CHAPITRE I- Algorithmes de Résolution des Equations

Différentielles
I - 1Algorithme d’Euler

Exercice 1 d’application : Algorithme d’Euler

'
y =− y +t +1=f ( t , y ) , y ( 0 ) =1
−t
y ( t ) =t+ e
h = 0.1 t i=t i−1 +h , Algorithme d’Euler
n=1
y 1= y 0 + hf ( t 0 , y 0 )=1+0.1 (−1+0+1 )=1
−0.1
y ( 0.1 )=0.1+ e =1.004 837 418 0
n=2
y 2= y 1 +hf ( t 1 , y 1 ) =1+ 0.1 (−1+ 0.1+ 1 )=1.01
−0.2
y ( 0.2 )=0.2+ e =¿1.018 730 775 3
n=3
y 3= y2 +hf ( t 2 , y 2 ) =1.01+0.1 (−1.01+ 0.2+1 )=1.029
y ( 0.3 )=0.3+e−0.3=¿1.040 818 220 7
ti solutionexacte y (t i ) Solution approchée e a=| y ( t i )− y i|
yi
0 1 1 0
0.1 1.0048374180 1 0.00484
0.2 1.0187307753 1.01 0.00873
0.3 1.040818221 1.029 0.01182
'
(
y =− y +t +1=f t , y , y 0 =1 ) ( )
−t
y ( t ) =t+ e
Reprendre le même exemple pour un pas h = 0.05
h = 0.05 t i=t i−1 +h , Algorithme d’Euler
n=1
y 1= y 0 + hf ( t 0 , y 0 )=1+0.05 (−1+0+ 1 )=1
−0.05
y ( 0.05 )=0.05+e =1.001 229 424 5
n=2
y 2= y 1 +hf ( t 1 , y 1 ) =1+ 0.05 (−1+ 0.0 .5+1 )=1.002 5
−0.1
y ( 0.1 )=0.1+ e =¿1.004 837 418 0
n=3
y 3= y2 +hf ( t 2 , y 2 ) =1.0025+0.05 (−1.0025+0.1+1 ) =1.007 375
−0.15
y ( 0.15 )=0.15+e =¿ 1.010 707 976 4
n=4
y 4 = y 3 +hf ( t 3 , y 3 )=1.007375+ 0.05 (−1.007375+0.15+1 ) =1.014 506 25
−0.2
y ( 0.2 )=0.2+ e =¿1.018 730 775 3
n=5
y 5= y 4 +hf ( t 4 , y 4 )=1.014 506 25+0.05 (−1.014 506 25+0.2+1 )=1.023 780 938
−0.25
y ( 0.25 )=0.25+e =¿ 1.028 800 783 1
n=6
y 6= y 5+ hf ( t 5 , y 5 )=1.023 780 938
+0.05 (−1.023 780 938+0.25+ 1 )=1.035 091 8911
−0.3
y ( 0.3 )=0.3+e =¿1.040 818 220 7

ti solutionexacte y (t i ) Solution approchée e a=| y ( t i )− y i|

yi
0 1 1 0
0.05 1.001 229 424 5 1 0.00123
0.1 1.0048374180 1.0025 0.00484
0.15 1.0107079764 1.007375 0.003333
0.2 1.0187307753 1.014 506 25 0.00422
0.25 1.028 800 7831 1.023 780 938 0.00502
0.3 1.040818221 1.0350918911 0.0057
Extrapolation de Richardson, Euler ordre 1
2 x 1.0350918911−1.029
y exa = =1.041 183 782 2
2−1
e a=0.0003656
Programme MATLAB
 Exemple 2

Vérifier les résultats des tableaux ci-dessous

I – 2 Algorithmes d’ordre 2
I-2-1 Algorithme de Taylor
 I-2-2 Algorithme d’Euler Modifié

Exemple 1:
'
y =− y +t +1=f ( t , y ) , y ( 0 ) =1
 −t
y ( t ) =t+ e
h = 0.1 t i=t i−1 +h , Algorithme d’Euler modifié
n=1
^y = y 0+ hf ( t 0 , y 0 )=1+ 0.1 (−1+0+ 1 )=1
h
y 1= y 0 +
2
[ f ( t 0 , y 0 ) + f ( t 0+ h , ^y ) ]=1+0.05 [ (−1+0+1)+(−1+0.1+1)]=1.005
−0.1
y ( 0.1 )=0.1+ e =1.004 837 418 0
n=2
^y = y 1+ hf ( t 1 , y 1 ) =1.005+0.1 (−1.005+0.1+1 )=1.014 5
h
y 2= y 1 +
2
[ f ( t 1 , y 1 ) +f ( t 1 +h , ^y ) ]=1.005+ 0.05 [(−1.005+0.1+1)+(−1.0145+0.2+1)]=1.019 025
−0.2
y ( 0.2 )=0.2+ e =1.018 730 7753
n=3
^y = y 2+ hf ( t 2 , y2 ) =1.019025+0.1 (−1.019025+0.2+1 ) =1.0371225
h
y 3= y2 +
2
[ f ( t 2 , y 2 ) + f ( t2 +h , ^y ) ] =1.01902+ 0.05 [(−1.019025+0.2+1)+(−1.0371225+0.3+1)]=1.041217621
−0.3
y ( 0.3 )=0.3+e =1.040 818 220 7
ti solutionexacte y (t i ) Solution approchée e a=| y ( t i )− y i|
yi
0 1 1 0
0.1 1.0048374180 1.005 0.0001626
0.2 1.0187307753 1.019025 0.00032
0.3 1.040818221 1.0412176215 0.00039
TRAVAIL A FAIRE (T.A.F) : Compléter le tableau suivant
'
y =− y +t +1=f ( t , y ) , y ( 0 ) =1
−t
y ( t ) =t+ e
h = 0.05 t i=t i−1 +h , Algorithme d’EULER Modifié
ti solutionexacte y (t i ) Solution approchée e a=| y ( t i )− y i|
yi
0
0.05
0.1
0.15
0.2
0.25
0.3
Extrapolation de Richardson, Euler Modifié ordre 2
2
2 y6 − y3
y exa = 2 =¿
2 −1
e a=¿

Exercice 2
L’équation différentielle :
y (t )= y ( t ) +e ( y ( 0 )=2 )
' t

Possède la solution analytique y ( t ) =t e t +2 e t .

a) En prenant h = 0.1, faire trois itérations de la méthode d’Euler modifiée et calculer
l’erreur commise sur y 3 en comparant les résultats avec la solution analytique y ( 0.3 ) .
b) En prenant h = 0.05, faire six itérations de la méthode d’Euler modifiée et calculer
l’erreur commise sur y 6 en comparant les résultats avec la solution analytique y ( 0.3 ) .
c) Faire le rapport des erreurs commises en a) et b) et commenter le résultat en f
onction de l’erreur de troncature locale liée à la méthode utilisée.
d) Utiliser l’extrapolation de Richardson pour obtenir une meilleure approximation de
y ( 0.3 ) .

Corrigé exercice 2

h = 0.1,EULER
y (t )= y ( t ) +e =f ( t , y ) , ( y ( 0 )=2= y 0 )
' t

n =1 , t 1=t 0+ h
y 1= y 0 + hf ( t 0 , y 0 )
n =2 , t 2=t 1+ h
y 2= y 1 +hf ( t 1 , y 1 )
n =3 , t 3=t 2+ h
y 3= y2 +hf ( t 2 , y 2 )
h = 0.1, Euler Modifié
n tn y (t n ) ^y yn e=| y ( t n )− y n|

0 0 2 2 0

1 0.1 2.320858928 2.3 2.320258546 0.0006

2 0.2 2.687086068 2.6628014924 2.6857402317 0.001346

3 0.3 3.104675257 3.0764545307 3.1024130481 0.00226

h = 0.1, Euler Explicit

n tn y (t n ) yn e=| y ( t n )− y n|

0 0 2 2 0

1 0.1 2.320858928

2 0.2 2.687086068

3 0.3 3.104675257

h = 0.05, EULER Modifié RK2

n tn y (t n ) yn e=| y ( t n )− y n|

0 0 2 2 0

1 0.05 2.1551057476

2 0.1 2.320858928

3 0.15 2.4979436219
 4 0.2 2.687086068

5 0.25 2.8890571875

6 0.3 3.104675257

I-2-3 Algorithme Euler point milieu

Exemple 1 :
L’équation différentielle :
y (t )= y ( t ) +e =f ( y ,t ) , ( y ( 0 )=2 )
' t

Possède la solution analytique y ( t ) =t e t +2 e t .

e) En prenant h = 0.1, faire trois itérations de la méthode d’Euler modifiée et calculer
l’erreur commise sur y 3 en comparant les résultats avec la solution analytique y ( 0.3 ) .
f) En prenant h = 0.05, faire six itérations de la méthode d’Euler modifiée et calculer
l’erreur commise sur y 6 en comparant les résultats avec la solution analytique y ( 0.3 ) .
g) Faire le rapport des erreurs commises en a) et b) et commenter le résultat en f
onction de l’erreur de troncature locale liée à la méthode utilisée.
h) Utiliser l’extrapolation de Richardson pour obtenir une meilleure approximation de
y ( 0.3 ) .

Corrigé exemple 1:
n=1
k1
k 1=hf ( t 0 , y 0 )=0.1 ( 2+1 )=0.3 , =0.15
2

[( h
y 1= y 0 + h f t 0 + , y 0 +
2
k1
2 )]
=2+0.1 [ (2.15+1.0512710964 ) ] =2.320 127 109 4
 0.1 0.1
y ( 0.1 )=0.1 e +2 e =2.320 858 928
e a=0.000732
n=2
' t
y (t )= y ( t ) +e =f ( y ,t )
k1
k 1=hf ( t 1 , y 1 )=0.1 ( 2.3201271094+1.1051709181 )=0.3425298028 , =0.1712649014
2

[( h
y 2= y 1 +h f t 1 + , y 1+
2 )] k1
2
=2.3201271094 +0.1 [ (2.4913920108+1.1618342427) ] =2.6854497193
0.2 0.2
y ( 0.2 )=0.2 e +2 e =2.687086068
e a=0.001636
n=3
' t
y (t )= y ( t ) +e =f ( y ,t )
k1
k 1=hf ( t 2 , y 2 )=0.1 ( 2.6854497193+1.2214027582 )=0.3906852478 , =0.1953426239
2

[( h
y 3= y2 +h f t 2 + , y 2 +
2
0.3
)] k1
2
0.3
= 2.6854497193+0.1 ¿

y ( 0.3 )=0.3 e + 2e =3.104 675 257 4

e a=0.002744
h = 0.1 t i=t i−1 +h , Algorithme d’Euler Point Milieu
ti solutionexacte y (t i ) Solution approchée e a=| y ( t i )− y i|
yi
0 2 2 0
0.1 2.320 858 928 2.3201271094 0.000732
0.2 2.687086068 2.6854497193 0.001636
0.3 3.104 675 257 4 3.101 931 4953 0.002744

h = 0.05 t i=t i−1 +h , Algorithme d’Euler Point Milieu

ti solutionexacte y (t i ) Solution approchée e a=| y ( t i )− y i|
yi
0
0.05
0.1
0.15
0.2
0.25
0.3

Extrapolation de Richardson, Euler point milieu ordre 2

2
2 y6 − y3
y exa = 2 =¿
2 −1
e a=¿
 I-2-4 Algorithme de Runge-Kutta ordre 4

Exercice d’Application
'
y =− y +t +1=f ( t , y ) , y ( 0 ) =1
y ( t ) =t+ e−t
n=1
k1
k 1=hf ( t 0 , y 0 )=0.1 (−1+ 0+1 )=0. ,
=0.
2

( h k1
)
k 2=hf t 0 + , y 0 + =0.1 (−1+0.05+ 1 )=0.005 , =0.0025
2 2
k2
2

( h k
)
k 3=hf t 0 + , y 0 + 2 =0.1 (−1.0025+ 0.05+1 )=0.00475 ,
2 2
k 4=hf ( t 0 +h , y 0 +k 3 ) =0.1 (−1.00475+0.1+1 )=0.009525
1
y 1=1+ ( 0+2 x 0.005+2 x 0.00475+ 0.009525 )=1.004 8375
6
−0.1
y ( 0.1 )=0.1+ e =1.0048374180
−7
e a=7.513 10
Algorithme de Runge-Kutta ordre 4
ti y (t i) yi |y ( t i )− y i|
0 1 1 0
0.1 1.0048374180 1.0048375000 0.819 x10−7
0.2 1.0187307753 1.0187309014 0.148 x10−6
0.3 1.040818221 1.0408184220 0.210 x10−6
0.4 1.070320046 1.0703202889 0.242 x10−6
0.5 1.10653066 1.1065309344 0.274 x10−6
0.6 1.148811636 1.1488119343 0.298x10−6
0.7 1.196585304 1.1965856186 0.314 x10−6
0.8 1.249328964 1.2493292897 0.325 x10−6
0.9 1.30656966 1.3065799912 0.331 x10−6
1.0 1.367879441 1.3678797744 0.333 x10−6
Conclusion : comparaison des algorithmes
Méthode h Nombre de pas résultat Erreur
Euler explicite 0.025 40 1.36323237417 0.464x10−2
Euler modifié 0.05 20 1.36803862167 0.159 x10−3
Runge-Kutta 0.1 10 1.36787977441 0.333 x10−6

II - Systèmes d’équations différentielles : algorithme de

Runge-Kutta d’ordre 4
II – 2 Cas des équations différentielles d’ordre supérieur

Pour les équations différentielles d’ordre supérieur, on se ramène à un système d’équations

différentielles du premier ordre. Par un changement de variables.
Cas d’équation d’ordre 2.
Elle se ramène à un système de deux équations différentielles du premier ordre. On procède
par le changement de variables suivant :
y 1= y et y 2= y ' , '
y ' 1= y = y 2 , y ' 2= y
Exemple d’application :
 ''
y -2y'+y = 0 , y''=2y' - y
y(0)=2, y' (0)=1
 CHAPITRE II – Dérivation Intégration Numérique
II-1 Dérivation
II-1-1 Schémas d’approximation des dérivées

I – Approximation de la dérivée première f ' ( x)

Ordre de précision O(h)
f ( x +h )−f (x )
f ' ( x )= avancée ou à droite
h
' f ( x )−f (x−h)
f ( x )= retardée ou à gauche
h
Ordre de précision deux O(h2)
−3 f (x )+4 f ( x+ h )−f ( x+2 h )
f ' ( x )= avancée ou à droite
2h
3 f ( x )−4 f ( x−h )+ f ( x−2 h )
f ' ( x )= retardée ou à gauche
2h
' f ( x +h )−f (x −h)
f ( x )= centrée
2h
Ordre de précision quatre O(h4)

f ( x−2 h ) −8 f ( x−h )+ 8 f ( x+ h )−f ( x +2 h )

f ' ( x )= centrée
12h

II – Approximation de la dérivée seconde f ' ' ( x)

Ordre de précision O(h)
f ( x )−2 f ( x+ h ) + f ( x +2 h )
f '' ( x )= 2
avancée ou à droite
h

f ( x )−2 f ( x−h ) + f ( x−2 h )

f '' ( x )= 2
retardée ou à gauche
h
Ordre de précision deux O(h2)
f ( x−h ) −2 f ( x ) + f ( x+ h )
f '' ( x )= 2
h
2 f ( x )−5 f ( x+ h ) +4 f ( x+ 2h )−f ( x +3 h )
f '' ( x )= 2
avancée ou à droite
h

2 f ( x )−5 f ( x−h ) + 4 f ( x−2 h ) −f ( x−3 h )

f '' ( x )= 2
retardée ou à gauche
h
Ordre de précision quatre O(h4)

' −f ( x−2 h )+16 f ( x−h )−30 f (x )+ 16 f ( x+ h )−f ( x+2 h )

f ' ( x )= 2
12 h

III – Approximation de la dérivée troisième f ' ' ' ( x)

Ordre de précision O(h)
 −f ( x ) +3 f ( x +h )−3 f ( x +2 h ) +f ( x +3 h )
f '' ' ( x )= 3
avancée ou à droite
h

f ( x )−3 f ( x−h ) +3 f ( x−2 h )−f ( x−3 h )

f '' ' ( x )= 3
retardée ou à gauche
h
Ordre de précision deux O(h2)
−5 f ( x ) +18 f ( x +h ) −24 f ( x +2 h ) +14 f ( x +3 h )−3 f ( x+ 4 h )
f '' ' ( x )= 3
2h
5 f ( x )−18 f ( x−h ) +24 f ( x −2h )−14 f ( x −3 h ) +3 f ( x−4 h )
f '' ' ( x )= 3
2h

Ordre de précision quatre O(h4)

f ( x−3 h )−8 f ( x−2h )+13 f ( x−h )−13 f ( x+ h ) +8 f ( x +2 h )−f ( x +3 h )
f '' ' ( x )= 3
8h
IV – Approximation de la dérivée quatrième f IV
Ordre de précision O(h)
f ( x )−4 f ( x +h )+ 6 f ( x+ 2 h )−4 f ( x +3 h ) + f (x+ 4 h)
f IV ( x )= avancée ou à droite
h4

IV f ( x )−4 f ( x−h ) +6 f ( x−2 h )−4 f ( x−3 h ) + f (x−4 h)

f ( x )= 4
retardée ou à gauche
h
Ordre de précision deux O(h2)
3 f ( x )−14 f ( x+ h ) +26 f ( x +2 h )−24 f ( x +3 h ) +11f ( x +4 h )−2 f (x+ 5 h)
f IV ( x )=
h4
IV 3 f ( x )−14 f ( x−h ) +26 f ( x−2 h )−24 f ( x−3 h ) +11 f ( x−4 h )−2 f ( x−5 h)
f ( x )= 4
h

f ( x−2 h )−4 f ( x−h ) +6 f ( x )−4 f ( x+ h ) +2 f (x +2 h)

f IV ( x )=
h4
Ordre de précision quatre O(h4)
−f ( x−3 h ) +12 f ( x−2 h )−39 f ( x−h )+56 f ( x )−39 f ( x+ h ) +12 f ( x+ 2 h )−f ( x +3 h )
f IV = 4
6h

II-1-2 Exercices différentiation numérique

Exercice 1
Evaluer la dérivée de f ( x )=e x en x = 0 à l’aide des différences avant et arrière d’ordre 2.
Prendre h = 0.05 et h = 0.025 et calculer les erreurs absolues et relatives. Obtenir une
approximation encore plus précise de f ' (0) à l’aide de l’extrapolation de Richardson dans ce
cas.
Corrigé exercice 1 : différences avant et arrière ordre deux
−3 f (x )+4 f ( x+ h )−f ( x+2 h )
+O ( h ) avancée ou à droite
' 2
f ( x )=
2h
3 f ( x )−4 f ( x−h )+ f ( x−2 h )
f ' ( x )= + O ( h2 ) retardée ou à gauche
2h
Différence avant pour h=0 , 05 ::
' −3 f ( 0 )+ 4 f ( 0 ,05 )−f ( 0 ,1 ) −3 e 0+ 4 e 0 , 05−e 0 ,1
f 0≅ ( ) = =0,999 134674 3
0 ,1 0,1
Différence avant pour h=0,025 :
' −3 f ( 0 )+ 4 f ( 0,025 )−f ( 0 ,05 ) −3 e 0 +4 e 0,025−e 0 ,05
f 0≅( ) = =0,999 787 714
0 , 05 0 ,05
L’erreur absolue |f ' exacte ( 0 )−f ' app ( 0 )| ≅ 0,0008653257 ≅ 8 , 65 10
−4

|f 'exacte ( 0 )−f ' app ( 0 )|

L’erreur relative ≅ 0,0008653257 ≅ 0,0865 %
|f ' exacte ( 0 )|
Différence avant pour h=0 , 05 ::
' −3 f ( 0 )+ 4 f ( 0 ,05 )−f ( 0 ,1 ) −3 e 0+ 4 e 0 , 05−e 0 ,1
f (0 )≅ = =0,999 134674 3=Q app ( 0 , 05 )
0 ,1 0,1
Différence avant pour h=0,025 :
' −3 f ( 0 )+ 4 f ( 0,025 )−f ( 0 ,05 ) −3 e 0 +4 e 0,025−e 0 ,05
f (0 )≅ = =0,999 787 714 4
0 , 05 0 ,05
¿ Qapp ( 0,025 )
La différence avant étant d’ordre 2, l’extrapolation de Richardson pour n = 2 donne :
2
' 2 Q app ( 0,025 ) −Qapp ( 0 , 05 )
f (0 )≅ =1,000 005394 4
( 2 2−1 )
Différence arrière pour h=0 , 05 ::
' 3 f ( 0 )−4 f (−0 , 05 ) + f (−0 ,1 ) 3 e 0−4 e−0 ,05 +e−0 ,1
f (0 )≅ = =0,999 197 200 3=Q app ( 0 , 05 )
0 ,1 0 ,1
Différence arrière pour h=0,025 :
' 3 f ( 0 )−4 f (−0,025 ) + f (−0 , 05 ) 3 e 0−4 e−0,025−e0 , 05
f (0 )≅ = =0,999 795 527 7
0 , 05 0 , 05
¿ Qapp ( 0,025 )
L’erreur absolue |f ' exacte ( 0 )−f ' app ( 0 )|=0,0008027997 ≅ 8 , 03 10
−4

|f 'exacte ( 0 )−f ' app ( 0 )|

L’erreur relative =0,0008027997 ≅ 0,0803 %
|f ' exacte ( 0 )|
La différence arriéré étant d’ordre 2, l’extrapolation de Richardson pour n = 2 donne :
2
' 2 Q app ( 0,025 ) −Qapp ( 0 , 05 )
f (0 )≅ =0 , 999 994 970 2
( 2 2−1 )
Exercice 2
1
Soit: f ( x )= ( x √ 1−x +arsin(x ) ). Pour x0 = 0.5, calculer des approximations de f ' ( x0 ) par la
2
2
formule de différence arrière d’ordre 2 avec h = 0.1, 0.05, 0.025, 0.0125 et 0.00625. Dans
chacun des cas calculer l’erreur absolue.
Corrigé exercice 2
3 f ( x )−4 f ( x−h )+ f ( x−2 h )
f ' ( x )= + O ( h2 ) retardée ou à gauche
2h
f ' exacte ( x )= √ ( 1−x ) , donc f ( 0.5 )=0.866 025 4
2 '

Différence arrière pour h=0 , 1::

3 f ( 0 , 5 )−4 f ( 0 , 4 ) + f ( 0 ,3 )
f ' (0 )≅ =0.870 542 9
0,2
L’erreur absolue est e a=4.5175552E-03
Différence arrière pour h=0 , 05 :
3 f ( 0 , 5 )−4 f ( 0 , 45 ) +f ( 0 , 4 )
f ' (0 )≅ =0.8672234
0,1
L’erreur absolue est e a=1.1980534E-03
Différence arrière pour h=0,025 ::
3 f ( 0 , 5 )−4 f ( 0,475 ) +f ( 0 , 45 )
f ' (0 )≅ =0.8663350
0 , 05
L’erreur absolue est e a=3.0964613E-04
Différence arrière pour h=0,0125 :
3 f ( 0 , 5 )−4 f ( 0,4875 ) +f ( 0,475 )
f ' (0 )≅ =0.8660984
0,025
L’erreur absolue est e a=7.3015690E-05
Différence arrière pour h=0,00625 :
3 f ( 0 , 5 )−4 f ( 0,49375 ) +f ( 0,4875 )
f ' (0 )≅ =0.8660483
0,0125
L’erreur absolue est e a=2.2947788E-05

Exercice 3
A partir des données suivantes :
Fonction tabulée
x 1.00 1.01 1. 2

f (x) 1.27 1.32 1.38

calculer les approximations de f ' ( 1.005 ) , f ' ( 1.015 ) et f '' ( 1.01 ) à l’aide des formules de
différences centrées. Si les valeurs de f (x) sont précises à ± 0.005, quelle est l’erreur
maximale de chacune des approximations.
Corrigé exercice 3
On utilise la formule des différences centrées d’ordre 2 :
f ( x +h )−f (x −h)
f ' ( x )= centrée
2h
avec x=1.005 et h=0.005
' f ( 1 , 01 )−f (1.00) f app (1.01)± ∆ f −f app (1.00)± ∆ f
f ( 1.005 ) ≅ =
2(0,005) 0 ,01
' f ( 1 , 01 )−f (1.00) f app (1.01)± ∆ f −f app (1.00)± ∆ f
f ( 1.005 ) ≅ =
2(0,005) 0 ,01
' f app (1.01)−f app (1.00) 2 ∆ f
⟹ f ( 1.005 ) ≅ ±
0 ,01 0.01
'
On obtient finalement f ( 1.005 ) =5± 1 car ∆ f =0.005.
Pour calculer f ' ( 1.015 ) on utilise la même formule avec h=0.005 et x=1.015 . On obtient
'
f ( 1.015 ) =6 ± 1 car ∆ f =0.005.
Pour le calcul de f '' ( 1.01 ) on utilise :
f ( x +h )−2 f ( x ) + f ( x−h )
f '' ( x ) ≅ = 2
h
f ( 1.02 )−2 f app ( 1.01 ) + f app (1.00) 4 ∆ f
f '' ( 1.01 ) ≅ app ±
( 0.01 )2 ( 0.01 )2
obtient f '' ( 1.01 )=100 ± 200 ce qui est fort peur précis.
Exercice 4
On donne le tableau suivant des valeurs d’une fonction f (x) :

x f (x) x f (x)

2.7 10.272 093 50 3.025 10. 152 708 53

2.9 10.188 543 49 3.1 10. 137 470 96

3.0 10.158 837 43 3.2 10; 124 539 27

Sachant que f ' ( 3 ) =−0.255 605 459 076 443 , comparer la précision des différentes formules
d’ordre 2 que vous pouvez utiliser à partir de ces données
Corrigé exercice 4
Puisque les abscisses ne sont pas également espacés, il n’y a que deux possibilités. La
formule centrée h=( 0.1 ) donne -0.2554 ce qui est acceptable. La formule avant donne -0.255
838 6, ce qui est un peu moins bon.
f ( x +h )−f (x −h)
f ' ( x )= centrée
2h
' f ( x +h )−f (x )
f ( x )= +O ( h ) avancée ou à droite
h
Exercice 5
Soit la différence centrée:
f ( x +h ) −2 f ( x )+ f (x−h)
f ' ' (x) ≊
h2
a) Obtenir l’ordre de cette approximation en utilisant le développement de Taylor
appropriés (conserver les termes jusqu’au degré 7 dans le développement de Taylor de
façon à déduire les 2 premiers termes de l’erreur)
b) Utiliser cette formule de différence pour obtenir une approximation de f '' ( 2.0 ) pour la
fonction tabulée suivante, en prenant d h ’abord h=0.2 et ensuite h=0.1.
Fonction tabulée
x f (x) x f (x)

1.8 1.587 786 7 2.1 1.741 937 3.

1.9 1.641 853 9 2.2 1.788 457 4

2.0 1.693 147 2

Corrigé exercice 5
a) On montre que
f ( x+ h )−2 f ( x ) + f (x−h) ' ' 2 f ( 4 ) (x)h2 2 f ( 6) (x )h 4
2
=f ( x )+ + +O (h6 )
h 4! 6!
et l’approximation est d’ordre 2.
b) Pour h=0.2 on obtient f '' ( 2.0 ) ≃−0.251 2575 tandis que pour h=0.1, on obtient
''
f ( 2.0 ) ≃−0.250 3200 .
c) Une extrapolation de Richardson (avec n =2= donne f '' ( 2.0 ) ≃−0.250 00 75 qui est une
approximation d’ordre 4, puisque le deuxième terme de l’erreur obtenue en a) est de degré 4
en h .
d) Méthode de Romberg
0.675 248 82 0.676 253 85 0.676 506 045 Ordre(2)

0.676 588 86 0.676 590 11 Ordre(4)

0.376 590 193 (Ordre 6)

II-2 Intégration Numérique

II-2-1 Rappels de cours

II-2-1-1 Formules de Newton-Cotes simples et composée :

Formule des trapèzes : Newton-Cotes Composée

b i =n −1 x i+1 i=n−1
h
∫ f ( x ) dx= ∑ ∫ f ( x ) dx ≊ ∑ 2 [ f ( xi ) + f (x i+ 1)]
a i=0 xi i=0

h
¿ ¿
2

+ [ f ( x n−2) + f (x n−1 ) ] + [ f ( x n−1 ) + f (x n) ] ¿

Après simplification
b

∫ f ( x ) dx= h2 ¿ ¿
a

Finalement la formule des trapèzes composée est de précision d’ordre 2 est :

[ ]
b n −1

∫ f ( x ) ≊ h2 f ( a )+ 2 ∑ f ( x i ) +f (b)
a i=1

II-2-1-2 Formule de Simpson 1/3 composée peut se mettre sous la forme générale :

[ ]
xn n−1 n−2
h
∫ f ( x ) dx= 3
f ( x 0 ) + 4 ∑ f ( x i ) +2 ∑ f ( x i ) +f ( x n)
x0 i=1 ,i Impaire i=2 ,i Paire
Le calcul d’erreur montre que la formule de Simpson 1/3 composée est d’ordre de

précision égal à 4.

Formules de Simpson 3/8 composée

On peut également composer cette méthode en divisant l’intervalle d’intégration [ a b ] en

b−a
3 n sous intervalles de longueur h=
3n

b i =n −1 x 3i+ 3 i=n−1
3h
∫ f ( x ) dx= ∑ ∫ f ( x ) dx ≅ ∑ 8 [ 3i
f ( x ) +3 f ( x 3 i+1 ) +3 f ( x 3 i+2 ) + f (x 3 i+3 ) ]
a i=0 x3 i i=0

3h
¿
8
[ f ( x0 ) + 3 f ( x 1) + 3 f ( x 2 )+ 2 f ( x 3 ) +f ( x 4 ) + …+2 f ( x 3 n−3 ) +3 f ( x 3 n−2 ) +3 f ( x 3 n−1 )+ f ( x 3 n ) ]
II-2-1-3 Méthode de Romberg

 La première ligne du tableau T, c’est-à-dire T 1 ,i est formée des résultats obtenus à

l’aide de la méthode des trapèzes composées avec 2i−1intervalles. Les T 1 ,i sont des

approximations d’ordre 2.

 Pour passer de T 1 ,i à T 1 ,i+1 ,on doit doubler le nombre d’intervalles, ce qui revient

à diviser la valeur de h par deux.

 Au moyen de l’extrapolation de Richardson avec n = 2, on définit :

2
2 T 1 ,i+ 1−T 1 , i
T 2 ,i= 2
(6.28)
2 −1

et les T 2 ,i sont des approximations d’ordre 4. On pose successivement :

4 6 8
2 T 2, i+1−T 2 ,i 2 T 3 ,i+1−T 3 , i 2 T 4 ,i+1−T 4 ,i
T 3 ,i= 4
, T 4 ,i = 6
, T 5 ,i= 8
2 −1 2 −1 2 −1

ce qui définit un triangle de la forme :

Algorithmes Nombres 1 = 20 2 = 21 4 = 22 8 = 23 16 = 24 32 = 25 Ordre

d’intervalles

Trapèzes T1,1 T1,2 T1,3 T1,4 T1,5 T1,6 2

Simpson1/3 T2,1 T2,2 T2,3 T2,4 T2,5 4

 T3,1 T3,2 T3,3 T3,4 6

T4,1 T4,2 T4,3 8

T5,1 T5,2 10

Romberg T6,1 12

II-2-2 Exercices Intégration Numérique

Exercice 1

Corrigé exercice 1
Trapèzes : 1.727 221 905 pour 4 intervalles ( h=0.25 ) et 1.720 518 592 pour 8 intervalles
( h=0.125 ) .
( 4 x 1.720 518 592−1.727 221 905 )
Richardson : =1.718284 154
3
Ordre 4. Les erreurs respectives sont 0.894 x 10−2 , 0.223 x 10−2 et 0.2326x10−5

Exercice 2

Corrigé exercice 2
Simpson 1/3 : 1.718 318843 pour 4 intervalles ( h=0.25 ) et 1.718 284 154 pour 8 intervalles
( h=0.125 ) .
( 24 x 1.718 284 154−1. 718 318843 )
Richardson : =1.718 281843
15
Ordre 6. Les erreurs respectives sont 0.37 x 10−4 , 0.2326 x 10−5 et 0.15x10−7

Exercice 3

Comparer avec la valeur exacte

Corrigé exercice 3

( 43 ) avec une erreur absolue 0.54 x 10

Simpson 3/8 : 17.327 866 29 pour 6 intervalles h= −2

Exercice 4
Corrigé exercice 4
Méthode de Romberg
0.785 398 164 0.916 297 857 0.968 361 509 Ordre(2)

0.959 931 089 0.985 716 059 Ordre(4)

0.987 435 057 (Ordre 6)

Exercice 5

Corrigé exercice 5
a) La valeur exacte est I = Ln(2)
b) Il faut se rendre jusqu’à T 1 ,4 pour lequel le rapport est 0.004.
c) Méthode de Romberg
0.75 0.708 333 333 0.697 023 80 0.694 121 85

0.694 444444 0.693 253 96 0.693 154 53

0.693 174 60 0.693 147 90

 0.693 147

d) La deuxième ligne du tableau correspond à la méthode de Simpson 1/3 avec 2,4 et 8

intervalles.

Exercice 6
π
2
A l’aide d’une certaine méthode d’intégration numérique, on évalué I =∫ sin ( x ) dx . On a
0
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 méthode

Corrigé exercice 6
Erreur(h=0.2)
=7.99 ≅ 23 La méthode est donc d’ordre 3
Erreur(h=0.1)

Exercice 7
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
t i (s ) 0.0 0.5 1.0 1;5 2;0

v ( km/h ) 60.0 68.4 75.5 82.2 89.4

a) En utilisant le meilleur polynôme de degré 2 possible, obtenir une approximation de

la vitesse (en km/h) à t = 1.2 s.
b) Obtenir l’expression analytique de l’erreur d’interpolation commise en a).
c) Obtenir une approximation de cette erreur à t = 1.2 s.
d) En vous servant plusieurs fois de la différence centrée :

f ( x+ h )−f (x−h)
f ' (x)≃
2h

( )m
obtenir une approximation de l’accélération a 2 à t = 1.0 s et qui soit le plus précis
s
possible. Donner l’ordre de précision de l’approximation obtenue.
e) Evaluer la distance parcourue d (m) dans l’intervalle de temps [ 0 , 2.0 ] par la méthode la
plus précise possible. Préciser l’ordre de votre approximation.
Corrigé exercice 7
a) Il faut utiliser les points dont les abscisses sont les plus rapprochées de t=1.2 soit dans
l’ordre ¿ 1.0 , t=1.5 et t=0.5 . On obtient ainsi un polynôme
p2 ( x ) =75.5+13.4 ( t−1.0 ) −0.8 ( t−1.0 ) (t−1.5 )qui vaut
78.228 km/h.
1 '''
b) E2 ( t )= v ( ξ ) (t−1.0 )( t−1.5 )( t−0.5 ) pourξ ∈ [ 0.5 1.5 ]
3!
c) En introduisant le point d’abscisse t=2.0 et l’en complète la table des différences divisées.
On obtient E2 ( t )=1.2 (t−1.0 )( t−1.5 )( t−0.5 ) qui vaut 0.0504 à t=1.2.

d) Pour h=0.1, la différence centrée donne 14. 7 ( ) km

hs ( ) m
=4.083 333 2 tandis que, pour h=0.5
s

( ) m
, on obtient 3 .833 333 2 . Une extrapolation de Richardson avec
s
m
n=2 donne a=3.75 2 qui est une approximation d’ordre 4.
s
e) Il suffit d’intégrer la fonction tabulée

Méthode de Romberg
149.4 150.2 150.4 Ordre(2)

150.466666667 150.466666667 Ordre(4)

150 466666667 (Ordre 6)

La distance d est 150 466666667(km s )/h . Ou encore 41.796 296 3 m.

 CHAPITRE III- Interpolation polynomiale

III-1 Matrice de VANDERMOND

III-1-1 Principe de la méthode

Corrigé de l’exemple de matrice de Vandermonde

Les points de collocation sont sous la forme
[ x i , f ( x i) ] ,i=0 ,1 , 2 … n+1
sont ( 0 , 1 ) , ( 1 , 2 ) , ( 2 , 9 ) , ( 3 ,28 ). Avec n points on forme un polynôme de degré n, c’est à dire
un polynôme de degré (n+1) – 1
Étant donné que n+1 = 4 le polynôme sera de degré (n+1)- 1 = 3
Il suffit d’écrire Pn ( x i )=f ( x i ) , i=0 , 1 ,2 , 3 … n ce qui nous donne :
2 3
P3 ( x )=a0 + a1 x +a 2 x + a3 x
P3 ( x 0 )=f ( x0 ) ⟹ P3 ( 0 )=f ( 0 )=1
P3 ( x 1) =f ( x 1 ) ⟹ P 3 ( 1 )=f ( 1 )=2
P3 ( x 2) =f ( x 2 ) ⟹ P 3 ( 2 ) =f ( 2 )=9
P3 ( x 3 )=f ( x 3 ) ⟹ P3 ( 3 )=f ( 3 )=28
Ce qui nous donne :
P3 ( 0 )=a0=1
 P3 ( 1 )=a 0+ a1 +a2 + a3=2
P3 ( 2 )=a 0+ 2 a1+ 4 a2+ 8 a3=9
P3 ( 3 )=a0 +3 a1 +9 a 2+27 a3=28
Donc on aboutit à un système d’équations linéaires d’inconnues a 0 , a 1 , a2 , a3 qu’il faut savoir
résoudre (voir chapitre précédent).
On obtient :
a 0=1
Et on détermine les autres coefficients sont obtenus par la résolution du système suivant :

{
a 1+¿ a2 +¿ a3=1
2 a1 +¿ 4 a2 +¿ 8 a3=8 27 a3=27 ¿
¿
On peut simplifier ce système avant de le résoudre :

{
a1 +¿ a2 +¿ a 3=1
a1 +¿ 2 a2 +¿ 4 a3=4 9 a 3=9¿
¿
Après résolution on obtient : a 0=1 , a1=0 , a 2=0 , a3=1
Ainsi :
3
P3 ( x )=1+ x
III-1-2 Exercices : interpolation de Vandermonde

Exercice 1
Obtenir le polynôme de degré 2 passant par les points : (1,2), (2,6), (3,12). Utiliser la matrice
de Vandermonde.

Exercice 2
Soit les points suivants : (0,0), (1,2), (2,36), (3,252), (4,1040)
a) Obtenir le polynôme de Vandermonde passant par les 3 premiers points.
b) Obtenir le polynôme de Vandermonde passant par les 4 premiers points.
c) b) Obtenir le polynôme de Vandermonde passant par les 5 premiers points.

Corrigé exercice 1
Le polynôme de degré 2 passant par les points : (1,2), (2,6), (3,12).
Il suffit d’écrire P2 ( xi ) =f ( x i ) , i=0 , 1, 2 ce qui nous donne :
2
P2 ( x ) =a0 + a1 x +a 2 x
P2 ( x 0 )=f ( x 0 ) ⟹ P2 (1 )=f ( 1 )=2
P2 ( x1 ) =f ( x 1 ) ⟹ P 2 ( 2 )=f ( 2 )=6
P2 ( x 2) =f ( x 2 ) ⟹ P 2 ( 3 ) =f ( 3 )=12
Ce qui nous donne :
P2 ( 1 )=a 0+ a1 +a2=2
P2 ( 2 )=a 0+ 2 a1+ 4 a2=6
P2 ( 3 )=a 0+ 3 a1 +9 a2 =12
Matrice de Vandermonde

( )( ) ( )
1 1 1 a0 2
1 2 4 a1 = 6
1 3 9 a2 12
Après résolution du système, on obtient :
 a 0=0 , a1=1, a 2=1
2
P2 ( x ) =x+ x
Corrigé exercice 2
a) Le polynôme de Vandermonde passant par les 3 premiers points, (0,0), (1,2), (2,36).

Il suffit d’écrire P2 ( xi ) =f ( x i ) , i=0 , 1, 2 ce qui nous donne :

2
P2 ( x ) =a0 + a1 x +a 2 x
P2 ( x 0 )=f ( x 0 ) ⟹ P2 ( 0 )=f ( 0 )=0
P2 ( x1 ) =f ( x 1 ) ⟹ P 2 ( 1 )=f ( 1 )=2
P2 ( x 2) =f ( x 2 ) ⟹ P 2 ( 2 )=f ( 2 )=36
Ce qui nous donne :
P2 ( 0 )=a0=0
P2 ( 1 )=a 0+ a1 +a2=2
P2 ( 2 )=a 0+ 2 a1+ 4 a2=36
Le polynôme de Vandermonde passant par les 3 premiers points, (0,0),(1,2),(2,36). Matrice de
Vandermonde
a 0=0

( )( ) ( ) 1 1 a1 = 2
2 4 a2 36
Après simplification :

( )( ) ( ) 1 1 a1
1 2 a2
=
18
2

Après résolution du système, on obtient :

a 0=0 , a1=−14 , a2=16
2
P2 ( x ) =−14 x +16 x
b) Le polynôme de Vandermonde passant par les 4 premiers points, (0,0),(1,2),(2,36), (3,
252)

Il suffit d’écrire P3 ( x i) =f ( x i ) , i=0 , 1 ,2 , 3 ce qui nous donne :

2 3
P3 ( x )=a0 + a1 x +a 2 x + a3 x
P3 ( x 0 )=f ( x0 ) ⟹ P3 ( 0 )=f ( 0 )=0
P3 ( x 1) =f ( x 1 ) ⟹ P 3 ( 1 )=f ( 1 )=2
P3 ( x 2) =f ( x 2 ) ⟹ P 3 ( 2 ) =f ( 2 )=36
P3 ( x 3 )=f ( x 3 ) ⟹ P3 ( 3 )=f ( 3 )=252
Ce qui nous donne :
P3 ( 0 )=a0=0
P3 ( 1 )=a 0+ a1 +a2 + a3=2
P3 ( 2 )=a 0+ 2 a1+ 4 a2+ 8 a3=36
P3 ( 3 )=a0 +3 a1 +9 a 2+27 a3=252
Donc on aboutit à un système d’équations linéaires d’inconnues a 0 , a 1 , a2 , a3 qu’il faut savoir
résoudre (voir chapitre précédent).
On obtient :
a 0=0
Et on détermine les autres coefficients sont obtenus par la résolution du système suivant :
 {
a 1+¿ a2+ ¿ a3=2
2 a1 +¿ 4 a2 +¿ 8 a3=36 27 a3=252¿
¿
On peut simplifier ce système avant de le résoudre:

{
a1 +¿ a2+ ¿ a3=2
a1 +¿ 2 a2 +¿ 4 a3=18 9 a3=84 ¿
¿
Après résolution on obtient : 0 a =0 , a1 =36 , a2=−59 , a3 =25
Ainsi :
2 3
P3 ( x )=36 x−59 x +25 x
c) Le polynôme de Vandermonde passant par les 5 premiers points, (0,0), (1,2), (2,36), (3,
252), (5,1040)
Il suffit d’écrire P4 ( x i )=f ( x i ) ,i=0 ,1 , 2 ,3 , 4 ce qui nous donne :
2 3 4
P4 ( x )=a0 +a1 x+ a2 x +a 3 x +a 4 x
P4 ( x 0 ) =f ( x 0 ) ⟹ P 4 ( 0 )=f ( 0 )=0
P4 ( x 1 )=f ( x 1) ⟹ P4 ( 1 )=f ( 1 )=2
P4 ( x 2 )=f ( x 2 ) ⟹ P4 ( 2 ) =f ( 2 )=36
P4 ( x 3 )=f ( x 3 ) ⟹ P 4 ( 3 )=f ( 3 )=252
P4 ( x 4 ) =f ( x 4 ) ⟹ P 4 ( 5 )=f ( 5 ) =1040
Ce qui nous donne :
Donc on aboutit à un système d’équations linéaires d’inconnues a 0 , a 1 , a2 , a3 , a 4
Qu’il faut savoir résoudre (voir chapitre précédent).
On obtient :
a 0=0
Et on détermine les autres coefficients sont obtenus par la résolution du système suivant :

{
a1 +a2 +a 3+ a4 =2
2 a1 + 4 a2 +8 a3+ 16 a4 =36
3 a1 +9 a2 +27 a3+ 81 a4 =252
5 a1 +25 a2 +125 a3 +625 a4 =1040
On peut simplifier ce système avant de le résoudre:

{
a1 +a2 + a3 +a 4=2
a1+ 2 a2 +4 a3 +8 a 4=18
a1+ 3 a2 +9 a3 +27 a4 =84
a1 +5 a2 +25 a 3+ 125 a4 =208
Après résolution on obtient : a 0=0 , a1=¿
a 4=¿ ¿
2 3 4
Ainsi : P4 ( x )=a0 +a1 x+ a2 x +a 3 x +a 4 x
P4 ( 0 )=a 0=0
P4 ( 1 )=a0 +a 1+ a2 +a3 + a4=2
P4 ( 2 )=a0 +2 a1 + 4 a2 +8 a 3+ 16 a4 =36
P4 ( 3 ) =a0 +3 a 1+ 9 a2 +27 a3 +81 a 4=252
P4 ( 5 ) =a0 +5 a 1+25 a2+ 125 a3 +625 a 4=1040

III-2 Interpolation de LAGRANGE

 III-2-1 Principe :

Figure : Polynômes de Lagrange de degré 2: L0 ( x ) , L1 ( x ) , L2 ( x )

III-2-2 Exemples
Corrigé de l’exemple polynôme de degré 1
A partir des points de collocation ( 2 , 3 ) , ( 5 ,−6 ) , déterminons le polynômes de Lagrange L0 ( x )
et L1 ( x ) de degré 1,tels que :

{L0 ( x 0 ) =1
L0 ( x 1 ) =0
et
{
L1 ( x 0 ) =0
L1 ( x 1 )=0
( x−x 1 ) ( x−x 0 )
L0 ( x ) = , L1 ( x ) =
( x 0 −x1 ) ( x 1−x 0 )
Application pour les deux points ( 2 , 3 ) , ( 5 ,−6 )
( x−5 ) ( x−5 ) ( 5−x ) ( x−2 ) ( x−2 )
L0 ( x ) = = = , L1 ( x ) = =
( 2−5 ) (−3 ) 3 (5−2 ) 3
Le polynôme de degré 1passant par les points de collocation ( 2 , 3 ) , ( 5 ,−6 ) est donné par :
i =1
P1 ( x ) =L ( x )=∑ Li ( x ) f ( x i)
i=0
P1 ( x ) =L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x 1 )
( 5−x ) ( x−2 )
P1 ( x ) = (3)+ (−6)
3 3
Finalement après simplification on obtient : P1 ( x ) =9−3 x
Figure : Polynômes de Lagrange de degré 2: L0 ( x ) , L1 ( x ) , L2 ( x )

Corrigé de l’exemple polynôme de degré 2

A partir des points de collocation ( 1 , 2 ) , ( 3 , 7 ) , ( 4 ,−1 ), déterminons le polynômes de Lagrange
L0 ( x ) , L1 ( x ) et L2 ( x ) de degré 2,tels que :

{ { {
L0 ( x 0 ) =1 L1 ( x 0 )=0 L2 ( x 0 ) =0
L0 ( x 1 ) =0 , L1 ( x 1 )=1 et L2 ( x 1 )=0
L0 ( x 2 ) =0 L1 ( x 2 )=0 L2 ( x 2 ) =1
( x −x1 ) ( x−x 2 ) ( x−x 0 ) ( x−x 2 ) ( x−x 0 ) ( x−x 1 )
L0 ( x ) = , L1 ( x ) = et , L2 ( x )=
( x 0 −x1 ) ( x 0−x 2 ) ( x 1−x 0 ) ( x 1−x 2 ) ( x 2−x 0 ) ( x 2−x 1 )
Application pour les trois points( 1 , 2 ) , ( 3 , 7 ) , ( 4 ,−1 )
( x−3 )( x−4 ) x 2−7 x +12 ( x−1 ) ( x−4 ) x2 −5 x + 4
L0 ( x ) = = , L1 ( x ) = = et
( 1−3 )( 1−4 ) −6 ( 3−1 ) ( 3−4 ) −2
( x−1 )( x−3 ) x 2−4 x +3
L2 ( x ) = =
( 4−1 )( 4−3 ) 3
Le polynôme de degré 2 passant par les points de collocation ( 1 , 2 ) , ( 3 , 7 ) , ( 4 ,−1 )est donné par
:
i =2
P2 ( x ) =L ( x )=∑ Li ( x ) f ( x i)
i=0
P2 ( x ) =L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x 1 ) + L2 ( x ) f ( x 2 )
2 2 2
x −7 x +12 ( ) x −5 x+ 4 ( ) x −4 x +3 ( )
P2 ( x ) = 2+ 7+ −1
−6 −2 3
Ainsi le polynôme P2 ( x ) après développement des calculs peut s’écrire :
2 7 25 2
P2 ( x ) =a0 + a1 x +a 2 x =−17+ x− x
3 6
Corrigé de l’exemple polynôme de degré 3
A partir des points de collocation ( 0 , 1 ) , ( 1 , 2 ) , ( 2 , 9 ) , ( 3 ,28 ),déterminons le polynômes de
Lagrange L0 ( x ) , L1 ( x ) , L2et L3 ( x ) de degré 3,tels que :

{ { { {
L0 ( x0 ) =1 L1 ( x 0 )=0 L2 ( x 0 ) =0 L3 ( x 0 ) =0
L0 ( x 1 ) =0 L1 ( x 1 )=1 L2 ( x 1 )=0 L3 ( x 1 )=0
, , et
L0 ( x 2 ) =0 L1 ( x 2 )=0 L2 ( x 2 ) =1 L3 ( x 2 ) =0
L0 ( x 3 ) =0 L1 ( x 3 )=0 L2 ( x 3 )=0 L3 ( x3 ) =1
( x−x 1 ) ( x−x 2 )( x −x3 )
L0 ( x ) =
( x 0 −x1 ) ( x 0−x 2 ) ( x 0−x 3 )
( x −x0 ) ( x−x 2 ) ( x−x 3 )
L1 ( x ) =
( x 1−x 0 ) ( x 1−x 2 )( x 1−x 3 )
( x−x 0 )( x −x1 ) ( x−x 3 )
L2 ( x ) =
( x 2−x 0 ) ( x 2−x 1 )( x2 −x3 )
( x−x 0 ) ( x−x 1) ( x−x 2 )
L3 ( x ) =
( x 3−x 0 ) ( x 3−x 1 ) ( x 3−x 2 )
Application pour les trois points( 0 , 1 ) , ( 1 , 2 ) , ( 2 , 9 ) , ( 3 ,28 ) ,
( x−1 )( x−2 ) ( x−3 ) x 3−6 x 2+ 11x −6 ( x−0 )( x−2 )( x−3 ) x 3−5 x 2+ 6 x
(
L0 x = ) = (
, L1 x = ) = ,
(−1 )(−2 ) (−3 ) −6 ( 1 )(−1 ) (−2 ) 2
( x−0 )( x−1 )( x−3 ) x 3−4 x2 +3 x
L2 ( x ) = =
( 2 )( 1 ) (−1 ) −2
( x−1 )( x−2 ) ( x−3 ) x −6 x + 11x −6
3 2
( x−0 )( x−2 )( x−3 ) x 3−5 x 2+ 6 x
L0 ( x ) = = , L1 ( x ) = = ,
(−1 )(−2 ) (−3 ) −6 ( 1 )(−1 ) (−2 ) 2
( x−0 )( x−1 )( x−3 ) x 3−4 x2 +3 x
L2 ( x ) = =
( 2 )( 1 ) (−1 ) −2
( x−0 )( x−1 )( x−2 ) x −3 x 2+2 x3
L3 ( x ) = =
( 3 )( 2 )( 1 ) 6
Le polynôme de degré 3passant par les points de collocation ( 0 , 1 ) , ( 1 , 2 ) , ( 2 , , 9 ) , ( 3 ,28 )est
donné par :
i=3
P3 ( x )=L ( x )=∑ Li ( x ) f ( x i )
i =0
3 2 3 2 3 2 3 2
x −6 x +11 x−6 x −5 x +6 x ( ) x −4 x +3 x x −3 x +2 x
P3 ( x )= ¿)+ 2+ ( 9) + (28)
−6 2 −2 6
 III-2-3 Exercices : interpolation de Lagrange

Exercice 1

Obtenir le polynôme de degré 2 passant par les points : (1,2), (2,6), (3,12).

Exercice 2

Soit les points suivants :

(0,0), (1,2), (2,36), (3,252), (4,1040)
a) Obtenir le polynôme de Lagrange passant par les 3 premiers points.
b) Obtenir le polynôme de Lagrange passant par les 4 premiers points.
c) Obtenir le polynôme de Lagrange passant par les 5 premiers points.

Corrigé de l’exercice 1 polynôme de degré 2

A partir des points de collocation ( 1 , 2 ) , ( 2 , 6 ) , ( 3 ,12 ) ,déterminons le polynômes de
Lagrange L0 ( x ) , L1 ( x ) et L2 ( x ) de degré 2,tels que :

{ { {
L0 ( 1 )=1 L1 ( 1 )=0 L2 ( 1 )=0
L0 ( 2 )=0 , L1 ( 2 ) =1 et L2 ( 2 )=0
L0 ( 3 )=0 L1 ( 3 )=0 L2 ( 3 )=1
( x −x1 ) ( x−x 2 ) ( x−x 0 ) ( x−x 2 ) ( x−x 0 ) ( x−x 1 )
L0 ( x ) = , L1 ( x ) = et , L2 ( x )=
( x 0 −x1 ) ( x 0−x 2 ) ( x 1−x 0 ) ( x 1−x 2 ) ( x 2−x 0 ) ( x 2−x 1 )
Application pour les trois points( 1 , 2 ) , ( 2 , 6 ) , ( 3 ,12 ) ,
( x−2 )( x−3 ) x 2−5 x+ 6 ( x−1 ) ( x−3 ) x 2−4 x +3
L0 ( x ) = = , L1 ( x ) = = et
( 1−2 )( 1−3 ) 2 ( 2−1 ) ( 2−3 ) −2
( x−1 ) ( x−2 ) x2 −3 x +2
L2 ( x ) = =
( 3−1 ) ( 3−2 ) 2
Le polynôme de degré 2 passant par les points de collocation( 1 , 2 ) , ( 2 , 6 ) , ( 3 ,12 ) est donné par :
i =2
P2 ( x ) =L ( x )=∑ Li ( x ) f ( x i)
i=0
P2 ( x ) =L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x 1 ) + L2 ( x ) f ( x 2 )
2 2 2
x −5 x +6 ( ) x −4 x+ 3 ( ) x −3 x+ 2 ( )
P2 ( x ) = 2+ 6+ 12
2 (−1) 2
2
P2 ( x ) =x+ x
Corrigé exercice 2
a) A partir des points de collocation ( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ), déterminons le polynômes de
Lagrange L0 ( x ) , L1 ( x ) et L2 ( x ) de degré 2,tels que :

{ { {
L0 ( 0 )=1 L1 ( 0 ) =0 L2 ( 0 )=0
L0 ( 1 ) =0 , L1 ( 1 ) =1 et L2 ( 1 ) =0 a)
L0 ( 2 ) =0 L1 ( 2 )=0 L2 (2 )=1
Application pour les trois points( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ) ,
( x−1 )( x−2 ) x 2−3 x+2 ( x−0 )( x−2 ) x 2−2 x
L0 ( x ) = = , L1 ( x ) = = et
( 0−1 )( 0−2 ) 2 ( 1−0 )( 1−2 ) (−1)
( x−0 )( x−1 ) x 2−x
L2 ( x ) = =
( 2−0 )( 2−1 ) 2
Le polynôme de degré 2 passant par les points de collocation( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ) est
donné par :
i =2
P2 ( x ) =L ( x )=∑ Li ( x ) f ( x i)
i=0
P2 ( x ) =L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x 1 ) + L2 ( x ) f ( x 2 )
2 2 2
( ) x −3 x +2 ( ) x −2 x ( ) x −x ( )
P2 x = 0+ 2+ 36
2 (−1) 2
2
P2 ( x ) =−14 x +16 x
b) A partir des points de collocation ( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ) , (3,252),déterminons le polynômes de
Lagrange L0 ( x ) , L1 ( x ) , L2et L3 ( x ) de degré 3,tels que :

{ { { {
L0 ( 0 )=1 L1 ( 0 ) =0 L2 ( 0 )=0 L3 ( 0 )=0
L0 ( 1 ) =0 L1 ( 1 ) =1 L2 ( 1 ) =0 L3 ( 1 ) =0
, , et
L0 ( 2 )=0 L1 ( 2 )=0 L2 (2 )=1 L3 ( 2 )=0
L0 ( 3 )=0 L1 ( 3 )=0 L2 ( 3 )=0 L3 (3 )=1
( x−x 1 ) ( x−x 2 )( x −x3 )
L0 ( x ) =
( x 0 −x1 ) ( x 0−x 2 ) ( x 0−x 3 )

( x −x0 ) ( x−x 2 ) ( x−x 3 ) ( x−x 0 ) ( x−x 1 ) ( x−x 3 ) ( x−x 0 ) ( x−x 1 )( x −x2 )

L1 ( x ) = L2 ( x ) = L3 ( x ) =
( x 1−x 0 ) ( x 1−x 2 )( x 1−x 3 ) ( x 2−x 0 )( x2 −x1 ) ( x 2−x 3 ) ( x 3 −x0 ) ( x 3−x 1 ) ( x 3−x 2 )
Application pour les trois points( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ) , ( 3,252 ) ,
( x−1 )( x−2 ) ( x−3 ) x 3−6 x 2+ 11x −6 ( x−0 )( x−2 )( x−3 ) x 3−5 x 2+ 6 x
L0 ( x ) = = , L1 ( x ) = = ,
(−1 )(−2 ) (−3 ) −6 ( 1 )(−1 ) (−2 ) 2
( x−0 )( x−1 )( x−3 ) x 3−4 x2 +3 x
L2 ( x ) = =
( 2 )( 1 ) (−1 ) −2
 ( x−1 )( x−2 ) ( x−3 ) x 3−6 x 2+ 11x −6 ( x−0 )( x−2 )( x−3 ) x 3−5 x 2+ 6 x
L0 ( x ) = = , L1 ( x ) = = ,
(−1 )(−2 ) (−3 ) −6 ( 1 )(−1 ) (−2 ) 2
( x−0 )( x−1 )( x−3 ) x 3−4 x2 +3 x
L2 ( x ) = =
( 2 )( 1 ) (−1 ) −2
( x−0 )( x−1 )( x−2 ) x −3 x 2+2 x3
L3 ( x ) = =
( 3 )( 2 )( 1 ) 6
Le polynôme de degré 3 passant par les points de collocation ( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ) , ( 3,252 ) est
donné par :
i=3
P3 ( x )=L ( x )=∑ Li ( x ) f ( x i )
i =0
3 2 3 2 3 2 3 2
x −6 x +11 x−6 x −5 x +6 x ( ) x −4 x +3 x x −3 x +2 x
P3 ( x )= ¿0)+ 2+ (36) + (252)
−6 2 −2 6
Finalement :
2 3
P3 ( x )=36 x−59 x +25 x
c) A partir des points de collocation ( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ) , ( 3,252 ) ,(5,1040), déterminons le
polynômes de Lagrange L0 ( x ) , L1 ( x ) , L2 , L3 ( x ) et L 4 ( x ) ,de degré 3,tels que :

{ { { { {
L0 ( 0 )=1 L1 ( 0 )=0 L2 ( 0 )=0 L3 ( 0 )=0 L4 ( 0 )=0
L0 ( 1 ) =0 L1 (1 )=1 L2 ( 1 )=0 L3 ( 1 ) =0 L4 ( 1 )=0
L0 ( 2 )=0 L1 ( 2 ) =0 , L2 ( 2 )=1 , L3 ( 2 )=0 , L4 ( 2 )=0
L0 ( 3 )=0 L1 ( 3 ) =0 L2 ( 3 )=0 L3 (3 )=1 L4 ( 3 )=0
L0 ( 5 )=0 L1 ( 5 ) =0 L2 ( 5 )=0 L3 ( 5 )=0 L4 ( 5 )=1
c) A partir des points de collocation ( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ) , ( 3,252 ) ,(5,1040), déterminons le
polynômes de Lagrange L0 ( x ) , L1 ( x ) , L2 , L3 ( x ) et L 4 ( x ) ,de degré 3,tels que :
( x −x1 ) ( x−x 2 ) ( x−x 3 ) ( x−x 4 )
L0 ( x ) =
( x 0 −x1 ) ( x 0−x 2 ) ( x 0−x 3 ) ( x 0−x 4 )
( x−x 0 ) ( x−x 2 )( x −x3 ) ( x−x 4 )
L1 ( x ) =
( x 1−x 0 ) ( x 1−x 2 )( x 1−x 3 ) ( x 1−x 4 )
( x−x 0 ) ( x−x 1 )( x−x 3) ( x− x 4 )
L2 ( x ) =
( x 2−x 0 ) ( x 2−x 1 )( x2 −x3 ) ( x 2−x 4 )
( x−x 0 ) ( x−x 1 ) ( x−x 2 )( x−x 4 )
L3 ( x ) =
( x 3−x 0 ) ( x 3−x 1 ) ( x 3−x 2 )( x 3−x 4 )
( x−x 0 )( x−x 1) ( x−x 2 ) ( x−x 3 )
L4 ( x ) =
( x 4−x 0 ) ( x 4 −x 1) ( x 4 −x 2 )( x 4 −x 3 )
( x−1 )( x−2 ) ( x−3 ) ( x−5 )
L0 ( x ) =
( 0−1 ) ( 0−2 ) ( 0−3 ) ( 0−5 )
( x−0 )( x−2 )( x−3 )( x−5 )
L1 ( x ) =
( 1−0 )( 1−2 )( 1−3 )( 1−5 )
( x−0 )( x−1 )( x−3 )( x−5 )
L2 ( x ) =
( 2−0 )( 2−1 )( 2−3 )( 2−5 )
( x−0 )( x−1 )( x−2 ) ( x−5 )
L3 ( x ) =
( 3−0 ) ( 3−1 )( 3−2 ) (3−5 )
( x−0 ) ( x−1 ) ( x−2 ) ( x −3 )
L4 ( x ) =
( 5−0 ) (5−1 ) ( 5−2 ) ( 5−3 )
 4 3 2
x −11 x + 41 x −61 x +30
L0 ( x ) =
30
4 3 2
( ) x −10 x +31 x −30 x
L1 x =
(−8)
4 3 2
x −9 x +23 x −15 x
L2 ( x ) =
6
4 3 2
x −8 x +17 x −10 x
L3 ( x ) =
(−12)
4 3 2
x −6 x +11 x −6 x
L4 ( x ) =
(−12)
Le polynôme de degré 4 passant par les points de collocation ( 0 , 0 ) , ( 1 ,2 ) , ( 2 ,36 ) , ( 3,252 ) ,
(5,1040) est donné par :
i=4
P4 ( x )=L ( x )=∑ Li ( x ) f ( x i )
i=0
P4 ( x )=L0 ( x ) f ( x 0 )+ L1 ( x ) f ( x 1) + L2 ( x ) f ( x 2 )+ L3 ( x ) f ( x 3 ) + L4 ( x ) f ( x 4 )
4 3 2 4 3 2 4 3 2 4 3 2
x −11 x + 41 x −61 x+ 30 ( ) x −10 x +31 x −30 x ( ) x −9 x +23 x −15 x ( ) x −8 x +17 x −
P4 ( x )= 0+ 2+ 36 +
30 (−8 ) 6 (−12 )

III-3 Interpolation de Newton

III-3-1 Principe
 2 3 n
Pn ( x )=a 0+ a1 x +a 2 x +a3 x + … an x (5−1)
 Table des différences divisées
xi f (x i) f [ x i , x i +1 ] f [ x i , x i +1 , x i+2 ] f [ x i , x i +1 , x i+2 , x i +3 ]
x0 a 0=f (x 0)

a 1=f [ x 0 , x 1 ]
x1 f (x 1)
a 2=f [ x 0 , x 1 , x 2 ]
f [ x1 , x2]
a 3=f [ x 0 , x 1 , x 2 , x3 ]
x2 f (x 2)
f [ x1 , x2 , x3 ]
f [ x2 , x3]
x3 f (x 3)
 f [ x 1 , x2 ]−f [ x 0 , x 1 ]
f [ x 0 , x1 , x2 ]=
x 2−x 0
f [ x 2 , x 3 ]−f [ x 1 , x 2 ]
f [ x 1 , x 2 , x 3 ]=
x 3−x 1
f [ x1 , x 2 , x 3 ]−f [ x 0 , x 1 , x 2 ]
f [ x 0 , x1 , x2 , x 3 ] =
x 3−x 0
 III-3-2 Exercices : interpolation de Newton

Exercice 1

Obtenir le polynôme de degré 2 passant par les points : (1,2), (2,6), (3,12).

Exercice 2

Soit les points suivants : (0,0), (1,2), (2,36), (3,252), (4,1040)

a) Obtenir le polynôme de Newton passant par les 3 premiers points.

b) Obtenir le polynôme de Newton passant par les 4 premiers points.

c) Obtenir le polynôme de Newton passant par les 5 premiers points.

Corrigé Exercice 1

Obtenir le polynôme de Newton de degré 2 passant par les points : (1,2), (2,6), (3,12).

Table des différences divisées :

xi f (x i) f [ x i , x i +1 ] f [ x i , x i +1 , x i+2 ]
x 0=1 a 0=f ( x 0 ) =2

a 1=f [ x 0 , x 1 ] = 4
x 1=2 f ( x 1 ) =6
a 2=f [ x 0 , x 1 , x 2 ] =1
f [ x 1 , x 2 ] =6
x 2=3 f ( x 2 ) =12

a 0=2 , a1=4 , a2=1

P1 ( x ) =a0 + a1 ( x−x 0 ) =2+4 ( x−1 )=−2+ 4 x

 P2 ( x ) =P1 ( x ) +a 2 ( x−x 0 ) ( x−x 1 )=−2+ 4 x +(1) ( x−1 )( x−2 )

2 2
P2 ( x ) =−2+4 x + x −3 x +2=x + x

Corrigé exercice 2

a) Obtenir le polynôme de Newton de degré 2 passant par les points : (0,0) (1,2), (2,36)

Table des différences divisées :

xi f (x i) f [ x i , x i +1 ] f [ x i , x i +1 , x i+2 ]
x 0=0 a 0=f ( x 0 ) =0

a 1=f [ x 0 , x 1 ] = 2
x 1=1 f ( x 1 ) =2
a 2=f [ x 0 , x 1 , x 2 ] =16
f [ x 1 , x 2 ] =34
x 2=2 f ( x 2 ) =36

a 0=0 , a1=2, a 2=16

P1 ( x ) =0+2 ( x−0 ) =2 x

P2 ( x ) =a0 + a1 ( x−x 0 ) + a2 ( x−x 0 )( x−x 1)

P2 ( x ) =P1 ( x ) +a 2 ( x−x 0 ) ( x−x 1 )=2 x +16 x ( x−1 )

2 2
P2 ( x ) =2 x +16 x −16 x=−14 x +16 x
b) Obtenir le polynôme de Newton de degré 2 passant par les points : (0,0) (1,2), (2,36),
(3,252).Table des différences divisées :

xi f (x i) f [ x i , x i +1 ] f [ x i , x i +1 , x i+2 ] f [ x i , x i +1 , x i+2 , x i +3 ]
x 0=0 a 0=f ( x 0 ) =0

a 1=f [ x 0 , x 1 ]=2
x 1=1 f ( x 1 ) =2
a 2=f [ x 0 , x 1 , x 2 ] =16
f [ x 1 , x 2 ] =34
a 3=f [ x 0 , x 1 , x 2 , x3 ]=25
x 2=2 f ( x 2 ) =36
f [ x 1 , x 2 , x 3 ]=91
f [ x 2 , x 3 ] =216
x 3=3 f ( x 3 ) =252
c) Obtenir le polynôme de Newton de degré 2 passant par les points : (0,0) (1,2), (2,36),
(3,252),(5,1040).

Table des différences divisées :

 f [ x i , x i +1 ] f [ x i , x i +1 , x i+2 ] f [ x i , x i +1 , x i+2 , x i +3 ]
[ ]
xi f (x i) x i , x i+1 ,
f
xi +2 , x i+3 , xi +4

x 0=0 a 0=0

a 1=2

x 1=1 2
a 2=16
34
a 3=25

x 2=2 36
91
216 −79/12
−95 /12

x 3=3 252 178/3

394

x 3=5 1040

a 0=0 , a1=2, a 2=16 , a3=25 , a4=¿ ¿

P4 ( x )=a0 +a1 ( x−x 0 ) +a 2 ( x−x 0 ) ( x−x 1 ) +a 3 ( x−x 0 ) ( x−x 1 ) ( x−x 2 ) +a 4 ( x−x 0 )( x −x1 ) ( x−x 2 ) ( x−x 3 )

P4 ( x )=2 x +16 x ( x−1 ) +25 x ( x −1 )( x−2 )+ ¿¿

P4 ( x )=P3 ( x )+ ¿ ¿

Remarque

Il est bon de remarquer que les points de collocation ne doivent pas forcement être placés
en abscisses croissant, bien que cela soit souvent préférable, considérant la table des
différences divisées suivante :

xi f (x i) f [ x i , x i +1 ] f [ x i , x i +1 , x i+2 ] f [ x i , x i +1 , x i+2 , x i +3 ]

x 0=2 a 0=1

a 1=1

x 1=0 −1
a 2=0.4
2.2
a 3=1.2
 x 2=5 10
1.6
7

x 3=3 −4

On note que les abscisses x i ne sont pas par ordre croissant, Le polynôme passant par ces
points est : P3 ( x )=1+1 ( x−2 )+ 0 , 4 ( x−2 ) ( x−0 )+1 , 2 ( x −2 )( x−0 ) ( x −5 )

III-4 Rappel : Algorithme de HORNER

III-4-1 Evaluation des polynômes

Si on souhaite évaluer ce polynôme de x=1 ,on peut se servir de la méthode de Horner, on

peut réécrit le polynôme sous la forme :
P3 ( x )=1+1 ( x−2 )+ 0 , 4 ( x−2 ) ( x−0 )+1 , 2 ( x −2 )( x−0 ) ( x −5 )
P3 ( x )=1+ ( x−2 ) ( 1+ ( x−0 ) ( 0 , 4+1 , 2 ( x−5 ) ) )
f (1) ≅ P3 ( 1 )=¿ 1+ (−1 ) ( 1+ ( 1 ) ( 0 , 4 +1 ,2 (−4 ) ) ) =1+(−1) ( 1−4 , 4 )=4 , 4

III-4-2 Erreur d’interpolation

Remarque
On suppose que les données des points [ x i , f (x i) ] sont exactes, ce qui n’est pas toujours le cas,
En effet, si ces données proviennent de mesures expérimentales, elles peuvent être entachées
d’une erreur de mesure, Dans ce qui suit on suppose que cette erreur est nulle.
Théorème

Commentaires
Remarque
L’expression analytique du terme d’erreur nous impose de choisir les points d’interpolation
les plus près du point à interpoler.
Exemple
Soit les points :
( 1 ,1 ) , ( 3 , 1.732051 ) , ( 7.5 , 2.738 613 ) , ( 9.1 , 3.016 620 ) , ( 12 ,3.464 102 )
Si on veut interpoler la fonction inconnue f (x) en x=8 , il est utile de construire une table de
différences divisées,

Remarques importantes
1-
2–

Un calcul très simple (démonstration facultative) nous permet de montrer que:

On peut donc estimer le terme d’erreur (équation 5-21) par :

Remarque
ε est une valeur de tolérance fixée à l’avance. Il est aussi recommandé de fixer le degré
maximal N des polynômes à utiliser.
Exemple :

Exemple
 CHAPITRE IV – Systèmes Algébriques

IV-1 Systèmes Linéaires

IV-1-1 Méthodes directes
IV-1-1-1 Algorithme de GAUSS (sans permutation de lignes)
Rappel : la méthode de Gauss consiste de rendre la matrice A du système algébrique une
matrice U triangulaire supérieure en respectant la règle suivante : la ligne Li est remplacée par
Li + λ L j le coefficient λ est choisit de telle manière à faire apparaitre des zéros sous la
diagonale principale.

( ) ( )
u 11 u12 u 13 1 0 0
U = 0 u22 u 23 , L= l 21 1 0
0 0 u 33 l 31 l 32 1
Remarque
1 – L’exemple est détaillé pour des systèmes (3x3) ou (4x4)
2- Toute opération effectuée sur la matrice A doit être effectuée sur le second membre B.
Principe de la méthode de Gauss : exemples
Exemple1 : Système (3x3)
On considère les systèmes AX=B linéaires suivants :

{
x 1+ ¿ 2 x 2 +¿ 3 x3 =7
( S 1 ) 2 x 1+¿ 20 x 2 +¿ 26 x3 =50 ,
3 x 1+ ¿ 26 x 2 +¿ 70 x 3=102
Exemple 2 : Système (4x4)

( ) ()
1 22 4 13
2 04 3 28
(S 2): A= , B=
4 22 1 20
−3 1 3 2 6
1 - Résoudre les systèmes ( S 1 ) et (S 2) par la méthode de Gauss sans permutation de lignes.
Montrez clairement les opérations effectuées sur les lignes
2 - En déduire que la méthode de Gauss correspond à une décomposition LU , où les deux
matrices L et U sont des matrices triangulaires à déterminer.
3 - En déduire le déterminant de A.
Corrigé exemple 1

( ) ( )
1 2 3 7
A= 2 20 26 le second membre est B= 50
3 26 70 102
On peut avant de commencer la résolution de l’exercice simplifier la seconde équation en la
divisant par deux, ainsi la matrice A devient :

( )( ) (
a (110 ) a(120) a(130 ) L1(0)

)
1 2 3
( 0)
A = a (210 ) a(220) a(230 ) L(20) = 1 10 13
a ( 0 ) a( 0 ) a( 0 ) L ( 0 ) 3 26 70
31 32 33 3

et le second membre est :

 ()
b(10)

( )
7
(0 ) (0 )
B = b(20) =B = 25
b( 0 ) 102
3

Première étape : triangularisation

L’étape de triangularisation consiste après plusieurs opérations sur les lignes (en respectant la
règle suivante de Gauss ¿) rendre la matrice A triangulaire supérieure.
Première opération : Ligne 1 est la ligne pivot a 11 ≠ 0
Si un pivot est nul, il faut appliquer l’algorithme de Gauss avec permutation de ligne,
qui n’est pas l’objet de ce paragraphe.
Les pivots sont les coefficients a ii de la ligne Li . Si le pivot est nul en applique
l’algorithme avec permutation de ligne (voir plus loin). Dans notre cas il s’agit de
l’algorithme de Gauss sans permutation de ligne.
Vu la forme de la matrice A on garde la première ligne. La ligne 2 est remplacée par la ligne 2
– la ligne1 et la ligne 3 est remplacée par la ligne 3 –(3) de la ligne 1. Ainsi on aura le schéma
suivant.
(1 ) (0 ) a(210 ) (0 ) 1
L ← L − L

( )
1 2 3 2 2 (0 ) 1 L(21 ) ← L(20)− L(10) , λ 1=−1
a11 1
1 10 13 soient
(0 )
3
3 26 70 L(1 ) ← L(0 )− a31 L(0 ) L3(1) ← L(30)− L(10) , λ 2=−3
3 3 (0 ) 1
a11 1
La matrice A et le second membre B deviennent respectivement :

( )( ) ( )
a(110) a(120) a (130 ) L(10) b(10 )
( 1) (1 )
A = 0 a(221 ) a (231) L(21) , B = b(21 )
0 a(321 ) a (331) L(31) b(31 )
( 0) (0 )
a21 a21
a(211)=0 ,a (221) =a(220)− a(0 )=8 et a(231 )=a (230 )−
( 0) 12
( 0)
a =10
( 0 ) 13
a11 a 11
avec
a (310 ) a (0 )
a (311)=0 , a(321 )=a(320)− (0 )
a(120 )=20 et a(331 )=a (330 )− 31 ( 0)
a =61
( 0 ) 13
a 11 a 11
(0 ) (1 ) (1 )
b 1 =7 , b2 =18 , b3 =81

( )( )
b(10)

( )
1 2 3 7
( 1) ( 1)
A = 0 8 10 , B = b (21) = 18
0 20 61 b3(1) 81
Deuxième opération : Ligne 2 est la ligne pivot a (221) ≠ 0
Etant donnée la forme de la matrice U on garde les deux premières ligne. La ligne L(31 ) est
remplacée par la ligne L(32 ). Ainsi on aura le schéma suivant.:
( 1)
a 32 ( 1) ( 2) 5 −5
L3 ← L3 − (1) L2 , L3 ← L(31 )− L(21) , λ =
(2 ) ( 1)

a 22 2 3 2
La matrice A et le second membre B deviennent respectivement :

( )( ) ( )
( 0)
a11 a(120) a (130 ) L(10) b (10 )
( 2) (1 ) ( 1) ( 1) (2 ) (1 ) ( 2) ( 2) (1 ) a(321 ) ( 1)
A = 0 a22 a 23 L2 , B = b2 , a32=0 et a33=a33− (1 ) a23=36
a22
0 0 a 33 a 23 L(32)
( 2 ) ( 1)
b(32 )
(0 ) (1 ) ( 2)
b 1 =7 , b2 =18 , et b 3 =36
La matrice et le second membre deviennent respectivement :

( )( ) ()
1 2 3 u11 u12 u13 7
( 2) (2 )
A =U = 0 8 10 = 0 u22 u23 , B = 18
0 0 36 0 0 u33 36
Seconde étape résolution
Finalement on a rendu la matrice A triangulaire supérieure après deux opérations sur les
lignes, en respectant la règle de Gauss. Le système à résoudre est :

( )( ) ( )
1 2 3 x1 7
0 8 10 x 2 = 18
0 0 36 x 3 36
La résolution se fait par une remontée triangulaire (du bas vers le haut). Ainsi on obtient :
( 2) ( 2)
a 33 x 3=b3
( 1) (1 ) (1 )
a 22 x 2+ a23 x 3=b2
(0 ) (0 ) ( 1) ( 0)
a 11 x 1+ a12 x 2 +a 13 x 3=b1
Soient :
'
36 x 3=36 , d où x3 =1

()
8 x 2+10 x 3=18 , d où x 2=1
' 2
'
, S= 1
¿ x 1+ 2 x 2 +3 x3 =7 , d où x 1=2 1
2 – L’algorithme de Gauss est équivalent à une décomposition de la matrice A en produit de
deux matrices triangulaires : inférieure L et supérieurs U telle que :

( ) ( )
u11 u 12 u13 1 0 0
U =( uij ) 1≤ i≤ n = 0 u 22 u23 et L=( l ij ) 1 ≤i ≤n = l 21 1 0 ,ici n=3
1≤ j≤ n 1 ≤ j ≤n
0 0 u33 l 31 l 32 1
Remarque
– La matrice U est celle obtenue à la fin de la triangularisation
- La matrice L dans l’algorithme de Gauss est obtenue de la manière suivante :
L’opération élémentaire qui consiste à remplacer la ligne i par la ligne i plus un
multiple de la ligne j (L ¿ ¿ i← Li + λ L j )¿ Cela est encore une fois est équivalent à
multiplier le système de départ par une matrice inversible W qui vaut 1 sur toute la
diagonale et 0 partout ailleurs, sauf l ij qui vaut λ .
(0)
A =LU
1
L(21 ) ← L(20 )− L(10), Cela revient à multiplier la matrice A par la matrice W 1, telle que :
1
( l21=λ 1=−1 )

( ) ( )
1 0 0 1 0 0
−1
W 1= −1 1 0 , W 1 = 1 1 0 , après cette opération on a W 1 A
0 0 1 0 0 1
3
L(31 ) ← L(30 )− L(10 ), Cela revient à multiplier la matrice W 1 A par la matrice W 2 , telle que :
1
( l31=λ 2=−3 )

( ) ( )
1 0 0 1 0 0
−1
W 2 = 0 1 0 ,W 2 = 0 1 0 , après cette opération on a W 2 W 1 A
−3 0 1 3 0 1
 5
L(32 ) ← L(31)− L(21), Cela revient à multiplier la matrice W 2 W 1 A par la matrice W 3 , telle que :
2

(l 32=λ 3= )
−5
2

( ) ( )
1 0 0 1 0 0
0 1 0 −1 0 1 0
W 3= ,W 3 = , après cette opération on a W 3 W 2 W 1 A
−5 5
0 1 0 1
2 2
A la fin de cette opération on a obtenu la matrice A est triangulaire supérieure, on a
W 3 W 2 W 1 A=U
Pour retrouver la matrice la matrice A , on multiplie successivement U par :
−1 −1
W 3 W 2 W 1 A=U ⟹ W 3 W 3 W 2 W 1 A=W 3 U
Soit :
−1
W 2 W 1 A=W 3 U
−1 −1 −1 −1
W 2 W 1 A=W 3 U ⟹ W 2 W 2 W 1 A=W 2 W 3 U
Soit :
−1 −1
W 1 A=W 2 W 3 U
Enfin
−1 −1 −1 −1 −1 −1
W 1 A=W 2 W 3 U ⟹ W 1 W 1 A=W 1 W 2 W 3 U
Soit :
−1 −1 −1
A=W ⏟ 1 W2 W3 U
¿L
On obtient finalement, que l’algorithme de Gauss est équivalent à une décomposition LU . La
matrice L dans le cas d’un système (3x3) est de la forme :

( )
1 0 0
− λ1 1 0
− λ2 −λ 3 1
Dans le cas de notre exercice on vérifie aisément que :

)( )
1 0 0

( )(
1 0 0 1 0 0
−1 −1 −1 0 1 0
⏟
W 1 W 2 W 3 = −1 1 0 0 1 0
5
¿L 0 0 1 3 0 1 0 1
2

)( )
1 0 0

( )(
1 0 0 1 0 0
1 1 0
L= l 21 1 0 = −λ1 1 0=
5
l 31 l 32 1 −λ2 −λ3 1 3 1
2

( )( )
u 11 u12 u 13 1 2 3
U = 0 u22 u 23 = 0 8 10
0 0 u 33 0 0 36
On vérifie aisément que :

( )(
1 0 0

)( )
1 2 3 1 2 3
(0) 1 1 0
A =LU = 0 8 10 = 1 10 13
5
3 1 0 0 36 3 26 70
2
3 – Calcul du déterminant
Etant donné que le déterminant d’une matrice triangulaire est égal au produit des éléments de
la diagonale.
i=n i=n
det ( L )=∏ l ii , det ( U ) =∏ uii
i=1 i=1
Le déterminant de A est :
det ( A )=det ( L ) det ( U )
det ( A )=d ⏟ et ( W −1
1 ) det ( W 2 ) det ( W 3 ) det U
−1 −1
( )
Ainsi pour le système (S1) le déterminant est :
det ( L )
det ( A )=1 x 1 x 1 x 1 x 1 x 8 x 36=288
Corrigé exemple 2 système (S2)

( ) ()
1 21 4 13
2 04 3 28
A ( 0) = le second membre est B =
(0 )
4 22 1 20
−3 1 3 2 6

( )( ) (
a (110 ) ( 0) ( 0 ) ( 0)
L(10)

)
a12 a 13 a14 1 21 4
a (0 ) ( 0) ( 0 )
a 22 a 23 a(240) L(20)
A( 0)= 21 = 2 04 3
a (310 ) ( 0) ( 0 )
a32 a 33 ( 0)
a34 L3( 0)
4 22 1
a (410 ) ( 0) ( 0)
a 42 a 43 a(440) L(40) −3 13 2

et le second membre est :

()
( 0)

()
b1 13
(0 ) b(20) (0 ) 28
B = =B =
b(30) 20
b(40) 6

Première étape : triangularisation

On procède de la même manière que dans le cas d’un système (3x3)
Première opération: Ligne 1 est la ligne pivot a 11 ≠ 0
(0 ) (0 )
(1 ) (0 ) a21 (0 ) ( 1) (0 ) a21 ( 0)
L2 ← L2 − (0 ) L1 , b2 =b 2 − (0 ) b1

( )
a(110 ) a (120 ) a (130 ) a (140 ) a11 a11
(0 ) (0 ) (0 ) (0 )
a21 a 22 a 23 a 24 (1 ) (0 ) a31 (0 ) ( 1) (0 ) a(310 ) ( 0)
(0 )
L 3 ← L 3 − L , b3 =b 3 − (0 ) b1
(0 ) 1
a(310 ) a (320 ) a (330 ) a (340 ) a11 a11
(0 ) (0 ) (0 ) (0 )
a41 a 42 a 43 a 44 (1 ) (0 ) a41 (0 ) ( 1) (0 ) a(410 ) (0 )
(0 )
L4 ← L4 − (0 ) L1 , b 4 =b 4 − ( 0) b 1
a11 a11
Application
2
()
( W 1 ) : L(21) ← L(20)− 1 L(10) , a(211 )=0 , a(221)=−4 , a (231)=2, a (241) =−5 , λ1=−2

( )
1 21 4

4 22 1
( 2) 3 3 ()
2 0 4 3 W : L(1 ) ← L(0)− 4 L(0 ) , a( 1)=0 , a (1)=−6 , a(1 )=−2 , a( 1) =−15 , λ =−4
1 1 31 32 33 34 2

−3 1 3 2
( )
−3
( W 3 ) : L(41 ) ← L(40 )− 1 L(10 ) ,a (411) =0 , a(421)=7 , a(431 )=6 , a (441) =14 , λ 3=3
(0 ) (1 ) ( 1) ( 1)
b 1 =13 ,b 2 =2 ,b 3 =−32 ,b 4 =45
La matrice A et le second membre B deviennent respectivement :
 ( )( ) ( )
( 0) ( 0) ( 0) ( 0) (0 )
( 0)
a11 a12 a13 a14 L1 b1
a(221) a(231) a(241 ) L(21) b(21 )
A = 0
( 1) (1 )
,B =
0 a(321) a(331) a(341 ) L3( 1)
b(31 )
0 a(421 ) a(431 ) a(441 ) L(41) b(41 )

)( ) ( ) ( )
( 0) (0 )

(
1 2 1 4 L1 b1 13
( 1)
( 1) 0 −4 2 −5 L2 (1 ) b(21 ) 2
A = ,B = =
0 −6 −2 −15 L(31) b(31 ) −32
0 7 6 14 L( 1) b(41 ) 45
4

Deuxième opération : Ligne 2 est la ligne pivot a (221) ≠ 0

Etant donnée la forme de la matrice U on garde les deux premières ligne L(10 ) et L(21 ) .

)( )
(0 )

(
1 2 1 4 L1 ( 2) ( 1 ) −6 ( 1) −6 −3
( 1 ) ( W 4 ) : L3 ← L3 − L2 , λ4 = =
0 −4 2 −5 L 2 −4 4 2
0 −6 −2 −15 L(31) ( 2) (1 ) 7 (1 ) 7
0 7 6 14 L(1) ( W 5 ) : L 4 ← L4 − −4 L2 , λ5= 4
4

)( ) ( )(
( 0) (0 )

( )
1 2 1 4 L1 b1 13
( 2) 0 −4 2 −5 L(21) (2 ) b(21 ) 2
A = ,B = =
0 0 −5 −15/2 L3 ( 2)
b(32 ) −35
0 0 19 /2 21/4 L( 2) b (2 ) 97/2
4 4

)( )
(0 )

(
1 2 1 4 L1
0 −4 2 −5 L(21) (3 ) ( 2) 19 1
( 2)
19
0 0 −5 −15 /2 ( 2)
, ( W 6 ) : L 4
← L 4 − L
2 (−5 ) 3
, λ 6=
10
L3
0 0 19/2 21/4 L(42)

)( ) ( )(
( 0) ( 0)

( )
1 2 1 4 L1 b1 13
( 3) 0 −4 2 −5 L(21) (3 ) b(21) 2
A = ,B = =
0 0 −5 −15 /2 L3(2) b(32) −35
0 0 0 −9 L ( 3)
b ( 3) −18
4 4

La matrice A et le second membre B deviennent respectivement :

( )( ) ( )
( 0) (0 ) (0 ) (0 )
( 0)
a 11 a12 a13
(0 ) a14 L1 b1
( 3) 0 a( 1) ( 1)
a a(241 ) L(21 ) (3 ) b(21 )
A = 22 23 ,B =
0 0 a33
( 2)
a(342 ) L3(2 )
b(32 )
0 0 0 a(443 ) L(43 ) b(43 )
(0 ) (1 ) (2 ) (3 )
b 1 =7 , b2 =2 , b3 =−35 , b4 =−18
La matrice et le second membre deviennent respectivement :

( )( ) ()
1 2 1 4 u11 u12 u13 u14 13
A( 3)=U = 0 −4 2 −5 = 0 u22 u23 u24 , B(3 )= 2
0 0 −5 −15/2 0 0 u33 u34 −35
0 0 0 −9 0 0 0 u 44 −18
Seconde étape résolution
Finalement on a rendu la matrice A triangulaire supérieure après deux opérations sur les
lignes, en respectant la règle de Gauss. Le système à résoudre est :

( )( ) ( )
1 2 1 4 x1 13
0 −4 2 −5 x2
= 2
0 0 −5 −15/2 x 3 −35
0 0 0 −9 x4 −18
La résolution se fait par une remontée triangulaire (du bas vers le haut). Ainsi on obtient :
( 3) ( 3) (2 ) ( 2) ( 2) (1 ) ( 1) (1 ) ( 1)
a 44 x 4 =b 4 , a33 x 3 +a 34 x 4 =b3 , a22 x 2+ a23 x 3 +a 24 x 4 =b2
(0 ) (0 ) (0 ) ( 0) (0 )
a 11 x 1+ a12 x 2 +a 13 x 3+ a14 x 4=b 1
Soient :
'
−9 x 4 =−18 , d où x 4 =2
'
−5 x 3−( 15/2 ) x 4=−35 , d où x3 =4
¿−4 x 2+2 x 3−5 x 4=2, d ' où x2 =−1
'
x 1+ 2 x 2 + x 3+ 5 x 4 =13 , d où x 1=3

()
3
S= −1
4
2
2 – L’algorithme de Gauss est équivalent à une décomposition de la matrice A en produit de
deux matrices triangulaires : inférieure L et supérieurs U telle que :

( )
u11 u 12 u13 u 14
u u
U =( uij ) 1≤ i≤ n = 0 u 22 23 24 et
1≤ j≤ n 0 0 u33 u 34
0 0 0 u 44

( )
l 11 0 0 0
l l 0 0
L=( l ij ) 1 ≤i ≤n = 21 22 , ici n=4
1 ≤ j ≤n l 31 l 32 l33 0
l 41 l 42 l 43 l 44
Remarque
– La matrice U est celle obtenue à la fin de la triangularisation
- La matrice L dans l’algorithme de Gauss est obtenue de la manière suivante :
les coefficients de la diagonale principale sont égaux à 1 ( l ii =1 ). Les coefficients l ij , i≠ j sont
les −λ i .Ainsi pour le système (S2) à la fin de triangularisation :
(0)
A =LU

( ) ( )
1 00 0 1 00 0
−2 10 0 , W −1= 2 10 0
W 1= 1
0 01 0 0 01 0
0 00 1 0 00 1

( ) ( )
1 00 0 1 00 0
0 10 0 −1 0 10 0
W 2= ,W2 =
−4 01 0 4 01 0
0 00 1 0 00 1
 ( ) ( )
1 00 0 1 00 0
W 3= 0 10 0 ,W −1= 0 10 0
3
0 01 0 0 01 0
3 00 1 −3 00 1

( ) ( )
1 0 0 0 1 0 0 0
0 1 0 0 −1 0 1 0 0
W 4= ,W4 =
0 −3/2 1 0 0 3/2 1 0
0 0 0 1 0 0 0 1

( ) ( )
1 0 0 0 1 0 0 0
W 5= 0 1 0 0 ,W −1= 0 1 0 0
5
0 0 1 0 0 0 1 0
0 7 /4 0 1 0 −7/4 0 1

( ) ( )
1 0 0 0 1 0 0 0
0 1 0 0 −1 0 1 0 0
W 6= ,W 6 =
0 0 1 0 0 0 1 0
0 0 19 /10 1 0 0 −19/10 1
−1 −1 −1 −1 −1 −1
L=W 1 W 2 W 3 W 4 W 5 W 6

( )( )( )
l 11 0 0 0 1 0 0 0 1 0 0 0
l l 0 0 −λ1 1 0 0 = 2 1 0 0
L= 21 22 =
l 31 l 32 l 33 0 −λ2 −λ4 1 0 4 3/2 1 0
l
l 41 l 42 l 43 44 −λ3 −λ5 − λ6 1 −3 −( 7 /4 )−( 19 /10 ) 1

( )( )
u 11 u12 u13 u14 1 2 1 4
u u24
U = 0 u22 23 = 0 −4 2 −5
0 0 u33 u34 0 0 −5 −15 /2
0 0 0 u44 0 0 0 −9
On vérifie bien que :

( )( )( )
1 21 4 1 0 0 0 1 2 1 4
(0) 2 04 3 2 1 0 0 0 −4 2 −5
A =LU = =
4 22 1 4 3/2 1 0 0 0 −5 −15/2
−3 1 3 2 −3 −( 7 /4 )−( 19 /10 ) 1 0 0 0 −9
3 – Calcul du déterminant
Etant donné que le déterminant d’une matrice triangulaire est égal au produit des éléments de
la diagonale.
i=n i=n
det ( L )=∏ l ii , det ( U ) =∏ uii
i=1 i=1
Le déterminant de A est :
det ( A )=det ( L ) det ( U )
Ainsi pour le système (S2) le déterminant est :
det ( A )=det ( L ) det ( U ) =1 x 1 x 1 x 1 x 1 x (−4 ) x (−5 ) x (−9 )=−180

IV-1-1-2 Algorithme de GAUSS (avec permutation de lignes)

Rappel : la méthode de Gauss consiste de rendre la matrice A du système algébrique une
matrice U triangulaire supérieure en respectant la règle suivante : la ligne Li est remplacée par
 Li + λ L j le coefficient λ est choisit de telle manière à faire apparaitre des zéros sous la
diagonale principale. Si le pivot l ii =0 d’une ligne Li est nul on effectue une permutation de la
ligne Li avec une ligne L j dont le pivot l jj ≠0 . A cause de la permutation de ligne cette
méthode n’est pas équivalente à une factorisation LU
Exemple 1 : Système (4x4)
Soit le système :

La matrice augmentée du système est :

On appelle matrice augmentée ; la matrice comprenant la matrice A et le second membre

séparés par un trait verticale.
En faisant les opérations indiquées (le pivot a 11=1 ≠ 0), on élimine les termes non nuls sous la
diagonale de la première colonne et on obtient :

Ici, la procédure est interrompue par le fait que le nouveau pivot serait nul ( a 22=0) et qu’il
n’est pas possible d’éliminer les termes sous ce pivot. Mais on peut encore, parmi les
opérations élémentaires, interchanger deux lignes. Le seul choix possible dans cet exemple est
d’intervertir la ligne 2 et la ligne 3. On se rend immédiatement compte qu’il n’y a plus que
des 0 sous le nouveau pivot et que l’on peut passer à la nouvelle colonne.

En effectuant cette dernière opération, on obtient le système triangulaire :

La remontée triangulaire (laissée en exercice) donne la solution :

()
−7
3 T
⃗x = =(−7 3 2 2 )
2
2
Encore ici, la matrice triangulaire est le produit des opérations élémentaires :
U =T 5 P4 T 3 T 2 T 1 A
Ou encore :
−1 −1 −1 −1 −1
A=T 1 T 2 T 3 P 4 T 5 U
Qui s’écrit :

On remarque que la première matrice du terme de droite n’est pas triangulaire inférieure.
Cela est dû au fait qu’on a permuté deux lignes.
Le déterminant de cette matrice A associée à cet exemple est tout simplement :
−1 −1 −1 −1 −1
dét A=dét T 1 dét T 2 dét T 3 dét P 4 dét T 5 [ dét U ]

( ) ( )
1 00 0 1 00 0
−2 1 0 0 ,T 1 = 2 1 0 0
−1
T 1=
0 01 0 0 01 0
0 00 1 0 00 1

( ) ( )
1 00 0 1 00 0
0 10 0 −1 0 10 0
T 2= ,T =
−1 01 0 2 1 01 0
0 00 1 0 00 1

( ) ( )
1 00 0 1 00 0
T 3= 0 10 0 ,T −1= 0 10 0
0 01 0 3 0 01 0
−1 00 1 1 00 1

( ) ( )
1 00 0 1 00 0
0 01 0 −1 0 01 0
P4 = , P4 =
0 10 0 0 10 0
0 00 1 0 00 1

( ) ( )
1 00 0 1 0 0 0
0 1 0 0 , T5 = 0 1 0 0
−1
T 5=
0 01 0 0 0 1 0
0 02 1 0 0 −2 1
dét A=( 1 ) ( 1 ) (1 )(−1 ) ( 1 ) [ (1 )( 2 ) (−1 ) (2 ) ] =4
Le déterminant est donc le produit de la diagonale de la matrice triangulaire supérieure à un
signe près puisqu’on a permuté une fois deux lignes et que dét P−1 4 = -1.
Exemple 2 : Système (4x4)
Soit le système :
¿
La matrice augmentée du système est :

( |)
1 1 2 1 2 T ( L ← L −( 2/1 ) L )
1 2 2 1
2 25 3 4
T ( L ← L3−( 1/1 ) L1 )
1 3 3 3 −2 2 3
1 1 4 5 −2 T 3 ( L4 ← L4−( 1 /1 ) L1 )
En faisant les opérations indiquées (le pivot a 11=1 ≠ 0), on élimine les termes non nuls sous la
diagonale de la première colonne et on obtient :

( |)
1 12 1 2
0 01 1 0 P L ⟷ L
0 2 1 2 −4 4 2
( 3)

0 0 2 4 −4
Ici, la procédure est interrompue par le fait que le nouveau pivot serait nul ( a 22=0) et qu’il
n’est pas possible d’éliminer les termes sous ce pivot. Mais on peut encore, parmi les
opérations élémentaires, interchanger deux lignes. Le seul choix possible dans cet exemple est
d’intervertir la ligne 2 et la ligne 3. On se rend immédiatement compte qu’il n’y a plus que
des 0 sous le nouveau pivot et que l’on peut passer à la nouvelle colonne.

( |)
1 12 1 2
0 2 1 2 −4
T 5 ( L 4 ← L4 −( 2/1 ) L3 )
0 01 1 0
0 0 2 4 −4
En effectuant cette dernière opération, on obtient le système triangulaire :

( |)
1 12 1 2
0 2 1 2 −4
0 01 1 0
0 0 0 2 −4
La remontée triangulaire (laissée en exercice) donne la solution :

()
1
−1 T
⃗x = =( 1−1 2−2 )
2
−2
Encore ici, la matrice triangulaire est le produit des opérations élémentaires :
U =T 5 P4 T 3 T 2 T 1 A
Ou encore :
−1 −1 −1 −1 −1
A=T 1 T 2 T 3 P 4 T 5 U
Qui s’écrit :

( ) ( )( )
1 12 1 1 12 1 1 1 2 1
2 25 3 = 2 01 0 0 21 2
1 33 3 1 10 0 0 0 1 1
1 14 5 1 02 1 0 0 0 2
On remarque que la première matrice du terme de droite n’est pas triangulaire inférieure.
Cela est dû au fait qu’on a permuté deux lignes.
Le déterminant de cette matrice A associée à cet exemple est tout simplement :
−1 −1 −1 −1 −1
dét A=dét T 1 dét T 2 dét T 3 dét P 4 dét T 5 [ dét U ]

( ) ( )
1 00 0 1 00 0
−2 1 0 0 −1 2 1 0 0
T 1= ,T =
0 01 0 1 0 01 0
0 00 1 0 00 1

( ) ( )
1 00 0 1 00 0
T 2= 0 10 0 ,T −1= 0 10 0
−1 01 0 2 1 01 0
0 00 1 0 00 1
 ( ) ( )
1 00 0 1 00 0
T 3= 0 10 0 ,T −1= 0 10 0
0 01 0 3 0 01 0
−1 00 1 1 00 1

( ) ( )
1 00 0 1 00 0
0 01 0 −1 0 01 0
P4 = , P4 =
0 10 0 0 10 0
0 00 1 0 00 1

( ) ( )
1 0 0 0 1 00 0
0 1 0 0 ,T 5 = 0 1 0 0
−1
T 5=
0 0 1 0 0 01 0
0 −2 0 1 0 20 1
dét A=( 1 ) ( 1 ) (1 )(−1 ) ( 1 ) [ (1 )( 2 ) ( 1 )( 2 ) ] =−4
Le déterminant est donc le produit de la diagonale de la matrice triangulaire supérieure à un
signe près puisqu’on a permuté une fois deux lignes et que dét P−1 4 = -1.

IV-1-1-3 Factorisation LU : algorithme de CROUT

Principe de la méthode
Supposons un instant que nous ayons réussi à exprimer la matrice A en un produit de deux
matrices triangulaires L et U . Comment cela nous permet-il de résoudre le système A ⃗x =b⃗ ? Il
suffit de remarquer que :
⃗
A ⃗x =b=LU ⃗x
et de poser U ⃗x =⃗y . La résolution du système linéaire se fait alors en deux étapes :
L ⃗y=b⃗
U ⃗x =⃗y
qui sont deux systèmes triangulaires. On utilise d’abord une descente triangulaire sur la
matrice L pour obtenir ⃗y et par la suite une remontée triangulaire sur la matrice U pour
obtenir la solution recherchée ⃗x .
Il faut tout de suite souligner que la décomposition LU n’est pas unique. On peut en
effet écrire un nombre réel comme le produit de deux autres nombres d’une infinité de façons.
Il en est de même pour les matrices.
Pour illustrer la non-unicité de la décomposition LU , il suffit de vérifier les égalités
suivantes :

( ) ( )( )
2 −1 −1 2 0 0 1 −0.5 −0.5
0 −4 2 = 0 −4 0 0 1 −0.5
6 −3 1 6 0 4 0 0 1

( ) ( )( )
2 −1 −1 1 0 0 2 −1 −1
0 −4 2 = 0 1 0 0 −4 2
6 −3 1 3 0 1 0 0 4
Remarque
La décomposition LU n’étant pas unique, il faut faire au préalable des choix arbitraires. Le
choix le plus populaire consiste à imposer que la matrice U ait des 1 sur sa diagonale. C’est la
décomposition de CROUT. Certains logiciels comme Matlab préfèrent mettre des 1 sur la
diagonale de L. Il en résulte bien sûr une décomposition LU différente de celle de CROUT,
mais le principe de base est le même.

Décomposition de CROUT sans permutation de lignes

Pour obtenir cette décomposition (ou factorisation), nous considérons une matrice de
dimension 4 sur 4, le cas général étant similaire. On doit donc déterminer les coefficients l ij et
uij des matrices L et U de telle sorte que A=LU . En imposant que la diagonale de U soit
composée de 1 ( uii =1 ) , on doit avoir :

( )( )( )
a11 a 12 a 13 a 14 l 11 0 0 0 u11 u12 u13 u14
a21 a 22 a 23 a 24 l l 0 0 0 u22 u23 u24
= 21 22
a31 a 32 a 33 a 34 l31 l 32 l 33 0 0 0 u33 u34
a41 a 42 a 43 a 44 l
l 41 l 42 l 43 44 0 0 0 u44
Cas particulier : Algorithme de CROUT :

( )( )( )
a11 a 12 a 13 a 14 l 11 0 0 0 1 u12 u 13 u14
a21 a 22 a 23 a 24 l l 0 0 0 1 u 23 u24
= 21 22
a31 a 32 a 33 a 34 l31 l 32 l 33 0 0 0 1 u34
a41 a 42 a 43 a 44 l 41 l 42 l 43 l 44 0 0 0 1
Il suffit de procéder de façon systématique par identification des coefficients. On remarque
d’abord qu’il y a exactement 16 ( n 2 dans≤cas général ) inconnues à déterminer. On peut faire
le produit des matrices L et U et se servir des différents coefficients a ij on obtient ainsi les 16
( n 2) équations nécessaire pour déterminer les coefficients lij et uij .
1. Produit des lignes de L par la première colonne de U .

On obtient immédiatement que :

a 11=l 11 a21=l 21 a31=l 31 a 41=l 41

et la première colonne de L est tout simplement la première colonne de A.

2. Produit de la première ligne L par les colonnes de U :

On obtient respectivement :
l 11 u12=a12 ,l 11 u13=a13 ,l 11 u14=a14
d’où l’on tire :
a12 a13 a 14
u12=
, u13= , u14 =
l 11 l 11 l 11
On a donc la première ligne de U si l 11 ≠ 0.
3. Produit des lignes de L par la deuxième colonne de U.

Les différents produits donnent :

l 21 u12 +l 22=a22
l 31 u12 +l 32=a32
l 41 u 12+l 42=a42

ou encore :
l 22=a22−l 21 u 12
l 32=a32−l 31 u 12
l 42=a 42−l 41 u12
Et la deuxième colonne de L est connue.
4. Produit de la deuxième ligne de L par les colonnes de U.

On trouve immédiatement :
 l 21 u13 +l 22 u23=a23
l 21 u14 +l 22 u 24=a 24
ce qui donne :
a23−l21 u13
u23=
l 22
a 24−l 21 u14
u24 =
l 22

5. Produit des lignes de L par la troisième colonne de U.

La même suite d’opérations donne :

l 31 u13 +l 32 u23 +l 33=a33
l 41 u 13+l 42 u23+l 43=a43
ce qui permet d’obtenir la troisième colonne de L :
l 33=a 33−l31 u13−l 32 u23
l 43=a43−l 41 u 13−l 42 u23
6. Produit de la troisième ligne de L par la quatrième colonne de U.

l 31 u14 +l 32 u 24+l 33 u34=a 34

ce qui permet d’obtenir :
a 34−l 31 u14 −l32 u24
u34=
l 33
7. Produit de la quatrième ligne de L par la quatrième colonne de U.

On obtient :
l 41 u 14+l 42 u24 +l 43 u 34+ l 44=a 44
Le dernier coefficient recherché est donc :
l 44=a44 −l 41 u14−l 42 u24−l 43 u34
De façon générale on a l’algorithme suivant :
Algorithme : Décomposition de CROUT
1. Décomposition LU (sans permutation de lignes)
- Première colonne de L : l i 1=ai 1 pour i=1 , 2 ,… ,n
- Première ligne de U :
- Pour i=2 , 3 , … , n−1 :

a1 i (3-1)
u1 i = pour i=2 ,3 , … , n
l 11

- Calcul du pivot :
i−1
l ii =aii −∑ l ik u ki (3-2)
k =1
- pour j=i+1 , i+2 ,… ,n :
- Calcul de la i ème colonne de L :
i−1
l ji =a ji −∑ l jk uki (3-3)
k=1
ème
- Calcul de la i ligne de U :
 i−1
aij −∑ l ik u kj (3-4)
k=1
uij =
l ii
Calcul de l nn :
n−1
l nn=a nn−∑ l nk u kn (3-5)
k=1
2. Descente et remontée triangulaire
- Descente triangulaire pour résoudre L ⃗y=b⃗

b1
- y 1=
l 11
- Pour i=2 , 3 , 4 … , n :
i−1
bi −∑ l ik y k (3-6)
k=1
y i=
l ii

- Remontée triangulaire pour résoudre U ⃗x =⃗y ( uii =1 )

- x n= y n
- Pour i=n−1 , n−2 , … , 1:
n
x i= y i− ∑ uik x k (3-7)
k=i +1
Remarque 1
L’algorithme précédent ne fonctionne que si les pivots l ii sont tous non nuls. Ce n’est pas
toujours le cas et il est possible qu’il faille permuter deux lignes pour éviter cette situation,
tout comme pour l’élimination de Gauss. Le coefficient l iiest encore appelé pivot. Nous
abordons un peu plus loin les techniques de recherche du meilleur pivot.
Remarque 2
Une fois utilisés, les coefficients de la matrice A ne servent plus à rien. Ils peuvent dons être
détruit au fur et à mesure que la décomposition progresse. De fait, on peut les remplacer par
les valeurs l ij ou uij selon le cas. C’est ce que l’on nomme la notation compacte. La notation
compacte évite de garder inutilement en mémoire des matrices de grande taille.
Définition
La notation compacte de la décomposition LU est la matrice des coefficients :

( )
l11 u 12 u13 u14
l 21 l 22 u23 u24
l 31 l 32 l 33 u34
l 41 l 42 l 43 l 44
Dans le cas d’une matrice de dimension 4 sur 4. La matrice initiale A est tout simplement
détruite. Les coefficients 1 sur la diagonale de la matrice U ne sont pas indiqués
explicitement, mais doivent tout de même être indiqués. De façon plus rigoureuse, la notation
compacte revient à mettre en mémoire la matrice :
L+U−I
et à détruire la matrice A.
Exemple
Soit le système :
 [ ][ ] [ ]
3 −1 2 x 1 12
1 2 3 x2 = 11
2 −2 −1 x 3 2
Que l’on doit décomposer en produit LU. Pour illustrer la notation compacte on remplace au
fur et à mesure les coefficients a ijpar les coefficients l ij ou uij ; les cases soulignent que
l’élément a ij a été détruit.
1. Première colonne de L c’est tout simplement la première colonne de A

2. Première ligne de U

Le pivot de la première ligne est 3. On divise donc la première ligne de A par 3 :

3. Deuxième colonne de L

De la relation (3-3)
l 22=a22−l 21 u 12
¿ 2−(1)¿
¿ 7 /3
l 32=a32−l 31 u 12
¿−2−(2)¿
¿−4/3
On a maintenant :

4. Deuxième ligne de U

De la relation (3-4) on tire :

a23−l21 u13
u23=
l 22

¿
3−(1) ()
2
3
7
3
¿1
La matrice compacte devient :
5. Calcul de l 33

D’après la relation (3-5)

l 33=a 33−l31 u13−l 32 u23
¿−1−( 2 )
2
3 ()( )
−
−4
3
( 1)
¿−1
La matrice compacte est donc :

La matrice de départ A (maintenant détruite) vérifie aisément :

6. Résolution de L ⃗y=b⃗

La descente triangulaire donne :

b1
y 1=
l 11
¿ ( 123 )=4
b2 −l 21 y 1
y 2=
l 22
11−( 1 ) ( 4 )
¿ =3
7
3
b3 −l 31 y 1−l 32 y 2
y 3=
l 33

¿
2−( 2 ) ( 4 )− ( )
−4
3
(3 )
=2
(−1 )
7. Résolution de U ⃗x =⃗y

x 3= y 3=2
x 2= y 2−u 23 x 3
¿ 3− ( 1 )( 2 )
¿1
x 1= y 1−u12 x2 −u13 x 3
 ¿ 4− ( −13 ) ( 1)−( 23 )( 2)
¿3
T
La solution recherchée est : ⃗x =( 3 1 2 )
Décomposition de LU et permutation de lignes
Comme nous l’avons remarqué l’algorithme de décomposition LU exige que les pivots l ii
soient non nuls. Dans le cas contraire il faut essayer de permuter deux lignes . contrairement
à la méthode d’élimination de Gauss, la décomposition LU n’utilise le terme de droit b⃗ qu’à
toute la fin au moment de la descente triangulaire ⃗y= ⃗b . Si l’on permute des lignes, on doit en
garder la trace de façon à effectuer les mêmes opérations sur b⃗ . A cette fin on introduit le
vecteur un ⃗O dit de permutation qui contient tout simplement la numérotation des équations.
Remarque
Dans décomposition LU, la permutation des lignes s’effectue toujours après le calcul de la
colonne de L. On place en position le pivot le plus grand terme en valeur absolue de cette
colonne (sous le pivot actuel),pour des raisons de précision que nous verrons plus loin.
Illustrons cela par un exemple ;

Exemple
Soit :

[ ] []
0 2 1 1
1 0 0 ⃗
O = 2
3 0 1 3
⃗ indique que la numérotation des équations n’a pas été
Au départ le vecteur permutation O
modifiée.
1. Première colonne de L

Puisqu’il s’agit de première colonne de A, on a :

Le vecteur permutation n’a pas été modifié, mais on a un pivot nul . On effectue alors
l’opération ( L1 ↔ L3 ). On aurait tout aussi bien pu permuté la ligne 1 et la ligne 2, mais on
choisit immédiatement le plus grand pivot (en valeur absolue). Le vecteur permutation est
alors modifié

2. Première ligne de U

Il suffit de diviser cette ligne par le nouveau pivot 3 :

 3. Deuxième colonne de L

De la relation (3-3)
l 22=a22−l 21 u 12=0− (1 )( 0 ) =0
l 32=a32−l 31 u 12=2−( 0 ) ( 0 ) =2

On a maintenant :

[ ]
1

[]
3 0 3
3 ⃗
O= 2
1 0 0
1
0 2 1
et encore un pivot nul qui oblige d’intervertir les lignes 2 et 3et à modifier le vecteur ⃗
O en
conséquence ( L2 ↔ L3 ):

[ ]
1

[]
3 0 3
3 ⃗
O= 1
0 2 1
2
1 0 0
4. Calcul de u23

La relation (3-4) donne :

a −l u
u23= 23 21 13 =
1−(0) ( 13 ) = 1
l 22 2 2

5. Calcul de l 33

On calcule enfin :
 l 33=0−( 1 ) ( 13 )−( 0 ) ( 12 )= −13
La décomposition LU de la matrice A est donc :

Il faut toutefois remarquer que le produit LU donne :

C’est-à-dire que la matrice A permutée suivant le vecteur ⃗O . On veut maintenant résoudre :

[]
5
A ⃗x = −1
−2
⃗
Compte tenu de vecteur O , on résout d’abord :

[]
−2
L ⃗y= 5
−1
A noter l’ordre des valeurs dans le membre de droite. La descente triangulaire (laissée en

[ ]
T
−2 5
exercices) donne ⃗y= 1 . Il suffit maintenant d’effectuer la remontée triangulaire :
3 2

[]
−2
3
U ⃗x = 5
2
1
Qui nous donne la solution finale : ⃗x =[ −1 21 ]
T
.
Comme on a permuté deux lignes deux fois, le déterminant a changé de signe deux fois.
Cela nous amène au théorème suivant.
Théorème 1
On peut calculer le déterminant de la matrice A à l’aide de la méthode de la décomposition
LU de Crout de façon suivante :
i=n
deA= (−1 )N ∏ lii
i=1
Où N est le nombre de fois où on a interverti deux lignes.
Remarque
Nous venons au fait de montrer que toute matrice inversible A peut décomposé sous forme
de :
 PA=LU
où P est une matrice de permutation. Pour obtenir la matrice P, il suffit de réordonner les
lignes de la matrice identité suivant le vecteur de permutation ⃗ O . Ainsi dans l’exemple
précédent, on avait :

[ ][ ] [ ][ ]
1
3 0 0 1 0
0 0 1 0 2 1 3
0 2 0
1 0 0 1 0 0= 1
−1 0 1
0 1 0 3 0 1 1 0 2
3
0 0 1
Nous avons mentionné que la décomposition LUest une méthode directe, c’est-à-dire que l’on
peurt prévoir le nombre exact d’opérations arithmétiques nécessaires pour résoudre le système
d’équations. On a de fait le résultat suivant (Voir Burden et Faires : Numerical Analysis .
Brooks/Cole Pacific Grove, septième édition, 2001, ISBN 0-534-38216-9.
Théorème 2
La décomposition LU pour la résolution d’un système linéaire de dimension n sur n requiert
3 3 2
n −n 2n −3 n +n
exactement multiplications/divisions et additions/soustractions à l’étape
3 6
de décomposition en un produit LU. De plus , les remontée et descente triangulaires
nécessitent n2 multiplications/divisions et ( n 2−n ) additions/soustractions, pour un total de :

3 2
n +3 n −n
multiplications/divisions
3
3 2
2n + 3 n −5 n
additions/soustractions
6
Du point de vue informatique, une multiplication (ou une division) est une opération plus
couteuse qu’une simple addition (ou soustraction). C’est donc principalement le nombre de
multiplications/divisions qui est important de plus, on note que si n est grand, le nombre total
3
n
de multiplications/divisions est de l’ordre de , en négligeant les puissances de n inférieures
3
à 3.
Enfin et cela est très important ,La décomposition de la matrice A en un produit LU coûte
3
n
beaucoup plus cher (≅ multiplications/divisions) que les remontée et descente
3
triangulaires(≅ n2 multiplications/divisions) . Le gros du travail se trouve donc dans la
décomposition elle-même.

IV-2 Systèmes non linéaires

IV-2-1 Position du problème

Les phénomènes non linéaires sont extrêmement courant en pratique ils sont sans doute plus
fréquent que les phénomènes linéaires. Dans cette section nous examinons les systèmes non
linéaires et nous montrons comment les résoudre à l’aide d’une suite de problèmes linéaires,
auxquels on peut appliquer diverses techniques de résolution comme la décomposition LU.
T
Le problème consiste à trouver le ou les vecteurs ⃗x =( x 1 , x 2 , x 3 … , x n )
Vérifiant les n équations non linéaires suivantes :
 {
f 1 ( x 1 , x 2 , x 3 … , x n ) =0
f 2 ( x 1 , x 2 , x 3 … , x n ) =0
f 3 ( x 1 , x 2 , x 3 … , x n ) =0
.
.
.
f n ( x 1 , x 2 , x 3 … , x n ) =0
Où les fi sont des fonctions de n variables que nous supposons différentiables. Les méthodes
de résolution des systèmes non linéaires sont nombreuses, notamment, (méthode de la
bissection, méthode des points fixes, méthode de la sécante, méthode de Newton,,,). Pour
éviter de surcharger notre exposé, nous ne présentons que la méthode la plus utilisée en
pratique, soit la méthode de NEWTON.

Exemples
Exemple 1

{
x1
e −x 2=0
( S1 )
x1 + x 22−16=0
2

Exemple 2

{
2 2
( S2 ) x 1−10
2
x 1+ x2 +8=0
x1 x 2+ x 1−10 x 2 +8=0
Exemple 3

{
1
3 x1−cos ( x 2 x 1 )− =0
2
2
( 3 ) x 1−81 ( x2 +0.1 ) + sin ( x3 ) +1.06=0
S 2

−x x ( 10 π−3 )
e +20 x 3+
1 2
=0
3

IV-2-2 Méthode de NEWTON

Algorithme de la méthode dans le cas n = 2. L’application de cette méthode à un système de
deux équations non linéaires est largement suffisante pour illustrer le cas général, Il serait
également bon de réviser le développement de la méthode de Newton pour une équation non
Linéaire, puisque le raisonnement est le même pour les systèmes,
Pour déterminer δ x 1 et δ x 2 il suffit de faire un développement de Taylor pour une
fonction de deux variables pour chacune des deux fonctions :

Si on a négligé les termes d’ordre supérieur on peut écrire :

Où sous forme matricielle :

[ ][ ] [
∂ f 1 ( x1 , x 2 ) ∂ f 1 ( x1 , x2 )
0 0 0 0

f (x ,x )
]
0 0
∂ x1 ∂ x2 δ x1
=− 1 10 20
∂ f 2 ( x1 , x2 ) ∂ f 2 ( x1 , x2 ) δ x2 f 2 ( x1 , x2)
0 0 0 0

∂ x1 ∂ x2

Où J ( x 1 , x 2 ) désigne la matrice des dérivées partielles où matrice Jacobienne au point ( x 1 , x 2 ),

0 0 0 0

où δ ⃗x le vecteur correction relative à chaque variable et où −⃗ R ( x 1 , x 2 ) est le vecteur résidu

0 0

évalué en ( x 1 , x 2 ) Le déterminant de la matrice jacobienne est appelé le Jacobien . Le jacobien

0 0

doit bien entendu être différent de zéro pour que la matrice jacobéenne soit inversible. On
pose ensuite :
1 0
x 1=x 1 +δ x 1
1 0
x 2=x 2 +δ x 2
C’est-à-dire la matrice Jacobienne évaluée au point x⃗ =( x 1 , x 2 , x3 , … x n )
i i i i i

[ ] []
De plus on pose :
f 1 ( ⃗x i ) δ x1
f 2 ( ⃗x )
i
δ x2
f 3 ( ⃗x )
i
δ x3
R ( ⃗x )= . , ⃗
⃗ i
δx= .
. .
. .
f n ( x⃗ )
i δ xn

Pour en arriver à l’algorithme général suivant :

IV-2-3 Algorithme général de NEWTON
1 – Etant donné , un critère d’arrêt,
2 - Etant donné N, nombre maximal d’itérations.
3 - Etant donné ⃗x =( x1 , x 2 , x 3 , … x n ) approximation initiale de la solution du système.
0 0 0 0 0

4 – Résoudre le système linéaire :

J ( ⃗x i ) ⃗ R ( ⃗x i )
δx=− ⃗
⃗x =⃗x + ⃗
i+1 i
δx
‖⃗δx‖
5 – Si i+1 ≤ ε et ‖⃗R ( ⃗x )‖≤ ε : alors
i+1

‖⃗x ‖
 Convergence est atteinte
 Ecrire ⃗x i+1=⃗x i + ⃗ δx
 Arrêt
6 – si le nombre maximal d’itérations N est atteint
 Convergence non atteinte en N itérations
 Arrêt
7 – Retour à l’étape 4

Exemple d’application
On cherche à trouver l’intersection de la courbe x 2=e x et du cercle de rayon 4 centré à
1

l’origine d’équation:x12 + x22 = 16. L’intersection de ces courbes est une solution de :

{
x
e −x =0 1

( S1 ) 2 2 2
x1 + x 2−16=0

Figure: Intersection des deux courbes

La première étape consiste à calculer la matrice Jacobienne de dimension 2

[ ][
∂f1 ∂f 1
∂ x1 ∂ x2 e x −1
]
1

J= =
∂f2 ∂f 2 2 x1 2 x2
∂ x1 ∂ x2
Un graphique de ces deux courbes montre qu’il y a deux solutions à ce problème
non linéaire (voir Figure), La première solution se trouve près du point (0,-4) et la
deuxième près du point (2.8,2.8). Prenons le point ( x 01 ,=2.8 x 02=2.8 )comme
approximation initiale de la solution de ce système non linéaire, c’est-à-dire
⃗x 0=( x01 , x 02 )= (2.8 ,2.8 ) Ainsi l’équation J ( ⃗x i ) ⃗ R ( ⃗x i ) pour i = 0 donne :
δx=− ⃗

[ ]
∂ f 1 ( x1 , x 2 ) ∂ f 1 ( x1 , x2 )
0 0 0 0

[ ] [
f (x ,x )
]
0 0
∂ x1 ∂ x2 δ x1
=− 1 10 20
∂ f 2 ( x1 , x2 ) ∂ f 2 ( x1 , x2 ) δ x2 f 2 ( x1 , x2)
0 0 0 0

∂ x1 ∂ x2

Ainsi l’équation
J ( ⃗x i ) ⃗ R ( ⃗x i )
δx=− ⃗
 [ ][ ] [
∂ f 1 ( x10 , x 02 ) ∂ f 1 ( x 01 , x 02 )
f 1 ( x1 , x2)
]
0 0
∂ x1 ∂ x2 δ x1
=−
∂ f 2 ( x 01 , x 02 ) ∂ f 2 ( x 01 , x 02 ) δ x 2 f 2 ( x 01 , x 02 )
∂ x1 ∂ x2
1 - Itération 1
Le système à résoudre est : Devient dans le cas de notre exemple

[ ][ ] [ ]
2.8 2.8
e −1 δ x 1 e −2.8
=−
2 ( 2.8 ) 2 ( 2.8 ) δ x 2 ( 2.8 )2 + ( 2.8 )2 −16
T
C’est-à-dire, on doit résoudre à partir de ( x 01 , x 02 ) =( 2.8 ,2.8 )T

5.6 [
16.445 −1 δ x 1
5.6 δ x 2
=− ][ ] [
13.645
−0.3200 ]
La résolution de ce système algébrique par une des méthodes de résolution des
systèmes algébriques (Gauss , Factorisation LU, Jacobi , Gauss Seidel ou autre,
permet d’obtenir le vecteur ⃗δx à l’itération 1 :
⃗ T
δx=[ −0.77890 , 0.83604 ] =[ δ x 1 , δ x 2 ]
La nouvelle approximation de la solution à l’itération 1 est :
1 0
x 1=x 1 +δ x 1=2.8−0.77890=2.0211
1 0
x 2=x 2 +δ x 2=2.8+ 0.83604=3.63604
2 - Itération 2
On effectue une deuxième itération à partir de ( x 1 , x 2 ). Ainsi l’équation:
1 1

J ( ⃗x i ) ⃗ ⃗ ( ⃗x i ) pour i = 1 donne :
δx=− R

[ ]
∂ f 1 ( x1 , x 2) ∂ f 1 ( x 1 , x 2)
1 1 1 1

[ ] [
f (x , x )
]
1 1
∂ x1 ∂ x2 δ x1
=− 1 11 21
∂ f 2 ( x1 , x 2) ∂ f 2 ( x 1 , x 2) δ x2 f 2 ( x1 , x2 )
1 1 1 1

∂ x1 ∂ x2

pour i=1 s’écrit :

T
C’est-à-dire, on doit résoudre à partir de: ( x 11 , x 12 ) =( 2.0211 ,3.63604 )T

[ ] [ ]
2.0211
e2.0211 −1 e −3.63604
=−
2 ( 2.0211 ) 2 ( 3.63604 ) ( 2.0211) + ( 3.63604 )2−16
2

C’est-à-dire :

[ 7.5466
4.0422 ][ ] [
−1 δ x 1
7.2721 δ x 2
=−
3.9106
1.3056 ]
Dont la solution est :
⃗ T
δx=[ −0.50480 , 0.10106 ] =[ δ x 1 , δ x2 ]
On a maintenant :
2 1
x 1=x 1+ δ x 1=2.0211−0.50480=1.5163
2 1
x 2=x 2+ δ x 2=3.63604+ 0.10106=3.7371
3 - Itération 3
T
C’est-à-dire, on doit résoudre à partir de: ( x 21 , x 22 ) =( 1.5163 , 3.7371 )T
 [ 3.0326
4.554 −1 δ x1
7.4742 δ x 2
=− ][ ] [
0.81824
0.26508 ]
Dont la solution est :
⃗ T
δx=[ −0.17208 , 0.034355 ] =[ δ x 1 , δ x 2 ]
On a maintenant :
3 2
x 1=x 1+ δ x 1=1.5163−0.17208=1.3442
3 2
x 2=x 2+ δ x 2=3.7371+0.034355=3.7715

4 - Itération 4
T
À l’itération 4 on doit résoudre à partir de : ( x 31 , x32 ) = (1.3442 , 3.7715 )T

[ 3.8351
2.6884
−1 δ x 1
7.5430 δ x 2
=− ][ ] [
0.063617
0.031086 ]
Dont la solution est :
⃗ T
δx=[ −0.0161616 , 0.0163847 ] =[ δ x 1 , δ x 2 ]
La nouvelle approximation de la solution est:
4 3
x 1 =x1 + δ x1 =1.3442−0.0161616=1.3280
4 3
x 2 =x2 + δ x2 =3.7715+0.0163847=3.7731
5 - Itération 5
T
A l’itération 5 on doit résoudre à partir de : ( x 41 , x 42 ) = (1.3280 , 3.7731 )T :

[ ][ ] [ ]
−3
3.7735 −1 δ x1 0.34886 10
=−
2.6560 7.5463 δ x 2 0.16946 10−3
Dont la solution est :
T
δx=[ 9.03 10−5 , 5.25 10−6 ] =[ δ x 1 , δ x 2 ]
⃗
La nouvelle approximation de la solution est:
5 4 −5
x 1=x 1 + δ x1 =1.3280+9.03 10 =1.3281
5 4 −6
x 2=x 2 + δ x2 =3.7731+ 5.2510 =3.7731
Exercices d’application

Exercice 1
Résoudre le système non linéaire suivant à l’aide de la méthode de Newton en
prenant (0 , 0) comme approximation initiale. Donner l’approximation de la solution
obtenue à la premières itération

{
2 2
( S1 ) x 1−10 x 1+ x2 +8=0
x1 x 22+ x 1−10 x 2 +8=0
Corrigé exercice 1
A l’itération 1 on obtient :
⃗ T
δx=[ 0.8 , 0.88 ] =[ δ x 1 , δ x 2 ]
T
( x 11 , x 12 ) =( 0.8 , 0.88 )
T

Exercice 2
Résoudre le système non linéaire suivant à l’aide de la méthode de Newton en
prenant (0.1 , 0.1, -0.1) comme approximation initiale. Donner l’approximation de la
solution pour les deux premières itérations
 {
1
3 x 1−cos ( x 2 x 3 )− =0
2
2
( 2 ) x1 −81 ( x2 +0.1 ) +sin ( x 3 ) +1.06=0
S 2

−x x ( 10 π −3 )
e 1
+20 x3 +
2
=0
3
Corrigé exercice 2

Exercice 3
Résoudre le système non linéaire suivant à l’aide de la méthode de Newton en
prenant (0.75 , - 0.75, 0.75) comme approximation initiale. Donner l’approximation
de la solution pour les deux premières itérations

{
x 21−1=0
( S3 ) x 21+ x22−2=0
x 21+ x 1 x 2 + x 23=0
Corrigé exercice 3
T
Itération 1 ( x 11 , x 12 , x13 ) = (1.041666666 ,−1.041666666 , 1.041666666 )T
T
Itération 2( x 21 , x 22 , x23 ) = (1.0008333333 ,−1.0008333333 , 1.0008333333 )T
T
Itération 3 ( x 31 , x32 , x 33) =( 1.000000346933111,−1.000000346933111, 1.000000346933111 )T