Methodes Numeriques

Par Dr. Ralph W.P.
MASENGE
African Virtual university
Universit Virtuelle Africaine
Universidade Virtual Africana
Mthodes
numriques

ur|vers|l v|rlue||e Alr|ca|re 1
Note
Ce document est publi sous une licence Creative Commons.
http://en.wikipedia.org/wiki/Creative_Commons
Attribution
http://creativecommons.org/licenses/by/2.5/
License (abrviation cc-by ), Version 2.5.
I. Mthodes numriques _______________________________________3
II. Formation pralable requise ___________________________________3
III. Temps requis ______________________________________________3
IV. Matriel didactique __________________________________________3
V. Justification du module _______________________________________3
VI. Contenu __________________________________________________4
6.1 Vue densemble _________________________________________4
6.2 Grandes lignes __________________________________________5
6.3 Reprsentation graphique __________________________________6
VII. Objectifs gnraux __________________________________________7
VIII. Objectifs spcifiques des activits dapprentissage __________________8
IX. Activits denseignement et dapprentissage ______________________9
X. Activits dapprentissage ____________________________________16
XI. Liste des concepts-cls (glossaire) ____________________________113
XII. Liste des lectures obligatoires _______________________________119
XIII. Liste des ressources multimdia _____________________________120
XIV. Synthse du module _______________________________________122
XV. valuation sommative ______________________________________123
XVI. Rfrences bibliographiques _________________________________138
XVII. Auteur du module _________________________________________139

Table des maTires
i. mthodes numriques
Par docteur Ralph W.P.Masenge
ii. Formation pralable requise
Calcul 2
iii. Temps requis
Ce module ncessite 120 heures dtudes.
iV. matriel didactique
Les lves doivent avoir accs aux lectures principales dont il sera question plus loin.
Laccs ces lectures se fait partir dun ordinateur connect Internet. Les lves
doivent galement avoir la possibilit dinstaller le logiciel wxMaxima et doivent
pouvoir lutiliser pour mettre en pratique les concepts algbriques.
V. Justifcation du module
La caractristique cl des mathmatiques est quelles peuvent tre appliques la
rsolution de problmes. Lhistoire de cette matire a dmontr que la force motrice
qui a contribu son dveloppement est base sur la recherche de solutions aux pro-
blmes en gomtrie plane, en mcanique cleste et en navigation.
Malheureusement, les formules mathmatiques (modles) de la plupart des problmes
en sciences et en gnie sont, en gnral, diffciles rsoudre de faon analytique,
soit parce que les solutions analytiques sont de nature complexe, soit parce que de
telles solutions ne peuvent tre exprimes en terme de combinaisons de fonctions
mathmatiques connues.
Dans tous les cas, on peut avoir recours aux mthodes numriques. On attend donc
de llve en mathmatiques ou en sciences quil ou elle possde les connaissances
pratiques ncessaires pour lui permettre dappliquer les mthodes numriques la
rsolution de certains problmes de base en mathmatiques comme linterpolation ou
lintgration numrique. On sattend galement ce quil ou elle puisse rechercher
les racines des fonctions.
Figure 3 : La navigation dans Internet est la cl de lapprentissage en ligne.
Vi. Contenu
6.1 Vue densemble
Premire activit dapprentissage : Les types derreurs et leurs causes
La premire activit dapprentissage vise faire connatre llve les besoins en
mthodes numriques. Cest ici que se dfnit le concept de lerreur mathmatique.
On signale les sources et les types derreurs, puis on mentionne quelques moyens
pratiques pour arriver rduire leur effet cumulatif sur la solution numrique.
Deuxime activit dapprentissage : Linterpolation
La deuxime activit dapprentissage est consacre au concept de linterpolation.
On y prsente la mthode linaire et les mthodes dordre suprieur du polynme
dinterpolation de Lagrange, ainsi que les diffrences divises et les techniques din-
terpolation de diffrence fnie de Newton.
Troisime activit dapprentissage : Lintgration numrique
La troisime activit dapprentissage prsente le problme de lintgration numrique.
Les discussions sont limites aux formules de Newton-Cotes. On porte une attention
particulire la mthode des trapzes et la rgle de Simpson ainsi qu lapplication
de la technique dextrapolation de Richardson sur ces deux rgles en drivant des
schmas dintgration de Romberg.
Quatrime activit dapprentissage : Les racines des fonctions
La quatrime et dernire activit dapprentissage porte sur la recherche du problme
la racine associe la rsolution de lquation non linaire 0 ) ( = x f et sur la recherche
du systme coupl de deux quations non linaires 0 ) , ( = y x f , 0 ) , ( = y x g .
Figure 4 : Un baobab. Le nombre de racines est gal au nombre de brindilles.
6.2 Grandes lignes : Plan de cours (si ncessaire, inclure un calendrier)
Ce cours, compos de deux units, est offert au niveau 2 avec classement prioritaire A.
Mathmatiques module 3 est pralable ce cours.
Voici les dtails du contenu de chacune des activits dapprentissage. Le temps sug-
gr de 35 heures convient aux lves qui suivent le cours de niveau unit. Il refte
le nombre dheures que llve devrait consacrer chacune des composantes.
[Les lves qui suivent le cours de niveau module doivent allouer 120 heures ltude
du module]
Prparation, rvision pour lvaluation pralable (4 h)
Activit dapprentissage 1 : Les types derreurs et leurs causes (25 h)
Les types derreurs et leurs sources;
Le recours aux mthodes numriques;
Les sources et les types derreurs;
Les stratgies adopter pour viter les erreurs.
Activit dapprentissage 2 : Linterpolation (35 h)
Linterpolation linaire;
Linterpolation lagrangienne;
Les diffrences divises de Newton;
Les oprateurs de diffrence fnie;
Les tables des diffrences fnies;
Les polynmes dinterpolation des diffrences fnies.
Activit dapprentissage 3 : Lintgration numrique (25 h)
Les formules de Newton-Cotes;
Les drivations de la mthode des trapzes et de la rgle de Simpson;
La mthode dintgration de Romberg;
Les mthodes de quadrature de Gauss.
Activit dapprentissage 4 : Les racines des fonctions (25 h)
La mthode de dichotomie;
La convergence de la mthode de dichotomie;
La mthode regula falsi ou mthode de la fausse position;
La mthode de la scante;
ur|vers|l v|rlue||e Alr|ca|re
La mthode de Newton-Raphson;
La rsolution dun systme coupl de deux quations non linaires;
Litration de point fxe.
Prparation et valuation sommative (6 h)
6.3 Reprsentation graphique
Figure 5 : Reprsentation graphique
Racines des fonctions
Intgration numrique
Interpolation
Types derreurs et
leurs causes
Mthodes numriques
ur|vers|l v|rlue||e Alr|ca|re Z
Vii. Objectifs gnraux
Au terme de ce module :
Llve sera en mesure de comprendre les proprits des fonctions lmentaires et
leurs diverses applications. Il ou elle aura acquis les connaissances pratiques lui
permettant denseigner avec assurance ces matires lcole secondaire.
Llve aura acquis des connaissances solides sur le contenu reli aux mathmatiques
scolaires qui lui permettront denseigner ces matires au secondaire.
Llve fera lacquisition de connaissances sur les TIC et dveloppera ses capacits
les utiliser pour amliorer les mthodes denseignement et dapprentissage des
mathmatiques scolaires.
Spcifiquement, llve sera en mesure de :
(1) Distinguer les mthodes et les solutions numriques et analytiques;
(2) Reconnatre limportance de lapprentissage et de lapplication des mthodes
numriques;
(3) Identifer les principales sources derreurs et prendre les mesures appropries
pour les liminer ou en rduire la frquence;
(4) Driver et appliquer un certain nombre de mthodes dinterpolation;
(5) Driver et appliquer un certain nombre de mthodes dintgration numri-
que;
(6) Driver et appliquer un certain nombre de mthodes numriques pour trouver
les racines des fonctions;
(7) Rsoudre un systme coupl de deux quations non linaires deux variables.
Figure 6 : Antenne de transmission de signal Internet au AVU-Learning Center,
Universit de Dar es Salaam.
Viii. Objectifs spcifques des activits
dapprentissage
Comme il a dj t mentionn dans les grandes lignes la section VI, ce module est
prsent en deux units et leur contenu est divis en quatre activits dapprentissage.
Chacune des activits dapprentissage est prsente selon des objectifs spcifques
illustrs dans le tableau qui suit. Llve peut consulter ce tableau pour visualiser les
connaissances quil ou elle aura acquises la fn de ce module.
la fin de ce module, llve sera capable de :
S/N Activit dapprentissage Objectifs spcifques
1 Les types derreurs et
leurs sources
Dresser une liste des principales sources der-
reurs de calcul et assimiler les tapes suivre
pour liminer ou rduire leur efet cumulatif
sur les solutions numriques;
Reconnatre la difrence entre la grandeur
(exactitude) et la gravit (prcision) dune
erreur;
Comprendre et appliquer les mthodes
dinterpolation linaire dans un tableau des
valeurs dune fonction donn;
Estimer lerreur dans linterpolation linaire
pour une fonction continue donne.
2 Linterpolation Expliquer pourquoi les mthodes numriques
sont essentielles la rsolution de problmes
mathmatiques;
Consigner et appliquer le polynme dinter-
polation de Lagrange sur des donnes rpar-
ties de faon gale;
Consigner et appliquer la mthode dinterpo-
lation des difrences divises de Newton;
Dfnir et manipuler les oprateurs de dif-
rence avant, arrire, centre, de dplacement
et de moyenne;
Concevoir des tableaux des difrences pour
une fonction ou une donne spcifque;
Driver et appliquer les mentions avant et
arrire de Newton et la difrence centre des
polynmes dinterpolation de Stirling.
3 Lintgration numrique Driver, comprendre et appliquer la rgle du
trapze, la rgle de Simpson ainsi que toute
formule dintgration numrique de Newton-
Cotes;
Driver, comprendre et appliquer le schma
dintgration numrique de Romberg bas sur
la rgle du trapze ou de Simpson.
4 Les racines des fonctions Driver et appliquer la mthode de dichoto-
mie;
Dmontrer la convergence de la mthode de
dichotomie;
Driver, comprendre et appliquer les mtho-
des de la scante et de la fausse position;
Driver, comprendre et appliquer la m-
thode de Newton-Raphson;
Driver, comprendre et appliquer la mtho-
de de Newton sur une paire dquations non
linaires simultanes.

iX. activits denseignement et dapprentissage
9.1 Prparation
1. Si x est la mesure exacte dune certaine quantit et que
0
x est son approxima-
tion, le concept de lerreur dapproximation est dfni comme suit

(a)
(b)
(c)
(d)
x
0
x
x x
0
x x
0
x x
0
2. Lerreur absolue dans lapproximation de la quantit exacte 104 = x par la valeur
approximative 107
0
= x est donn par

(a)
(b)
(c)
(d)
4
3
7
104

Lerreur relative dans lapproximation
0
x donne la question 1 est

(a)
(b)
(c)
(d)
0.028846
0.299462
0.002885
0.038462
3. Une raison valable pour laquelle la fonction f dfnie par

f (x) =
1 if x > 0
0 if x = 0

nest pas continue 0 = x est

(a)
(b)
(c)
(d)
lim
x 0
lim
x 0
lim
x 0
lim
x 0
f (x) = f (0)
f (x) = 0
f (x) = 1
f (x) f (0)
4. La fonction continue
x
3
3x 3
doit avoir un zro (une racine) en un certain
point
dans lintervalle ]2, 4[ parce que
(a)
(b)
(c)
(d)
f (2) f (3) = 0
f (2) f (3) < 0
f (2) > 0
f (2) = 0
f (3) < 0
f (3) = 0
5. La drive premire de la fonction
x
x y = est
(a)
(b)
(c)
(d)
1+ ln(x) ( ) x
x
x
x
x
x
ln(x)
(1 ln(x))x
x
6. Le dveloppement limit selon Maclaurin de la fonction f dfinie par
x x f + = 1 ) ( lordre 3 est :

(a) :1
x
2
+
x
2
4

3x
3
8
(b) :1+
x
2

x
2
4
+
3x
3
8
(c) :1
x
2
+
x
2
8

x
3
16
(d) :1+
x
2

x
2
8
+
x
3
16

7. La primitive gnrale de la fonction f dfnie par ) ln( ) ( x x f = est donne
par

(a)
(b)
(c)
(d)
xln(x) + C
ln(x) x + C
xln(x) x + C
xln(x) + x + C

8. La valeur de lintgrale
1+ x
x
2
+ 2x + 5
3 1
2
dx is
(a)
(b)
(c)
(d)
1.146581
1.145681
1.146185
1.164581
9. En travaillant avec une prcision de six dcimales, la valeur approximative de
1+ x
x
2
+ 2x + 5
3 1
2
dx , en utilisant la rgle du trapze pas h = 0.25 , est

(a)
(b)
(c)
(d)
1.146850
1.416560
1.146038
1.146580
10. Dans les mmes conditions, la valeur approximative de lintgrale donne la
question 8 serait, selon la rgle de Simpson

(a) :
(b) :
(c) :
(d) :
1.416039
1.146083
1.146038
1.146580
11. Si les 3
e
et 13
e
termes dune suite arithmtique de nombres sont respectivement
7 et 27, alors le 52
e
lment de cette suite est

(a)
(b)
(c)
(d)
103
105
107
106
12. Si 2
0
= x , la valeur de
4
x , en utilisant la formule de rcurrence
n
n
n
x
x
x
) 1 ( 3
1
+
=
+

est
(a) :
(b) :
(c) :
(d) :
2.104255
2.103731
2.130731
2.103713
13. En tenant compte de ) , (
0 0
y x P et de ) , (
1 1
y x Q , la coordonne sur laxe des x
au point o
la ligne scante AB coupe laxe des x est
(a)
x
1
y
0
x
0
y
1
y
1
y
0
(b)
y
1
y
0
x
1
y
0
x
0
y
1
(c)
x
0
y
1
x
1
y
0
y
1
y
0
(d)
y
1
y
0
x
0
y
1
x
1
y
0
14. La courbe de la fonction ) (x f y = passe par deux points dont les coordonnes
sont ) 183 . 1 , 2 . 0 ( et (0.4,1.342). En utilisant la ligne droite qui joint les deux points
pour se rapprocher de la courbe de fonction dans un intervalle donn, on tablit la
valeur approximative de y en 3 . 0 = x

(a)
(b)
(c)
(d)
y = 1.2265
y = 1.6225
y = 1.5262
y = 1.2625
15. Si le point )) ( , (
0 0
x f x P est sur la courbe dune fonction drivable ) (x f y = , la
coordonne sur laxe des x au point o la tangente P coupe laxe des x est

(a) : x
0

f (x
0
)
f
'
(x
0
)
(b) : x
0
+
f (x
0
)
f
'
(x
0
)
(c) : x
0

f
'
(x
0
)
f (x
0
)
(d) : x
0
+
f
'
(x
0
)
f (x
0
)
16. La mthode de dichotomie est base sur le principe quune continuit qui est
positive en un point a x = et ngative en un autre point b x = possde une
racine (ou un zro) en un certain point c x = dans lintervalle ]a, b[, et que le
point
2
b a
x
+
= qui divise lintervalle ] , [ b a en deux est une approximation
juste de c . En partant des deux points 3 , 2 = = b a , lapplication de la
mthode de dichotomie
selon la fonction x
3
3x 3 donne la valeur
(a)
(b)
(c)
(d)
x
3
=
x
3
=
x
3
=
x
3
=
2.215
2.115
2.125
2.225
aprs la troi-
sime itration de dichotomie.
17. La mthode de Newton-Raphson pour approximer la racine dune fonction
) (x f utilise la formule ditration

x
n+1
= x
n

f (x
n
)
f
'
(x
n
)

n = 0,1, 2,...
Si 2
0
= x est une approximation de lune des racines de la fonction f dfnie par
f (x) = x
3
3x 3, alors lapplication de la mthode de Newton-Raphson sur cette
fonction donne la valeur suivante
2
x

(a)
(b)
(c)
(d)
x
2
=
x
2
=
x
2
=
x
2
=
2.130836
2.103386
2.301836
2.103836
18. Les coordonnes du point o les courbes reprsentatives respectives fonctions
4
2 2
= + y x et
x
2
y
2
= 1
se coupent et restent dans le premier quadrant sont

(a)
(b)
(c)
(d)
x = 1.224745,
x = 1.581139,
x = 1.511839,
x = 1, 242745,
y = 1.561139
y = 1.224745
y = 1.227445
y = 1.561139
Solutions
1. (c) 11. (b)
2. (b) 12. (b)
3. (d) 13. (c)
4. (b) 14. (c)
5. (a) 15. (d)
6. (d) 16. (a)
7. (d) 17. (c)
8. (c) 18. (d)
9. (c) 19. (b)
10. (d) 20. (c)
Notion pdagogique pour les lves
Laisance avec laquelle llve entreprendra ltude de ce module sera dtermine
par son rsultat cette valuation pralable.
Les questions 1 et 2 portent sur les erreurs et la question 3 sur la continuit. Llve
qui a des diffcults rsoudre une de ces questions devrait se rfrer aux dfnitions
donnes dans le glossaire du module.
Les questions 4, 5, 6 et 7 portent sur les concepts de limites, de continuit, de diff-
rentiation et de primitive. Llve qui ne peut pas les rsoudre correctement devrait
rviser les sections correspondantes du module pralable (Mathmatiques module 3).
Le mme conseil est donn llve qui ne peut pas rsoudre les questions 8, 9, 10
et 11, lies lintgration.
Les questions 12, 13, 16, 17, 18 et 19 portent sur le concept ditration et sur les
systmes dquations. Ici, il sufft dtudier attentivement la formule donne et de
lappliquer correctement.
Les questions 15, 16 et 17 portent sur lapproximation linaire dune fonction. Si
llve rencontrait des diffcults rsoudre lune dentre elles, il ou elle devrait revoir
la section correspondante de son livre de mathmatiques de niveau avanc.
Chaque bonne rponse compte pour 5 points, la note maximum tant 90 points. Un
rsultat entre 41 et 60 est moyen. Un rsultat sous la moyenne (0-40) dmontre que
llve a possiblement besoin dun retour approfondi sur la matire pralable avant de
commencer ltude de ce module. Un rsultat moyen signife que ltude du module
peut tre entame, mais que llve devra souvent se rfrer la matire pralable.
Si son rsultat est suprieur, soit de 61 90, llve peut commencer ce module
avec assurance. Il ou elle possde les connaissances requises pour lentreprendre et
le terminer avec succs.
X. activits dapprentissage
Activit dapprentissage 1
Les types derreurs et leurs sources
Sommaire
Cette activit dapprentissage est consacre trois notions dintroduction importantes.
Premirement, nous verrons la diffrence entre les solutions analytique et numrique.
Cette notion sera suivie dune discussion sur quelques problmes mathmatiques types
spcialement choisis pour dmonter llve en quoi les mthodes numriques sont
utiles. Nous allons conclure lactivit par une dfnition du concept de lerreur en
mathmatiques informatiques, puis nous dcouvrirons les principaux types derreurs
et leurs causes. Nous prsenterons des pistes pratiques pour les liminer ou rduire
leur effet sur les solutions numriques.
Objectifs dapprentissage spcifiques
Au terme de cette activit dapprentissage, llve sera en mesure de :
Dfnir le concept de lerreur en mathmatiques informatiques;
Distinguer lerreur absolue de lerreur relative et les relier respectivement
aux concepts dexactitude et de prcision;
Dresser une liste des principales sources derreurs de calcul et assimiler les
tapes suivre pour liminer ou rduire leur effet cumulatif sur les solutions
numriques;
Reconnatre la diffrence entre la grandeur (exactitude) et la gravit (prci-
sion) dune erreur;
Comprendre et appliquer les mthodes dinterpolation linaire dans un tableau
des valeurs dune fonction donn;
Estimer lerreur dans linterpolation linaire pour une fonction continue
donne.
Liste des lectures requises
Wikipdia : Numerical Methods/Errors Introduction
ur|vers|l v|rlue||e Alr|ca|re 1Z
Liste des liens utiles
Wolfram MathWorld (site consult le 4 mars 2007)
http://mathworld.wolfram.com
Llve doit chercher lentre correspondant lunit tudie. Il ou elle doit galement
faire une recherche par mots-cls dans tout le texte. Dans tous les cas, MathWorld
prsente la rfrence complte.
Wikipdia (site consult le 4 mars 2007)
http://en.wikipedia.org/wiki
Comme pour MathWorld, llve doit chercher lentre correspondant lunit tu-
die. Il ou elle doit galement faire une recherche par mots-cls dans tout le texte.
En gnral, Wikipdia prsente une liste restreinte dentres. Il savre donc facile
de les consulter.
MacTutor History of Mathematics (site consult le 3 mars 2007)
http://www-history.mcs.standrews.ac.uk/Indexes
MacTutor Archive est le site le plus complet de lInternet sur lhistoire des math-
matiques. Llve doit chercher le titre de lunit et lire lhistoire de la matire. Cette
activit aura pour utilit de lui fournir une vue densemble sur limportance des
notions tudies et sur leur contexte.
Mots-cls
[Les dfnitions compltes sont donnes dans le texte]
Lerreur dapproximation : la diffrence entre la valeur exacte et lapproximation
de celle-ci.
Lerreur absolue : lerreur sans considration du signe (positif ou ngatif).
Lerreur relative : lerreur absolue par rapport la valeur prcise.
Les erreurs initiales, de discrtisation, de troncature et darrondi : diffrents
types derreurs causes par diffrentes sources.
Activit dapprentissage 1 : Les types derreurs et leurs sources
Introduction
Cette premire activit dapprentissage est destine fournir les rponses aux ques-
tions qui sont souvent souleves par les lves lorsquils ou elles entreprennent leur
premier cours de mthodes numriques.
(1) Quest-ce quune solution numrique et en quoi diffre-t-elle de la solution
exacte ou analytique?
(2) Pourquoi doit-on tudier les mthodes numriques? Les mthodes numriques
sont-elles ncessaires?
(3) En mathmatiques, que sont les erreurs? Quelles sont les principales sources
derreurs de calcul? Comment peut-on liminer ces erreurs ou rduire leur
effet sur les mthodes numriques?
Pour commencer lactivit, nous expliquons la diffrence entre les solutions ana-
lytique et numrique. Dans le but de dmontrer la ncessit dutiliser les mthodes
numriques, nous examinons un nombre de problmes mathmatiques spcialement
slectionns pour convaincre llve que lapprentissage des mthodes numriques
est indispensable, soit parce que les problmes analytiques ne peuvent tre rsolus,
soit parce quils sont trop complexes pour tre dune quelconque utilit.
Afn de rpondre aux questions concernant les erreurs, nous dfnissons ensuite le
concept de lerreur et fournissons une liste des diffrentes sources derreurs. Puis
nous suggrons galement, pour chaque type et chaque source derreur, une marche
suivre pour rduire leur frquence et leur impact sur les solutions numriques.
Mthodes analytiques, mthodes numriques et erreurs
(a) Mthode analytique oppose mthode numrique
Quest-ce quune solution numrique et en quoi diffre-t-elle de la solution exacte
ou analytique?
Une mthode analytique pour rsoudre un problme mathmatique donn est aussi
une mthode base sur une analyse mathmatique rigoureuse. Lapplication de cette
mthode, dans la plupart des cas, mne la solution exacte, aussi appele solution
analytique.
Une mthode numrique pour rsoudre un problme mathmatique donn est une
mthode base sur une analyse mathmatique rigoureuse. Lapplication de cette m-
thode, dans la plupart des cas, ne peut mener qu une solution approximative (non
exacte), aussi appele solution numrique. Dans de rares cas, une mthode numrique
peut mener la solution exacte.
Exemple 1.1
Les solutions exactes de lquation non linaire x
2
5x + 3 = 0 peuvent tre obte-
nues en appliquant lquation du second degr bien connue (mthode analytique)
x
1, 2
=
b b
2
4ac
2a
On en arrive aux solutions analytiques x
1, 2
=
5 13
2
.
Dun autre ct, la formule ditration (mthode numrique)
x
n+1
= 5x
n
3, n = 0,1, 2,... ; x
0
= 4.5
peut galement tre applique pour arriver lapproximation de lune des deux solu-
tions donnes par lquation du second degr. Cette mthode ne peut donner quune
solution numrique approximative.
FAIRE
En appliquant les formules dintgration numrique suivantes,
Mthode des trapzes :: [ ]
0 1 1 0
; ) ( ) (
2
) (
1
0
x x h x f x f
h
dx x f
x
x
= + =
Rgle de Simpson :
[ ]
0 1 1 2 2 1 0
; ) ( ) ( 4 ) (
3
) (
2
0
x x x x h x f x f x f
h
dx x f
x
x
= = + + =
Confrmer ces noncs :

(i) La mthode des trapzes donne les valeurs exactes de lintgrale
1
0
) (
x
x
dx x f
pour toute fonction linaire b ax x f + = ) ( .
(ii) La mthode de Simpson donne les valeurs exactes de lintgrale
2
0
) (
x
x
dx x f
pour toute fonction cubique f telle que

d cx bx ax x f + + + =
2 3
) (
En gnral, la diffrence entre les solutions analytique et numrique peut tre rsume
par lnonc suivant : les solutions analytiques sont exactes, alors que les mthodes
numriques ne sont quapproximatives.
(b) La ncessit des mthodes numriques
Pourquoi doit-on tudier les mthodes numriques?
Les mthodes numriques sont-elles ncessaires?
la suite de la distinction que nous venons de faire entre les solutions analytique
et numrique, on peut aisment tre tent de conclure que les problmes mathma-
tiques peuvent tous tre rsolus par les mthodes analytiques. En dautres mots, il
nest pas ncessaire dtudier les mthodes numriques puisquelles ne donnent que
des solutions approximatives. Une telle conclusion est peu judicieuse. Les mthodes
numriques doivent tre apprises pour les trois principales raisons suivantes :
1. Il arrive quune solution analytique ne soit pas connue. Le tableau suivant d-
montre des exemples types.
x 1.0 1.25 1.5 1.75
2.0
) (x f
0000 . 1 1180 . 1 1180 . 1 3229 . 1 4142 . 1
2. Une intgrale, telle que
1
0
2
dx e
x
, est parfaitement dfnie, mais la primitive de
lintgrande
2
) (
x
e x f = ne peut tre exprime par lutilisation des fonctions
mathmatiques lmentaires connues.
3. Dans certains cas, il peut tre possible dappliquer une expression mathmatique
pour trouver la solution analytique un problme donn. Cependant, lexpres-
sion peut tre trop complique traiter numriquement. Un problme type est
la recherche de la primitive de la fonction f telle que
3
8
1
) (
x
x f
=
la suite de quelques fastidieuses manipulations ncessitant la factorisation du
dnominateur suivi de lapplication de la dcomposition en lments simples, on
trouve enfn la primitive gnrale
C
x x
x x x
x F +

+ +
+
+
=

4 4
4 2
ln
24
1
3
1
tan
12
3
) (
2
2
1
dans laquelle C est une constante dintgration arbitraire. Ce rsultat complexe donne
lvaluation de lintgrale dfnie associe de type

2
1
3
8 x
dx
presque impossible
excuter avec un degr dexactitude signifcatif.
FAIRE
(i) Confrmer que ) ( x f
dx
dF
= (en appliquant la fonction F vue dans lexemple 3)
(ii) En factorisant
3
8 x = ) 4 2 )( 2 (
2
+ + x x x et en appliquant la dcomposition
en lments simples, driver lexpression ) (x F en tant que primitive de.
(c) Erreurs
En mathmatiques, que sont les erreurs?
Quelles sont les principales sources derreurs de calcul?
Comment peut-on liminer ces erreurs ou rduire leur effet sur les mthodes nu-
mriques?
En consultant la section des mots-cls, llve peut trouver des dfnitions des
concepts-cls et prendre conscience des thormes-cls et des principes qui relvent
des mthodes numriques. On y dnote les erreurs, les erreurs absolues, les erreurs
relatives, les erreurs initiales, les erreurs de discrtisation, les erreurs de troncature
et les erreurs darrondi. Pour faciliter la consultation, en voici la liste.
Hypothse
Si
*
X est une approximation de la quantit exacte (relle) X , alors :
Lerreur dans
*
X est dfnie par
*
X X ;
Lerreur absolue dans
*
X est dfnie par
*
X X ;
Le pourcentage derreur dans
*
X est dfni par
X
X X
*
100

%
.
Puisque la valeur exacte X est habituellement inconnue, on la remplace par la valeur
approximative
*
X dans le dnominateur de lexpression pour les erreurs relatives
et de pourcentage.
Exactitude et prcision
Les dimensions et les calculs peuvent tre considrs en regard de leur degr dexac-
titude et de prcision.
La prcision rfre limportance (grande ou petite) de lerreur absolue
*
X X .
Lerreur absolue est donc une mesure de prcision dune approximation.
Lexactitude rfre la proximit entre lapproximation
*
X et la valeur exacte X
Limportant ici nest pas seulement la magnitude de la dviation
*
X X , mais aussi
sa grandeur relative la valeur exacte X . Lexactitude est donc mesure par lerreur
relative
X
X X
*
.
(d) Les types derreurs et leurs sources
Voici maintenant une liste des types derreurs et de leurs sources. Elle est accom-
pagne dune brve discussion sur les mthodes pour liminer ou rduire de telles
erreurs dans le but dobtenir une solution numrique qui ne soit pas affecte au point
que son interprtation ne devienne fautive.
(i) Erreurs initiales
Tout problme mathmatique mritant dtre rsolu numriquement comporte certai-
nes donnes initiales. Ces donnes peuvent tre prsentes sous forme de coeffcients
dans une expression mathmatique ou dentres dune matrice. Si ces donnes initiales
ne sont pas exactes, alors les dviations de leurs valeurs respectives sont appeles
erreurs initiales. Dans certains problmes, si les donnes initiales prsentent des
incertitudes, ces dernires peuvent avoir un effet dvastateur sur la solution num-
rique fnale du problme.
(ii) Erreur de discrtisation
La plupart des ouvrages sur les erreurs de calcul ne font pas la diffrence entre ler-
reur de discrtisation et lerreur de troncature. La raison de cette lacune est simple :
ces deux types derreurs ne vont pratiquement jamais lun sans lautre. Nous verrons
donc que les deux types derreurs sont distincts, puisque les erreurs de troncature
sont une catgorie derreurs de discrtisation.
Les solutions exactes de certains problmes mathmatiques sont les fonctions conti-
nues ) (x f y = de leurs variables indpendantes respectives. Dans presque tous
les cas, les mthodes numriques pour rsoudre de tels problmes donnent une ap-
proximation de la solution continue inconnue ) (x f par une squence { } ) (
n
x f de la
valeur approximative de la solution un jeu de points distinct { }
n
x dans le domaine
de la fonction solution f . Par exemple, la fonction continue
x
e x x f

+ = ) ( est
la solution de lquation diffrentielle valeur initiale (ou du problme de Cauchy)
x y y + = + 1
/
, 1 ) 0 ( = y .
Une mthode de rsolution type pour ce problme est donne par la relation de rcur-
rence , 1 , 0
0 0
= = y x

, ) 1 ( ) 1 (
1 1
h x y h y
n n n
+ + = ,... 3 , 2 , 1 = n , h tant une
distance constante entre deux valeurs distinctes conscutives de la variable x . Lerreur
obtenue par ce procd de discrtisation est appele erreur de discrtisation.

(iii) Erreur de troncature
Les erreurs de troncature sont une catgorie spciale derreurs de discrtisation. Le
terme erreur de troncature fait rfrence lerreur dans la mthode produite lorsquun
processus infni est arrt prmaturment (ou tronqu) un nombre infrieur de termes
ou ditrations dans le processus.
De telles erreurs sont essentiellement des erreurs algorithmiques. Il est possible de
prdire la porte de cette erreur dans la mthode.
En ralit, la solution obtenue par lapplication des mthodes numriques peut deman-
der des procds infnis. Par exemple, cest le cas pour toutes les mthodes itratives
convergentes, ainsi que pour les sries convergentes infnies. Puisque ces procds
infnis ne peuvent tre excuts indfniment, on est forc de mettre fn (tronquer) au
procd et daccepter la solution approximative. Lerreur cause par cette interruption
invitable du procd infni est appele erreur de troncature.
(iv) Erreur darrondi
Les erreurs darrondi sont les erreurs introduites lors des calculs numriques et sont
causes par lineffcacit des dispositifs de calcul excuter une arithmtique exacte.
Par exemple, en multipliant deux nombres qui possdent chacun six chiffres dcimaux,
on arrive un rsultat douze chiffres dcimaux. Malheureusement, certains dispo-
sitifs de calcul ne sont pas conus pour affcher les douze chiffres dcimaux. Dans
ce cas, on est forc de continuer lopration de calcul en omettant certains chiffres
dcimaux (moins importants), qui sont placs droite du produit. Cette erreur est
appele erreur darrondi.
(e) Mthodes de rduction des erreurs
Dans lesprit de ladage mieux vaut prvenir que gurir , cette section est ddie
donner des suggestions pratiques sur les moyens dliminer ou de rduire limpact
des diffrents types derreurs de calcul rencontrs en mthodes numriques.
(i) Comment rduire lerreur initiale?
Les erreurs initiales peuvent avoir un effet dvastateur sur les solutions num-
riques.
Voici un cas type illustrant un exemple prsent dans louvrage de Francis Sheid,
Numerical Analysis, Shaum Outline Series, 1968, page 342. Cet exemple concerne
la solution des deux quations linaires simultanes suivantes :
x
-
y
=
1
x
-
y 00001 . 1
=
0

La solution exacte (analytique) est 001 , 100 = x , 000 , 100 = y . Dans cet exemple,
lensemble des donnes initiales est compos des lments de la matrice des coeff-
cients
=
00001 . 1 1
1 1
A
et du vecteur du ct droit

=
0
1
b
.
Cependant, si on change lentre 000 , 100 = y de la matrice A par 999 , 99 = x
, sans changer les autres donnes, le systme dquations

x y = 1
x 0.99999y = 0
change radicalement pour la solution exacte (analytique) 999 , 99 = x , 000 , 100 = y

.
Ce rsultat quelque peu surprenant dmontre bien comment un infme changement
dans les donnes initiales peut avoir des consquences disproportionnes sur la so-
lution de certains problmes.
Or, la seule faon de rduire ou, si possible, dliminer les erreurs initiales est de
sassurer que toute donne propose ou calcule dans le but de rsoudre un
problme est aussi juste quil est humainement possible de ltre.
(ii) Comment rduire les erreurs de discrtisation?
Lorsquon applique les mthodes numriques pour en arriver la solution approxi-
mative dun problme mathmatique donn, on peut sattendre obtenir des solu-
tions numriques ayant diffrents degrs dexactitude. Ces rsultats dpendent de
limportance de leurs erreurs de discrtisation respectives. Examiner ce problme
dvaluation de lintgrale dfnie :
+
1
0
2
1 x
dx
. La valeur exacte (analytique) de lintgrale, exacte six dcimales prs,
est 785398 . 0 ) 1 tan( = Arc .
Appliquons maintenant la mthode des trapzes et la mthode de Simpson avec le
pas dintervalle 25 . 0 = h . valuons premirement lintgrande
2
1
1
) (
x
x f
+
=
partir des points correspondants. Nous obtenons
i 0 1 2 3 4
i
x
0 25 . 0 5 . 0 75 . 0 1
) (
i
x f
000000 . 1 941176 . 0 800000 . 0 640000 . 0
500000 , 0
La mthode des trapzes [ ]
+ + + + ) ( ) ( ) ( ) ( 2 ) (
2
4 3 2 1 0
x f x f x f x f x f
h
donne
la solution numrique 0.782794.
La rgle de Simpson [ ] { } ) ( ) ( 2 ) ( ) ( 4 ) (
3
4 2 3 1 0
x f x f x f x f x f
h
+ + + + mne la
solution numrique 0.785392.
On peut observer que la solution obtenue par lapplication de la mthode des trap-
zes est exacte seulement deux dcimales prs, tandis que la solution obtenue en
appliquant la rgle de Simpson est exacte quatre dcimales prs. Cette importante
diffrence dans lexactitude de deux solutions numriques est cause par la variation
entre les erreurs de discrtisation de deux mthodes numriques. La rgle de Simpson
possde une erreur de discrtisation plus petite que la mthode des trapzes.
En gnral, les erreurs de discrtisation ne peuvent pas tre vites. Cependant, on peut
les rduire de faon signifcative en faisant attention de slectionner une mthode
numrique qui soit considre comme possdant une erreur de discrtisation
relativement petite.
(iii) Comment rduire les erreurs de troncature?
Les erreurs de troncature sont causes par linvitable ncessit de mettre fn un
procd de convergence infnie lorsquon tente de rsoudre un problme. La grandeur
de lerreur de troncature va donc dpendre du procd infni particulier (mthode
numrique) appliqu et de la dtermination poursuivre le calcul laide du procd
infni.
On peut rduire lerreur de troncature de deux faons :
(a) En choisissant une mthode numrique possdant une petite erreur de tron-
cature.
(b) En poussant lapplication du procd infni suffsamment loin.
Exemple 1.2
La fonction continue f dfnie par 1 3 ) (
2
+ = x x x f possde une racine dans
lintervalle ]0, 1[ (pourquoi?). En appliquant lquation du second degr, la valeur
exacte de la racine, exacte six dcimales prs, est 381966 . 0 = . Il existe une
quantit de mthodes itratives pour calculer lapproximation dune telle racine.
Voici deux de ces mthodes :
La mthode de dichotomie
x
n+1
=
x
n
x
n1
2
, sous rserve que
f (x
n
) f (x
n1
) < 0
.
La mthode de Newton-Raphson
x = x
f (x
n
)
f
/
(x
n
)
, sous rserve que f
/
(x
n
) 0.
Si on excute seulement trois itrations (troncature aprs trois itrations) en partant,
pour chacune des mthodes, de la valeur 0
0
= x et de 1
1
= x pour la mthode de
dichotomie et de 0
1
= x pour la mthode de Newton-Raphson, on obtient, pour
chacune des mthodes, la suite dapproximation suivante :
Mthode Valeurs initiales
2
x
3
x
4
x
Dichotomie
0
0
= x
1
1
= x
500000 . 0 250000 . 0 375000 . 0
Newton-Raphson
0
1
= x
333333 . 0 380952 . 0 381966 . 0
Ces rsultats dmontrent quen mettant fn au procd infni (itration) aprs la troi-
sime itration, lerreur de troncature de la mthode de Newton-Raphson est beaucoup
plus petite que celle de la mthode de dichotomie.
FAIRE
Appliquer la mthode de dichotomie aux exemples cits plus haut jusqu lobtention
dune solution exacte trois dcimales prs. Combien ditrations sont ncessaires
pour arriver cette solution?
(iv) Comment rduire les erreurs darrondi?
Avant dentrer dans le vif de cette importante dernire tche de notre activit dap-
prentissage, nous devons dabord prsenter quelques termes qui seront mentionns
et utiliss frquemment dans le procd.
Que sont les chiffres?
En mathmatiques informatiques, les chiffres dsignent nimporte laquelle des dix
formes numrales suivantes : {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}.
Dans le systme dcimal des nombres rels, un nombre N est une chane ou une
squence ordonne de chiffres. Un exemple type est le nombre
0 0000450700 . 0365 0007392060 = N
Un nombre peut tre vu comme une mesure de la grandeur dune certaine quantit
relle ou imaginaire. La position de chacun des chiffres dans la chane de chiffres a un
rapport direct avec limportance de ce chiffre dans la mesure globale de la grandeur
ou de la quantit que ce nombre reprsente.
Intuitivement, nous savons que le chiffre 7 le plus gauche dans le nombre N cit
plus haut est plus signifcatif que le chiffre 7 le plus droite.
Dans un nombre, quels sont les chiffres signifcatifs?
Lorsquon doit dcider quels sont les chiffres signifcatifs dun nombre donn, les
rgles suivantes sappliquent :
1. Les entiers relatifs non nuls sont toujours des chiffres signifcatifs;
2. Tout zro dans la partie la plus gauche dun nombre nest pas signifcatif;
3. Tout zro positionn entre deux entiers relatifs non nuls est signifcatif;
4. Les zros situs le plus droite dun nombre sont considrs comme signif-
catifs seulement si le nombre contient un signe dcimal.
Combien y a-t-il de chiffres signifcatifs dans un nombre donn?
Pour trouver le nombre de chiffres signifcatifs prsents dans un nombre donn, on
applique la rgle suivante :
Rgle 1 : Le nombre de chiffres signifcatifs dun entier relatif strict (qui na pas de
chiffres dcimaux) est obtenu en comptant partir du chiffre non nul le plus gauche
jusquau chiffre non nul le plus droite.
Exemple 1.3
Le nombre 541500409 contient 9 chiffres signifcatifs
Le nombre 002507030 contient 6 chiffres signifcatifs
Rgle 2 : Le nombre de chiffres signifcatifs dun nombre ayant une partie dcimale est
obtenu en comptant tous les chiffres, en partant du chiffre non nul le plus gauche.
Exemple 1.4
Le nombre 6.00213 contient 6 chiffres signifcatifs
Le nombre 6.00213000 contient 9 chiffres signifcatifs

NOTE : Tous les zros situs la fn dun chiffre dcimal sont signifcatifs.
(iv) Comment rduire les erreurs darrondi?
Maintenant que nous connaissons les concepts de chiffres et de chiffres signifca-
tifs dun nombre, nous pouvons aisment discuter des faons de rduire les erreurs
darrondi.
Une faon de traiter le problme des erreurs darrondi est de travailler avec le degr
dexactitude maximum que notre machine calculer le permet chacune des tapes
du calcul.
Exemple 1.5
Trouver la somme des nombres 2.35, 1.48, 4.24 en utilisant une machine calculer
ne pouvant traiter que les nombres deux chiffres signifcatifs.
La somme exacte est 07 . 8 24 . 4 48 . 1 35 . 2 = + + = S .
Si nous ignorons le deuxime chiffre dcimal de chacun des nombres, nous arrivons
la somme approximative suivante :
9 . 7 2 . 4 4 . 1 3 . 2
1
= + + = S .
1
S est : 17 . 0
1
= S S .
Une approximation plus adquate de S en suivant les mmes restrictions donne :

1 . 8 2 . 4 5 . 1 4 . 2
2
= + + = S .
2
S est : 03 . 0
2
= S S .
Cette erreur est signifcativement plus petite que celle dans
1
S .
Dans limmdiat, la question qui sera souleve par llve sera : Dans la somme
2
S , comment peut-on arriver un chiffre deux termes?
La rponse cette question est simple. Chacun des termes a t obtenu partir de
son terme trois chiffres correspondant par arrondi.
Llve pourra bientt arrondir les nombres.
Que signife arrondir un nombre?
Laction darrondir un nombre un nombre fxe de chiffres signife simplement le
fait de laisser tomber tous les chiffres qui sont situs le plus droite du nombre au-
del dun certain point.
Si, pour arrondir un nombre, on laisse simplement tomber tous les chiffres au-del dun
certain point situ droite du nombre sans faire aucun ajustement sur le dernier chiffre
retenu, alors on peut parler darrondissement ou de coupe du nombre .
Exemple 1.6
La somme
1
S a t calcule partir des termes obtenus par les nombres originaux
coups au troisime chiffre aprs la dcimale. Le terme 2.35 a t arrondi 2.3, le
terme 1.48 a t arrondi 1.4 et le terme 4.24 a t arrondi 4.2. Dans chacun des
cas, le dernier chiffre retenu (le premier aprs la dcimale) na pas t ajust par le
procd darrondissement.
Note
La somme
2
S a galement t obtenue par arrondissement. Cependant, cette fois,
larrondissement sest fait dune manire diffrente. Ici, les trois termes nont pas
tous t coups!
Le terme 2.35 a t arrondi 2.4;
Le terme 1.48 a t arrondi 1.5;
Le terme 4.24 a t arrondi 4.2.
Nous pouvons noter quen arrondissant chacun des deux premiers termes, 2.35 et
1.48, le chiffre positionn en deuxime aprs la dcimale a t mis de cot, mais le
chiffre positionn juste aprs la dcimale a t ajust, donc augment dune unit.
Le troisime chiffre 4.24 a simplement t coup.
Cette mthode (ou rgle jusqu prsent inconnue pour les nombres arrondis) semble
tre plus adquate que larrondissement, puisque dans lexemple,
2
S est plus exacte
que
1
S .
Rgles darrondissement des nombres
Lorsquon veut rduire lerreur darrondi, le rejet de chiffres au-del dune position
prdtermine ( n ) doit tre accompagn dajustements sur les chiffres positionns
en (n-1). Lajustement peut se faire en laissant le chiffre en position ( n ) inchang
ou en laugmentant dune unit. La dcision de laisser le chiffre occupant la position
(n-1) intact ou de laugmenter dune unit doit tre prise par lapplication des rgles
suivantes :
(a) Si le chiffre en position ( 1 + n ) est suprieur 5, alors le chiffre en position
( n ) est augment dune unit;
(b) Si le chiffre en position ( 1 + n ) est 5 et quau moins un autre chiffre situ
sa droite est diffrent de zro, alors le chiffre en position ( n ) est augment
dune unit;
(c) Si le chiffre en position ( 1 + n ) est infrieur 5, alors le chiffre en position
( n ) reste inchang;
(d) Si le chiffre en position ( 1 + n ) est 5 et que tous les autres chiffres situs
la droite de la position ( 1 + n ) sont zro, alors
(i) Le chiffre en position ( n ) est augment dune unit sil sagit dun
nombre impair ) 9 , 7 , 5 , 3 , 1 ( ,
(ii) Le chiffre en position ( n ) reste inchang sil sagit dun nombre pair
) 8 , 6 , 4 , 2 , 0 ( .
Exemple 1.7
Arrondir un nombre donn exact deux chiffres signifcatifs
S/N Nombre Arrondi deux chifres
signifcatifs
Rgle mise en
application
1 8.361 8.4 (a)
2 8.351 8.4 (b)
3 8.350 8.4 (d) (i)
4 8.450 8.4 (d) (ii)
5 8.050 8.0 (d) (ii)
6 8.349 8.3 (c)
7 2.55 2.6 (d) (i)
8 2.65 2.6 (d) (ii)
9 0.0557 0.056 (a)
10 0.0554 0.055 (b)
valuation formative : Les lves doivent excuter ces exercices en prenant soin
dinscrire une solution complte pour chaque problme. Ils ou elles doivent ensuite
vrifer minutieusement chacune des rponses en tenant compte des solutions four-
nies.
Questions
1. (a) En utilisant la mthode de substitution, trouver la solution exacte du systme
dquations linaires.

905 . 16 10 7
075 . 12 7 5
= +
= +
y x
y x
(b) Arrondir les valeurs situes le plus droite de chacune des quations deux
chiffres signifcatifs, puis trouver la solution exacte du systme dquations
linaires qui en rsulte.
(c) En utilisant les solutions obtenues par ces deux systmes dquations, expliquer
pourquoi les erreurs initiales doivent autant que possible tre vites.
2. (a) Combien y a-t-il de chiffres signifcatifs dans chacun des nombres sui-
vants?
(i) 00001000020000
(ii) 10000200003004
(iii) 000123.0004500
(b) Arrondir les nombres suivants cinq chiffres signifcatifs.
(i) 0123.395
(ii) 0123.205
(iii) 0123.206
3. En tenant compte de

20
3
11
3
3
1
+ = X , effectuer les calculs suivants :

(a) Trouver la valeur exacte de X cinq chiffres signifcatifs.
(b) Trouver une valeur approximative de X en appliquant la coupe arithmtique
(arrondir sans faire aucun ajustement) de trois chiffres.
(c) Trouver une valeur approximative de X en appliquant larrondi arithmtique
de trois chiffres.
(d) Calculer les erreurs absolues et le pourcentage derreur des approximations
obtenues en (b) et (c).
4. Lerreur de troncature ) (x E interpoler linairement la fonction f entre deux points
0
x et
1
x , avec h x x + =
0 1
, est donne par ) ( ) )( (
2
1
) (
//
1 0
f x x x x x E =
o est un certain point dans lintervalle ) , ( :
1 0
x x I = .
(a) En effectuant le test de la drive seconde, dmontrer que

M
h
x E Max
I x
8
) (
2
=
o
M = Max
x I
f
/ /
(x)
.
(b) Si ) sin( ) ( x x f = , dterminer la valeur du pas h pour laquelle lerreur de
troncature sera toujours infrieure
01 . 0
.
5. Si la fonction f possde une racine simple place au centre de lintervalle
ferm b x a , la mthode de dichotomie applique pour trouver lapproximation
de
est la formule ditration

2
1 2
+
=
i i
i
x x
x , ,.... 3 , 2 , 1 = i a x =
1
, b x =
0
, 0 ) ( ) (
1 2
<
i i
x f x f
(a) Prouver, par induction mathmatique, que lerreur prsente dans
th
i itr
i
x est
donne par
i
i
a b
E
2
=
(b) Si 0 = a et 1 = b , combien ditrations de dichotomie doivent tre appliques
pour obtenir une approximation infrieure ou gale
3
10
?
Solutions
1. (a) 415 . 2 = x , 0 = y
(b) 1 = x , 1 = y
(c) Les erreurs initiales doivent tre vites parce que les solutions de certains
problmes peuvent tre affectes par de petites erreurs initiales.
2. (a) (i) 6 (b) (i) 123.40
(ii) 14 (ii) 123.20
(iii) 10 (iii) 123.21
3. (a) Valeur exacte 45606 . 0 = X
(b) Valeur approximative 455 . 0 =
b
X
(c) Valeur approximative 456 . 0 =
c
X
(d) Erreur absolue 00106 . 0 =
b
X X
(e) Erreur absolue 00006 . 0 =
c
X X
(f) Erreurs de pourcentage % 23 . 0 100 =

X
X X
b
(g) Erreurs de pourcentage % 013 . 0 100 =

X
X X
c
4. (a) La premire et la seconde drive de la fonction ) )( ( ) (
1 0
x x x x x g =
sont : ) ( 2 ) (
1 0
/
x x x x g + = et 2 ) (
//
= x g , respectivement. Le point critique
simple de ) (x g est
2
1 0
x x +
= et 0 ) (
//
> g .
Nous tirons alors la conclusion que :
) ( g = ) )( (
1 0
x x
=
+
1 1 0 0 1 0
2
1
2
1
2
1
2
1
x x x x x x
= ( ) ( )
1 0 0 1
2
1
2
1
x x x x
=
4
2
h
Donc
4
) (
2
h
x g Max = et le rsultat est
M
h
x E Max
4
) (
2
= .
(b) Avec ) sin( ) ( x x f = , nous avons 1 = M et devons trouver h puisque 01 . 0
8
2
h
. Nous obtenons 3 . 0 08 . 0 < h .
5. (a) Raisonnement par rcurrence
i
i
a b
E
2
Test: La formule est correcte pour 1 = i parce que lerreur de la premire dichotomie
est
2
a b
.
Hypothse : Supposons la formule telle quelle est : 1 > = k i (fxe).
Donc,
k
k
a b
E
2
=
Induction : Lerreur dans
k k k
E E x
2
1
1 1
= =
+ +

1
2 2 2
1
+

k k
a b a b
=. C.Q.F.D.
(c) Si 0 = a et 1 = b , alors
i
i
E
2
1
= .
Le rsultat ne devrait pas dpasser
3
10
si 10
) 2 ln(
) 1000 ln(
= i .
Activit dapprentissage 2 : Linterpolation
Sommaire
Tout cours dintroduction aux mthodes numriques doit inclure le concept de linter-
polation. Lapproximation numrique aborde les notions dapproximation des nombres
et des fonctions. Linterpolation numrique concerne lapproximation des fonctions.
Les raisons qui mnent lapproximation dune fonction sont les suivantes :
Plusieurs fonctions mathmatiques ne peuvent tre connues qu partir de
leurs tables des valeurs respectives ;
Certaines fonctions sont parfois connues, mais sont trop complexes pour tre
manipules numriquement par linformatique;
Certaines fonctions sont parfois connues, mais la solution du problme dans
lequel elles apparaissent ne possde pas dexpression mathmatique vidente
relie.
Cette activit dapprentissage prsente linterpolation de faon ce que llve puisse
faire lexprience directe de certaines applications pratiques des mthodes numriques
dans le but de rsoudre un problme mathmatique dapproximation dune fonction f ,
qui nest connue qu partir dun ensemble de valeurs un nombre fni de points.
Cette activit dapprentissage traite des sous-sujets suivants :
Interpolation linaire;
Polynmes dinterpolation de Lagrange;
Polynmes dinterpolation des diffrences divises de Newton;
Polynmes dinterpolation des diffrences fnies.
Pour commencer, il importe de dfnir le concept de linterpolation. Nous utiliserons
linterpolation linaire pour lillustrer. Ensuite, nous prsenterons des cas spciaux
de polynmes dinterpolation. Nous commenterons particulirement les coeffcients
du polynme dinterpolation de Lagrange, les diffrences divises de Newton et
les diffrences fnies.
Objectifs d'apprentissage spcifiques
Au terme de cette activit d'apprentissage, llve saura :
Expliquer pourquoi il est important de mettre en application les mthodes
numriques pour rsoudre des problmes dinterpolation;
Appliquer les polynmes dinterpolation de Lagrange;
Appliquer les polynmes dinterpolation des diffrences divises de New-
ton;
Dfnir et manipuler les oprateurs de diffrence fnie (dplacement, avant,
arrire, centr et de moyenne);
Concevoir des tables des diffrences pour les valeurs des fonctions tabu-
les;
Driver et appliquer les mentions avant et arrire de Newton et la diffrence
centre des polynmes dinterpolation de Stirling;
Utiliser les polynmes dinterpolation des diffrences fnies en drivant
les mthodes dintgration numrique.
Wikipdia : Interpolation
Wolfram Math World (site consult le 4 mars 2007)
Comme pour MathWorld, llve doit chercher lentre correspondant lunit
tudie. Il doit galement faire une recherche par mots-cls dans tout le texte. En
gnral, Wikipdia prsente une liste restreinte dentres. Il savre donc facile de
les consulter.
Mots-cls et thormes
Les dfnitions compltes sont donnes dans le texte.
Interpolation : approximation dune fonction par lapplication des valeurs discr-
tes.
Polynme dinterpolation : polynme qui interpole une fonction par lapplication
de la notion de valeurs discrtes fournie.
Diffrences divises : diffrences des valeurs des fonctions fournies en relation avec
les diffrences entre les points discrets fournis.
Oprateurs de diffrence fnie : oprateurs mathmatiques utiliss dans la conception
des diffrences dans les valeurs des fonctions.
Table des diffrences fnies : table prsentant des ordres diffrents de diffrences
dans les valeurs des fonctions.
Introduction
Ce module se compose de combien dactivits dapprentissage?
Comme il a dj t mentionn dans le sommaire, les mthodes numriques sont utili-
ses pour faire lapproximation des nombres ainsi que pour approximer les fonctions.
Le contenu de ce module est divis en quatre activits dapprentissage. Deux de ces
activits portent sur les mthodes dapproximation des nombres (la notion dintgrale
dfnie et les racines des fonctions). Une autre activit dapprentissage dveloppe
la notion derreurs et une dernire activit sintresse aux mthodes numriques
dapproximation des fonctions.
Pourquoi choisir les polynmes pour faire lapproximation des fonctions?
On fait lapproximation des fonctions en utilisant dautres fonctions considres
comme tant plus simples manipuler numriquement. On utilise les polynmes en
particulier pour approximer dautres fonctions compliques, surtout parce que les
polynmes sont :
Faciles valuer;
Faciles diffrencier;
Faciles intgrer.
Pour commencer, nous allons dfnir le concept de linterpolation et tablir pourquoi
il est ncessaire dans les mthodes numriques. Ensuite, nous expliquerons de faon
dtaille le polynme le plus simple utilis dans lapproximation des fonctions, lin-
terpolation linaire. Puis, des polynmes dordre plus complexe seront prsents :
Les polynmes dinterpolation de Lagrange;
Les polynmes des diffrences divises de Newton;
Les polynmes dinterpolation des diffrences fnies.
Au terme de cette activit dapprentissage, nous discuterons brivement de lutilisation
possible des polynmes dinterpolation en drivant certaines mthodes dintgration
numrique comme la mthode des trapzes et la rgle de Simpson.
2.1 Signification de linterpolation
Le concept mathmatique de linterpolation est reli au problme dapproximation
dune fonction f dfnie dans un intervalle ferm ] , [ b a .
La fonction f quon doit approximer est habituellement dfnie par lensemble de
ses valeurs 1 + n points distincts situs dans lintervalle ] , [ b a . Gnralement,
des couples de valeurs sont donns :
b x a x n k x f x
n k k
= = = , ; ,..., 2 , 1 , 0 )); ( , (
0
Le problme consiste trouver les valeurs (ou mme les drivs) de la fonction
certains points non tabulaires situs dans lintervalle.
Ces types de problmes sont assez communs en physique et en chimie exprimentales,
o lexpression algbrique dune fonction peut tre inconnue, mais o les valeurs
pour diffrentes valeurs de la variable indpendante doivent tre obtenues de faon
exprimentale par des mesures en laboratoire.
Exemple caractristique (Bajpai et al, 1975, p. 205)
Selon une exprience mene en laboratoire de physique, la longueur y dun fl a t
mesure en rapport diffrentes charges x qui y taient suspendues. Les rsultats
de cette exprience sont relevs dans la table ci-dessous :
Table 1 : Charge oppose lextension dun fl
: x Charge (kg)
0 1 2 3 4 5
: y Longueur (mm)
2027.1 2029.4 2031.8 2034.1 2036.5 2039.0

partir des donnes obtenues, on peut souhaiter dcouvrir la longueur du fl corres-
pondant nimporte quelle charge non tabule situe dans lintervalle ] 5 , 0 [ . Cette
action est appele interpolation de la fonction f dfnie par ) (x f y = , pour laquelle
la dpendance fonctionnelle de y par rapport la charge x nest pas donne de
faon explicite. Toute tentative dutilisation des donnes pour calculer la longueur
du fl correspondant une charge autre que celles incluses dans lintervalle donn
est appele extrapolation.
2.2 Interpolation linaire
En interpolation linaire, nous tenons pour acquis que nous avons les points ) , (
0 0
f x A
et ) , (
1 1
f x B sur la courbe dune (habituellement inconnue) fonction continue
) (x f y = et que nous souhaitons faire lapproximation de la valeur dune fonction
un point

) , (
1 0
x x x ..
FAIRE
Revoir et apprendre les diffrentes formes de la dfnition d'une ligne droite et inscrire
l'quation de la ligne droite pour chacune des formes :
Deux points donns;
Un point et une pente donns.
Puisquune ligne droite est entirement dfnie par deux points donns, on fait lap-
proximation de la fonction f localement sur lintervalle ] , [
1 0
x x en ligne droite
partir des deux points donns.
L'quation de la ligne droite peut tre donne de diffrentes formes. Voici trois de
ces formes :
(i) Lhabituelle pente des points dintersection sur laxe des y ou forme de New-
ton;
(ii) La forme de Lagrange;
(iii) La forme dterminante.
Pour des raisons informatiques, la forme dterminante est la plus effcace des trois
formes donnes.
+
=
x x f
x x f
x x
iii
f
x x
x x
f
x x
x x
ii
x x
x x
f f
f i
x P
1 1
0 0
0 1
1
0 1
0
0
1 0
1
0
0 1
0 1
0
1
1
) (
) (
) ( ) (
) (
Exemple 1
partir des donnes obapproximation de la longueur du fl pour une charge de 2,7
kg.
Solution
Dans cet exemple, nous substituons les valeurs
7 . 2 , 1 . 2034 , 3 , 8 . 2031 , 2
1 1 0 0
= = = = = x f x f x
dans la forme dterminante de lquation et obtenons la valeur
41 . 2033
3 . 0 1 . 2034
7 . 0 8 . 2031
) 7 . 2 (
1
=
= P
qui semble tre raisonnablement prs de ce que nous attendons, car elle est plus prs
de
1
f quelle ne lest de
0
f .
FAIRE (2.1)
Appliquer les deux autres formes de la fonction dinterpolation linaire ) (
1
x P pour
approximer la longueur du fl pour une charge de 1,35 kg.
2.3 Erreur dinterpolation linaire
Tentons maintenant de rpondre la question suivante :
En interpolation linaire, quel est le degr dimportance de lerreur?
En dautres mots, nous souhaitons dcouvrir si les solutions obtenues par le procd
dinterpolation linaire sont prcises.
Voici une caractristique importante de linterpolation polynomiale ) (x P
n
de tout
degr :
n k x f x P
k k n
,..., 2 , 1 , 0 ), ( ) ( = = .
En interpolation linaire, on suppose que ) ( ) ( ), ( ) (
1 1 0 0
x f x P x f x P = = .
Donc, en interpolation linaire, lerreur ) (x E en un point ] , [
1 0
x x x doit tre de
la forme : C x x x x x E ) )( ( ) (
1
= , o C est une constante indpendante de x .
Dans une section venir de cette activit dapprentissage, la valeur C dune fonc-
tion ) (x f , qui doit tre suffsamment drivable, est telle que ) (
2
1
//
f C = , o
) , , ( ) , , (
1 0 1 0
x x x Max x x x Min < < .
Le rsultat dmontre ainsi que lerreur dinterpolation linaire prend la forme de

). (
2
1
) )( ( ) (
//
1 0 1
f x x x x x E =
Si ) (
//
x f Max M = est sur lintervalle ] , [
1 0
x x , alors on peut dmontrer que

2 2
0 1 1
8
1
) (
8
1
) ( Mh x x M x E = .
2.4 Polynmes dinterpolation
Comme nous lavons dj mentionn au dbut de cette activit dapprentissage,
le problme principal de linterpolation polynomiale peut tre dcrit de la faon
suivante :
La valeur
k k
f x f = ) ( dune fonction continue f 1 + n points distincts
n k x
k
,..., 2 , 1 , 0 , = est requise pour la conception dun polynme ) (x P
n
de degr
n , sil rpond aux critres de colocation suivants :

n k f x P
k k n
,..., 2 , 1 , 0 ; ) ( = =
On peut dmontrer que cette fonction, appele interpolation polynomiale , existe
et est unique.
Or, il existe diffrentes formes de reprsentation dinterpolation polynomiale.
Au cours de cette activit dapprentissage, nous ferons la dmonstration de quatre
de ces formes.
2.5 Interpolation polynomiale de Lagrange
En gnral, linterpolation polynomiale de Lagrange est de la forme
=
= + + + + =
n
i
i i n n n
f x L f x L f x L f x L f x L x P
0
2 2 1 1 0 0
) ( ) ( .... ) ( ) ( ) ( ) (
dans laquelle les termes n i x L
i
,..., 2 , 1 , 0 ), ( = sont des polynmes unitaires
(ou norms) de degr n en x , et sont appels les coeffcients dinterpolation de
Lagrange.
Pour sassurer que ) (x P
n
satisfait bien aux critres de colocation cits plus haut, les
coeffcients dinterpolation de Lagrange sont conus de faon ce quils vrifent
la condition
=
= =
j i if
j i if
x L
j i j i
0
1
) (
,
On peut vrifer si la dfnition de ) (x L

i
qui suit respecte cette condition :
) )...( )( )...( )( (
) )...( )( )...( )( (
) (
1 1 1 0
1 1 1 0
n i i i i i i i
n i i
i
x x x x x x x x x x
x x x x x x x x x x
x L

=
+
+
.
Maintenant que les coeffcients dinterpolation de Lagrange sont dfnis, on peut
vrifer la condition de colocation de linterpolation polynomiale pour
n j f f f x L x P
j i
n
i
ij
n
i
j j i j n
,..., 2 , 1 , 0 ; ) ( ) (
0 0
= = = =

= =
Exemple 2
Concevoir linterpolation polynomiale cubique de Lagrange qui interpole la fonction
f donne dans la table des valeurs suivante :
Table 2
i 0 1 2 3
i
x
1 2 3 4
i
f
1.54 0.58 0.01 0.35
P
3
(x) = 1.54L
0
(x) + 0.58L
1
(x) + 0.01L
2
(x) +

0.35L
3
(x)

o

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

=
=

=
=

=
=

=
x x x
x x x
x L
x x x
x x x
x L
x x x
x x x
x L
x x x
x x x
x L
FAIRE (2.2)
Appliquer linterpolation polynomiale de Lagrange dcrite ci-dessus pour interpoler
la fonction f en 6 . 2 = x
Observation
(i) Nous notons que la seconde forme (ii) de lquation dune ligne droite donne
dans lexercice FAIRE (2.1) est un exemple type de la formule dinterpolation
linaire de Lagrange.
(ii) Si nous modifons linterpolation polynomiale de Lagrange dun degr, par
exemple si nous passons de linterpolation linaire linterpolation quadrati-
que, tous les calculs devront tre faits de nouveau, car aucune des expressions
employes dans le cas de linterpolation linaire (les coeffcients linaires de
Lagrange ) ( ), (
1 0
x L x L ) nest utile dans la conception du polynme dinterpo-
lation quadratique de Lagrange.
cause de la deuxime observation, des efforts ont t faits pour concevoir des
polynmes dinterpolation itratifs, cest--dire quun polynme dinterpolation de
degr lev peut tre obtenu par la simple addition de termes de degr lev un
polynme dinterpolation de degr infrieur existant. Prsentons maintenant deux
polynmes dinterpolation illustrant ce principe.
2.6 Diffrences divises de Newton
Soit la fonction f donne en 1 + n points distincts
n
x x x ,..., ,
1 0
de telle sorte que

n k x f f
k k
,..., 2 , 1 , 0 , ) ( = = .
Dfnissons ce que nous considrons comme les diffrences divises de Newton

n k x x x f
k
,..., 2 , 1 , ] ,..., , [
1 0
= comme suit

0
1 2 1 0 3 2 1
2 1 0
0 3
2 1 0 3 2 1
3 2 1 0
0 2
1 0 2 1
2 1 0
0 1
0 1
1 0
] ,..., , , [ ] ,..., , , [
] ..., , , [
] , , [ ] , , [
] , , , [
] , [ ] , [
] , , [
] , [
x x
x x x x f x x x x f
x x x x f
x x
x x x f x x x f
x x x x f
x x
x x f x x f
x x x f
x x
f f
x x f
k
k k
k

Une table type des diffrences divises ressemble ceci :
Table 3: Table des diffrences divises
Difrences divises
x
) (x f
Premire Deuxime Troisime Quatrime
0
x ) (
0
x f
] , [
1 0
x x f
1
x ) (
1
x f
] , , [
2 1 0
x x x f
] , [
2 1
x x f
] , , , [
3 2 1 0
x x x x f
2
x ) (
2
x f
] , , [
3 2 1
x x x f ] , , , , [
4 3 2 1 0
x x x x x f
] , [
3 2
x x f ] , , , [
4 3 2 1
x x x x f
3
x ) (
3
x f ] , , [
4 3 2
x x x f ] , , , , [
5 4 3 2 1
x x x x x f
] , [
4 3
x x f ] , , , [
5 4 3 2
x x x x f
4
x ) (
4
x f
] , , [
5 4 3
x x x f
] , [
5 4
x x f
5
x ) (
5
x f
En utilisant les diffrences divises, Newton a driv le polynme de nime degr
) (x P
n
, qui interpole la fonction ) (x f aux 1 + n points de colocation distincts
n k x
k
,..., 2 , 1 , 0 , = : (Burden and Faires, 1989, p. 113)

=

+
+ =
+
+
+ + + =
n
k
k k n
n n
n
x x x x f x x x x x x x f x P
OR
x x x x f x x x x x x x x
x x x x f x x x x x x
x x x f x x x x x x f x x x f x P
1
1 2 1 0 1 0 0
2 1 0 1 2 1 0
3 2 1 0 2 1 0
2 1 0 1 0 1 0 0 0
] ,... , , [ ) )...( )( ( ) ( ) (
] ,..., , , [ ) )...( )( )( (
... ] , , , [ ) )( )( (
] , , [ ) )( ( ] , [ ) ( ) ( ) (
Nous illustrons cette approche dans lexemple qui suit.
Ou
Exemple 3
(i) Concevoir une table des diffrences divises pour la fonction ) (x f partir des
donnes suivantes :
Table 4 : Valeurs tabules dune fonction
x -3 -2 -1 0 1 2 3
f(x) -17 -25 -13 -5 -1 23 115
(ii) En partant de la table des diffrences obtenue, interpoler f en :
3 . 2 = x en utilisant les polynmes dinterpolation linaire, quadratique et cubique
de Newton bass sur 3
0
= x .
Solution
Table 5 : Table des diffrences divises
Difrences divises
x
) (x f
Premire Deuxime Troisime Quatrime
-3 -17
-8
-2 -25 10
12 -4
-1 -13 -2 1
8 0
0 -5 -2 1
4 4
1 -1 10 1
24 8
2 23 34
92
3 115
Linterpolation est base sur 0 . 3 = x
Interpolation linaire
Si nous prenons 3 . 2 , 8 ] , [ , 17 ) ( , 0 . 3
1 0 0 0
= = = = x x x f x f x , nous
obtenons 6 . 22 ] , [ ) ( ) ( ) 3 . 2 (
1 0 0 0
= + = x x f x x x f f .
Interpolation quadratique
tant donn que nous interpolons au mme point 3 . 2 = x , nous navons qu
prendre en compte le terme additionnel ] , , [ ) )( (
2 1 0 1 0
x x x f x x x x qui, au
point 3 . 2 = x a une valeur de 1 . 2 ) 10 )( 3 . 0 )( 7 . 0 ( =

En additionnant cette correction la valeur obtenue par linterpolation linaire, nous
obtenons 7 . 24 1 . 2 6 . 22 ) 3 . 2 ( = = f .

Interpolation cubique
Ici encore, nous navons qu calculer une correction et lapporter la valeur ob-
tenue par linterpolation quadratique.
Le terme additionnel est ] , , , [ ) )( )( (
3 2 1 0 2 1 0
x x x x f x x x x x x et sa valeur est
092 . 1 ) 4 )( 3 . 1 )( 3 . 0 )( 7 . 0 ( = . En apportant cette correction sur la valeur obtenue
par linterpolation quadratique, nous obtenons 792 . 25 ) 3 . 2 ( = f .
FAIRE (2.3)
Utiliser la table des diffrences divises ci-dessus pour
(i) Trouver la valeur de la diffrence divise ] , , [
4 3 2
x x x f et dmontrer le pro-
cessus exact pour y arriver.
(ii) Interpoler ) (x f at 3 . 0 = x en utilisant un polynme dinterpolation des dif-
frences divises de Newton de quatrime degr bas sur le point

0 . 1 = x
Comparer le rsultat la valeur de la fonction f telle que 5 4 3 2 ) (
2 3 4
+ + = x x x x x f
en 3 . 0 = x .
2.7 Oprateurs des diffrences finies
Le troisime et dernier ensemble de polynmes dinterpolation est troitement li
aux diffrences divises de Newton.
Ici, lhypothse de base est la suivante :
Les valeurs des fonctions
k k
f x f = : ) ( sont donnes en un nombre de points
distincts espacs par un intervalle constant dune longueur
k k
x x h =
+1
entre
chaque point conscutif.
Une introduction systmatique de la mthode dapproche doit tout dabord dfnir
quelques oprateurs de diffrence. Il y a quatre oprateurs de diffrence de base : les
oprateurs de dplacement, avant, arrire et centr. Ils sont dfnis comme suit :
Loprateur de dplacement E
Loprateur de dplacement E est dfni par la relation
) ( ) ( h x f x Ef + = dans le cas dune variable continue x , et par la relation
1 +
=
k k
f Ef dans le cas dune variable discrte
k
x .
La puissance de loprateur (positif ou ngatif) est dfnie de faon analogue :

p k k
p p
f f E ph x f x f E
+
= + = ); ( ) ( .
Loprateur de diffrence avant
Loprateur de diffrence avant est dfni par la relation
) ( ) ( ) ( x f h x f x f + = dans le cas dune variable continue x , et par la rela-
tion
k k k
f f f =
+1
dans le cas dune variable discrte
k
x . (1)
La puissance de loprateur de diffrence avant peut galement tre dfnie par
r r k
p
k
p
k
p
f f p f f f = = =
+
+ 0
1
1
,...; 12 , 0 peu importe la valeur de
r .
Loprateur de diffrence arrire
Loprateur de diffrence arrire est dfni par la relation ) ( ) ( ) ( h x f x f x f =

dans le cas dune variable continue x , et par la relation
1
=
k k k
f f f dans le cas dune variable discrte
k
x . (2)
La puissance de loprateur de diffrence arrire peut galement tre dfnie par
r r k
p
k
p
k
p
f f p f f f = = =

+ 0
1
1
,...; 12 , 0 peu importe la valeur
de r .
Loprateur de diffrence centre
Loprateur de diffrence centre est dfni par la relation
)
2
1
( )
2
1
( ) ( h x f h x f x f + = dans le cas dune variable continue x , et par la
relation
f
k
= f
k
f
k 1
dans le cas dune variable discrte
k
x . (3)
La puissance de loprateur de diffrence centre peut galement tre dfnie par
f
k +
1
2
f
k
1
2

peu importe la valeur de r . (4)
Relations entre les oprateurs de diffrence
La dfnition de la puissance de loprateur de dplacement E nous permet dtablir
des relations entre les trois autres oprateurs.
Premirement, nous pouvons remarquer que :
2
1
2
1
+
=
k
k
f f E ; ;
2
1
2
1
=
k
k
f f E
1
1
=
k k
f f E
En utilisant ces trois rsultats, tous bass sur la dfnition de loprateur de dplace-
ment, nous pouvons tablir les relations suivantes :
Puisque
k k k k k k
f E f Ef f f f ) 1 (
1
= = =
+
nous pouvons conclure que
1 1 + E or E

(5)
Ici encore, puisque
k k k k k k
f E f E f f f f ) 1 (
1 1
1

= = = nous pouvons
conclure que

1
1
1
1
E or E (6)
De la mme faon, puisque
k k k
k k
k
f E E f E f E f f f ) (
2
1
2
1
2
1
2
1
2
1
2
1

+
= = =
nous concluons que

2
1
2
1
E E (7)
Dans le cas de loprateur de diffrence centre , il est impossible dexprimer
loprateur de dplacement E si on considre loprateur de diffrence centre
seul. Or, nous pouvons le faire en utilisant les autres oprateurs de diffrences fnies.
Par exemple, nous pouvons relier les oprateurs de diffrence avant et arrire un
autre oprateur qui serait loprateur de diffrence de dplacement ou centre.
(i) En multipliant les deux cts de lquation (7) par
2
1
E et en prenant note du
rsultat de lquation (5), nous obtenons
= =

1 ) (
2
1
2
1
2
1
2
1
E E E E E .
Par consquent

2
1
2
1
, E E
(8)
(ii) En multipliant les deux cts de lquation (7) par
2
1
E et en prenant note du
rsultat de lquation (6), nous obtenons
= =

1
2
1
2
1
2
1
2
1
1 ) ( E E E E E .
Par consquent

2
1
2
1
, E E (9)
Maintenant que les relations entre les oprateurs , , , E sont tablies, il est
possible de dfnir nimporte quelle puissance des oprateurs , , .
Un dernier oprateur utile, loprateur de moyenne est souvent utilis en lien avec
certaines formules dinterpolation bases sur loprateur de diffrence centre .
Loprateur de moyenne est dfni selon la relation

+ =
+
2
1
2
1
2
1
k k
k
f f f (10)
2.8 Polynmes dinterpolation des diffrences finies
Maintenant que nous avons dfni les cinq oprateurs de diffrence ( E , , , ,
), nous sommes en mesure dtablir une liste (sans driver) dun certain nombre de
polynmes dinterpolation en fonction de leur utilisation. Nous discuterons de leur
utilisation exacte la suite de lintroduction du concept de la table des diffrences.
Plutt que doprer avec la variable x , ces polynmes sont habituellement dcrits
par la variable digitale s , obtenue par la changement des variables
( )
0
1
x x
h
s =

.(1) Polynme dinterpolation de diffrence avant de Newton
0
0
0
3
0
2
0 0
... ) 2 )( 1 (
6
1
) 1 (
2
1
) (
f
k
s
f s s s f s s f s f s P
k
n
k
n
=
+ + + + =
=
(2) Polynme dinterpolation de diffrence arrire de Newton
n
k
n
k
n n n n n
f
k
k s
+
=
+ + + + + + + =
=0
3 2
... ) 2 )( 1 (
6
1
) 1 (
2
1
) (

(3) Polynme dinterpolation de diffrence centre de Stirling
P
n
(s) = f
0
+ s f
0
+
1
2
s
2
2
f
0
+

1
6
s(s
2
1)
3
f
0
+
1
24
s
2
(s
2
1)
4
f
0
+ ..
(4) Polynme dinterpolation de diffrence centre de Bessel
... ) 2 ( ) 1 (
24
1
)
2
1
)( 1 (
6
1
) 1 (
2
1
)
2
1
( ) (
2
1
4 2
2
1
3
2
1
2
2
1
2
1
+
+ + + + =
f s s s
n

(5) Polynmes dinterpolation de diffrence centre dEverett

....
5
2
3
1
....
5
2
3
1
) (
0
4
0
2
0
1
4
1
2
1
+
+
+
+
+ +
+
+
+
+
+ =
f
t
f
t
tf
f
s
f
s
sf s P
n

o s t = 1 .
2.9 Table des diffrences
Les cinq polynmes dinterpolation des diffrences fnies prsents ci-dessus incluent
les diffrences avant, arrire ou centre de la puissance excdante. Il est important de
comprendre le processus pour arriver ces quantits. Lopration nest pas compli-
que. Ces quantits sont obtenues grce aux tables des diffrences conues avec les
valeurs de la fonction f donne aux points de colocation quidistants
k
x .
Les tables des valeurs sont obtenues par lapplication dun procd similaire celui
appliqu dans la conception des diffrences divises de Newton. Lunique diffrence
est que seules les diffrences des valeurs des fonctions sont concernes. Ces diff-
rences ne sont divises par aucune quantit. Voici des exemples types de tables des
diffrences :
Table 6 : Table des diffrences avant
DIFFRENCES AVANT
x
) (x f
Premire Deuxi-
me
Troisime Quatrime Cinquime
0
x
0
f
f
0
1
x
1
f
2
f
0
f
1
3
f
0
2
x
2
f
2
f
1
4
f
0
f
2
3
f
1
5
f
0
3
x
3
f
2
f
2
4
f
1
f
3
3
f
2
4
x
4
f
2
f
3
f
4
5
x
5
f
Observation
On peut noter que les entres situes un point
k
x dans la table des diffrences avant
forment une pente. Le polynme dinterpolation avant de Newton traite les valeurs
dans une telle trajectoire.
Table 7 : Table des diffrences arrire
DIFFRENCES ARRIRE
x
) (x f
Premire Deuxime Troisime Quatrime Cinquime
0
x
0
f
f
1
1
x
1
f

2
f
2
f
2

3
f
3
2
x
2
f

2
f
3

4
f
4
f
3

2
f
4

5
f
5
3
x
3
f

2
f
4

5
f
4
f
4

3
f
5
4
x
4
f

2
f
5
f
5
5
x
5
f
Observation
Ici encore, on peut noter que les entres situes en un point
k
x dans la table des dif-
frences arrire forment une pente. Le polynme dinterpolation arrire de Newton
traite les valeurs dans une telle trajectoire.
Table 8 : Table des diffrences centres
DIFFRENCES CENTRES
x
) (x f
Premire Deuxime Troisime Quatrime Cinquime
x
-3
f
-3
f
-2
f
-2
f
-2

2
f
-2
f
-1

3
f
-1
f
-1
f
-1

2
f
-1

4
f
-1
f
-

3
f
-
f

5
-
0
x
0
f

2
f
0

4
f
0
f

3
f

5
f
1
x
1
f

2
f
1

4
f
1
f
1

3
f
1
2
x
2
f

2
f
2
f
2
3
x
3
f
Observation
On peut noter que les entres situes en un point
k
x dans la table des diffrences
centres forment une ligne horizontale. Les formules de Strirling, Bessel et Everret
traitent les valeurs dans une telle trajectoire.
FAIRE (2.4)
(i) En utilisant la table 9 prsente la page 57 comme rfrence et en tenant compte
de 0 . 0
0
= x , donner les valeurs des diffrences fnies suivantes :
2 5
4
2
2
2
1
1
1
2
3
, , , , , f f f f f f .
(ii) Utiliser les quivalences expresses appropries
8
6
f en partant des diffrences
avant et arrire.
2.10 Appliquer les tables des diffrences en interpolation
Nous sommes maintenant prts aborder les questions de la conception dune table
des diffrences et de son utilisation en interpolation.
Exemple 4
(i) Concevoir une table des diffrences pour les fonctions tabules ci-dessous.
x 0 0.2 0.4 0.6 0.8 1.0
f(x) 1.0000 0.9801 0.9211 0.8253 0.6967 0.5403
(ii) Utiliser cette table pour interpoler ) (x f
En 1 . 0 = x , en appliquant la formule de diffrence avant de Newton;
En 9 . 0 = x , en appliquant la formule de diffrence arrire de Newton;
En 5 . 0 = x , en appliquant la formule de diffrence centre de Stirling.
Solutions
(i)
Table 9 : Table des diffrences
Difrences
x f(x) Premire Deuxime Troisime Quatrime Cinquime
0.0 1.0000
-0.0199
0.2 0.9801 -0.0391
-0.0590 0.0023
0.4 0.9211 -0.0368 0.0017
-0.0958 0.0040 -0.0007
0.6 0.8253 -0.0328 0.0010
-0.1286 0.0050
0.8 0.6967 -0.0278
-0.1564
1.0 0.5403
(ii) Interpolation
Application de la formule de diffrence avant de Newton
Prenons 0 . 0
0
= x et une longueur dintervalle quivalente 2 . 0 = h .
Aprs calcul, la valeur du paramtre s est : 5 . 0
2 . 0
0 . 0 1 . 0
=
= s .
La formule de diffrence avant de Newton donne :
.. ) 3 )( 2 )( 1 (
24
1
) 2 )( 1 (
6
1
) 1 (
2
1
) (
0
4
0
3
0
2
0 0
+ + + + + = f s s s s f s s s f s s f s f x f
Les entres de la table ncessaires ce calcul sont marques en surbrillance dans la
table des diffrences base sur 0 . 0
0
= x ci-dessus. Si on substitue ces valeurs et la
valeur calcule de s , on obtient le rsultat suivant :
9950 . 0 5 0000664062 . 0 00014375 . 0 0048875 . 0 00995 . 0 0000 . 1 ) 1 . 0 ( = + + f
Application de la formule de diffrence arrire de Newton
Prenons 0 . 1 =
n
x et la mme longueur dintervalle quivalente 2 . 0 = h .
Aprs calcul, la valeur du paramtre s est : 5 . 0
2 . 0
0 . 1 9 . 0
=
= s
La formule de diffrence arrire de Newton est la suivante :
.. ) 3 )( 2 )( 1 (
24
1
) 2 )( 1 (
6
1
) 1 (
2
1
) (
0
4
0
3
0
2
0 0
+ + + + + + + + + + + = f s s s s f s s s f s s f s f x f
Les entres de la table ncessaires ce calcul sont marques en surbrillance dans la
table des diffrences base sur 0 . 1 =
n
x . Une substitution directe de ces valeurs et
de la valeur calcule de s donne :
6216 . 0 0000390625 . 0 0003125 . 0 003475 . 0 0782 . 0 5403 . 0 ) 9 . 0 ( = + + f
arrondie quatre chiffres signifcatifs.
Application de la formule de diffrence centre de Stirling
Prenons 4 . 0
0
= x et un pas 2 . 0 = h .
Aprs calcul, la valeur du paramtre s est 5 . 0
2 . 0
4 . 0 5 . 0
=
= s
La formule de diffrence centre de Stirling est la suivante :
.. ) 1 (
24
1
) 1 (
6
1
2
1
) (
0
4 2 2
0
3 2
0
2 2
0 0
+ + + + + = f s s f s s f s f s f x f
Les entres de la table ncessaires ce calcul ne sont pas marques en surbrillance dans
la table ci-dessus, mais sont relativement faciles dceler. Pour llve, le problme
majeur peut se situer dans la recherche des moyennes des valeurs. Pour favoriser la
transparence des calculs, nous prsentons ce qui suit :
+ =
+ =

2
1
3
2
1
3
0
3
2
1
2
1 0
2
1
;
2
1
f f f f f f
Arms de ces prcisions, nous pouvons maintenant effectuer les calculs et arriver
au rsultat :
8776 . 0 5 0000132812 . 0 000196875 . 0 0046 . 0 0387 . 0 9211 . 0 ) 5 . 0 ( = = f
FAIRE (2.5)
En utilisant les entres de la table 9, appliquer la formule de diffrence centre
dEverret base sur 4 . 0
0
= x pour interpoler la fonction ) (x f at 45 . 0 = x .
Rfrences de lactivit dapprentissage
A.C. Bajpai, I.M. Calus and J.A. Fairley, Numerical Methods for Engineers and
Scientists, Taylor & Francis Ltd., London 1975.
R.L. Burden and D. Faires, Numerical Analysis, PWS-Kent Publishing Co. Boston,
Fifth Edition 1989.
Solutions des problmes dvaluation formative
FAIRE (2.1)
La charge 1,35 kg est prsente entre les charges 1 kg et 2 kg. Nous prenons et subs-
tituons donc pour les deux formules dinterpolation linaire :
(i) 24 . 2030 ) 35 . 0 )( 4 . 2 ( 4 . 2029 ) ( ) (
0
0 1
0 1
0 1
= + =
+ = x x
x x
f f
f x P
(ii)
24 . 2030 ) 8 . 2031 )( 35 . 0 ( ) 4 . 2029 )( 65 . 0 ( ) (
1
0 1
0
0
1 0
1
1
= + =
= f
x x
x x
f
x x
x x
x P
FAIRE (2.2)
) ( 35 . 0 ) ( 01 . 0 ) ( 58 . 0 ) ( 54 . 1 ) (
3 2 1 0 3
x L x L x L x L x P + + + =
6 . 2 = x , les valeurs des coeffcients de Lagrange sont les suivantes :
064 . 0 ) 3 6 . 2 )( 2 6 . 2 )( 1 6 . 2 (
6
1
) 6 . 2 (
672 . 0 ) 4 6 . 2 )( 2 6 . 2 )( 1 6 . 2 (
2
1
) 6 . 2 (
448 . 0 ) 4 6 . 2 )( 3 6 . 2 )( 1 6 . 2 (
2
1
) 6 . 2 (
056 . 0 ) 4 6 . 2 )( 3 6 . 2 )( 2 6 . 2 (
6
1
) 6 . 2 (
= =
= =
= =
= =
L
L
L
L
En substituant lexpression pour ) 6 . 2 (
3
P , on arrive au rsultat
15792 . 0 ) 6 . 2 (
3
= P
FAIRE
(i) 2 ] , , [
4 3 2
= x x x f
On obtient ce rsultat en appliquant la dfnition des diffrences divises suivante :
2 ) 12 8 (
2
1
) ( ) ( ) ( ) ( 1 ] , [ ] , [
] , , [
2 3
2 3
3 4
3 4
2 4 2 4
3 2 4 3
4 3 2
= =
=
x x
x f x f
x x
x f x f
x x x x
x x f x x f
x x x f
(ii) Linterpolation de ) (x f at 3 . 0 = x par lapplication du quatrime degr des
diffrences divises du polynme dinterpolation de Newton.
Ici 0 . 1
0
= x
ur|vers|l v|rlue||e Alr|ca|re
6279 . 0 ] , , , , [ ) )( )( )( (
092 . 1 ] , , , [ ) )( )( (
42 . 0 ] , , [ ) )( (
6 . 5 ] , [ ) (
13 ) (
] , , , , [ ) )( )( )( (
] , , , [ ) )( )( (
] , , [ ) )( (
] , [ ) (
) ( ) (
4 3 2 1 0 3 2 1 0
3 2 1 0 2 1 0
2 1 0 1 0
1 0 0
0
4 3 2 1 0 3 2 1 0
3 2 1 0 2 1 0
2 1 0 1 0
1 0 0
0 4
=
=
=
=
=

+
+
+
+ =
x x x x x f x x x x x x x x
x x x f x x x x
x x f x x
x f
x x x f x x x x
x x f x x
x f x P
Nous obtenons les rsultats suivants :
5159 . 6 6279 . 0 092 . 1 42 . 0 6 . 5 0 . 13 ) 3 . 0 (

4
= + + + = P
Dun autre ct, la fonction f telle que 5 4 3 2 ) (
2 3 4
+ + = x x x x x f prend
la mme valeur
(-6.5159) en 3 . 0 = x .
FAIRE (2.4)
(i) On arrive
0774 . 0
2
1
, 0007 . 0
, 0391 . 0 , 0590 . 0 , : , 1286 . 0
2
1
1
2
1
2
2 5
4
2
2
2
1
1
1
2
3
=
+ = =
= = =
f f f f
f f existent Non f f

Inexistant
(ii) Pour t rouver l a sol ut i on, on ut i l i se l es rel at i ons dqui val ence

2
1
2
1
, E E . On arrive :

11
6
3 8
6
8
6 3
8
6
2
1
5
6
3 8
6
8
6 3
8
6
2
1
8
6
f f f E f E
f f f E f E f
= = =
=
= = =
=
+
FAIRE (2.5)
On utilise les entres de la table 9 et on applique la formule de diffrence centre
dEverret base sur 4 . 0
0
= x pour interpoler la fonction ) ( x f at 45 . 0 = x .
Avec les quantits 45 . 0 , 2 . 0 ; 4 . 0
0
= = = x h x , les deux paramtres ncessaires
lapplication de la mthode dEverret sont :
75 . 0 1 , 25 . 0
2 . 0
4 . 0 45 . 0
0
= = =
= s t
h
x x
s
9004 . 0 ... ) 0368 . 0 )( 25 . 0 )( 75 . 0 )( 75 . 1 (
6
1
) 0328 . 0 )( 75 . 0 )( 25 . 0 )( 25 . 1 (
6
1
) 9211 . 0 )( 75 . 0 ( ) 8253 . 0 )( 25 . 0 ( ) 45 . 0 (
= +
+ + + = f
Intgration numrique
Sommaire
Au cours de cette activit dapprentissage, nous mettrons laccent sur les mthodes
dintgration numrique. Une partie importante de la prsentation est consacre
aux catgories de formules de Newton-Cotes. Toutefois, nous allons galement nous
attarder une famille de mthodes dintgration numrique plus prcise appeles les
mthodes dintgration de Gauss. Une attention particulire sera porte aux deux
mthodes de Newton-Cotes les plus connues : la mthode des trapzes et la rgle
de Simpson. Lapplication de la technique dextrapolation de Richardson sera ga-
lement tudie avec les deux mthodes par drivation de la mthode dintgration
de Romberg. Tout comme pour les mthodes dintgration de Gauss, nous limitons
lexplication la mthode de Gauss base sur les polynmes de Legendre. Voici les
rubriques dont il sera question dans cette activit dapprentissage :
Les utilisations de lintgration numrique;
La classifcation des mthodes;
Les formules de Newton-Cotes;
La mthode des trapzes;
La rgle de Simpson;
Les erreurs de termes dans la mthode des trapzes et la rgle de Simpson;
Lintgration de Romberg;
Les mthodes dintgration de Gauss.
Au terme de cette activit dapprentissage, llve sera en mesure de :
1. Classer les mthodes dintgration numrique;
2. Driver et appliquer la mthode des trapzes et la rgle de Simpson;
3. Driver et appliquer la mthode dintgration de Romberg base sur la mthode
des trapzes ou sur la rgle de Simpson;
4. Appliquer la mthode dintgration de Gauss base sur les polynmes de
Legendre.
Fundamental Numerical Methods and Data Analysis, George W. Collins, chapitre
4.
Wikipdia: Numerical Methods/Numerical Integration
de les consulter.
Mots-cls
Primitive de f
Une fonction F est appele primitive dune autre fonction f si
dF
dx
= f (x).
Ordre d'une mthode d'intgration
Une mthode d'intgration numrique porte la mention d'ordre p, si elle donne les
valeurs exactes de l'intgrale pour toutes les fonctions polynomiales f de degr
m p.
ur|vers|l v|rlue||e Alr|ca|re Z0
Activit dapprentissage : Intgration numrique
Introduction
Cette activit dapprentissage fait le point sur les fonctions qui distinguent la fa-
mille des mthodes de Newton-Cotes des mthodes dintgration de Gauss. Nous
utilisons une approche gomtrique pour driver la mthode des trapzes et la rgle
de Simpson. Puisqu ce stade llve na pas encore vu le concept des polynmes
orthogonaux, nous prsentons sans driver la mthode dintgration de Gauss base
sur les polynmes orthogonaux de Legendre. Pour illustrer ces concepts, des exemples
sont donns avec leurs solutions. Ils serviront assister llve dans lapprentissage
de ces mthodes et au moment de les appliquer.
3.1 Utilisations des mthodes dintgration numrique
Dans la premire activit dapprentissage (section 1.6 (b)), nous avons relev deux
exemples pour dmontrer limportance dapprendre et dappliquer les mthodes
numriques pour rsoudre certains problmes mathmatiques. La partie (ii) du pre-
mier exemple et le deuxime exemple en entier ont t choisis dans le but dillustrer
limportance des mthodes numriques dans lvaluation de certaines intgrales
dfnies.
3.2 Classifcation des mthodes dintgration numriques
Les mthodes numriques servant lapproximation de lintgrale dfnie f (x)dx
a
b

sont de la forme gnrale suivante :
f (x)dx W
k
k = 0
n
a
b
f (x
k
) ,
o les coeffcients
k
W sont appels coeffcients de pondration, les
k
x sont les
abscisses ou les nuds situs dans lintervalle ] , [ b a de lintgration et en lesquels
lintgrande f doit tre value.
3.3 Ordre dune mthode dintgration
Une mthode dintgration numrique porte la mention dordre p si elle donne la
valeur exacte de lintgrale pour toutes les fonctions polynomiales f de degr
m p.
La formule dintgration numrique gnrale donne plus haut possde 1 + n nuds
k
x et 1 + n poids correspondants, ce qui donne un total de 2 2 + n paramtres incon-
nus. Si un polynme de degr m est entirement dtermin par sa valeur 1 + m
points distincts, il sensuit que lordre de la formule dintgration numrique gnrale
donne ci-dessus est au plus 1 2 + n .
3.4 Mthodes dintgration numrique de Newton-Cotes
Les mthodes dintgration numrique de Newton-Cotes sont drives de la formule
gnrale partir des noncs suivants :
(i) Elles exigent 1 + n noeuds
k
x pour tre uniformment rparties dans lintervalle
dintgration ] , [ b a tels que
x
k
= x
0
+ kh
, n k ,... 2 , 1 , 0 = , o a x =
0
, b x
n
=
et

h =
b a
n

.
(ii) Elles dterminent 1 + n poids
k
W de telle faon que la formule donne les va-
leurs exactes de lintgrale pour toutes les fonctions polynomiales f dun degr
maximum de n .
La rgle du trapze et la rgle de Simpson font partie de cette catgorie de mtho-
des.
(a) La rgle du trapze
FAIRE (3.1)
(i) Quel type de fgure gomtrique est un trapze?
(ii) Quels sont les cts du trapze qui dterminent son aire?
(iii) Comment fait-on pour dterminer laire dun trapze?
La rgle du trapze (ou mthode des trapzes) est la mthode dintgration nu-
mrique pratique la plus simple. Elle est base sur le principe du calcul de laire
dun trapze. Pour suivre le principe de cette mthode, il sufft de remplacer la
courbe ) (x f y = par une ligne droite (approximation linaire) comme le dmontre
la fgure 3.1.
Gnralement, nous approximons laire A sous la courbe ) (x f y = entre les or-
donnes en
0
x et
1
x par ( )
1 0
2
f f
h
A + , o ) (
0 0
x f f = , ) (
1 1
x f f = , et h
quivalent la distance entre
0
x et
1
x .
Figure 3.1 : Rgle du trapze
En ce qui concerne lintgrale
b
a
dx x f ) ( , la rgle du trapze peut galement
tre applique en subdivisant lintervalle ] , [ b a en n sous-intervalles ] , [
1 k k
x x

,
n k ,... 3 , 2 , 1 = , de longueur gale quivalant au pas
1
=
k k
x x h , avec
0
x a = et
n
x b = . On applique ensuite la rgle du trapze sur chaque sous-intervalle. On peut
alors approximer laire A sous la courbe ) (x f y = entre les ordonnes
0
x a =
et
n
x b = par la rgle du trapze gnralise :
=
b
a
dx x f A ) (
( ) ( ) ( ) ( )
n n
f f
h
f f
h
f f
h
f f
h
+ + + + + + + +
1 3 2 2 1 1 0
2
...
2 2 2
f (x
0
)
f (x
1
)
Aire

( ) [ ]
n n
f f f f f f
h
+ + + + + +
1 3 2 1 0
... 2
2

( )

+ +

=
1
1
0
2
2
n
k
i n
f f f
h

Observation
Selon la rgle du trapze gnralise, les nuds sont choisis pour tre les points
quidistants
n k h k x x
k
,..., 3 , 2 , 1 , ) 1 (
0
= + =
, alors que les coeffcients de
pondration
k
W ont t dtermins de faon ce que la formule donne la valeur
exacte de lintgrale pour toutes les fonctions linaires prsentes sous la forme
b ax x f y + = = ) ( . On arrive donc :
h W W W W
h
W W
n n
= = = = = = =
1 3 2 1 0
... ;
2
.
Exemple 3.1
Faire lapproximation de
2
1
x
dx
en appliquant la rgle du trapze avec 10 = n (

1 . 0 = h )
Solution
Dans cet exemple :
x
x f
1
) ( = et 1 . 0 = h .
Nous valuons la fonction aux points x
i
= 1+ (i 1)0.1, i = 1, 2, 3,...10 et obte-
nons les paires de valeurs suivantes :
Table 3.1 : Valeur de la fonction
x
x f
1
) ( =
x
) (x f
x
) (x f
0 . 1 0 . 1 6 . 1 625 . 0
1 . 1
0.9091
7 . 1 5882 . 0
2 . 1 8333 . 0 8 . 1 5556 . 0
3 . 1 7692 . 0 9 . 1 5263 . 0
4 . 1 7143 . 0 0 . 2
0.5
5 . 1 6667 . 0
Lapplication directe de la rgle du trapze gnralise donne la valeur approxima-
tive :

[ ] 69377 . 0 5 . 0 ) 1877 . 6 ( 2 0 . 1
2
1 . 0
2
1
= + +
x
dx
.
(b) La rgle de Simpson
Pour obtenir la rgle de Simpson, on subdivise lintervalle ] , [ b a en deux sous-in-
tervalles quivalents en utilisant les points
2 1 0
, , x x x , o x
2
x
1
= x
1
x
0
= h, et
en remplaant la courbe de la fonction gnrale ) (x f y = sur lintervalle ] , [
2 0
x x
par le polynme dinterpolation quadratique de Lagrange
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
) )( (
) )( (
) )( (
) )( (
) )( (
) )( (
f
x x x x
x x x x
f
x x x x
x x x x
f
x x x x
x x x x
y

+

+

=

+ =
2 1 0 1 2 0 0 2 1
2
) )( (
2
1
) )( ( ) )( (
2
1 1
f x x x x f x x x x f x x x x
h

La mthode de Simpson est ainsi parfois appele la mthode des paraboles .
Lintgrale dfnie gnrale f (x)dx
x
0
x
2
est alors approxime par lintgrale ydx

x
0
x
2
.
Sans perte de gnralit, on peut prendre 0
0
= x et obtenir la formule
ydx = ydx =
h
3
0
2 h
x
0
x
2
f
0
+ 4 f
1
+ f
2
[ ]
.
Puisque la formule utilise les valeurs en trois points (c--d deux sous-intervalles
quivalents), une rgle de Simpson gnralise nest possible que lorsque le nombre
n de sous-intervalles est paire :
[x
0
, x
2
], [x
2
, x
4
], [x
4
, x
6
], ..., [x
n 2
, x
n
].
On applique la formule chacun des sous-intervalles et on additionne les rsultats
pour obtenir la formule de la rgle gnralise de Simpson
f (x)dx =
h
3
a
b
f
0
+ 4 f
1
+ f
2
[ ]
+ f
2
+ 4 f
3
+ f
4
[ ]
+ ... + f
n 2
+ 4 f
n1
+ f
n
[ ]
=
h
3
f
0
+ 4( f
1
+ f
3
+ ... + f
n1
) + 2( f
2
+ f
4
+ ... + f
n 2
) + f
n
[ ]
=
h
3
( f
0
+ f
n
) + 4 f
2 k 1
k =1
n/ 2
+ 2 f
2 k
k =1
( n 2 ) / 2
Exemple 3.1
Faire lapproximation de
dx
x
1
2
en appliquant la rgle de Simpson pour 10 = n (

1 . 0 = h ).
Solution
Il sagit du mme problme que nous avons rsolu plus haut par la rgle du trapze.
Nous pouvons certainement appliquer la rgle de Simpson, car le nombre de sous-
intervalles est encore (n = 10). Si on utilise les valeurs donnes la table 3.1, on
obtient :
dx
x
1
2

0.1
3
1.0 + 4(3.4595) + 2(2.7282) + 0.5 [ ] = 0.693147 .
FAIRE (3.2)
(i) Quelle est la valeur exacte de lintgrale
dx
x
1
2
?
(ii) Laquelle des deux approximations de lintgrale obtenues est la plus exacte (rgle
de Simpson ou rgle du trapze)?
(iii) Si on prend un intervalle h plus petit (en augmentant le nombre de sous-in-
tervalles et en faisant le partage de lintervalle dintgration), de quelle faon
infuence-t-on lexactitude des approximations de la rgle du trapze ou de la
rgle de Simpson?
3.5 Termes derreur dans la mthode des trapzes et dans la rgle de Simpson
Si la valeur exacte de 69314718 . 0 est 2 ln , les rponses aux deux questions de-
vraient dmontrer que la rgle de Simpson est plus exacte que la rgle du trapze, et
que lexactitude des deux mthodes augmente mesure que diminue la longueur de
lintervalle h . Ces rsultats deviennent plus frappants avec les termes derreur des
mthodes respectives.
(i) Terme derreur dans la mthode des trapzes
Pour des fonctions se comportant convenablement f on peut dmontrer (Cf. Fox
and Mayer, 1958) que la valeur exacte (relle) I de lintgrale f (x)dx
a
b
est relie
la valeur ) (h T obtenue par la rgle du trapze avec une longueur dintervalle h
par lexpression
ur|vers|l v|rlue||e Alr|ca|re ZZ
I T (h) = A
T
h
2
+ B
T
h
4
+ C
T
h
6
+ ...
dans laquelle ,... , ,
T T T
C B A sont des constantes ayant des valeurs indpen-
dantes la longueur dintervalle . h
(ii) Terme derreur dans la rgle de Simpson
De la mme faon, lerreur dapproximation de Simpson ) (h S de lintgrale I est
donne par
I S(h) = A
S
h
4
+ B
S
h
6
+ C
S
h
8
+ ...
dans laquelle ,... , ,
S S S
C B A sont toujours des constantes ayant des valeurs
qui ne dpendent pas de la longueur dintervalle . h
Le terme derreur principal dans la rgle du trapze est
2
h A
T
alors que celui de la
rgle de Simpson est
4
h A
S
. Cette conclusion explique pourquoi la rgle de Simp-
son est considrablement plus exacte que la rgle du trapze pour la mme longueur
dintervalle h .
3.6 Mthode dintgration de Romberg
proprement parler, la mthode dintgration de Romberg nest pas une mthode
de Newton-Cotes. La mthode dintgration de Romberg est une technique post-
traitement. Cette mthode utilise les valeurs calcules davance pour arriver des
rsultats plus exacts.
La mthode tire parti de la connaissance des termes derreur dans la rgle du trapze
ou la rgle de Simpson pour produire une approximation beaucoup plus exacte de
lintgrale en utilisant les valeurs approximatives calcules davance.
(a) Le recours la mthode des trapzes dans lintgration de Romberg
Prenons
1
h et
2
h comme deux intervalles distincts utiliss avec la mthode des
trapzes. partir de la forme de terme derreur donne plus haut, nous pouvons
affrmer que :

I T (h
1
) = A
T
h
1
2
+ B
T
h
1
4
+ C
T
h
1
6
+ ...

I T (h
2
) = A
T
h
2
2
+ B
T
h
2
4
+ C
T
h
2
6
+ ...
En liminant la constante
T
A des deux formules et en en rsolvant I nous obte-
nons :

I = T (h
2
) +
h
2
2
h
1
2
h
2
2
T (h
2
) T (h
1
) { } B
T
h
1
4
h
2
4
+ ...
Si nous choisissons
1 2
2
1
h h = (en coupant lintervalle en deux), nous obtenons :

I = T (
1
2
h
1
) +
1
3
T (
1
2
h
1
) T (h
1
)
1
4
B
T
h
1
4
+ ...
La quantit
T (h
1
,
1
2
h
1
) = T (
1
2
h
1
) +
1
3
T (
1
2
h
1
) T (h
1
)
est une approximation de lintgrale I possdant un degr derreur beaucoup plus

faible que nimporte laquelle des deux approximations ) (
1
h T et ) (
2
h T . Cette valeur
est appele la valeur dintgrale de Romberg lgard de la rgle du trapze.
(b) Le recours la rgle de Simpson dans lintgration de Romberg
La drivation de la formule dintgration de Romberg base sur la rgle de Simpson
suit la procdure utilise pour la mthode des trapzes.
Prenons
1
h et
2
h comme deux intervalles distincts utiliss avec la rgle de Simpson.
partir de la forme de terme derreur donne plus haut, nous pouvons dire que :

I S(h
1
) = A
S
h
1
2
+ B
S
h
1
4
+ C
S
h
1
6
+ ...

I S(h
2
) = A
S
h
2
2
+ B
S
h
2
4
+ C
S
h
2
6
+ ...
En liminant la constante
S
A des deux formules et en en rsolvant I nous obte-
nons :

I = S(h
2
) +
h
2
4
h
1
4
h
2
4
S(h
2
) S(h
1
) { }
h
1
4
h
2
4
(h
2
2
h
1
2
)
h
1
4
h
2
4
B
S
+ ...

I = S(h
2
) +
h
2
4
h
1
4
h
2
4
S(h
2
) S(h
1
) { }
h
1
4
h
2
4
(h
2
2
h
1
2
)
h
1
4
h
2
4
B
S
+ ...
Si nous choisissons
1 2
2
1
h h = (en coupant lintervalle en deux), nous obtenons :

I = S(
1
2
h
1
) +
1
15
S(
1
2
h
1
) S(h
1
)
h
6
20
B
S
+ ...
La quantit S(h
1
,
1
2
h
1
) = S(
1
2
h
1
) +
1
15
S(
1
2
h
1
) S(h
1
)
est une approximation de lintgrale I possdant un degr derreur beaucoup plus

faible que nimporte laquelle des deux approximations ) (
1
h S et ) (
2
h S . Cette valeur
est appele la valeur dintgrale de Romberg lgard de la rgle de Simpson.
Exemple 3.3
Approximer
2
1
x
dx
laide de la mthode dintgration de Romberg base sur la rgle
du trapze avec 2 . 0
1
= h et 1 . 0
2
= h .
Solution
Toutes les valeurs requises pour effectuer les calculs sont donnes dans la table 3.1.
On arrive :
[ ] 69564 . 0 5 . 0 ) 7282 . 2 ( 2 0 . 1
2
2 . 0
) 2 . 0 ( = + + = T
[ ] 69377 . 0 5 . 0 ) 1877 . 6 ( 2 0 . 1
2
1 . 0
) 1 . 0 ( = + + = T .
Par consquent,
{ } 693147 . 0 ) 2 . 0 ( ) 1 . 0 (
3
1
) 1 . 0 ( ) 1 . 0 , 2 . 0 ( = + = T T T T .
La valeur de Romberg obtenue par la combinaison de deux valeurs assez imprcises
en utilisant la rgle du trapze possde le mme degr de prcision que celle obtenue
par lapplication de la rgle de Simpson avec 1 . 0 = h .
FAIRE (3.3)
(i) Est-il possible dappliquer la rgle de Simpson lintgrale
2
1
x
dx
en utilisant
lintervalle 2 . 0 = h ?
(ii) Si la rponse est OUI, appliquer la mthode. Si la rponse est NON, expliquer
concrtement pourquoi.
Exemple 3.4
Concevoir une table des valeurs pour la fonction f dfnie par
x
x f
1
) ( = aux points
quidistants 9 ,..., 3 , 2 , 1 ); 1 ( 125 . 0 1 = + = k k x
k
. Approximer ensuite lintgrale
2
1
x
dx
en appliquant la mthode dintgration de Romberg base sur la rgle de
Simpson avec les longueurs dintervalle 25 . 0
1
= h and 125 . 0
2
= h .
Solution
Table 3.2 : Valeur de la fonction f dfnie par
x
x f
1
) ( =
x
) (x f
x
) (x f
1.0
0 . 1
1.625 0.615385
1.125 0.888889 1.75 0.571429
1.25 0.8 1.875 0.533333
1.375 0.727273 2.0 0.5
1.5 0.666667
Avec ces valeurs, on arrive :
[ ] 693254 . 0 5 . 0 ) 666667 . 0 ( 2 ) 371429 . 1 ( 4 0 . 1
3
25 . 0
) 25 . 0 ( = + + + = S
[ ] 693155 . 0 5 . 0 ) 038096 . 2 ( 2 ) 764880 . 2 ( 4 0 . 1
3
125 . 0
) 125 . 0 ( = + + + = S
En utilisant ces deux approximations dintgrale de Simpson, la mthode dintgration
de Romberg mne une valeur beaucoup plus prcise
[ ] 6931484 . 0 ) 25 . 0 ( ) 125 . 0 (
15
1
) 125 . 0 ( ) 125 . 0 , 25 . 0 ( = + = S S S S .
3.7 Mthodes dintgration de Gauss
Les mthodes dintgration de Gauss sont drives de la formule dintgration g-
nrale ) ( ) (
0
k
b
a
n
k
k
x f W dx x f

=
qui suppose que tous les 2 2 + n paramtres de la
formule (les 1 + n nuds
k
x et leurs 1 + n poids
k
W correspondants) doivent tre
dtermins et que la formule dintgration rsultante donne les valeurs exactes de
toutes les fonctions polynomiales ) (x f de degr infrieur ou gal 1 2 + n .
Pour les fonctions f dfnies dans lintervalle ] 1 , 1 [ , Gauss a dvelopp la formule
dintgration numrique
=
=
1
1
1
) ( ) (
n
k
k k
x f W dx x f
dans laquelle les nuds sont les racines de certains polynmes spciaux (polynmes
orthogonaux de Legendre) qui sont positionns de faon symtrique sur le point
dorigine et pour lesquels tous les coeffcients de pondration sont positifs.
Les restrictions mentionnes concernant lintervalle de lintgration pour les mthodes
dintgration de Gauss ne sont pas importantes, car il est possible de transformer nim-
porte quel intervalle fni ] , [ b a en ] 1 , 1 [ en utilisant la formule de transformation

2
1 +
=
t
a b
a x
or ) 1 (
2
+
+ = t
a b
a x ,

deux intervalles de mme type tant homomorphes, pour ainsi obtenir lintgrale
transforme du ct droit de lquation

dt t
a b
a f
a b
dx x f
b
a

=
1
1
) 1 (
2 2
) (
sur laquelle la mthode dintgration de Gauss peut tre applique.
De vastes tables ont t conues pour illustrer les valeurs des noeuds de Gauss ainsi
que le poids correspondant diffrentes valeurs de n . Ces tables sont prtes lemploi
pour la rsolution de nimporte quelle intgrale dfnie dans un intervalle fni.
Voici la reproduction dune table des poids et nuds pour la mthode dintgration
de Gauss base sur les polynmes de Legendre pour . 5 , 4 , 3 , 2 , 1 = n
Nuds et poids pour la mthode dintgration de Gauss-Legendre
n
Nuds
k
t
Poids
k
W
1

0.577 350 1.000 000
2

0.000 000
0.774 597
0.888 889
0.555 556
3

0.339 981
0.861 136
0.652 145
0.347 855
4

0.000 000
0.538 469
0.906 180
0.568 889
0.478 629
0.236 927
5

0.238 619
0.661 209
0.932 470
0.467 914
0.360 762
0.171 324
Exemple 3.5
Approximer lintgrale
+
=
4
2
2
1 x
dx
I en appliquant la mthode dintgration de
Gauss et en utilisant les nuds et poids de Gauss-Legendre . 4 = n
Solution
Si 2 = a et 4 = b la transformation des variables ] 4 , 2 [ x en ] 1 , 1 [ t donne :
3 + = t x et dt dx =

=
+ +
=
+
1
1
1
1
2
4
2
2
) (
) 3 ( 1 1
dt t F
t
dt
x
dx
Des calculs directs mnent aux valeurs suivantes :
568889 . 0
0
= W ; 1 . 0 ) 0 ( = F

0568889 . 0 ) 0 (
0
= F W
; 478629 . 0
1
= W 073960 . 0 ) 538469 . 0 ( = + F ; 141660 . 0 ) 538469 . 0 ( = F
[ ] 1032020 . 0 ) 538469 . 0 ( ) 538469 . 0 (

1
= + F F W
; 236927 . 0
2
= W 061507 . 0 ) 906180 . 0 ( = + F ; 185733 . 0 ) 906180 . 0 ( = F

[ ] 0585778 . 0 ) 906180 . 0 ( ) 906180 . 0 (
2
= + F F W
En additionnant ensemble les trois produits, on arrive la valeur :
218667 . 0 = I
Ce rsultat est dune exactitude tonnante, car la valeur exacte de lintgrale est :
Arc tan(4) Arc tan(2) = 1.325818 1.107149 = 0.218669.
FAIRE (3.4)
Approximer lintgrale dx x e
x
2
1
) cos( laide de la mthode dintgration de Gauss
en utilisant les noeuds et poids de Gauss-Legendre pour 4 n = .
Rfrences de cette activit dapprentissage
Fox, L. and Mayers, D.F., Computing Methods for Scientists and Engineers, - Oxford
University Press, London (1958).
Solution des questions dvaluation formative
FAIRE (3.1)
(i) Un trapze est un quadrilatre possdant une paire de cts parallles.
(ii) Les cts dun trapze qui dterminent son aire sont sa paire de cts parall-
les.
(iii) Laire dun trapze est donne par la formule : [ ]
2 1
2
L L
h
A Aire + = ,
dans laquelle
2 1
, L L sont les longueurs des cts parallles et h est la distance
perpendiculaire entre eux.
FAIRE (3.2)
(i) La valeur exacte de lintgrale
2
1
x
dx
est 693147 . 0 ) 2 ln( = .
(ii) Lapproximation obtenue en utilisant la rgle de Simpson est plus exacte (possde
un degr derreur plus faible) que celle obtenue par lutilisation de la mthode des
trapzes.
(iii) Le degr dexactitude de la mthode des trapzes et de la rgle de Simpson aug-
mente mesure que le pas h diminue.
FAIRE (3.3)
(i) Il est possible dappliquer la rgle de Simpson sur lintgrale
2
1
x
dx
en utilisant
le pas 2 . 0 = h .
(ii) Cest impossible parce quavec 2 . 0 = h le nombre de sous-intervalles sur lin-
tervalle ] 2 , 1 [ de lintgration serait impair (5) alors que la rgle de Simpson ne
peut tre applique que lorsque le nombre de sous-intervalles est pair.
FAIRE (3.4)
Lintgrale dx x e
x
) cos(
2
1
est tout dabord transforme en
1
1
) ( dt t F par lapplication
de le changement des variables :
dt dx t t t F t x
2
3
, 1 ) 1 (
2
3
cos ) 1 (
2
3
1 exp ) ( ; 1 ) 1 (
2
3
=
+ = + =
On utilise les nuds et les coeffcients de pondration suivants :
861136 . 0 , 861136 . 0 , 347855 . 0

339981 . 0 , 339981 . 0 , 652145 . 0
2 2 2
1 1 1
= = =
= = =
t t W
t t W
On arrive :
( ) ( ) [ ] 967614 . 1 ) ( ) ( ) ( ) (
2
3
) cos(
2 2 2 1 1 1
2
1
= + + + =
W t F t F W t F t F dx x e
x
.
Racines des fonctions
Sommaire
Nous entamons la quatrime et dernire activit dapprentissage de ce module. Au
cours de cette activit, nous discuterons dun problme mathmatique frquent : le
problme de recherche dune racine dune quation non linaire
0 ) ( = x f , renfermant une variable indpendante simple x ou, pour un systme
coupl de deux quations non linaires
0 ) , ( = y x f , 0 ) , ( = y x g ,
) , ( y x tant deux variables indpendantes.
Au terme de cette activit dapprentissage, llve saura driver et appliquer la m-
thode de dichotomie et dmontrer quelle converge toujours; driver et appliquer la
mthode de la scante et la mthode regula falsi; driver et appliquer la mthode de
Newton-Raphson et driver et appliquer la mthode de Newton pour un systme coupl
dquations non linaires. Aprs cette prsentation, nous discuterons brivement du
concept des points fxes dune fonction et des thormes qui assurent leur existence
et leur unicit et nous ferons le rapprochement entre ces concepts et le problme de
recherche dune racine de faon ce que llve puisse driver ses propres mthodes
ditration convergentes.
Wikipdia: Numerical Methods/Equation Solving
de les consulter.
Mots-cls, thormes
[Des dfnitions compltes sont donnes dans le texte]
Racine ou zro d'une fonction : une valeur x pour laquelle la fonction prend la
valeur zro.
Points fxes d'une fonction : une valeur de x en laquelle la fonction prend une valeur
gale x , ou un point invariant par la fonction (p. ex. f(2)=2).
Thorme des valeurs intermdiaires des fonctions continues : une fonction
continue prend toutes les valeurs comprises entre deux valeurs dune fonction.
Activit d'apprentissage : Racines des fonctions
Introduction
Dans cette activit d'apprentissage, nous prsenterons cinq mthodes numriques
servant rechercher les racines des fonctions. Les quatre premires mthodes sont
utilises pour rsoudre l'quation non linaire 0 ) ( = x f
. La cinquime mthode
est utilise pour rsoudre un systme coupl de deux quations non linaires deux
variables :
0 ) , ( , 0 ) , ( = = y x g y x f
Nous driverons la mthode de dichotomie et dmontrerons que cette mthode est
toujours convergente. Nous ferons suivre ces explications de la mthode regula falsi,
similaire la mthode de dichotomie, mais qui converge lgrement plus rapidement.
La mthode de la scante sera ensuite prsente. Nous verrons qu'elle partage une
formule mathmatique usuelle avec la mthode regula falsi. Toutefois, la mthode de
la scante est plus effcace du point de vue de l'informatique. La mthode de Newton-
Raphson est explique vers la fn, car on la prsente comme une forme gnralise
des mthodes de la scante et regula falsi.
Racines des zros d'une fonction
Pour une fonction dune valeur indpendante unique ) (x f y = , un point = x est
appel racine ou zro de f si la valeur de la fonction est zro ce point, signifcatif
0 ) ( = f . Dans la fgure 4.1, les points
3 2 1
, , x x x x x x = = = sont les
racines de la fonction f .

x
1
x
2
x
3

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

) (x f y =
y
x
Figure 4.1 : Racines de la fonction f
Mthodes numriques
(a) La mthode de dichotomie
La mthode de dichotomie, pour approximer les racines des fonctions, est un exemple
type de mthode ditration.
Dans sa forme la plus simple, une mthode ditration peut tre dfnie par un procd
rptitif dapplication de la fonction g sur une ou plusieurs valeurs approximatives
antrieures
1 n
x pour produire une nouvelle approximation
n
x (supposment)
plus exacte de la quantit spcifque recherche. En formalisme mathmatique, nous
lillustrons de cette faon :
,...) , , (
3 2 1
=
n n n n
x x x g x .
La mthode de dichotomie est base sur le thorme de valeur intermdiaire des
fonctions continues. Si f est continue sur lintervalle ] , [ b a et si les valeurs ) (a f et
) (b f ont des signes diffrents ( 0 ) ( ) ( < b f a f ), alors lquation 0 ) ( = x f possde
au moins une racine relle

] , [ b a .
Si on suppose que les points a et b ont t slectionns pour ne contenir quune
seule racine, nous pouvons diviser lintervalle ] , [ b a en deux parties gales au point
) (
2
1
b a c + = et conclure que la racine rside soit dans lintervalle ) , ( c a , soit dans
lintervalle ) , ( b c , condition que 0 ) ( c f . Dans ce cas, c est la racine recher-
che.
La mthode de dichotomie refait le mme processus de division de lintervalle conte-
nant la racine jusqu se trouver assez prs de la racine.
Ce procd est rsum dans lalgorithme suivant : (Kendal E. Atkinson, 1989
p.56).
Algorithme divis
f (x), a, b, ,

tapes :
1. Prendre a x = :
1
et b x = :
2
;
2. Dfnir [ ]
2 1 3
2
1
x x x + = ;
3. Si
3 2
x x , alors admettre
3
x = et sortir;
4. Si 0 ) ( ) (
3 2
x f x f , alors
3 1
: x x = ; sinon
3 2
: x x = ;
5. Recommencer ltape 2.
Convergence de la mthode de dichotomie
La convergence de toute mthode ditration suppose que lerreur dapproximation
tend vers zro mesure que le nombre ditrations augmente.
En ce qui concerne la mthode de dichotomie, la valeur absolue de lerreur est
borne par la longueur de lintervalle dans laquelle rside la racine cette tape
particulire.
Borne de lerreur aprs la 1
re
dichotomie [ ] a b x =
2
1
1 3

Erreur aprs la 2
e
dichotomie
2
2 4
2 2 2
1 a b a b
x

=

=
Erreur aprs la 3
e
dichotomie
3 2
3 5
2 2 2
1 a b a b
x

=

=
Erreur aprs la n
e
dichotomie
n n
n
a b a b
x
2 2 2
1
1
6

=

=

Parce que 0
2
lim lim =

=

n
n
n
n
a b
, nous concluons que la mthode de dichotomie
converge toujours.
Exemple 4.1
Dmontrer que la fonction f dfnie par 10 4 ) (
2
+ = x x x f possde une racine
dans lintervalle ) 2 , 1 ( et utilise les limites de lintervalle comme valeurs de dpart
de la mthode de dichotomie pour approximer la racine en dix fractionnements en
deux parties.
Solution
Nous valuons la fonction aux deux extrmits de lintervalle donn et arrivons
5 ) 1 ( = f et 2 ) 2 ( = f . Puisque f est une fonction continue et que 0 ) 2 ( ) 1 ( < f f
, le thorme de valeur intermdiaire dmontre que f possde au moins une racine
dans lintervalle [1, 2]. Nous pouvons par consquent appliquer la mthode de di-
chotomie pour arriver aux rsultats tabuls ci-dessous.
Table 4.1 : Mthode de dichotomie de la fonction 10 4 ) (
2
+ = x x x f
n a
) (a f
b
) (b f
c
) (c f
1 -5 2 2 1.5 -1.75
1 1.5 -1.75 2 1.5 1.75 0.0625
2 1.5 -1.75 1.75 0.0625 1.625 -0.859375
3 1.625 -0.859375 1.75 0.0625 1.6875 -0.402344
4 1.6875 -0.402344 1.75 0.0625 1.71875 -0.170898
5 1.71875 -.170898 1.75 0.0625 1.734375 -0.054443
6 1.734375 -0.054443 1.75 0.0625 1.742188 0.003971
7 1.734375 -0.054443 1.742188 0.003971 1.738282 -0.025248
8 1.738282 -0.025248 1.742188 0.003971 1.740235 -0.010642
9 1.740235 -0.010642 1.742188 0.003971 1.741212 -0.003333
10 1.741212 -0.003333 1.742188 0.003971 1.741700 0.000319
La suite des valeurs prsentes dans la colonne c de la table est convergente. La valeur
exacte de la racine approche dans cette suite (en utilisant la formule quadratique)
est ... 741657 . 1 =
FAIRE (4.1)
Dmontrer que la fonction f dfnie par ) cos( ) ( x x x f = possde une racine dans
lintervalle [0,1] et appliquer la mthode de dichotomie dans seulement cinq itrations
pour approximer sa racine.
(a) La mthode regula falsi
La mthode de dichotomie que nous venons de prsenter est peu utile. Cest une
mthode qui ncessite de grands efforts de calcul des valeurs de la fonction f
deux points qui ne sont utiliss que pour rechercher dans quel sous-intervalle rside
la racine, mais qui ne sert jamais calculer la valeur approximative dune fonction.
La mthode regula falsi (ou mthode de la fausse position) corrige cette anomalie.
La mthode conserve le principe de lenceinte caractristique de la mthode de di-
chotomie, mais utilise galement les valeurs de la fonction deux points encerclant
la racine dune fonction.
La dmarche gnrale pour cette mthode et les mthodes suivantes (mthode
de la scante et mthode de Newton-Raphson) est le remplacement de la courbe
) (x f y = dans lintervalle o on trouve la racine par une ligne droite joignant les
deux points.
Donc, on suppose la racine appartenir lintervalle ] , [
2 1
x x . Lquation de la
droite scante joignant les deux points ) , (
1 1
f x A et ) , (
2 2
f x B est
) (
1
1 2
1 2
1
x x
x x
f f
f y
+ = .
Figure 4.2 Mthode regula falsi

y
x
1
x
2
x
Secant
3
x
A
B
Cette droite coupe laxe des x au point ayant pour coordonnes ) 0 , (
3
x o
1 2
1 2 2 1
1
1 2
1 2
1 3
f f
f x f x
f
f f
x x
x x
=
Contrairement la mthode de dichotomie, la mthode regula falsi suppose que les
deux valeurs
1
x et
2
x encerclent la racine recherche et exige que 0
2 1
< f f . De
plus, elle fait intervenir les mmes valeurs de la fonction dans le calcul dune nouvelle
approximation de sa racine.
Dans un procd itratif utilisant lalgorithme suivant, le procd que nous avons vu
peut tre reproduit plusieurs fois.
Algorithme regula falsi
, , , ), ( b a x f
)
tapes :
1. Dfnir
1
1 2
1 2
1 3
f
f f
x x
x x

= ;
2. Si
3 1
x x and
3 2
x x alors admettre
3
x =
et sortir;
3. Si 0
3 2
f f , alors
3 1
: x x = ; sinon
3 2
: x x = ;
Exemple 4.2
En partant des valeurs 2 , 1
2 1
= = x x , appliquer la mthode regula falsi la fonction
f telle que 10 4 ) (
2
+ = x x x f pour obtenir la valeur approximative de la racine
encercle dans lintervalle ) , (
2 1
x x en seulement quatre (4) itrations.
Table 4.2 : La mthode regula falsi pour la fonction f telle que
10 4 ) (
2
+ = x x x f
n
1
x ) (
1
x f
2
x ) (
2
x f
1 2
1 2 2 1
3
f f
f x f x
x
=
) (
3
x f
1 -5 2 2 1.714286 -0.181785
1 1.714286 -0.181785 2 2 1.740842 -0.006101
2 1.740842 -0.006101 2 2 1.741630 -0.000205
3 1.741630 -0.000205 2 2 1.741656 -0.000010
4 1.741656 -0.000010 2 2 1.741657 -0.000003
Un examen des valeurs de
3
x dans le contexte de la valeur exacte de la racine
... 741657387 . 1 = dmontre que la mthode regula falsi converge plus rapidement
que la mthode de dichotomie.
Observation
En ce qui concerne les mthodes de dichotomie et regula falsi, la ncessit que les
deux valeurs utilises pour les calculs
2 1
, x x doivent encercler la racine est, du
point de vue de linformatique, trs restrictive et rduit de beaucoup leffcacit des
deux mthodes. Dans un algorithme programm, le procd qui consiste vrifer si
0 ) ( ) (
2 1
< x f x f est une perte de temps. Cest pour cette raison que des efforts ont
t faits pour calculer autrement. Voil pourquoi il existe une autre mthode.
(c) Mthode de la scante
Lessence de la mthode de la scante est la mme que celle de la mthode regula
falsi. Lunique diffrence est que la mthode de la scante ne ncessite pas deux
valeurs
1
x et
2
x encerclant la racine. Tout ce dont elle a besoin, cest que les deux
valeurs utilises dans le calcul soient assez prs de la racine requise. Lalgorithme
de la scante est le suivant :
Algorithme de la mthode de la scante ( , , , ), ( b a x f )
tapes :
1. Dfnir
1
1 2
1 2
1 3
f
f f
x x
x x

= ;
5. Si
3 1
x x et
3 2
x x , alors admettre
3
x = et sortir;
6. Sinon, prendre
2 1
: x x = et
3 2
: x x = ;
FAIRE (4.2)
En partant de 1 , 0
1 0
= = x x , effectuer cinq itrations en appliquant la mthode de
la scante pour approximer la racine de la fonction f telle que ) cos( ) ( x x x f = .
(d) Mthode de Newton-Raphson
La mthode de Newton-Raphson est de loin la mthode numrique la plus utilise
pour approximer les fonctions. Cette mthode suppose que la fonction f est drivable
dans lentourage de la fonction et que la drive, peu importe o dans lentourage,
nest pas zro.
En supposant que
0
x est un point suffsamment prs de la racine de la fonction, le gra-
phe de la fonction ) (x f y = est approxim par la tangente de la courbe au point.

y
x
1
x
2
x
tangente
Fig ure 4.3 : Mtho de de Newton-Raphson
Lquation de la tangente partir du point )) ( , (
0 0
x f x dans la courbe ) (x f y =
est
) ( ) (
0
/
0 0
x f x x f y + =
Cette tangente coupe laxe des x au point
1
x dont la valeur est
) (
) (
0
/
0
0 1
x f
x f
x x = .
La valeur
1
x est alors admise comme une nouvelle valeur de la fonction. Le point
)) ( , (
1 1
x f x peut tre utilis comme un nouveau point servant dessiner une tangente.
Son intersection avec laxe des x , dcrite comme
) (
) (
1
/
1
1 2
x f
x f
x x =
est galement
admise comme une nouvelle approximation de la racine. Ce procd peut tre rpt
maintes fois, et mne la mthode ditration donne par la
formule de Newton-Raphson ,... 2 , 1 , 0 ,
) (
) (
/
1
= =
+
n
x f
x f
x x
n
n
n n
Chacune des itrations effectues laide de la mthode de Newton-Raphson ncessite
une fonction dvaluation et une premire valuation drive. Si on la compare aux
trois mthodes numriques que nous avons vues, la mthode de Newton-Raphson
converge trs rapidement vers la racine.
Exemple 4.3
En partant de 1
0
= x , approximer la racine de la fonction f dfinie par
10 4 ) (
2
+ = x x x f exacte six dcimales prs.
Solution
10 ) 4 ( 10 4 ) (
2
+ = + = x x x x x f

4 2 ) (
/
+ = x x f
Pour obtenir un rsultat exact six dcimales prs, il sufft dappliquer litration
jusqu ce que le 7
e
chiffre dcimal des valeurs calcules ne varie plus.
Table 4.3 : La mthode de Newton-Raphson pour la fonction f dfnie par
10 4 ) (
2
+ = x x x f
n
n
x ) (
n
x f
10 ) 4 ( +
n n
x x
) (
/
n
x f
4 2 +
n
x
) (
) (
/
1
n
n
n n
x f
x f
x x =
+
0 1 -5 6 1.833 333 3
1 1.833 333 3 0.6944442 7.6666666 1.742 753 6
2 1.742 753 6 0.0082045 7.4855072 1.741 657 5
3 1.741 657 5 0 7.483315 1.741 657 5
Puisque la valeur de la fonction
3
x est en pratique zro, nous pouvons conclure
que lapproximation dont nous avons besoin est 741657 . 1 = x arrondie six
dcimales prs. La valeur exacte de la racine avec le mme degr de prcision est
741657 . 1 =
.
FAIRE (4.3)
En partant de 0
0
= x , appliquer la mthode de Newton-Raphson en seulement quatre
itrations pour approximer la racine de la fonction f dfnie par ) cos( ) ( x x x f =
.
Mthode de Newton pour un systme coupl
La cinquime et dernire mthode numrique que nous allons voir se concentre sur
la rsolution dun systme de deux quations non linaires simultanes de forme
gnrale :
0 ) , ( , 0 ) , ( = = y x g y x f
Un exemple type dun tel systme est la recherche des coordonnes dun point dans
le premier quadrant o la parabole 7 2
2
= x y divise le cercle 6
2 2
= + y x . Ici,
nous cherchons les paires de valeurs ) , ( y x qui vrifent les deux quations non
linaires
0 6 ) , ( , 0 7 2 ) , (
2 2 2
= + = y x y x g y x y x f .
Pour obtenir une mthode type de Newton-Raphson pour approximer la solution du
problme gnral cit plus haut, prenons ) , (
0 0
y x comme approximation de la solu-
tion exacte ) , ( du systme coupl. Pour obtenir une solution amliore ) , (
1 1
y x
supposons que les coordonnes exactes du point sont obtenues par le rglage de h
et de k sur nos valeurs initiales. De cette faon :
h x + =
0
; k y + =
0
.
Donc, 0 ) , (
0 0
= + + k y h x f 0 ) , (
0 0
= + + k y h x g .
En faisant le dveloppement limit de f et de g de Taylor autour du point ) , (
0 0
y x
lordre un, on obtient
... ) , ( ) , ( ) , ( ) , ( 0
... ) , ( ) , ( ) , ( ) , ( 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
+
+ = + + =
+
+ = + + =
y x
y
g
k y x
x
g
h y x g k y h x g
y x
y
f
k y x
x
f
h y x f k y h x f
Ici, nous rejetons dlibrment tous les termes dordre suprieur et ne retenons que
les termes linaires prsents dans les incrments h et k .
En tronquant les sries aprs les termes linaires la droite de chacune des quations,
nous obtenons toujours

0 ) , ( ) , ( ) , ( ) , (
0 ) , ( ) , ( ) , ( ) , (
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
=
+ = + +
=
+ = + +
y x
y
g
k y x
x
g
h y x g k y h x g
y x
y
f
k y x
x
f
h y x f k y h x f
mais + h x
0
et

+ k y
0
.
Notons que les valeurs de x et de y sont conformes la paire dquations ci-dessus
selon h x x + =
0 1
; k y y + =
0 1
.
Rsoudre le systme rsultant de deux quations linaires :

0 ) , ( ) , ( ) , (
0 ) , ( ) , ( ) , (
0 0 0 0 0 0
0 0 0 0 0 0
=
+
=
+
y x
y
g
k y x
x
g
h y x g
y x
y
f
k y x
x
f
h y x f
pour les valeurs inconnues h et k .
On dcouvre que les valeurs h et k sont :
D
D
k
D
D
h
k h
= = ,
o
k h
D D D , , sont les trois dterminants
g
x
g
f
x
f
D
y
g
g
y
f
f
D
y
g
x
g
y
f
x
f
D
h h
= ; ;
dans lesquels toutes les quantits (valeurs des fonctions et drives partielles) qui
apparaissent sont values au point ). , (
0 0
y x
Une fois que ces quantits ont t calcules, les valeurs de la nouvelle solution ap-
proximative ) , (
1 1
y x peuvent tre calcules.
Cette analyse, ralise en utilisant la solution approximative initiale ) , (
1 1
y x , peut
maintenant tre renouvele avec la nouvelle paire ) , (
2 1
y x pour mener une nouvelle
solution approximative ) , (
2 2
y x , et ainsi de suite, dune manire itrative.
La mthode dcrite ci-dessus est connue sous le nom de mthode de Newton pour
un systme dquations non linaires simultanes. Sa vitesse de convergence est
la mme que celle de son quivalent pour rsoudre lquation non linaire simple
0 ) ( = x f .
Exemple 4.4
(a) En utilisant les mthodes analytiques, trouver les solutions exactes du systme
coupl dquations
0 6 ) , ( , 0 7 2 ) , (
2 2 2
= + = y x y x g y x y x f
(b) Effectuer deux itrations en utilisant la mthode de Newton pour approximer
une solution dune paire dquations couples qui rside prs du point ) 1 , 2 ( .
Solution
(a) Rsoudre lquation 0 ) , ( = x g pour
2
x . On obtient
2 2
6 y x = . En substituant
cette expression de
2
x lquation 0 ) , ( = y x f , on obtient [ ] 0 7 6 2
2
= y y
.
On arrive lquation quadratique
0 5 2
2
= + y y
possdant les racines
850781 . 1 , 350781 . 1
) 2 ( ) 1 (
= = y y
Les valeurs correspondantes de x sont donc
604559 . 1 ; 043377 . 2
) 2 ( ) 1 (
= = x x .
(b) 6 ) , ( ; 7 2 ) , (
2 2 2
+ = = y x y x g y x y x f
. 2 ; 2 ; 1 ; 4 y
y
g
x
x
g
y
f
x
x
f
=
Premire itration
1 , 2
0 0
= = y x

1 ) , ( , 8 ) , ( , 0 ) , (
0 0 0 0 0 0
=
= y x
y
f
y x
x
f
y x f
2 ) , ( , 4 ) , ( , 1 ) , (
0 0 0 0 0 0
=
= y x
y
g
y x
x
g
y x g
8 , 1 , 20 = = =
k h
D D D

0.05, 0.4
h k
D D
h k
D D
= = = =
4 . 1 , 05 . 2
0 1 0 1
= + = = + = k y y h x x
Deuxime itration
4 . 1 , 05 . 2
1 1
= = y x
1 ) , ( , 2 . 8 ) , ( , 005 . 0 ) , (
1 1 1 1 1 1
=
= y x
y
f
y x
x
f
y x f
8 . 2 ) , ( , 1 . 4 ) , ( , 1625 . 0 ) , (
1 1 1 1 1 1
=
= y x
y
g
y x
x
g
y x g
312 . 1 , 1765 . 0 , 06 . 27 = = =
k h
D D D
0.006523, 0.048485
h k
D D
h k
D D
= = = =
351515 . 1 , 043477 . 2
1 2 1 2
= + = = + = k y y h x x
FAIRE (4.4)
Effectuer deux itrations en utilisant la mthode de Newton pour approximer la so-
lution du systme coupl dquations

0
0
2 2
2 2
= +
=
y x y
y x x

qui rside prs du point ayant pour coordonnes ) 4 . 0 , 8 . 0 ( .
(4.5) Itrations de point fixe
Dfnition
Un nombre est appel point fxe dune fonction ) (x g if = ) ( g .
Le problme mathmatique pour trouver les valeurs de x qui vrifent lquation
) (x g x = est appel le problme du point fxe.
(a) Thorme dexistence
Si g est une fonction continue dans ] , [ b a et ] , [ ] , [ ) ( b a x b a x g

(i.e. g est
stable sur [a, b]), alors g possde au moins un point fxe dans ] , [ b a .
Pour dmontrer ce thorme, nous devons faire appel au thorme des valeurs inter-
mdiaires pour les fonctions continues.
Dmonstration
Si a a g = ) ( ou b b g = ) ( , la dmonstration est complte, car a ou b , ou les deux
sont des points fxes de g. Toutefois, si
a a g ) (
et b b g ) ( , alors selon lhypothse
que ] , [ ) ( ], , [ b a x g b a x , la fonction g vrife que b x g a b a x < < ) ( [, , ]
.
Dfnissons la fonction h telle que pour tout ] , [ b a x , x x g x h = ) ( ) ( . Tout
comme g, la fonction h est galement continue sur ] , [ b a . En valuant h en a x =
et en b x = , nous arrivons
0 ) ( ) ( > = a a g a h , 0 ) ( ) ( < = b b g b h
Le thorme des valeurs intermdiaires indique que la fonction h doit sannuler (avoir
une valeur de zro) en un point intermdiaire ) , ( b a . En ce point = x nous
avons 0 ) ( ) ( = = g h , soit = ) ( g
Do g a au moins un point fxe ) , ( b a .
Thorme dunicit
Le thorme que nous venons de citer dtermine lexistence dau moins un point fxe.
Il pourrait par consquent y avoir plusieurs points fxes. Dans le but de garantir un
seul point fxe, il existe un autre thorme.
Si, en plus de lhypothse pose plus haut, la fonction ) (x g est drivable en ) , ( b a
et que ses drivs vrifent la condition 1
) , (
< = K
dx
dg
Max
b a
,
alors ) (x g possde un point fxe unique en ) , ( b a .
Dmonstration
Raisonnons par labsurde. Supposons que g ait deux points fxes diffrents
1
,
2

avec
2 1

.
Donc,
1 1
) ( = g
et
2 2
) ( = g .
Par soustraction et par lapplication du thorme des accroissements fnis, nous
obtenons
) )( ( ) ( ) (
1 2
/
1 2 1 2
= = g g g , where

(
1
,
2
)
Prenons les valeurs absolues des deux membres de cette quation et vrifons les
conditions de ) (
/
x g . Nous arrivons
1 2 1 2 1 2
/
1 2
)( ( < = K g .
Il vient alors que .
2 1
=
.
Ce qui est absurde.
Cette contradiction ne peut qutre le rsultat de lhypothse faite selon
2 1
.
Do nous concluons que, selon les hypothses fxes, la fonction ) (x g ne possde
quun seul point fxe.
(c) Relation entre le problme de recherche dune racine et celui du point fxe
Nous avons prsent le concept du point fxe, car il peut tre utile dans la rsolution
du problme de recherche dune racine. Le rapport entre les deux problmes est
simple.
Devant le problme de recherche dune racine, nous souhaitons dcouvrir toutes les
valeurs de x qui vrifent lquation : 0 ) ( = x f .
Supposons quil soit possible de dcomposer la fonction f sous la forme : pour tout
) ( ) ( x g x x f = .
Il est vident que cette dcomposition peut tre faite de diffrentes faons. Le choix
de g sera critique dans la conversion du problme de recherche dune racine en un
problme de point fxe utile.
Or, si est une racine (un zro) de f, alors
= = = = ) ( 0 ) ( 0 ) ( ) ( g g g f
Ce rsultat suggre que les racines de f sont les points fxes de g.
Maintenant, nous devons rechercher la meilleure faon de dcomposer la fonction
) (x f .
Cette dcomposition doit aboutir une fonction g possdant un point fxe unique
sur un intervalle donn. Nous pouvons dmontrer le procd de dcomposition par
un exemple type.
Exemple 4.5
Envisageons le problme de recherche de racines de la fonction f dfnie par
0 10 4 ) (
2
= + x x x f
.
En utilisant le thorme des valeurs intermdiaires, nous
pouvons dmontrer que f possde des racines lintrieur des intervalles [-6, -5] et
[1, 2]. On peut galement rechercher la racine qui se trouve dans ] 2 , 1 [ .
Lquation 0 10 4
2
= + x x peut prendre plusieurs formes. Ces formes sont quel-
ques-unes dentre les suivantes :
2
2
10 4 ) (
10 ) 4 ( ) (
4 10 ) (
x x iii
x x ii
x x i
=
= +
=

En rsolvant chacune de ces trois quations pour x , nous obtenons
) ( :
4
10
) (
) ( :
4
10
) (
) ( : 4 10 ) (
3
2
2
1
x g
x
x iii
x g
x
x ii
x g x x i
=
=
=
+
=
= =
Ces trois problmes de point fxe peuvent sappliquer au problme de recherche dune
racine donn. Maintenant, lequel de ces problmes convient le mieux la rsolution
du problme de recherche dune racine?
Pour rpondre cette question, nous devons dcouvrir laquelle des trois fonctions de
point fxe
3 2 1
, , g g g vrife le critre donn par le thorme dunicit lgard de
la racine comprise dans ] 2 , 1 [ . En utilisant la substitution directe, nous arrivons
50 . 1 ) 2 ( , 25 . 2 ) 1 (
67 . 1 ) 2 ( , 00 . 2 ) 1 (
41 . 1 ) 2 ( , 45 . 2 ) 1 (
3 3
2 2
1 1
= =
= =
= =
g g
g g
g g
la lumire de ces rsultats, nous concluons que seule g

2
vrife les critres dexis-
tence.
Questions
Pourquoi les deux autres fonctions chouent au test?
Est-ce que
2
g vrife le critre dunicit?
Llve doit rpondre la premire question et vrifer si oui ou non
3 1
, g g v-
rife le critre dexistence dun point fxe dans ] 2 , 1 [ . Pour rpondre la deuxime
question, notons que
28 . 0 ) 2 ( , 40 . 0 ) 1 ( ;
) 4 (
10
) (
/
2
/
2
2
/
2
= =
+
= g g
x
x g .
Puisque 1 4 . 0
2
) 2 , 1 (
< =
dx
dg
Max , nous concluons que
2
g possde un seul point fxe

point ) 2 , 1 ( , lequel est automatiquement la racine de la fonction f.
Approximation de la racine
La racine peut tre approxime par litration
n n
x
x g x
n
n n
..., , 2 , 1 , 0 ;
4
10
) (
1
=
+
= =
+
, pour nimporte quelle valeur
0
x
prise dans lintervalle ). 2 , 1 ( Les dix itrations suivantes ont t calcules partir de
la valeur de dpart 0 . 1
0
= x .
n
n
x ) (
2 n
x g
0 1.000 000 2.000 000
1 2.000 000 1.666 667
2 1.666 667 1.764 706
3 1.764 706 1.734 694
4 1.734 694 1.743 772
5 1.743 772 1.741 016
6 1.741 016 1.741 852
7 1.741 852 1.741 598
8 1.741 598 1.741 675
9 1.741 675 1.741 652
10 1.741 652 1.741659
Notons que la dernire valeur 741659 . 1 ) (
10 2
= x g est trs prs de la valeur exacte
de la racine de ) (x f , laquelle est 741657 . 1 = arrondie six dcimales prs.
FAIRE (4.5)
(i) Dmontrer que la fonction g dfnie par ) cos( ) ( x x g = vrife les conditions pour
quil nexiste quun seul point fxe dans lintervalle ] 1 , 0 [ .
(ii) Utiliser le rsultat obtenu en (i) pour y trouver deux itrations, le point dinter-
section des deux courbes dquations ) cos( x y et x y = = . Commencer le
procd ditration avec 1
0
= x .
Rfrence de lactivit dapprentissage
Kendall E. Atkinson, An Introduction to Numerical Analysis, - John Wiley & Sons,
Second Edition (1989).
Solutions des questions dvaluation formative
FAIRE (4.1)
Application de la mthode de dichotomie en cinq itrations pour la fonction f dfnie
par
) cos( ) ( x x x f =
: il vient 459698 . 0 ) 1 ( , 1 ) 0 ( = = f f .. Puisque la fonction
f est continue dans ] 1 , 0 [ et 0 ) 1 ( ) 0 ( < f f , selon le thorme des valeurs interm-
diaires des fonctions continues, il sensuit que f possde au moins une racine dans
lintervalle ). 1 , 0 ( Les itrations suivantes dcoulent de la mthode de dichotomie.
0
0
= x 0 ) (
0
< x f
1
1
= x 0 ) (
1
> x f
5 . 0
2
= x 0 ) (
2
< x f
75 . 0
3
= x 0 ) (
3
> x f
625 . 0
4
= x 0 ) (
4
< x f
6875 . 0
5
= x
5
( ) 0 < f x
71875 . 0
6
= x 0 ) (
6
< x f
FAIRE (4.2)
Application de la mthode de la scante en cinq itrations pour f telle que
). cos( ) ( x x x f =
La formule qui doit tre utilise est :
1
1
1
1 1
=
n
n n
n n
n n
f
f f
x x
x x .
Les valeurs de dpart donnes sont :
459698 . 0 , 1 ; 1 , 0
1 0 1 0
= = = = f f x x .
On obtient les itrations suivantes :
000000 . 0 , 739085 . 0
000683 , 0 , 738677 . 0
007979 . 0 , 743847 . 0
505751 . 0 , 410979 . 0
089300 . 0 , 685073 . 0
6 6
5 5
4 4
3 3
2 2
+ = =
= =
+ = =
= =
= =
f x
f x
f x
f x
f x
FAIRE (4.3)
Application de la mthode de Newton-Raphson en trois itrations sur
) cos( ) ( x x x f =
La formule qui doit tre utilise est :
) (
) (
/
1
n
n
n n
x f
x f
x x =
+
.
La valeur de dpart donne est : 0
0
= x ; la drive de f est :
) sin( 1 ) (
/
x x f + =
On obtient les itrations :
000047 . 0 ) ( , 739113 . 0
681905 . 1 ) ( , 018923 . 0 ) ( , 750364 . 0
841471 . 1 ) ( , 459698 . 0 ) ( , 000000 . 1
000000 . 1 ) ( , 000000 . 1 ) ( , 000000 . 0
3 4
2
/
2 2
1
/
1 1
0
/
0 0
+ = =
= + = =
= + = =
= = =
x f x
x f x f x
x f x f x
x f x f x
FAIRE (4.4)
y g x g y x y y x g
y f x f y x x y x f
y x
y x
2 1 , 2 , ) , (
2 , 2 1 , ) , (
2 2
2 2
+ = = + =
= = =
Valeurs de dpart : 4 . 0 , 8 . 0
0 0
= = y x .
Premire itration : 420339 . 0 , 772881 . 0
1 1
= = y x
Deuxime itration : 419644 . 0 , 771846 . 0
2 2
= = y x
FAIRE (4.5)
On donne : ] 1 , 0 [ , ) cos( ) ( = x x x g .
Vrifcation de lexistence dun point fxe
g est continue sur ] 1 , 0 [ .
De plus :
Pour tout x, g(x)= - sinx <0, puis
] 1 , 0 [ ] 1 , 0 [ ) ( ; 459698 . 0 ) 1 ( , 1 ) 0 ( = = x x g g g
Par consquent, le critre de lexistence dun point fxe sur [0, 1] est vrif.
Vrifcation de lunicit dun point fxe
La drive de g est dfnie par : ) sin( ) (
/
x x g =
Donc . 1 ) ( ], 1 , 0 ]
/
< x g x
Par consquent, le critre de lunicit est vrif.
Calculs
) cos( ) (
1 n n n
x x g x = =
+
Valeur de dpart : 0 . 1
0
= x .
On obtient les itrations suivantes :
744237 . 0 ) cos(
731404 . 0 ) cos(
750418 . 0 ) cos(
722102 . 0 ) cos(
763960 . 0 ) cos(
701369 . 0 ) cos(
793480 . 0 ) cos(
654290 . 0 ) cos(
857553 . 0 ) cos(
540302 . 0 ) cos(
9 10
8 9
7 8
6 7
5 6
4 5
3 4
2 3
1 2
0 1
= =
= =
= =
= =
= =
= =
= =
= =
= =
= =
x x
x x
x x
x x
x x
x x
x x
x x
x x
x x
Xi. liste des concepts-cls (glossaire)
Concepts-cls
Chacune des quatre activits dapprentissage tudies dans ce module prsente des
concepts-cls, thormes et principes relis son contenu. Pour donner un aperu
de la structure du module, voici une liste de tous les concepts-cls, thormes et
principes dont il a t question.
La reproduction de ces concepts dans le cadre des activits dapprentissage est un
moyen pour faire connatre leur importance llve et pour aider la comprhension
gnrale du cours.
1. Erreur dapproximation
Si X se comporte comme la valeur exacte (relle) dune certaine quantit Q et
*
X
comme la valeur approximative de Q obtenue par procd numrique, la diffrence
(cart) entre la valeur exacte X et son approximation
*
X est appele erreur de
*
X
et est illustre de cette faon : erreur (
*
X ) =
*
X X
2. Erreur absolue
Lerreur dapproximation peut tre positive ou ngative. Tout dpend si on a souses-
tim ou surestim la valeur relle de la quantit Q approxime. Dans les faits, ce qui
compte par-dessus tout est la grandeur de lerreur, son signe tant dune importance
moindre. Si on souhaite ignorer le signe et se concentrer sur la grandeur de lerreur,
on peut se servir du concept de lerreur absolue, qui est dfni comme suit : erreur
absolue dans
*
X =
*
X X
.
3. Erreur relative
Lerreur absolue, en donnant la grandeur de lerreur, sert de mesure pour calculer
lexactitude de lapproximation
*
X . Toutefois, si on ne relie pas lerreur la valeur
relle approxime, il se peut quon soit incapable de mesurer la gravit de lerreur.
Pour y arriver, on doit se servir du concept de lerreur relative ou du pourcentage
derreur. Il est dfni comme suit : erreur relative dans (
*
X ) =
X
X X
*
condi-
tion que 0 X
.
Pourcentage derreur dans (
*
X ) =
X
X X
*
100

% condition que 0 X .
Puisque la valeur relle X est habituellement inconnue, on la remplace par la valeur
approximative
*
X dans le dnominateur de lerreur relative (pourcentage).
4. Progression arithmtique
Une progression arithmtique (PA) est une suite particulire de nombres
{ } ,... 2 , 1 , 0 : = n a
n
. Les lments essentiels dune telle suite sont le premier lment
0
a et la diffrence constante d . Mis part le premier lment, llment ime k
de la suite est dfni comme suit : d k a a
k
) 1 (
0
+ = , ,... 3 , 2 , 1 = k
La somme des n premiers termes dune PA est : ) 1 (
2
1
0
+ = n n na S
n
.
5. Progression gomtrique
Une progression gomtrique (PG) est une suite particulire de nombres
{ } ,... 2 , 1 , 0 : = n a
n
. Les lments essentiels dune telle suite sont le premier lment
0
a et la raison ou le facteur de multiplication 1 r . Mis part le premier lment,
llment ime k de la suite est dfni comme suit :
1
0

=
k
k
r a a , ,... 3 , 2 , 1 = k
La somme des n premiers termes dune PG est :
= =

=
1
1
0
1
1
0
r
r
a r a S
n
k
n
k
n
.
6. Limite dune fonction
Une fonction f est dcrite comme approchant la valeur (ayant la limite) L mesure
que x approche une valeur c dans le domaine de dfnition de f . Nous devons
noter
lim
x c
f (x) = L
si, pour chacun des choix dun petit nombre positif arbitraire,
on peut trouver un petit nombre positif correspondant ) ( tel que pour tout x, si
x c < ()
, alors
f (x) L <
. Cette affrmation laisse supposer que les va-
leurs de la fonction ) (x f seront arbitrairement prs du nombre L condition que
les valeurs de x soient assez prs du point c .
7. Continuit
Une fonction f est dite continue en un point c x = , si la limite des valeurs ) (x f gale
la valeur f(c), cest--dire si ) ( ) ( lim c f x f
c x
=
. Cette dfnition de la continuit laisse

supposer que, pour que f soit continue au point c x = , les trois conditions suivantes
doivent tre respectes :
(i) La fonction doit tre dfnie au point c, i.e. ) (c f existe ;
(ii) La fonction doit admettre une limite au point c :
lim
x c
f (x) = L
;
(iii) La limite doit tre gale la valeur de la fonction en ce point : L c f = ) ( .
8. Drive
La drive dune fonction f en un point arbitraire x de son domaine de dfnition est la
limite du taux daccroissement de f ou du quotient
x
x f x x f
x
f
+
=
) ( ) (
mesure
que laccroissement x de x tend vers zro, cest--dire
+

x
x f x x f
x
) ( ) (
lim
0
Si cette limite existe, on la note par
dx
df
ou ) (
/
x f , et on la nomme drive premire
de en x.
9. Primitives
Une primitive dune fonction f est une fonction drivable F telle que sa drive doit
tre la fonction f, c--d. : pour tout x, ) ( ) (
/
x f x F = .
Principalement, le procd utilis pour rechercher la primitive de f est la dmarche
inverse de celle utilise pour diffrencier une fonction. Cest pour cette raison que
lorsquon recherche F, on peut galement parler dintgrale indfnie. On crit la
formule comme suit :
= dx x f x F ) ( ) ( .
10. Convergence dune suite
Une suite de nombres { }
n
a est un ensemble de nombres fnis ou infnis bien ordonn
et prcis. Pris individuellement, les lments de lensemble doivent tre dtermins
sans ambigut. Principalement, un ensemble est une fonction spciale dtermine
dans un ensemble de nombres naturels N ou dans un sous-ensemble de N . Un suite
{ }
n
a est dite convergente vers une limite L , si pour chaque 0 > , on peut trouver un
entier relatif positif correspondant ) ( N tel que < L a
n
ds que ) ( N n >
11. Point fixe dune fonction
Si nous avons une fonction continue g dans un intervalle ferm ] , [ b a , toute valeur
= x qui vrife la relation = ) ( g est appele point fxe de la fonction g. Le
procd pour rechercher les points fxes dune fonction est reli de prs au procd
servant dterminer les racines des fonctions.
12. Ligne scante
Une scante est une ligne qui passe par deux points donns ) , (
1 1
y x P et ) , (
2 2
y x Q
Elle est illustre par lquation ) (
1
1 2
1 2
1
x x
x x
y y
y y
= . Lquation de la
scante est utilise pour driver la mthode regula falsi et la mthode de la scante
pour approximer les racines des fonctions.
Thormes-cls et principes
1. Thorme de valeur intermdiaire
Si f est continue dans lintervalle ferm ] , [ b a et si k est un nombre quelconque
compris entre les deux valeurs ) (a f et ) (b f , alors il existe au moins un nombre c
lintrieur de ) , ( b a de telle sorte que . ) ( k c f = Ce thorme est la base de deux
mthodes numriques importantes pour rechercher les racines dune fonction f : la
mthode de dichotomie et la mthode regula falsi (mthode de la fausse position).
2. Thorme des accroissements finis de diffrenciation
Si f est continue dans lintervalle ferm ] , [ b a et est drivable dans lintervalle
ouvert ) , ( b a , alors il existe au moins une valeur de ) , ( b a c x = , de telle sorte
que
a b
a f b f
c f
=
) ( ) (
) (
/
.
3. Thorme de Taylor
Si f est une fonction pour laquelle les n premires drives sont continues dans
lintervalle ferm ] , [ h c c + (ou ] , [ c h c + si h est ngative) et quon suppose que
) 1 ( + n
f existe dans ] , [ h c c + (ou ] , [ c h c + si h est ngative), alors il existe un nombre
, avec 1 0 < <
,
de telle sorte que
) , ( ) (
!
) (
1
) (
0
h c f
k
h
h c f
Rn
k
n
k
k
+
=
+ = +

, ) (
)! 1 (
) , (
) 1 (
1
1
h c f
n
h
c
n
n
n R
+
+
=
+
+
+
.
4. Thorme fondamental de lanalyse
Si f est continue dans [ , ] a b et ( ) ( )
x
a
F x f t dt =
pour chaque x dans [ , ] a b ,

alors F est continue dans [ , ] a b et drivable dans ( , ) a b et ( )
dF
f x
dx
= . En dautres
mots, F est une primitive de f.
Corollaire : Si f est continue dans un intervalle ferm et born [ , ] a b , et
'
( ) g x =
'
( ) g x = ( ) f x , then

( ) ( ) ( )
b
a
f x dx g b g a =
.
.
5. Thorme du point fixe
Si une fonction g est continue dans [a, b] et telle que ] , [ b a x , ] , [ ) ( b a x g , alors
il existe au moins un point fxe ] , [ b a x = de telle sorte que = ) ( g . Si, en plus
des hypothses donnes plus haut, ) (x g est drivable dans [a, b] et 1 < L
dx
dg

pour tout ) , ( b a x , alors g possde un seul point fxe ). , ( b a
Xii. liste des lectures obligatoires
Wikipdia : Numerical Analysis
Wikipdia : Interpolation
Fundamental Numerical Methods and Data Analysis, George W. Collins, II,
chapitre 4. (voir : http://bifrost.cwru.edu/personal/collins/numbk/)
Wikipdia : Numerical Methods/Numerical Integration
Wikipdia : Numerical Methods/Equation Solving
Xiii. liste des ressources multimdia
(optionnelles)
Lecture n
o
1 : Wolfram MathWorld (site consult le 11 mars 2006)
Rfrence complte : http://mathworld.wolfram.com
Rsum : Wolfram MathWorld est une encyclopdie des mathmatiques en ligne.
Justifcation : Ce site fournit des rfrences dtailles concernant tout ce qui touche
les mathmatiques. Llve doit entrer le titre du module dans loutil de recherche
pour trouver larticle correspondant la matire tudie. Chaque fois quun doute
survient dans son esprit, llve doit effectuer une recherche par mots-cls et lire
linformation rattache au concept. Cette information doit ensuite tre comprise et
bien assimile.
Lecture n
o
2 : Wikipdia (site consult le 11 mars 2006)
Rfrence complte : http://en.wikipedia.org/wiki
Rsum : Wikipdia est une encyclopdie en ligne. Ce sont ses lecteurs qui rdigent
les articles. Les entres quon y trouve sont jour et continuellement rvises. De
plus, lauthenticit de ses articles dtaills nest plus prouver.
Justifcation : Pour utiliser Wikipdia, llve doit procder de la mme faon que
pour MathWorld. Toutefois, les entres de Wikipdia sont habituellement plus brves
et donc plus faciles consulter que celle de MathWorld.
Lecture n
o
3 : MacTutor History of Mathematics (site consult le 11 mars
2006)
Rfrence complte : http://www-history.mcs.standrews.ac.uk/Indexes
Rsum : MacTutor Archive est le site le plus complet de lInternet sur lhistoire
des mathmatiques. Les ressources sont classes par personnages historiques et par
thmes.
Justifcation : Llve doit rechercher les mots-cls relis au thme tudi (ou le titre
du module) dans MacTutor Archive. Il est important davoir un aperu de lhistorique
du thme tudi et de savoir le situer dans lhistoire des mathmatiques. Lorsque
llve terminera le cours et enseignera lcole secondaire, les personnages de
lhistoire des mathmatiques serviront motiver et expliquer lorigine de la matire.
La connaissance de lpistmologie dun concept mathmatique ou dune technique
de rsolution devrait amener lapprenant comprendre que la science vit et volue,
et que tout nest pas encore dcouvert! Beaucoup de bonnes choses restent encore
construire ou crer par lhumanit pour le bien-tre de lhumanit! Une attention
particulire devrait tre porte au rle des femmes qui ont d affronter plusieurs
diffcults malgr limportante contribution quelles ont apporte lhistoire des
mathmatiques. Lapport du continent africain, par exemple les premiers disposi-
tifs de comptage des nombres (os dIshango), ainsi que le rle des mathmatiques
gyptiennes devraient galement tre tudis pour que les tudiants et tudiantes en
connaissent limportance.
XiV. synthse du module
Lachvement de la quatrime activit dapprentissage marque la fn de ce module.
Il est maintenant souhaitable et appropri que llve fasse le bilan de sa mission,
de ses objectifs et des activits avant dentamer lvaluation sommative. Il ou elle
doit tenter de faire le point sur les apprentissages accomplis au terme du temps et de
leffort investis dans ce processus de formation.
Comme lindique la vue densemble du module la section VI, llve doit avoir
acquis les connaissances portant sur les concepts de base relis aux mthodes num-
riques pour lapproximation des nombres et des fonctions.
De plus, llve doit maintenant pouvoir dfnir aisment le concept de lerreur
mathmatique. Il ou elle doit tre capable didentifer les sources derreurs, les dif-
frents types derreurs et les mthodes employes pour rduire les effets de lerreur
sur lapproximation numrique fnale dun problme mathmatique.
La premire activit dapprentissage portant sur les erreurs a t suivie de trois
activits substantielles prsentant les mthodes fondamentales relies lapproxi-
mation. Une de ces trois activits dapprentissage majeures dcrit lapproximation
numrique des fonctions par lutilisation des polynmes dinterpolation. Llve
doit maintenant pouvoir utiliser aisment les diffrentes mthodes dinterpolation
linaire et savoir driver une borne de lerreur en interpolation linaire. Lactivit
prsente aussi les polynmes dinterpolation en sintressant surtout Lagrange, aux
diffrences divises de Newton ainsi quaux principaux polynmes dinterpolation
des diffrences fnies.
Les deux activits dapprentissages majeures restantes (la troisime et la quatrime)
prsentent les mthodes numriques pour lapproximation des nombres (racines des
fonctions et valeurs des intgrales dfnies). la suite de ltude de ces activits,
llve doit tre en mesure de reconnatre limportance des mthodes numriques. Tou-
tefois, il ou elle doit galement pouvoir appliquer les mthodes apprises (la mthode
regula falsi et les mthodes de dichotomie, de la scante et de Newton-Raphson pour
lapproximation des racines dune fonction non linaire variable unique). Llve
doit aussi pouvoir rsoudre une valuation des limites dune fonction, dune suite et
dune srie infnie. Finalement, il ou elle doit tre en mesure dappliquer la mthode
de Newton pour approximer les solutions dun systme coupl de deux quations
non linaires deux variables.
Le module est structur de faon ce que llve puisse comprendre la matire
laide dexemples et de rfrences spcialement slectionns. Un nombre adquat
dexemples labors est joint chacune des activits dapprentissage. Ces exemples
servent de rfrences pour la comprhension du texte qui les prcde et de points de
repre pour rsoudre les problmes dvaluation formative relis apparaissant sous
les rubriques FAIRE. Le degr de matrise du contenu du module est largement
dtermin par laptitude de llve progresser dans la rsolution des problmes des
rubriques FAIRE.
XV. valuation sommative
Questions
1. (a) Dfnir le concept de lerreur mathmatique.
(b) Dfnir les principaux types derreurs mathmatiques et mentionner leurs
sources.
(c) Distinguer lerreur absolue de lerreur relative et tenter de les relier aux
concepts de lexactitude et de la prcision.
2. (a) Lerreur ) (x E par interpolation linaire de la fonction f utilise les
valeurs ) ( , ) (
1 1 0 0
x f f x f f = = , o h x x =
0 1
est donn par
) (
2
1
) )( ( ) (
//
1 0
f x x x x x E = , o ) , (
1 0
x x . Driver et tablir une
borne suprieure pour E .
(b) Utiliser la borne suprieure obtenue en (a) pour dterminer la plus petite gran-
deur dintervalle h pour laquelle linterpolation linaire de ) cos(x donnera
des valeurs approximatives ayant des erreurs nexcdant pas 01 . 0 .
3. Cette table expose les valeurs dune fonction f un nombre de points quidistants
k
x .
x 0.0 0.125 0.25 0.375 0.5
f(x) 1.000000 0.984615 0.941176 0.876712 0.800000
x 0.625 0.75 0.875 1.0
f(x) 0.719101 0.640000 0.566372 0.500000
Approximer ) (x f par un polynme dinterpolation quadratique de Lagrange utili-
sant les points ) 876712 . 0 , 375 . 0 ( , ) 941176 . 0 , 25 . 0 ( , ) 984615 . 0 , 125 . 0 ( , puis
interpoler ) (x f 3 . 0 = x .
4. (a) Concevoir une table des diffrences fnies pour la fonction f tabule la
question 3 (a).
(b) laide de la table des diffrences fnies, interpoler la fonction 4 . 0 = x
en utilisant la formule dinterpolation de Bessel centre 375 . 0
0
= x

... ) 2 )( 1 (
24
1
)
2
1
)( 1 (
6
1
) 1 (
2
1
)
2
1
( ) (
2
1
4 2
2
1
3
2
1
2
2
1
2
1
+ =
+ + + + =
f s s s
f s s s f s s f s f s f

5. Appliquer linterpolation de Newton base sur les diffrences divises pour
interpoler la fonction tabule la question 4 au point 4 . 0 = x .
6. (a) Driver une formule ditration de Newton-Raphson pour approximer la
e
r
racine dun nombre rel positif A.
(b) Si 7 = A , appliquer la formule drive pour approximer la racine carre de
7 exacte six dcimales prs. Commencer litration avec . 2
0
= x
7. (a) Dfnir le concept du point fxe dune fonction g qui est dite continue dans
] , [ b a et drivable dans ). , ( b a
(b) Exposer sans le prouver le thorme dexistence et dunicit pour les points
fxes de g.
(c) Exposer si oui ou non la fonction g dfnie par
g(x) =
4
6 x
possde
un seul point fxe dans lintervalle ] 1 , 0 [ .
8. (a) En utilisant une mthode analytique, calculer toutes les solutions du systme
coupl 2 2 , 5 2
2 2 2 2
= = + y x y x exact six dcimales prs.

(b) En partant de 5 . 0 , 5 . 1
0 0
= = y x , approximer une des deux solutions en
appliquant deux itrations par la mthode de Newton pour ce systme dqua-
tions non linaires.
9. (a) Trouver la primitive gnrale F de la fonction f dfnie par
2 3
) (
2
+ +
=
x x
x
x f
et lutiliser pour valuer lintgrale dx
x x
x
+ +
1
0
2
2 3
exacte six dcimales
prs.
(b) valuer cette intgrale en appliquant la formule de Newton-Cotes
[ ] ) ( ) ( 3 ) ( 3 ) (
8
3
) (
3 2 1 0
3
0
x f x f x f x f
h
dx x f
x
x
+ + + =
, avec le pas
6
1
= h .
10. (a) valuer lintgrale ( )dx x e
x

1
0
) cos( analytiquement exacte six dcimales
prs.
(b) Tabuler les valeurs de lintgrande dans (a) aux points k x
k
125 . 0 =
8 ,... 2 , 1 , 0 = k et utiliser les valeurs obtenues laide de la mthode des trap-
zes pour approximer lintgrale, en prenant respectivement les pas 25 . 0 = h et
125 . 0 = h .
(c) Appliquer lintgration de Romberg sur les deux valeurs des trapzes obtenues
en (b) pour obtenir une meilleure approximation de lintgrale en (a).
SOLUTIONS
1. (a) Si
*
X est une approximation de la quantit exacte (relle) X , alors lcar
*
X X est appel lerreur dapproximation de
*
X .
(b) Les principaux types derreurs sont :
Erreurs initiales : erreurs qui se sont glisses dans les donnes initiales dun
problme mathmatique;
Erreurs de discrtisation : erreurs causes par le procd de la conversion dun
problme mathmatique possdant une solution continue un modle numri-
que dont la solution est une fonction discrte ayant la forme dune squence de
nombres;
Erreurs de troncature : erreurs introduites par linterruption invitable (troncature)
dun procd infni telles une srie infnie ou une itration convergente;
Erreurs darrondi : erreurs introduites cause des limites imposes par les dispo-
sitifs utiliss pour calculer les oprations arithmtiques (addition, soustraction,
multiplication, division).
(c) Lerreur absolue est la magnitude ou la grandeur dune erreur. Lerreur absolue,
illustre par
*
X X est toujours non ngative.
Lerreur relative est le rapport entre lerreur absolue et la valeur absolue de la
quantit exacte (relle) approxime. Lerreur relative est illustre de cette faon :
X
X X
*
Lerreur absolue est la mesure de lexactitude dans lapproximation, tandis que

lerreur relative est une mesure de la prcision et concerne la gravit de ler-
reur.
2. (a) Pour obtenir la borne derreur ) (x E en interpolation linaire, on doit trouver
la valeur maximum des fonctions ) )( ( ) (
1 0
x x x x x g = et ) (
//
f dans
lintervalle
1 0
x x x < < . Avec ) ( 2 ) (
0 0
/
x x x x g + = nous dcouvrons que
) (x g possde un point critique ) (
2
1
1 0
*
x x x + = , et parce que 2 ) (
//
= x g
est toujours positive nous concluons que
4
) (
4
1
) (
2
2
0 1
*
h
x x x g = = .
En supposant que M x f Max = ) (
//
dans lintervalle en question, nous pouvons dire
que [ ]
8
) ( ) (
2
M h
x g Max M x E = .
(b) La fonction approxime est f telle que ). cos( ) ( x x f = Dans ce cas,
). cos( ) ( x x f = et dans ce cas 1 = M . Nous pouvons maintenant dterminer
la longueur de la mesure h de telle sorte que 01 . 0
8 8
2 2
=
h Mh
. Le rsultat
est : 3 . 0 h .
3. Le polynme dinterpolation quadratique de Lagrange qui passe par les trois
points ) , ( ), , ( ), , (
2 2 1 1 0 0
f x f x f x est donn par lexpression

2 2 1 1 0 0 2
) ( ) ( ) ( ) ( f x L f x L f x L x P + + = , o ) ( ), ( ), (
2 1 0
x L x L x L sont les coeff-
cients de Lagrange de degr 2. Dans ce cas, nous avons les valeurs suivantes :

) )( (
) )( (
) ( , 876712 . 0 , 375 . 0
) )( (
) )( (
) ( , 941176 . 0 , 250 . 0
) )( (
) )( (
) ( , 984615 . 0 , 125 . 0
1 2 0 2
1 0
2 2 3
2 1 0 1
2 0
1 1 1
2 0 1 0
2 1
0 0 0
x x x x
x x x x
x L f x
x x x x
x x x x
x L f x
x x x x
x x x x
x L f x

= = =

= = =

= = =
Avec 3 . 0 = x , la substitution directe des valeurs varies dcrites dans les expressions
des coeffcients de Lagrange donne :
28 . 0 ) 3 . 0 ( , 84 . 0 ) 3 . 0 ( , 12 . 0 ) 3 . 0 (
2 1 0
= = = L L L .
Ces rsultats mnent la solution
917913 . 0 ) 876712 . 0 )( 28 . 0 ( ) 941176 . 0 )( 84 . 0 ( ) 984615 . 0 )( 12 . 0 (
) 3 . 0 ( ) 3 . 0 ( ) 3 . 0 ( ) 3 . 0 (
2 2 1 1 0 0 2
= + + =
+ + = f L f L f L P

4. (a) Table des diffrences
Difrences
x f(x) Premire Deuxime Troisime Quatrime
0.000 1.000000
-0.015385
0.125 0.984615 -0.028054
-0.043439 0.007029
0.250 0.941176 -0.021025 0.001748
-0.064464 0.008777
0.375 0.876712 -0.012248 -0.000716
-0.076712 0.008061
0.500 0.800000 -0.004187 -0.005672
-0.080899 0.002389
0.625 0.719101 -0.001798 0.001286
-0.079101 0.003675
0.750 0.640000 -0.005473 -0.005458
-0.073628 -0.001783
0.875 0.566372 -0.007256
-0.066372
1.000 0.500000
(b) Puisque
0
0.375, 0.4, 0.125 = = = x x h , la valeur du paramtre quivaut
1
(0.4 0.375) 0.2
0.125
= = s
laide de la table des diffrences fnie, interpoler la fonction en 4 . 0 = x en appli-
quant la formule dinterpolation de Bessel :

0000459936 . 0 ) 006388 . 0 (
2
1
) 0144 . 0 ( ) 2 )( 1 (
24
1
000064488 . 0 ) 008061 . 0 )( 008 . 0 ( )
2
1
)( 1 (
6
1
0006574 . 0 ) 012248 . 0 004187 . 0 (
2
1
) 08 . 0 0 ( ) 1 (
2
1
0230136 . 0 ) 076712 . 0 )( 3 . 0 ( )
2
1
(
838356 . 0 ) (
2
1
2
1
4 2
2
1
3
2
1
2
2
1
0 1
2
1
= =
= =
= =
= =
= + =
f s s s
f s s s
f s s
f s
f f f
Si on additionne tous ces termes, on arrive 862137 . 0 ) 4 . 0 ( = P .

5. On conoit la table des diffrences divises de Newton, puis on applique lin-
terpolation polynomiale

... ] , , [ ) )( ( ] , [ ) ( ) (
2 1 0 1 0 1 0 0 0
+ + + = x x x f x x x x x x f x x f x P
n

Table des diffrences divises de Newton
Difrences divises
x f(x) Premire Deuxime Troisime Quatrime
0.0 1.000000
-0.12308
0.125 0.984615 -0.897728
-0.347512 0.599808
0.25 0.941176 -0.672800 0.298326
-0.515712 0.748971
0.375 0.876712 -0.391936 -0.122198
-0.613696 0.687872
0.5 0.800000 -0.133984 -0.354304
-0.647192 0.510720
0.625 0.719101 0.057536 -0.394240
-0.632808 0.0.313600
0.75 0.640000 0.175136 -1.251670
-0.589024 -0.312235
0.875 0.566372 0.058048
-0.530976
1.0 0.500000
Lapplication directe de la formule base sur 375 . 0
0
= x et lutilisation des va-
leurs de plusieurs diffrences divises mises en surbrillance dans la table avec la
valeur 4 . 0 = x donne les rsultats suivants :

000077616 . 0 ] , , , , [ ) )( )( )( (
00028728 . 0 ] , , , [ ) )( )( (
00033496 . 0 ] , , [ ) )( (
0153424 . 0 ] , [ ) (
876712 . 0 ) (
4 3 2 1 0 3 2 1 0
3 2 1 0 2 1 0
2 1 0 1 0
1 0 0
=
=
=
=
=
x x x f x x x x
x x f x x
x f
Donc,
= + + + 000078 . 0 000287 . 0 000335 . 0 015342 . 0 876712 . 0 ) 4 . 0 (
4
P , 0.862070
6. (a) Si
r
A x = then, 0 = A x
r
.
On doit donc prendre la fonction pour laquelle les valeurs recherches sont telles
que A x x f
r
= ) ( .
La drive de f est f telle que
1 /
) (

=
r
rx x f .
En substituant ces quantits par la mthode de Newton-Raphson
) (
) (
/
1
n
n
n n
x f
x f
x x =
+
on obtient la mthode de Newton-Raphson gnrale
+ =
+
=
+
=

+
1
1 1 1
1
) 1 (
1
) 1 ( 1
r
n
n
r
n
r
n
r
n
r
n
r
n
r
n
r
n
n n
x
A
x r
r
x
A x r
r
rx
A x rx
rx
A x
x x

Finalement on obtient lapproximation : ,
m
r
x A pour m suffsamment grand.
b) La mthode de Newton-Raphson pour rechercher la racine carre dun nombre
7 = A et 2 = r . La mthode spciale est

+ =
+
n
n n
x
x x
7
2
1
1
.
.
En prenant 0 . 2
0
= x , les itrations suivantes sont issues de la formule :

6457513 . 2
6457513 . 2
6457520 . 2
6477273 . 2
75 . 2
0 . 2
6
5
4
3
1
0
=
=
=
=
=
=
x
x
x
x
x
x

Puisque le 7
e
chiffre dcimal reste constant dans les deux dernires itrations, nous
acceptons 645751 . 2 = x comme tant lapproximation dsire de 7 exacte six
dcimales prs.
7. (a) Un nombre est connu comme tant le point fxe de la fonction g si
= ) ( g .
(b) Si g est une fonction qui vrife les conditions
g est continue dans un intervalle ferm ] , [ b a ;
; ] , [ ) ( , ] , [ b a x g b a x
g est drivable sur ) , ( b a ;
) , ( 1 ) (
/
b a x L x g Max < = .
Alors, g possde un seul point fxe ) , ( b a .
(c) Considrons la fonction g dfnie par
g(x) =
4
6 x
dans lintervalle ] 1 , 0 [ .
Puisque le seul point de discontinuit de la fonction est 6 = x , la fonction est
dfnitivement continue dans lintervalle ] 1 , 0 [ .
Si
6
4
) 0 ( = g et
5
4
) 1 ( = g sont situs dans ) 1 , 0 ( , nous pouvons noter que toutes les
valeurs des fonctions rsident dans lintervalle donn.
La fonction est galement drivable et
g(x) =
4
(6 x)
2
. La valeur maximale de
g
/
(x) = g
/
(0) =
4
36
=
1
9
<1
. Ce rsultat dmontre que la fonction possde un seul
point fxe dans lintervalle ]0, 1[.
8. (a) Solution analytique
Pour obtenir la solution relle (analytique), on limine une des variables et on rsout
lquation du second degr qui rsulte de la variable retenue.
Le rsultat de la premire quation est :
2 2
2 5 x y = .
Nous utilisons ce rsultat pour liminer y de la deuxime quation.
=
+ =
= = = =
549193 . 1
549183 . 1
4 . 2 12 5 2 ) 2 5 ( 2
2
1
2 2 2
x
x
x x x x
Les valeurs de y correspondantes sont obtenues par la relation

=
+ =
= = =
447213 . 0
447213 . 0
2 . 0 2 5
2
1
2
y
y
x y

Les quatre solutions possibles pour le systme coupl sont :
) 447213 . 0 , 549183 . 1 ( , ) 447213 . 0 , 549163 . 1 (
) 447213 . 0 , 549183 . 1 ( , ) 447213 . 0 , 549183 . 1 (

(b) Lapproximation des racines par la mthode de Newton laisse

0 2 2 ) , (
0 5 2 ) , (
2 2
2 2
=
= +
y x y x g
y x y x f
Les drives partielles de ) , ( y x f et ) , ( y x g sont

y g
y
g
x g
x
g
y f
y
f
x f
x
f
y x
y x
4 ; 2
2 ; 4
= =
= =
= =
= =

La mthode de Newton expose quen partant dune solution approximative ) , (
n n
y x
une approximation amliore ) , (
1 1 + + n n
y x peut tre obtenue en considrant
n n n n n n
k y y h x x + = + =
+ + 1 1
,
Les incrments
n n
k h , sont obtenus par la rsolution du systme linaire dqua-
tions

g
f
k
h
g f
g f
n
n
y y
x x
Application de la mthode de Newton :
Premire itration
0 . 2 , 0 . 3 , 25 . 0
0 . 1 , 0 . 6 , 25 . 0
5 . 0 , 5 . 1
0
0
0 0
= = =
= = =
= =
y x
y x
g g g
f f f
y x

En substituant ces quantits par le systme linaire et en rsolvant le systme rsultant,
on arrive
083333 . 0 , 083333 . 0
0 0
= = k h
et donc,
416667 . 0 , 583333 . 1
0 0 1 0 0 1
= + = = + = k y y h x x .
Deuxime itration

666668 . 1 , 166666 . 3 , . 159721 . 0
833334 . 0 , 333333 . 6 , . 187498 . 0
416667 . 0 , 583333 . 1
1
1
1 1
= = =
= = =
= =
y x
y x
g g g
f f f
y x

En substituant ces quantits par le systme linaire et en rsolvant le systme rsultant,
on arrive 031667 . 0 , 033772 . 0
1 1
= = k h et donc,
448334 . 0 , 549561 . 1
1 1 2 1 1 2
= + = = + = k y y h x x .
9. (a) La primitive de la fonction f dfnie par
2 3
) (
2
+ +
=
x x
x
x f
t Cons
x
x
x x
dx
x x
x x
x x
dx
x x
x x d
x x
dx
dx
x x
x
dx
x x
x
x x
xdx
tan
2
1
ln
2
3
) 2 3 ln(
2
1
2
1
1
1
2
3
) 2 3 ln(
2
1
) 2 )( 1 ( 2
3
2 3
) 2 3 (
2
1
2 3 2
3
2 3
3 2
2
1
2 3
3 3 2
2
1
2 3
2
2
2
2
2 2 2 2
+
+
+
+ + =
+
+ + =
+ +
+ +
+ +
=
+ +
+ +
+
=
+ +
+
=
+ +

Donc, dx
x x
x
+ +
1
0
2
2 3
=
[ ] 117783 . 0 431523 . 0 549306 . 0
2
1
ln
3
2
ln
2
3
) 2 ln( ) 6 ln(
2
1
= =

Pour approximer la mme intgrale dx
x x
x
I
+ +
=
1
0
2
2 3
en utilisant la formule
spciale de Newton-Cotes [ ] ) ( ) ( 3 ) ( 3 ) (
8
3
) (
3 2 1 0
3
0
x f x f x f x f
h
dx x f
x
x
+ + + =
,
on inscrit premirement les fonctions dans une table :

k
x
0
0
= x
6
1
1
= x
6
2
2
= x
6
3
3
= x
6
4
4
= x
6
5
5
= x
0 . 1
6
= x
k
f
0 . 0 065934 . 0 107143 . 0 133333 . 0
15 . 0
160428 . 0 166667 . 0
Puisque la formule donne inclut des valeurs dune fonction de trois intervalles
conscutifs, la longueur dintervalle spcife (ou le pas)
6
1
= h donne le rsultat de
deux intervalles conscutifs, ] , , , [
3 2 1 0
x x x x et ] , , , [
6 5 4 3
x x x x . Nous allons donc
approximer lintgrale par lexpression
( ) ( ) { } 117741 . 0 3 3 3 3
8
3
6 5 4 3 3 2 1 0
= + + + + + + + = f f f f f f f f
h
I .
10. (a) La valeur de lintgrale ( )dx x e
x

1
0
) cos( est
[ ] [ ] 876811 . 0 ) 0 sin( ) 1 sin(
0 1
= e e
(b) Table des valeurs de lintgrande ) cos( ) ( x e x f
x
= pour les valeurs aux
points quidistants : 0 . 1 ) 125 . 0 ( 0 . 0 = x :

) 177980 . 2 , 0 . 1 ( , ) 757878 . 1 , 875 . 0 ( , ) 385311 . 1 , 75 . 0 (
) 057283 . 1 , 625 . 0 ( , ) 771139 . 0 , 5 . 0 (
) 524484 . 0 , 375 . 0 ( ), 315113 . 0 , 25 . 0 ( , ) 140951 . 0 , 125 . 0 ( , ) 0 . 0 , 0 . 0 (

Avec laide de la rgle du trapze tendue, on arrive :
880144 . 0 ) 125 . 0 ( , 890138 . 0 ) 25 . 0 ( = = T T .
(d) Lapplication de lintgration de Romberg sur les deux valeurs des trapzes
obtenues donne :

[ ] 876813 . 0 ) 25 . 0 ( ) 125 . 0 (
3
1
) 125 . 0 ( ] 125 . 0 , 25 . 0 [ = + = T T T R
.
XVi. rfrences bibliographiques
G. Stephenson, 1973, Mathematical Methods for Science Students Second Edition,
Pearson Education Ltd.
Brian Bradie, A friendly Introduction to Numerical Analysis, Pearson Education
International.
A.C. Bajpai, I.M. Calus and J.A. Fairley, 1975, Numerical Methods for Engineers
and Scientists, Taylor & Francis Ltd., London.
Burden and Faires, 1985, Numerical Analysis Fifth Edition, PWS KENT Pu-
blishing Company.
Fox, L. and Mayers, D.F., 1958, Computing Methods for Scientists and Engineers,
- Oxford University Press, London.
Kendall E. Atkinson, 1987, An Introduction to Numerical Analysis, John Wiley &
Sons.
M.K. Jain, S.R.K. Iyengar & R.K. Jain, 1993, Numerical Methods Problems and
Solutions, Wiley Eastern Ltd.
Walter Jennings, 1964. First Course in Numerical Methods, Collier Macmillan
Ltd.
Lay, 2002, Linear Algebra and its Applications Third Edition, Addison Wesley.
XVii. auteur du module
Le docteur Ralph W.P. Masenge est professeur de mathmatiques la facult des
sciences, de la technologie et des tudes environnementales de lUniversit ouverte
de Tanzanie. Aprs avoir reu son diplme en mathmatiques, physique et astrono-
mie de luniversit de Wrzburg de la Rpublique fdrale dAllemagne en 1968, le
professeur Masenge a obtenu un grade de matrise en mathmatiques de luniversit
dOxford du Royaume-Uni en 1972 avant de faire un doctorat en mathmatiques
luniversit de Dar es Salaam en Tanzanie do il a gradu en 1986 la suite dun
programme de doctorat en alternance ralis lUniversit catholique de Nimgue
(Pays-Bas).
Pendant prs de 33 ans (de mai 1968 octobre 2000), le professeur Masenge a t
en poste au dpartement de mathmatiques de luniversit de Das es Salaam. Il a
commenc comme charg de cours en 1968 et a mont lchelle professionnelle pour
devenir professeur en 1990. Entre 1976 et 1982, le professeur Masenge a t la tte
du dpartement des mathmatiques de luniversit de Dar es Salaam. Il a galement
agi en tant que doyen associ la facult des sciences et en tant que principal agent
administratif de luniversit de Dar es Salaam pendant un an, en 1995.
N en 1940 dans le village de Maharo, situ sur le fanc de la plus haute montagne
dAfrique, le Kilimandjaro, le professeur Masenge a quitt luniversit de Dar es Sa-
laam en 2000 pour se joindre lUniversit ouverte de Tanzanie o il est maintenant
la tte de la direction de la recherche et des cycles suprieurs et o il est charg de
lenseignement de nombreux cours de calcul, de logique symbolique et danalyse
numrique.
Le professeur Masenge est mari et pre de quatre enfants. Il occupe ses temps li-
bres travailler sur sa petite plantation de bananiers et de cocotiers dans le village
de Mlalakuwa, situ prs de 13 km en priphrie du centre-ville de Dar es Salaam,
capitale conomique de la Rpublique-Unie de Tanzanie.
1

MTHODES NUMRIQUES

Lectures Obligatoires

Source: Wikipedia.org

2

Table des matires
Interpolation linaire ..................................................................................................................................... 6
Interpolation lagrangienne ........................................................................................................................... 7
Dfinition .................................................................................................................................................. 8
Polynmes de Lagrange ....................................................................................................................... 8
Polynme d'interpolation .................................................................................................................... 8
Autre criture ....................................................................................................................................... 9
Base de polynmes .................................................................................................................................. 9
Applications ............................................................................................................................................ 10
Ide principale ........................................................................................................................................ 10
Mthode de dichotomie ............................................................................................................................. 10
Principe .................................................................................................................................................. 11
Programmation ...................................................................................................................................... 11
Limite de la mthode ............................................................................................................................. 12
Thorme des valeurs intermdiaires ........................................................................................................ 12
Approche intuitive ................................................................................................................................. 13
nonc .................................................................................................................................................... 14
Remarques ............................................................................................................................................. 14
Applications ............................................................................................................................................ 15
Note historique ...................................................................................................................................... 16
Rsolution et dmonstration ................................................................................................................. 16
Dmonstration avec la topologie ....................................................................................................... 16
Dmonstration par dichotomie .......................................................................................................... 16
Dmonstration avec la borne sup ...................................................................................................... 17
Algorithmes ............................................................................................................................................ 18
Lemme de Cousin ........................................................................................................................................ 18
nonc .................................................................................................................................................... 18
L'intgrale de Kurzweil-Henstock ........................................................................................................... 19
Quelques applications en analyse .......................................................................................................... 19
Existence de la borne suprieure ....................................................................................................... 19
Le thorme des bornes .................................................................................................................... 20
Le thorme des valeurs intermdiaires ........................................................................................... 20
3

Le thorme de Heine dans le cas rel .............................................................................................. 21
Approximation d'une fonction continue par des fonctions en escalier ............................................. 21
Le thorme de relvement .............................................................................................................. 21
Le thorme de Bolzano-Weierstrass dans le cas rel ...................................................................... 22
Le thorme de Borel-Lebesgue dans le cas rel .............................................................................. 22
Fonction continue drive nulle sauf sur un ensemble dnombrable ........................................... 22
Fonction lipschitzienne drive nulle presque partout .................................................................. 23
Le thorme fondamental de l'analyse ............................................................................................. 23
Mthode de Newton ................................................................................................................................... 24
Pour les fonctions d'une variable relle ................................................................................................. 25
Histoire ............................................................................................................................................... 25
Interprtation et construction formelle ............................................................................................. 26
Exemple .............................................................................................................................................. 27
Convergence .......................................................................................................................................... 28
Exemple de non convergence ............................................................................................................ 29
Convergence quadratique locale ....................................................................................................... 29
Critre d'arrt ......................................................................................................................................... 29
D'autres exemples d'application ............................................................................................................ 29
Calcul de la racine carre ................................................................................................................... 29
Intersection des graphes de deux fonctions ...................................................................................... 30
Pour les fonctions complexes ............................................................................................................ 30
Gnralisations/variantes ...................................................................................................................... 31
Mthode de Newton approche ........................................................................................................ 31
Systmes d'quations plusieurs variables ....................................................................................... 31
Mthode de la scante ............................................................................................................................... 32
La mthode ............................................................................................................................................ 32
Dmonstration ................................................................................................................................... 32
Convergence .......................................................................................................................................... 33
Exemples d'implmentation .................................................................................................................. 33
Mthode de la fausse position ................................................................................................................... 35
La mthode ............................................................................................................................................ 35
Recherche du zro de la scante ........................................................................................................ 36
4

Analyse ................................................................................................................................................... 36
Exemple de programme ......................................................................................................................... 37
Histoire ................................................................................................................................................... 37
Racine d'un polynme ................................................................................................................................ 38
Dfinition ............................................................................................................................................ 38
Dfinition alternative ......................................................................................................................... 39
Dfinitions connexes .......................................................................................................................... 39
Existence des racines ............................................................................................................................. 40
Relations entre les coefficients et les racines ........................................................................................ 41
Calcul des racines ................................................................................................................................... 41
quation du second degr .......................................................................................................................... 42
Introduction par l'exemple ................................................................................................................ 42
Discriminant ....................................................................................................................................... 43
Interprtation graphique ................................................................................................................... 44
Rsolution .............................................................................................................................................. 45
Forme canonique ............................................................................................................................... 45
Exemples ............................................................................................................................................ 45
Rsolution de l'quation .................................................................................................................... 46
Proprits ............................................................................................................................................... 47
Forme rduite .................................................................................................................................... 47
Relations entre coefficients et racines ............................................................................................... 48
Discriminant rduit ............................................................................................................................ 48
Gain de prcision ................................................................................................................................ 49
Autres mthodes de rsolution ............................................................................................................. 50
Racines videntes ............................................................................................................................... 50
Mthode gomtrique ....................................................................................................................... 51
Par les relations entre coefficients et racines .................................................................................... 52
Nombre complexe .................................................................................................................................. 52
Exemple .............................................................................................................................................. 52
Coefficients rels et discriminant strictement ngatif ....................................................................... 53
quation z
2
= ................................................................................................................................... 54
Cas gnral ......................................................................................................................................... 54
5

Historique ............................................................................................................................................... 55

6

Interpolation linaire

Les points rouges correspondent aux points (x
k
,y
k
), et la courbe bleue reprsente la fonction
d'interpolation, compose de segments de droite.
L'interpolation linaire est certainement la mthode la plus simple d'interpolation. Par exemple,
si nous souhaitons dterminer f(2,5) alors que l'on connait les valeurs de f(2) = 0,9093 et f(3) =
0,1411, cette mthode consiste prendre la moyenne des 2 valeurs sachant que 2,5 est le milieu
des 2 points. On obtient par consquent .
Plus gnralement, la droite d'interpolation aura pour quation (trois formulations quivalentes) :

ou bien (formule de Taylor-Young au premier ordre) :
7

ou bien :

Cette dernire formule correspond la moyenne pondre.
Cette mthode est rapide et aise mais elle manque de prcision. Un autre inconvnient est que la
fonction n'est pas drivable au point x
k
.
L'erreur d'estimation montre que l'interpolation linaire n'est pas trs prcise. Si la fonction g que
l'on souhaite interpoler est deux fois continuement drivable et si alors l'erreur
d'interpolation est donne par :
o
En d'autres termes, l'erreur est proportionnelle au carr de la distance entre les nuds. D'autres
mthodes d'interpolation permettent d'obtenir des fonctions d'interpolation plus lisses, par
exemple, l'interpolation polynomiale.
L'interpolation linaire peut tre utilise pour fournir une mthode de calcul numrique
d'intgrales : la mthode des trapzes.
Interpolation lagrangienne
En analyse numrique, les polynmes de Lagrange, du nom de Joseph Louis Lagrange,
permettent d'interpoler une srie de points par un polynme qui passe exactement par ces points
appels aussi nuds. Cette technique d'interpolation polynomiale a t dcouverte par Edward
Waring en 1779 et redcouverte plus tard par Leonhard Euler en 1783.
8

Dfinition []

Cette image montre, pour 4 points ((-9, 5), (-4, 2), (-1, -2), (7, 9)), l'interpolation polynomiale L(x) (de
degr 3), qui est la somme des polynmes de base y
0.
l
0
(x), y
1.
l
1
(x), y
2.
l
2
(x) et y
3.
l
3
(x). Le polynme
d'interpolation passe par les 4 points de contrle, et chaque polynme de base passe par son point de
contrle respectif et vaut 0 pour les x correspondant aux autres points de contrle.
On se donne n + 1 points (avec les x
i
distincts 2 2). On se propose de
construire un polynme de degr minimal qui en les abscisses prend les
valeurs y
i
, ce qui est achev par la mthode suivante.
Polynmes de Lagrange []
Les polynmes de Lagrange associs ces points sont les polynmes dfinis par :

On a en particulier deux proprits :
1. l
j
est de degr n pour tout j
2. c'est--dire l
i
(x
i
) = 1 et l
i
(x
j
) = 0 pour
Polynme d'interpolation []
Le polynme dfini par est l'unique polynme de degr au plus n
vrifiant L(x
i
) = y
i
pour tout i.
9

En effet et L est une combinaison linaire de polynmes de
degr au plus n donc est de degr n au plus.
Si un autre polynme, Q, vrifie ces proprits alors L Q est de degr n au plus, et s'annule en
n + 1 points (les x
k
) donc est nul ce qui prouve l'unicit.
Autre criture []
Posons . On a N(x
i
) = 0 et, en utilisant la formule de Leibniz
.
En particulier, comme tous les produits sont nuls en x
k
sauf un :
.
Ainsi
On peut utiliser N pour traduire l'unicit : si Q vrifie Q(x
i
) = y
i
pour tout i alors Q L s'annule
aux points x
i
donc est un multiple de N. Il est donc de la forme Q(X) = L(X) + N(X).P(X) o P est
un polynme quelconque.
Base de polynmes []
On se donne n + 1 scalaires distincts . Pour tout polynme P appartenant K
n
[X], si
on pose y
i
= P(x
i
), P est le polynme d'interpolation correspondant aux points : il est gal au
polynme L dfini ci-dessus.
On a donc donc forme une famille gnratrice de
K
n
[X]. Comme son cardinal (gal n + 1) est gal la dimension de l'espace, elle en est une
base.
Exemples : en choisissant P = 1 ou P = X on a
10

1.
2.
En fait c'est la base dont la base duale est la famille des n + 1 formes linaires u
i
de Dirac
dfinies par u
i
(P) = P(x
i
).
Applications []
1. Ils peuvent tre utiliss pour calculer la matrice inverse d'une matrice de Vandermonde
2. Ils interviennent dans la dmonstration du critre de diagonalisabilit par les polynmes
annulateurs.
Ide principale []
Rsoudre un problme d'interpolation conduit inverser une matrice pleine de type matrice de
Vandermonde. C'est un calcul lourd en nombre d'oprations. Les polynmes de Lagrange
dfinissent une nouvelle base de polynmes qui permet de ne plus avoir une matrice pleine mais
une matrice diagonale. Or, inverser une matrice diagonale est une opration instantane.
Mthode de dichotomie

tapes successives de la mthode de dichotomie avec comme point de dpart, l'intervalle [a
1
;b
1
. Le zro
de la fonction est en rouge.]
11

La mthode de dichotomie ou mthode de la bissection est, en mathmatiques, un algorithme
de recherche d'un zro d'une fonction qui consiste rpter des partages dun intervalle en deux
parties puis slectionner le sous-intervalle dans lequel existe un zro de la fonction.
Principe []
On considre deux nombres a et b et une fonction f continue sur l'intervalle [a, b] telle que f(a) et
f(b) soient de signes opposs. Supposons que nous voulions rsoudre lquation f(x) = 0. Nous
savons d'aprs le thorme des valeurs intermdiaires que f doit avoir au moins un zro dans
lintervalle [a, b]. La mthode de dichotomie consiste diviser lintervalle en deux en calculant c
= (a+b) / 2. Il y a maintenant deux possibilits : ou f(a) et f(c) sont de signes opposs, ou f(c) et
f(b) sont de signes opposs.
Lalgorithme de dichotomie est alors appliqu au sous-intervalle dans lequel le changement de
signe se produit, ce qui signifie que lalgorithme de dichotomie est en soi rcursif.
Lerreur absolue de la mthode de dichotomie est au plus

aprs n tapes. En dautres termes, lerreur est diminue de moiti chaque tape, ainsi la
mthode converge linairement, ce qui est trs lent par comparaison avec la mthode de Newton.
L'avantage par rapport cette dernire est son domaine d'application plus vaste : il suffit
seulement que f(a) et f(b) soient de signes opposs et qu'on puisse dterminer le signe de f(c)
chaque itration. De plus, si on se donne la tolrance relative , on connat en thorie le nombre
maximum d'itrations ncessaires pour satisfaire cette tolrance :

C'est un cas assez peu habituel en calcul numrique pour tre not.
Programmation []
Sous l'hypothse que le signe de f(c) soit dterminable, voici une reprsentation de la mthode en
langage Visual Basic. Les variables xL et xR correspondent aux rels a et b prcdents. Les
valeurs initiales de xL et xR doivent tre choisies telles que f(xL) et f(xR) soient de signe
oppos (elles encadrent le zro). La variable epsilon indique avec quelle prcision le rsultat
doit tre donn.
'Mthode de dichotomie

'Start loop
While (xR - xL) > epsilon do

12

'Calcule le milieu du domaine de dfinition
xM = (xR + xL) / 2

'Find f(xM)
If ((f(xL) * f(xM)) > 0) Then
'jette la moiti de gauche
xL = xM
Else
'jette la moiti de droite
xR = xM
End If
Loop
Limite de la mthode []
Cette mthode d'une grande robustesse ncessite cependant de connatre chaque tape le signe
de f(c). Dans quelques cas, il peut arriver que la valeur de f(c) soit si proche de 0 que la prcision
du logiciel de calcul ne permette plus de dterminer le signe de f(c) (le logiciel de calcul assimile
f(c) 0). L'application de l'algorithme risque alors de conduire l'limination errone d'une
moiti de l'intervalle et la convergence vers une valeur loigne de la racine.
D'une manire plus gnrale, la dtermination du signe de f(c) peut se rvler impossible, mme
en augmentant la prcision du calcul du logiciel. Considrons par exemple un rel dont on peut
calculer des valeurs approches dcimales ou rationnelles
n
toute prcision dsire.
Considrons maintenant la fonction f affine sur les intervalles , et et telle que
f(0) = 1, f(1) = 1, f(1 / 3) = f(2 / 3) = . La mthode de dichotomie demande de dterminer le
signe de f(1 / 2) = . Or il n'existe aucun algorithme gnral permettant de dcider si > 0, = 0
ou < 0. En effet, un tel algorithme, s'il existait, ne devant effectuer qu'un nombre fini de calcul,
devrait prendre sa dcision au vu d'un nombre fini de valeurs approches
n
, ce qui est insuffisant
pour conclure.
Cette limite conduit les thoriciens
[1]
de l'analyse constructive qualifier la mthode de
dichotomie de non constructive et privilgier l'nonc alternatif : rechercher une valeur x telle
que | f(x) | soit infrieure une erreur donne.
Thorme des valeurs intermdiaires
Le thorme des valeurs intermdiaires (TVI) est un thorme important en analyse et
concerne des fonctions continues sur un intervalle. Il indique que si une fonction continue sur un
intervalle prend deux valeurs m et n, alors elle prend toutes les valeurs intermdiaires entre m et
n.
Ce thorme donne dans certains cas l'existence de solutions d'quations et est la base de
techniques de rsolutions approches comme la dichotomie.
13

Approche intuitive []

Profil de l'tape Pau-Hautacam du Tour de France 2008
La 10e tape du Tour de France 2008 tait une course cycliste de 156 km de long partant de Pau
(altitude : 200 m) et arrivant Hautacam (1 520 m).
Le profil de l'tape est une fonction dfinie sur l'intervalle [0;156] et valeurs relles. tout
nombre x de [0;156], elle associe l'altitude du point situ x kilomtres du dpart. Puisque les
altitudes s'chelonnent de 200 1 520 m, il parat vident que les coureurs ont d passer au
moins une fois par toutes les altitudes intermdiaires. Cependant, cette constatation s'appuie sur
deux hypothses :
le parcours est un intervalle, ce qui suppose que l'espace est un continuum les
mathmaticiens parlent d'espace connexe c'est--dire qu'il n'y a pas de trou entre 0 et
156.
la fonction altitude est continue, ce qui signifie qu'une variation infinitsimale du kilomtrage
entrane une variation infinitsimale de l'altitude : en d'autres termes, un coureur ne peut pas
se tlporter instantanment d'une altitude une autre.
Le coureur passera ainsi au moins une fois par l'altitude 1 000 m. Remarquons que le
raisonnement n'est plus valable si le profil n'est plus dfini sur un intervalle, par exemple si l'on
ne s'intresse qu'aux points de contrle marqus sur le graphique ci-contre : il se peut qu'aucun
de ces points, si nombreux soient-ils, ne se trouve 1 000 m d'altitude.
Le thorme des valeurs intermdiaires formalise ce raisonnement empirique.
14

nonc []

Thorme des valeurs intermdiaires
Soit f une fonction dfinie et continue sur un intervalle I et valeurs dans , alors f(I) est un
intervalle.
Enonc quivalent mais plus explicite :
Soit une application continue, alors pour tout rel u compris entre f(a) et f(b), il
existe au moins un rel c compris entre a et b tel que f(c) = u.

Cas particulier (Thorme de Bolzano):
si f(a) et f(b) ne sont pas de mme signe, il existe au moins un rel c compris entre a et b tel que
f(c) = 0 (car 0 est compris entre f(a) et f(b)).
Remarques []
La proprit de la valeur intermdiaire correspond une notion intuitive: il est possible de
dessiner le graphe de la fonction d'un seul trait de crayon. Ou dit autrement, il n'est pas
ncessaire de soulever son crayon pour dessiner le graphe de la fonction.
Cette remarque amne se poser la question : n'y a-t-il pas quivalence entre la proprit de la
valeur intermdiaire et la continuit ? La rponse est malheureusement ngative (Thorme de
Darboux). Un contre exemple nous est donn par la fonction relle de la variable relle dfinie
15

par si et . Cette fonction n'est pas continue en 0 mais
elle satisfait bien la proprit de la valeur intermdiaire pour chaque couple de points dans .
Ce thorme est essentiel l'laboration de la thorie de l'analyse lmentaire, il permet la
dmonstration du thorme de la bijection et la construction de nombreuses fonctions
lmentaires comme la racine carre.
Ce thorme est faux sur le corps des nombres rationnels. Il faut ncessairement utiliser les
proprit du corps des nombres rels. Par exemple, la fonction f(x) = x
2
2 de dans est
continue sur [0;2], et vrifie f(0) = 2, f(2) = 2. Cependant, il n'y a pas de nombre rationnel x tel
que f(x) = 0.
Ce thorme met en valeur une proprit topologique des nombres rels. Il se dmontre
simplement l'aide de la topologie ou de manire plus dlicate si l'on procde manuellement.
Lorsque l'on cherche dmontrer qu'il existe une solution unique, on regarde si de plus f est
strictement monotone. Il est aussi possible d'utiliser le thorme de la bijection.
Applications []
On utilise souvent ce thorme pour montrer que deux fonctions continues sur un mme
intervalle et dont la diffrence change de signe dans cet intervalle prennent la mme valeur en
au moins un point de cet intervalle.
Exemple : Soient f et g deux fonctions continues sur un intervalle non vide [a ; b] de , telles
que g(a) - f(a) et g(b) - f(b) soient de signes contraires. Il existe au moins un rel c compris entre
a et b et tel que f(c) = g(c).
En effet, posons = f - g. La fonction est continue, et 0 est compris entre (a) et (b). Il existe
donc au moins un rel c compris entre a et b et tel que (c) = 0, soit encore f(c) = g(c).
Dans le cas particulier o g est l'identit sur l'intervalle [a;b] et o f(a) > a et f(b) < b, on obtient
un thorme de point fixe (Brouwer en dimension 1).
Pour tout polynme P coefficients rels et de degr impair, il existe au moins une racine relle,
c'est--dire un rel c tel que P(c) = 0.
En effet, on peut supposer (sans perte de gnralit) que le coefficient du terme de plus haut
degr de P est gal 1. Alors, comme le degr de P est impair, P(x) tend vers - quand x tend
vers -, et P(x) tend vers + quand x tend vers +. On en dduit qu'il existe a rel tel que P(a)
0, et qu'il existe b rel tel que P(b) 0. Comme P est continu, il existe au moins un rel c
compris entre a et b et tel que P(c) = 0.
16

Note historique []
Il n'est pas ncessaire qu'une fonction soit continue pour que la conclusion du thorme des
valeurs intermdiaires soit vraie. En 1875, Gaston Darboux a montr que cette conclusion tait
vrifie par les fonctions drives, qu'elles soient continues ou non (voir Thorme de Darboux
(analyse) ).
Rsolution et dmonstration []
Le thorme des valeurs intermdiaires fait partie des thormes dits d'existence. A la question
Existe-t-il un rel c tel que f(c) = u? , le thorme rpond OUI, il en existe . Il fait natre
alors ncessairement la question suivante Quel est ce rel c ? .
Trois dmonstrations sont donnes. La premire, plus courte et plus simple, s'appuie sur une
thorie plus difficile, la topologie. La deuxime dmonstration, base sur la mthode de
dichotomie peut, dans une certaine mesure, tre mise en uvre numriquement. Cependant, il
n'existe pas de dmonstration gnrale constructive de cette existence. La troisime repose sur la
notion de borne suprieure d'un ensemble de rels.
Dmonstration avec la topologie []
La topologie fournit une dmonstration en quelques lignes de cette proprit :
Les connexes de sont les intervalles. L'ensemble de dpart est donc un connexe. L'image d'un
connexe par une fonction continue est un connexe. Donc l'image par f de est un intervalle,
ce qui dmontre le thorme.
Mais derrire cette apparente simplicit se cachent des rsultats qu'il faut avoir dmontrs au
pralable, comme le fait que tout intervalle de est connexe, dmonstration du mme ordre de
difficult que celle du thorme des valeurs intermdiaires.
Dmonstration par dichotomie []
Le principe consiste couper l'intervalle de dpart en deux et conserver l'intervalle o l'on sait
que se trouve une solution. On recommence ensuite en coupant en deux l'intervalle conserv, etc.
On obtient ainsi des intervalles embots de plus en plus petits dans lesquels on est sr de trouver
une solution. On finit alors par trouver un encadrement assez fin de la solution.
On suppose donc que
la fonction f est continue sur l'intervalle [a , b]
f(a) < u < f(b) (une dmonstration analogue peut se faire pour f(a) > u > f(b)).
La continuit de la fonction f va permettre d'utiliser la proprit suivante :
17

si (u
n
) est une suite valeurs dans [a ; b] convergeant vers L, alors f(u
n
) converge vers f(L).
La mthode de dichotomie consiste construire une suite d'intervalles I
n
= [a
n
; b
n
] tels que pour
tout n :
I
n+1
soit inclus dans I
n

la longueur de I
n+1
soit la moiti de celle de I
n

f(a
n
) < u < f(b
n
).
On procde de la manire suivante :
on pose initialement I
0
= [a ;b]
quand un rang n, l'intervalle I
n
est construit, on note m
n
son milieu et
o si f(m
n
) < u , on prend pour I
n+1
l'intervalle [m
n
; b
n
] et on pose a
n + 1
= m
n
et b
n + 1
= b
n
.
o si f(m
n
) > u , on prend pour I
n+1
l'intervalle [a
n
; m
n
]et on pose a
n + 1
= a
n
et b
n + 1
= m
n
..
o si f(m
n
) = u , on s'arrte.
Deux cas se prsentent :
ou bien la suite est finie et il existe n tel que f(m
n
) = u ; le problme est alors rsolu, et on peut
prendre : c = m
n

ou bien la suite est infinie.
Dans ce cas, les suites (a
n
) et (b
n
) sont adjacentes : en effet, la premire est croissante (au sens
large), la seconde est dcroissante, et la diffrence entre les deux suites est gale la longueur
de I
n
,soit qui tend vers 0.
Ces deux suites convergent donc vers une mme limite c. Comme f est continue, les suites (f(a
n
))
et (f(b
n
)) convergent vers f(c).
Comme, d'autre part, f(a
n
) < u pour tout n, on obtient f(c) u par passage la limite.
Comme, enfin, f(b
n
) > u pour tout n, on obtient f(c) u par passage la limite.
Il en rsulte que f(c) = u.
Dmonstration avec la borne sup []
Supposons par exemple f(a) u f(b), et notons X le sous-ensemble de l'intervalle [a , b]
constitu des rels x qui vrifient f(x) u.
Cet ensemble est non vide (il contient a) et major (par b).
Notons c sa borne suprieure et prouvons que f(c) = u.
Comme c est une limite d'lments de X, on a (par passage la limite dans les ingalits) f(c) u.
18

Reste prouver que f(c) u.
o Si c = b, c'est vrai par hypothse.
o Si au contraire l'intervalle ]c , b] est non vide, comme ses lments x vrifient tous f(x) >
u, on obtient ( nouveau par passage la limite) f(c) u.
Cette ingalit et la prcdente prouvent l'galit voulue.
Algorithmes []
La dmonstration par dichotomie se traduit facilement sous forme algorithmique, l'exception
du test f(m
n
) = u, qu'on ne saurait vrifier exactement alors que l'on procde des calculs
numriques approchs. On prfre lui substituer la condition , o est une
erreur donne l'avance. L'algorithme fournira alors un rel x tel que , mais
cette valeur peut se rvler relativement loigne de la valeur exacte c de la racine si l'on ne fait
aucune autre hypothse sur f que la continuit.
Dans le cas o f est C
1
(c'est--dire o f et sa premire drive sont continues) et qu'on peut
trouver un nombre m>0 tel que |f '|>m dans l'intervalle o la mthode de dichotomie est
applique, alors l'algorithme de la dichotomie converge vers un nombre c tel que f(c) = u. On a
de plus, la majoration de l'cart entre la valeur x calcule par la dichotomie et c sous la forme

Par ailleurs, la mthode de dichotomie permet seulement de trouver une seule valeur x. Le fait
d'liminer tout un intervalle chaque tape risque d'liminer d'autres solutions.
Enfin, la dichotomie est un algorithme simple, mais n'est pas le plus performant : la prcision
n'augmente que d'un facteur 2 chaque itration. On a donc cherch d'autres mthodes
permettant une convergence plus rapide. La mthode de Newton ou mthode des tangentes en est
un d'une bonne efficacit.
Lemme de Cousin
En mathmatiques, le lemme de Cousin
[1]
est une proprit de la droite relle quivalente
l'existence de la borne suprieure pour les parties majores de . Il joue un rle important dans
l'intgrale de Kurzweil-Henstock, mais permet galement de dmontrer directement des
thormes d'analyse.
nonc []
Le lemme de Cousin s'nonce comme suit :
Soit un segment [a, b] de et soit une fonction dfinie sur [a, b] valeurs strictement positives
(appele jauge). Alors il existe une sudvivision finie a = x
0
< x
1
< ... < x
n
= b et des nombres t
1
,
19

..., t
n
tels que, pour tout i, . On dit que t
i
marque
le segment [x
i 1
,x
i
], et que la subdivision {x
i
} marque par les points t
i
est plus fine que .
[Drouler]
Dmonstration

L'intgrale de Kurzweil-Henstock []
L'intgrale de Riemann est une dfinition de l'intgrale gnralement accessible aux tudiants de
premier cycle universitaire, mais elle prsente plusieurs inconvnients. Un certain nombre de
fonctions relativement simples ne possdent pas d'intgrale au sens de Riemann, par exemple la
fonction de Dirichlet. Par ailleurs, cette thorie de l'intgration est trop faible pour dmontrer des
thormes puissants d'intgration, tels que le thorme de convergence domine, le thorme de
convergence monotone ou le thorme d'interversion srie-intgrale. Ces lacunes sont combles
par l'intgrale de Lebesgue mais celle-ci est plus complexe et difficilement accessible dans les
premires annes du suprieur.
Kurzweil et Henstock ont propos une thorie de l'intgration, gure plus difficile que la thorie
de Riemann, mais aussi puissante que la thorie de Lebesgue, en posant :
Une fonction f borne ou non sur un segment [a, b] est intgrable au sens de Kurzweil-Henstock
ou KH-intgrable, d'intgrale I, si, pour tout , il existe une fonction jauge , telle que, pour
toute subdivision {x
i
} marque par les t
i
, plus fine que , on a :

Si on prend des jauges constantes, on retrouve l'intgrale de Riemann.
Dans cette thorie, le lemme de Cousin joue un rle essentiel.
Quelques applications en analyse []
Nous donnons ci-dessous quelques exemples de proprits susceptibles d'tre directement
dmontres au moyen du lemme de Cousin. Dans chacun des cas, il suffit de choisir une jauge
adquate
[2]
.
Existence de la borne suprieure []
La proprit de Cousin peut servir de proprit caractristique de dans le sens o, si on l'admet,
elle permet de dmontrer l'existence de la borne suprieure pour une partie non vide majore A.
20

Il suffit en effet de choisir a dans A et b un majorant de A. On dfinit ensuite la jauge suivante
sur [a,b] :
(i) si t ne majore pas A, il existe c dans A tel que t < c. On prend alors (t) = c t.
(ii) Si t majore A sans tre le plus petit majorant, il existe c majorant de A tel que c < t. On pose
alors (t) = t c
(iii) Si t est le plus petit majorant de A (autrement dit la borne suprieure cherche), on prend
(t) quelconque strictement positif.
Le lemme de Cousin affirme l'existence d'une subdivision marque finie plus fine que et cela
impose qu'une des marques soit du type (iii). En effet, les subdivisions finies marques
uniquement par des points du type (i) ou (ii) ne permettent pas de recouvrir entirement
.
Le thorme des bornes []
Soit f continue sur un segment [a, b]. Montrons que f admet un maximum.
(i) Si t est tel que f(t) soit le maximum cherch, prendre (t) quelconque strictement positif.
(ii) Sinon, il existe y dans [a,b] tel que f(t) < f(y). f tant continue, il existe (t) > 0 tel que, pour
tout x lment de ]t (t),t + (t)[, f(x) < f(y).
Le lemme de Cousin affirme l'existence d'une subdivision marque finie plus fine que et cela
impose qu'une des marques soit du type (i). En effet, les subdivisions finies marques
uniquement par des points du type (ii) ne permettent pas de recouvrir entirement [a,b]. Si tel
tait le cas, on aurait une subdivision finie {x
i
} marque par des points {t
i
}, et pour chaque i, il
existe y
i
tel que f(t
i
) < f(y
i
). Soit k tel que f(y
k
) soit le plus grand des f(y
i
). y
k
est dans l'un des
intervalles [x
i-1
, x
i
] de la subdivision, mais il doit alors vrifier, comme les autres lments de cet
intervalle : f(y
k
) < f(y
i
), ce qui est contradictoire avec la maximalit de f(y
k
).
Le thorme des valeurs intermdiaires []
Soit f dfinie sur [a, b].
(i) Si f(t) < 0, f tant continue, il existe (t) > 0 tel que f reste strictement ngative sur l'intervalle
]t (t),t + (t)[.
(ii) Si f(t) > 0, f tant continue, il existe (t) > 0 tel que f reste strictement positive sur l'intervalle
]t (t),t + (t)[.
(iii) Si f(t) = 0, prendre (t) quelconque strictement positif.
21

Le lemme de Cousin affirme l'existence d'une subdivision marque finie plus fine que . S'il
n'existe pas de marqueur du type (iii), alors ncessairement f est de signe constant. En effet, les
conditions (i) et (ii) impose que f garde un signe constant sur tout intervalle [x
i-1
, x
i
] de la
subdivision, et le signe de f sera le signe commun tous les x
i
, et ceci sur tout l'intervalle [a, b].
Le thorme de Heine dans le cas rel []
Soit continue sur , et soit . Pour tout , il existe tel que, pour tout de
, on a Le lemme de Cousin affirme l'existence d'une
subdivision finie marque par les points , plus fine que . Choisissons
. Si et sont tels que , et si est dans l'intervalle [x
i 1
;x
i
]
marque par , alors et se trouvent tous deux une distance de infrieure , de sorte
que et . Il en rsulte que .
On a ainsi montr que tait uniformment continue.
Approximation d'une fonction continue par des fonctions en escalier []
Soit f une fonction continue sur un segment [a,b]. Soit > 0. f tant continue, pour tout t de [a,b],
il existe (t) > 0 tel que, pour tout x de ]t (t),t + (t)[, on a . Le lemme de
Cousin affirme l'existence d'une subdivision {x
i
} finie marque par les points t
i
, plus fine que .
Considrons alors la fonction en escalier dfinie comme suit :

Pour tout x lment de ]x
i 1
,x
i
[,
Alors approche f uniformment moins de prs.
Le thorme de relvement []
Soit f une fonction continue sur un segment I de valeurs dans le cercle unit du plan
complexe. Par continuit de f, pour tout x de I, il existe (x) strictement positif assez petit tel que
l'image par f de l'intervalle [x (x),x + (x)] soit entirement inclus dans une partie de de la
forme . f possde alors un relvement local sur [x
(x),x + (x)]. Par exemple, si f([x (x),x + (x)]) est inclus dans , on
prendra comme relvement la fonction gale arccos(Re(f)), dfini un multiple de 2 prs. Si
on considre une subdivision (x
i
) de I plus fine que , on obtient un relvement local
i
sur
22

chaque sous-intervalle [x
i 1
,x
i
] de la subdivision. On obtiendra un relvement global continu en
remplaant au besoin
i + 1
par
i + 1
+
i
(x
i
)
i + 1
(x
i
), de faon obtenir la continuit au point x
i
.
Le thorme de Bolzano-Weierstrass dans le cas rel []
Soit (u
n
) une suite relle contenue dans un segment [a, b].
(i) Si t est une valeur d'adhrence de la suite, on prend (t) quelconque strictement positif.
(ii) Sinon, il existe (t) > 0 tel que l'intervalle ]t (t),t + (t)[ ne possde qu'un nombre fini de
termes de la suite.
Le lemme de Cousin affirme l'existence d'une subdivision marque finie plus fine que . Cela
impose ncessairement au moins un marqueur du type (i), car si tous les marqueurs taient du
type (ii), la suite n'aurait qu'un nombre fini de termes.
Le thorme de Borel-Lebesgue dans le cas rel []
Soit (O
i
) une famille d'ouverts recouvrant un segment [a,b]. Pour tout t de [a,b], t est dans l'un
des O
i
. Ce dernier tant ouvert, il existe (t) > 0 tel que l'intervalle ]t (t),t + (t)[ soit inclus
dans O
i
. Le lemme de Cousin affirme l'existence d'une subdivision marque finie plus fine que .
Chaque intervalle de cette subdivision est inclus dans l'un des O
i
, ce qui dfinit un recouvrement
de [a,b] par un nombre fini d'ouverts O
i
.
Fonction continue drive nulle sauf sur un ensemble dnombrable []
Soit f une fonction continue dfinie sur et telle que sa drive f' soit dfinie et nulle, sauf en un
nombre dnombrable de points. Alors f est constante. En effet, soit > 0. Posons :
(i) Si t est gal l'un des points t
n
, n entier, en lequel la drive n'est pas dfinie ou n'est pas
nulle, utilisant la continuit de f, choisissons (t
n
) > 0 tel que, pour tout x dans ]t
n
(t
n
),t
n
+
(t
n
)[, . Remarquons que la variation de f sur l'intervalle ]t
n

(t
n
),t
n
+ (t
n
)[ est au plus de , et que la somme de ces variations sur tous ces intervalles
lorsque n dcrit l'ensemble des entiers, est major par 2.
(ii) Sinon, f'(t) = 0 et il existe (t) > 0 tel que, pour tout x lment de ]t (t),t + (t)[, on ait | f(x)
f(t) | < | x t | . Remarquons que la variation de f sur l'intervalle ]t (t),t + (t)[ est au plus
de 2 fois la longueur de l'intervalle, et que la somme de ces variations sur un runion de tels
intervalles est major par 2 fois la somme des longueurs des intervalles.
Alors, pour tout a < b, l'application du lemme de Cousin sur [a, b] fournit une subdivision
marque finie plus fine que . En distinguant les marqueurs du type (i) et du type (ii), on obtient |
23

f(b) f(a) | < 2 + 2(b a), b - a tant un majorant de la somme des longueurs des intervalles de
la subdivision du type (ii). L'ingalit tant vraie pour tout , il en rsulte que f(a) = f(b).
Fonction lipschitzienne drive nulle presque partout []
Soit f une application lipschitzienne de rapport M dfinie sur et telle que sa drive f' soit
dfinie et nulle presque partout. Alors f est constante. En effet, soit > 0 et soit U un ouvert de
mesure infrieure contenant les points o la drive de f est non nulle ou non dfinie.
(i) Si t est un point de U, choisissons (t) > 0 tel que ]t (t),t + (t)[ soit inclus dans U. Pour tout
x et tout y dans cet intervalle, | f(x) f(y) | < M | x y | . Remarquons que la variation de f sur
cet intervalle est au plus de M fois la longueur de l'intervalle, et que la somme des longueurs de
tels intervalles disjoints (sauf en leur extrmit) est infrieure la mesure de U.
(ii) Sinon, f'(t) = 0 et il existe (t) > 0 tel que, pour tout x lment de ]t (t),t + (t)[, on ait | f(x)
f(t) | < | x t | . Remarquons que la variation de f sur l'intervalle ]t (t),t + (t)[ est au plus
de 2 fois la longueur de l'intervalle, et que la somme de ces variations sur un runion de tels
intervalles est major par 2 fois la somme des longueurs des intervalles.
Alors, pour tout a < b, l'application du lemme de Cousin sur [a, b] fournit une subdivision
marque finie plus fine que . En distinguant les marqueurs du type (i) et du type (ii), on obtient |
f(b) f(a) | < M + 2(b a), b - a tant un majorant de la somme des longueurs des intervalles
de la subdivision du type (ii). L'ingalit tant vraie pour tout , il en rsulte que f(a) = f(b).
Une dmonstration analogue s'applique aux fonctions absolument continues.
Le thorme fondamental de l'analyse []
Soit F drivable sur [a, b] de drive f. Alors f est KH-intgrable et
. Il n'est pas ncessaire pour cela de supposer f continue. En
effet, soit > 0. Pour tout t de [a,b], il existe (t) > 0 tel que, pour tout x lment de ]t (t),t +
(t)[, on a :

ou encore :
F(t) + (x t)f(t) | x t | < F(x) < F(t) + (x t)f(t) + | x t |
Pour toute subdivision finie plus fine que , on aura, donc, en ce qui concerne l'intervalle [x
i-1
, x
i
]
marqu par le point t
i
:
24

F(t
i
) + (x
i 1
t
i
)f(t
i
) (t
i
x
i 1
) < F(x
i 1
) < F(t
i
) + (x
i 1
t
i
)f(t
i
) + (t
i
x
i 1
)
F(t
i
) + (x
i
t
i
)f(t
i
) (x
i
t
i
) < F(x
i
) < F(t
i
) + (x
i
t
i
)f(t
i
) + (x
i
t
i
)
donc :
(x
i
x
i 1
)f(t
i
) (x
i
x
i 1
) < F(x
i
) F(x
i 1
) < (x
i
x
i 1
)f(t
i
) + (x
i
x
i 1
)
donc :

ou enfin :

Or cette ingalit signifie que f est KH-intgrable et que son intgrale vaut F(b) - F(a).
On peut montrer que la conclusion reste vraie si F est drivable sauf en un nombre dnombrable
de points.
Mthode de Newton

Isaac Newton
25

En analyse numrique, la mthode de Newton, ou mthode de Newton-Raphson
[1]
, est un
algorithme efficace pour trouver des approximations d'un zro (ou racine) d'une fonction d'une
variable relle valeurs relles. L'algorithme consiste linariser une fonction f en un point et
prendre le point d'annulation de cette linarisation comme approximation du zro recherch. On
ritre cette procdure en l'approximation obtenue. Dans les cas favorables, les approximations
successives obtenues convergent avec une vitesse quadratique. De manire informelle, le nombre
de dcimales correctes double chaque tape.
Appliqu la drive d'une fonction, cet algorithme permet d'obtenir une valuation des points
critiques. La mthode de Newton se gnralise en dimension suprieure. La raison rside en une
utilisation du thorme du point fixe, qui cependant n'est pas ncessaire pour comprendre le sens
du rsultat.
Cette mthode porte le nom des mathmaticiens anglais Isaac Newton (1643-1727) et Joseph
Raphson, qui furent les premiers la dcrire pour l'appliquer la recherche des zros d'une
quation polynomiale.
Pour les fonctions d'une variable relle []
Histoire []

John Wallis
La mthode de Newton fut dcrite de manire satisfaisante par le mathmaticien anglais Isaac
Newton (1643-1727) dans De analysi per aequationes numero terminorum infinitas, crit en
1669 et publi en 1711 par William Jones (1675-1749). Elle fut nouveau dcrite dans De
metodis fluxionum et serierum infinitarum (De la mthode des fluxions et des consquences
infinies), crit en 1671, traduit et publi sous le titre Methods of Fluxions en 1736 par John
Colson. Toutefois, Newton n'appliqua la mthode qu'aux seuls polynmes. Comme la notion de
drive et donc de linarisation n'tait pas dfinie cette poque, l'approche adopte diffre :
26

Newton cherchait affiner une approximation grossire d'un zro d'un polynme par un calcul
polynomial.
Par exemple, 2 est un zro exact de X
3
2X
2
3X + 6 et donc peut tre pris comme un zro
approximatif de P(X) = X
3
2X
2
3X + 7. Une petite perturbation doit s'crire 2 + Y. Or, P(2 +
Y) = 1 7Y + 2Y
2
+ Y
3
= 1 7Y en ngligeant les termes d'ordre au moins 2. L'annulation de P
par 2 + Y impose Y = 1 / 7.
Cette mthode fut l'objet de publications antrieures. En 1685, John Wallis (1616-1703) en
publia une premire description dans A Treatise of Algebra both Historical and Practical. En
1690, Joseph Raphson en publia une description simplifie dans Analysis aequationum
universalis. Raphson considrait la mthode de Newton toujours comme une mthode purement
algbrique et restreignait aussi son usage aux seuls polynmes. Toutefois, il mit en vidence le
calcul rcursif des approximations successives d'un zro d'un polynme au lieu de considrer
comme Newton une suite de polynmes.
Ce n'est qu'en 1740 que Thomas Simpson (1710-1761) dcrivit cette mthode de calcul itratif
pour approcher les solutions d'une quation non linaire, utilisant le calcul fluxionnel. Simpson
appliqua la mthode de Newton des problmes d'optimisation. Arthur Cayley (1821-1895) fut
le premier noter la difficult de gnraliser la mthode de Newton aux variables complexes en
1879
[2]
, par exemple aux polynmes de degr suprieur 3.
Interprtation et construction formelle []
On va donc chercher construire une bonne approximation d'un zro de la fonction d'une
variable relle f(x). Pour cela, partant d'un point x
0
que l'on choisit de prfrence proche du zro
trouver (en faisant des estimations grossires par exemple), on approxime la fonction au premier
ordre, autrement dit, on la considre peu prs gale sa tangente en ce point :
.
Partant de l, pour trouver un zro de cette fonction approximante, il suffit de calculer
l'intersection de la droite tangente avec l'axe des abscisses, c'est--dire rsoudre l'quation
affine :
0 = f(x
0
) + f'(x
0
)(x x
0
).
On obtient alors un point x
1
qui en gnral a de bonnes chances d'tre plus proche du vrai zro de
f que le point x
0
prcdent. Par cette opration, on peut donc esprer amliorer l'approximation
par itrations successives (voir illustration) : on approxime nouveau la fonction par sa tangente
en x
1
pour obtenir un nouveau point x
2
, etc.
27

Illustration de la mthode de Newton
Cette mthode requiert que la fonction possde une tangente en chacun des points de la suite que
l'on construit par itration, par exemple il suffit que f soit drivable.
Formellement, on part d'un point x
0
appartenant l'ensemble de dfinition de la fonction et on
construit par rcurrence la suite : o f' dsigne la drive de la fonction
f. Le point x
n + 1
est bien la solution de l'quation affine f(x
n
) + f'(x
n
)(x x
n
) = 0.
Il se peut que la rcurrence doive se terminer, si l'tape n, x
n
n'appartient pas au domaine de
dfinition ou si la drive f'(x
n
) est nulle, dans ce cas, la mthode a chou.
Si le zro inconnu est isol, alors il existe un voisinage de tel que pour toutes les valeurs de
dpart x
0
dans ce voisinage, la suite (x
n
) va converger vers . De plus, si f'() est non nul, alors la
convergence est quadratique, ce qui signifie intuitivement que le nombre de chiffres corrects est
approximativement doubl chaque tape.
Bien que la mthode soit trs efficace, certains aspects pratiques doivent tre pris en compte.
Avant tout, la mthode de Newton ncessite que la drive soit effectivement calcule. Dans les
cas o la drive est seulement estime en prenant la pente entre deux points de la fonction, la
mthode prend le nom de mthode de la scante, moins efficace (d'ordre 1,618 qui est le nombre
d'or) et infrieure d'autres algorithmes. Par ailleurs, si la valeur de dpart est trop loigne du
vrai zro, la mthode de Newton peut entrer en boucle infinie sans produire d'approximation
amliore. cause de cela, toute mise en uvre de la mthode de Newton doit inclure un code
de contrle du nombre d'itrations.
Exemple []
Pour illustrer la mthode, recherchons le nombre positif x vrifiant cos(x) = x
3
. Reformulons la
question pour introduire une fonction devant s'annuler : on recherche le zro positif (la racine) de
f(x) = cos(x) x
3
. La drivation donne f'(x) = sin(x) 3x
2
.
28

Comme pour tout x et x
3
> 1 pour x > 1, nous savons que notre zro se situe entre 0
et 1. Nous essayons une valeur de dpart de x
0
= 0,5.

Les 7 premiers chiffres de cette valeur concident avec les 7 premiers chiffres du vrai zro.
Convergence []
La vitesse de convergence d'une suite x
n
obtenue par la mthode de Newton peut tre obtenue
comme application de la formule de Taylor. Il s'agit d'valuer une majoration de log | x
n
a | .
f est une fonction continument diffrentiable deux fois dfinie au voisinage de a. On suppose que
a se trouve tre un zro de f qu'on essaie d'approximer par la mthode de Newton. On fait
l'hypothse que a est un zro d'ordre 1, autrement dit que f'(a) est non nul. La formule de Taylor
s'crit :
, avec entre x et a.
Partant de l'approximation x, la mthode de Newton fournit au bout d'une itration :
.
Pour un intervalle compact I contenant x et a et inclus dans le domaine de dfinition de f, on
pose : ainsi que . Alors, pour tout :
.
Par rcurrence immdiate, il vient :
29

o . En passant au logarithme :

La convergence de x
n
vers a est donc quadratique, condition que |x
0
-a|<1/K.
Exemple de non convergence []
La tangente la courbe peut couper l'axe des abscisses hors du domaine de dfinition de la
fonction.
Cette section est vide, pas assez dtaille ou incomplte. Votre aide est la bienvenue !
Convergence quadratique locale []
Critre d'arrt []
Des critres d'arrt possibles, dtermins relativement une grandeur numriquement
ngligeable, sont :

o representent des erreurs d'approximations caractrisant la qualit de la solution
numrique.
Dans tous les cas, il se peut que le critre d'arrt soit vrifi en des points ne correspondant pas
des solutions de l'quation rsoudre.
D'autres exemples d'application []
Calcul de la racine carre []
Un cas particulier de la mthode de Newton est l'algorithme de Babylone, aussi connu sous le
nom de mthode de Hron : il s'agit, pour calculer la racine carre de a, d'appliquer la mthode
de Newton la rsolution de
f(x) = x
2
a.
30

On obtient alors, en utilisant la formule de la drive f'(x) = 2x, une mthode d'approximation de
la solution donne par la formule itrative suivante :
.
Cette mthode converge pour tout et tout point de dpart .
On peut l'tendre au calcul de toute racine nime d'un nombre a avec la formule :

Attention cependant, il y a un risque de non-convergence pour certains n mais elle est sre pour
n=2 et n=3
[rf. souhaite]
.
Intersection des graphes de deux fonctions []
De la mme faon, on peut dterminer l'intersection des graphes de deux fonctions relles
drivables f(x) et g(x), c'est--dire l'ensemble de points x o on a f(x) = g(x), en appliquant la
mthode de Newton la fonction
f(x) g(x).
Pour les fonctions complexes []

La mthode de Newton applique au polynme z
3
1 variable complexe z converge partir de tous les
points du plan (des nombres complexes) colors en rouge, vert ou bleu vers l'une des trois racines de ce
polynme, chacune des couleurs correspondant une racine diffrente. Les points restants, se trouvant
sur la structure plus claire - appele fractale de Newton - sont les points de dpart pour lesquels la
mthode ne converge pas.
31

La mthode peut aussi tre applique pour trouver des zros de fonctions complexes . Dans ce
cadre, on connait bien les comportements que peuvent avoir la suite des itrs de Newton . On
peut citer :
convergence vers un zro,
limite infinie,
la suite admet un cycle limite autrement dit, la suite peut tre dcoupe en p sous-suites
disjointes de la forme qui chacune convergent vers des points distincts (qui ne sont
pas des zros de f) formant un cycle priodique pour la fonction ,
la suite se rapproche de l'ensemble des zros de la fonction sans qu'il n'y ait toutefois de cycle
limite, et chaque tape de l'itration, on se retrouve proche d'un zro diffrent des
prcdents,
la suite a un comportement chaotique, etc.
Article dtaill : Fractale de Newton.
L'ensemble des points partir desquels peut tre obtenue une suite qui converge vers un zro
fix s'appelle le bassin d'attraction de ce zro. Pour beaucoup de fonctions complexes, le bassin
d'attraction est une fractale.
L'tude de la mthode de Newton pour les polynmes variables complexes trouve
naturellement sa place dans l'tude dynamique des fractions rationnelles et a t une des
motivations rcentes de l'tude de la dynamique holomorphe.
Gnralisations/variantes []
Mthode de Newton approche []
Systmes d'quations plusieurs variables []
On peut aussi vouloir utiliser la mthode de Newton pour rsoudre des systmes de k quations
(non ncessairement linaires), ce qui revient trouver les zros de fonctions continment
drivables F de dans . Dans la formulation donne ci-dessus, il faut multiplier par l'inverse
de la matrice jacobienne F'(x
n
) au lieu de diviser par f'(x
n
). Plutt que de calculer maintenant
l'inverse de la matrice, on peut conomiser du temps en rsolvant le systme d'quations linaires

pour l'inconnue x
n + 1
x
n
. Encore une fois, cette mthode ne fonctionne que pour une valeur
initiale x
0
suffisamment proche du vrai zro. Ainsi, on peut commencer par localiser une rgion
32

favorable par une mthode grossire ou par un prconditionnement de la matrice, puis appliquer
la mthode de Newton pour peaufiner la prcision.
Mthode de la scante
En analyse numrique, la mthode de la scante est un algorithme de recherche de racines d'une
fonction f.
La mthode []
La mthode de la scante est une mthode drive de celle de Newton o l'on remplace
par On obtient la relation de rcurrence

L'initialisation ncessite 2 points x
0
et x
1
, proches, si possible, de la solution recherche.
Dmonstration []

La courbe rouge reprsente la fonction f et le segment en bleu, la scante.
tant donn a et b, on construit le segment reliant (a, f(a)) et (b, f(b)). La droite peut tre dfinie
ainsi :
33

On choisit c de telle sorte que c soit la racine de cette droite (c'est--dire f(c) =0)

Si on extrait c de cette quation, on retrouve la relation de rcurrence cite plus haut.
Convergence []
Si les valeurs initiales de x
0
et de x
1
sont suffisamment proches de la solution, la mthode aura un
ordre de convergence de
qui est le nombre d'or.
Toutefois, la fonction f doit tre 2 fois continuement diffrentiable et ce doit tre une racine
simple.
Exemples d'implmentation []
Ce programme en C rsout le problme f(x) = cos(x) - x
3
= 0. Les tests d'arrts sont les suivants :
| x
n + 1
x
n
| < e
n > m
m et e tant donns.
#include <stdio.h>
#include <math.h>

double f(double x)
{
return cos(x) - x*x*x;
}

double SecantMethod(double xn_1, double xn, double e, int m)
{
int n;
double d;
for (n = 1; n <= m; n++)
{
d = (xn - xn_1) / (f(xn) - f(xn_1)) * f(xn);
if (fabs(d) < e)
return xn;
34

xn_1 = xn;
xn = xn - d;
}
return xn;
}

int main(void)
{
printf("%0.15f\n", SecantMethod(0, 1, 5E-11, 100));
return 0;
}
On obtient les rsultats suivants :

Programme en Fortran :
PROGRAM MethodeSecante
IMPLICIT NONE
REAL(8) :: Secante, f ! Fonctions
REAL(8) :: x

x=Secante(0d0, 1d0, 5d-11)
PRINT *, x, f(x)
END PROGRAM MethodeSecante

REAL(8) FUNCTION f(x)
IMPLICIT NONE
REAL(8) :: x

f=cos(x) - x*x*x
END FUNCTION f

REAL(8) FUNCTION Secante(x0, x1, e)
IMPLICIT NONE
35

REAL(8) :: f ! Fonction
REAL(8) :: x0,x1,xn_1,xn
REAL(8) :: d,e

d=2d0*e
xn_1=x0
xn=x1
DO WHILE (ABS(d)>e)
d = (xn - xn_1) / (f(xn) - f(xn_1)) * f(xn)
xn_1 = xn
xn = xn - d
END DO
Secante=xn
END FUNCTION Secante

Mthode de la fausse position

tapes successives de la mthode regula falsi avec l'intervalle [a
1
;b
1
] comme point de dpart. La racine
de la fonction est le point en rouge.
La mthode de la fausse position ou mthode regula falsi, en analyse numrique, est un
algorithme de recherche d'un zro d'une fonction qui combine les possibilits de la mthode de
dichotomie et de la mthode de la scante.
La mthode []
Comme la mthode de dichotomie, la mthode de la fausse position commence par deux points
a
1
et b
1
tels que f(a
1
) et f(b
1
) soient de signes opposs, ce qui implique daprs le thorme des
valeurs intermdiaires que la fonction f possde au moins un zro dans lintervalle [a
1
, b
1
]. La
mthode consiste produire une suite dcroissante dintervalles [a
k
, b
k
] qui contiennent tous un
zro de f.
36

ltape k, le nombre

est calcul. Comme expliqu ci-dessous, c
k
est labscisse de lintersection de la droite passant par
(a
k
, f(a
k
)) et (b
k
, f(b
k
)) avec l'axe des abscisses, que nous appelerons pour simplifier zro de la
scante. Si f(a
k
) et f(c
k
) sont de mmes signes, alors nous posons a
k+1
= c
k
et b
k+1
= b
k
, sinon nous
posons a
k+1
= a
k
et b
k+1
= c
k
. Ce procd est rpt jusqu ce que le zro soit approch de
suffisamment prs.
La formule ci-dessus est galement employe dans la mthode de la scante, mais la mthode de
la scante retient systmatiquement les deux derniers points calculs, alors que la mthode de la
fausse position retient deux points qui encadrent certainement un zro. D'autre part, la seule
diffrence entre la mthode de la fausse position et la mthode de dichotomie est lutilisation la
relation c
k
= (a
k
+ b
k
) / 2.
Recherche du zro de la scante []
tant donns a et b, nous construisons la droite passant par les points (a, f(a)) et (b, f(b)), comme
dans la figure ci-contre. Remarquons que cette droite est une scante ou une corde du graphe de
la fonction f. En utilisant la pente et un point, lquation de la droite peut scrire

Nous dterminons maintenant c, labscisse du point dintersection de cette droite avec laxe des
abscisses (zro de la scante) donne par

La rsolution de lquation prcdente donne c
k
.
Analyse []
Si les valeurs initiales a
0
et b
0
sont prises telles que f(a
0
) et f(b
0
) soient de signes opposs, alors la
mthode de fausse position convergera vers un zro de f. La vitesse de convergence sera
typiquement super-linaire , ainsi plus rapide que la mthode de dichotomie, mais plus lente
que la mthode de la scante.
37

Exemple de programme []
Le programme suivant en langage C a t crit en privilgiant la clart au dpens de lefficacit.
Il a pour objectif de rsoudre le mme problme que rsolvaient les programmes crits pour
illustrer les mthodes de Newton et de la scante et cherche un nombre strictement positif x
vrifiant cos(x) = x
3
. Ce problme est transform en un problme de recherche de zro de la
fonction f dfinie par f(x) = cos(x) - x
3
= 0.
#include <stdio.h>
#include <math.h>

double f(double x)
{
return cos(x) - x*x*x;
}

double FalsiMethod(double s, double t, double e, double m)
{
int n;
double r;
for (n = 1; n <= m; n++)
{
r = t - f(t) * (s - t) / (f(s) - f(t));
if (f(r) < e)
return r;
if (f(s) * f(r) < 0)
t = r;
else if (f(r) * f(t) < 0)
s = r;
}
return r;
}

int main(void)
{
printf("%0.15f\n", FalsiMethod(0, 1, 5E-11, 100));
return 0;
}
Aprs lexcution de ce programme, le rsultat final est dapproximativement
0,865474032979005.
Histoire []
Les documents les plus anciens ayant rsist au temps et tmoignant de la connaissance et de la
comprhension de la mthode de la fausse position remontent une date estime entre 200 av. J.-
C. et 100. La mthode a t trouve dans un texte chinois antique intitul les neuf chapitres sur
l'art mathmatique (). Dans ce texte, cependant, les exemples de problmes poss
appliquent la mthode de la fausse position aux quations linaires uniquement, et les solutions
sont atteintes en seulement une tape.
38

En Occident, cette mthode a t beaucoup utilise par les mathmaticiens Fibonacci, Pacioli
Luca et Recorde Robert, Galois.
Racine d'un polynme
En mathmatiques, une racine d'un polynme une indtermine P(X) est une valeur qui, si
elle est substitue l'indtermine, donne une expression nulle. En ce sens, une racine du
polynme est une solution de l'quation polynomiale P(X) = 0. Par exemple, si P est le polynme
X
2
- 2, alors 2 et -2 sont les racines de P. Le thorme de d'Alembert-Gauss indique que tout
polynme P non constant coefficients dans les nombres complexes admet au moins une racine.
Cela signifie qu'il existe toujours un nombre complexe , racine de P, ou encore que P() = 0.
Le polynme P possde des coefficients dans un ensemble de nombres qui ne contient pas
ncessairement de racine. Ainsi, le polynme exemple est coefficients dans l'ensemble des
nombres rationnels. Cela ne signifie pas qu'une racine du polynme soit ncessairement dans le
mme ensemble. Le polynme exemple possde des racines dans l'ensemble des nombres rels
mais pas dans l'ensemble des nombres rationnels.
Par extension, le terme racine est aussi utilis pour dcrire une solution d'une quation, en
gnral polynomiale. Par abus, certains appellent racine d'une fonction f, un zro de la fonction f.
Cet usage du mot racine est trait dans l'article Inconnue (mathmatiques).
Le terme de racine se gnralise un polynme en plusieurs indtermines.
Dfinition []
On considre un polynme P(X) une indtermine note ici X, coefficients dans un corps
commutatif not K. Un corps est un ensemble munis d'une addition et d'une multiplication. Il
existe un lment neutre pour la multiplication, en gnral not 1 et tout lment non nul est
inversible. Des exemples de corps frquemment utiliss sont Q, l'ensemble des rationnels, R
celui des rels ou C celui des nombres complexes. En informatique, on utilise frquemment les
polynmes sur un corps fini deux lments, not F
2
. Dire que le corps est commutatif revient
dire que la multiplication l'est.
Une extension L d'un corps K est un corps contenant K, ainsi R et C sont des extensions de Q.
Dfinition de racine Une racine du polynme P est un lment d'une extension L de K tel
que, si l'on substitue l'indtermine X la valeur , on obtient une expression nulle dans L.
Ainsi, le polynme X
2
- 2, coefficients dans Q, possde deux racines 2 et -2, mme si ces
racines ne sont pas des lments de Q. En effet, si l'on substitue 2 ou -2 X dans le polynme,
on trouve bien 0. Ces racines peuvent tre vues comme des lments de R ou de C.
Une question naturelle se pose, si L
1
et L
2
sont deux extensions de K contenant toutes les racines
de P(X). Les racines, vues comme lments de L
1
sont-elle quivalentes aux racines vues comme
39

lments de L
2
? Cette quivalence existe, il existe toujours une autre extension L de K, appel
corps de dcomposition de P(X), contenant toutes les racines de P(X). Cette extension est une
copie d'un corps inclus dans L
1
, de plus ce corps inclus dans L
1
est unique. Ces proprits sont
aussi vrai pour L
2
. On peut ainsi identifier une partie de L
1
une partie de L
2
L. Dans l'exemple
choisi, L est l'ensemble des nombres de la forme a + b.2, o a et b sont des nombres rationnels.
Cet ensemble L s'identifie une partie de R et de C. Ainsi, les deux racines 2 et -2, vues
comme lments de L de R ou de C peuvent tre considres comme identiques.
tymologie : Le terme de racine provient des traductions en latin de Robert de Chester et de
Grard de Crmone du terme gizr. Le mot gizr signifie racine, il est traduit en latin par radix. Le
terme gizr est utilis par le mathmaticien d'origine perse du VIII
e
sicle Al-Khawarizmi, dans
son trait Kitb al-jabr wa al-muqbala, qui traite pour la premire fois de manire exhaustive,
du calcul des racines relles de l'quation du second degr.
[1]

Dfinition alternative []
On utilise aussi une autre manire de dfinir les racines d'un polynmes, strictement identique
la dfinition prcdente :
Dfinition alternative Une racine du polynme P est un lment d'une extension L de K tel
que le polynme P, considr comme coefficients dans L, soit un multiple du polynme X - .
Cette dfinition indique que est une racine de P si, et seulement si, il existe un polynme Q,
coefficients dans L tel que P = (X - )Q. Dans l'exemple choisi, l'galit :

est une autre manire de remarquer que 2 et -2 sont bien les deux racines du polynme.
L'quivalence des deux dfinitions est donne dans l'article Polynme formel.
Dfinitions connexes []
Une racine de P peut tre multiple, ce qui correspond la dfinition suivante :
Racine multiple Une racine du polynme P est dite multiple, d'ordre de multiplicit m, o
m est un entier strictement suprieur 1, s'il existe un polynme Q, tel que P soit gal (X -
)
m
Q, et que Q ne s'annule pas en .
Une dfinition caractrise une racine qui n'est pas multiple :
Racine simple Une racine du polynme P est dite simple si elle n'est pas multiple. On dit
que son ordre de multiplicit est gal 1.
40

Dans le premier exemple cit, le polynme X
2
- 2 s'exprime, dans l'ensemble des polynmes
coefficients rels, comme un produit de polynme du premier degr, ce qui donne lieu une
dfinition :
Polynme scind Soient L une extension de K et P un polynme coefficients dans K. Si P
s'exprime comme le produits de polynmes du premier degr coefficients dans L, on dit que le
polynme P est scind dans L.
En thorie de Galois, on parle de polynme sparable pour dsigner un polynme n'ayant
aucune racine multiple.
Existence des racines []
Article dtaill : Corps de dcomposition.
Soit P un polynme une indtermine et coefficients dans un corps commutatif K. Il existe
toujours une extension L telle que le polynme P soit scind dans L, ce qui peut s'exprimer de la
manire suivante :
Existence des racines Il existe une unique plus petite extension L de K, un isomorphisme
prs, telle que P se dcompose de manire unique en un produit d'une constante de L et de n
polynmes unitaires du premier degr, si n dsigne le degr P. L'extension L est appele corps
de dcomposition de P.
L'unicit de L signifie que si deux extensions L
1
et L
2
sont les plus petites au sens de l'inclusion,
alors L
2
est une copie de L
1
, c'est--dire qu'il existe un isomorphisme de corps entre L
1
et L
2
. La
dmonstration est donne dans l'article dtaill. Un polynme unitaire est un polynme dont le
monme de plus haut degr est de coefficient gal 1. Chaque constante de ces polynmes
unitaires du premier degr sont gales l'oppos d'une racine du polynme P. Si L est une
extension telle que le polynme P soit scind, il est possible de factoriser tous les coefficients
des monmes du premier degrs des diffrents facteurs de la dcomposition et trouver ainsi la
forme dcrite dans la proposition prcdente.
Cette proposition s'exprime aussi d'une manire quivalente, si les racines sont comptes avec
leur ordre de multiplicit, c'est--dire si une racine d'ordre de multiplicit m est compte m fois :
Existence des racines (bis) Il existe une unique, un isomorphisme prs, plus petite
extension L de K, telle que P contienne exactement autant de racines que le degr de P.
Le corps L est tel que le polynme P est scind, en revanche un autre polynme coefficients
dans K n'est pas ncessairement scind dans L. A fortiori, un polynme coefficients dans L
n'est pas non plus ncessairement scind dans L. On dit qu'un corps L est algbriquement clos si
tout polynme coefficients dans L est scind :
Existence d'une clture algbrique Soit K un corps commutatif, il existe un corps L
algbriquement clos et contenant K.
41

Un exemple de corps algbriquement clos est C, rsultat connu sous le nom de Thorme de
d'Alembert-Gauss. Ainsi tout polynme coefficient dans Q, R ou C admet autant de racines que
son degr dans C. Le corps C n'est pas le plus petit corps contenant Q et algbriquement clt. Il
en existe nanmoins un, appel la clture algbrique de Q, plus petit que tous les autres. La
clture algbrique de R est exactement gale C.
Relations entre les coefficients et les racines []
Article dtaill : Relations entre coefficients et racines.
Calcul des racines []
On peut utiliser la mthode de Mller pour calculer les racines d'un polynme. On interple le
polynme P par un polynme de degr deux : a
2
x
2
+ b
2
x + c
2
selon l'interpolation lagrangienne.
On retrouve les coefficients en valuant P en trois points (x
0
,x
1
,x
2
) :

Avec : .
Mais en utilisant ce polynme dapproximation, le choix de la racine de ce polynme est
problmatique. Mller eut alors lide dutiliser le mme polynme, mais sous la forme : a
n
(x
x
n
)
2
+ b
n
(x x
n
) + c
n
avec x
n
qui va tendre vers la racine. Particularit de cet algorithme : x
n
peut-
tre un nombre complexe. Coefcients :
a
n
= P[x
n 2
,x
n 1
,x
n
]

c
n
= P(x
n
)
Cette mthode est autoconvergeante : le calcul de la racine va s'affiner petit petit. On peut donc
commencer avec x
0
= 1, x
1
= 0 et x
2
= 1 et n = 2. Tant que le polynme ne s'annule pas en x
n
,
on passe l'itration n + 1 suivante avec :
, o peut tre ngatif ou complexe.
o si | b
n
+ r | < | b
n
r |
o sinon
x
n + 1
= x
n
+ d
42

Finalement, le zro est x
n
.
quation du second degr
En mathmatiques, une quation du second degr, encore appele quation quadratique se
prsente sous la forme suivante :

les lettres a, b et c dsignent des nombres, et a est, par dfinition, diffrent de 0. La lettre x
dsigne l'inconnue. Le terme de second degr provient du fait que le polynme dfinissant
l'quation est du second degr.
Deux identits remarquables permettent de trouver les ventuelles solutions. Il en existe entre
zro et deux (ventuellement confondues), si les solutions recherches sont des nombres rels.
Le calcul du discriminant permet de connatre le nombre exact de solutions et offre une mthode
synthtique de rsolution.
Dans le cas o les solutions recherches sont des nombres complexes, il existe toujours deux
solutions, elles peuvent nanmoins tre confondues.
Introduction par l'exemple []
On recherche les ventuelles solutions de l'quation suivante
[1]
:

Le terme de gauche est appel trinme du second degr
[2]
. Il est compos de trois termes, tous
de la mme forme : un nombre non nul que multiplie une puissance entire de x. Chaque terme
est appel monme et, comme il en existe trois, on parle de trinme. La plus grande puissance de
ces monmes est deux, pour cette raison, on parle de second degr. L'expression 0.x
2
+ x + 1
n'est pas un trinme, car l'un des nombres est nul. L'expression s'crit encore x + 1, on parle de
binme du premier degr
[Note 1]
.
La mthode consiste forcer l'apparition d'une premire identit remarquable. On crit le
polynme de la manire suivante :

Les trois premiers termes sont ceux d'une somme remarquable. L'application d'une identit
remarquable permet d'crire le polynme de la manire suivante :
43

Un peu d'imagination permet d'appliquer une deuxime identit remarquable :

L'quation initiale s'exprime alors sous forme d'un produit de deux facteurs :

Un produit de deux facteurs est nul si, et seulement si, l'un des facteurs est nul
[Note 2]
. Cette
remarque permet de trouver les deux solutions x
1
et x
2
:

Cette quation n'admet qu'une unique racine positive x
1
, cette valeur est appele nombre d'or. Il
est aussi possible de rsoudre une quation du second degr sans la moindre connaissance
d'algbre, le paragraphe Mthode gomtrique montre comment s'y prendre.
Discriminant []
Article dtaill : Discriminant.
On considre l'quation suivante, o a, b et c dsignent des nombres rels et a est diffrent de 0 :

On dispose de la dfinition suivante
[3]
:
Dfinition du discriminant Le discriminant de l'quation est la valeur dfinie par :

Cette dfinition est la source du thorme associ la rsolution de l'quation du second degr,
dans le cas o l'on recherche des solutions relles
[4]
:
Rsolution de l'quation Si le discriminant est strictement positif, l'quation admet deux
solutions x
1
et x
2
donnes par les formules suivantes :
44

Si le discriminant est nul, l'quation admet une racine double :

Si le discriminant est strictement ngatif, l'quation n'admet pas de solution relle.
Interprtation graphique []
Article dtaill : Fonction du second degr.

Le signe du discriminant apporte une information sur le graphe de la fonction f.
Une manire d'tudier l'quation du paragraphe prcdent est de considrer la fonction f de la
variable relle et valeurs relles dfinie par :

L'quation peut encore s'crire f(x) = 0. Les solutions de l'quation sont les abscisses des points
d'intersection du graphe de la fonction f et de l'axe des x. Le graphe de la fonction f est appel
une parabole, elle possde une forme analogue celle des trois exemples prsents droite. Si a
est positif, les branches de la parabole sont diriges vers le haut, comme pour les exemples
jaunes ou bleus, sinon les branches sont diriges vers le bas, comme l'exemple rouge.
Si le discriminant est strictement positif, comme pour l'exemple bleu, cela signifie que le graphe
de f croise l'axe des abscisses en deux points. Si le discriminant est nul, la configuration est celle
de la parabole rouge, le graphe se situe soit dans le demi-plan des ordonnes positives soit dans
le demi-plan des ordonnes ngatives et son unique extremum est sur l'axe des abscisses. Dans le
cas d'un discriminant strictement ngatif, comme pour la parabole jaune, le graphe se situe
45

encore dans l'un des deux demi-plans prcdents, mais cette fois l'extremum ne rencontre pas
l'axe des abscisses.
Ainsi, si le discriminant est strictement positif, le signe des valeurs que prend la fonction f entre
les solutions est l'oppos du signe des valeurs prises par f l'extrieur du segment d'extrmits
les solutions de l'quation
[5]
.
Rsolution []
Forme canonique []
En vue de rsoudre l'quation f(x) = 0, o f est la fonction du paragraphe prcdent, une mthode
consiste l'crire sous une forme plus adapte. Comme la valeur a n'est pas nulle, il est dj
possible de la factoriser :

La mthode utilise pour la rsolution du premier exemple s'applique encore. elle revient forcer
l'apparition d'une identit remarquable :

Cette forme est l'origine d'une proprit et d'une dfinition
[6]
:
Dfinition de la forme canonique L'quation du second degr peut s'crire sous la forme
suivante, dite canonique, si dsigne le discriminant
[6]
:

Exemples []
Considrons l'quation suivante
[7]
:

Deux mthodes permettent de trouver l'expression de la forme canonique. Tout d'abord, f est
dfinie par une identit remarquable, on en dduit :

46

Il est aussi possible d'utiliser les formules de la dfinition, on trouve ici a = 1, b = -4 et c = 4. On
en dduit que le discriminant est nul et que le coefficient est gal 2, ce qui donne nouveau
le rsultat prcdent.
Considrons maintenant le nouvel exemple
[7]
:

Si l'galit dfinissant f(x) n'est plus une identit remarquable, la deuxime mthode est toujours
efficace. On a a = 2, b = -6 et c = 1. Ce qui permet d'effectuer les calculs suivants :

On en dduit la forme canonique :

Rsolution de l'quation []
La rsolution de l'quation utilise la forme canonique :
Discriminant strictement ngatif []
Si le discriminant est strictement ngatif, la valeur est strictement positive. La fonction f
s'exprime comme le produit de a et de la somme d'un terme positif (x - )
2
et d'un terme
strictement positif . On en dduit que quelle que soit la valeur de x son image par f n'est jamais
nulle, car produit de deux facteurs non nuls, ce qui montre l'impossibilit de l'existence d'une
solution.
Discriminant nul []
Si le discriminant est nul, le terme l'est aussi et f(x) = a.(x - )
2
. Cette expression est nulle si, et
seulement si x est gal . Une fois encore, on retrouve le rsultat exprim dans le deuxime
paragraphe.
Discriminant strictement positif []
Si le dterminant est strictement positif, en simplifiant par a, l'quation s'crit encore, si
dsigne la racine carre du discriminant :
47

On reconnait une identit remarquable et l'quation s'crit encore :

Un produit de deux nombres rels est nul si, et seulement si, l'un des deux facteurs du produit est
nul, on en dduit que l'quation est quivalente l'une des deux quations :

En remplaant et par leur valeur, on retrouve bien l'expression dj indique des deux
solutions.
Proprits []
Forme rduite []
Une quation du second degr n'apparat pas toujours sous la forme tudie jusqu' prsent.
Considrons l'exemple :

Une analyse trop rapide pourrait laisser penser que les mthodes prsentes ici ne sont pas
adaptes pour une telle quation. Pour le vrifier, le plus simple est de dvelopper le terme de
gauche. On obtient, l'aide de deux identits remarquables :

En simplifiant encore par 9, l'quation s'crit : x
2
+ x + 1 = 0. Le discriminant est gal -3,
l'quation n'admet pas de racine relle. Pour pouvoir appliquer les techniques dveloppes ici, il
est utile d'exprimer l'quation sous la forme tudie jusqu' prsent. Cette forme porte un nom
[7]
.
Dfinition de la forme rduite La forme rduite d'une quation du second degr relle, est la
suivante, si a, b et c sont trois nombres rels tels que a soit diffrent de 0.

Il existe trois formes importantes pour exprimer une quation du second degr, la forme rduite,
la forme canonique et, ventuellement la forme factorise, qui s'crit de la manire suivante :
48

Sous la forme factorise, les solutions sont directement disponibles. Elles sont gales x
1
et x
2
.
Relations entre coefficients et racines []
Article dtaill : Relations entre coefficients et racines.
Si les solutions, encore appeles racines, existent, qu'elles soient distinctes ou doubles
[8]
, on
dispose de deux manires diffrentes de noter le polynme, la forme factorise et celle rduite.
Avec les notations de l'article, on obtient si x
1
et x
2
sont les deux racines:

Un dveloppement de la forme de droite permet d'obtenir une nouvelle expression de la forme
rduite :

Cela permet d'obtenir des relations entre les coefficients de l'quation et les solutions de
l'quation
[9]
.
Relations entre coefficients et racines On dispose des deux relations suivantes :

[Drouler]
Dmonstration de la somme

[Drouler]
Dmonstration du produit

Les galits de cette nature se gnralisent pour les quations dfinies par un polynme de degr
quelconque. Tel est l'objet de l'article dtaill.
Discriminant rduit []
49

Parfois, les coefficients a, b et c sont des nombres entiers et b est pair. Dans ce cas, un facteur 2
apparat la fois au numrateur et au dnominateur. Si on dfinit b' comme l'entier vrifiant
l'galit b = 2.b' , on simplifie les calculs :
Dfinition du discriminant rduit
[10]
Le discriminant rduit est la valeur ' dfinie par :

Le discriminant rduit est gal quatre fois le discriminant, il est de mme signe que le
discriminant. En consquence, si le discriminant rduit est strictement positif, il existe deux
solutions distinctes, s'il est nul les deux solutions sont confondues et s'il est strictement ngatif
aucune solution relle n'existe. Dans le cas o le discriminant est positif, les deux racines x
1
et x
2

s'expriment, l'aide du discriminant rduit par les galits :

Le calcul prsent ici est vrai, indpendamment du fait que a, b et c soient entiers. Si l'expression
de b' est simple, il peut tre utile de faire usage du discriminant rduit, plutt que du
discriminant.
Considrons l'quation suivante :

Le discriminant rduit est un peu plus simple calculer que le discriminant, il est gal 9 - (5)
2

ou encore 4. On trouve, avec les formules prcdentes :

Gain de prcision []
Lorsque > 0, le calcul de o est du signe de b, conduit calculer la diffrence
des deux nombres et | b | . Si ce calcul est fait numriquement, par une mthode de virgule
flottante sur un ordinateur par exemple, cela entrane une perte de prcision, surtout lorsque
est trs proche de | b | , c'est--dire quand 4ac est petit par rapport b
2
. On parle alors
d'algorithme de calcul numriquement instable.
50

Il est alors prfrable de calculer la racine , proche de -b/a, et d'utiliser la
proprit sur le produit des racines pour dterminer l'autre racine l'aide de l'galit
[11]
.
Ce nouvel algorithme est dit numriquement stable, car aucune erreur n'est amplifie par une des
tapes du calcul.
Autres mthodes de rsolution []
Racines videntes []
Les relations entre les coefficients et racines permettent parfois une acclration dans la
rsolution. Considrons l'quation prcdente, le terme 5 joue un rle singulier. Il est tentant de
calculer son image par le polynme dfinissant l'quation. Une solution trouve l'aide de cette
mthode, c'est--dire consistant choisir une valeur au hasard et vrifier que son image par le
polynme est nulle est appele racine vidente.
Une fois la premire solution connue, les relations entre coefficients et racines permettent
aisment de trouver la seconde. Dans l'exemple propos, le plus simple est de remarquer que le
produit des racines, gal c/a est ici gal 1. La deuxime racine est donc 1/5, ce que l'on crit
plutt 5/5.
La mthode de la racine vidente permet de rsoudre plus simplement une quation de degr plus
lev, comme l'exemple suivant
[12]
:

Plusieurs mthodes sont possibles pour en venir bout. Celle de Cardan possde l'avantage d'tre
sr, mais demande une matrise des nombres complexes et impose de longs calculs. La mthode
des racines videntes est beaucoup plus rapide. On tente traditionnellement les valeurs 0, 1 et
2. Dans le cas prsent, -2 est une racine. Cela signifie que le polynme x + 2 divise celui
dfinissant l'quation. Trouver le deuxime facteur n'est pas trop ardu. C'est un polynme du
second degr, car seul un polynme du second degr, multipli par (x + 2) est du troisime degr.
Si a.x
2
+ b.x + c est le deuxime facteur, on calcule le produit :

On en dduit a = 1, c = -1 puis b = -2. Il reste encore rsoudre l'quation :

51

Pour une rdaction plus concise, on peut toujours prtendre que 1 + 2 est une racine vidente.
Comme la somme des racines du polynme du second degr est gale 2, la deuxime racine est
gale 1 - 2.
Mthode gomtrique []
Article dtaill : Algbre gomtrique.

Les premires mthodes pour rsoudre une quation du second degr sont gomtriques. Mme
sans connatre les rudiments d'algbre, il est possible de rsoudre des quations du second degr.
Les Grecs utilisaient la mthode suivante
[13]
, pour rsoudre ce qu'en langage contemporain on
formaliserait par l'quation :

On considre que les deux termes, de droite et de gauche dsignent des surfaces. Le terme x
2

dsigne l'aire d'un carr de ct x et 10.x dsigne l'aire de deux rectangles de cts 5 et x. On
organise le carr et les deux rectangles de la manire indique sur la figure de droite, les deux
rectangles sont dessins en gris et le carr correspond au plus petit des deux et contenant le
symbole x
2
en son milieu.
Cette surface, que l'on appelle un gnomon prend la forme d'un carr si l'on y ajoute un nouveau
carr de ct 5, car on obtient alors un carr plus vaste, contenant la fois les deux rectangles et
le carr de ct x. Le carr de ct x et les deux rectangles possdent une aire de 39, on a ajout
un carr d'aire 25, on obtient un grand carr d'aire 64. En termes algbriques, cette considration
graphique s'crit :

Le grand carr est d'aire 64, son ct est donc de longueur 8. Or ce ct est, par construction gal
5 + x. En termes algbriques, cela revient appliquer une identit remarquable, on obtient :

52

On en dduit la solution x = 3. L'algbre propose aussi une autre solution : -13. Pour les Grecs,
cette autre solution n'a aucun sens, x reprsente le ct d'un carr, c'est--dire une longueur. Or
une longueur est toujours positive.
D'autres solutions gomtriques sont proposes dans les articles Inconnue (mathmatiques) et
Nombre d'or.
Par les relations entre coefficients et racines []
Une autre mthode, l'aide des relations entre les coefficients et les racines, permet de trouver
les solutions. On suppose que l'quation admet un discriminant positif et on note s la somme des
solutions et p leur produit. En divisant l'quation par le facteur a, qui n'est pas nul par dfinition,
on obtient l'expression :

Soit m la valeur moyenne des deux solutions, c'est--dire l'abscisse de l'extremum de la parabole.
Si h est la demi-distance entre les solutions et si x
1
et x
2
dsignent les deux racines, on obtient les
galits :

La somme des deux racines est gale s et aussi 2.m, ce qui donne la valeur de m = s/2. Le
produit des deux racines et une identit remarquable montrent que m
2
- h
2
= p. Une autre manire
d'crire cette galit est h
2
= m
2
- p. Comme le discriminant est positif par hypothse, le terme de
droite est positif. On obtient les valeurs des racines :

En remplaant s et p par leurs valeurs, calcules l'aide des relations entre les coefficients et les
racines, on retrouve les formules classiques.
Nombre complexe []
Lorsque le discriminant de l'quation du second degr est ngatif, celle-ci ne possde pas de
solution dans l'ensemble des rels, car il n'est pas possible de prendre la racine carre d'un
nombre ngatif. Mais dans un ensemble spcialement construit cet effet
[14]
, l'ensemble des
nombres complexes, il existe des nombres dont le carr est ngatif. L'quation du second degr y
admet alors des solutions. La question se pose ensuite de savoir si les quations du second degr
dont les coefficients sont complexes admettent elles aussi des solutions et sous quelle forme.
Exemple []
Article dtaill : Nombre complexe.
53

Considrons l'quation suivante :

Sous sa forme canonique, l'quation s'crit :

La partie gauche de l'quation est la somme de deux carrs, dont l'un est strictement positif, il ne
peut donc exister de solution dans les nombres rels. Une autre manire d'en prendre conscience
est de calculer le discriminant, ici gal -3.
Si i dsigne l'unit imaginaire, il est possible d'crire 3/4 comme l'oppos d'un carr, cet usage
lve l'impossibilit, l'quation s'crit :

Les identits remarquables s'appliquent tout autant dans C, l'ensemble des nombres complexes,
que dans R celui des nombres rels. On en dduit une nouvelle criture de l'quation, car la
diffrence entre deux carrs est factorisable :

Ce qui permet d'en dduire les deux solutions :

Les deux solutions sont dites conjugus c'est--dire que leurs parties relles sont gales et leurs
parties imaginaires opposes. Cette proprit est toujours vraie dans le cas d'une quation
quadratique coefficients rels.
Coefficients rels et discriminant strictement ngatif []
La mthode utilise pour l'exemple s'applique de la mme manire pour le cas gnral, si les
coefficients sont rels et le discriminant strictement ngatif. L'quation s'crit sous sa forme
canonique :
54

Les symboles || dsignent la valeur absolue du discriminant. On obtient le rsultat suivant :
Coefficients rels et discriminant ngatif
[15]
Si le discriminant est strictement ngatif,
l'quation admet deux solutions conjugues x
1
et x
2
, qui s'crivent :

quation z
2
= []
Traiter le cas gnral d'une quation du second degr coefficients complexes demande
l'extraction d'une racine. Cela revient rsoudre le cas particulier d'une quation de la forme
z
2
= o est un nombre complexe, ou encore trouver une valeur tel que
2
= . On note
z = x + iy, = a + ib et || dsigne le module de . L'quation s'crit encore :

Le carr du module de z est gal au module de , on en dduit :

L'galit 2xy = b montre que les seules racines de l'quation sont les valeurs
1
et
2
dfinies par,
si dsigne le signe de b.

Un rapide calcul montre que ces deux valeurs vrifient bien
2
= ..
Cas gnral []
On suppose maintenant que a, b et c sont trois nombres complexes tels que a est soit non nul. Il
est toujours possible d'crire l'quation de l'article sous la forme canonique, car les
transformations utilises sont tout aussi valables sur les nombres complexes. En simplifiant par
a, l'quation est quivalente :
55

Soit une racine carre du discriminant, le premier paragraphe montre qu'une telle valeur existe
toujours. L'quation s'crit encore :

L'identit remarquable traitant de la diffrence de deux carrs permet encore d'crire dans
l'ensemble des nombres complexes :

Ce qui permet d'noncer le rsultat :
Cas des coefficients complexes Une quation du second degr coefficients dans les
nombres complexes admet deux solutions x
1
et x
2
. Si le discriminant est nul, les deux solutions
sont confondues. Dans le cas gnral, les solutions s'crivent :

Remarque : Les solutions d'une quation du second degr coefficients complexes sont en
gnral deux nombres complexes qui ne sont pas conjugus, contrairement au cas d'une quation
du second degr coefficients rels dont le discriminant est strictement ngatif.
Historique []
Les problmes du second degr se posaient chez les Babyloniens (on cherchait alors une solution
positive l'aide d'un algorithme : voyez les explications propos de la tablette Plimpton 322),
chez les gyptiens, voire chez les Grecs (Livre II des lments d'Euclide), mais aucune
civilisation de cette poque n'a explicitement tudi les quations.
Les quations du second degr ont t les premires quations rsolues, l'quation mathmatique
est invente en mme temps que l'algbre par le savant iranien musulman Al-Khwarizmi au
IX
e
sicle, qui reprit cette tradition, augmente des connaissances grecques pour la
dmonstration, afin de trouver une solution (relle et positive). Les quations taient prsentes
sous l'une des formes suivantes parce qu'un nombre tait suppos positif :

56

La rsolution utilise des mthodes simples comme le thorme de Pythagore, essentiellement
fondes sur la gomtrie du triangle et du carr. Elle est explicite dans l'article algbre
gomtrique.

Methodes Numeriques

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Methodes Numeriques

Загружено:

Авторское право:

Доступные форматы

Par Dr. Ralph W.P.

dx , en utilisant la rgle du trapze pas h = 0.25 , est

Confrmer ces noncs :

pour toute fonction cubique f telle que

change radicalement pour la solution exacte (analytique) 999 , 99 = x , 000 , 100 = y

+ = X , effectuer les calculs suivants :

est la formule ditration

On peut vrifer si la dfnition de ) (x L

ur|vers|l v|rlue||e Alr|ca|re 18

) ( ) ( h x f x Ef + = dans le cas dune variable continue x , et par la relation

Loprateur de diffrence arrire est dfni par la relation ) ( ) ( ) ( h x f x f x f =

ur|vers|l v|rlue||e Alr|ca|re 55

5159 . 6 6279 . 0 092 . 1 42 . 0 6 . 5 0 . 13 ) 3 . 0 (

en appliquant la rgle du trapze avec 10 = n (

est alors approxime par lintgrale ydx

en appliquant la rgle de Simpson pour 10 = n (

est une approximation de lintgrale I possdant un degr derreur beaucoup plus

est une approximation de lintgrale I possdant un degr derreur beaucoup plus

[ ] 1032020 . 0 ) 538469 . 0 ( ) 538469 . 0 (

est tout dabord transforme en

861136 . 0 , 861136 . 0 , 347855 . 0

la lumire de ces rsultats, nous concluons que seule g

. Cette dfnition de la continuit laisse

pour chaque x dans [ , ] a b ,

Lerreur absolue est la mesure de lexactitude dans lapproximation, tandis que

Si on additionne tous ces termes, on arrive 862137 . 0 ) 4 . 0 ( = P .

ur|vers|l v|rlue||e Alr|ca|re 131

Вам также может понравиться