;
2. g2 (x) = e−x ;
3. g3 (x) =1/2(x + e−x ).
(b) Quel est le taux de convergence théorique de chacune des méthodes convergentes ?
(c) En choisissant x0 = 0, 3, on a effectué quelques itérations de la méthode de point
fixe avec g2 et on a obtenu les résultats suivants
k xk xk − x ∗
0 0,3 -0,26714299999900
1 0,740818220682 0,17367522068200
2 0,476723690715 -0,09041930928540
3 0,620814042281 0,05367104228140
4 0,537506706267 -0,02963629373250
5 0,584203027777 0,01706002777680
6 0,557550036683 -0,00959296331659
7 0,572610220792 0,00546722079205
8 0,564051217300 -0,00309178270030
9 0,568899652929 0,00175665292891
i. Expliquer en s’appuyant sur un graphe pourquoi le signe de l’erreur alterne ;
ii. D’après le tableau, quel est le taux de convergence de la méthode ?
iii. Quelle est la valeur attendue du rapport |xk+1 − x ∗ |/|xk − x ∗ |2 lorsque k → ∞ ?
222. On désire calculer la racine r = 1 de la fonction
f (x) = x 2 − 3x + 2
en utilisant la méthode de points fixes:
g(x) = αf (x) + x = x,
où α est une constante.

Après avoir vérifié que r = 1 est un point fixe de la fonction g(x), déterminer les valeurs
de α pour lesquelles la méthode de points fixes converge à l’ordre 1.
223. On veut calculer le zéro r = 1 de la fonction f (x) = x 3 + 7x 2 + 7x − 15 en utilisant

l’algorithme de points fixes
3 + 7x 2 + (7 + ω)x − 15
xn n n
xn+1 = ,
ω
où ω est un paramètre réel strictement négatif (ω < 0).

(a) Pour quelle(s) valeur(s) du paramètre ω le zéro de la fonction f (x) est-il un point
fixe de la méthode proposée?
(b) Pour quelle(s) valeur(s) de ω la méthode proposée converge-t-elle?
(c) Pour qu’elle valeur de ω la méthode proposée converge-t-elle le plus vite? Quel est
l’ordre de convergence dans ce cas?
5 3
224. La fonction f (x) = x 3 − x 2 − 1, possede une racine réelle r dans l’intervalle [ 4 , 2 ]. Pour
trouver une approximation de cette racine, on se propose d’utiliser une méthode des
points fixes avec la fonction
1
g(x) = 1 + .
x2
(a) Vérifier que la racine r est un point fixe de la fonction g(x).
5 3
(b) En estimant g 0 (x) sur un sous intervalle [a , b] ⊂ [ 4 , 2 ] approprié, en déduire que
le point fixe r est attractif et que la convergence est linéaire.
Méthode de Newton
√
225. On veut calculer les deux racines de la fonction f (x) = x2 −sin (x)+ π6 − 2
3
dans l’intervalle
[− π2 , π ]. Le graphe de la fonction f est illustré à la figure suivante:
Graphe de la fonction f(x)

1.5
0.5
f(x)
−0.5
−1
−1.5 −1 −0.5 0 0.5 1 1.5 2 2.5 3
x
(a) Peut-on appliquer la méthode de la bissection pour calculer chacune des deux racines?
Pourquoi?
(b) À l’aide du graphe de la fonction f , discuter de l’ordre de convergence de la méthode
de Newton pour les deux racines.
(c) On considère maintenant la méthode de point fixe:
√ !
xn π 3
xn+1 = sin (xn ) + − − ,
2 6 2
h i
2π
pour calculer la racine r > 0. En observant que r ∈ 3 , π , déterminer la nature du
point fixe (attractif, répulsif ou indéterminé).
226. On désire calculer la racine positive de la fonction
f (x) = x 2 − 2.
(a) Soient x0 = 0, x1 = 1 et x2 = 2, construire le polynôme de Lagrange de degré 2 qui

passe par les points (f (x0 ) , x0 ), (f (x1 ) , x1 ) et (f (x2 ) , x2 )) et en déduire la valeur
de l’itérée x3 obtenue à l’aide de la méthode d’interpolation quadratique inverse à
partir de x0 = 0, x1 = 1 et x2 = 2.
(b) Tracer le graphe de la fonction f (x) sur l’intervalle [0 , 2] et déterminer géométrique-
ment la position approximative de l’itérée x2 obtenue en faisant une itération de la
méthode de la sécante à partir de x0 = 1 et x1 = 2.
(c) Tracer le graphe de la fonction f (x) sur l’intervalle [0 , 2] et déterminer géométrique-
ment la position approximative de l’itérée x1 obtenue en faisant une itération de la
méthode de la Newton à partir de x0 = 2.
227. La méthode de bissection serait-elle plus rapide ou moins rapide que la méthode de
Newton pour trouver une racine de multiplicité 2?
228. Soit la fonction f (φ) = 2 cos (φ) + cos (120 − φ) − 0, 75, où φ est en degrés. On observe
graphiquement que la racine φr est située entre 94o et 95o .
(a) Sachant que la fonction f (φ) est décroissante sur l’intervalle [94o , 95o ], montrer
que la racine φr est de multiplicité 1.
(b) Quel est l’ordre de convergence de la méthode de Newton dans ce cas?
(c) En utilisant l’intervalle de départ [94o , 95o ], la méthode de la bissection donne,
après 10 itérations, la valeur approchée φ∗ = 94, 3408o . Déterminer le nombre de
chiffres significatifs de cette approximation.
(d) De l’équation f (φ) = 0, proposer une méthode de points fixes qui converge vers la
racine φr .
229. Soit f (x) = x 3 − 5 x 2 + 8 x − 4 un polynôme cubique qui possède seulement deux racines:
r1 = 1 et r2 = 2. Dans cette question, nous analysons le comportement de la méthode
de Newton pour trouver la racine r = 2 à partir de deux valeurs initiales différentes :
x0 = 1,4 et x0 = 1,5. Le script MATLAB suivant a permis d’obtenir les résultats présentés
ci-bas.
[x,err] = newton(’fonc’,’dfonc’,1.40,20,1e-5);
ratio1 = err(2:end)./err(1:end-1);
ratio2 = err(2:end)./err(1:end-1).^2;
exout()
La fonction exout() permet d’afficher, dans un tableau de cinq colonnes, le numéro de

l’itération (i) et les valeurs des vecteurs x, er r , r atio1 et r atio2 pour chaque itération.
i x_i err_i ratio1_i ratio2_i

---------------------------------------------------------------------
1 1.40000000 0.60001398 - -
2 2.60000000 0.59998602 0.99995341 1.66655020
3 2.34736842 0.34735444 0.57893756 0.96491841
4 2.19351666 0.19350269 0.55707560 1.60376703
5 2.10401428 0.10400031 0.53746183 2.77754195
6 2.05434684 0.05433287 0.52242985 5.02334905
7 2.02785616 0.02784218 0.51243721 9.43144101
8 2.01411429 0.01410031 0.50643708 18.18956136
9 2.00710592 0.00709194 0.50296322 35.67035774
10 2.00356545 0.00355147 0.50077580 70.61197303
11 2.00178589 0.00177191 0.49892235 140.48327949
12 2.00089374 0.00087976 0.49650477 280.20904158
13 2.00044707 0.00043309 0.49228311 559.56459720
14 2.00022358 0.00020961 0.48397912 1117.49857572
15 2.00011180 0.00009783 0.46671893 2226.63554691
16 2.00005591 0.00004193 0.42859567 4381.12945489
17 2.00002795 0.00001398 0.33334333 7950.27755001
18 2.00001398 0.00000000 0.00000000 0.00000000
(a) Pour la racine r2 = 2 qui peut s’obtenir à partir de x0 = 1,4, déterminer l’ordre de
convergence de la méthode de Newton à l’aide des résultats présentés dans le tableau
et en déduire la multiplicité de la racine r2 = 2.
(b) Faire une itération de la méthode de Newton en partant de x0 = 1, 5.
(c) Lorsque l’algorithme converge vers une même racine, l’ordre de convergence ne de-
vrait pas changer avec la valeur initiale. Comment expliquer la rapidité de la méthode
de Newton à partir de x0 = 1,5 en comparaison avec les résultats obtenus à partir de
x0 = 1,4?
230. La méthode de Newton a été utilisée pour résoudre une équation de la forme f (x) =
0 à partir de x0 = 0, 5. Les résultats suivants ont été obtenus pour les 17 premières
itérations.
en en
n en en−1 n en en−1
0 0,5 9 0,01487 0,66828
1 0,34615 0,68627 10 0,00993 0,66775
2 0,23576 0,68627 11 0,00663 0,66740
3 0,161182 0,68120 12 0,00442 0,66715
4 0,10958 0,67715 13 0,00295 0,66699
5 0,07386 0,67406 14 0,00196 0,66688
6 0,04962 0,67180 15 0,00131 0,66681
7 0,03325 0,67019 16 0,00087 0,66676
8 0,2225 0,66906 17 0,00058 0,66673
À partir de ces résultats, que pouvez-vous conclure sur la convergence de la méthode et

sur la multiplicité de la racine calculée?
231. Nous voulons résoudre l’équation f (x) = 0 à l’aide de la méthode de Newton. Mal-
gré un bon estimé initial, nous observons que la méthode ne converge pas bien. Nous
soupçonnons la présence d’une racine de multiplicité ≥ 2. Nous Pensons donc trans-
former ce problème de racine en un problème de point fixe muni d’un paramètre qui,
nous l’espérons, nous aidera à forcer une meilleure convergence.
On obtient cette nouvelle méthode du développement:
f (x) = 0;
m
λf (x) = 0;
m
x + λf (x) = x.
Est-ce que cette méthode de point fixe, avec un paramètre λ adéquat, convergera mieux
que la méthode de Newton? Pourquoi?
232. On désire calculer x = a1 (l’inverse multiplicatif de a ≠ 0), sans faire d’opérations de

division. Transformer ce problème sous la forme d’une équation non linéaire f (x) = 0 et
construire un algorithme basé sur la méthode de Newton qui vous permettra de calculer
1
x = a . De toute évidence, l’algorithme obtenu après simplications ne doit pas utiliser
d’opérations de division.
233. Construire un algorithme, basé sur la méthode de Newton, qui vous permettra de calculer
ln(x)
(ne faites pas ces calculs) le maximum de la fonction f (x) = x (il faut noter qu’un
algorithme n’est pas un programme Matlab).
√
234. Vous voulez utiliser la méthode de Newton pour calculer M. Expliquez pourquoi,
dans ce cas, la méthode de Newton peut causer une élimination de chiffres significatifs.
Réécrire l’expression donnée par cette méthode afin d’éviter cette situation non désirée.
235. Afin de trouver la racine r de f (x), on veut utiliser la méthode suivante:
f (xn )
xn+1 = xn −
g(xn )
où g(x) est définie comme
f [x + f (x)] − f (x)
g(x) = ,
f (x)
avec g(r ) 6= 0.
(a) Montrer que l’ordre de convergence de la méthode est au moins quadratique (utiliser
l’hypothèse introduite en c) pour simplifier vos calculs).
(b) Donner un avantage et un inconvénient à utiliser cette méthode, plutôt que la méth-
ode de Newton.
(c) Si f (x) est petit, montrer à l’aide du développement de Taylor, le lien entre cette
méthode et la méthode de Newton.
236. (a) À l’aide de la méthode de Newton, montrer comment on obtient l’algorithme
1 N

xn+1 = xn +
2 xn
√
pour le calcul de N.
√
3
(b) Obtenir un algorithme similaire pour calculer N.
237. Une variante de la méthode de Newton pour résoudre les équations de la forme f (x) = 0
résulte en l’algorithme suivant:
f (xn )
pour x0 donné, xn+1 = xn − .
f 0 (x0 )
(a) Donner une interprétation géométrique de cette méthode.

(b) On aimerait se servir de cette méthode pour évaluer la racine de l’équation x 2 −2√= 0.
Donner une condition nécessaire sur x0 pour que la méthode converge vers 2 à
l’ordre 1.
(c) Déterminer la valeur de x0 pour laquelle la convergence sera quadratique.
238. Soit la fonction f (x) = x − a sin x − b, où a et b sont des paramètres positifs et a < 1.
(a) Expliquer pourquoi la méthode de Newton, avec l’approximation initiale x0 = b, ne
convergera pas toujours.
(b) Quelle(s) contrainte(s) additionnelle(s) sur a et/ou sur b doit-on imposer pour que
celle-ci converge.
239. On veut résoudre l’équation (x − 1)10 = 0 par la méthode de Newton. Déterminer l’ordre
et le taux de convergence de la méthode de Newton pour ce problème.
240. On veut calculer une racine double par la méthode de Newton modifiée qui donnera un
meilleur ordre de convergence en utilisant l’algorithme suivant:
f (xn )
xn+1 = xn − 2 .
f 0 (xn )
Le tableau suivant, donne les résultats respectifs obtenus à l’aide de la méthode de New-
ton ordinaire et de la méthode modifiée pour la fonction
f (x) = (x − 1)2 ex .
xn
n Newton Newton modifée
0 0,250 000 000 0,250 000 000
1 0,850 000 000 1,450 000 000
2 0,931 081 081 1,082 653 061
3 0,966 770 374 1,003 280 205
4 0,983 665 903 1,000 005 371
5 0,919 900 201 1,000 000 000
6 0,995 966 569
7 0,997 987 369
8 0,989 994 694
9 0,999 497 600
10 0,999 748 863
11 0,999 874 447
12 0,999 937 228
13 0,999 968 615
14 0,999 984 308
15 0,999 992 154
16 0,999 996 077
17 0,999 998 038
18 0,999 999 019
(a) Quelle est la multiplicité de la racine r = 1 de f (x)?

(b) À l’aide de ces résultats numériques, vérifier que la convergence de la méthode de
Newton ordinaire est linéaire.
(c) Quel est l’ordre de convergence de la méthode de Newton modifiée?
(d) La méthode de bissection serait-elle plus rapide ou moins rapide que la méthode de
Newton ordinaire pour trouver cette racine?
241. Soit le problème de racine sin(x) = 0. Expliquez pourquoi la méthode de Newton cycle
lorsque le point de départ vérifie tan(x0 ) = 2x0 .
Méthode de la sécante
242. Nous voulons comparer le comportement des méthodes de Newton et de la sécante pour
trouver le zéro de la fonction
 √
 x − a si x − a ≥ 0;
f (x) =
−√a − x si x − a < 0.
(a) Donnez une explication géométrique du comportement de la méthode de Newton

avec cette fonction.
(b) Qu’en est-il de la méthode de la sécante dans le cas où a = 2, avec les approximations
initiales x0 = 1 et x1 = 3. Comment expliquez-vous ce comportement de la méthode
de la sécante?
243. Un étudiant du cours de calcul scientifique a appliqué une méthode de point fixe, la
méthode de Newton et la méthode de la sécante afin de déterminer une racine réelle
d’un polynôme de degré 4 possédant une paire de racines complexes conjuguées.
en
Dans l’analyse de ses résultats, il a calculé les ratios (en−1
√ )p pour les valeurs de p = 1 et
p = α = 1+2 5 , le nombre d’or. En créant trois tableaux pour son rapport, il a entremêlé
les méthodes. Associer à chaque tableau la méthode correspondante. Bien justifier vos
choix.
Méthode 1 Méthode 2 Méthode 3

en en en en en en
en−1 (en−1 )α en−1 (en−1 )α en−1 (en−1 )α
0,116 474 0,215 755 0,460 004 0,221 918 0,323 310 2,633 704
0,012 229 0,086 047 0,048 156 0,326 361 0,596 079 6,237 756
0,000 152 0,016 210 0,005 367 0,411 998 0,648 564 22,688 555
2,198E-08 0,000 531 0,000 257 0,452 120 0,662 517 471,4050
0 0 1,440E-06 0,460 771 0,664 045 13396,24

5
p
244. Soit la fonction f (x) = (x + 2)2 .
(a) Déterminer analytiquement l’unique racine de f ;
(b) Expliquer pourquoi la méthode de Newton appliquée à f ne convergera jamais vers
la racine, quel que soit le point initial choisi ;
245. Soit la fonction f (x) = x 3 − 3x + 2.

(a) Pour la racine r = 1, déterminer l’ordre de convergence de la méthode de Newton.
(b) Calculer l’itérée x2 obtenue en faisant une itération de la méthode de la sécante à
partir de x0 = 0, 8 et x1 = 0, 9. Donner le nombre de chiffres significatifs de x2 .
(c) Pour résoudre numériquement l’équation f (x) = 0, on va utiliser une méthode de
points fixes à l’aide du script MATLAB suivant:
clear all; format long e
erreurMax=1.0e-16;
n=1;
x(n)=0;
erreur=1;
while erreur > erreurMax
x(n+1) = g(x(n)); % g(x) une fonction de points fixes
erreur=abs((x(n+1)-x(n))/x(n+1));
n=n+1;
end
%
err=abs(x-1);
[x(1:end-1)’ (err(2:end)./err(1:end-1))’ (err(2:end)./err(1:end-1).^2)’]
qui, une fois exécuté, donne les résultats suivants:

ans =
0 9.090909090909105e-02 9.090909090909105e-02
9.090909090909089e-01 7.803025102416915e-03 8.583327612658592e-02
9.992906340815985e-01 5.912829261834514e-05 8.335372631318803e-02
9.999999580564044e-01 1.284222050102113e-01 3.061783406576415e+06
i. A l’aide des résultats numériques donnés plus haut, estimer l’ordre de conver-
gence de la méthode de points fixes présentée dans ce script.
ii. Expliquer le comportement bizarre de la dernière ligne des colonnes 2 et 3 du
tableau.
246. Effectuer les deux premières itérations de la méthode de la sécante sur l’équation 1/2x 2 −
sin(x) = 0 avec comme approximations initiales x0 = 1, 5 et x1 = 2, 0.
247. Si vous utilisez la méthode de la sécante pour trouver la racine r de la fonction f (x),
montrer que si, à l’itération k, vous obtenez xk = r ou xk−1 = r (mais pas les deux) alors
on aura xk+1 = r . Donner une interprétation géométrique à ce résultat.
248. Montrer que l’algorithme
f (xn )xn−1 − xn f (xn−1 )

xn+1 =
f (xn ) − f (xn−1 )
est équivalent à la méthode de la sécante. Expliquer pourquoi cette formulation n’est pas
utilisée en pratique (on y préfère cette étudier en classe).
Méthode de l’interpolation inverse
249. On désire calculer la racine réelle de la fonction
f (x) = x 3 − 2x − 5.
Soient x0 = 0, x1 = 4 et x2 = 2, construire le polynôme de Lagrange de degré 2 qui

passe par les points (f (x0 ) , x0 ), (f (x1 ) , x1 ) et (f (x2 ) , x2 )) et en déduire la valeur de
l’itérée x3 obtenue à l’aide de la méthode d’interpolation quadratique inverse à partir de
x0 = 0, x1 = 4 et x2 = 2.
Problèmes algébriques non linéaires
250. Un projectile se déplace suivant la trajectoire:

(
x(t) = 2400(1 − e−t/15 );
y(t) = 9600(1 − e−t/15 ) − 480t,
où x(t) est la distance horizontale parcourue et y(t) est la hauteur du projectile par
rapport au sol. On cherche à déterminer le temps t où le projectile touchera le sol. On
sait par expérience que le projectile prend autour de 9 secondes pour atteindre son but.
Proposer une méthode de résolution de ce problème et préciser explicitement la (les)
fonction(s) ainsi que les valeurs numériques des paramètres nécessaire à l’utilisation de
votre méthode (ne pas résoudre).
251. La concentration N5 de l’uranium 235 (U235) et la concentration de (N9 ) du plutonium

239 (P u239) dans un réacteur nucléaire varient en fonction du temps t (en jours) de la
façon suivante:
N5 (t) = N5 (0)e−0,006t ;
N9 (t) = 7N8 (0) 0, 003 − 0, 003e−0,008t ,

où N5 (0) = 1, 0 × 1026 noyaux/m3 est la concentration initiale de l’uranium 235 et

N8 (0) = 1, 0 × 1028 noyaux/m3 est la concentration initiale de l’uranium 238 qui forme
le plutonium après absorption de neutrons. La variation temporelle des concentrations
de l’uranium 235 et du plutonium 239 est illustrée à la page suivante.
25
x 10 Concentrations de l"U235 et du Pu239 en fonction du temps
10
N5(t)
9 N9(t)
8
Concentration ( en noyaux/m3)
0
0 50 100 150 200 250 300
Temps ( en jours)
Comme on le voit sur le graphique, la concentration de l’uranium 235 et du plutonium

239 deviennent égale à un temps T situé entre 200 et 250 jours. Suggérer une méthode
numérique qui permettra d’évaluer plus précisement T . Identifier clairement toutes les
quantités pertinentes (fonctions, les paramètres initiaux,..).
252. Afin d’éviter les bris de conduites d’eau lors des longues périodes de froid intense, il
est important de les enfouir à une profondeur adéquate. Un modèle qui nous permet de
connaître la température T (x, t) dans un milieu homogène est donné par
T (x, t) − Ts x
= erf √
Ti − Ts 2 αt
où Ti est la température initiale du sol, Ts est la température à la surface du sol et la

conductivité thermique du sol est donnée par α = 0, 138 × 10−6 . La durée de la période
de froid intense est donnée par t (en secondes) et la profondeur où se trouve la conduite
est donnée par x (en mètres). Nous voulons développer une méthodologie numérique,
à l’aide de ce modèle, pour estimer la profondeur x à laquelle nous devons installer
les conduites sous nos rues afin d’éviter qu’elles gèlent. Nous supposerons que nous
n’aurons jamais une chute soudaine du mercure de plus de 50◦ C et que la température à
la surface du sol ne sera jamais sous −40◦ C. La période de froid intense ne durera jamais
plus de 30 jours consécutifs.
(a) D’abord, obtenir une approximation polynomiale précise à l’ordre 5 de la fonction
Zx
2 2
erf(x) = √ e−t dt.
π 0
(b) À l’aide de cette approximation de la fonction erf(x) et du modèle proposé plus

haut, décrire de la façon la plus précise possible un algorithme numérique qui vous
permettra de calculer la profondeur x à laquelle devront se trouver les conduites.
Justifier le choix de la méthode numérique choisi. Ne pas faire le calcul de x.
Factorisations matricielles
253. Commenter cette affirmation: toute matrice A peut s’écrire sous la forme A = LU où L
est une matrice triangulaire inférieure et U une matrice triangulaire supérieure.
254. Si, en plus des permutations sur les lignes, nous permutons aussi les colonnes, nous
aurons la factorisation P AP −1 = LU . Expliquer comment résoudre Ax ~
~ = b.
255. (a) Calculer la factorisation LU de Crout de la matrice

!
2 1
A= .
1 2
(b) Utiliser cette factorisation pour calculer A−1 .

(c) Soit b~ = (1, 2 − 1, 6)T . Utiliser la factorisation LU calculée en (a) pour résoudre
Ax ~ en arithmétique flottante à 2 chiffres en utilisant l’arrondi.
~ = b,
256. Obtenir, si possible, les factorisations LU de Crout des matrices

!
0 1
A=
1 0
et B = A+I, où I est la matrice identité. Utiliser l’arithmétique exacte. À la lumière de vos

résultats, commenter l’affirmation suivante: « Il n’est possible de factoriser une matrice
que si elle est inversible ».
257. La factorisation LU de Crout avec permutations de lignes, en notation compacte, a été

calculée partiellement en utilisant l’arithmétique flottante à trois chiffres:
 
0, 500 × 100 0, 200 × 101 0, 400 × 101
 
  3
 0, 333 × 100

−0, 416 × 100 0, 272 × 101 

où O ~=  2 .

1
 
0, 250 × 100 −0, 300 × 100 0, 167 × 100
(a) Compléter cette factorisation en arithmétique flottante en utilisant l’arrondi.

(b) Calculer le déterminant de la matrice A (faire les calculs en arithmétique exacte).
(c) Donner les deux systèmes linéaires à résoudre qui permettent de calculer la troisième
colonne de A−1 . Ne pas faire les calculs.
258. Une matrice B possède la décomposition LU de Crout (notation compacte) et le vecteur

de permutation suivants:
   
1 2 3 2
 ~ 
 4 1 6  O =  3 .
 
6 −8 8 1
En utilisant la méthode de la décomposition LU, calculer la troisième colonne de l’inverse

de B.
259. Compléter la factorisation LU de Crout en notation compacte:

 
1 2 3
 2 3 4 
 
4 5 ?
de la matrice  
4 13 38
A= 2 7 18  ,
 
1 2 3
~ = (3 2 1)T a été utilisé.
où le vecteur de permutation O
260. Une matrice A possède la décomposition LU de Crout suivante (notation compacte,

obtenue sans permutation de ligne):
 
1 2 3
 2 3 4 .
 
4 5 6
~ suivants:
~=b
En utilisant cette décomposition, on a résolu les systèmes linéaires Ax
~ = (1 0 0)T :
• Si b ~ = ( 1, 7777
x − 0, 222 22 − 0, 111 11)T ;
~ = (0 1 0)T :
• Si b ~ = (−2, 0555
x 1, 4444 − 0, 277 77)T .
En complétant au besoin les données précédentes, mais sans faire de calculs inutiles:
(a) Calculer le déterminant de la matrice A.
(b) calculer kAk∞ .
(c) Calculer A−1 .
(d) Calculer cond∞ A.
(e) En supposant que l’on a obtenu la décomposition LU donnée dans l’énoncé mais
cette fois avec permutations de lignes, où le vecteur de permutation est donné par
 
3
~=
O  1 ,

2
reconstituer la matrice de départ et donner son déterminant.
261. Soit A une matrice inversible. La décomposition LU de Crout de A, sous forme compacte,
a été exécutée partiellement:
 
1 4 -2 3
 
1
 2 8 0 -2 2
   
~=

 , où O .

3
 3 
 0 6 -3 
  
1 2 2 -2 4
Les coefficients encadrés ont déjà été calculés.

(a) Compléter la factorisation LU de A.
(b) Calculer le déterminant de A−1 .
(c) Calculer la deuxième colonne de A−1 .
(d) Déterminer la matrice A.
262. La décomposition LU de Crout de la matrice A (inversible), obtenue sans permutation de

lignes, est partiellement donnée sous forme compacte par:
 
1 2 1 4
 
 
 
2 -4 − 12 5
 
4
 
 
 
 
 

 4 -6 -5 1 

 
 
 
19
-3 7 2 2
N.B.: Les valeurs encadrés correspondent aux coefficients Lij et Uij appropriés.
(a) Terminer cette décomposition LU de Crout.
(b) Évaluer le déterminant de la matrice A.
 
13
 28 
(c) Résoudre Ax ~=  en utilisant la décomposition LU de Crout.
 
 20 
6
263. Soit la matrice

 
2 −5 −2
A =  −3 6 9 .
 
2 0 −2
Faire la décomposition LU de Crout de la matrice A avec permutation de lignes (la plus

efficace possible).

 
4 1 0
A =  4 4 2 .
 
0 6 6
Calculer la décomposition LU de A par la méthode de Doolitle sans permutation de lignes.

N.B.: Le calcul de chaque coefficient de cette décomposition doit être indiqué claire-
ment et en détail.

 
1 0 2
A= 2 1 3 
 
3 0 −4
(a) Calculer la décomposition LU de A par la méthode de Doolitle sans permutation de
lignes.
N.B.: Le calcul de chaque coefficient de cette matrice doit être indiqué clairement
et en détail.
(b) Sans calculer de déterminant, comment savez-vous que A n’est pas singulière ?
(c) L’inverse de A est une matrice telle que AA−1 = I. Si le vecteur c~i représente la
iieme colonne de A−1 , expliquer comment trouver A−1 sur base de L et U. Écrire les
systèmes linéaires qui correspondent.
(d) Pour une matrice n × n, sachant que le nombre d’opérations à effectuer pour calculer
L et U est environ 13 n3 et que celui des résolutions Ly ~ puis U x
~=b ~=y ~ est environ
2 −1
n , quel est le coût du calcul de A par la méthode que vous avez décrite ?
(e) Que faudrait-il changer à votre procédure si le pivotage partiel était autorisé ?
(f) Sachant que
 
0, 4 0 0, 2
A−1 =  −1, 7 1 −0, 1 
 
0, 3 0 −0, 1
calculer le conditionnement de la matrice A avec la norme k k1 .
266. Les procédés de séparation chimique telle la distillation, l’extraction ou l’absorption

consistent à faire passer les produits à séparer au travers une série d’étages où un équili-
bre thermodynamique permettra de séparer les composants. Considérons un procédé
d’absorption gaz–liquide à n étages. Par exemple, ce type d’unité peut être utilisé pour
retirer le dioxyde de souffre (SO2 ) présent dans les gaz de combustion à l’aide d’un liq-
uide absorbant.
Un liquide ayant un débit molaire L est alimenté au haut de l’unité de séparation et un
gaz à un débit molaire G est introduit au bas de l’unité. La fraction molaire du composé
absorbé dans la phase liquide à l’étage k de séparation est notée xk , la fraction molaire du
composé absorbé dans l’alimentation liquide est notée xf , la fraction molaire du composé
dans l’alimentation gazeuse est notée yf et H est la fraction de retenue.
En utilisant les hypothèses simplificatrices nécessaires et en réalisant les bilans molaires
sur chacun des composés à chaque étage, nous obtenons le modèle mathématique suiv-
ant:  dx


 τ dt1 = K(yf − b) − (1 + δ)x1 + x2 ;

τ dx2 = δx1 − (1 + δ)x2 + x3 ;


 dt



τ dx
 3
= δx2 − (1 + δ)x3 + x4 ;


dt
..
.






 dxn−1
τ dt = δxn−2 − (1 + δ)xn−1 + xn ;





 dxn

τ dt = δxn−1 − (1 + δ)xn + xf ,
H aG
où τ = L représente le temps de résidence du liquide à chaque étage, δ = L est le
G
coefficient d’extraction et K = L est le ratio gaz–liquide.
(a) Afin d’analyser ce procédé d’absorption à l’état stationnaire, nous devons considérer
dxk ~
dt ~ = b,
= 0 pour k = 1, 2, . . . , n. Exprimer le système résultant sous la forme Ax
pour le cas particulier n = 4 (ne pas résoudre).
(b) Considérons le cas où a = 43 , b = 0, K = 32 , xf = 100 1 6
et yf = 100 . Calculer la
factorisation LU la plus adéquate. la matrice A obtenue en (a), sans permutation de
ligne. Justifier votre réponse et indiquer clairement chaque équation utilisée pour
calculer chaque composante de L et de U. Faites vos calculs soit en conservant les
résultats intermédiaires sous forme de fractions, soit en notant les fractions sous
forme décimale avec 4 chiffres après la virgule (d1 , d2 d3 d4 d5 ).
267. Considérons la matrice 

2 −1 0 3

−1 2 −1 0 
A=
 
0 3 2 −1

3 0 −1 2
(a) Donner la représentation compacte de la factorisation LU de Doolittle de A avec
pivotage partiel ;
~ où
~=b
(b) Résoudre le système linéaire Ax
 
15
0
~=
b  .

23
14
268. En arithmétique flottante à 2 chiffres en base 10, calculer la factorisation LU de Doolitle

de la matrice " #
7, 0 6, 0
A=
9, 0 8, 0
sans pivoter. Comparer le produit LU avec la matrice A de départ. Répéter en appliquant
le pivotage partiel.
269. Lors du calcul d’une spline cubique avec h constant, on rencontre la matrice
1/

2

2
1/ 2 1/ 
 2 2 
 1/ 2 1/ 
 2 2
1/ 2
2
(a) Donner les facteurs L et U suivant l’algorithme de Thomas ;

(b) En déduire le déterminant de la matrice de départ ;
(c) Si le membre de droite est 

2, 5

 3 
~=
b ,

 3 

2, 5
quelle est la solution du système ?
270. Les matrices suivantes sont toutes non-singulières et de très grande taille n × n.
1 (0.1)1 (0.1)2 (0.1)n−1

   
··· n 1 1 ··· 1
1 (0.2)1 (0.2)2 (0.2)n−1 
   
 ··· 
1
 n 1 ··· 1 
1 (0.3)2 n−1
   
A1 = 1 (0.3) ··· (0.3) ; A3 =  1 1 n ··· 1 ;
  
 .. .. .. .. ..  .. .. .. .. .. 
   
. .

. . . .  . . . .
   
1 (n/10)1 (n/10)2 · · · (n/10)n−1 1 1 1 ··· n
 
3 −1 0 0 ··· 0  

−1 3 −1
 −n 1 1 ··· 1
 0 ··· 0    

 0 −1 3
  1 −n 1 ··· 1 
 −1 · · · 0  




A2 = 

. . . ;

A4 = 
 1 1 −n · · · 1 .
0 0 −1 . . . . .
.  .. .. .. .. .. 
 
.
  
 ..

.. .. .
  . . . . 
 . . . . . 3 −1
  
  1 1 1 · · · −n
0 0 0 · · · −1 3
Pour chaque matrice, identifier la factorisation LU la plus appropriée parmi les factorisa-
tions suivantes:
(a) la décomposition de Crout;
(b) la décomposition de Cholesky;
(c) l’algorithme de Thomas.
271. Soit B une matrice inversible, donnée sous la forme:

   
3 0 0 3 1 1
B = LLT =  1 2 0 . 0 2 0 
   
1 0 2 0 0 2
(a) Calculer le déterminant de la matrice B de la façon qui nécessite le moins de calculs

possible.
~ = (27 5 10)T , sachant que la solution du système linéaire
(b) Soit b
Bx ~
~=b ~ = (3
est x −1 1)T ,
sans calculer la matrice B 2 , résoudre le système linéaire B 2 y ~

~ = b.
272. Certaines matrices symétriques mènent à une factorisation de la forme LLt , où L est une
matrice triangulaire inférieure.
(a) Expliquer pourquoi on s’intéresse à ce cas particulier de la factorisation LU .
(b) Résoudre le système linéaire

9x + 3y + 3z = 15;


3x + 5y + z = 9;


3x + y + 5z = 9,

à l’aide d’une factorisation LLt .

273. Soit B une matrice symétrique inversible, donnée sous la forme:

   
1 0 0 −1 0 0 1 2 3
T
B = LDL =  2 1 0   0 1 0  0 1 4 
   
3 4 1 0 0 −1 0 0 1
(a) Calculer le déterminant de la matrice B de la façon qui nécessite le moins de calculs
possible.
~ = (−6 − 7 1)T , sans calculer la matrice B, résoudre le système linéaire
(b) Soit b
~
~ = b.
Bx
Conditionnement matriciel
274. Une matrice A3×3 possède les propriétés suivantes:

(a) kAk∞ = 3, 5
  
1 83, 077
~ =  0  est  156, 92
(b) La solution de Ax
   

0 −57, 692
   
0 64, 615
~ =  1  est  −115, 38
(c) La solution de Ax
   

0 41, 538
   
0 0, 461 54
~ =  0  est  −1, 538 4
(d) La solution de Ax
   

1 1, 153 8
En déduire le conditionnement de A.
275. Soit le système d’équations algébriques linéaires

~
~ = b,
Ax
~ ∗ une solution numérique de ce système. Dire si l’énoncé suivant est vrai ou faux et
et x
commenter: « la valeur de l’erreur relative liée à la solution numérique est nécessairement
petite si la norme du résidu est petite ».
~ par une matrice diagonale

~ =b
276. Si nous multiplions le système d’équations linéaires Ax
non singulière D:
~ sera modifiée et dire pourquoi.
(a) Est-ce que la solution x
(b) Est-ce que cette opération peut nous permettre de réduire le conditionnement de
la matrice de ce système linéaire et expliquer pourquoi. Donner un exemple qui
appuiera votre réponse.
277. Soit A une matrice inversible dont la décomposition LU de Doolitle, obtenue sans permu-
tation de ligne, est donnée sous forme compacte par:
 
1 1 0
 0 1 0 .
 
1 −1 1
(a) Calculer le déterminant de la matrice A.

(b) Calculer la deuxième colonne de A−1 en vous servant de la décomposition LU .
(c) Sachant que Cond(A) = 6 selon la norme matricielle k . k∞ , calculer kA−1 k∞ .
(d) On a résolu en arithmétique flottante un système linéaire de la forme Ax ~=b ~ et on a
obtenu une approximation x~ de x
∗ ~
~ vérifiant kb − Ax~ k∞ = 10
∗ −10 . Doit-on conclure
que x~∗ est nécessairement une bonne approximation?
(e) Soit B une matrice inversible différente de la matrice identité (B ≠ I). Sachant que la
solution du système linéaire
   
1 1
Bx~ =  2  est  2  ,
   
3 3
trouver la solution de  
1
B2x
~ =  2 .
 
3
278. Soit A une matrice inversible de dimensions 3 × 3 dont la décomposition LU de Crout,

obtenue avec permutations de lignes, est donnée sous forme compacte par:
 1 
3 0 3 
3
 
 
1 ~=
 
 0 2 où O  1 .
 
 2 



 2
1 0 − 13
(a) Calculer le déterminant de A et trouver A.

 
1
(b) Résoudre le système Ax~ =  1  en utilisant la décomposition LU .
 
1
  
0 1
(c) Sachant que les deux premières colonnes de A−1 sont  1/2  et  3/2 , déter-
   
0 −3
miner la troisième colonne de A−1 sans résoudre de système supplémentaire.
(d) Calculer le conditionnement de la matrice A en utilisant la norme k . k∞ .
279. Soit la matrice A dont les coefficients sont donnés par:


−1 si i < j;


aij = 1 si i = j;


0 si i > j,

et dont l’inverse A−1 a comme coefficients

j−i−1

2

 si i < j;
a
e ij = 1 si i = j;


0 si i > j.

~ si on applique
(a) Quelles seront les matrices L, U et P (ou le vecteur de permutation O)
l’algorithme de factorisation LU de Crout à la matrice A? Quels seront les pivots?
(b) Calculer le conditionnement de la matrice A de dimension n×n en utilisant la norme
Pn
kk1 (indice: i=0 2i = 2n − 1). Vérifiez votre résultat dans le cas où la matrice A est
de dimension 4 × 4.
~=b
(c) En résolvant le système linéaire Ax ~ où b
~ = (1, 1, ..., 1)T , quel doit être l’ordre de
grandeur du vecteur résidu r~ pour que l’erreur relative
~−x
kx ~ ∗ k1
~ =
Er (x)
~ 1
kxk
soit au plus ε (la précision machine), pour une dimension n × n donnée. Qu’en est-il
dans le cas où on travaille en simple précision IEEE avec une matrice A de dimension
106 × 106 .
(d) À la lumière de cet exercice, commentez l’énoncé suivant: « une matrice mal-conditionnée
est presque singulière ».
~=b
280. On considère le système linéaire Ax ~ suivant:
" #" # " #
0, 780 0, 563 x1 0, 217
= (9)
0, 913 0, 659 x2 0, 254
~ = [1 −1]T . En résolvant le système (9) à l’aide d’une méthode

dont la solution exacte est x
numérique, on a trouvé une solution approximative x ~ ∗ dont le résidu est donné par
" #
~ − Ax 0, 000 001
b ~∗ = .
0, 0
Sachant que kA−1 k∞ = 1, 693 × 106 , est-ce que la solution approximative x

~ ∗ vous semble
acceptable? Justifier votre réponse.
~ telle que r k∞
k~
281. Soit x~∗ une solution numérique du système linéaire Ax
~ = b, ~ ∞ ≤ 10−5
kbk
~ − Ax~∗ représente le résidu associé à x~∗ . Si on accepte une solution sous
où r~ = b
~ x~∗ k∞
kx−
~ =
l’hypothèse que la valeur de l’erreur relative Er (x) ~ ∞
kxk ≤ 10−4 , quelle doit être la
valeur maximale du conditionnement de A pour accepter x~∗ ?
282. Soit le système linéaire
−0, 149 × 103 −0, 500 × 102 −0, 154 × 103 0, 1 × 101
    
x1
 0, 537 × 103 0, 180 × 103 0, 546 × 103   x2  =  0, 2 × 101  .
    
−0, 270 × 10 −0, 900 × 101
2 −0, 250 × 102 x3 0, 3 × 101
Supposons que tous les chiffres de chaque composante aij de la matrice A sont signi-
~ de ce système linéaire à l’aide de la
ficatifs. Estimer l’erreur relative sur la solution x
−1
norme k k∞ , sachant que kA k∞ = 515, 6667.
~=b
283. Le système linéaire Ax ~ suivant:
1 1 1 25
   
1 2 3

4 x1 12
    
    
 1 1 1 1
  77

 x 
 2 
  
 2 3 4 5   60 



 =



 1 1 1 
 1   x3 
  57 
 3 4 5 6    60

    
   



1 1 1 1 x4 319
4 5 6 7 420
possède la solution exacte x ~ = (1 1 1 1)T . En utilisant l’arithmétique flottante à 3

chiffres, on a résolu le système pour obtenir l’approximation x~∗ = (1, 11 0, 228 1, 95 0, 797)T .
Sachant que
 
16 −120 240 −140
 −120 1200 −2700 1680 
A−1 = 
 
240 −2700 6480 −4200

 
−140 1680 −4200 2800
Calculer l’erreur relative en utilisant la norme k k∞ et expliquer pourquoi les résultats

sont si mauvais.
284. On a effectué la décomposition LU d’une matrice A donnée à l’aide de Matlab et on a

obtenu les matrices
1 0 0 0
     
1 2 0 0 1 0 0 0
 0 1 0 0   0 1 2 3   0 0 1 0 
L=  U =  P = ,
     
 1 0 1 0   0 0 3 0   0 1 0 0 
0 0 13 1 0 0 0 2 0 0 0 1
où P est la matrice de permutation.

(a) Calculer la troisième colonne de A−1 en indiquant tous les détails de calcul.
(b) En connaissant les 3 autres colonnnes de A−1
2 1
 
3 3 ? 3
 
 
 1
− 16 3 


 6 ? −2 
−1
A =
 

 1 1 
 −
 3 3 ? 0 

 
 
1
6 − 16 ? 1
2
calculer le conditionnement de la matrice A en utilisant la norme k k1 .

~ où A
~ = b,
285. Une factorisation matricielle est utilisée pour résoudre un système linéaire Ax
est de dimensions 2 × 2, sur un ordinateur pour lequel la précision machine est de l’ordre
de 10−16 . Sachant que kAk∞ ' 104 , kA−1 k∞ ' 106 et que
!
1, 234 567 890 123 456
x~∗ = ,
0, 000 012 345 678 901
combien de chiffres significatifs pouvons-nous nous attendre à obtenir pour chaque com-
posante de cette approximation?
286. Soit la matrice inversible 2 × 2,

" #
100 −1
A= .
0, 1 0, 001
(a) Calculer le conditionnement de la matrice A en norme k.k∞ .

(b) Soit B la matrice obtenue à la suite de la mise à l’échelle (suivant les lignes) de la
matrice A. Trouver B et calculer son conditionnement en norme k.k∞ .
(c) On désire résoudre numériquement le système linéaire Ax ~ = b.~ Proposer une dé-
marche de résolution qui soit numériquement stable.
Méthodes itératives
287. Soit le système linéaire suivant:




 −x1 + 5x2 − x3 = 3;




9x1 − 2x2 + x3 = 8;





 x − 2x + 9x = 9,

1 2 3
~0 = (0 0 0)T .
(a) Faire 2 itérations de la méthode de Jacobi en partant du point x
~0 = (0 0 0)T .
(b) Faire 1 itération de la méthode de Gauss-Seidel en partant du point x
(c) Réordonner les équations de façon à assurer la convergence des deux métho–des.
~ suivant:
~=b
(d) Soit le système linéiare Ax
    
3 1 x1 4
= .
    
 
2 5 x2 7
Écrire la matrice d’itérations TJ de la méthode de Jacobi et en déduire son rayon

spectral. Est-ce que la méthode Jacobi converge pour ce système linéaire?
288. Soit le système d’équations algébriques suivant:

    
1 2 x1 3
= .
    
 
2 1 x2 3
~ = (x1 x2 )T du système linéaire.

(a) Calculer la solution exacte x
(b) Faire quelques itérations de la méthode de Gauss-Seidel en partant de l’approximation
~ 0 = (0 0)T pour vérifier que l’algorithme diverge.
initiale x
(c) Proposer une simple modification du système qui conduise à la convergence de la
~ 0 = (0 0)T . Verifier
méthode de Gauss-Seidel en partant de l’approximation initiale x
k
~ − xk
en itérant jusqu’à ce que kx −1
~ ∞ < 10 .
(d) Montrer en utilisant deux résultats différents du cours que la méthode de Jacobi
converge aussi pour le système modifié obtenu en (c). (Ne pas faire d’itérations de
la méthode de Jacobi).

    
1 a 0 x1 1
 a 1 a   x2  =  1  ,
    
0 a 1 x3 1
1
où a est un paramètre réel tel que a 6= ± √2 .
1
(a) Pour a = − 2 , faire une itération de la méthode de Gauss-Seidel en partant de l’approxi-
mation initiale x~ 0 = (0 0 0)T .
(b) Pourqu’elles valeurs de a, la convergence de la méthode de Gauss-Seidel est-elle assu-
rée?
1
(c) Pour a = − 2 , donner la matrice d’itérations TJ de la méthode de Jacobi. Sachant que
la matrice TJ possède les valeurs propres λ1 = 0, λ2 = − √12 et λ3 = √1 ,
2
est-ce que la
méthode Gauss-Seidel converge pour ce système linéaire?
~ = (1
290. Soit x 1)T la solution du système linéaire d’équations algébriques suivant:
    
1 10 x1 11
=
    
  
10 2 x2 12
~ 0 = (0 0)T , on a obtenu successivement avec la

En partant de l’approximation initiale x
méthode de Jacobi
! ! ! !
1 11 2 −49 3 501 4 −2499
x~ = ~ =
,x ,x~ = et x~ = .
6 −49 251 −2499
Expliquer pourquoi la méthode de Jacobi semble diverger.

291. Soit A une matrice triangulaire inférieure de dimensions 2 × 2, dont les coefficients de
la diagonale sont non nuls (Aii ≠ 0). Montrer que la méthode de Gauss-Seidel appliquée
au système linéaire Ax ~ converge en une itération quelle que soit l’approximation
~ = b,
0
~ utilisée. Qu’en est-il d’une matrice de dimensions n × n?
initiale x




 3x2 − x3 + 8x4 = −11;

2x1 − x2 + 10x3 = −11;




 10x1 − x2 + 2x3 = 6;


−x + 11x − x + 3x = 25.
1 2 3 4
(a) Pourquoi ne peut-on pas utiliser directement les méthodes de Jacobi et de Gauss-
Seidel avec ce système linéaire?
(b) Réordonner les équations de telle sorte que la matrice associée soit à diagonale
strictement dominante.
(c) Calculer une itération des méthodes de Jacobi et de Gauss-Seidel, en partant du point
~ 0 = (0 0 0 0)T .
x

    
0 −1 −1 4 x1 2
    
    
  x2
 −1 0 4 −1    2 
    

   
  = 
    
  x3
 −1 4 0 −1     2 
   
    
    
4 −1 −1 0 x4 2
(a) Pourquoi ne peut-on pas utiliser directement les méthodes de Jacobi et de Gauss-
Seidel avec ce système linéaire?
(b) Réordonner les équations de façon à assurer la convergence des méthodes de Jacobi
et Gauss-seidel.
~ 0 = (0 0 0 0)T .
(c) Faire 1 itération de la méthode de Jacobi en partant du point x
~ 0 = (0 0 0 0)T .
(d) Faire 1 itération de la méthode de Gauss-Siedel en partant du point x
~
294. Soit la matrice A et le membre de droite b
   
9 −3 3 3
A = −3

10 −4 
 ~=
b  −4  .

3 −4 18 18
(a) Calculer la factorisation LU la plus adéquate de A Justifier votre choix ;

(b) Utiliser votre factorisation pour calculer la solution du système Ax ~=b ~;
(c) La méthode de Gauss-Seidel appliquée au système Ax ~=b ~ sera-t-elle convergente si
le point de départ x 0
~ est bien choisi ?
~ 0 = (1
(d) Effectuer deux itérations de la méthode de Gauss-Seidel à partir de x 1 0)T .
Systèmes d’équations algébriques non linéaires et méthode de Newton
295. On désire utiliser la méthode de Newton pour résoudre le système non linéaire suivant :

x 2 + x 2 = 2;
1 2
x1 x2 = 2.
Dire si l’estimé initial (x10 , x20 ) = (1, 1) est un bon choix et justifier votre réponse.
296. Soit le système d’équations non-linéaires:
4x 2 + y 2 = 4;
x − y 2 = −1.
(a) Déterminer graphiquement le nombre de solutions de ce système.

(b) Écrire le système linéaire à résoudre pour trouver une approximation de (x, y) de
façon itérative. Ne pas résoudre le système.
(c) Expliquer pourquoi il serait contre-indiqué d’utiliser le point (−1, 0) comme approx-
imation initiale.
(d) Est-ce qu’on pourrait contourner le problème en démarrant avec l’approximation ini-
tiale (−1 + ε, 0 + ε), où ε est la précision machine? Pour vous aider à répondre à cette
ek∞
k~
question, trouver une borne supérieure de l’erreur relative kxk~ ∞.
297. On considère le système non linéaire suivant :
2 2 2

 x +y +z = +1;


y 2 − z2 = +1;

y − z2

= −1.

(a) Écrire le système linéaire à résoudre à chaque itération lorsqu’on utilise la méthode
de Newton.
(b) i. Montrer que ce système d’équations algébriques a x ~ = (0 − 1 0)T comme
solution. Donner une interprétation géométrique à cette solution.
ii. Nous avons utilisé la fonction sysnl de la bibliothèque numérique du cours pour
résoudre ce sytème d’équations, en prenant comme approximation initale x ~(0) =
(1 1 1)T . Nous observons les résultats numériques suivants :
Arguments initiaux :
------------------
Nombre maximal d’iterations : nmax = 15
Critere d’arret : epsilon = 1.000000E-06
Differences finies : h = 1.000000E-03
Iter. x_i ||R(x_i)||
0 1.000000E+00 1.000000E+00 1.000000E+00 2.4495E+00

1 -3.500000E+00 3.000000E+00 2.500000E+00 2.6653E+01
2 -8.357143E-01 2.200000E+00 1.890000E+00 8.1235E+00
3 3.185964E+00 2.011765E+00 1.741763E+00 1.6231E+01
4 6.513373E-01 2.000046E+00 1.732091E+00 6.4246E+00
5 -4.280240E+00 2.000000E+00 1.732051E+00 2.4320E+01
6 -1.439225E+00 2.000000E+00 1.732051E+00 8.0714E+00
7 1.364843E+00 2.000000E+00 1.732051E+00 7.8628E+00
8 -1.515633E+00 2.000000E+00 1.732051E+00 8.2971E+00
9 1.221555E+00 2.000000E+00 1.732051E+00 7.4922E+00
10 -1.845108E+00 2.000000E+00 1.732051E+00 9.4044E+00
11 7.033674E-01 2.000000E+00 1.732051E+00 6.4947E+00
12 -3.913513E+00 2.000000E+00 1.732051E+00 2.1316E+01
13 -1.190181E+00 2.000000E+00 1.732051E+00 7.4165E+00
14 1.925533E+00 2.000000E+00 1.732051E+00 9.7077E+00
15 -5.952434E-01 2.000000E+00 1.732051E+00 6.3543E+00
Il n’y a pas de convergence apres 15 iterations.
Expliquer pourquoi on observe ce comportement. Est-ce qu’on pourrait obtenir

la convergence de l’algorithme en changeant de condition initiale? Pourquoi?
iii. Est-ce qu’on pourrait améliorer la performance de la méthode de Newton en util-
isant plutôt h = 1.000000E-12? Pourquoi?
(c) Un programmeur/numéricien inexpérimenté a programmé son implémentation de
la méthode de Newton en utilisant l’évaluation numérique des composantes de la
matrice Jacobienne. Voici une partie de son programme Matlab :
for i =1: nbeq
acc = zeros(nbeq,1);
acc(i) = h;
jac(:,i) = (feval(f,x0 + acc) - feval(f,x0))./h;
end
Identifier la méthode numérique utilisée et évaluer le choix qui a été fait. Proposer
une alternative qui sera « meilleure » et réécrire la commande Matlab qui doit être
modifiée.
~ 0 = (3 − 3)T faire une itération de la

298. (a) En prenant comme approximation initiale x
méthode de Newton pour trouver une nouvelle approximation x~ 1 de la solution du
système non linéaire :

 2 2
3x1 + 4x1 x2 + 2x2 − 3x1 = 0;



 2
x1 − 2x22 + 7x1 = 0.

(b) En comparant avec la solution analytique du système non linéaire, on a obtenu les
~ k k∞ :
~−x
valeurs suivantes pour l’erreur kx
k kx ~ k k∞
~−x
3 0, 666667 × 10−1
4 0, 392157 × 10−2
5 0, 152590 × 10−4
6 0, 23283 × 10−9
Quel est l’ordre de convergence de la méthode de Newton dans ce cas?

299. On désire utiliser la méthode de Newton pour résoudre le système non linéaire suivant:
4x12 + x22 = 4;

2x 2 − x = 2.
1 2
~ = (1 0)T de
Est-ce que la méthode de Newton va converger rapidement vers la racine x
ce système non linéaire? Justifier votre réponse.
300. On considère la quadrature de Gauss à 2 points

Z1
f (t) dt ' w1 f (t1 ) + w2 f (t2 ).
−1
(a) Soit le système non linéaire :




 w1 + w2 = 2;

 w1 t1 + w2 t2 = 0;


2 (10)



 w1 t12 + w2 t22 = 3;

 w t3 + w t3

= 0.
1 1 2 2
Montrer que les constantes w1 , w2 , t1 et t2 doivent satisfaire le système non linéaire

(10) pour que la quadrature de Gauss à 2 points soit exacte pour tout polynôme de
degré inférieur où égal à 3.
(b) On désire résoudre le système non linéaire (10) par la méthode de Newton. Donner
le système d’équations linéaires à résoudre à la première itération de la méthode de
Newton en partant de l’approximation initiale (w10 , w20 , t10 , t20 ) = (1, 1, −1, 1). (Ne
pas résoudre le système linéaire).
301. Soit la matrice symétrique de dimensions 3 × 3

 
1 −2 3
A =  −2 3 −4  .
 
3 −4 5
Afin de calculer les valeurs propres de la matrice A, ainsi que les vecteurs propres uni-
taires correspondants, on se propose de résoudre le système suivant:
(
Ax~ = λx,~
2
~ 2 = 1.
kxk
~ = (x1 x2 x3 )T , écrire le système non linéaire sous la forme:

(a) Pour x
f1 (x1 , x2 , x3 , λ) 0;


 =
 f (x ,

x2 , x3 , λ) = 0;
2 1


 f3 (x1, x2 , x3 , λ) = 0;
f4 (x1 , x2 , x3 , λ) = 0.

(b) Donner le système d’équations linéaires à résoudre à la première itération de la méth-

ode de Newton, pour l’approximation initiale (x10 , x20 , x30 , λ0 ) = (1, 1, 1, 1). (Ne pas
résoudre le système linéaire).
302. On considère le système non-linéaire

(
y − sin (π x) = 0
y + x2 − 1 = 0
(a) Déterminer graphiquement le nombre de solutions et leur position position approx-

imative sur l’intervalle [−1 , 1].
(b) Donner le système d’équations linéaires à résoudre à la première itération de la méth-
ode de Newton, pour l’approximation initiale (x0 , y0 ) = (1/2, 1) (ne pas résoudre le
système linéaire).
(c) Est-ce que la méthode de Newton va converger rapidement vers la racine (1, 0) de ce
système d’équations non linéaires? Justifier votre réponse.
(d) Déterminer et identifier graphiquement le lieu des approximations initiales (x 0 , y 0 )
pour lesquelles la méthode de Newton ne fonctionne pas.
303. On considère le système non-linéaire

(
yex − 2 = 0;
y + x 2 − 4 = 0.
(a) Faire une itération de la méthode de Newton en partant de l’approximation initiale

(x 0 , y 0 ) = (0 , 1).
(b) Est-il possible de prendre l’approximation initiale (x 0 , y 0 ) = (1 , 2)?
(c) Déterminer et identifier graphiquement la position des approximations initiales (x 0 , y 0 )

pour lesquelles la méthode de Newton ne fonctionne pas.
304. Soit A une matrice inversible de dimensions n × n. Montrer que la méthode de Newton
(pour les systèmes non linéaires) appliquée au système linéaire Ax ~ converge en 2
~ = b
~ 0 utilisée.
itérations quelle que soit l’approximation initiale x
305. La matrice de Hilbert de dimension 3 est donnée par:

1 1
 
1 2 3
 
H =  12 13 14 
 
 
1 1 1
3 4 5
(a) La décomposition LU de Crout de la matrice H, obtenue sans permutation de lignes,

est partiellement donnée sous forme compacte par
1 1
 
1 2 3
 
1 1
 2 12 ?  .

 
1 1
3 12 ?
Calculer les deux éléments manquants et en déduire le déterminant de H.

(b) La matrice H possède l’inverse
9 −36 ?
 
H −1 = 
 
 −36 192 ? 
.
30 −180 ?
En utilisant la décomposition LU obtenue en (a), compléter le calcul de la matrice

H −1 et en déduire le conditionnement de la matrice H (on utilisera la norme k k∞ ).
(c) En vous servant des résultats obtenus en (a) et en (b), effectuer la première itération
de la méthode de Newton, en utilisant l’approximation initiale x~ 0 = (0 0 0)T , pour
le système non linéaire:
x2 x3

x1 + 2 + 3 + x2 x3 − 1 = 0;








x1 x2 x3 1
 2 + 3 + 4 + x1 x3 − 2 = 0;





 x1 + x2 + x3 + x x − 1 = 0.


3 4 5 1 2 3

Recueil d’exercices I–1
Indices
1. Définitions de l’erreur absolue, des chiffres significatifs et de l’erreur relative.

[Question] [Solution] [TdM ]
2. Définition des chiffres significatifs.

3. Calculer le ratio des erreurs absolues.




7. Utiliser un développement de Taylor approprié de sin x.

8. Définition du développement de Taylor Pn (t)

9. Donner un contre-exemple.
10. Utiliser un développement de Taylor approprié.

11. Utiliser un développement de Taylor approprié des fonctions sin x et cos x.

12. Définition du développement de Taylor de la forme Pn (x)

13. Définitions de l’erreur de troncature, du développement de Taylor et des chiffres signifi-

catifs.
14. Définitions de l’erreur de troncature, du développement de Taylor et des chiffres signifi-

catifs.
15. (a) Utiliser un développement de Taylor approprié de ex .

(b) Définitions de l’erreur absolue, des chiffres significatifs et de l’erreur relative.
(c) Concept d’ordre de précision.

16. (a) Définitions du développement de Taylor et des chiffres significatifs.

(b) Concept d’ordre de précision.
(c) Le développement de Taylor est une série à signes alternés. La valeur absolue du
prochain terme de la série est une borne supérieure de l’erreur.

1+x
(d) ln 1−x = ln(1 + x) − ln(1 − x).
(e) Obtenir le développement de Taylor de la fonction à partir des développements de
Taylor des fonctions ln (x + 1) et ex .
17. Simplement suivre les indications.


19. (a) Définition du développement de Taylor.

(b) Définition de l’erreur de troncature, du développement de Taylor.
(c) Chiffres significatifs.
(d) Concept d’ordre de précision.
(e) Concept d’ordre de précision.
(f) Effectuer un changement de variable et une integration.
20. (a) Définition du concept d’ordre de précision.

(b) Définition du développement de Taylor.
(c) Définitions de l’erreur de troncature, du développement de Taylor et des chiffres
significatifs.
21. Concept d’ordre de précision du développement de Taylor.

22. Questions (a) et (b) : simplement suivre les indications.

Question (c) : concept d’ordre de précision du développement de Taylor.

24. Questions (a), (b) et (c) : simplement suivre les indications.

Question (d) : concept d’ordre de précision du développement de Taylor.
25. Questions (a), (b), (c) et (d) : simplement suivre les indications.
Question (e) : définition de l’erreur de troncature du développement de Taylor.
26. (a) Le développement de Taylor est une série à signes alternés. La valeur absolue du
prochain terme de la série est une borne supérieure de l’erreur.
(b) Définition du développement de Taylor.
(c) Définition de l’erreur de troncature du développement de Taylor et des chiffres sig-
nificatifs.
1
27. (a) Obtenir le développement de Taylor de 1+x 2
à partir d’un développement de Taylor
1
aproprié de 1+x et suivre les indications.
(b) Définition des chiffres significatifs.
(c) Concept d’ordre de précision.
(d) Concept d’ordre de précision du développement de Taylor.
28. Obtenir le développement de Taylor de f (x) à partir d’un développement de Taylor ap-
proprié de sin t et suivre les indications.
29. (a) Obtenir le développement de Taylor de f (x) à partir d’un développement de Taylor
approprié de sin t.
(b) Suivre la même démarche qu’en (a) pour obtenir une borne supérieure de l’erreur.
Le développement de Taylor est une série à signes alternés. Le prochain terme de la
série est une borne supérieure de l’erreur.
(c) La borne supérieure de l’erreur ne dépend que de n.
30. Obtenir le développement de Taylor de (1 − x 2 )−3/2 à partir d’un développement de

Taylor approprié de (1 − x)−3/2 et en déduire le développement de Taylor des fonctions
h(x) et g(x).
31. Opérations risquées.




35. Définition de la précision machine en double précision IEEE − 754.

36. Concepts des erreurs d’arrondi et de troncature.

37. Arithmétique flottante.




41. Erreur de représentation ou d’arrondi.

42. (a) Arithmétique flottante et opérations risquées.

(b) Opérations risquées.


45. Concept de propagation des erreurs et définition des chiffres significatifs.







52. L’algorithme de Horner.

53. Opérations risquées et développement de Taylor.


55. (a) Définition du développement de Taylor.

(b) Notion d’approximation.
(c) Notation flottante.
(d) Opérations risquées.
56. (a) Définitions du développement de Taylor et de l’erreur de troncature.

(b) Définition du développement de Taylor et concept d’ordre de précision.
(c) Obtenir le développement de Taylor de g(x) à partir du développement de Taylor
approprié des fonctions ex et ln (1 + x).
(d) Opérations risquées.
Interpolation
57. Déterminer le polynôme de degré minimal qui vérifie les 3 conditions.

58. Déterminer le polynôme de degré 2 qui vérifie les 3 conditions.

59. (a) Interpolation de Lagrange ou de Newton.

(b) Définition du polynôme de Taylor.
(c) Déterminer le polynôme de degré 2 qui vérifie les 3 conditions.
(d) Concept de précision du polynôme de Taylor et de l’interpolation polynomiale.
60. Définitions des polynômes de Lagrange de degré 1.

61. Interpolation de Lagrange ou de Newton.


(b) Concepts de l’interpolation et de l’extrapolation.
63. (a) Méthode de la matrice de Vandermonde.

(b) Interpolation de Lagrange ou de Newton.
(c) Interpolation de Lagrange ou de Newton.
(d) Concept de précision de l’interpolation polynomiale.
(e) Définition du polynôme d’interpolation.

(b) Concept d’interpolation inverse.
65. (a) Interpolation de Lagrange.

(c) Définition de la borne supérieure de l’erreur d’interpolation.

(c) La méthode de la matrice de Vandermonde.
67. Borne supérieure de l’erreur d’interpolation.


(c) Borne supérieure de l’erreur d’interpolation.
(d) Concept d’interpolation polynomiale par morceaux et borne supérieure de l’erreur
d’interpolation.
69. (a) Interpolation de Newton.

(b) Approximation de l’erreur d’interpolation à l’aide de l’interpolation de Newton.
(c) Déterminer le polynôme de degré minimal qui vérifie les 4 conditions.

70. (a) Définition des différences divisées.

(b) Interpolation de Newton.
(c) Approximation de l’erreur d’interpolation à l’aide de la méthode de Newton.
(d) Définition du polynôme d’interpolation.
71. (a) Estimation de l’erreur d’interpolation à l’aide de l’interpolation de Newton.

(b) Définition de l’erreur d’interpolation.

(c) Estimation de l’erreur d’interpolation à l’aide de la méthode de Newton.
73. (a) Concept d’interpolation d’inverse.

(c) Estimation de l’erreur d’interpolation à l’aide de la méthode de Newton.
74. Estimation de l’erreur d’interpolation à l’aide de l’interpolation de Newton.

75. (a) Concept d’interpolation d’inverse.

(b) Estimation de l’erreur d’interpolation à l’aide de l’interpolation de Newton.

(b) Approximation de l’erreur d’interpolation à l’aide de l’interpolation de Newton.
(c) La fonction f (x) passe par les 4 points.
Splines cubiques
77. Définition de la spline cubique naturelle.

78. Poser p10 (x0 ) = f00 et pn

0 (x ) = f 0 .
n n
79. Définition de la spline cubique naturelle.

80. (a) Définition de la spline cubique naturelle.

(b) Définition de la spline cubique.
(c) Définition de la spline cubique.
81. (a) Définition de la spline cubique naturelle.

(c) Évaluer la dérivée seconde du polynôme de degré 3 aux extrémités de l’intervalle.
82. (a) Définition de la spline cubique.

(b) Poser p10 (0,0) = 1 et p30 (3,0) = 5.
83. Définition de la spline cubique.

84. Définition de la spline cubique.

85. (a) Définition de la spline cubique.

(b) Question iii) : Poser p10 (0,004) = a et p30 (0,020) = b.
86. (a) Évaluer f 00 (x) en x = 0 et x = 1.

(b) Définition de la spline cubique.
87. (a) Poser pi (x) = ai + bi x + ci x 2 pour i = 1, 2, . . . , n.

(b) Utiliser la formule du polynôme de Lagrange de degré 1.
(c) Suivre les indications.
(d) Suivre les indications.
88. (a) Poser γi (t) = ai + bi t + ci t 2 pour i = 1, 2 et vérifier les hypothèses.

(b) Déterminer les fonctions γ1 (t) et γ2 (t).
(c) Poser γi (t) = ai + bi t + ci t 2 pour i = 1, 2, 3 et vérifier les hypothèses.

(b) Estimation de l’erreur d’interpolation à l’aide de l’interpolation de Newton.
(c) Poser p10 (0) = 1.
90. (a) Définition des différences divisées.

(b) Interpolation de Newton.

(c) Estimation de l’erreur d’interpolation à l’aide de l’interpolation de Newton.
(d) Poser p10 (0) = 0.

(b) Estimation de l’erreur d’interpolation à l’aide de l’interpolation de Newton et défini-
tion des chiffres significatifs.
(c) Définition du polynôme d’interpolation de Lagrange de degré 3.
(d) Définition de la spline cubique naturelle.
92. (a) i. Définition des formules de différences divisées.

ii. Interpolation de Newton et estimation de l’erreur d’interpolation à l’aide de l’interpolation
de Newton.
(b) Définition de la spline cubique naturelle.
(c) Définitions des splines cubique et quadratique.
f 0 (x+h)−f 0 (x−h)
93. f 00 (x) ' 2h .
94. Conserver les termes jusqu’au degré 5 dans vos développements de Taylor.
96. Utiliser deux formules aux différences d’ordre 2 appropriées.

97. (a) Conserver les termes jusqu’au degré 4 dans vos développements de Taylor.
(b) Définition de l’ordre de précision.
98. (a) |a − b| ≤ |a| + |b|.

(b) Concept de précision des formules de différentiation numérique.
(c) Résoudre g 0 (h) = 0 et appliquer la définition des chiffres significatifs.
99. (a) Calculer le ratio des erreurs absolues.

(b) Conserver les termes jusqu’au degré 5 dans vos développements de Taylor.
100. (a) Calculer le ratio des erreurs absolues.

(b) Conserver les termes jusqu’au degré 5 dans vos développements de Taylor.
(c) Concept de précision des formules de différentiation numérique.
R√ √
103. x dx = 23 x x + c.
R
104. sec x dx = ln sec x + tan x + c.
105. Le ratio des erreurs absolues.

106. Déterminer une borne supérieure du terme de l’erreur de la formule des trapèzes com-
posée et appliquer la définition des chiffres significatifs.
107. (a) Donner un contre-exemple.

(b) tan(0) = 0.
108. Déterminer une borne supérieure du terme de l’erreur de la formule de Simpson 31 .

3
109. Utiliser le terme de l’erreur de la formule de Simpson 8 composée.
1
110. Appliquer la formule de la quadrature de Simpson 3 simple et utiliser des formules aux
différences d’ordre 2 appropriées.
111. Utiliser une combinaison de formules de quadrature de Newton-Cotes.

112. Utiliser une formule ou une combinaison de formules de quadrature de Newton-Cotes.

113. Calculer le rapport de la différence entre les solutions.

114. Suivre les indications.

115. ln x n’est pas defini en x = 0.

116. Définition du degré de précision d’une quadrature de Gauss-Legendre à n points.

117. Définition du degré de précision d’une formule de quadrature.



120. Faire un changement de variable et appliquer la formule de Gauss à 2 points.

121. (a) Appliquer la formule avec h = 0,5.

(b) Trouver une borne supérieure du terme d’erreur associé à la méthode du trapèze
2
composée avec f (x) = ex .
(c) Appliquer la formule donnée.
(d) Concept d’ordre de précision et de degré de précision d’une quadrature.
1
122. La fonction f (u) = √
8 sin u−u
n’est pas définie en u = 0.
123. (a) Définition du degré de précision d’une formule de quadrature.

(b) Appliquer la formule.
124. Poser respectivement x = − √13 et x = √1

3
puis approcher l’intégrale avec une quadrature
de Gauss à 2 points.

1
(b) Appliquer la formule pour f (x) = 1+x .
1
(c) Appliquer la formule de Simpson 3 simple.
R 1
(d) Définition des chiffres significatifs et 1+x dx = ln(1 + x) + c.
126. (a) Définition du degré de précision d’une quadrature.

(b) Définition du degré de précision d’une quadrature.
127. (a) Apppliquer la formule.

(b) Apppliquer la formule.
(c) Utiliser le terme d’erreur de la formule du trapèze simple et la définition des chiffres
significatifs.
128. Effectuer un changement de variable et appliquer la formule de Gauss à 2 points.


130. Concepts d’ordre de précision et de degré de précision d’une quadrature.


(b) Appliquer la formule.
(c) Faire un changement de variables.
132. (a) Définir le pas h et appliquer la quadrature du trapèze composée.

(b) Utiliser le terme de l’erreur de la quadrature du trapèze composée.
(c) Concepts d’ordre de précision et de degré de précision d’une quadrature.
133. (a) Définition du degré de précision.

(b) Utiliser une méthode directe.
(c) Définition du degré de précision.
(d) Appliquer la formule de quadrature.
134. Définition du degré de précision.

135. Définition du degré de précision de la quadrature de Gauss-Legendre à 5 points.

136. Définition du degré de précision de la quadrature de Gauss-Legendre à 10 points.



(b) Prendre g(t) = t 3 .
(c) Faire un changement de variables et appliquer la formule de quadrature développée
en (b).

(b) Utiliser une formule aux différences d’ordre 1 appropriée.
(c) Utiliser une formule aux différences d’ordre 2 appropriée.
140. (a) Conserver les termes jusqu’au degré 7 dans les développements de Taylor de façon
à en déduire les 2 premiers termes de l’erreur.
(b) Appliquer deux fois la formule aux différences avec h = 0,2 et 0,1.
(c) Utiliser l’extrapolation de Richardson.

142. (a) Utiliser une formule aux différences d’ordre 2 appropriée puis appliquer l’extrapolation
de Richardson.
(b) Utiliser une formule aux différences d’ordre 2 appropriée.
143. Utiliser une formule aux différences d’ordre 2 appropriée puis appliquer l’extrapolation
de Richardson.
144. (a) Suivre les indications.

(b) Calculer le ratio des erreurs absolues.
145. (a) Conserver les termes jusqu’au degré 3 dans les développements de Taylor.
(b) Appliquer la formule avec h = 0,4.
146. (a) Conserver les termes jusqu’au degré 3 dans les développements de Taylor.
(b) Appliquer la formule avec h = 0,2.
(c) Appliquer la formule avec h = 0,1.
(d) Appliquer l’extrapolation de Richardson sur les résultats obtenus en (b) et (c).
147. (a) Appliquer le principe de l’extrapolation de Richardson.

(b) Appliquer l’extrapolation de Richardson à 3 reprises.
148. On peut démontrer que le terme d’erreur de la méthode des trapèzes composée s’écrit :
(b − a) 00
− f (η) h2 = c2 h2 + c4 h4 + c6 h6 + · · ·
12
149. (a) Utiliser l’extrapolation de Richardson.

(b) Utiliser une combinaison de formules de quadrature de Newton-Cotes.
i. Utiliser une combinaison appropriée de formules de quadrature d’ordre 2.
ii. Utiliser une combinaison de formules de quadrature de Newton-Cotes.
150. (a) a(t) = v 0 (t).

(b) Sachant que a(t) = v 0 (t), appliquer l’extrapolation de Richardson.
R 10
(c) d(t) = 0 v(t) dt et appliquer une quadrature de Newton-Cotes d’ordre 2.
(d) Utiliser une combinaison appropriée de formules de quadrature de Newton-Cotes.
151. y(tn+1 ) = y(tn + h).

Rt Rt
152. tnn+1 y 0 (t)dt = tnn+1 f (t, y(t)) dt.
153. Calculer le rapport des erreurs.

154. (a) Appliquer l’extrapolation de Richardson.

(b) Calculer le rapport des erreurs.
155. (a) Appliquer l’algorithme de la méthode d’Euler modifiée.

156. (a) Utiliser l’équation y 0 (t) = y(t) + e2t .

(b) Algorithme de la méthode d’Euler explicite et définition des chiffres significatifs.
(c) Notion d’erreur associée à la méthode d’Euler explicite.
157. (a) y 00 (t) = f 0 (t, y(t)) et appliquer la règle de dérivation des fonctions composées.
(b) Définition de l’erreur de troncature locale.
(d) Appliquer l’algorithme de la méthode du point milieu.
(e) Appliquer l’extrapolation de Richardson.
158. Écrire le système sous forme vectorielle et appliquer l’algorithme de la méthode de Runge-
Kutta d’ordre 4.
159. Faire un changement de variables.




163. (a) Faire un changement de variables.

(b) Écrire le système sous forme vectorielle et faire une itération de la méthode du point
milieu.
164. (a) Utiliser le changement de variables.

(b) Écrire le système sous forme vectorielle et faire une itération de la méthode d’Euler
modifiée.
165. Transformer le système en un système d’ordre 1 équivalent.


explicite.

modifiée. Définition des chiffres significatifs.
(c) Interpolation de Lagrange ou de Newton.
(d) Utiliser une formule aux différences appropriée et l’extrapolation de Richardson.

d2 θ(t) g
modifiée. Utiliser la rélation dt 2
+ R (µ sin (θ(t)) − cos (θ(t))) = 0.

modifiée.
(c) Calculer le rapport des erreurs.

modifiée.

milieu.
172. Appliquer l’algorithme de la méthode de Crank-Nicolson.

173. Appliquer l’algorithme de la méthode d’Euler implicite.

174. (a) Appliquer l’algorithme d’Euler explicite.

(b) Appliquer l’algorithme d’Euler implicite.
175. Appliquer l’algorithme de la méthode d’Euler implicite.

176. (a) Suivres les indications.

(b) Définition de l’erreur de troncature locale.
(c) Déterminer une approximation de la racine de l’équation non linéaire obtenue.
177. (a) Faire une itération de la méthode de Runge-Kutta d’ordre 4.

(b) Utiliser une formule aux différences appropriée.
(c) Utiliser une formule aux différences appropriée et l’extrapolation de Richardson.
(d) Utiliser une combinaison de formules de quadrature au moins d’ordre 4.
178. (a) On a une E.D.O à variables séparables.

(b) Appliquer l’algorithme de la méthode d’Euler explicite.
(d) Il faut montrer que limn→inf ty |yn | → 0.
(e) Il faut montrer que yn > 0 et yn+1 < yn .
179. (a) Déterminer la méthode la plus précise et estimer numériquement son ordre de pré-
cision.
(b) Appliquer l’algorithme de la θ-méthode.
(c) |x| < a ⇒ −a < x < a.
(d) Déterminer le signe de (2θ − 1).
180. (a) Appliquer l’algorithme de la méthode d’Euler explicite.

(b) Il faut montrer que yn+1 < yn .
(c) Exprimer le pas de temps en fonction de tn .
181. Appliquer l’algorithme de la méthode d’Euler modifiée.

182. (a) Utiliser une formule aux différences appropriée et l’extrapolation de Richardson.
milieu.
183. Algorithme de la méthode de la bissection.

184. Principe de la méthode de la bissection.

185. Algorithme de la fausse position.

186. Principe et algorithme de la méthode de la bissection.

187. (a) Principe de la méthode de la bissection.

(b) Algorithme de la méthode de la bissection.
L
(c) Après n itérations de la méthode de la bissection, la longueur de l’intervalle est 2n ,
où L est la longueur de l’intervalle de départ.
L
188. Après n itérations de la méthode de la bissection, la longueur de l’intervalle est 2n , où L
est la longueur de l’intervalle de départ.
189. Trouver une fonction qui possède un changement de signe autour des racines.
L
191. Principe et algorithme de la méthode de la bissection.

L
193. (a) Notion de convergence de la méthode des points fixes.

(b) Notion d’ordre de convergence de la méthode des points fixes.
(c) Principe de la méthode de la bissection.
194. Notion d’ordre de convergence de la méthode des points fixes.

195. (a) Notion de converge de la méthode des points fixes.

(b) Notion du taux de convergence.
(c) Notion d’ordre de convergence.
196. (a) Définition du point fixe.

(b) Notion d’ordre de convergence.
(c) Notion d’ordre de convergence de la méthode des points fixes.


(b) Notion de convergence de la méthode des points fixes.


(b) Estimer numériquement le taux de convergence.
(c) Utiliser l’approximation en+1 ' g 0 (r )en .
(d) Notion d’ordre de convergence de la méthode des points fixes.
201. (a) Poser f (x) = x 2 − 2.

(c) Appliquer l’algorithme de la méthode des points fixes.

203. (a) d0 (p) = 0.

(b) Transformer l’équation d0 (p) = 0 en un problème équivalent de la forme g(p) = p.
(c) Définition de la nature d’un point fixe.
(d) Notion d’ordre de convergence et définition du taux de convergence.

(c) Appliquer l’algorithme de la méthode des points fixes et la définition des chiffres
significatifs.
205. (a) Définition de la nature des points fixes.

(b) Définition du taux de convergence.
(c) Interprétation géométrique de la méthode de Newton.
(d) Évaluer le nombre d’opérations de chaque algorithme.
(e) Définitions d’un point fixe et de l’ordre de convergence de la méthode des points
fixes.
(f) Appliquer l’algorithme de la méthode des points fixes et la définition des chiffres
significatifs.
206. (a) Montrer que la méthode des points fixes associée à la fonction G(x) = g(x) −
ρ
1−ρ (g(x) − x) converge à l’ordre 2.
(b) Pour g 0 (r ) < 1, on a (g 0 (r ))2 1.

207. (a) Appliquer la notion de changement de signe.

(b) Soit r ∈]a , b[ si f 0 (x) est croissante ou décroissante on a selon le cas f 0 (r ) ∈
]f 0 (a) , f 0 (b)[ ou f 0 (r ) ∈]f 0 (b) , f 0 (a)[.
(c) Définition de l’ordre de convergence de la méthode des points fixes.
208. Définition du point fixe et notion d’ordre de convergence de la méthode des points fixes.
209. (a) Notion de convergenence de la méthode des points fixes.

(c) Notions de taux et d’ordre de converge de la méthode des points fixes.
(d) Notion d’ordre de converge de la méthode des points fixes. Calculer analytiquement
gi0 (r ) ou estimer numériquement gi0 (r ).
(e) Utiliser l’approximation en+1 ' g 0 (r )en .
g 00 (r ) 2
(f) Utiliser l’approximation en+1 ' 2 en .
210. (a) Poser g(x) = 2x − Cx 2 et transformer le problème g(x) = x en un problème équiv-

alent de la forme f (x) = 0.
(b) Définition de l’ordre de convergence de la méthode des points fixes.
βq γq2
211. Poser g(x) = αx + x 2 + x 5 et appliquer la définition de l’ordre de convergence de la
méthode des points fixes.
ω 2ω
212. (a) Poser g(x) = (1 − 3 )x + (1 − ω)x 3 + 3x 2
+ 2(ω − 1) et appliquer la définition du
point fixe.
(b) Définition de l’ordre de convergence de la méthode des points fixes.

213. (a) Notion de convergence de la méthode des points fixes.

(b) Définition de l’ordre de convergence de la méthode des points fixes et utiliser l’approximation
g 00 (r ) 2
en+1 ' 2 en .
214. Notion de convergence de la méthode des points fixes.

215. Interprétation géométrique de la méthode des points fixes.

216. Convergence de la méthode des points fixes et utiliser (cos φ)2 < 1 et 1 + φ2 > 1.
217. (a) Transformer l’équation x = g(x) en un problème équivalent de la forme f (x) = 0.

(b) Transformer l’équation f (x) = 0 en un problème équivalent de la forme h(x) = x.
218. (a) Appliquer l’algorithme des points fixes et la définition des chiffres significatifs.
219. (a) Définition de la nature d’un point fixe.

(b) Vérifier que r est un point fixe de la fonction gα,β (x).
(c) Appliquer l’algorithme de la méthode des points fixes.
(d) Voir question (b).
220. Notion de convergence de la méthode des points fixes. Voir exercices ?? et ??.
221. (a) Notion de point fixe attractif.

(b) Définition du taux de convergence de la méthode des points fixes.
(c) Utiliser l’approximation xk+1 − x ∗ ' g 0 (r )(xn − x ∗ ).



224. (a) Transformer l’équation f (x) = 0 en un problème équivalent de la forme g(x) = x.

(b) Faire une itération de la méthode de la bissection.
Méthode de Newton
225. (a) Principe de la méthode de la bissection.

(b) Notion de multiplicité d’une racine.
(c) La fonction g 0 (x) est croissante sur l’intervalle [ 2π
3 , π ].
226. (a) Interpolation de Lagrange et algorithme de la méthode de l’interpolation inverse.

(b) Interprétation géométrique de la méthode de la sécante.
227. Notion de changement de signe.

228. (a) Définition de la multiplicité d’une racine et notion de changement de signe.

(b) Notion d’ordre de convergence de la méthode de Newton.
L
(c) Après n itérations de la méthode de la bissection, la longueur de l’intervalle est 2n ,
où L est la longueur de l’intervalle de départ. Définition des chiffres significatifs.
(d) Transformer l’équation f (φ) = 0 en un problème équivalent de la forme g(φ) = φ.
229. (a) Estimation numérique de l’ordre de convergence de la méthode de Newton.

(b) Appliquer l’algorithme de Newton.
1
230. Utiliser la relation g 0 (r ) = 1 − m.
231. f 0 (r ) = 0 car la racine est de multiplicité m ≥ 2.

232. Trouver une fonction f (x) telle que f ( a1 ) = 0 et appliquer l’algorithme de Newton.
233. r est un point critique de la fonction h(x) si h0 (r ) = 0.

234. Poser f (x) = x 2 − M.

235. (a) Notion d’ordre de convergence de la méthode des points fixes.

(b) Évaluer le nombre d’opérations de chaque méthode.
236. (a) Poser f (x) = x 2 − M.

(b) Poser f (x) = x 3 − M.
237. (a) Interprétation géométrique de la méthode de Newton.

238. (a) Notion de bassin d’attraction de la méthode de Newton.

(b) Notion de convergence de la méthode de Newton.
239. Déterminer la multiplicité de la racine de l’équation (x − 1)10 = 0.

240. (a) Définition de la multiplicité d’une racine.

(b) Utiliser l’approximation en+1 ' g 0 (r )en .
(d) Notion de changement de signe.
241. Appliquer l’algorithme de la méthode de Newton.

242. (a) Pour un x0 donné, faire deux itérations de la méthode de Newton. Voir l’interprétation
géométrique de la méthode de Newton.
(b) Algorithme et interprétation géométrique de la méthode de la secante.
243. Utiliser l’approximation en+1 ' g 0 (r )en .

244. (a) Résoudre l’équation f (x) = 0.

(b) Appliquer l’algorithme de la méthode de Newton.

245. (a) Déterminer la multiplicité de la racine.

(b) Appliquer l’algorithme de la méthode de la sécante et la définition des chiffres signi-
ficatifs.
(c) i. Utiliser l’approximation en+1 ' g 0 (r )en .
ii. Opérations risquées.
246. Appliquer l’algorithme de la méthode de la sécante.

247. Algorithme et interprétation géométrique de la méthode de la sécante.


249. Algorithme de la méthode de l’interpolation quadratique inverse.

250. Identifier un problème de racine f (t) = 0.

251. Identifier un problème de racine f (T ) = 0.

252. (a) Utiliser un développpement de Taylor approprié de la fonction et autour de t0 = 0.

(b) Identifier un problème de racine f (x) = 0.
253. Définition de la décomposition LU.

~ = P −1 x
254. Poser z ~ et faire une descente et une remontée triangulaire.
255. (a) Algorithme de Crout sans permutation de lignes.

(b) Procédure de calcul des colonnes de l’inverse d’une matrice.

(c) Faire une descente et une remontée triangulaire.
256. Faire une décomposition LU de Crout sans permuation de ligne.

257. (a) Permuter les lignes avant de calculer le coefficient L3,3 .

(b) Utiliser la décomposition LU .
(c) Appliquer la procédure de calcul des colonnes de la matrice inverse.
258. Résoudre le système linéaire approprié.

259. Permuter les lignes avant de calculer le coefficient L3,3 .

260. (a) Utiliser la décomposition LU .

(b) Définition de la norme k k∞ .
(c) Résoudre les systèmes linéaires appropriés.
(d) Définition du conditionnement d’une matrice.
(e) P A = LU .
261. (a) Appliquer l’algorithme de Crout.

1
(b) dét(A−1 ) = dét(A−1 )
.
(c) Résoudre le système linéaire approprié.
(d) P A = LU .

(b) Utiliser la décomposition LU de la matrice.
(c) Faire une descente et une remontée triangulaire.
263. Appliquer la stratégie de pivot partiel. Cette stratégie consiste à placer en position de
pivot le plus grand terme en valeur absolue de cette colonne.
264. Appliquer l’algorithme de Doolitle.

265. (a) Appliquer l’algorithme de Doolitle.

(c) Appliquer la procédure de calcul des colonnes de la matrice inverse.
(d) Suivre les indications.

(e) P A = LU .
(f) Définition du conditionnement d’une matrice.

(b) Analyser la structure de la matrice.
267. (a) Appliquer l’algorithme de Doolitle avec permutations de lignes.

268. Décomposition de Doolitle sans permutation de ligne et arithmétique flottante.

269. (a) Appliquer l’algorithme de Thomas.

(c) Utiliser la décomposition LU .
270. (a) Une matrice symétrique à diagonale strictement dominante et positive (ai,i > 0) est
définie positive.
(b) Une matrice qui possède un coefficient négatif sur la diagonale (ai,i < 0) n’est pas
définie positive.
271. (a) Utiliser la décomposition LLT .

(b) Faire une descente et une remontée triangulaire.
272. (a) Évaluer le nombre d’opérations.

(b) Appliquer l’algorithme de la décomposition de Cholesky.
273. (a) Utiliser la décomposition LDLT de la matrice.

(b) Poser U = DLT et faire une descente et une remontée triangulaire.
274. Définition du conditionnement.

275. Bornes d’erreurs et conditionnement.

276. (a) La matrice DA est inversible.

(b) Donner un exemple.
277. (a) Utiliser la décomposition LU .

(b) Résoudre le système linéaire approprié.
(c) Définition du conditionnement.
(d) Bornes d’erreurs et conditionnement.
(e) B 2 x
~ = B(B x).
~
278. (a) Appliquer le principe de la décomposition LU .

(c) [0 0 1]T = [1 1 1]T − [1 0 0]T − [0 1 0]T .
(d) Définition du conditionnement.

(b) Définition du conditionnement.
(c) Bornes d’erreurs et conditionnement.
(d) Donner un contre-exemple.


282. Bornes d’erreurs, conditionnement et chiffres significatifs.


284. (a) Résoudre le système linéaire approprié.

(b) Définition du conditionnement.
285. Bornes d’erreurs, conditionnement et chiffres significatifs.

286. (a) Définition du conditionnement d’une matrice.

(b) Définition du conditionnement d’une matrice.
(c) Bornes d’erreurs et conditionnement.
287. (a) Appliquer l’algorithme de Jacobi.

(b) Appliquer l’algorithme de Gauss-Seidel.
(c) Notion de convergence des méthodes de Jacobi et de Gauss-Seidel.
(d) Définitions de la matrice d’itération de la méthode Jacobi et du rayon spectral d’une
matrice.
288. (a) Résoudre le système linéaire.

(b) Appliquer l’algorithme de Gauss-Seidel.
(c) Notion de convergence de la méthode de Gauss-Seidel.
(d) Notion de convergence de la méthode de Jacobi.
289. (a) Appliquer l’algorithme de Gauss-Seidel.

(b) Notion de convergence de la méthode de Gauss-Seidel.
(c) La méthode de Gauss-Seidel est une variante améliorée de la méthode de Jacobi.
290. Notion de convergence de la méthode de Jacobi.

291. Calculer la matrice d’itération TGS de la méthode de Gauss-Seidel.

292. (a) Définitions des méthodes de Jacobi et de Gauss-Seidel.

(b) Définition d’une matrice à diagonale strictement dominante.
(c) Appliquer les algorithmes de Jacobi et de Gauss-Seidel.
293. (a) Définitions des méthodes de Jacobi et de Gauss-Seidel.

(b) Définition d’une matrice à diagonale strictement dominante.
(c) Appliquer l’algorithme de Jacobi.
(d) Appliquer l’algorithme de Gauss-Seidel.
294. (a) Une matrice symétrique à diagonale strictement dominante et positive (ai,i > 0) est
définie positive.
(c) Notion de convergence de la méthode de Gauss-Seidel.
(d) Appliquer l’algorithme de Gauss-Seidel.
295. Écrire le système linéaire à résoudre en partant de l’estimé initial.

296. (a) Intersection de 2 coniques.

(b) Algorithme de la méthode de Newton appliqué aux systèmes.
(c) Calculer le déterminant de la matrice jacobienne évaluée en (−1 , 0).
(d) Calculer le conditionnement de la matrice jacobienne évaluée en (−1 + , 0 + ).
297. (a) Algorithme de la méthode de Newton appliqué aux systèmes.

(b) i. Identifier les coniques.
ii. Notion de bassin d’attraction.
iii. Opérations risquées.
(c) Identifier la formule aux différences utilisée.

299. Calculer le déterminant de la matrice jacobienne évaluée en (1 , 0).

300. (a) Notion de degré de précision d’une quadrature.


302. (a) Déterminer les intersections des 2 courbes.

(c) Calculer le déterminant de la matrice jacobienne évaluée en (1 , 0).
(d) Calculer le déterminant de la matrice jacobienne évaluée en (x 0 , y 0 ).

(b) Calculer le déterminant de la matrice jacobienne évaluée en (1 , 2).
(c) Calculer le déterminant de la matrice jacobienne évaluée en (x 0 , y 0 ).
~x
304. Montrer que la matrice jacobienne associée au système linéaire R ~ = Ax ~=0
~−b ~ est la
matrice A.

(b) Résoudre le système linéaire approprié.
~ 0 est la matrice H.
(c) Montrer que la matrice jacobienne évaluée en x
Recueil d’exercices S–1
Solutions brèves
1. (a) Respectivement 5 et 6 chiffres significatifs.

e1
(b) e2 = 16 = 2n ⇒ ordre 4.
[Question] [Indice] [TdM ]
2. FAUX : ∆x ≤ 0,7 × 10−5 ≤ 0,5 × 10−4 ⇒ x ? = 0,001 2345 a 2 chiffres significatifs.

e1
3. On a e1 = |e0,2 −r (0,2)| = 0,544×10−6 et e2 = |e0,1 −r (0,1)| = 0,15×10−7 . Alors e2 = 2n
pour n ' 5,18 ⇒ une approximation d’ordre 5.
4. Ordre 7.
e2
5. e1= 588,011 ' 54 ⇒ une approximation d’ordre 4.
e(h=0,3) |f (0,3)−p(0,3)|
6. e(h=0,1) = |f (0,1)−p(0,1)| = 6375 ' 38 . Le polynôme est d’ordre 8 et au plus de degré 7.
7. Il s’agit du développement de Taylor d’ordre 3 de sin x autour de x0 = 0.

8. i(t) = 3 t 2 − t 3 + . . . = 3 t 2 + O(t 3 ) = p2 (t) + O(t 3 ). On obtient un polynôme de degré 2.

9. FAUX : Par exemple, le développement de Taylor de degré n de sin x autour de x0 = 0 est

précis à l’ordre n + 2.
10. p(x0 + h) = p2 (h) + 61 p 000 ξ(h) h3 pour ξ(h) ∈ [x0 , x0 + h]. Ici h = 0,5 et x0 = 10,

alors p(10,5) = p(10 + 0,5) ' p(10 + 0,5) ' p2 (0,5) = 101,375.
L’erreur absolue est e = | 61 p 000 ξ(h) h3 | ≤ 16 (0,03)(0,5)3 = 0,625 × 10−3 < 0,5 × 10−2 .

L’approximation p2 (0,5) = 101,37 5 possède 5 chiffres significatifs.

11. (a) Développements de Taylor autour de x0 = 0 :

sin x = x + O(x 3 ) et cos x = 1 + O(x 2 ) ⇒ f (x) = sin x + cos x = 1 + x + O(x 2 ).
(b) Ordre 2.
x3 x5
12. g(x) = x + 3! + 5! + O(x 7 ) = p3 (x) + O(x 5 ), on obtient un polynôme de degré 3.
e
13. L’erreur absolue est |Rn (x)| = |ex − pn (x)| ≤ (n+1)! pour −1 ≤ x ≤ 1. Cette valeur est
inférieure à 10 −4 dès que n ≥ 7. Pour 0 ≤ x ≤ 1, l’approximation p7 (x) possède au
moins 4 chiffres significatifs car 1 ≤ p7 (x) ≤ 2,7183.
14. (a) −6,694 329 × 10−2 ≤ x ≤ 6,694 329 × 10−2 .

(b) −1,074 570 × 10−1 ≤ x ≤ 1,074 570 × 10−1 .
x3 cosh(ξ(x))x 5
15. (a) p3 (x) = x + 3! et R3 (x) = 5! pour ξ(x) ∈ ]0 , x[.
(b) sinh(0,1) ' p3 (0,1) = 0,100 166 667. L’approximation p3 (0,1) = 0, 100 166 667
possède 6 chiffres significatifs.
(c) On divise h par 4, ce qui revient à réduire l’erreur absolue de 45 .
h2 h3 h4 h5
16. (a) i. ln(1 + h) = h − 2 + 3 − 4 + 5 ξ 5 (h)
pour ξ(h) ∈ ]1 , 1 + h[.
h5 h5 1
ii. 5 ξ 5 (h)
≤ 5 puisque ξ 5 (h)
≤ 1 sur ]1 , 1 + h[.
iii. | ln(1,1) − p4 (0,1)| ≤ 0,2 × 10−5 ≤ 0,5 × 10−5 ⇒ p4 (0,1) = 0, 953 0 83 33 × 10−1
a 4 chiffres significatifs.
(b) On divise h par 4, ce qui revient à réduire l’erreur par 45 .
1 1 1 (−1)n−1
(c) ln(2) = ln(1 + 1) ⇒ h = 1 ⇒ pn (1) = 1 − 2 + 3 − 4 + ··· + n . Nous avons une
1 6
série à signes alternés ⇒ | ln(2) − pn (1)| ≤ n+1 < 10−6 a n > 10 − 1, ce qui revient
à faire beaucoup trop de calculs.
(d) i. Dudéveloppement
de Taylor de ln(1 + h) et ln(1 − h), on a :
ln 1−x = ln(1 + x) − ln(1 − x) = 2 x + 32 x 3 + 25 x 5 + O(x 7 ).
1+x
1
ii. x = 3 .
iii. 6 termes donnent 0,693 147 074 avec |p − ln(2)| ' 0,106 × 10−6 < 0,5 × 10−6 .
On a donc 6 chiffres significatifs. Le polynôme est de degré 11 (d’ordre 13). On
a donc trouvé l’aproximation de ln(2) après l’addition/soustraction de 6 termes
plutôt que 106 − 1 (cf. (c)).
1 x 11x 2
(e) g(x) = e x ln(1+x) = e(1 − 2 + 24 + O(x 3 ).)
17. (a) f (x) = 1 + x + x 2 + x 3 + x 4 + · · ·

(b) g(t) = 1 − t 2 + t 4 − t 6 + t 8 − · · ·
t3 t5 t7
(c) arctan(t) = t − 3 + 5 − 7 − ···
x2 x3 x4
(d) ln(1 + x) = x − 2 + 3 − 4 + ···
x2 x3 x4 x5
18. (a) e−x = 1 − x + 2! − 3! + 4! − 5! + ···
2 t4 t6 t8 t 10
(b) e−t = 1 − t 2 + 2! − 3! + 4! − 5! + ···
x3 x5 x7 x9
(c) f (x) = ( √2π ) (x − 3 + 10 − 42 + 216 + ···)
(d) f (1) ' ( √2π ) (1 − 1

3 + 1
10 − 1
42 ) = 0,838 224 524.
(e) C’est une approximation d’ordre 9.
(f) 2 chiffres significatifs.
1 1
19. (a) Le développement de Taylor de degré 2 et d’ordre 3 est p2 (x) = 1 + 2 x− 8 x2.
5 5
(b) Puisque f 000 (x) = 38 (1 + x)− 2 , on en déduit que le terme d’erreur est 16
1
(1 + ξ)− 2 x 3
pour ξ ∈ ]0 , x[.
(c) | 1,1 − p2 (0,1)| ≤ 0,588 × 10−4 ≤ 0,5 × 10−3 ⇒ p2 (x) = 1,048 75 a 4 chiffres
p
significatifs. De même, | 1,025 − p2 (0,025)| ≤ 0,962 × 10−6 ≤ 0,5 × 10−5 ⇒ p2 (x) =

p
1,012 42 1 875 a 6 chiffres significatifs.

e
(d) Le rapport e21 = 61,17 ' 64 = 43 puisque l’approximation est d’ordre 3 et h a été
divisé par 4.
1 5
(e) Puisque le terme d’erreur est 16 (1 + ξ)− 2 x 3 pour ξ ∈]0 , x[, on en déduit qu’une
1 3 1
borne supérieure est e(x) = 16 x . On a alors e(0,1) = 16 (0,1)3 = 0,625 × 10−4 et
1 3
e(0,025) = 16(0,025) = 0,976 56 × 10−6 .
(f) On a :
√1 =1+ 1
y+ 3
y2 + 5
y 3 + O(y 4 );
1−y 2 8 16
√1 = 1 + 12 z2 + 38 z4 + 16
5
z6 + O(z8 );
1−z2
Rx 1 Rx 1 2 3 4 5
arcsin x = 0 √ 2
dz = 0 1+ 2z + 8z + 16 z6 + O(z8 ) dz;
1−z
1 3 3
arcsin x = x + 6x + 40 x 5 + O(x 7 ), un polynôme de degré 5 et d’ordre 7.

1
20. (a) f (2 + h) = e2 + e2 h + 2 e2 h2 + O(h3 ) = p2 (h) + O(h3 ).
(b) x ∗ = p2 (0,1) = 8,164 9113.
h3
(c) R2 (h) = eξ(h) 3! pour un certain ξ(h) dans l’intervalle [2 , 2,1].
3 3
|R2 (h)| ≤ e2,1 h3! ⇒ |R2 (0,1)| ≤ e2,1 (0,1)
6 = 0,136 × 10−2 ≤ 0,5 × 10−2 et donc
∗
l’approximation x = 8,16 4 9113 possède 3 chiffres significatifs.
1 1
21. L’évaluation de π2 nécessite l’évaluation du polynôme de Taylor aux points x = 18 , 57
1
et 239 . Ces points sont plus près de x0 = 0 que le point x = 1 utilisé pour l’évaluation
de π1 . L’approximation π2 est donc plus précise que π1 .
x2 x3 x4 x5

1+x
22. (a) ln(x + 1) = x − 2 + 3 − 4 + 5 = p4 (x) + O(x 5 ). On a ensuite f (x) = ln 1−x =
2
ln (1 + x) − ln (1 − x) = 2x + 3 x 3 + O(x 5 ). On obtient un polynôme de degré 3 et
d’ordre 5.
(b) ln 2 = ln(1 + 1) ' p4 (1) = 1 − 21 + 13 − 14 = 0,583 333;

1
1+ 3 1 2 2 1
ln 2 = ln 1 ' p3 ( 3 ) = 3 + 3 ( 3 )3 = 0,691 358.
1− 3

1+x
(c) L’approximation ln 2 obtenue avec ln 1−x est plus précise parce qu’on l’évalue avec
1
x= 3 qui est plus près de x0 = 0 que x = 1.
t3 t5
23. (a) sin t = t − 3! + 5! + O(t 7 ).
x2 x4
(b) f (x) = 1 − 18 + 600 + · · · = p2 (x) + O(x 4 ). On obtient un polynôme de degré 2.
(c) f (0,01) ' p2 (0,01) = 0,999 994 444.
1
24. (a) f (x) = esin x = 1 + x + 2 x 2 + O(x 4 ) = p2 (x) + O(x 4 ).
(b) f (1,1) = esin 1,1 ' p2 (1,1) = 2,705.
(c) ∆ = 0,266 99 ≤ 0,5. L’approximation 2 ,705 possède 1 chiffre significatif.
(d) Le point x = 1,1 est trop loin du point de référence x0 = 0.
25. (a) erf(0) = 0 ;

(b) On a immédiatement
2 t4 t6 t8 t 2n t 2n+2 ξ(t)
e−t = 1−t 2 + − + −· · ·+(−1)n +(−1)n+1 e , −t 2 ≤ ξ(t) ≤ 0.
2! 3! 4! n! (n + 1)!
Rx
(c) Puisque 0 t 2k dt = x 2k+1 /(2k + 1), on obtient
!
2 x3 1 x5 1 x7 (−1)n x 2n+1
erf(x) ≈ √ x− + − + ··· + .
π 3 2! 5 3! 7 n! 2n + 1
(d) Dans le point précédent, le reste prend la forme

Zx
2(−1)n+1
Rn (x) = √ t 2n+2 eξ(t) dt.
π (n + 1)! 0
(e) Puisque eξ(t) ≤ 1, on a, pour x ∈ [0, 1],

Zx
2 2 x 2n+3 2
|Rn (x)| ≤ √ t 2n+2 dt = √ ≤√ ,
π (n + 1)! 0 π (n + 1)! 2n + 3 π (n + 1)! (2n + 3)
et une estimation semblable pour x ∈ [−1, 0]. Cette valeur est inférieure à 10−10 dès
que n ≥ 11.
π 2 x5 π 4 x9 2n 4n+1
26. (a) C(x) = x − 22 2! 5
+ 24 4! 9
+ · · · (−1)n 22nπ(2n)!(4n+1)
x
+ · · · L’erreur absolue associée
π 2n+2 1
au polynôme de degré 4n + 1 est |R4n+1 (x)| ≤ (4n+5)26n+7 (2n+2)!
pour |x| ≤ 2 . Cette
valeur est inférieure à 10−4 dès que n ≥ 1. On a un polynôme de degré 5.
π 2 x5 9 9
(b) C(x) = x − 40 + O(x ) = p5 (x) + O(x ) polynôme de degré 5 et d’ordre 9.
(c) C( 41 ) ' p5 ( 14 ) = 0, 249 759 04 et la valeur absolue de l’erreur est telle que |R5 ( 14 )| ≤
π4
924 4!49
= 0, 1 × 10−6 < 0, 5 × 10−6 . L’approximation p5 ( 14 ) = 0, 249 759 04 possède
au moins 6 chiffres significatifs.
x3 x5 x7 x9
27. (a) tan−1 (x) = x − 3 + 5 − 7 + 9 + · · · = p7 (x) + O(x 9 ). On obtient un polynôme de
degré 7 et d’ordre 9.
(b) π = 4 tan−1 (1) ' 4p7 (1) = 2, 895 238 095 = π1 et la valeur absolue de l’erreur
est ∆π = 0, 246 ≤ 0.5 × 100 et l’ approximation 2 , 895 238 095 possède un chiffre
significatif.
(c) On divise h par 4, ce qui revient à réduire l’erreur de 49 .
(d)

1 1 1
π = 48 tan−1 18 + 32 tan−1 57 − 20 tan−1 239 ;

1 1 1
π ' 48 × p7 18 + 32 × p7 57 − 20 × p7 239 = 3, 141 592 653 662 = π2 .
1 1
L’évaluation de π2 nécessite l’évaluation du polynôme de Taylor aux points x = 18 ; 57
1
et x = 239 . Ces points sont plus proche de x0 = 0 que le point x = 1 utilisé pour
l’évaluation de π1 . L’approximation π2 est donc plus précise que π1 .
28. (a)
Zx
sin (t) x3 x5 x 2n+1
f (x) = dt = x − + + · · · + (−1)n + ···
0 t 3!3 5!5 (2n + 1)!(2n + 1)
π 2n+3 π
(b) |R2n+1 (x)| ≤ pour |x| ≤ 4.
(2n + 3)!(2n + 3)42n+3
(c) L’erreur absolue est inférieure à 10−4 dès que m ≥ 5.
29. (a) Zx
ln (1 + t) t2 t3 t4 tn
g(x) = dt = t − 2 + 2 − 2 + · · · + (−1)n−1 2 + · · ·
0 t 2 3 4 n
1 1
(b) |Rn (x)| ≤ pour |x| ≤ 2
(n + 1)2 2n+1
(c) |R14 (x)| ≤ 1, 355 × 10−7 , |R15 (x)| ≤ 0, 961 × 10−7 ⇒ n = 15.
3 15 2 105 3
30. (1 − x)−3/2 = 1 + x+ x + x + ···
2 8 48
4 6 2 5 4 35 6
f (x) = 15 + 35 x + x + x + · · · = p4 (x) + O(x 6 ). On obtient un polynôme de
42 396
degré 4 et d’ordre 6.
31. Ce résultat vient de l’addition de 2 nombres dont les ordres de grandeur sont très dif-
férents.
32. Le problème vient de l’addition de 2 nombres dont les ordres de grandeur sont très
différents:
1 1 εm 2
fl(1 + n) =1⇒ n ≤ 2 ⇒n≥ εm = 224 .
33. L’addition de 2 nombres dont les ordres de grandeurs sont très différents.
1 1
fl(1 + 10−50 ) = 1 et fl(10−50 4n + n
) = n pour n ≤ 31.
3 3
34. Une solution de rechange est

√ √
p √ x + δ + x δ
x + δ − x √ √ =√ √ .
x+δ+ x x+δ+ x
35. détA = α2 > εm = 2−52 ⇒ α > 2−26 .

36. Pour de petites valeurs de n, l’erreur est grande car la valeur limite est loin d’être atteinte
alors que lorsque n est grand, les erreurs d’arrondi dominent. Plus précisément, 1 −
1
n log(1 + 1/n) ≈ 2n , qui est l’erreur de troncature. En arithmétique flottante, fl(log(1 +
1/n)) = log(1 + 1/n)(1 + ) où || ≤ εm . L’erreur de représentation de n log(1 + 1/n)
1
est donc environ n. L’erreur totale est ainsi de la forme 2n + n, ce qui correspond au
graphe.
h h ii
37. fl fl(e) × fl fl(π ) − fl 32 = 0, 672 75 × 101 .
38. fl(1 + 105 ) = 105 .

39. fl [fl(A) × fl [fl(B) − fl(C)]] = fl(0, 087174 × 101 ) = fl(0, 87174) = 0, 872.
40. En arithmétique flottante à 5 chiffres, on a

" #" # " #
1 0 −1 −1
= .
−1 1 0 1 + −1 1 0

41. Le programme consiste à sommer 10 fois le nombre (0, 1)10 qui n’a pas de représentation
exacte en arithmétique flottante; en double précision norme IEEE − 754. Ce programme
va donner une boucle inifinie. Voici le programme modifié
x = 0.0;
while ( (x-1.0)<0.001 )
%for i =1:10
x = x + 0.1
end
42. (a) fl (f (0, 0001)) = 0, 2 × 10−1 et f (0, 0001) = 0, 1920024 × 10−1 (valeur exacte). Le
manque de précision est causé par une perte de chiffres significatifs par soustraction
des nombres voisins 0, 512 02 × 103 et 0, 512 × 103 .
(b) f (x) = x(192 + x(24 + x)) = x(64 + (8 + x)(16 + x)) et fl (f (0, 0001)) = 0, 19200 ×
10−1 .
43. La soustraction entraine une perte de chiffres significatifs. La solution est d’utiliser
l’expression suivante
p p √x + 4 + √x + 3 1
f (x) = x+4− x+3 √ √ =√ √ .
x+4+ x+3 x+4+ x+3
44. (a) Pour les valeurs de x proches de 0, les opérations suivantes entrainent la perte de
chiffres significatifs par la soustraction de nombres voisins.
√ √1+x 2 +1 1
i. 1 + x − 1 √
2 = √ ;
2
1+x +1 1 + x2 + 1
ii. ex − e−x = 2 sinh x.
1
(b) limx→0 f (x) = limx→0 √ − 2 sinh x = 12 .
1 + x2 + 1
45. ∆f = 0,3399 × 10−3 < 0, 5 × 10−3 et f (x ∗ ) = sin (x ∗ ) ' 0, 733 381 possède 3 chiffres
significatifs.
46. ∆f = 0, 82 × 10−3 < 0, 5 × 10−2 et f (x ∗ , y ∗ , z∗ ) = −0, 008 145 possède aucun chiffre
significatif.
47. ∆f = 0, 95×102 < 0, 5×103 f (x, y) = 0, 4 60 910 899 748×104 possède 1 chiffre significatif.
48.
∆V ≤ 0, 19069 × 101 ≤ 0, 5 × 101 V = 1 6, 023 693 possède 1 chiffre significatif.

49.
∆T ≤ 0, 612 × 10−2 ≤ 0, 5 × 10−1 T = 2, 0 07 089 possède 2 chiffres significatifs.
50. ∆f = 0, 339 91 × 10−3 , l’approximation 0, 733 381 possède 3 chiffres significatifs.

51. L’addition de 2 nombres dont les ordres de grandeurs sont très différents.
fl fl(104 ) + fl(10−4 ) = fl(0, 1 × 105 + 0, 0000 0000 1 × 105 ) = fl(0, 1 × 105 ) = 104 .

l’équation devient x 2 − 104 x + 1 = 0.
52. Algorithme de Horner : p = e + x(d + x(c + x(b + ax))).

53. Pour eviter la perte de chiffres significatifs par soustraction des nombres voisins,
√
(3 − 2α2 ) arcsin (α) = 0, 24463 5 et 3α 1 − α2 = 0, 24463 46.
√
Il faut remplacer arcsin (α) et 1 − α2 pour leur developpement de Taylor autour de
x0 = 0.
54. (a) Soustraction de nombres voisins pour x proche de 0.

1 1 2x
Solution: 1−x − 1+x = 1−x 2;
(b) Addition de termes dont les ordres de grandeur sont très différents.
Solution: 1 + 214 + 314 + · · · + 100 10004 = 100 10004 + · · · + 314 + 214 + 1;
(c) Soustraction de nombres
voisins pour x proche de y.
2

2 2 ex
Solution: x − y = ln y 2 .
e
(d) Soustraction de nombres
√ voisins pour x √
1. √ √
Solution: log (x − x 2 − 1) = − log (x + x 2 − 1) = log (2)−2 log ( x + 1 + x − 1).
La deuxième expression permet d’éviter le calcul de x 2 qui peut entrainer pour x 1
un débordement (overflow).
√ x x2
55. (a) On a f (x) = 1 + x ' p2 (x) = 1 + − .
2 8
(b)
p p
1, 0001 = 1 + (0, 0001) ' p2 (0, 0001) = 1, 00005.
p p
0, 9999 = 1 − (0, 0001) ' p2 (−0, 0001) = 0, 99995.
(c) q1 = 1, 00005 ⇒ fl(q1 ) = 1 et q2 = 0, 99995 ⇒ fl(q2 ) = 1.

(d) Pour eviter la perte de chiffres significatifs pour soustraction de nombres voisins, on
pose
p p 0, 2 × 10−2
1, 0001 − 0, 9999 = p p .
1, 0001 + 0, 9999
!
0, 2 × 10−2
fl p p = 0, 1 × 10−2 (valeur exacte).
1, 0001 + 0, 9999

2 3 4 5
56. (a) f (x) = ln (1 + x) = x− x2 + x3 − x4 + x5 · · · = p4 (x)+O(x 5 ). On obtient un polynôme
x5
de degré 4 avec l’erreur E4 (x) = où ξ(x) ∈ [0, x].
5(1 + ξ(x))5
(b) ln (1, 1) ' p4 (0, 1) = 0, 095 308 333 et l’erreur absolue est | ln (1, 1) − p4 (0, 1)| '
0, 185 × 10−5 . L’approximation p4 (0, 1) = 0, 95 30 8 333 × 10−1 possède 4 chiffres
significatifs.
On divise h par 4, ce qui revient à réduire l’erreur de 45 .
ln (1+x) 11x 2

x
(c) e x = e 1 − 2 + 24 + · · · .
ln (1+x) 2

limn→∞ (1 + n ) = limx→0 e x = limx→0 e 1 − x2 + 11x
1 n
24 + · · · = e.
(d) Pour de grandes valeurs de n, en arithmétique flottante le nombre 1 va absorber le
1 1 1 n
nombre . On a fl(1 + n ) = 1. On peut remplacer l’expression (1 + n ) par son
n
développement de Taylor.
Interpolation
57. (a) Polynôme de degré 2.

(b) p2 (x) = 21 (x + x 2 ).
58. p(x) = 2(α−1) 1 2 1

2α−1 x + 2α−1 x pour α 6= α0 = 2 .
π π π π
x− 16 x− 8 π x x− 8 π x
x− 16
59. (a) pL2 (x) = π π + cos ( 16 ) π π π + cos ( 8 ) π π π . Ce qui donne
16 8 16 16 − 8 8 8 − 16
π π
cos ( 32 ) ' pL2 ( 32 ) = 0, 995 104 019.
π
x2 π ( 32 )2
(b) cos (x) = 1 − 2 + O(x 4 ) ce qui donne cos ( 32 )'1− 2 = 0, 995 180 857.
π
(−1+cos 8 )
(c) p2 (x) = a0 + a1 x + a2 x 2 , où a0 = 1, a1 = 0 et a2 = π = −0, 493 607 416.
( 8 )2
π π
On a donc cos ( 32 ) ' p2 ( 32 ) = 0, 995 242 471.
π
(d) cos ( 32 ) = 0, 995 184 726 672. Le développement de Taylor de dégré 2 donne la
π
meilleure approximation. Cela s’explique par le fait que 32 soit proche de 0 et que le
polynôme de Taylor utilise les valeurs exactes de f (0), f (0) et f 00 (0).
0

(x − xi )
60. i. φi−1 (x) = , c’est la droite passant par les points de coordonnées (xi−1 , 1)
(xi−1 − xi )
et (xi , 0).
(x − xi−1 )
φi (x) = , c’est la droite passant par les points de coordonnées (xi−1 , 0)
(xi − xi−1 )
et (xi , 1).
(x − xi ) (x − xi−1 ) (x − xi ) − (x − xi−1 )
ii. φi−1 (x) + φi (x) = + = = 1.
(xi−1 − xi ) (xi − xi−1 ) (xi−1 − xi )
(x − xi ) (x − xi−1 ) xi−1 (x − xi ) − xi (x − xi−1 )
iii. xi−1 φi−1 (x)+xi φi (x) = xi−1 +xi = = x.
(xi−1 − xi ) (xi − xi−1 ) (xi−1 − xi )
61. (a) v(15) ' P2 (15) = 1,8125.

(b) v(15) ' P3 (15) = 1,815 625.
(t−30)(t−40) (t−20)(t−40) (t−20)(t−30)
62. (a) p2 (t) = 5, 11 (20−30)(20−40) +5, 06 (30−20)(30−40) +5, 0 (40−20)(40−30) , ce qui donne P2 (35) =
5, 031 25 × 10 −5 mol/l.
(b) Cela revient à faire de l’extrapolation car 35 ∉ [20 , 30].
63. (a) On obtient le système linéaire suivant:
1 150 1502 1503

    
a0 1, 426
    
    
 1 160 1602 1603   a1   1, 447
     

    
  = 
    
 1 170 1702 3
170   a2   1, 469
   
 
    
    
1 180 1802 1803 a3 1, 492
(b) Cp(179) ' p1 (179) = 1, 4897.

(c) Cp(179) ' p3 (179) = 1, 489 655.
(d) Les résutats sont similaires en dépit du fait que l’approximation obtenue en (c) est le
résultat d’une extrapolation.
(e) On obtient le même résultat car le polynôme d’interpolation de degré 3 qui passe par
les 4 premiers points est unique.
64. (a) p2 (T ) = 0, 0075L0 (T ) + 0, 0099L1 (T ) + 0, 0147L2 (T ),

(T −212)(T −363) (T −115)(T −363) (T −115)(T −212)
où L0 (T ) = (115−212)(115−363) , L1 (T ) = (212−115)(212−363) et L2 (T ) = (363−115)(363−212) .
−2
On a donc k(300) ' P2 (300) = 1, 2563 × 10 Btu/hr ft ◦ F.
(b) p2 (k) = 115L0 (k) + 212L1 (k) + 363L2 (k),
(k−0,0099)(k−0,0147) (k−0,0074)(k−0,0147)
où L0 (k) = (0,0074−0,0099)(0,0074−0,0147) , L1 (k) = (0,0099−0,0074)(0,0099−0,0147) et L2 (k) =
(k−0,0074)(k−0,0099)
0,0147−0,0074)(0,0147−0,0099) . On a donc T (0, 008) ' p2 (0, 008) = 1, 3943 × 102 ◦ F
x−1 x − 0, 2
65. (a) p1 (x) = f (0, 2) + f (1) .
0, 2 − 1 1 − 0, 2
(b) f (0, 5) ' p1 (0, 5) = 1, 702 158 × 10−2 et |f (0, 5) − p1 (0, 5)| = 0, 1254 × 10−2 .
L’approximation p1 (0, 5) = 1 , 702 158 × 10−2 possède 1 chiffre significatif.
(c) E1 (x) ≤ M 00
2! (x−0, 2)(x−1) où |f (x)| ≤ M pour x ∈ [0, 2 , 1]. L’erreur d’interpolation
est maximale en x = 0, 6.
(t − 2, 25)(t − 4.5) t(t − 4, 5) t(t − 2, 25)
66. (a) P2 (t) = 0, 3335 +0, 2965 +0, 2660 .
(−2, 25)(4, 5) (2, 25)(2, 25 − 4, 5) (4, 5)(4, 5 − 2, 25)
1 1
(b) C(3 s) = C( 20 min) ' P2 ( 20 ) = 0, 3326 gmol/dm3 .
(c) On obtient le système linéaire suivant:
1 0, 00 0, 002 a0 0, 3335
    
    
    
 1 2, 25 2, 252   a1  =  0, 2965
    

    
    
1 4, 50 4, 502 a2 0, 2660

67.
10
1 1
E9 (x) ≤ max |f (10) (x)|
40 9 x∈[1 , 2]
1 1 10

≤ 362880 = 2, 601 824 190 × 10−6 .
40 9
Les polynômes de degré élévé ont tendance à osciller mais dans ce cas l’approximation
est acceptable car les abscisses des points d’interpolation sont proches plus proches les
uns des autres.
π π
x− 2 (x−π ) x x− 2
+2 π π )
−x(x−π
68. (a) p2 (x) = 3 π −3 π .
( 2 )π 2 2 π( 2 )
(b) f ( π4 ) ' P2 ( π4 ) = 3.
(c)
h3 3
|e2 (x)| ≤ maxξ(x)∈]0,π [ |f (3) (ξ(x))| 4×3 = maxξ(x)∈]0,π [ | − 2 cos x + 3 sin x| π
96
3,61π 3
maxξ(x)∈]0,π [ | − 2 cos x + 3 sin x| ' 3, 61 ⇒ |e2 (x)| ≤ 96 = 1,165 965.
Autre solution | − 2 cos x + 3 sin x| ≤ 2| cos x| + 3| sin x| ≤ 5 ⇒ |e2 (x)| ≤ 1,614 910.
(d)
h2 π2
|e1 (x)| ≤ maxξ(x)∈]0,π [ |f (2) (ξ(x))| 4×2 = maxξ(x)∈]0,π [ | − 2 sin x − 3 cos x| 8n2
0,45125π 2
maxξ(x)∈]0,π [ | − 2 sin x − 3 cos x| ' 3,61 ⇒ |e1 (x)| ≤ n2
≤ 10−4
p
n ≥ 4, 515 × 103 π 2 = 211,037 ⇒ n ≥ 212
Autre solution | − 2 sin x − 3 cos x| ≤ 2| sin x| + 3| cos x| ≤ 5 ⇒ n ≥ 249.
69. (a) f (3) ' P2 (3) = 0.

(b) E2 (3) ' 2.
(c) P3 (x) = 3 + 6x − 6x 2 + x 3 .
70. (a) On obtient la table de différences divisées suivante:

xi f (xi ) f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ]

1,9 0,94 630
-0,127 975
1,5 0,99 749 -0,466 875
-0,314 725 0,082 448
2,3 0,74 571 -0,400 917
-0,795 824
2,7 0,42 738
(b) f (1, 8) ' p2 (1, 8) = 0, 973 104.
(c) |E2 (1, 8)| ' 0, 123 672 × 10−2 ⇒ p2 (1, 8) = 0, 97 3 104 possède 2 chiffres significat-
ifs.
| cos (2,3)|
(d) E2 (1, 8) ≤ 3! |(1, 8 − 1, 9)(1, 8 − 1, 5)(1, 8 − 2, 3)|.
(e) On obtient le même résultat car le polynôme de degré 2 qui passe par les points
d’abscisses x = 1, 5; 1, 9 et 2, 3 est unique.
71. (a) Il faut classer les points par distance croissante par rapport à l’abscisse x = 3, 1. On
prend donc successivement les abscisses: 3, 0, 3, 5, 2, 5, 4, 0 et 1, 5. En prenant le
polynôme de degré 0, on trouve:
p0 (3, 1) = 1, 098 612 et |E0 (3, 1) ' 0, 030 830 > 0, 5 × 10−3 .
Polynôme de degré 1:
p1 (3, 1) = 1, 129 4422 et |E1 (3, 1) ' 0, 002 25 > 0, 5 × 10−3 .
Polynôme de degré 2:
p2 (3, 1) = 1, 131 6958 et |E2 (3, 1) ' 0, 000 24 < 0, 5 × 10−3 .
(b)
f 000 (ξ)
E2 (3, 1) = (3, 1 − 3, 0)(3, 1 − 3, 5)(3, 1 − 2, 5) pour un certain ξ ∈ [2, 5 , 3, 5].
3!
72. (a) Il faut classer les points par distance croissante par rapport à l’abscisse t = 1, 2. On
prend donc les 3 abscisses: 1, 4, 0, 7 et 2, 1.
v(1, 2) ' p2 (1, 2) = 79, 25 km/h.
(b)
v (3) (ξ)
E2 (1, 2) = (1, 2 − 1, 4)(1, 2 − 0, 7)(1, 2 − 2, 1) pour ξ ∈ [0, 7 , 2, 1].
6
(c)
E2 (1, 2) ' −4, 859 086 491×10−2 (1, 2−1, 4)(1, 2−0, 7)(1, 2−2, 1) = −4, 373 177 842×10−3 .

73. (a) Il faut classer les points par distance croissante par rapport à l’abscisse erf(x̄) =
0.156 9460. On prend donc les 3 abscisses: 0, 167 9960, 0, 112 4629 et 0, 222 7026.
x̄ ' p2 (0.156 9460) = 0, 139 99.

(b)
x (3) (ξ)
E2 (0.156 9460) = (0.156 9460 − 0, 167 9960)(0.156 9460 − 0, 112 4629) ×
6
(0.156 9460 − 0, 222 7026) pour ξ ∈ [0, 112 4629 , 0, 222 7026].
(c)
E2 (0.156 9460) ' 0, 259 5889(0.156 9460 − 0, 167 9960)(0.156 9460 − 0, 112 4629) ×
(0.156 9460 − 0, 222 7026) = 8, 390 402 × 10−6 .
74. On donne le tableau des valeurs des différents polynômes en fonction du degré ainsi que
l’approximation de l’erreur commise.
n pn (1, 05) En (1, 05)

1 0, 852 839 300 0, 299 125 × 10−3
2 0, 853 138 425 0, 410 000 × 10−5
On constate que l’approximation de l’erreur absolue est inférieure à 0, 5 × 10−5 pour le

polynôme de degré 2.
75. (a) Il faut classer les points par distance croissante par rapport à l’abscisse v = 18. On
prend donc les 3 abscisses: 20, 15 et 11.
p2 (v) = 4, 8 + 0, 32(v − 20) − 0, 0088(v − 20)(v − 15) ce qui donne t(18) ' p2 (18) =
4, 2133 s.
(b) L’estimé de l’erreur est donné par: E2 (v) ' 0, 000 846 56(v − 20)(v − 15)(v − 11), d’
où E2 (18) ' −0, 0355 s.
76. (a) Il faut classer les points par distance croissante par rapport à l’abscisse x = 5000.
On prend donc les 3 abscisses: 1500, 100 et 1000.
t(5000) ' p2 (5000) = 891, 5270 s.

(b) Une approximation de l’erreur d’interpolation est donnée par
E2 (x) ' −1, 993 039 64×10−9 (x−1500)(x−100)(x−10000) ⇒ E2 (5000) ' 1, 709 031 49×102 .
(c) Les paramètres a, b, c et d sont solutions du système non linéaires suivant:

a + b ln c(−d) = 0;



 a + b ln c(100 − d)

= 13;


 a + b ln c(1500 − d) = 245;
a + b ln c(10000 − d) = 1980.


Splines cubiques
77. La spline naturelle S(x) et le polynôme p(x) = x 3 coïncideront seulement si p(x) vérifie
la propriété p 00 (0) = p 00 (3) = 0. Or ce n’est pas le cas. On s’attend donc à commettre
une erreur d’interpolation.
(f (x0 )−f (x1 ))
78. p10 (x0 ) = f00 ⇒ − h31 f000 −
h1 00 0
6 f1 = f0 + h1 .
0 (x ) = f 0 ⇒ hn 00 hn 00 0 (f (xn−1 )−f (xn ))
pn n n 6 fn−1 + 3 fn = fn + hn .
79. 
x 3 si x ∈ [0 , 1];
f (x) =
 1 (x − 1)3 + 3(x − 1)2 + 3(x − 1) + 1 si x ∈ [1 , 3].
2
La spline f (x) n’est pas naturelle.

80. (a) Le point 0, 75 est dans l’intervalle [0, 5 , 1, 0] et l’on doit donc utiliser le polynôme:
p2 (x) = p2 (x) = 0, 4773(1−x)3 +0, 3926(x −0, 5)3 +2, 1359(1−x)+2, 988(x −0, 5),
ce qui donne f (0, 75) ' p2 (0, 75) = 1, 294 572.
(b) Les 2 polynômes donnnent le même résultat, car la dérivée première de la spline est
continue en x = 1.
(c) À l’aide du tableau, on trouve, f 00 (1, 5) ' f300 = 3, 308.
81. f (1, 03) ' p2 (1, 03) = 0, 809 383 22. L’approximation p2 (1, 03) = 0, 809 383 22 possède
3 chiffres significatifs.
82. (a) On obtient 2 équations à 2 inconnues:

5 00
+ 12 f200 = 6;

2 f1


1 00
+ 52 f200 = 6.

2 f1

(b) On obtient 2 équations à 2 inconnues:

7 00
+ 12 f200 = 6;

4 f1


1 00 7
+ 4 f200 = 6.

2 f1

83. (a) a2 = S2 (0) = f (0) = 0.

(b) Pour l’étudiant Y S10 (0) = −1 6= S20 (0) = 1.
La dérivée de la spline est discontinue en 0, l’étudiant X a trouvé la bonne réponse.
84. La fonction S(x) n’est pas une spline cubique car la dérivée seconde de S(x) n’est pas
continue (P100 (−1) = 12 6= P200 (−1) = 0).
85. (a) xi (0, 01) ' p2 (0, 01) = 0, 0046.

(b) i.
On obtient 6 équations à 6 inconnues:
 00

 f0 = a;
2 00 3 00

00
5 f0 + 2f1 + 5 f2 = −100;









2 00 1 00 2000

 00
3 f1 + 2f2 + 3 f3 = 9 ;






3 00 00 2 00
5 f2 + 2f3 + 5 f4 = 400;








 2 00 00 1 00
3 f3 + 2f4 + 3 f5 = 2000;








 f 00 = b.


5
ii.
 00

 f0 − f100 = 0;
2 00 3 00

00
5 f0 + 2f1 + 5 f2 = −100;









2 00 1 00 2000

 00
3 f1 + 2f2 + 3 f3 = 9 ;






3 00 00 2 00
5 f2 + 2f3 + 5 f4 = 400;








 2 00 00 1 00
3 f3 + 2f4 + 3 f5 = 2000;








 f 00 − f 00 = 0.


4 5
iii.
−3 −3



 − 4×10
3 f000 − 2×10
3 f100 = a − 0, 5.





 2 00 00 3 00
5 f0 + 2f1 + 5 f2 = −100;









 2 00 00 1 00 2000
 3 f1 + 2f2 + 3 f3 = 9 ;



3 00
+ 2f300 + 25 f400 = 400;

5 f2









2 00
+ 2f400 + 13 f500 = 2000;

3 f3









10−3 00 10−3 00


6 f4 + 3 f5 = b − 2.

86. (a) Un polynôme de degré 3 étant entièrement déterminé par 4 valeurs d’interpolation
en des nœuds distincts, f et γ coïncideront seulement si f vérifie la propriété
f 00 (0) = f 00 (1) = 0. Or ce n’est pas le cas. On s’attend donc à commettre une
erreur d’interpolation.
(b) On impose les conditions d’interpolation, de jonction et de continuité des dérivées
premières et secondes pour obtenir a = 2, b = 8, c = 6 et d = −1.
87. (a) On a n polynômes à déterminer, ce qui donne 3n inconnues.
Pi (xi−1 ) = f (xi−1 ) et Pi (xi ) = f (xi ) pour i = 1, 2, · · · , n;

Pi0 (xi ) = Pi+1
0
(xi ) pour i = 1, 2, · · · , n − 1.
(x − xi ) (x − xi−1 )
(b) Pi0 (x) = −fi−1
0
+ fi0 .
(xi − xi−1 ) (xi − xi−1 )
0 (x − xi )2 (x − xi−1 )2 (xi −xi−1 ) 0
(c) Pi (x) = −fi−1 + fi0 + f (xi−1 ) + 2 fi−1 .
2(xi − xi−1 ) 2(xi − xi−1 )
0 2
(d) fi−1 + fi0 = (xi −xi−1 ) (f (xi ) − f (xi−1 )) pour i = 1, 2, · · · , n.
88. (a) γ1 (t) = a0 + b0 t + c0 t 2 et γ1 (t) = a1 + b1 t + c1 t 2 .

On obtient le système linéaire de 5 équations à 6 inconnues suivant:



 a0 = 2;
 a0 + b0 + c0 = 1;



a1 + b1 + c1 = 1;




 a1 + 2b1 + 4c1 = 4;
 b + 2c = b + 2c .

0 0 1 1
(b) On a γ1 (t) = γ2 (t) = p2 (t) = 2 − 3t + 2t 2 . On obtient le polynôme de degré 2 qui

passe par les 3 points.
(c) En imposant les conditions, on voit que la troisième branche est la même que les 2
premières. En l’évaluant en t=3 on trouve la valeur 11. Si on essaie d’interpoler toute
autre valeur que 11 en t=3, il n’existe aucune spline quadratique.
89. (a) v(2, 5) ' p2 (2, 5) = 58, 375 km/h.

(b) E2 (2, 5) ' −0, 3125 km/h.
(c) On obtient 4 équations à 4 inconnues:
 00

 f0 − f100 = 0;





 1 00 00 1 00 42
 2 f0 + 2f1 + 2 f2 = − 50 ;



1 00
+ 2f200 + 12 f300 = − 25
6

2 f1 ;









4
f300 = − 5 .


90. (a) On obient la table de différences divisées suivante:

i ti f (ti ) f [ti , ti+1 ] f [ti , · · · , ti+2 ] f [ti , · · · , ti+3 ]
0 0 2,00
−1, 1 × 10−2
1 10 1,89 −3, 0 × 10−4
−1, 7 × 10 −2 −8, 333 333 × 10−6
2 20 1,72 −5, 5 × 10−4
−2, 8 × 10 −2
3 30 1,44
(b) De la table de différences divsées on a p2 (t) = 2, 00−1, 1×10−2 t−3, 0×10−4 t(t−10),
ce qui donne p2 (15) = 1, 8125.
(c) E2 (t) ' f [0, 10, 20, 30]t(t − 10)(t − 20), ce qui donne E2 (15) ' 3, 123 74 × 10−3 .
(d) On obtient 4 équations à 4 inconnues:
 1 1 00
00 00 −4
2 f0 + 2f1 + 2 f2 = −18, 0 × 10 ;







1 00 1 00

00
 2 f1 + 2f2 + 2 f3 = −33, 0 × 10−4 ;



−2f000 − f100 = 66 × 10−4 ;











 00

f3 = 1.
91. (a) De la table de différences divsées on a : p3 (x) = 30 − 10x + −200x(x − 0, 1) +

566, 667x(x − 0, 1)(x − 0, 2), ce qui donne p3 (0, 3) = 18, 4. La valeur de f (0, 3) n’est
pas acceptable car pour cette valeur la fonction n’est plus décroissante.
(b) On peut estimer la valeur de l’erreur par E3 (x) ' a4 x(x − 0, 1)(x − 0, 2)(x − 0, 5),
où a4 = −87,30−566,667
0,8−0 = −817, 4603. Cette erreur prend la valeur 0, 9810 en x = 0, 3.
L’approximation P3 (0, 3) = 1 8, 4 possède 1 chiffre significatif.
(c) Il faut choisir les abscisses les plus proches de x = 0, 3 à savoir x0 = 0, 2, x1 = 0, 5,
x2 = 0, 1 et x1 = 0, 0. Les polynômes de Lagrange sont
(x − 0, 5)(x − 0, 1)x (x − 0, 2)(x − 0, 1)x

L0 (x) = , L1 (x) = ,
(0, 2 − 0, 5)(0, 2 − 0, 1)0, 2 (0, 5 − 0, 2)(0, 5 − 0, 1)0, 5
(x − 0, 2)(x − 0, 5)x (x − 0, 2)(x − 0, 5)(x − 0, 1)
L2 (x) = et L3 (x) = .
(0, 1 − 0, 2)(0, 1 − 0, 5)0, 1 (0, 0 − 0, 2)(0, 0 − 0, 5)(0, 0 − 0, 1)
(d) On obtient 2 équations à 2 inconnues:
 00 1 00
 2f1 + 2 f2 = −1200;

1 00
+ 2f200 = 499, 98.

4 f1


xi f (xi ) f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , . . . , xi+3 ] f [xi , . . . , xi+4 ]
0 4
1
2 6 −3
−8 1
3 −2 2 −0, 125
−2 0, 25
5 −6 3
7
6 1
92. (a) i. Voici la table des différences divisées:

ii. p3 (x) = 4 + x − 3x(x − 2) + x(x − 2)(x − 3).
iii. f (4) ' p3 (4) = −8 et E3 (4) ' −0, 125(4(4 − 2)(4 − 3)(4 − 5)) = 1.
(b) f (4) ' p3 (4) = −5, 928 571.
(c) Contrairement à la spline cubique, cette approximation ne garantit pas la continuité
de la seconde au point (3 , −2).
f (x+h)−f (x−h) f (x+2h)−f (x) f (x)−f (x−2h)

93. f 0 (x) ' 2h , f 0 (x + h) ' 2h , f 0 (x − h) ' 2h , f 00 (x) '
f 0 (x+h)−f 0 (x−h) f (x+2h)−2f (x)+f (x−2h)
2h d’où f 00 (x) ' 4h2
.
94. L’erreur commise est qu’on est limité à un développement de Taylor de degré 2 (ordre 3).
2 3 4
Le bon raisonnement: f (x+h) = f (x)+hf 0 (x)+ h2 f 00 (x)+ h6 f 000 (x)+ h
24 f
(4) (x)+O(h5 )
h2 00 h3 000 h4 (4)
et f (x − h) = f (x) − hf 0 (x) + 2 f (x) − 6 f (x) + 24 f (x) + O(h5 ).
2
Alors f 00 (x) = h12 [f (x + h) − 2f (x) + f (x − h)] − h
12 f
(4) (x) + O(h3 ) et donc l’ordre de
cette approximation de f 00 (x) est 2.
9h2 00 27h3 000 81h4 0000
95. f (x + 3h) = f (x) + 3hf 0 (x) + 2 f (x) + 6 f (x) + 24 f (x) + O(h5 );
2 3 48h4 0000
−3f (x + 2h) = −3f (x) − 6hf 0 (x) − 12h 00 24h 000
2 f (x) − 6 f (x) − 24 f (x) + O(h5 );
2 3 4
3f (x + h) = 3f (x) + 3hf 0 (x) + 3h 00 3h 000
2 f (x) + 6 f (x) + 24 f
3h 0000 (x) + O(h5 ). On a
f (x+3h)−3f (x+2h)+3f (x+h)−f (x) 3h
f 000 (x) = h3
− 2 f 0000 (x)+O(h2 ). L’approximation est d’ordre
1.
−f (6)+4f (4)−3f (2)
96. La différence avant d’ordre 2 avec h = 2 donne f 0 (2) ' 4 = −1. La
f (4)−f (2) f (6)−f (2)
différence avant d’ordre 1 donne f 0 (2) ' 2 = −1 0
pour h = 2; f (2) ' 4 =
f (8)−f (2) 3
−1 pour h = 4 et f 0 (2) ' =6 pour h = 6. Ensuite, on applique l’extrapolation
−2
de Richardson sur la différence avant d’odre 1 pour obtenir des approximations d’ordre 2.
Ainsi sur les resultats obtenus avec h = 2 et h = 4, on obtient f 0 (2) ' 2×(−1)−(−1)
2−1 = −1;
3
3×(−1)−(− 2 ) 3
et avec h = 2 et h = 6, on obtient f 0 (2) ' 3−1 = − 4 qui sont des approximations
d’ordre 2.
(a−b)h 00 2 2 2
97. (a) L’expression des deux premiers termes de l’erreur : 2 f (x)+ (a +b 6−ab)h f 000 (x)
(b) Si a ≠ b, l’approximation est d’ordre 1. Si a = b, l’approximation est d’ordre 2.
98. (a)
e(x + h) − e(x − h) h2 000 |e(x + h)| + |e(x − h)| h2

− f (ξ) ≤ + M
2h 6 2h 6
+ h2 h2
≤ + M= + M = g(h).
2h 6 h 6
(b) La formule centrée donne f 0 (0, 9) ' 0, 62250 pour h1 = 0, 002 et f 0 (0, 9) ' 0, 6220
pour h2 = 0, 005. Les erreurs absolues sont respectivement Eh1 = 0, 00089 et Eh2 =
0, 00039. Bien que h1 < h2 , l’approximation de f 0 (0, 9) obtenue avec h2 est plus
précise que celle obtenue avec h1 . Cette apparente contradiction est due au fait que
h2
l’erreur g(h) = h + 6 M ne tend pas nécessairement vers 0 quand h tend vers 0. En
h2
effet quand h ⇒ 0 6 M ⇒0 mais h ⇒ ∞.
(c) Il sagit de trouver la valeur de h qui minimise la fonction erreur g(h). On résout
q q
h 3 3 3
l’équation g 0 (h) = − h2 + 3 M = 0 et on trouve h = M . On note que g 00 M > 0,
q
ce qui confirme h = hmin = 3 3 M.
On a M = max0,8≤x≤0,950 | cos (x)| =≤ cos (0, 8). De plus, puisque tous les chiffres
des approximations de f (x) du tableau sont significatifs, = 0, 5 × 10−5 (10−5 corre-
spond à la position du dernier chiffre significatif). On a dans ce cas hmin = 0, 02782.
99. (a) La formule aux différences donne f 00 (1) ' −0, 8495 pour h = 0, 1 et f 00 (1) '
−0, 875 675 pour h = 0, 2. Les erreurs absolues sont respectivement E(h = 0, 1) =
0, 008 029 et E(h = 0, 2) = 0, 034 204. Le ratio des erreurs absolues est E(h=0,2)
E(h=0,1) =
2
4, 26 ' 2 . La formule est d’ordre 2.
(b)
9h2 00 27h3 000 81h3 (4)
−f (x + 3h) = −f (x) − 3hf 0 (x) − 2 f (x) − 3! f (x) − 4! f (x) + O(h5 )
16h2 00 32h3 000 64h3 (4)

4f (x + 2h) = 4f (x) + 8hf 0 (x) + 2 f (x) + 3! f (x) + 4! f (x) + O(h5 )
5h2 00 5h3 000 5h3 (4)

−5f (x + h) = −5f (x) − 5hf 0 (x) − 2 f (x) − 3! f (x) + 4! f (x) + O(h5 )
2f (x) = 2f (x)
11h4 (4)
h2 app(h) = h2 f 00 (x) − 12 f (x) + O(h5 )
11h2 (4)
app(h) = f 00 (x) − 12 f (x) + O(h3 )
11h2 (4)
f 00 (x) = app(h) + 12 f (x) + O(h3 ) ⇒ f 00 (x) = app(h) + O(h2 )
⇒ approximation d’ordre 2.
100. (a) La formule aux différences donne f 000 (1) ' −1, 119 159 99 pour h = 0, 05 et f 000 (1) '
−1, 167 984 99 pour h = 0, 1. Les erreurs absolues sont respectivement E(h =
0, 05) = 0, 015 724 93 et E(h = 0, 1) = 0, 0645 499 3. Le ratio des erreurs absolues
E(h=0,1)
est E(h=0,05) = 4, 105 ' 22 . La formule est d’ordre 2.
(b)
4h2 00 8h3 000 16h4 0000
f (x + 2h) = f (x) + 2hf 0 (x) + 2 f (x) + 3! f (x) + 4! f (x)
5 64h6 (6)
+ 32h
5! f
(5) (x) +
6! f
7
(x) + O(h )
2h2 00 2h3 000 2h4 0000

−2f (x + h) = −2f (x) − 2hf 0 (x) − 2 f (x) − 3! f (x) − 4! f (x)
2h5 (5) 2h6 (6) 7
− 5! f (x) − 6! f (x) + O(h )
4h2 00 8h3 000 16h4 0000

−f (x − 2h) = −f (x) + 2hf 0 (x) − 2 f (x) + 3! f (x) − 4! f (x)
5 64h6 (6)
+ 32h
5! f
(5) (x) −
6! f
7
(x) + O(h )
2h2 00 2h3 000 2h4 0000

2f (x − h) = 2f (x) − 2hf 0 (x) + 2 f (x) − 3! f (x) + 4! f (x)
5 2h6 (6)
− 2h
5! f
(5) (x) +
6! f
7
(x) + O(h )
60h5 (5)
2h3 app(h) = 2h3 f 000 (x) + 5! f (x) + O(h7 )
h2 (5)
app(h) = f (3) (x) + 4 f (x) + O(h4 )
h2 (5)
f (3) (x) = app(h) − 4 f (x) + O(h4 ) = app(h) + O(h2 ).
Approximation d’ordre 2.

3f (x)−(4+λ)f (x−h)+(1+λ)f (x−2h)
101. Si λ ≠ 0: f 0 (x) = (2−λ)h + O(h), approximation d’ordre 1.
3f (x)−(4+λ)f (x−h)+(1+λ)f (x−2h)
Si λ = 0: f 0 (x) = (2−λ)h + O(h2 ), approximation d’ordre 2.
f 00 (x)h2 f 000 (x)h3
102. f (x + h) = f (x) + f 0 (x)h + 2 + 3! + ...,
f 00 (x)h2 f 000 (x)h3
f (x − h) = f (x) − f 0 (x)h + 2 − 3! + ....
D’où
f 00 (x)h f 000 (x)h2 f 00 (x)h f 000 (x)h2
h i h i
Appθ (h) = (1 − θ) f 0 (x) + 2 + 3! + . . . + θ f 00 (x) − 2 + 3! − ...
f 00 (x)h f 000 (x)h2
= f 0 (x) + (1 − 2θ) 2 + 3! + ....
f 00 (x)h f 000 (x)h2

f (x+h)−f (x) f (x)−f (x−h)
D’où f 0 (x) = (1 − θ) h + θ h + (2θ − 1) 2 − 6 + ...
103. Simpson 3/8 (h = 43 ): 17,327 866 29 avec une erreur absolue de 0, 54 × 10−2 .
π
104. Boole (h = 32 ): 0,881 374 32 avec une erreur absolue de 0, 733 × 10−6 .
Erreur(h=0,2)
105. = 0,009
Erreur(h=0,1)
872 3
0,001 234 = 7, 99 ' 2 . La méthode est donc d’ordre 3.
R 3,4
106. 1,8 ex dx = 23, 91445. 46 intervalles assurent une approximation de I avec au moins 4
chiffres significatifs.
Rb
107. (a) Faux. Par exemple l’approximation de a f (x) dx sera, en général, moins prècise
avec Trapèze simple (ordre 3 ), qu’avec Trapèze composée (ordre 2).
1
(b) Faux. La méthode de Simpson 1/3 nécessite l’évaluation de la fonction tan(x) en
x = 0, qui n’est pas définie à cet endroit.
108. Au moins 46 sous-intervalles.

h 4
109. Sn − I = −E = −3(α−1)
40 η4
<0 où η ∈ [1, α]
110. La méthode de Simpson 13 simple donne
50
q q q
L' 1 + (H 0 (0))2 + 4 1 + (H 0 (50))2 + 1 + (H 0 (100))2 .
3
Pour obtenir les approximations d’ordre 2 des dérivées les plus précises pour H 0 (0), H 0 (50)
et H 0 (100), on prend h = 10 et on utilise respectivement la formule avant d’ordre 2 , la
formule centrée d’ordre 2 et la formule arrière d’ordre 2. On a alors L ' 155,3616552.
R 0,25
111. Il s’agit de calculer une approximation de 0 s(e) de en utilisant les 6 points du tableau.
On peut construire le polynôme de degré 5 qui passe par les 6 points et l’integrer ou
encore utiliser la méthode de Simpson 1/3 avec les 3 premiers points et celle de Simpson
3/8 sur les 4 derniers points pour avoir une approximation d’ordre 4.
1 3
112. L’ordre le plus élevé est 5 car il faut combiner deux règles parmi Simpson 3, Simpson 8
et Boole simples. Il y a donc trois possibilités :
1
1. Simpson 3 sur {x0 , x1 , x2 } puis Boole sur {x2 , x3 , x4 , x5 , x6 }, ce qui donne
0, 18730793978365406 + 0, 210613307037542 = 0, 39792124682119606;

1
2. Boole sur {x0 , x1 , x2 , x3 , x4 } puis Simpson 3 sur {x4 , x5 , x6 }, ce qui donne
0, 21061330703754208 + 0, 18730793978365395 = 0, 39792124682119601;

3
3. Simpson 8 sur {x0 , x1 , x2 , x3 } puis encore sur {x3 , x4 , x5 , x6 }, ce qui donne
0, 19844878174314534 + 0, 19844878174314526 = 0, 39689756348629057.
Ici, les deux estimations de Simpson 38 auraient dû être rigoureusement identiques

car la fonction est paire. Les différences sont dues à l’ordre de sommation.
Les trois sont d’ordre 5. La troisième peut également être considérée comme étant
d’ordre 4 puisqu’elle est équivalente à une règle de Simpson 38 composée.
d(2h) |App(h=1,0)−App(h=0,5)| |0, 772 127 − 0, 703 023|

113. Le ratio est d(h) = |App(h=0,5)−App(h=0,25)| = = 7, 999 07 ' 23 .
|0, 703 023 − 0, 694 384|
La méthode est ordre n = 3.
114. (a) Le terme de droite devient:
h2 f 0 (x0 ) h3 f 00 (x0 ) h4 f 000 (x0 ) h5 f (4) (x0 )

hf (x0 ) + + + + + O(h6 ).
2 6 27 162
(b) Le terme de gauche devient, après intégration
h2 f 0 (x0 ) h3 f 00 (x0 ) h4 f 000 (x0 ) h5 f (4) (x0 )

hf (x0 ) + + + + + O(h6 ).
2 6 24 120
(c) Le premier terme de l’erreur:

1 1

h4 f 000 (x0 ) −
24 27
et la méthode est d’ordre 4.
(d) Degré 2.
115. Il faut utiliser la méthode de Gauss, car la fonction ln(x) n’est pas définie en x = 0. Les
formules à 2, à 3 et à 5 points donnent respectivement les approximations −0, 405 465,
−0, 509 050 405 et −0, 571 707 615. La valeur exacte est −0, 613 705 639.
116. La formule à 3 points est exacte pour les polynômes de degré 5.

117. Il suffit de prendre successivement f (t) = 1, f (t) = t et f (t) = t 2 et l’on obtient un

système de 3 équations en 3 inconnues. La solution est w1 = 21 , w2 = 23 et t2 = 13 . Ceci
nous assure d’un degré de précision d’au moins 2. Avec ces valeurs, on vérifie que la
formule de quadrature n’est pas exacte pour f (t) = t 3 . On a donc un degré de précision
de 2.
118. Il suffit de prendre successivement f (x) = 1 et f (x) = x et l’on obtient un système de 2

équations en 2 inconnues. La solution est w1 = 1 et x1 = 41 . Ceci nous assure d’un degré
de précision d’au moins 1. Avec ces valeurs, on vérifie que la formule de quadrature n’est
pas exacte pour f (x) = x 2 . On a donc un degré de précision de 1.
119. Il suffit de prendre successivement f (x) = 1, f (x) = x, f (x) = x 2 et on obtient A = 2h,

3
B = 0 et C = h3 . On a donc un degré de précision de 2.
R1
120. 0 ex dx ' 1, 717 896 37. L’erreur absolue est ∆ = 0, 385 4504 × 10−3 ≤ 0, 5 × 10−3 .
L’approximation 1, 717 896 37 possède 4 chiffres significatifs.
121. (a) I ' 3, 143 166 33

(b) n = 33
(c) I ' 3, 035 419 52
(d) Oui.
1
122. La fonction f (u) = √ n’est définie pour u = 0. Par conséquent, on doit avoir
8 sin(u)−u
recours à une quadrature de Gauss car les quadratures de Gauss ne requièrent pas
l’évaluation de la fonction à intégrer aux bornes d’intégration. On peut donc choisir
une quadrature de Gauss à 15 points (par exemple). Bien entendu, étant donné que
limu→0 f (u) = ∞, il est préférable de prendre un grand nombre de points.
123. (a) Il suffit de prendre successivement f (x) = 1 et f (x) = x et l’on obtient un système
de 2 équations en 2 inconnues. La solution est a = b = 2 . Ceci nous assure d’un
degré de précision d’au moins 1. Avec ces valeurs, on vérifie que la formule de
quadrature n’est pas exacte pour f (x) = x 2 . On a donc un degré de précision de 1.
(b) I ' 2f (1) + 2f (3) = 48
−1
124. On pose φ1 = φ( √ 3
) et φ2 = φ( √13 ), alors le système non linéaire est donné par:
 1
3 e 3 φ1 − 5 ln(φ1 ) − 5 ln(φ2 ) − 9 = 0;
3 e 31 φ − 5 ln(φ ) − 5 ln(φ ) − 9 = 0.
2 1 2
125. (a) Il suffit de prendre successivement f (x) = 1 et f (x) = x et l’on obtient un système
3h
de 2 équations en 2 inconnues. La solution est a = b = 2 .
R3 1
(b) Avec cette quadrature, on a 0 1+x dx ' 45 .
R3 1
(c) Avec Simpson 13 , on a 0 1+x dx ' 1, 425.
126. (a) Il faut 4 points de Gauss.

1
(b) Impossible d’intégrer exactement avec Simpson 3 car cette méthode a un degré de
précision inférieur au degré du polynôme.
R 0,5 2
127. (a) erf(0, 5) = √2π 0 e−u du ' 0, 570 500 2
R 0,5 2
(b) erf(0, 5) = √2π 0 e−u du ' 0, 501 790 4
(c) L’erreur absolue est E(0, 5) ≤ 0, 2083×10−1 ≤ 0, 5×10−1 . L’approximation 0, 5 01 790 4
possède un chiffre significatif.
q q
R2 R1 1 1
128. I = x 2t dt ' 2 e2 3 + e−2 3 = 6, 976 449 920.
−2 e dx = 2 −1 e
129. La formule sera exacte pour les polynômes de degré au plus 2. Si elle est exacte pour
g(t) = 1, g(t) = t et g(t) = t 2 , w1 , w2 et t2 sont solution du système


 w1 + w2 = 2;





−w1 + w2 t2 = 0;




 w + w t2 = 2 .


1 2 2 3
R1
On trouve w1 = 21 , w2 = 32 , t2 = 31 et donc la quadrature est −1 g(t)dt ' 12 g(−1)+ 32 g( 31 ).
Pour déterminer le degré de précision de la quadrature. on vérifie pour g(t) = t 3 . La
R1
valeur exacte de l’intégrale −1 t 3 dt est 0, alors que on obtient − 13 . Le degré de précision
est donc 2.
2
130. Comme la fonction e−x n’a pas de primitive, on ne peut pas l’intégrer exactement avec
une méthode numérique. Il est cependant possible d’obtenir une approximation très
précise avec la méthode des trapèzes composée (en utilisant un nombre suffisamment
grand d’intervalles) ce qui n’est le cas avec la quadrature de Gauss à 2 points qui permet
d’obtenir seulement une approximation.
131. (a) La formule sera exacte pour les polynômes de degré au plus 1. Si elle est exacte pour
g(t) = 1 et g(t) = t, w1 et w2 sont solution du système

 w1 + w2 = 2;


 −w + w = 0.
1 2
On trouve w1 = w2 = 1 et donc la quadrature est I(g) = g(−1) + g(1) Pour déter-

miner le degré de précision de la quadrature. on vérifie pour g(t) = t 2 . La valeur
R1 2
exacte de l’intégrale −1 t 2 dt est 3 , alors que on obtient 2. Le degré de précision est
donc 1.
R 1 dx 1 1
(b) −1 1+x 2 ' 1+(−1)2 + 1+(1)2 = 1.
Rb R1
(c) a f (x) dx = b−a 2 −1 f (
(b−a)t+a+b
2 ) dt ' b−a
2 (f (a) + f (b)). On retrouve la formule
du trapèze simple.
132. (a) On pose h = 23 , x0 = −1, x1 = − 13 , x2 = 13 , et x3 = 1 et on obtient

Z1
2 h 1 1
ex dz ' (e + 2e 9 + 2e 9 + e) = 3, 302 213 310.
−1 2
2 2 4 2 4e
(b) Pour h = , l’erreur absolue est |E| = |f 00 (η)|h2 = 2
|eη (2 + 4η2 ) ≤ 2 . Cette
n 12 6n n
erreur est inférieure à 10−2 dès que n ≥ 33.
(c) La quadrature est au moins de degré de précision 5 si elle est exacte pour f (x) = x p
pour p = 0, 1, 2, 3, 4, 5. Vu que la quadrature est par hypothèse exacte pour p =
1, 3, 5, il faut juste montrer qu’elle est exacte pour p = 0, 2, 4. On obtient le système

suivant:


 w1 + w2 = 1;





w1 + w2 x12 = 13 ;





1
w1 + w2 x14 = 5 .


(d) La notion d’ordre n’est pas associée à la quadrature de Lobatto. Si la quadrature n’est
pas exacte, on ne peut pas améliorer l’approximation. Cependant on peut améliorer
l’approximation de l’integrale avec la méthode du trapèze composée en utilisant un
nombre suffisament grand d’intervalles.
133. (a) Avec 3 nœuds, il y a 4 inconnues. On impose donc 4 conditions avec f (x) = x k pour
k = 0, 1, 2, 3 :
2 = 3w
0 = w(x0 + x1 + x2 )
2/3 = w(x02 + x12 + x22 )
0 = w(x03 + x13 + x23 ).
(b) On trouve√immédiatement
√ w = 2/3. On voit ensuite facilement que x1 = 0 puis que
x0 = −1/ 2, x2 = 1/ 2 ;
(c) Par construction, la règle est au moins de degré 3 puisqu’elle intègre x k exactement
pour k = 0, 1, 2, 3. Elle n’est pas de degré 4 car
Z1
2 2 1 1

4
= x dx ≠ +0+ .
5 −1 3 4 4
(d) On obtient l’approximation

Z1
sin(x)2 cos(x)dx ' 0, 42779283045482863.
−1
134. (a) 2 points d’intégration.

(b) 3 points d’intégration.
(c) 4 points d’intégration.
(d) Impossible d’intégrer exactement avec la méthode des Trapèzes car cette méthode à
un degré de précision qui inférieur au degré du polynôme.
135. L’erreur est nulle car la formule de Gauss à 5 points est exacte pour les polynômes de
degré inférieur ou égal à 9.
136. La formule à 10 points est exacte pour les polynômes de degré 1, pour g(t) = 1, on a
R1
−1 1dt = 2 = w1 + w2 + · · · + w10 .
137. Il suffit de prendre successivement f (t) = 1, f (t) = t et f (t) = t 2 et l’on obtient un

système de 3 équations en 3 inconnues. La solution est a0 = a2 = 43 et a1 = − 23 . Ceci
nous assure d’un degré de précision d’au moins 2. Avec ces valeurs, on vérifie que la
formule de quadrature est exacte aussi pour f (t) = t 3 mais pas pour f (t) = t 4 . On a
donc un degré de précision de 3.
138. (a) Il suffit de prendre successivement g(t) = 1, g(t) = t et g(t) = t 2 et l’on obtient un
1+3α 4
système de 3 équations en 3 inconnues. La solution est w1 = 3(1+α) , w2 = 3(1−α 2 ) et
1−3α
w3 = 3(1−α) .
(b) Il suffit de prendre g(t) = t 3 , on obtient α = 0 comme seule solution dans ] − 1 , 1[.
1 4 1
(c) Pour α = 0, on a w1 = w3 = 3 et w2 = 3 , ce qui donne la formule de Simpson 3 :
Zb Z1
b−a b−a 1
f (x) dx = 2 g(t) dt ' 2 3 (g(−1) + 4g(0) + g(1) ;
a −1
h a+b
' 3 (f (a) + 4f ( 2 ) + f (b)).
139. (a) En utilisant les nœuds {5, 10, 15}, le polynôme de Lagrange est donné par :
(x − 10)(x − 15) (x − 5)(x − 15) (x − 5)(x − 10)

p2 (x) = y5 − y10 + y15 ,
50 25 50
de sorte de p2 (12) = 955, 13.
(b) En utilisant la différence finie arrière d’ordre 1 avec h = 5 :
795, 94 − 2 · 448, 98 + 0, 0
a25 (h = 5) ≈ = −4.0808.
25
(c) En utilisant à nouveau la différence finie arrière d’ordre 1 avec h = 10 :
1183, 76 − 2 · 795, 94 + 0, 0
a25 (h = 10) ≈ = −4, 0812.
100
En combinant ces deux approximations d’ordre 1 via l’extrapolation de Richardson,
a25 ≈ 2a25 (h = 5) − a25 (h = 10) = −4, 0804.

f (x+h)−2f (x)+f (x−h) 2h2 f (4) (x) 2h4 f (6) (x)
140. (a) On montre que: h2
= f 00 (x) + 4! + 6! + O(h6 ) et
l’approximation est donc d’ordre 2.
(b) Pour h = 0, 2, on obtient f 00 (2, 0) ' −0, 251 2575 tandis que, pour h = 0, 1, on
obtient f 00 (2, 0) ' −0, 250 3200.
(c) Une extrapolation de Richardson (avec n = 2) donne f 00 (2, 0) ' −0, 250 0075 qui est
une approximation d’ordre 4 puisque le deuxième terme de l’erreur obtenue en a) est
de degré 4 en h.
141. (a) Il faut utiliser les points dont les abscisses sont les plus rapprochées de t = 1, 2
soit dans l’ordre t = 1, 0, t = 1, 5 et t = 0, 5. Obtient ainsi le polynôme p2 (x) =
75, 5 + 13, 4(t − 1, 0) − 0, 8(t − 1, 0)(t − 1, 5) qui vaut 78,228 km/h en t = 1, 2.
1 000
(b) E2 (t) = 3! v (ξ)(t − 1, 0)(t − 1, 5)(t − 0, 5) pour un certain ξ ∈ [0, 5 , 1, 5].
(c) Pour h = 1, 0, la différence centrée donne 14, 7km/(h. s) = 4, 083 333m/s2 , tandis
que pour h = 0, 5, on obtient 3, 833 333m/s2 . Une extrapolation de Richardson avec
n = 2 donne a = 3, 75m/s2 qui est une approximation d’ordre 4.
142. (a) On peut prendre une différence centrée d’ordre 2 avec h = 0, 1 et l’on trouve P 0 (X ≤
1, 2) ' 0, 194 328. En prenant ensuite h = 0, 2, on trouve P 0 (X ≤ 1, 2) ' 0, 194 7465.
On fait ensuite une extrapolation de Richardson ( avec n = 2) pour obtenir P 0 (X ≤
1, 2) ' 0, 194 1885 qui est une approximation d’ordre 4. La valeur exacte est P 0 (X ≤
(1,2)2
1, 2) = √ 1 e− 2 = 0, 194 186 055 et l’erreur commise est 0, 555 × 10−5 .
2π
(b) On prend directement une différence centrée d’ordre 2 (pour la dérivée seconde)
pour obtenir P 00 (X ≤ 1, 2) ' −0, 232 720.
143. On se place en t = 15. Une différence centrée d’ordre 2 avec h = 10 donne T 0 (15) '
−1, 835. Prenant ensuite h = 5, on obtient T 0 (15) ' −1, 63. Une extrapolation de
Richardson donne l’approximation d’ordre 4: T 0 (15) ' −1, 561 6667. On a alors en di-
visant, k ' 0, 1001.
f (x0 +h)−f (x0 −h)
144. (a) La différence centrée s’écrit en prenant respectivement h et 2h: f 0 (x0 ) ' 2h
f (x0 +2h)−f (x0 −2h)
et f 0 (x0 ) ' 4h . Puisqu’il s’agit d’une approximation d’ordre 2, l’extrapolation

f (x0 +h)−f (x0 −h) f (x0 +2h)−f (x0 −2h)
22 2h − 4h
de Richardson donne alors: 22 −1
et l’on obtient en
simplifiant la formule donnée.
(b) En utilisant h = 0, 1, on trouve 0,999 996 66 tandis qu’avec h = 0, 3 on trouve
0,999 727 092. Les erreurs absolues respectives obtenues en comparant avec la valeur
exacte 1 sont respectivement 3, 3375 × 10−6 et 2, 7291 × 10−4 . Le rapport des valeurs
de h est 3 et le rapport des erreurs est 81, 77 ' 34 , ce qui donne un ordre n = 4.
145. (a) Les développements de Taylor donnent

h2 00 h3 000 h4 (4)
f (x + h) = f (x) + hf 0 (x) + 2 f (x) + 6 f (x) + 24 f (x) + O(h5 ),
et
f (x + 2h) = f (x) + 2hf 0 (x) + 2h2 f 00 (x) + 34 h3 f 000 (x) + 23 h4 f (4) (x) + O(h5 ).
On a alors
−f (x + 2h) + 4f (x + h) − 3f (x) 1
= f 0 (x) − h2 f 000 (x) + O(h3 ) = f 0 (x) + O(h2 ),
2h 3
donc une approximation d’ordre 2.
−f (1,0)+4f (0,0)−3f (0,2)
(b) f 0 (0, 2) ' 2(0,4) ' −0, 114 787 375.
(c) h = 0, 4: 0
f (0, 2) ' −0, 114 787 375,
−f (0,6)+4f (0,4)−3f (0,1)
h = 0, 2: f 0 (0, 2) ' 2(0,2) ' −0, 191 366
0 0
22 fh=0,2 (0,2)−fh=0,4 (0,2)
Richardson: f 0 (0, 2) ' 22 −1
= −0, 216 8922
De (a), E(h) = − 31 h2 f 00 − 1 3 (4)
4h f , donc une approximation d’ordre 3
146. (a) En remplacant f (x − h) et f (x − 2h) par leurs développement de Taylor d’ordre 5

dans le membre de droite, on a alors
3f (x) − 4f (x − h) + f (x − 2h) h2 (3) h3 (4)(x)
= f 0 (x) − f (x) + f + O(h4 )
2h 3 4
, donc l’ordre de précision de la méthode est 2.
3f (1,4)−4f (1,2)+f (1,0)
(b) f 0 (1, 4) ' 0,4 = 0, 148 25
3f (1,4)−4f (1,3)+f (1,2)
(c) f 0 (1, 4) ' 0,2 = 0, 148 5
(d) On applique l’extrapolation de Richardson, on a une meilleure approximation:
22 ×0,148 5−0,148 25
22 −1
= 0, 148 583 33. L’ordre d’approximation est 3. En effet, il faut voir
que le second terme de l’erreur est d’ordre 3.
147. (a)
Qexa = Qapp (h) + cn hn + cn+1 hn+1 + cn+2 hn+2 + · · · (11)

hn hn+1 hn+2
Qexa = Qapp ( h
3 ) + cn + cn+1
+ cn+2 n+2 + · · · (12)
3n 3n+1 3
h h n+1 hn+2
3n Qexa = 3n Qapp ( ) + cn hn + cn+1 + cn+2 + ··· (13)
3 3 9
En soustrayant l’équation (1) de l’equation (3) on a:
3n Qapp ( h
3 ) − Qapp (h) −cn+1 32 hn+1 − cn+2 98 hn+2 + · · ·
Qexa = + .
3n − 1 3n − 1
3n Qapp ( h
3 ) − Qapp (h)
Qexa = + O(hn+1 ).
3n − 1
(b) En se servant des 3 approximations d’ordre 2, on obtient avec l’extrapolation de
Richardson 2 approximations d’odre 4.
32 App(0, 01) − App(0, 03)
AppR ( h
3) = = 1,175 201 159;
32 − 1
32 App(0, 03) − App(0, 09)
AppR (h) = = 1,175 201 120.
32 − 1
Des 2 approximations d’ordre 4, on obtient avec l’extrapolation de Richardson une

approximation d’ordre 6.
34 AppR ( h
3 ) − AppR (h)
= 1,175 201 159.
34 − 1

1
148. Trapèzes: 1,734 162 460 123 43 pour 3 intervalles (h = 3) ordre 2 et 1,720 049 244 881
1
pour 9 intervalles (h = 9) ordre 2.
(32 (1,720 049 244 881)−(1,734 162 460 123 43)

Richardson: (32 −1)
= 1, 718 285 092 976
(ordre 4). L’erreur est 4x = 1, 718 285 092 976 − (e − 1) = 0, 326 × 10−5 ≤ 0, 5 × 10−5 .
Donc 6 chiffres significatifs.
149. (a) On utilise 2 fois la différence centrée d’ordre 2 avec h = 5 et h = 15. On utilise en-
suite l’extrapolation de Richardson pour obtenir une aproximation d’ordre 4 a(15) =
v 0 (15) ' −0, 0167 9167.
(b) i. On utilise la méthode des trapèzes dans les 3 premiers intervalles avec h = 10
et dans les 2 derniers avec h = 5:
1 R 40 1 R 30 R 40
vmoy = 40 0 v(s)ds = 40 ( 0 v(s)ds + 30 v(s)ds);
1 10 5
' 40 ( 2 (v(0) + 2(v(10) + v(20)) + v(30)) + 2 (v(30) + 2v(35) + v(40))).
ii. Pour obtenir une approximation d’ordre 4, on peut utiliser le méthode de Simp-
son 83 dans les 3 premiers intervalles et la méthode de Simpson 13 dans les inter-
valles suivants .
150. (a) La différence centrée d’ordre 2 donne a(4) = v 0 (4) ' 1, 075 avec h = 4.
(b) On calcul une autre différence centrée d’ordre 2 avec h = 2 et on utilise l’extrapolation
de Richardson pour obtenir l’aproximation d’ordre 4 a(4) = v 0 (4) ' 1, 00833333.
R 10
(c) La méthode des trapèzes avec h = 2 donne d(10) = 0 v(s)ds '= 64, 5.
1
(d) Pour obtenir une approximation d’ordre 4, on peut utiliser le méthode de Simpson 3
3
dans les 2 premiers intervalles et la méthode de Simpson 8 dans les intervalles suiv-
3
ants ou encore la méthode de Simpson 8 dans les 3 premiers intervalles et ensuite la
1
méthode de Simpson 3. Les approximations respectives sont
R 10 R4 R 10
d(10) = 0 v(s)ds = 0 v(s)ds + 4 v(s)ds ' 65, 175.
R 10 R6 R 10
d(10) = 0 v(s)ds = 0 v(s)ds + 6 v(s)ds ' 65, 3250.

151. Du développement de Taylor de la solution au temps tn+1 = tn + h, on a
h2 00
y(tn+1 ) = y(tn + h) = y(tn ) + hy 0 (tn ) + 2 y (ξn );
y(tn+1 ) ' y(tn ) + hf (tn , y(tn )).
On pose ensuite yn+1 ' y(tn+1 ), yn ' y(tn ) et on obtient ainsi la méthode d’Euler,
qui consiste à calculer, de proche en proche, les valeurs approchées yn+1 à l’aide de la
formule de réccurence
yn+1 = yn + hf (tn , yn ) pour n = 0, 1, 2, · · ·
152. La méthode d’Euler explicite provient du schéma de quadrature de la formule du rectan-

gle. Cette quadrature revient à remplacer la fonction f (t, y(t)) pour t ∈ [tn , tn+1 ] par
la constante f (tn , y(tn )). On a ainsi
R tn+1 R tn+1
tn y 0 (t) dt = tn f (t, y(t)) dt ' hf (tn , y(tn ));
y(tn+1 ) − y(tn ) ' hf (tn , y(tn ).

On pose y(tn+1 ) ' yn+1 , y(tn ) ' yn , et on obtient la méthode d’ Euler explicite:
yn+1 = yn + hf (tn , yn ).
153. La méthode utilisée est d’ordre 2.

E(h = 0, 05) |0, 460 633 − 0, 460 857|
= = 4, 226 ' 22 .
E(h = 0, 025) |0, 460 804 − 0, 460 857|
154. (a) On utilise les approximations obtenues avec h = 0, 0125 et h = 0, 0250 pour obtenir
à l’aide de l’extrapolation de Richardson une approximation d’ordre 5 au moins R1 =
4, 559 408 470 × 10−3 .
(b) On utilise les approximations obtenues avec h = 0, 025 et h = 0, 05 pour obtenir à
l’aide de l’extrapolation de Richardson une approximation d’ordre 5 au moins R2 =
|R2 −5e | −7
4, 559 360 973 × 10−3 . Le ratio des erreurs |R 5
−7 | = 35, 98 ' 2 ce qui entraine que
1 −5e
l’approximation obtenue en (a) est d’ordre 5.
155. (a) On obtient y(0, 1) ' y1 = 2, 326 071 38 avec une erreur absolue ∆(0, 1) = 0.503538× 10−3 .
∆(0, 1) |y1 − y(0, 1)|
(b) Le rapport des erreurs est = = 14, 52 ' 42 , ce qui
∆(0, 025) |2, 326 539 − y(0, 1)|
confirme que la méthode d’Euler-modifiée est d’ordre 2.
156. (a) y(0, 2) ' y1 = 2, 6. On obtient ensuite à l’aide de l’équation différentielle y 0 (0, 2) '
y1 + e0,4 = 4, 091 824 697 641 270.
(b) On obtient y(0, 1) ' y1 = 2, 3 avec une erreur absolue E1 = 2, 657 367 624 × 10−2 .
y(0, 2) ' y2 = 2, 652 140 276 avec une erreur absolue E2 = 6, 108 717 999 × 10−2 .
L’approximation y2 = 2 , 652 140 276 possède un chiffre significatif.
(c) On a une méthode à un pas. Les erreurs s’accumulent d’une itération à l’autre,
puisque nous utilisons l’approximation de la solution précédente dans le calcul de
l’itération courante.
∂f (t,y(t)) ∂f (t,y(t))
157. (a) y 00 (t) = f 0 (t, y(t)) = ∂t + ∂y f (t, y(t)).
y(tn+1 )−y(tn ) h h
(b) τn+1 (h) = h − f (tn + 2 , y(tn ) + 2 f (tn , y(tn )))
(c) i.
h2 ∂f (tn , y(tn ))
y(tn+1 ) = y(tn ) + hf (tn , y(tn )) + +
2 ∂t
h2 ∂f (tn , y(tn ))
f (tn , y(tn )) + O(h3 ).
2 ∂y
ii.
h h h ∂f (t, y(tn ))
f (tn + 2 , y(tn ) + f (tn , y(tn ))) = f (tn , y(tn )) + ∂t +
2 2
h ∂f (t, y(tn ))
f (tn , y(tn )) ∂y ) + O(h3 ).
2
(d) y1 = 2, 018 185 949. En se servant de l’extrapolation de Richardson, on obtient
l’approximation d’ordre 3 au moins, y(0, 2) ' 2, 018 109 598.
158. y1,1 = 2, 331 733, y2,1 = 1, 321 041, y1,2 = 2, 734 468, y2,2 = 1, 688 708.
159. (a)  0
y1 (t) = y2 (t) (y1 (0) = 2)


0
y2 (t) = y3 (t) (y2 (0) = 2)

 0

y3 (t) = y3 (t) + y2 (t) − y1 (t) + 1 (y3 (0) = 1)
(b) 
y 0 (t) = y2 (t) (y1 (1) = 0)
1
y 0 (t) = (y1 (t))2 + t 2 + 1 (y2 (1) = 2)
2
(c)
0

y1 (t) = y2 (t) (y1 (0) = 2)


y 0 (t) = y3 (t)

(y2 (0) = 1)

2
y30 (t) = y4 (t)

 (y3 (0) = 0)

y 0 (t) = et y (t) + (y (t))3

(y4 (0) = 4)
4 3 4

160. En posant x1 (t) = x(t), x2 (t) = x 0 (t), x3 (t) = y(t), x4 (t) = y 0 (t), on obtient le système:



 x10 (t) = x2 (t) x1 (0) = 0, 4
0 −x1 (t)

x2 (t) = x2 (0) = 0, 0


 3
((x1 (t))2 +(x3 (t))2 ) 2


x30 (t) = x4 (t) x3 (0) = 0, 0
−x3 (t)

x40 (t) =


 3 x4 (0) = 2, 0
((x1 (t))2 +(x3 (t))2 ) 2
161. En posant z1 (t) = x(t), z2 (t) = x 0 (t), z3 (t) = y(t) et z4 (t) = y 0 (t), on obtient le
système:
 0
z (t) = x 0 (t) = z2 (t) z1 (0) = x(0) = 1
 10


 z2 (t) = 00 2
x (t) = 2wz4 (t) sin ψ − k z1 (t) z2 (0) = x 0 (0) = 0
0 0
z (t) = y (t) = z4 (t) z3 (0) = y 0 (0) = 0
 30


2
y (t) = −2wz2 (t) sin ψ − k z3 (t) z4 (0) = y 0 (0) = 0
00

z4 (t) =
162. En posant u1 (t) = z(t), u2 (t) = z0 (t), u3 (t) = x(t), u4 (t) = x 0 (t), u5 (t) = y(t) et
u6 t) = y 0 (t), on obtient le système:
 0

 u1 (t) = z0 (t) = u2 (t) u1 (1) = z(1) = 2
u0 (t) = z00 (t) = 2tu2 (t) + 2teu3 (t)u1 (t) u2 (1) = z0 (1) = 3


 20



 u3 (t) = x 0 (t) = u4 (t) u3 (1) = x(1) = 3

 u04 (t) = x 00 (t) = 2u3 (t)u1 (t)u4 (t) + 3u3 (t)3 u5 (t)t 2 u4 (1) = x 0 (1) = 2
u0 (t) = y 0 (t) = u6 (t)

u5 (1) = y(1) = 3


 50


u6 (t) = y 00 (t) = eu5 (t) u6 (t) + 4u3 (t)t 2 u1 (t) u6 (1) = y 0 (1) = 2

163. (a) En posant u1 (t) = u(t) et u2 (t) = u0 (t), on obtient le système:

 0
 u1 (t) = u2 (t)q u1 (0) = u(0) = 0
0 2k 2
 u2 (t) =
m 2 − u1 (t) + u1 (t) − 1 u2 (0) = u0 (0) = 0
(b)
 
u1 (t)
! f1 (t, u1 (t), u2 (t)) = u2 (t)
~ (t) =
U , F~(t, U
~ (t)) =  .
q
u2 (t) f2 (t, u1 (t), u2 (t)) = 2k
m 2 − u1 (t) + u21 (t) − 1
!
u1,0 = u1 (0) = 0
~0
U (t) = F~(t, U
~ (t)) U
~0 = U
~ (0) =
u2,0 = u2 (0) = 0
On fait 1 itération de la méthode d’Euler modifiée avec h = 0, 01.
(
x(0, 01) = l0 u(0, 01) ' 0, 5 × u1,1 = 0, 051 776 m
x 0 (0, 01) = l0 u0 (0, 01) ' 0, 5 × u2,1 = 10, 35534 m/s

164. (a) 
Ψ 0 (x) = − J(x) = −3e−x J(x) Ψ (0) = 1
D(x)
J 0 (x) = 1 − e−x Ψ (x) J(0) = 0
(b) Euler-Modifiée: J0 = J(0); Ψ0 = Ψ (0); h = 0, 1


Ψ̂ = Ψ0 + h(−3e−0 J0 ) = 1 + 0 = 1
Jˆ = J0 + h(1 − e0 Ψ0 ) = J0 + h(1 − 1) = 0

Ψ1 = Ψ0 + h − 3e0 J0 − 3e−0,1 Jˆ = Ψ0 = 1
2
J1 = J0 + h (1 − e−0 Ψ0 ) + (1 − e−0,1 Ψ̂ )) = 0,1 −0,1 )
2 2 (1 − e
165. En posant u1 (t) := x(t), u2 (t) := x 0 (t); u3 (t) := y(t) et u4 (t) := y 0 (t), on obtient le
système:



 u01 = u2 u1 (0) = x0

 ! !

0 u1 +µ u1 −1+µ
u2 (0) = x00

u2 = u1 + 2u4 − (1 − µ) −µ


 3 3
((u1 +µ)2 +u23 ) 2 ((u1 −1+µ)2 +u23 ) 2


 u03 = u4 u3 (0) = η0

 ! !

0 u3 u3
u4 (0) = η00

u4 = u3 − 2u2 − (1 − µ) −µ


 3 3
((u1 +µ)2 +u23 ) 2 ((u1 −1+µ)2 +u23 ) 2
166. (a) En posant y1 (t) = y(t) et y2 (t) = y 0 (t), on obtient le système:

( 0
y1 (t) = y2 (t) y1 (−0, 5) = y(−0, 5) = −0, 125
0 2t 6
y2 (t) = 1−t 2 y2 (t) − 1−t 2 y1 (t) y2 (−0, 5) = y 0 (−0, 5) = −1, 5.
(b)
! !
y1 (t) f1 (t, y1 (t), y2 (t)) = y2 (t)
~ (t) =
Y , F~(t, Y
~ (t)) = 2t 6 .
y2 (t) f2 (t, y1 (t), y2 (t)) = 1−t 2 y2 (t) − y (t)
1−t 2 1
!
y1,n = y1 (−0, 5) = −0, 125
~ 0 (t) = F~(t, Y
Y ~ (t)) Y
~n = Y
~ (tn ) =
y2,n = y2 (10) = −1, 5
On fait 1 itération de la méthode d’Euler avec h = 0, 1 et on obtient respectivement

y(−0, 4) ' y1,1 = −0, 275 = y1 et y 0 (−0, 4) ' y1,2 = −1, 2 = y10 . L’approximation
y1 = −0, 2 75 possède un chiffre significatif et tous les chiffres de y10 = −1, 2 sont
significatifs.
167. (a) En posant x1 (t) = x(t) et x2 (t) = x 0 (t), on obtient le système:
x10 (t) = x2 (t)

(
x1 (0) = x(1) = 1
x20 (t) = −x2 (t) − 17, 8y1 (t) x2 (0) = y 0 (0) = 0.
(b)
! !
x1 (t) f1 (t, x1 (t), x2 (t)) = x2 (t)
~
X(t) = , F~(t, X(t))
~ = .
x2 (t) f2 (t, x1 (t), x2 (t)) = −x2 (t) − 17,8x1 (t)
!
y1,0 = x1 (0) = 1
~0
X (t) = F~(t, X(t))
~ ~0 = X(0)
X ~ =
y2,0 = x2 (0) = 0
On fait 1 itération de la méthode d’Euler avec h = 0, 1 et on obtient respectivement

x(0, 1) ' x1,1 = 0, 911 et x 0 (0, 1) ' x1,2 = −1, 691. L’approximation y1,1 = 0, 91 1
possède 2 chiffres significatifs.
(c) Il s’agit du polynôme de degré 2 qui passe par les 3 points de coordonnées (0, 0116 , 0, 4),
(−0, 3088 , 0, 5) et (0, 3636 , 0, 3). Le temps requis t0 ' p2 (0) = 0, 403 471.
(d) En considérant le point supplémentaire de coordonées (−0, 5473 , 0, 6), on obtient
E2 (0) ' −0, 214 612 × 10−3 .
(e) On calcul 2 approximations d’ordre 2 de x 0 (0, 8) en utilisant la formule centrée
d’ordre 2 avec respectivement h = 0, 1 et h = 0, 2 et ensuite obtient de l’extrapolation
de Richardson l’approximation d’ordre 4, x 0 (0, 8) ' 0, 5902.
168. (a) En posant x1 (t) = θ(t) et x2 (t) = θ 0 (t), on obtient le système:
x10 (t) = x2 (t)

(
x1 (0) = θ(0) = 0
0 g
x2 (t) = R (−µ sin x1 (t) + cos x1 (t)) x2 (0) = θ 0 (0) = 0
(b)
! !
x1 (t) f1 (t, x1 (t), x2 (t)) = x2 (t)
~
X(t) = , F~(t, X(t))
~ = .
x2 (t) f2 (t, x1 (t), x2 (t)) = −0, 294 sin x1 (t) + 49 cos x1 (t)
!
x1,0 = x1 (0) = 0
~0 ~
X (t) = F (t, X(t)) ~0 = X(t
X ~ 0) =
x2,0 = x2 (0) = 0
On fait 1 itération de la méthode d’Euler modifiée avec h = 0, 1 et on obtient θ(0, 1) '

2
x1,1 = 0, 245. De l’équation différentielle ddtθ2 (0, 1) ' −0, 294 sin x1,1 + 49 cos x1,1 =
47, 465 417.
(c) On peut utiliser l’extrapolation de Richardson pour obtenir une approximation d’ordre 3
au moins.
42 θ ∗ − x1,1
θ(0, 1) ' = 0, 224 570.
42 − 1
x10 (t) = x2 (t)

(
x1 (0) = x(0) = 1
x20 (t) = −0, 6x1 (t) − 10(x2 (t))2 x2 (0) = x 0 (0) = 0
(b)
! !
x1 (t) f1 (t, x1 (t), x2 (t)) = x2 (t)
~
X(t) = , F~(t, X(t))
~ = .
x2 (t) f2 (t, x1 (t), x2 (t)) = −0, 6x1 (t) − 10(x2 (t))2
!
x1,0 = x1 (0) = 1
~0 (t) = F~(t, X(t)) X
X ~0 = X(0)
~ =
x2,0 = x2 (0) = 0
On fait 1 itération de la méthode d’Euler modifiée avec h = 0, 2, on obtient
(
x(0, 2) ' x1,1 = 0, 988
x 0 (0, 2) ' x2,1 = −0, 1344
(c) La méthode d’Euler modifiée étant d’ordre 2, l’erreur sera reduite approximativement
0,2 2
d’un facteur de ( 0,02 ) = 100.
x10 (t) = x2 (t)

(
x1 (0) = x(0) = 1200
x20 (t) = −9, 81 − k(t)x2 (t) x2 (0) = x 0 (0) = 0
(b)
! !
x1 (t) f1 (t, x1 (t), x2 (t)) = x2 (t)
~
X(t) = , F~(t, X(t))
~ = .
x2 (t) f2 (t, x1 (t), x2 (t)) = −9, 81 − k(t)x2 (t)
!
x1,n = x1 (10) = 909, 3
~0
X (t) = F~(t, X(t))
~ ~n = X(t
X ~ n) =
x2,n = x2 (10) = −45, 2
On fait 1 itération de la méthode d’Euler modifiée avec h = 0, 1.
(
x(10, 1) ' x1,n+1 = 904, 772 041
x 0 (10, 1) ' x2,n+1 = −41, 234 172
(c) La méthode d’Euler modifiée étant d’ordre 2, l’erreur sera reduite approximativement
0,1
d’un facteur de ( 0,01 )2 = 100.
171. (a) En posant y1 (t) = y(t) et y2 (t) = y 0 (t), on obtient le système:

( 0
y1 (t) = y2 (t) y1 (0) = y(0) = 0
24
y20 (t) = 25 y1 (t) − 2y13 (t) y2 (0) = y 0 (0) = 0, 04
(b)
! !
y1 (t) f1 (t, y1 (t), y2 (t)) = y2 (t)
~ (t) =
Y , F~(t, Y
~ (t)) = .
y2 (t) f2 (t, y1 (t), y2 (t)) = 24 3
25 y1 (t) − 2y1 (t)
!
y1,0 = y1 (0) = 0
~0 ~0 = Y
Y (t) = F (t, Y (t)) Y ~ (t0 ) =
y2,0 = y2 (0) = 0, 04
On fait 1 itération de la méthode du point milieu avec h = 0, 1 et on obtient
(
y(0, 1) ' y1,1 = 0, 004
y 0 (0, 1) ' y2,1 = 0, 0401912
(c) La méthode du point milieu étant d’ordre 2, l’erreur sera reduite approximativement
0,1 2
d’un facteur de ( 0,01 ) = 100
172. y1 = 1, 004 762 et y2 = 1, 018594.

173. y1 est une racine de la fonction f (x) = 1 + 0, 01 sin(x) et on obtient y1 = 0, 9916.

174. (a) Après une itération de la méthode d’Euler explicite on obtient y(0, 1) ' y1 = 0.
(b) y1 est une solution de l’équation x = x−0, 01ex+0,005 = 0. En partant de l’approximation
initiale x0 = 0, on obtient après 2 itérations de la méthode de Newton y1 ' x2 =
1, 015 268 06 × 10−2 .
175. y1 est une racine de la fonction f (x) = 1 − x − 0, 25e−(0,25+x) ⇒ y1 = 0, 9926.

176. (a)
R tn+1 R tn+1 h
y 0 (t) dt =

tn tn f (t, y(t)) dt ' 2 f (tn , y(tn )) + f (tn+1 , y(tn+1 )
h
y(tn+1 ) − y(tn ) ' 2 f (tn , y(tn )) + f (tn+1 , y(tn+1 )
On pose y(tn+1 ) ' yn+1 , y(tn ) ' yn , et on obtient la méthode de Cranck-Nicholson:
h
yn+1 = yn + 2 f (tn , yn ) + f (tn+1 , yn+1 ) .
y(tn+1 ) − y(tn ) 1
(b) τn+1 (h) = − 2 f (tn , y(tn )) + f (tn+1 , y(tn+1 ) .
h
(c) y1 est une racine de la fonction f (x) = x − 0, 005ex . En partant de l’approximation
initiale x0 = 0, on obtient après 3 itérations de la méthode de Newton y1 ' x3 =
5, 025 189 183 × 10−3 .
177. (a) On fait une itération de la méthode de Runge-Kutta d’ordre 4 avec h = 1, ce qui
donne y10 = 41, 525 827 03 m/s.
(b) On prend une différence centrée d’ordre 2 avec h = 0, 5 et l’on trouve:
v(5) − v(4)
v 0 (4, 5) ' = 3, 887 15 m/s 2 .
2 × 0, 5
(c) De l’approximation d’ordre 4 de la vitesse en t = 10s, (y10 ), On a d’après l’équation

différentiellle:
c c
v 0 (10) = g − v(10) ' 9, 8 − y10 = 1, 250 546 m/s 2 .
m m
Ou encore on peut calculer 3 approximations (h = 1, h = 2 et h = 4) à l’aide de la
différence arrière d’ordre 2 et faire 3 extrapolations de Richardson.
0,700 3838 1,153 148 1,229 856 ordre 2
1,304 069 1,255 425 ordre 3
1,1248 476 ordre 4
(d) Si l’on souhaite une approximation d’ordre 4, on peut utiliser la méthode de Simp-
son 13 dans les 2 premiers intervalles et la méthode de Simpson 83 dans les 3 inter-
3
valles suivants (S1 ) ou encore la méthode de Simpson 8 dans les 3 premiers inter-
1
valles et ensuite la méthode de Simpson 3 (S2 ).
S1 = 17, 163 031 33 + 72, 220 7325 = 89, 383 763 83 m,

ou encore:
S2 = 36, 261 7155 + 53, 121 813 33 = 89, 383 528 83 m.
178. (a) y(t) = 5e−7t .

(b) yn+1 = yn + hf (tn , yn ) = yn − 7hyn = (1 − 7h)yn .
(c) On obtient y(0, 5) ' y1 = −12, 5 avec une erreur absolue E1 = 12, 349013.
On obtient y(1) ' y2 = 31, 25 avec une erreur absolue E2 = 31, 245 441.
(d) yn = (1 − 7h)n y0 on a |yn | → 0 si |1 − 7h| < 1 ⇒ −1 < 1 − 7h < 1 ⇒ h < 72 .
1
(e) Pour h < 7 la solution numérique tend vers la solution analytique.
179. (a) La méthode de Crank-Nicholson est d’ordre 2 tandis que la méthode d’Euler implicite
est d’ordre 1.
E(h = 0, 125) 6, 189 158 × 10−5

= = 4, 008 581 ' 22 .
E(h − 0, 0625) 1, 543 977 × 10−5
La deuxieme colonne a été calculée à l’aide de la méthode de Crank-Nicholson.

1−(1−θ)hβ
(b) on pose f (t, y(t)) = −βy(t) et on obtient yn+1 = 1+hθβ yn .
1−(1−θ)hβ n
h i
1−(1−θ)hβ
(c) De yn+1 = 1+hθβ yn , on a par induction yn = 1+hθβ y0 .
1−(1−θ)hβ
limn→∞ |yn | = 0 ⇒ | 1+hθβ | < 1, ce qui donne (2θ − 1)βh + 2 > 0.
1 1
(d) Pour θ ≥ 2, la méthode est inconditionnellement stable. Par contre pour θ < 2, la
2
méthode est stable si h < (1−2θ)β .
180. (a) yn+1 = yn + hf (tn , yn ) = yn − hλtn yn = (1 − hλtn )yn .

(b) yn = (1 − hλt0 )(1 − hλt1 ) · · · (1 − hλtn−1 )y0 . La suite yn est décroissante si |(1 −
hλtn )| < 1 ⇒ h < λt2n .
(c) Le pas de temps h dépend du temps tn .
181. À partir de l’historique on obtient, en se servant des splines cubiques, y(−0, 95) '
p1 (−0, 95) = 1, 1415. On a ensuite y(0, 1) ' y1 = y0 + 0, 1(2, 04482 − y(−0, 95)) =
2, 090332.
182. (a) On calcul 2 approximations d’ordre 2 de y20 (−0, 5) en utilisant la formule centrée
d’ordre 2 avec respectivement h = 0, 25 et h = 0, 5 et ensuite obtient de l’extrapolation
de Richardson l’approximation d’ordre 4 ,y20 (−0, 5) ' 0, 229.
Du système d’équations différentielles on a, y100 (0) = y20 (−0, 5) ' 0, 229.
(b) À partir de l’historique, on obtient en se servant des splines cubiques les approxi-
mations y1 (−0, 9) ' p1 (−0, 9) = 1, 1518 et y2 (−0, 4) ' p4 (−0, 4) = 0, 9226. Pour
h = 0, 2, on a
(
y1 (0, 2) ' y1,1 = y1,0 + 0, 2y2 (−0, 4) = 2, 1845;
y2 (0, 2) ' y2,1 = y2,0 + 0, 2 × (2y2,0 + 0, 17928 − y1 (−0, 9)) = 1, 2055.

183. (a) xm = 2,9, 2,85, 2,875 (9 itérations)

(b) xm = 1,75, 1,625, 1,6875 (10 itérations)
(c) xm = 2,0, 3,0, 3,5 (13 itérations)
(d) xm = 1,5, 1,25, 1,125 (11 itérations)
∗ =x − f (x )(x −x )
1 2 1
184. xm 1 f (x2 )−f (x1 )
185. (a) 2,857 95, 2,860 03, 2,860 10

(b) 1,67, 1,641 95, 1,639 57
(c) 1,354 38, 1,946 33, 2,084 07
(d) 1,016 13, 1,030 67, 1,043 72
186. (a) On obtient la racine r = −1.

(b) Pas de convergence car ce n’est pas un intervalle avec changement de signe.
187. (a) f (0) × f (0, 5) < 0 donc l’intervalle initial est avec changement de signe.
(b) La racine r ∈ [0, 25, 0, 50]. En effet à la deuxième itération, la méthode de la bissec-
tion considère l’intervalle avec changement de signe [0, 25, 0, 50].
(c) Au moins 19 itérations.
188. f (2) = −1 < 0 et f (2, 4) = 0, 9040 > 0 et f (x) est continue sur l’intervalle [2, 2, 4],
donc la fonction possède une racine dans l’intervalle [2, 2, 4]. L’erreur absolue est ∆r ≤
0, 4 × 2−10 = 0, 3906 × 10−3 , donc 4 chiffres significatifs.
189. Soit u = (u1 , u2 )t et v = (v1 , v2 )t , alors on a k u ~×v ~ ke = |u1 v2 − u2 v1 | et f (t) =

~ vk
ku× ~ e |u1 v2 −u2 v1 |
kuk ~ e =
~ e kvk ~ e kvk
kuk ~ e ≥ 0, par consequent, il n’existe pas d’intervalle avec changement
(u1 v2 −u2 v1 )
de signe. Pour pouvoir utiliser la bissection, on pose f (t) = ~ e ,
~ e kvk
kuk ou f (t) =
~v
u. ~ ~v
u. ~
kuk − 1 (conjoction) ou f (t) =
~ e kvk
~ e ~ e kvk
kuk ~ e +1 (opposition).
190. La racine est dans l’intervalle [1 , 2], car f (1) × f (2) < 0. Il faut au moins n = 34
itérations
191. La méthode de la bissecton converge vers la racine r1 si f (a) × f (xm ) < 0, sinon elle
converge vers la racine r3 . La méthode converge vers r2 seulement si f (xm ) = 0 ou
x m = r2 .
192. Il faut au moins 13 itérations.

193. (a) r1 est attractif (g10 (r1 ) = −0, 2294), r1 est attractif (g20 (r1 ) = 0 ) et r1 est attractif
(g30 (r1 ) = −0, 099).
(b) La fonction g2 (x) converge quadratiquement.
(c) Oui, car il y a un changement de signe.
√
2
194. (a) |g 0 (x)| = |1 − 2ρx| < 1 pour 0 < ρ < 2 .
√
2
(b) g 0 ( 4 )
= 0, convergence quadratique.
√
(c) g 0 (3 2) > 1, divergence.
195. (a) g 0 (r ) ' 0, 51 < 1.

(b) g 0 (1, 365 23(= 0, 511 96.
(c) La convergence est linéaire car g 0 (1, 365 23) 6= 0 et |g 0 (1, 365 23)| < 1.
2x N √
3
√
3
196. (a) On pose g(x) = 3 + 3x 2
et on vérifie aisément que g( N) = N).
(b) On a aussi
2 2N 2N
−g 0 (x) = g 00 (x) =
3 3x 3 x4
√
3
√
3 2
de sorte que g 0 ( N)) = et g 00 ( N)) = √
3 6= 0. On a donc une convergence
N)
quadratique.
(c) On complète le tableau La colonne | en+1 0
en | converge vers g (r ) qui est 0. La colonne
en+1 en+1
n | en | | 2 |
en
0 0,069 9670 0,195 21
1 0,005 3642 0,213 91
2 0,000 0289 0,215 44
g 00 (r )
| en+1
2 | converge 2 = √
3
1
= 0, 215 44. La correspondance est très bonne.
en 100
√
197. (a) Le seul point fixe dans l’intervalle ]0 , ∞[ est r = a.
(b) Il faut montrer que g 0 (r ) = g 00 (r ) = 0, ce qui est le cas puisque:
3(x 2 − a)2 48ax(x 2 − a)

g 0 (x) = et g 00
(x) = .
(3x 2 + a)2 (3x 2 + a)3

λ−1
198. (a) Les points fixes sont r1 = 0 et r2 = λ .
(b) Le point fixe r1 est attractif (|g 0 (r1 )| < 1 ) pour λ dans l’intervalle ] − 1 , 1[ et le point
r2 est attractif (|g 0 (r2 )| < 1 ) pour λ dans l’intervalle ]1 , 3[.
(c) La convergence est quadratique (g 0 (r1 ) = 0 ) pour λ = 0 ( mais alors on a g(x) = 0,
ce qui est peu intéressant). Par contre, g 0 (r2 ) = 0 pour λ = 2 ( on note que, dans ce
dernier cas, g 00 (r2 ) = −2λ 6= 0).
199. (a) Les points fixes ont r1 = 0 et r2 = 1.

(b) Le point fixe r1 est attractif (|g 0 (r1 )| < 1 ) pour λ dans l’intervalle ] − 2 , 0[ et le point
r2 est attractif (|g 0 (r2 )| < 1 ) pour λ dans l’intervalle ]0 , 2[.
(c) La convergence est quadratique (g 0 (r1 ) = 0 ) pour λ = −1 et g 0 (r2 ) = 0 pour λ = 1 (
on note que, dans les 2 cas, g 00 (r ) = −2λ 6= 0).
200. (a) g(−1) = −1, car −1 est un point fixe de g(x).

(b) La suite en+1 0
en tend vers g (−1). Par exemple, on a
e15
e14 ' e16
e15 ' −0, 333 ce qui est une
bonne approximation de g 0 (−1).
(c) Les itérations oscillent de part et d’autre du point fixe, car −1 < g 0 (−1) < 0 et , en
vertu de l’approximation en+1 ' g 0 (r )en , l’erreur change de signe à chaque itération.
(d) La convergence est d’ordre 1, car −1 < g 0 (−1) < 0.
201. (a) Il suffit de résoudre l’équation f (x) = x 2 − 2 = 0. On a ensuite f 0 (x) = 2x et

f 00 (x) = 2. En remplaçant et en simplifiant, on trouve l’algorithme:
3xn 3 1
xn+1 = + 3
− 3
= g(xn ).
8 2xn 2xn
√ √
(b) C’est donc une méthode des points fixes et l’on a g( 2) = 2. De plus
3 3 3 3 6 9 30
g 0 (x) =− 2
+ 4
g 00 (x) = 3 − 5 g 000 (x) = − 4 + 6
8 2x 2x x x x x
√ √ √
de sorte que g 0 ( 2) = g 00 ( 2) = 0 et g 000 ( 2) = 23 6= 0. la convergence est donc
cubique.
(c) x1 = 1, 4375 et x2 = 1, 414 216 606.
202. Le point fixe r = 1 est repulsif pour la fonction g1 (x) car g1 (1) = 1 mais |g10 (1)| > 1.
La méthode des points fixes associée à la fonction g2 (x) converge à l’ordre 1 vers r = 1
1
car g2 (1) = 1, |g20 (1)| = e+1 < 1. Finalement La méthode des points fixes associée à la
fonction g3 (x) converge à l’ordre 2 vers r = 1 car g3 (1) = 1, g30 (1) = 0 et g300 (1) 6= 0.
203. (a) La valeur optimale p ∗ est solution de l’équation π 0 (p) = 0, c’est à dire
−p 2
10 e 100 200p − 500 − 2p 3 + 10p 2 = 0.
(b) De l’équation 200p − 500 − 2p 3 + 10p 2 = 0, on a 200p = 500 + 2p 3 − 10p 2 , dont on

500+2p 3 −10p 2
obtient p = g1 (p) = 200
De l’équation 200p − 500 − 2pr3 + 10p 2 = 0, on 2p 3 = −200p + 500 − 10p 2 , dont on
3 200p−500+10p 2
obtient p = g2 (p) = g2 (p) = 2 .
(c) Le Point fixe p ∗ est repulsif pour la fonction g1 (p), car |g10 (p∗)| > 1. Le point fixe
p ∗ est repulsif pour la fonction g2 (p), car |g20 (p∗)| < 1.
(d) La suite en+1 0 ∗ e5 e6
en tend vers g2 (p ). Par exemple, on a e4 ' e5 ' 0, 52. On a ainsi
|g20 (p∗)| < 1 et g20 (p ∗ ) 6= 0 ce qui donne une converge d’ordre 1.
√
204. (a) Le point fixe est r = a.
√ √ √ √
(b) La méthode converge à l’ordre 2 car g( a) = a, g 0 ( a) = 0 et g 00 ( a) = √1 6= 0.
a
(c) On pose a = 5 . En partant de x0 = 2, on obtient après 3 itérations x3 = 2, 236 067977

avec 10 chiffres significatifs.
205. (a) Le point fixe est attractif pour a dans l’intervalle ]0 , 2[. Si a = 2, c’est un cas
indéterminé.
(b) la convergence est d’ordre 1 pour a dans les intervalles 0 , 1[ et ]1 , 2[, et la conver-
gence est d’ordre 2 pour a = 1.
(c) La fonction g2 (x) correspond à une variante de la méthode de Newton appliquée à la
fonction f (x). La prochaine itération xn+1 est obtenue en déterminant l’intersection
de la droite y = 0 ( l’axe des x) avec de la droite passant par le point de coordonnée
(xn , f (xn )) et de pente fixée à f 0 (ln a) = a.
(d) On choisit la fonction g2 (x) car la convergence est d’ordre 2 mais contrairement
à la méthode de Newton, elle ne nécessite pas l’évaluation de la dérivée à chaque
itération.
(e) Les coefficients α et β sont les solutions des équations
(
α + β = 1;
α − β = 0.
On trouve α = β = 21 et on note que gα,β

000
(ln a) = −1 6= 0 ce qui confirme que la
méthode est d’ordre 3.
Pour a = 2, en partant de x0 = 0, 5 ,l’algorithme des points fixes associé ła fonction

g 1 1 (x) après 2 itérations x2 = 0, 69314718 0269 avec 8 chiffres significatifs.
2,2

ρ
206. (a) On pose G(x) = g(x) + 1−ρ (g(x) − x) et on montre que G0 (r ) ' 0. Ce qui donne
une convergence d’ordre 2.
g 0 (r )
(b) Pour g 0 (r ) < 1 , on a (g 0 (r ))2 1 e qui entraine que 1−g 0 (r ) ' g 0 (r ). Par la suite,
on obtient
g 0 (r )

ρ x −x ρ
xk+2 = xk+1 + 1−ρ (xk+1 − xk ) ⇒ xk+2 −xk+1 = 1−ρ ' 1−g 0 (r ) ' g 0 (r ).
k+1 k
xk+2 −xk+1
D’où xk+1 −xk ' ρ.
r 3 +1
207. (a) De f (r ) = 0, on a r = 3 , ce qui entraine que la racine r est un point de la fonction
g(x).
−2 < r1 < −1 car f (−2) × f (−1) < 0, 0 < r2 < 1 car f (0) × f (−1) < 0 finalement
1 < r3 < 2 car f (1) × f (2) < 0.
(b) Le point r1 est repulsif car 1 < |g 0 (r1 )| < 4. Le point r2 est attractif car 0 < |g 0 (r2 )| <
1. Le point r3 est repulsif, car 1 < |g 0 (r4 )| < 4 .
(c) La méthode des points fixes converge à l’ordre 1 vers r2 car g 0 (r2 ) 6= 0 et |g 0 (r2 )| < 1.
La fonction g3 (x) est la plus adéquate.
208. (a) La racine r = 1 n’est pas un point fixe de g1 (x) car g1 (1) = 5 6= 1.
(b) La racine r = 1 est un point fixe repulsif de g2 (x) car g2 (1) = 1 mais |g20 (1)| > 1.
(c) La racine r = 1 est un point fixe attractif de g3 (x) car g3 (1) = 1 et |g30 (1)| < 1
209. (a) La racine semble être r ' 1, 365 230 0134. La méthode g1 (x) diverge car |g10 (r )| '
15, 4 > 1. La méthode g3 (x) converge car |g30 (r )| ' 0, 51 < 1.
(b) La méthode g2 (x) diverge car |g30 (r )| ' 3, 43 > 1. De plus, g2 (x2 ) = −8, 65 ce qui
p
donne un nombre compexe, d’ où le NaN.

(c) i. La méthode g4 (x) converge moins vite que la méthode g3 (x) car |g40 (r )| '
0, 13 < |g30 (r )| ' 0, 51.
ii. La méthode g4 (x) converge moins vite que la méthode g5 (x) car |g50 (r )| ' 0 <
|g40 (r )| ' 0, 13.
(d) La méthode g3 (x) converge à l’ordre 1, car |g30 (r )| < 1 et g30 (r ) 6= 0. La méthode
g4 (x) converge à l’ordre 1, car |g40 (r )| < 1 et g40 (r ) 6= 0. La méthode g5 (x) converge
à l’ordre 2, car g50 (r ) = 0.
(e) Les valeurs de xn semblent supérieures à la racine à une itération et inférieures à la
racine à l’autre itération pour les méthodes g3 (x) et g4 (x), car on a respectivement
−1 < g3 (r ) < 0 et −1 < g40 (r ) < 0. En vertu de l’approximation en+1 ' g 0 (r )en ,
l’erreur change de signe à chaque itération.
(f) La méthode des points fixes associée à la fonction g5 (x) converge à l’ordre 2. En
g 00 (r )
vertu de l’approximation en+1 ' 2 en 2 , on a |en+1 | ' 4, 9 × 10−7 .
1
210. (a) x = 2x − x 2 C ⇐⇒ x = x 2 C ⇐⇒ x = C (si C 6= 0). L”agorithme calcul l’inverse de C.
(b) On pose g(x) = 2x − x 2 C et on a g 0 ( C1 ) = 0 et g 00 ( C1 ) = −2C 6= 0, ce qui confirme
que l’algorithme est précis à l’ordre 2.
βq γq2
211. On pose g(x) = αx + x 2 + x5
. Les coefficients α, beta et γ sont les solutions du système

 α + β + γ = 1;

α − 2β − 5γ = 0;

 6β + 30γ = 0
On trouve α = 59 , β = 59 et γ = − 19 . La méthode de points fixes est d’ordre 3.

ω 2ω
212. (a) On pose g(x) = (1 − 3 )x + (1 − ω)x 3 + 3x 2
+ 2(ω − 1). Il suffit ensuite de montrer
2
que g(r ) = r , ce qui est le cas car de f (r ) = r 3 − 2 = 0, on a r 3 = 2 et r = r2
.
(b) Pour ω = 1, la méthode est au moins d’ordre 2 car g(r ) = r et g 0 (r ) = 0.
4
(c) La méthode est d’ordre 2 car g(r ) = r , g 0 (r ) = 0 mais g 00 (r ) = r4
≠ 0.
213. (a) La méthode associée à g1 (x) diverge car g1 (2) = 2 et |g10 (2)| = 3 > 1. La méthode
associée à g2 (x) converge car g2 (2) = 2 et |g20 (2)| = 0 < 1. Finalement, la racine
r = 2 n’est pas un point fixe de la fonction g3 (x) car g3 (2) = 0 6= 2.
(b) x1 = 1, 795 et l’erreur absolue est E = |2 − x1 |0, 205 ≤ 0, 5 × 100 l’approximation
x1 = 1 , 795 possède un chiffre significatif.
en en 1 00
(c) i. |en | → 0 →0 et 2
→ g (2) = 0, 25.
en−1 en−1 2
en en 1 00
ii. |en | → 0 →0 et 2
→ g (2) = 0, 25 6= 0, la convergence est
en−1 en−1 2
quadratique (ordre 2).
214. L’algorithme diverge car g 0 (r ) = er = 3, 1462 > 1.

215. Il s’agit des abscisses des trois points d’intersection de la droite y = x et de la fonction
g(x) = 2 sin x sur l’intervalle [−π , π ].
1
216. Le point fixe est repulsif pour la fonction g1 (φ) car g10 (φr ) = ≥ 1. Le point
cos2 (φr )
1
fixe est attractif pour la fonction g2 (φ) car g20 (φr ) = < 1.
1 + (φr + c)2
217. (a) De l’équation f (x) = ex − 4x 2 = 0, ona 4x 2 = ex , on prend ensuite la racine carrée

1 x
et on obtient x = 2 e 2 = g(x).
(b) On pose h(x) = ln (4x 2 ).

218. (a) En partant de x0 = 1, on obtient x2 = 1, 4 avec 2 chiffres significatifs et x2 =

1, 414 213 19 avec 7 chiffres significatifs.
(b) Il suffit de montrer que g 0 (r ) = g 00 (r ) = 0 et g 000 (r ) 6= 0.
1
219. (a) Le point fixe r = 3 est attractif pour la fonction g1 (x) car g1 (3) = 3 et |g10 (3)| = 3 <
1. Le point fixe r = 3 est repulsif pour la fonction g2 (x) car |g10 (3)| = 3 > 1.
(b) Les coefficients α et β sont solutions du système:
(
α + β = 1;
α
3 + 3β = 0.
9
On trouve α = 8 et β = − 18 .
(c) En partant de x0 = 4, on obtient les itérations x1 = 2, 918 702 889 et x2 = 2, 999 479 73.
(d) Soient f1 (x) et f2 (x) 2 fonctions qui conduisent l’une à un point fixe r attractif et
l’autre au même point fixe répulsif. C’est -à -dire f1 (r ) = f2 (r ) = r avec |f10 (r )| =
|a| < 1 et |f20 (r )| = |b| > 1. Selon (b), on cherche α et β solutions du système
(
α + β = 1;
aα + bβ = 0.
Comme a 6= b, ce système a une solution unique. Donc, la réponse est oui.

1
220. Il faut choisir la fonction h(x) telle que h0 (r ) = f 0 (r ) . On peut par exemple prendre
1 f (x)
h(x) = ou h(x) =
f 0 (x) f [x+f (x)] .
221. (a) La méthode de g1 (x) diverge tandis que les méthodes g2 (x) et g3 (x) convergent.
(b) Les taux de convergence des méthodes g2 (x) et g3 (x) sont respectivement |g20 (r )| =
0, 51 et |g20 (r )| = 0, 216.
(c) i. Les valeurs de xn sont supérieures à la racine à une itération et inférieures à
l’autre itération. En vertu de l’approximation en+1 ' g 0 (r )en , l’erreur change de
signe à chaque itération.
xk+1 −x ∗
ii. La suite | xk −x ∗ | tend vers le taux de convergence |g20 (x ∗ )|. Par exemple, on a
x −x ∗ ∗
| x87 −x ∗ | ' |x 9 −x
x8 −x ∗ | ' 0, 51.
xk+1 −x ∗
iii. La méthode g2 (x) converge à l’ordre 1, le rapport (xk −x ∗ )2
→ ∞ lorsque k → ∞.
222. La méthode converge à l’ordre 1 pour α dans les intervalles ]0 , 1[ et ]1 , 2[.

x 3 +7x 2 +(7+ω)x−15
223. (a) On pose g(x) = ω , il suffit ensuite de montrer que g(1) = 1.
(b) L’algorithme de points fixes converge si ω est dans l’intervalle ] − 12 , 0[.

20
(c) La converge est rapide (ordre 2) car g 0 (1) = 0 et g 00 (1) = − 6= 0.
24
r 2 +1
224. (a) Il suffit de montrer que g(r ) = r 2 = r , ce qui est le cas car de l’équation f (r ) =
r 3 − r 2 − 1 = 0, on a r 3 = r 2 + 1.
(b) En partant de l’intervalle [ 45 , 3
2 ], on obtient après une itération de la méthode de
11 3
la bissection que r ∈ [8
, alors −1, 068 ≤ g 0 (r ) < −0, 592 592. ce qui
2 ]. On a
confirme que le point fixe est attractif et la convergence est linéaire.
Méthode de Newton
225. (a) On ne peut pas utiliser la méthode de bissection pour trouver la racine près de −1
car il n ’ y a pas d’intervalle avec changement de signe tout près de cette racine. On
peut cependant l’utiliser pour l’autre racine car la fonction possède de signe dans
l’intervalle [2 , 2, 5].
(b) Pour la racine r1 près de −1, la convergence est d’ordre 1 car f 0 (r1 ) = 0. Pour la
racine r2 près de 2, 3, la convergence eat au moins d’ordre 2 car f 0 (r2 ) 6= 0 ( racine
simple).
2π 1
(c) Le point fixe r ∈ [ 3 , π ] est attractif car |g 0 (x)| ≤ 2 pour tout x dans l’intervalle
[ 2π
3 , π ].
226. (a) L0 (y) = 14 (y + 1)(y − 2), L1 (y) = − 13 (y + 2)(y − 2) et L2 (y) = 1

12 (y + 2)(y + 1).
5
L’ itération est x3 = P2 (0) = 3 = 1, 666 666 666.
(b) L’itération x2 est l’abscisse du point d’intersection de la droite joignant les points
(x0 , f (x0 )) et (x1 , f (x1 )) avec l’axe des x.
(c) L’itération x1 est l’abscisse du point d’intersection de la droite passant par le point
(x0 , f (x0 )) de pente f 0 (x0 ) avec l’axe des x.
227. Pour une racine de multiplicité 2, f (r ) = 0 et f 0 (r ) = 0, la fonction ne change pas de

signe autour de la racine. La méthode de la bissection de s’applique pas.
228. (a) Les fonctions f (φ) et f 0 (φ) sont décroissantes sur l’intervalle 94 , 95] et f 0 (94) ×
f 0 (95) > 0, cela entraine que la fonction f 0 (φ)ne possède pas de racine dans l’intervalle
[94 , 95]. La racine est multiplicité 1 car f (φr ) = 0 mais f 0 (φr ) 6= 0.
(b) La racine étant de multiplicité 1, cela implique que la méthode de Newton pour ce
problème est au moins d’ordre 2.
(c) En partant d’un intervalle de longueur L = 1, après 10 itérations de la méthode de la
bissection, la racine et son approximation son dans un intervalle de longueur 2110 . On
a ainsi |φr − φ∗ | ≤ 2110 = 0, 97656 × 10−3 ≤ 0, 5 × 10−2 ⇒ φ∗ = 94, 34 08 possède 4
(d) La méthode de Newton.

en
229. (a) en → 0, en−1 → 0, 5 6= 0, convergence d’ordre 1. La racine est de multiplicité
m = 2.
(b) x1 = 2. La méthode de Newton convergence une itération.
(c) Belle co´’incidence! La droite qui passe par le point de coordonnées (1, 5 , f (1, 5)) et
de pente f 0 (1, 5) coupe l’axe y = 0 en x1 = 2, la méthode de Newton converge en
une itération en partant de x0 = 1, 5.
n e
230. en → 0, en−1 → 0, 6666 6= 0, convergence d’ordre 1. La racine est de multiplicité
m = 3.
231. La nature du point fixe est indéterminée car g 0 (r ) = 1.

1
232. Il suffit de résoudre l’équation f (x) = x − a = 0 à l’aide de la méthode de Newton. Cela
revient à l’algorithme
2
xn+1 = 2xn − axn .
1−ln x
233. Le maximun de la fonction f (x) est solution de l’équation f 0 (x) = x2
= 0. L’algorithme
de Newton est donné par
xn (1 − ln xn )
xn+1 = xn − .
−3 + 2 ln xn
2 − M peut entrainer la perte de chiffres significatifs. L’algorithme
234. Le calcul de f (xn ) = xn
de Newton sinplifiée donne
1 M

xn+1 = xn + .
2 xn
f (x)
235. (a) On pose G(x) = x − g(x) . La méthode des points fixes G(x) est au moins d’ordre 2
car G(r ) = r et G0 (r ) = 0.
(b) La méthode converge à l’ordre 2 mais à chaque itération il faut calculer f (xn ) et
f [xn + f (xn )].
(c) Pour f (x) proche de 0, le développement de Taylor de la fonction f [x+f (x)] autour
de x donne
f [x + f (x)] − f (x)
f [x +f (x)] = f (x)+f 0 (x)f (x)+O(f (x))2 ⇒ f 0 (x) ' = g(x).
f (x)
La méthode des points fixes est une variante de celle de Newton où la dérivée f 0 (x)
est remplacée par l’approximation g(x).
236. (a) Il suffit de résoudre à l’aide de la méthode de Newton, l’équation f (x) = x 2 − N = 0.

En remplaçant f (x) et f 0 (x) = 2x dans l’algorithme de Newton et en simplifiant, on
trouve algorithme
1 N

xn+1 = xn + .
2 xn
(b) Il suffit de résoudre l’équation f (x) = x 3 − N = 0à l’aide de la méthode de Newton.

Cela revient à l’algorithme
!
1 N
xn+1 = 2xn + 2 .
3 xn
237. (a) La pente est fixée une fois pour toutes à f 0 (x0 ). Par conséquent, les droites sont
toutes parallèles.
f (x) x 2 −2
(b) On pose g(x) = x − f 0 (x0 ) = x − 2x0 . La condition de convergence est alors
√ √
|g 0 ( 2)| < 1 et on obtient 22 < x0 < ∞.
√
(c) x0 = 2.
238. (a) La converge n’est pas assurée car l’approximation initiale x0 = b, ne fait pas partie
du bassin d’attraction de la racine de la fonction f (x) pour la méthode de Newton.
(b) La converge de la méthode de Newton est quadratique si f 0 (r ) = 1 − a cos r 6= 0. Ce
qui est le cas puisque pour 0 < a < 1, on a cos r 6= a1 .
9
239. La méthode de Newton est d’ordre 1 et le taux de convergence |g 0 (r )| = 10 .
240. (a) f (x) est de la forme (x − 1)2 h(x) avec h(1) = e 6= 0 ⇒ r = 1 est de multiplicité
m = 2.
(b) Le ratio | en+1 0
en | → 0, 5, la convergence est linéaire et le taux de convergence |g (r )| = 0, 5.
n | en+1
en |
8 4.994963331318167e-01
9 4.997485470223553e-01
10 4.998743683459937e-01
11 4.999372078471372e-01
12 4.999686098374866e-01
13 4.999843063966225e-01
14 4.999921535661964e-01
15 4.999960768780633e-01
16 4.999980384554781e-01
17 4.999990192486539e-01
18 4.999995096445901e-01
(c) Le ratio | en+1 en+1
en | → 0 et le ratio | 2 | → 0, 5 6= 0 ⇒ convergence quadratique.
en
n | en+1
en | | en+1
2 |
en
1 0,6 0,799 999
2 1, 836 734 × 10−1 0,468 163
3 3, 968 643 × 10−2 0,480 756
4 1, 637 416 × 10−3 0,499 181
5 2, 685 505 × 10−6 0,499 952
(d) La fonction f (x) = (x − 1)2 ex ≥ 0, donc ne change pas de signe. La méthode de la
bissection ne peut pas être utilisée pour approcher la racine r = 1.
241. En partant de x0 , on obtient x1 = −x0 et x2 = x0 . La méthode de Newton cycle.

242. (a) La méthode de Newton cycle. Cela est dû au fait que la fonction est impaire par
rapport à x = a.
(b) La droite passant par les points de coordonnées (1 , −1) et (3 , 1) intersecte l’axe des
x en x = 2, la racine de f (x). Cela est dû au fait que la fonction est impaire par
rapport à 2.
243. La méthode 1 est celle de Newton, la méthode 2 est celle de la sécante et la méthode 3
est celle de point fixe.
244. (a) La racine est r = −2.

(b) L’algorithme de la méthode de Newton est donné par xn+1 = g(xn ) où g(x) =
− 32 x − 5. La méthode de Newton diverge car |g 0 (−2)| = 23 > 1.
245. (a) La méthode de Newton converge à l’ordre 1 car la racine r = 1 est de multiplicité 2.
(b) L’itérée x2 = 0, 65061 × 10−1 ne possède aucun chiffre significatif.
en en
(c) i. xn → 1 → 0 et 2
→ 0, 08 6= 0, la méthode des points fixes
en−1 en−1
converge à l’ordre 2.
ii. Le comportement bizarre de la dernière ligne des colonnes 2 et 3 du tableau est
du à perte de chiffres significatifs par soustraction de nombres voisins. Quand
xn est proche de la racine r = 1, le calcul de l’erreur er r , entraine une perte de
246. On obtient x2 = 1, 433 812 et x3 = 1, 413 777.

f (xk )(f (xk )−f (xk−1 )) 0

247. La prochaine itération est xk+1 = xk − xk −xk−1 =r− r −xk−1 = r.
248.
f (xn )(xn − xn−1 ) xn f (xn ) − xn f (xn−1 ) − f (xn )xn + xn−1 f (xn )

xn+1 = xn − =
(f (xn ) − f (xn−1 )) f (xn ) − f (xn−1 )
f (xn )xn−1 − xn f (xn−1 )
= .
f (xn ) − f (xn−1 )
Pour xn près de r , f (xn ) ' 0 comparé à f (xn−1 ). L’algorithme de la Sécante donne:

f (x )(x −xn−1 )
xn+1 = xn − (f (xnn )−fn (xn−1 )) -→ xn+1 ' xn . On a convergé. Pour la nouvelle formulation:
on a
f (xn )xn−1 −xn f (xn−1 ) −xn f (xn−1 )
xn+1 = f (xn )−f (xn−1 ) -→ xn+1 ' .
f (xn ) − f (xn−1 )
| {z }
Opération risquée
1 1 1
249. L0 (y) = 224 (y −51)(y +1), L1 (y) = 2912 (y +5)(y +1) et L2 (y) = − 208 (y +5)(y −51).
On a x3 = P2 (0) = 2, 458 où P2 (y) = 0L0 (y) + 4L1 (y) + 2L2 (y).
250. Il faut résoudre y(t) = 9600(1 − e−t/15 ) − 480t = 0. Il ya plusieurs possibilités:

9600 −t/15
1. Newton: Il faut y 0 (t) = 15 e − 480 et l’approximation initiale t0 = 9.
2. Secante: on prend les approximations initiales t0 = 9 et t1 = 9, 1 ou 8, 9.
251. Le temps T est une racine de la fonction N(t) = N5 (t) − N9 (t). On peut utiliser les
méthodes suivantes pour calculer plus précisement T :
1. Méthode de la bissection et méthode de Brent-Dekker sur l’intervalle [200 , 250] avec

la fonction N(t) Selon le graphique,
N5 (t) > N9 (t) pour 200 < t < T ⇒ N(t) = N5 (t) − N9 (t) > 0
N5 (t) < N9 (t) pour t > T < 250 ⇒ N(t) = N5 (t) − N9 (t) < 0
200+250
2. Méthode de la sécante avec les conditions initiales x0 = 2 et x1 = x0 + 1 et la
fonction N(t).
200+250
3. Méthode de Newton avec la condition initiale x0 = 2 et les fonctions N(t) et
N 0 (t).

3 x5 x7 x3

252. (a) erf(x) ' √2π x − x3 + 10 − 42 ··· = √2
π x− 3 + O(x 5 ) = p3 (x) + O(x 5 ).
(b)
(
T0 = 0 0 C, Ti = 10 0 C et TS = −40 0 C
α = 0, 138 × 10−6 et t = 30 jours = 2592 × 103 s.
La profondeur x à laquelle devront se trouver les conduites est une solution de

l’équation " #
50 x3
f (x) = −40 + √π αt x − = 0.
12αt
La méthode de Newton est la plus appropriée parce que la fonction est facile à
dériver.
253. Cette affirmation est fausse. Toute matrice carrée A peut seulement s’écrire sous la forme
P A = LU , où P est une matrice de permutation de lignes.
254. La résolution se fait en 3 étapes: On résout d’abord L~ ~ pour obtenir z

z = P b, ~ ensuite on
~ =z
résout U y ~ pour obtenir y~ et finalement on obtient la solution x −1
~ = P y.~
255. (a)
1
" # " #
2 0 1 2
L= 3 et U = .
1 2 0 1
(b) En résolvant respectivement Ax ~ = [1 0]T et Ax~ = [0 1]T , on obtient respective-

2 1 T 1 2 T
ment [ 3 − 3 ] , la première et [− 3 3 ] la deuxième colonne de A−1 .
(c) La décomposition LU en arithmétique flottante à 2 chiffres
" # " #
0, 2 × 101 0 0, 1 × 101 0, 5 × 100
L= et U = .
0, 1 × 101 0, 15 × 101 0 0, 1 × 101
On résout Ly ~ pour obtient y

~ = b, ~ = [0, 6 1, 5]T et ensuite U x
~=y
~ pour calculer la
~ = [0, 15 1, 5]
solution x T
256. Il est pas possible de factoriser la matrice A sans effectuer une permutation de ligne.
" #" #
1 0 1 1
B= .
1 0 0 1
L’affirmation est fausse car la matrice B possède une décomposition LU en dépit du fait
qu’elle ne soit pas inversible.
257. (a) fl(l33 ) = −0, 17 × 10−1 .

(b) dét(A) = (−1)1 dét(L) × dét(U ) = −0.3536 × 10−2 .
~ = [1
(c) Il faut résoudre les systèmes suivants: Ly 0 0]T et U x
~ = y.
~
258. Il faut résoudre le système B x~ = e~3 = [0 0 1]T . En se servant de la décomposition LU

et du vecteur de permutation cela revient à résoudre le système LU x~ = P e~3 = [0 1 0]T .
On résout Ly T
~ = [0 1 0] pour obtenir y T
~ = [0 1 1] et ensuite U x ~=y ~ pour calculer
~ = [7 − 5 1] .
la solution x T

259. En se servant du vecteur de permutation de lignes on a, L33 = A13 − U12 L31 − U23 L32 et
on obtient L33 = 6.
260. (a) détA = (1)(3)(6) = 18.

(b) kAk∞ = max(6, 27, 55) = 55.
(c) Ces deux vecteurs sont les deux premières colonnes de A−1 . En resolvant Ax
~ =
T 5 2 1 T
[0 0 1] , on obtient la dernière colonnne qui est [ 6 − 3 6 ] .
(d) kAk∞ = max(4, 666 53, 2, 333, 0, 555 55) = 4, 666 53 et donc cond∞ A = 256, 659.
(e) Le produit des matrices L et U donne
1 2 3
 
 
 
LU =  2 7 18 
 
 
 
4 13 38
et on obtient à l’aide du vecteur de permutation de de lignes la matrice
2 7 18
 
 
 
A =  4 13 38 
 
 
 
1 2 3
261. (a) La décomposition LU de Crout de A, sous forme compacte est donnée par
 
1 4 -2 3
 
1
 2 -12 -1 1  3 
  
  , où O~ =

.

2 
 3 
 0 4 -2  
1 -2 2 1 4
(b) détA = (−1)1 détL × détU = 48.

1 1
(c) détA−1 = = .
détA 48
(d) Le produit des matrices L et U donne
 
1 4 -2 3
 2 -4 8 -6 
,
 
 3 12 -2 1 

1 2 2 -2
 
1 4 -2 3
 3 12 -2 1 
.
 
 2 -4 8 -6 

1 2 2 -2

262. (a)
  
1 0 0 0 1 2 1 4

1 5
2 −4 0 0   0 1 −2
 
 
4
 
A = LU =  .

3

4 −6 −5 0   0 0 1 
2
 
19
−3 7 2 −9 0 0 0 1
(b) détA = détL × détU = (1)(−4)(−5)(−9) = −180.

1
~ = [13 28 20 6]T pour obtenir y
(c) On résout Ly ~ = [−13 − 2 7 2]T et ensuite
~=y
Ux ~ = [3 − 1 4 2]T .
~ pour calculer la solution x
263. La décomposition LU de Crout (notation compacte) et le vecteur de permutation sont

   
−3 −2 −3 2
 ~ 
 2 4 1  O =  3 .
 
2 −1 5 1
264. La décomposition LU de Doolitle de la matrice A sans permutation de lignes est donnée

par
   
1 0 0 4 1 0
L =  1 1 0  et U =  0 3 2 
   
1 2 1 0 0 2
265. (a) La décomposition LU de Doolitle de la matrice A sans permutation de lignes est

donnée par
   
1 0 0 1 0 2
L =  2 1 0  et U =  0 1 −1 
   
3 0 1 0 0 −10
(b) Pour obtenir les colonnes c~i de la matrice A−1 , il faut résoudre à l’aide de la décom-
position LU les 3 systèmes linéaires suivants:
A~
c1 = [1 0 0]T , A~
c2 = [0 1 0]T et A~
c3 = [0 0 1]T .
4
(c) Le calcul de l’inverse de la matrice A de dimensions n × n nécessite 3 n3 opérations.
~ en faisant P b.
(d) Il faut d’abord permuter le vecteur b ~ On résout Ly ~ et ensuite
~ = Pb
Ux ~ = y.
~
(e) kAk1 = max{6; 1; 9} = 9 kA−1 k1 = max{2, 4; 1; 0, 4} = 2, 4 et cond1 A = 21, 6.
~=b
266. (a) La système Ax ~ est donné par
−(1 + δ) x1 −K(yf − b)

1 0 0
   
 δ −(1 + δ) 1 0  x  
  2  0 
  = 
 
0 δ −(1 + δ) 1   x3   0
 
 
0 0 δ −(1 + δ) x4 −xf
(b) la décomposition de Thomas est la plus adéquate car la matrice A est tridiagonale.
Les matrices L et U sont

1, 0000 0 0 0

−0, 5294 1, 0000 0 0 
L=
 
0 −0, 7051 1, 0000 0 


0 0 −0, 7923 1, 0000

−2, 1250 1, 0000 0 0

 0 −1, 5956 1, 0000 0 
U =
 
0 0 −1, 4199 1, 0000 


0 0 0 −1, 3327
267. (a) La représentation compacte et le vecteur de permutation sont

 
3 0 −1 2
 
4
 0 3 2 −1 3
 
PA = 
− 1 2 8 4 
 O~= 

.
 3 3 − 3 3 
2
2
3 − 31 − 21 2 1
(b) La solution de Ly ~ donne

~ = Pb
    
1 0 0 0 y1 14

14

 0 1 0 0  y  23  23 
 
2
 =  ~ =
y
   
 1 2 =⇒
1 0 y3   0 
− −32/3

 3 3
2
3 − 3 − 12
1
1 y4 15 8
Ensuite, la solution ~=y

de U x ~ donne
3 0 −1 2 x1
   
14
  
4
0 3 2 −1  x2   23 
     5
= ~ =  .
x
  
8 4  =⇒
0 0 −3  x3  −32/3  6
 
3
0 0 0 2 x4 8 4
268. Factorisation sans permutation de ligne.

" #" # " #
1, 0 0, 0 7, 0 6, 0 7, 0 6, 0
A 6= =
1, 3 1, 0 0, 0 0, 2 9, 1 8, 0
Factorisation avec pivot partiel ( permutation de lignes)
" #" #
1, 0 0, 0 9, 0 8, 0
PA =
0, 78 1, 0 0, 0 −0, 2

269. (a) La décomposition LU de Thomas est donnée par:

1 1
    
2 2 0 0 1 0 0 0 2 2 0 0
1 1  1 15 1
2 0 1 0 0 0 0 
 
2 2  4 8 2
  
1 1 =  4 28 1 

0 1 0 
0 2 0 0

 2 2 15 15 2 
1 15 209
0 0 2 2 0 0 56 1 0 0 0 112
209
(b) dét = détL × détU = 16 .
~ = [2, 5 3 3 2, 5]T pour obtenir y

(c) On résout Ly ~ = [ 25 19
8
71
30
209 T
112 ] et ensuite
~=y
Ux ~ = [1 1 1 1]T .
270. (a) La décomposition de Crout est la plus appropriée pour les matrices A1 et A4 .
(b) La décomposition de Cholesky est la plus appropriée pour A3 car elle symétrique et
définie positive.
(c) La décomposition de Thomas est la plus appropriée pour A2 car elle est tridiagonale.
271. (a) détB = détL × détLT = (détL)2 = (3 × 2 × 2)2 = 144.

(b) On doit résoudre B 2 y
~ = B(B y)
~ = b,~ cela revient à résoudre B y
~ = x.
~ Ce système
est ensuite résolu au moyen de la décomposition LLT de B et on trouve la solution
~ = [ 21 − 12 0]T .
y
272. (a) La décomposition de Cholesky nécessite 2 fois moins d’opérations que celle de Crout
et de Doolitle et le stockage d’une seule matrice.
(b)
3 0 0 3 1 1
  
  
  
T
A = LL =  1 2 0  0 2 0 .
  
  
  
1 0 2 0 0 2
On résout Ly ~ = [15 9 9]T pour obtenir y

~ = [5 5 2]T et ensuite U x
~ =y
~ pour
~ = [1 1 1]T .
calculer la solution x
273. (a) détB = détL × détD × détLT = 1.

~ = LDLT x
(b) Il faut résoudre le système B x ~ ⇒ LU x
~=b ~=b ~ où U = DLT . On résout
Ly ~
~ = b pour obtenir y T
~ = [−6 5 − 1] et ensuite U x
~=y~ pour calculer la solution
~ = [1 1 1]T .
x
274. Des propriétes (b), (c) et (d) on obtient la matrice inverse

 
83, 077 64, 615 0, 461 54
A−1 =  156, 92 −115, 38 −1, 538 4  .
 
−57, 692 41, 538 1, 153 8
Cond∞ A = kAk∞ kA−1 k∞ = 958, 4344.

275. L’énoncé est faux car la norme du résidu est seulement une bonne mesure de précision
si la matrice est bien conditionnée.
276. (a) Oui, car la matrice D est inversible.
~ ≡ D −1 DAx
~ = Db
DAx ~ ⇐⇒ Ax
~ = D −1 D b ~
~ = b.
(b) Oui. Par exemple

   1 
100 0 0 100 0 0
0 10 0  et D =  1
A= 0 10 0
.
   
0 0 1 0 0 1
Cond∞ A = 100 mais Cond∞ DA = 1.

277. (a) On obtient A = LU avec

   
1 0 0 1 1 0
L= 0 1 0  et U =  0 1 0 
   
1 −1 1 0 0 1
A = LU ⇒ détA = détL × détU = 1 × 1 = 1.
(b) On doit résoudre Ax ~ = [0 1 0]T donne y

~ = e~2 . La solution de Ly ~ = [0 1 1]T et
~=y
ensuite la solution de U x ~ = [−1 1 1]T .
~ donne la deuxième colonne de A−1 , x
(c)
    
1 0 0 1 1 0 1 1 0
A = LU =  0 1 0   0 1 0  =  0 1 0 
    
1 −1 1 0 0 1 1 0 1
kAk∞ = maxligne {|1| + |1| + |0|; |0| + |1| + |0|; |1| + |0| + |1|} = max{2; 1; 2} = 2.
cond∞ A = kAk∞ × kA−1 k∞ ⇒ kA−1 k∞ = 62 = 3.
(d) Vu que la matrice A est bien conditionnée, la norme du résidu est une bonne mesure
de convergence.
~ − Ax
r k∞ = kb
k~ ~ ∗ k∞ = 10−10 ⇒ x
~ ∗ est une bonne approximation.
(e) Pour résoudre B 2 x ~ = (1 2 3)T , on pose B x

~ = B(B x) ~ = y
~ et la résolution du
système se fait alors en deux étapes: On résout B y~ = (1 2 3)T pour obtenir y ~ =
T
(1 2 3) et ensuite B x ~=y ~ = (1 2 3)T .
278. (a)
1
   
3 0 0 1 0 3
   
   
1
   
 0 2
L= 0 U =
 0 1
 
 2 
   
   
1 0 − 13 0 0 1
La décomposition LU a nécessité 2 permutations de lignes, on a donc le déterminant

dét(A) = (−1)2 dét(L) × dét(U ) = −2. Le produit des matrices L et U donne
3 0 1
 
 
 
LU =  0 2 1
 

 
 
1 0 0
0 2 1
 
 
 
A= 1 0 0
 

 
 
3 0 1
~ = [1
(b) On résout Ly 1 ~ = [ 13
1]T pour obtenir y 1
2 − 2]T et ensuite U x
~=y
~ pour
3
~ = [1
calculer la solution x 2 − 2]T .
(c) Pour trouver la troisième colonne de A−1 , il faut résoudre le système
       
0 1 1 0
~ =  0  =  1  −  0  −  1 .
Ax
       
1 1 0 0
Par conséquent,        
1 1 1 0
3 1 3
  1 
~=
x − −  =  −2  .
    
2 2 2
−2 0 −3 1
(d) kAk∞ = 4, kA−1 k∞ = 4 et Cond∞ A = 16.

279. (a) On a U = A, L = I et P = I où I est la matrice identité.

(b) cond1 An = n(1 + 1 + 2 + 4 + · · · + 2n−2 ) = n2n−1 .
4
r k1 ≤ 21−n . Pour n = 104 , on obtient en simple précision k~
(c) k~ r k1 ≤ 2−23 21−10 ' 0.
(d) La matrice A est inversible (détA = 1) mais le conditionnement de A est grand pour
n grand. Donc l’énoncé est faux.
280. kAk∞ = max{0, 780 + 0, 563; 0, 913 + 0, 659} = 1, 572 et cond∞ A = 2, 661 396 × 106 .
La matrice est mal conditionnée, la norme du résidu n’est pas une bonne mesure de
~−
convergence. La solution approximative n’est pas acceptable en dépit du fait que kb
Ax ∗
~ k∞ = 0, 1 × 10 .−5

~ x~∗ k∞
kx− r k∞
~ =
281. Er (x) ~ ∞
kxk < Cond∞ A k~
~ ≤ 10−5 Cond∞ A ≤ 10−4 ⇒ Cond∞ A ≤ 10. La valeur
kbk∞
maximale du conditionnement est 10.
282. la matrice erreur absolue est donnée par:

 
0, 5 0, 05 0, 5
E =  0, 5 0, 5 0, 5 
 
0, 05 0, 005 0, 05
car tous les chiffres de chaque composante de la matrice sont significatifs. Une approxi-
mation de l’erreur relative est donnée par:
~−x
kx ~ ∗ k∞ ~−x
kx ~ ∗ k∞ kEk∞
~ =
Er (x) ' ≤ cond∞ A = kEk∞ kA−1 k∞ = 773,50005.
~ ∞
kxk ~ ∗ k∞
kx kAk∞

~ x k ~∗
~ = kx−
283. L’erreur relative Er (x) ~
kxk
25
= 95% et cond∞ A = 12 × 13620 = 28375. Les résultats
sont si mauvais parce que la matrice est mal conditionnée.
~ = e~3 = [0 0 1 0]T . De P A = LU , on a
284. (a) On cherche la solution du système Ax
T
~ = P e~3 = [0 1 0 0] . On résout Ly
LU x ~ = [0 1 0 0]T pour obtenir y ~ =
T
[0 1 0 0] et ensuite U x ~ = y ~ = [−2 1 0 0]T , la troisième
~ pour calculer x
colonne de A−1 .
(b) On a  
1 2 0 0
 1 2 3 0 
A = P LU =  .
 
 0 1 2 3 
0 0 1 2
kAk1 = 6, kA−1 k1 = 5 et Cond1 A = 30.

285.
~ − x~∗ k∞
kx
≤ cond∞ A ≤ 10−6 × 104 × 106 = 10−6 .
kx~∗ k∞
~ − x~∗ k∞ ≤ 10−6 kx~∗ k∞ ' 1, 234 567 890 123 456 × 10−6 ≤ 0, 5 × 10−5
kx
La composante x1∗ = 1, 234 56 7 890 123 456 possède au moins 6 chiffres significatifs.
La composante x2∗ = 0, 1 2 345 678 901 × 10−4 possède au moins 1 chiffre significatif.
286. (a) kAk∞ = 101, kA−1 k∞ = 500, 5 et Cond∞ A = 50550, 5.

(b) Aprés la mise à l’échelle des lignes de la matrice A, on a
 1 
1 − 100
B= .
 
1
1 100
kBk∞ = 1, 01, kB −1 k∞ = 100 et Cond∞ B = 101.

(c) Au lieu de résoudre le système Ax ~ il serait préférable de résoudre le système
~ = b,
b1 T
Bx~ = c~ = [ 100 10b2 ] , car le conditionnement de la matrice B est nettement in-
férieur au conditionnemnet de la matrice A.
~ 0 , on obtient avec la méthode de Jacobi les

287. (a) En partant de l’approximation initiale x
1 T
~ = [−3 − 4 1] et x
itérations x ~ = [−24 − 17 94 ]T .
2
~ 0 , on obtient avec la méthode de Gauss-Siedel

(b) En partant de l’approximation initiale x
1 35 23 T
~ = [−3 − 2
l’ itération x − 9] .
(c)


 9 x1 − 2x2 + x3 = 8;





 −x1 + 5 x2 − x3 = 3;





x1 − 2x2 + 9 x3 = 9,

On obtient une matrice à diagonale strictement dominante.

(d) On sait que
1
!
−1 −1 0 −3
TJ = −D (TI + TS ) = I − D A = TJ = .
− 52 0
q
2
Son rayon spectral est ρ(TJ ) = 15 < 1 et donc la méthode de Jacobi converge.
~ = (1
288. (a) La solution est x 1)T .
~ 0 = (0 0)T , on obtient avec la méthode
(b) En partant de l’approximation initiale x
~ 1 = (3 − 3)T , x
de Gauss-Seidel les itérations suivantes: x ~ 2 = (9 − 15)T et
~ 3 = (33 − 63)T ce qui confirme que la méthode de Gauss-Seidel diverge.
x
(c) En partant de l’approximation initiale x~ 0 = (0 0)T , on obtient avec la méthode

~ 1 = ( 23 34 )T , x
de Gauss-Seidel les 3 itérations suivantes: x ~ 2 = ( 89 15 T ~3 =
16 ) et x
33 63 T
( 32 64 ) ~ (3) − xk
avec kx ~ ∞ = 0, 031 < 0, 1.
(d) La méthode de Jacobi converge car la matrice A est à diagonale strictement domi-
nante. En plus le rayon spectral de la matrice d’itérations ρ(TJ ) = 21 < 1.
~ 0 = [0
289. (a) En partant de l’itération initiale x 0 0]T , on obtient avec la méthode de
3 7 T
~ 1 = [1
Gauss-Seidel l’itération suivante: x 2 4] .
1 1
(b) Pour − 2 < a < 2 , la convergence de la méthode de Gauss-Seidel est assurée car la
matrice A est à diagonale strictement dominante.
(c) La matrice d’ itération de Jacobi est
 
1
0 2 0
1 1
TJ = −D −1 (TI + TS ) = 
 
0 .
 2 2 
1
0 2 0
1
En se servant des valeurs propres de la matrice TJ , on a ρ(TJ ) = √2 < 1. La méthode
de Jacobi converge, ce qui entraine la convergence de la méthode de Gauss-Seidel car
elle est plus rapide.
290. La matrice d’itération de la méthode de Jacobi est

!
0 −10
TJ = −D −1 (TI + TS ) = I − D −1 A = .
−5 0
√
Son rayon spectral est ρ(TJ ) = 5 2 > 1 donc la méthode de Jacobi diverge.
291. On considère le système linéaire Ax ~ À partir de x

~ = b. ~0 , on obtient après une itération
de la méthode de Gauss-Seidel:

 A11 x1 = b1 ⇒ x 1 = b1
1 A11
 A12 x1 + A22 x2 = b2 ⇒ x 1 = 1 b2 − A12 x 1 .
2 A22 1
Pour une matrice triangulaire de dimensions n × n dont les coefficients de la diagonale

sont non nuls, la méthode de Gauss-Siedel revient à faire une descente triangulaire.
292. (a) On ne peut pas appliquer directement les méthodes de Jacobi et de Gauss-Seidel
puisque l’un des coefficients diagonaux est nul (A11 = 0).
(b) On obtient le système d’équations algébriques suivant:



 10x1 − x2 + 2x3 = 6;

 −x1 + 11x2 − x3 + 3x4 = 25;



 2x1 − x2 + 10x3 = −11;


 3x − x + 8x = −11.
2 3 4
~ 0 = [0 0 0 0]T , la méthode de Jacobi donne l’itération

(c) En partant de x
3 25 11
~ 1 = [ 5 11 − 10
x − 11 T ~1 =
8 ] et la méthode de Gauss-Seidel donne l’itération x
3 128 543 726 T
[5 55 − 550 − 349 ] .
293. (a) On ne peut pas appliquer directement les méthodes de Jacobi et de Gauss-Siedel
puisque les coefficients diagonaux sont nuls (aii = 0 pour i = 1, 2, 3, 4).
(b) Pour s’assurer de la convergence, il faut que la matrice soit à diagonale strictement
dominante.
    
4 −1 −1 0 x1 2
    
    
 −1 4 0 −1   x2   2 
    
    
  = 
    
 −1 0
 4 −1   x3   2 
   

    
    
0 −1 −1 4 x4 2
~ 0 = [0 0
(c) En partant de l’approximation initiale x 0 0], on obtient la méthode de
~ = [ 2 2 12 12 ].
Jacobi l’itération suivante: x 1 1 1
(d) En partant de l’approximation initiale x ~ 0 = [0 0 0 0], on obtient la méthode de

~ 1 = [ 21 58 85 13
Gauss-Seidel l’itération suivante: x 16 ].
294. (a) La matrice A est symétrique et définie positive, la décomposition de Cholesky est la
plus adéquate.
3 0 0 3 −1 1
  
  
  
T
A = LL =  −1 3 0   0 3 −1  .
  
  
  
1 −1 4 0 0 4
(b) On résout Ly~ = [3 − 4 18]T pour obtenir y

~ = [1 −1 4]T et ensuite LT x
~=y
~
~ = [0 0 1]T .
pour calculer la solution x
(c) La convergence de la méthode de Gauss-Seidel est assurée qu’elle que soit la solution
de départ utilisée car la matrice A est à diagonale strictement dominante.
~ 0 = [1
(d) En partant de x 1 ~ 1 = [ 32
0]T , on trouve x − 1
5
38 T
40 ] ~2 =
et ensuite x
2 1 80 T
[− 135 − 15 81 ] .
~ 0 = [1
295. Soit x ~ est solution du système linéaire
1]T , le vecteur correction δ
! ! !
2 2 δx 0
= .
1 1 δy 1
~ 0 = [1
La matrice est singulière et le système ne possède aucune solution, x 1]T n’est
pas un bon estimé.
296. (a) 3 solutions.

(b) Le vecteur correction δ~ est solution du système linéaire
! ! !
8x 0 2y 0 δx 4(x 0 )2 + (y 0 )2 − 4
=− .
1 −2y 0 δy x 0 − (y 0 )2 + 1
On a ensuite x ' x 0 + δx et y ' y 0 + δy .

(c) La matrice jacobienne évaluée en la solution (−1 , 0) n’est pas pas inversible.
4,5−4
(d) On a kAk∞ = 8 − 6 et kA−1 k∞ = (7−8) . Avec = 2−23 , on a Cond∞ A ' 2, 3 × 1016 ,
la matrice est mal conditionnée.
297. (a) La matrice jacobienne et le vecteur résidu s’écrivent:

 2
2x 2y 2z x + y 2 + z2 − 1
  
   
   
y 2 − z2 − 1
 ~
J(x, y, z) =  0 2y −2z  R(x, y, z) = 
  

   
   
0 1 −2z y − z2 + 1
~ = −R(x
On doit résoudre J(x 0 , y 0 , z0 )δ ~ 0 , y 0 , z0 ).
(b) Le point [0 −1 0]T est le point d’intersection des 3 coniques.

(c) i. L’approximation initiale x~ 0 = [1 1 1]T n’est pas dans le bassin d’attraction de
la solution.
ii. le choix de h = 10−12 , pourrait entrainer l’élimination de chiffres significatifs par
la soustraction de nombres voisins lors du calcul de la matrice jacobienne.
(d) La formule aux différences utilisée est d’ordre 1, la formule aux différences d’ordre
2 est plus appropriée. Le programme modifié est le suivant:
for i =1: nbeq
acc = zeros(nbeq,1);
acc(i) = h;
jac(:,i) = (feval(f,x0 + acc) - feval(f,x0 - acc) )./(2*h);
end
298. (a) x11 = 3 et x21 = −4.

~ ~ k+1 ~ x~ k+1 k∞
(b) Le ratio kkx−x
~ x
x−
k∞
~ k k∞
→ 0 et le ratio kx−
~ x~ k k2∞
→ 0, 99 6= 0. La méthode de Newton
kx−
converge à l’ordre 2.
299. La méthode de Newton converge rapidement vers la racine (1 , 0) (ordre 2) car la matrice
jacobienne est non singulière en [1 0]T .
300. (a)
Z1
g(t) = 1, g(t)dt = 2 ⇒ w1 g(−1) + w2 g(1) = w1 + w2
−1
⇒ w1 + w2 = 2
Z1
g(t) = t, g(t)dt = 0 ⇒ w1 g(t1 ) + w2 g(t2 ) = w1 t1 + w2 t2
−1
⇒ w1 t1 + w2 t2 = 0
Z1
2
g(t) = t2, g(t)dt = , w1 g(t1 ) + w2 g(t2 )) = w1 t12 + w2 t22
−1 3
2
⇒ w1 t12 + w2 t22 =
3
Z1
g(t) = t 3 , g(t)dt = 0, w1 g(t1 ) + w2 g(t2 )) = w1 t13 + w2 t23
−1
⇒ w1 t13 + w2 t23 = 0
(b)
La matrice jacobienne et le vecteur résidu s’écrivent:

1 1 0 0 w1 + w2 − 2
   
   
   
 t1 t2 w1 w2   w1 t1 + w2 t2
   

~
   
J(w1 , w2 , t1 , t2 ) =   R(w 1 , w , t
2 1 2, t ) =  
2
   
 t2 2
t2 2t1 w1 2t2 w2    w t2 + w t2 − 
 1  1 1 2 2 3 
   
   
t13 t23 3t12 w1 3t22 w2 w1 t13 + w2 t23
~ = −R(w
On doit résoudre J(w10 , w20 , t10 , t20 )δ ~ 1 , w2 , t1 , t2 )
0
    
1 1 0 0 δw1
    
    
 −1 1 1 1   δw2   0 
    
    
   = − 
    
 1 1 −2 2   δt   4 
  1   3 
    
    
−1 1 3 3 δt2 0

301. (a)
f1 (x1 , x2 , x3 , λ) = (1 − λ)x1 − 2x2 + 3x3 = 0;

f2 (x1 , x2 , x3 , λ) = −2x1 + (3 − λ)x2 − 4x3 = 0;
f3 (x1 , x2 , x3 , λ) = 3x1 − 4x2 + (5 − λ)x3 = 0;
f4 (x1 , x2 , x3 , λ) = x12 + x22 + x32 − 1 = 0.
(b) La matrice jacobienne et le vecteur résidu s’écrivent:

 
1−λ −2 3 −x1
 −2 3 − λ −4 −x2 
J(x1 , x2 , x3 , λ) =  ,
 
 3 −4 5 − λ −x3 
2x1 2x2 2x3 0
(1 − λ)x1 − 2x2 + 3x3
 
 −2x + (3 − λ)x − 4x 
1 2 3
~ 1 , x2 , x3 , λ) = 
R(x .

 3x1 − 4x2 + (5 − λ)x3


x12 + x22 + x32 − 1
Le système linéaire à résoudre est

    
0 −2 3 −1 δx1 −1
 −2 −2 −4 −1   δx   4 
2
= .
    
 3 −4 4 −1   δx3 −3
 
  
2 2 2 0 δλ −2
302. (a) Il s’agit de trouver graphiquement sur l’intervalle [−1 , 1], les intersections de la
courbe y = sin (π x) et la parabole y = 1−x 2 . On trouve 3 intersections (−1 , 0) (1 , 0)
et proche de (1/2 , 1).
(b) Le vecteur résidu et la matrice jacobienne s’écrivent:
! !
y − sin (π x) −π cos (π x) 1
~
R(x, y) = J(x, y) = .
y + x2 − 1 2x 1
Il faut résoudre le système linéaire:

! ! !
0 1 δx 0
= .
1 1 δy − 41
(c) La matrice jacobienne est inversible en la solution [1 0]T donc la méthode de New-
ton converge á l’ordre 2.
(d) Pour une approximation initiale (x 0 , y 0 ) donnée, la méthode de Newton ne fonc-
tionne pas si dét(J(x 0 , y 0 )) = 0. Il s’agit de trouver graphiquement l’intersection
entre la droite y = 2x0 et la courbe y = −π cos (π x 0 ).
303. (a) En partant de l’approximation initiale [0 1]T , on obtient après une itération de la
méthode de Newton l’approximation [−2 4]T .
(b) Il n’est pas possible d’utiliser l’approximation initiale [1 2]T car la matrice jacobi-
enne J(1, 2) est singulière.
(c) Tous les points de la droite y 0 = 2x 0 car la matrice jacobienne J(x 0 , 2x 0 ) est sin-
gulière.
304.
Ax ~ ⇒ R(
~=b ~ x)
~ = Ax ~
~−b ~ = A.
et J(x)
~ 0 , on obtient après une itération de la méthode de Newton :

À partir de x
~ = −R(x
Aδx ~ − Ax
~0) = b ~−x
~ 0 ⇒ δx = A−1 b ~0;
~1 = x
x ~ =x
~ 0 + δx ~−x
~ 0 + A−1 b ~
~ 0 = A−1 b.
~ 1 , on obtient après la 2ieme itération de la méthode de Newton :

À partir de x
~ = −R(x
Aδx ~ − Ax
~1) = b ~ − AA−1 b
~1 = b ~=0
~ ⇒ δx = 0;
~
~2 = x
x ~ =x
~ 1 + δx ~
~ 1 = A−1 b.
~ et x
δx = 0 ~2 = x
~ 1 ⇒ convergence en 2 itérations.
1 1
305. (a) On a u23 = 1 et l33 = 2160 . Le déterminant est détA = détL × détU = 2160 .
(b) Il faut résoudre le système linéaire Ax~ = e~3 = (0 0 1)T . On résout Ly ~ = e~3 pour
obtenir y T
~ = (0 0 180) et ensuite U x ~ =y ~ pour calculer la troisième colonne de
~ = (30 − 180 180)T .
la matrice A−1 , x
9 −36 30
 
 
 
−1
H =  −36 192 −180 
 
 
 
30 −180 180
Le conditionnement de la matrice est cond∞ H = kAk∞ kA−1 k∞ = 748.

(c) La matrice jacobienne et le vecteur résidu s’écrivent:
1 1
x1 + x22 + x33 + x2 x3 − 1;
   
1 2 + x 3 2 + x 2
   
   
 1 1 1
 x1 x2 x3 1
~
 
~ =  2 + x3
J(x) + x 1 R( ~
x) =  2 + 3 + 4 + x1 x3 − 2 ;
   
3 4  
   
   
1 1 1 x1 x2 x3 1
3 + x2 4 5 3 + 4 + 5 + x1 x2 − 3 .
~ = [1 1 1 T
Le Système linéaire pour la première itération est H δx 2 3] ce qui donne
~ = [1 0 0]T et x
δx ~ 1 = [1 0 0]T .

Recueil A

Transféré par

Droits d'auteur :

Formats disponibles

Recueil A

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Recueil A

Transféré par

Droits d'auteur :

Formats disponibles

Recueil d’exercices

Exercices pour les cours de calcul scientifique pour ingénieurs MTH2210x

Donatien N’dri & Steven Dufour

Ce recueil d’exercices d’analyse numérique est un outil complémentaire aux exercices du

Donatien N’dri & Steven Dufour

Table des matières

Introduction et analyse d’erreur

Introduction et analyse d’erreur

Splines cubiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I–7

Introduction et analyse d’erreur

Méthodes des points fixes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S–42

Introduction et analyse d’erreur

Définitions, développement de Taylor et erreur de troncature

h f 0 (x0 ) erreur absolue

(a) Donner le nombre de chiffres significatifs de chaque approximation.

3. On peut obtenir une approximation de la fonction exponentielle f (x) = ex à l’aide de la

4. En se servant d’un développement de Taylor de la fonction arctan x autour de x0 = 0, on

Quel est l’ordre du développement de Taylor utilisé?

• pour x1 = 1,02, |e1 | = |f (x1 ) − T (x1 )| ' 0,3937 × 10−7 ;

Calculer l’ordre de précision du développement de Taylor utilisé.

6. À l’aide d’un développement de Taylor autour de x0 = 0, on a approché la fonction f (x)

• f (0, 1) = 3,156 et f (0,3) = 3,267;

estimer l’ordre de précision du développement de Taylor utilisé et en déduire la valeur

7. On utilise souvent l’approximation :

D’où vient cette approximation et quel est son ordre de précision?

8. La fonction i(t) est une solution de l’équation différentielle

i0 (t) = sin (6t) − i(t),

avec la condition initiale i(0) = 0. Sans résoudre l’équation différentielle, calculer le

10. Soit p(x) une fonction qui vérifie

g 0 (x) = h(x) et h0 (x) = g(x).

Sachant que g(0) = 0 et h(0) = 1, déterminer le développemnent de Taylor d’ordre 5 de

13. Obtenir n de telle sorte que

|ex − pn (x)| ≤ 10−4 , pour − 1 ≤ x ≤ 1,

où pn (x) est le développement de Taylor de degré n de ex autour de x0 = 0. Combien

en utilisant le résultat obtenu en (a).

17. (a) Obtenir le développement de Taylor autour de x0 = 0 de la fonction

(b) Poser x = −t 2 dans le développement en (a) et obtenir le développement de Taylor

18. La fonction d’erreur f (x) est définie par

Pour en obtenir le développement de Taylor, on peut suivre les étapes suivantes :

22. On désire calculer le développement de Taylor de la fonction

(b) En vous servant des développements de Taylor des fonctions ln (1 + x) et f (x)

23. Soit la fonction

25. La fonction erreur définie par

(a) Obtenir le développement de Taylor de la fonction C(x) dont l’erreur ne dépassera

27. (a) Calculer le développement de Taylor d’ordre 9 de f (x) = arctan x autour de x0 = 0.

28. Soit la fonction Zx

29. Soit la fonction Zx

30. On désire calculer le développement de Taylor de la fonction

ce qui nous permettra d’exprimer la fonction f (x) comme

Norme IEEE et erreur de représentation

32. Expliquer brièvement pourquoi la suite

33. On considère la suite {xn }∞

35. Soit la matrice !

36. Sachant que

on a reporté à la figure 1 l’erreur d’approximation pour n = 10k et k = 0, 1, 2, . . . , 14,

Figure 1: Graphe logarithmique de |n log(1 + 1/n) − 1|.

[Indice] [Solution] [TdM ]

37. Effectuer l’opération suivante en arithmétique flottante à 5 chiffres en utilisant l’arrondi:

[Indice] [Solution] [TdM ]