Méthodes numériques Appliquées

Ziani Abderahmane
Chapitre 1. Résolution de l’équation f(x)=0
Contraction de g(x)
Stabilité de g(x)
Résolution de l’équation f(x)=0

x0 est choisi assez près de la racine recherchée.

2ème LIC ELT USTHB

SERIE 1 MNA

Exercice 1 : Séparer les racines des équations suivantes :

a) x 3 − 3 x + 1 = 0 , b) e x sin x = 1 sur −  ,  ,

c) x 2 + ln x = 0 , d) sin( 2 x) − 1 + x = 0 sur 0,  .

Exercice 2 : Soit l’équation f ( x) = e x − 4 x = 0 .

1) Déterminer le nombre et la position approximative des racines de l’équation donnée.

2) En utilisant la méthode de dichotomie, déterminer la plus petite de ces racines à e= 10-7 prés.
3) Déterminer le nombre d’itérations nécessaire pour calculer numériquement la plus grande
racine à l’aide de méthode de dichotomie avec une précision de 10-4 sur I = [2, 2.5].

Exercice 3 : Soit f ( x) = x 3 − e − x où x  I = [0.5, 1].

a) Monter que l’équation f ( x) = 0 admet une unique racine α  I .
b) Monter que l’algo du point fixe converge. Calculer x1, x2 où x0=1.
c) Calculer la valeur approchée α* de α avec une précision de e=0.5x10-3

Exercice 4 : Soit f ( x) = x 3 − 8 exp( − ) où x  I = 1,2.

x
2
a) Monter que l’équation f ( x) = 0 admet une unique racine α  I .
b) Monter que l’algo de Newton converge. Calculer x1, x2 où x0=2.
c) Calculer la valeur approchée α* de α avec une précision de e=0.5x10-4 .

Exercice 5 : Soit f ( x) = e x + 3 x − 2 = 0 (1)

a) Montrer que l’équation donnée admet une racine séparée dans l’intervalle 0,1 .
b) Montrer que l’équation (1) est équivalente aux équations suivantes :
1 ( x) = ln( 2 − 3 x ) = x
(2 − e x ) 2
 2 ( x) = =x
9
c) Laquelle de ces deux fonctions est valable pour le point fixe ? Justifier.

d) Quel est le nombre d’itérations nécessaire pour calculer cette racine avec une tolérance de 10-10.
e) En utilisant la méthode de dichotomie sur l’intervalle [0 1], estimer le nombre d’itérations
nécessaires pour calculer cette racine avec une tolérance de 10-10.
f) Comparer les résultats trouvés.

Pr. A . ZIANI
Matière: Méthodes Numériques Appliquées
2ème année LIC.USTHB

Travaux pratiques 1. Résolution itérative d’équations non-linéaires

Ce TP concerne la résolution de l’équation non linéaire :

f ( x) = 0 pour x  a, b ,

par les méthodes itératives de la bissection (ou dichotomie), du point fixe et de Newton.

Il existe trois types de critères d'arrêt utilisables en pratique :

1. Contrôle du résidu : les itérations s'achèvent dès que : f (x)   ,  : tolérance.

2. Contrôle de l'incrément : les itérations s'achèvent dès que : xn+1 − xn   .
3. Nombre d’itérations maximal k max : k  k max .

Soit la fonction f ( x) = sin( 2 x) + x − 1 définie sur I = − 4,4 .

Partie A : 1.Utiliser la commande fplot de matlab pour tracer le graphe de f dans I .

Donner une première approximation de la racine de f(x).

2. Utiliser la commande matlab, fzero pour trouver la racine de f.

3 .Tracer les graphes des fonctions g ( x) = 1 − sin( 2 x) et g ' ( x ) (dérivée de g) sur I .

Conclure sur la stabilité et la contraction de g sur I .

Partie B : 1. Programmez la méthode de bissection sur I, en prenant k max = 100 et  = 10 .

−4

Vérifier que la convergence est obtenue en un nombre conforme à l’estimation théorique.

Avec la commande semilogy, tracer le graphe de la suite des résidus f ( xk ) en fonction de k .

2. Ecrire un programme calculant la solution de g ( x) = x , par la méthode du point fixe.

Le réel de départ est x0= 0, la tolérance  = 10 , k max = 100.

−4

Comparer sa vitesse de convergence avec celle de l’algorithme de bissection.

3. Écrire un programme sous MATLAB permettant d'appliquer la méthode de Newton, en

prenant x0 = 0 pour l’initialisation et une tolérance égale à 10−10 pour le critère d'arrêt.

4. Que se passe-t-il si on initialise l’algorithme avec x0=0.9 ?

Pr A. ZIANI
 Lic 2 ELT Chapitre 2 MNA Interpolation Polynomiale USTHB

Interpolation Polynomiale

Existence et unicité
On introduit les polynômes

(x − x j )
Li ( x) =  (x x  R , i  0,.....n
0 j  n i − xj )
j i

Alors le polynôme d’interpolation de Lagrange s’écrit : Pn ( x) =  y i Li

i =0

1
Lic 2 ELT Chapitre 2 MNA Interpolation Polynomiale USTHB

II

Où adopte l’écriture suivante :

 n [ x0 , x1 ,....., x n ] = f [ x0 , x1 ,....., x n ] : différence divisée d’ordre n.

2
Lic 2 ELT Chapitre 2 MNA Interpolation Polynomiale USTHB

3
 Lic 2 ELT Chapitre 2 MNA Interpolation Polynomiale USTHB

III

4
2ème LIC ELT USTHB

SERIE 2 MNA

Exercice 1 : Soient les deux fonctions f ( x ) = x − 1 et g ( x) = sin( ( x − 1)) et les trois points
2
x0= 1, x1=3/2, x2= 2.

1) Montrer que f et g ont le même polynôme d’interpolation de Lagrange. (sans le calculer).

2) Trouver le polynôme d’interpolation de Lagrange.
3
3) Déduire une valeur approchée de sin( ) et donner une majoration de l’erreur de
8
l’interpolation.

Exercice 2 : Soit la fonction f ( x) = x − cos(x)

1) Donner la table des différences divisées pour la fonction f(x) aux points :

xi = k avec k = 0, 1, 2.
4
2) Trouver le polynôme d’interpolation de Newton passant par tous ces points.

3) Donner une majoration de l’erreur de l’interpolation au point x = .
8
Exercice 3: Soit la somme des carrés des n premiers nombres entiers positifs
n
y ( n) =  k 2 avec n = 0, 1, 2,…
k =0

1) Monter que les différences divisées d’ordre supérieures ou égales à 4 sont nulles.

2) Monter que y (n) correspond à un polynôme du degré 3.

1
Exercice 4 : On se propose d’interpoler la fonction de Runge f ( x ) = au point x = 1.72
1+ x2
à l’aide d’un polynôme P2 de R2[X].

1) Donner le meilleur choix des points d’interpolation dans [-2, 2] qui minimise l’erreur.
2) Déterminer le polynôme P2(x) de Newton.
3) Donner une valeur approximative de f (1.72) et estimer l’erreur commise.
4) Comparer cette valeur approximative avec la valeur exacte.

Exercice 5: On considère la fonction f définie dans [0 1] par f(x)= cos(πx) et les nœuds 0, 1/2, 2/3, 1.

1) Trouver le meilleur polynôme de degré 1 au sens des moindres carrés et qui approxime f.
2) On veut approximer f au sens des moindres Carrés par le meilleur polynôme de degré
inférieur ou égal à 2. Donner sans le résoudre le système matriciel associé.

Pr .A. Ziani
2ème LIC ELT USTHB

SERIE 2 MNA

Exercice 1 : Soient les deux fonctions f ( x ) = x − 1 et g ( x) = sin( ( x − 1)) et les trois points
2
x0= 1, x1=3/2, x2= 2.

1) Montrer que f et g ont le même polynôme d’interpolation de Lagrange. (sans le calculer).

2) Trouver le polynôme d’interpolation de Lagrange.
3
3) Déduire une valeur approchée de sin( ) et donner une majoration de l’erreur de
8
l’interpolation.

Exercice 2 : Soit la fonction f ( x) = x − cos(x)

1) Donner la table des différences divisées pour la fonction f(x) aux points :

xi = k avec k = 0, 1, 2.
4
2) Trouver le polynôme d’interpolation de Newton passant par tous ces points.

3) Donner une majoration de l’erreur de l’interpolation au point x = .
8
Exercice 3: Soit la somme des carrés des n premiers nombres entiers positifs
n
y ( n) =  k 2 avec n = 0, 1, 2,…
k =0

1) Monter que les différences divisées d’ordre supérieures ou égales à 4 sont nulles.

2) Monter que y (n) correspond à un polynôme du degré 3.

1
Exercice 4 : On se propose d’interpoler la fonction de Runge f ( x ) = au point x = 1.72
1+ x2
à l’aide d’un polynôme P2 de R2[X].

1) Donner le meilleur choix des points d’interpolation dans [-2, 2] qui minimise l’erreur.
2) Déterminer le polynôme P2(x) de Newton.
3) Donner une valeur approximative de f (1.72) et estimer l’erreur commise.
4) Comparer cette valeur approximative avec la valeur exacte.

Exercice 5: On considère la fonction f définie dans [0 1] par f(x)= cos(πx) et les nœuds 0, 1/2, 2/3, 1.

1) Trouver le meilleur polynôme de degré 1 au sens des moindres carrés et qui approxime f.
2) On veut approximer f au sens des moindres Carrés par le meilleur polynôme de degré
inférieur ou égal à 2. Donner sans le résoudre le système matriciel associé.

Pr .A. Ziani
 Chapitre III.
Méthodes numériques
de résolution
d'équations
différentielles ODE

1 1.

Exemple : 𝑦 ′ = 𝑦(𝑡) + 5 𝑎𝑣𝑒𝑐 𝑦(0) = 55

𝑖𝑐𝑖 𝑓(𝑡, 𝑦) = 𝑦 + 5

𝑑𝑦 1
65 𝑑𝑡 = cos(t)(𝑒 𝑦 )+ln(t) avec y(0)=1 𝑖𝑐𝑖 𝑓(𝑡, 𝑦) = 65 (cos(t)(𝑒 𝑦 )+ln(t))

Donc on doit connait𝑟𝑒 𝑓(𝑡, 𝑦) avant toute résolution.

1
2.2

2
Exemple : Trouver y(1) en utilisant Euler explicite à l’ODE suivante : 𝑦′ = 𝑦(𝑡) + 𝑡 si
h=0.5 et y(0)=8

• 𝑦0 =8

• 𝑦𝑛+1 = 𝑦𝑛 + ℎ(𝑦𝑛 + 𝑡𝑛 )

• 𝑦1 = 𝑦0 + ℎ(𝑦0 + 𝑡0 )= 8 + 0.5(8 + 0)= 8+4=12

• 𝑦2 = 𝑦1 + ℎ(𝑦1 + 𝑡1 )= 12 + 0.5(12 + 0.5)= 12+6+0.25=18.25

• Exemple : Trouver y(0.5), 𝑒𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑛𝑡 𝐸𝑢𝑙𝑒𝑟 𝑖𝑚𝑝𝑙𝑖𝑐𝑖𝑡𝑒 𝑦 ′ = 𝑦(𝑡) + 𝑡 si

h=0.5 et y(0)=8
• 𝑦𝑛+1 = 𝑦𝑛 + ℎ(𝑦𝑛+1 + 𝑡𝑛+1)
• 𝑦𝑛+1 (1-h)=𝑦𝑛 +h𝑡𝑛+1
𝑦𝑛 +ℎ𝑡𝑛+1
• 𝑦𝑛+1 = 1-h

• 𝑦0 =8
𝑦0 +ℎ𝑡1 8+0.5(0.5) 8+0.25)
• 𝑦1 = = = =16.5= y(0.5)
1-h 1-0.5 0.5

3
 Méthodes de Runge-Kutta d'ordre 2 ou Euler amélioré
4 Ou : Méthodes de Runge-Kutta d'ordre 2

Méthodes de Runge-Kutta d'ordre 2

Exemple : trouver la solution en x=0.1 de ODE suivante:

En utilisant Runge Kutta 2
𝒅𝒚
= 𝒙 + 𝒚𝟐 avec y(0)=1 et h=0.1
𝒅𝒙

4
 𝐾1 = 𝑓(𝑥0 , 𝑦0 )=0+12 =1
𝐾2 = 𝑓(𝑥0 +h, 𝑦0 +h𝐾1 )=0+1+(1+0.1)2
= 1+(1.1)2 =2.21
Donc
0.1
Y(0.1)= 1+ ( 1+ 2.21)=1.1605
2

Méthodes
MéthodesdedeRunge- Kutta d'ordre
Runge-Kutta d'ordre44
5

5
2ème LIC ELT USTHB

SERIE 3 MNA

Résolution numérique des équations différentielles ordinaires

Exercice 1 :

𝑦 ′ (𝑡) = 𝑦(𝑡)𝑐𝑜𝑠𝑡 = 𝑓(𝑡, 𝑦(𝑡))

Considérons le problème da Cauchy (𝐶) {
𝑦(0) = 1.

1) Donnez le schéma de résolution par la méthode d’Euler explicite et calculer avec

six(06) décimales, l’approximation 𝑑𝑒 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑦(0.2) en prenant h = 0.1.
2) Donnez le schéma de résolution par la méthode d’Euler implicite et calculer avec
six(06) décimales, l’approximation 𝑦(0.2) en prenant h = 0.1.
3) Calculer la solution exacte et en déduire l’erreur d’estimation dans les deux cas.

Exercice 2 :

Soit le problème de Cauchy :

2x
y' = y − et y (0) = 1
y
Approcher avec six(06) décimales, la solution en x = 0.2, par la méthode de Runge-Kutta
d’ordre 2, en choisissant h=0.2.

h
On rappelle : y n +1 = y n + (k1 + k 2 ) k1 = f ( xn , y n ) k 2 = f ( xn + h, yn + hk1 )
2

Exercice 3:
Résoudre avec à six(06) décimales, par la méthode de Runge-Kutta d’ordre 4, l’équation
différentielle:

y ' = − y ( x) + x + 1
y ( 0) = 1 , x  [0, 0.2] et h=0.1.

On rappelle l’algorithme de Runge-Kutta d’ordre 4 :

h
y n +1 = y n + (k1 + 2k 2 + 2k 3 + k 4 ) .
6
h h
avec k1 = f ( xn , y n ) k 2 = f ( x n + , y n + k1 )
2 2
h h
k 3 = f ( x n + , y n + k 2 ) k 4 = f ( xn + h, y n + hk 3 )
2 2

Pr .A. Ziani
Lic L2 ELT TP MNA USTHB

TP 3 : Résolution numérique d’équations différentielles

L’objectif de ce TP est d’implémenter quelques méthodes de résolution numérique pour résoudre

l’équation différentielle suivante :

2 y ' = t − y
 0t 2
 y (0) = 1

I. Rappel : Pour l’équation différentielle y ' = f (t , y (t )) , les différentes méthodes s’écrivent :

Méthode d’Euler explicite y n+1 = y n + hf (t n , y n ).
Méthode d’Euler implicite y n+1 = y n + hf (t n+1 , y n+1 ).

h h
Méthode de Runge –Kutta 4 k1 = f ( xn , y n ) , k 2 = f ( x n + , y n + k1 )
2 2
h h
k 3 = f ( xn + , y n + k 2 ) , k 4 = f ( xn + h, y n + hk 3 )
2 2
h
y n +1 = y n + (k1 + 2k 2 + 2k 3 + k 4 )
6

II. Résolution avec ode45.

Matlab comprend un certain nombre de solveurs destinés à la résolution d’équations différentielles.

Le plus utilisé est ode45, qui est basé sur la méthode de Runge-Kutta explicite à un pas. Il a la syntaxe
suivante :
[t, y] = ode45(eqs, [ti tf], yi).

Ecrire un programme Matlab utilisant ode45 pour résoudre et représenter la solution numérique de
l’équation différentielle dans l’intervalle [0 2] et avec un pas h de 0.1.

III. Programmation.
t
−
1. Programmer la méthode d’Euler explicite pour h=0.1. La solution exacte est y = t − 2 + 3e ; 2

représenter sur la même figure la solution numérique et la solution exacte. Refaire la simulation
avec h prenant les valeurs 1, 0.5, 0.01.
2. Programmer la méthode d’Euler implicite avec h=0.1. Afficher sur deux graphiques différents la
solution numérique et l’erreur entre la solution calculée par la méthode d’Euler implicite et la
solution exacte.
3. Programmer la méthode de Runge Kutta 4 avec h = 0.1 Comparez la solution obtenue avec la
Solution exacte (tracer sur un même graphe les deux courbes).

Pr. A. Ziani
 USTHB Lic2 ELT MNA Chapitre 4

Intégration numérique

1. Introduction :
On est souvent amené à calculer la valeur d’une intégrale du type :

où f est une fonction intégrable sur [a; b] et il arrive que ce ne soit pas une tâche facile de calculer I à la main,
soit parce que c’est trop long, soit parce qu’on ne sait pas trouver une primitive de la fonction f; ou alors la
fonction f n’est pas connue dans tout [a; b] mais seulement en des points de [a; b].
L’idée est alors de chercher une valeur approchée de I, c’est ce qu’on appelle quadrature ou intégration
numérique. Nous verrons les méthodes du rectangle, du trapèze et de Simpson, elles font partie des méthodes
dites de Newton-Côtes.
Elles se basent sur l’interpolation de f et l’intégrale est approximée par l’intégrale du polynôme d’interpolation P

Plus exactement, on :a :

R (f) étant l’erreur d’intégration déduite en intégrant l’erreur d’interpolation.

2. Méthodes d’intégrations simples (ou élémentaires) :

En choisissant k + 1 points de [a; b] on cherchera une formule de quadrature sous la forme :

de sorte qu’elle soit exacte dans Pk et que l’erreur R ( f ) doit s’annuler dans le cas où f est un polynôme de
degré  k

1. Méthode du rectangle (simple) :

On remplace la fonction f par son polynôme d’interpolation en un point choisi de [a; b] (k = 0);
le polynôme est de degré zéro ; ce qui revient à remplacer l’arc de courbe de f par un segment de
droite horizontale et l’aire est remplacée par celle du rectangle obtenu et selon le point choisi on obtient
les formules de quadrature suivantes :

1
 I) Formule du rectangle simple à gauche :

ii) Formule du rectangle simple à droite :

III) Formule du rectangle simple du point milieu

2
 :

i) et ii) sont exactes dans P0; iii) est exacte dans P1

2. Méthode du trapèze (simple):

On remplace la fonction f par son polynôme d’interpolation en deux points de [a; b] ; celui-ci est de degré
 1 (k = 1); ce qui revient à remplacer l’arc de courbe de f par un segment de droite qui pourrait être
incliné et donc l’aire par celle du trapèze obtenu.
En interpolant en x0 = a et x1 = b on obtient la formule simple du trap èze :

Cette formule est exacte dans P1 .

3. Méthode de Simpson simple :

On remplace la fonction f par son polynôme d’interpolation en trois points équidistants choisis de [a; b] ;
celui-ci est de degré2 (k = 2); ce qui revient à remplacer l’arc de courbe de f par une parabole. on obtient
la formule de Simpson:

Cette formule est exacte dans P3.

3
4. Méthodes d’intégrations composites ou généralisées :

On généralise les méthodes précédentes en procédant comme suit : On subdivise l’intervalle [a; b] en n sous-

intervalles de même longueur h; h est appelé pas de la subdivision, on considère donc n + 1 points x ;
xi+1 = xi + h:

1. Méthode des rectangles composite :

Rectangle à gauche

Rectangle à droite

n
xi + xi +1
I = h f ( ) Rectangle à point milieu
i =0 2

2. Méthode de trapèzes composite

4
 3. Méthode de Simpson composite

Posons n=2m

4
On utilise les formules suivantes :

1 n

:  f (t )dt   w f (t )
−1 i =1
i i

 i : les poids et
:

Le calcul de l’intégrale est donné par :

(b − a) n
b

 f ( x)dx   wi f ( xi )
2 i=1
a
Les points xi définis par :

b+a b−a
xi = + ti
2 2

5
6
2ème LIC ELT USTHB

SERIE 4 MNA

Intégration numérique
Exercice 1 : a) Déterminer le degré d’exactitude des formules d’intégartions suivantes :

𝒃 𝒂+𝒃 𝟏 𝟐 𝟏 𝟏
1) ∫𝒂 𝒇(𝒕) 𝒅𝒕 ≈ (𝒃 − 𝒂)𝒇 ( 𝟐
) 2) ∫−𝟏 𝒇(𝒙) 𝒅𝒙 ≈ 𝟑 [𝟐𝒇 (− 𝟐) − 𝒇(𝟎) + 𝟐𝒇 (𝟐)]

b) Déterminer les poids d’intégrations ω1 et ω2 pour que la formule de quadrature 𝑰 suivante, soit
exacte pour tous polynomes de degré inférieur ou égale à 1.

𝟏
𝑰 = ∫ 𝒈(𝒕) 𝒅𝒕 = 𝝎𝟏 𝒈(−𝟏) + 𝝎𝟐 𝒈(𝟏)
−𝟏

9
c) Appliquer la méthode du point milieu composée avec 4 intervalles pour trouver ∫1 √𝑥 𝑑𝑥 .

𝟏 𝟐
Exercice 2 : Considérons l’intégrale : 𝑰 = ∫−𝟏 𝒆𝒕 𝒅𝒕

1) Utiliser la formule simple du trapèze pour évaluer 𝐼. Comparer le résultat à celui de la calculatrice.

2) Calculer 𝐼 par application de la méthode du trapèze composée avec 4 intervalles.

𝟐
3) Montrer que l’application de la méthode du trapèze composée avec n intervalles de pas 𝒉 = 𝒏
𝟐
s’écrit : 𝑰𝒏 = 𝒉𝒆 + 𝒉 ∑𝒏−𝟏
𝒊=𝟏 𝒆
(𝒊𝒉−𝟏)

𝟒
4) Montrer que |𝑰𝒏 − 𝑰| ≤ 𝒉𝟐 = 𝒏𝟐 , en déduire la valeur de 𝒏 pour laquelle l’erreur est ≤ 𝟏𝟎−𝟐 .

Exercice 3 : Soit la fonction 𝑓(𝑥) définie par le tableau suivant :

𝝅
Calculer l’intégrale 𝑰 = ∫𝟎𝟐 𝒇(𝒕) 𝒅𝒕 en utilisant la méthode de Simpson composée.

1) Sachant que 𝒇(𝒙) = 𝐬𝐢𝐧 (𝒙), comparer avec la valeur exacte.

2) Trouver le nombre d’intervalles n nécessaire pour obtenir une erreur de 10-6.

Exercice 4 On considère la formule d’intégration à 2 points suivante :

1

 f (t )dt  
−1
1 f (t1 ) + 1 f (t 2 )

1) Déterminer 1 , t1 et t 2 de sorte que cette formule soit exacte dans R2[X].

𝟏
2) Calculer alors l’intégrale 𝐼 = ∫𝟎 (𝟒 + 𝟐𝒄𝒐𝒔𝒙) 𝒅𝒙 à l’aide de la formule de Gauss à 2 points.
𝟑
3) Donner l’erreur d’approximation pour le calcul de 𝐽 = ∫𝟎 (𝟑𝒙𝟓 + 𝒙) 𝒅𝒙 avec Gauss à 3 points.

Pr. A. Ziani