Licence GMI cours de Méthodes Numériques ( Michel Betton ) Méthodes Numériques : Applications concrètes ( sur machine ) de résultats d’analyse numérique. 1/ Soit résolution de manière analytique ( solution analytique ) : solution sous forme de formule Exemple : Equation du second degré ax2 + bx + c = 0 x b 0 2a 2/ Soit solution numérique Exemple : e x x x? y=x y e x C’est une approximation du résultat exact. En général, en créant une suite qui converge vers la solution ( limite ) . Exemple : 1 0 e x dx ? 2 Calcul numérique 3/ Solution analytique connue mais calculs trop longs Problèmes de résolution de systèmes d’équations linéaires Problèmes de résolution d’équations différentielles IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 1 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Problèmes posés par le « passage » sur machine : 1/ Notation d’infini, de continuité - Erreur d’affectation (la machine travaille avec un nombre fini de chiffres significatifs) Erreur de cancellation ( différence de valeurs très grande ou très petites ) Exemple : y xax avec a donné a IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 2 Licence GMI cours de Méthodes Numériques ( Michel Betton ) RESULTATS D’ANALYSE A CONNAITRE : Fonction d’une variable réelle - Domaine de définition - Etude de fonction - Calculer une dérivée - calculer une primitive - Limite - Continuité Dérivée : Définition : Limite, si elle existe, f ( x h) f ( x ) h quand h 0 ( Pas d’hypothèse sur le signe de h ) (D) p f(x+h) y accroissement algébrique de la fonction y M f(x) x accroissement algébrique de la variable x x Limite y x avec x+h x 0 x 0 y : pente de la droite ( D ) en M : tangente x = f '( x) ( valeur de la pente de la tangente en M ) f '( x) y (x) x avec (x) fonction qui tend vers 0 quand x 0 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 3 Licence GMI cours de Méthodes Numériques ( Michel Betton ) f '( x) y (x) x Application : si x « petit » voisin de 0 => on peut approcher f '( x) par y x Exemple : Calcul numérique de la dérivée de sin x sur [ 1 2 ] Choix de h = x : pas du calcul Données ( dont on a besoin ) fonction f(x) x départ a= x arrivée b= pas du calcul h= Période d’écriture T= écrire « x dérivée » x= a C= T * Calcul de deriv y = exacte » f ( a h) f ( a ) h Si C = T écrire x , deriv y , cos x C=0 On ajoute h à x On ajoute 1 à C Si x b on revient à * sinon fin On sait que f '( x) = cos x donc on peut comparer les résultats numériques et analytique ( En rouge dans le pseudo-algorithme ) IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 4 Licence GMI cours de Méthodes Numériques ( Michel Betton ) y (x) x f ( x x) f ( x) f '( x) (x) x f ( x x) f ( x) xf '( x) x (x) f '( x) Approximation f ( x x) f ( x) xf '( x) : calcul des petites variations Intérêt de cette formule : dans les applications pratiques Exemple : T 2 L g g=9.81 m/s2 L=1m En faisant varier L légèrement Différentielle : f '( x) Définition : dy dx dy : différentielle de y dx : différentielle de x R (T) P f(x+h) accroissement algébrique de la fonction y y M dy f(x) dx x accroissement algébrique de la variable x x x+h Analysons le cas où x dx f '( x) => y (x) x avec x dx ( condition supplémentaire ) dy y ( x ) dx x IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 5 Licence GMI cours de Méthodes Numériques ( Michel Betton ) dy y (x)dx y dy (x)dx On divise tout par dy y dx 1 x dy dy x 1 si f '( x) 0 f '( x) => y 1 lorsque x 0 dy Calcul d’un différentielle : Soit g f ( x) dy f '( x )dx z g (t ) dz g '(t )dt Application : y f ( x) et x g (t ) Calcul de y'(t) dy dy dx y '(t ) y '( x) x '(t ) dt dx dt IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 6 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Autre application : Calcul d’une grandeur G à partir de sa différentielle dg Exemple : Volume d’un cône On sait que le volume d’un cylindre est la surface de base la hauteur z v V(z) z 0 R ( ) 2 z V 2 z V 2 Z On fait tendre z 0 V dv V '( z ) Z dz dv 2 2 dz dv ( z ) 2 dz ( ) 2 ( z) V V ( z) IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 7 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Fonctions réciproques : Soit f(x) définie, continue sur [ a b ] Si f(x) est strictement croissante ( décroissante ) sur [a b] alors elle admet une fonction réciproque g telle que x = g(y) Exemple : Soit y = f(x) = tan(x) Soit g la fonction réciproque de la fonction f y= g(x) x = f(y) = tan ( y ) D ] [ x = tan y (x) On dérive les deux termes de l’égalité par rapport à x 1 (1 tan 2 y) y ' 1 1 2 1 tan y 1 x 2 y Arctan(x) y' IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 8 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Exemple : fonction y = x2 x carré y x2 On suppose que l’on ne connaît pas la fonction racine carrée fonction réciproque z‘= z u ( x) x z 2 en dérivant par rapport à x => 1=2zz’ ( car z est une fonction ) 1 1 2z 2 x U(x)= x Notation Primitive : Définition : F(x) primitive de f(x) si dF ( x) f ( x) dx dF ( x) F '( x) dx Conséquence : les primitives sont définies à une constante prés Exemple : Soit f(x) = x n n = constante => F(x)= x n 1 constante n 1 pour n ≠ -1 résultat faux si n dépend de la variable cas où n = -1 f(x)= x 1 1 x On appelle Ln(x) la primitive de 1 qui s’annule pour x = 1 et qui n’est définie que pour x > 0 x Graphe correspondant : y ln(x) 1 ln(e)=1 1 e IUP GMI – Université d’Avignon et des Pays de Vaucluse x Page 9 Licence GMI cours de Méthodes Numériques ( Michel Betton ) ln(ab) ln(a) ln(b) a ln ln(a) ln(b) b ln(a b ) n ln(a) Fonction réciproque de ln(x) z= u(x) x=ln(z) Domaine de définition : e x Domaine d’arrivée : ]0 + [ ex x = ln( z ) x ln( e ) = 1 ln( z ) ln(e x ) ln( z ) z ex z ' ex Formule des accroissements finis : Soit une fonction f(x) continue sur [a b ] On suppose que la dérivée f ‘(x) existe sur ] a b [ Alors il existe C ]a b[ tel que f(b)-f(a) = (b-a) f ‘(x ) Posons b-a = h soit b = a+h f(b)=f(a)+hf ‘(C) f '( x) C ]a b [ f ( x h) f ( x ) ( h) h ( h ) 0 h 0 Rappel de la dérivée Soit pour x = a f (a h) f (a) hf '(a ) h (h) f (b) f '(a ) (h) f '(c) IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 10 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Formule de TAYLOR : Soit f(x) ainsi que ses n premières dérivées continues sur [a b] la dérivée d’ordre n+1 f ( n 1) ( x) existe sur ]a b[ en posant b = a +h h2 hn ( n ) h( n1) ( n1) f (b) f (a) hf '(a) f ''(a) ... f (a) f (c) c ]a b[ 2! n! (n 1)! Exemple : f ( x ) (1 x) 2 f '( x ) 2(1 x) f ''( x ) 2 f '''( x ) 0 ... Cas particulier : Formule de Mac Laurin Cas où [0 x] [a b ] du cas précédent f ( x) f (0) xf '(0) x2 xn (n) x n1 f ''(0) ... f (0) f ( n1) (c) c ]0 x[ 2! n! (n 1)! Application : Cas où x voisin de 0 « petit » le dernier terme x n 1 xf ( n 1) (c) f ( n 1) (c) x n ( x) (n 1)! (n 1)! 0 x 0 pour x voisin de 0 f ( x) f (0) xf '(0) x2 xn (n) f ''(0) ... f (0) x n ( x) 2! n! Développement limite d’ordre n de la fonction au voisinage de 0 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 11 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Exemple : Développement limité d’ordre 4 de ex ex 1 x x 2 x3 x 4 x 4 ( x) 2! 3! 4! Approximation :si x est voisin de 0 ( en négligeant le dernier terme ) ex 1 x x 2 x3 x 4 2! 3! 4! Application numérique : x=0,1 e0,1=(machine) 1,1051709… Calcul du développement limité e0,1 1 0,1 (0,1)2 (0,1)3 (0,1) 4 1,1051708 2! 3! 4! Exemple : m m 1 x 2 m m 1 ... m n 1 x n ... x n ( x ) 1 x 1 mx 2! n! m quelconque ( constant ) m Attention si m entier > 0 , le développement limité devient nul à partir d’un certain rang m=-1 1 x 1 1 1 x x 2 x3 ... (1) n x n x n ( x) 1 x Si on change x en –x 1 1 x x 2 ... x n x n ( x) 1 x Développement limité de f(x) connu Développement limité de f’(x)= dérivée du développement limité de f(x) Développement limité de F(x) = primitive du développement limité de f(x) Exemple : x 2 x3 x 4 xn ... x n ( x) 2! 3! 4! n! 2 x x n 1 dérivée de e x 0 1 x ... x n 11 ( x) 2! n 1! ex 1 x IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 12 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Application ln(1+x) primitive de ln(1 x) x 1 1 x x 2 x3 x 4 xn ... (1) n 1 x n ( x) 2 3 4 n Attention à la constante Développements limités généralisés : Cas où x 1 On pose X et on calcule le développement limité de f(X) ( au voisinage de 0 pour X ) x Exemple : soit la fonction y x 2 3x 1 Cas où x 3 1 y x 2 1 2 x x y x 1 3 1 x 1 X X 0 x x2 x 1 1 X 1 X 2 1 X X2 X 2 ( X ) 2 8 2 3 1 1 3 1 y x 1 2 2 X 2 ( x ) 2x 2x 8 x x y y 9 6 1 x 2 x3 x 4 3 9 1 x x 2 2 2 2 x 8x 3 13 x 2 8x IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 13 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Suites et Séries I) Suites Soit une suite de terme général Un Un à limite finie L quand n Si 0 N / n N L Un Conséquence : Si U n L U n1 L U n1 U n 0 Possibilité de test d’arrêt : on calcule tous les Un jusqu’à ce que U n1 U n fixé par l’utilisateur Le résultat approché de L sera prix comme U n 1 Ecriture d’un algorithme suivi d’un programme appliqué à des suites convergentes Rappel : Suite de Cauchy Un 0 N / p, q N U p U q Dans les suites convergentes sont de Cauchy II ) Séries : On appelle série de terme général : Un la suite Sn = U1 U 2 ... U n Exemple : n de départ Un 1 n 1 2 U0 1 U1 1 2 1 n(n 1)(n 2) 1 U3 3 2 1 Un IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 14 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Condition nécessaire ( mais pas suffisante ) de convergence : Un doit tendre vers 0 Exemple : Un = 1 1 converge, mais Un= divergence 2 n n Autre exemple : de série divergente Un = (-1)n a) Série à termes > 0 Critère de convergence U n 1 K 1 Un n Un K 1 Comparaison avec Vn = A A>0 n Comparaison avec l’intégrale f ( x)dx a avec Un = f(n) Calcul numérique de la valeur approchée de la somme d’un série : S U1 U 2 ... U p U p 1 ... Sp Rp On calcule Sp de manière que Rp soit inférieure à donnée d’où recherche d’une majoration du reste Critère U n 1 K 1 Un R p U p 1 U p 2 ... On a U p 1 Up K U p 1 KU p De même U p 2 U p 1 K U p 2 KU p 1 KU p etc... IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 15 Licence GMI cours de Méthodes Numériques ( Michel Betton ) R p U p K K 2 K 3 ... R p KU p 1 K K 2 .... 1 1 K Rp K Up 1 K Valeur de K ? Posons U n 1 K ( n ) limite < 1 Un - Si K(n) limite en croissant alors K = Max des K(n) = limite Si K(n) limite en décroissant U p 1 K( p) alors K = Max des K(n) donc Up Exemple : Un 1 n! U n 1 1 1 n! limite = 0 ( en décroissant ) Un (n 1)! n 1 Rp Kp 1 K p 1 Up 1 1 1 p 1 p! p p! 1 1 p 1 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 16 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Algorithme : U n 1 limite < 1 en décroissant Un donnée : précision du résultat : n = 0 ( on suppose que … ) U0 = … ( dépend de la série ) S= U0 initialisation : FAIRE Calcul écrire valeur de n , U0, S incrémentation de n Calcul de U1 // Calcul de MR ( Majoration du Reste ) Kn U1 U0 Si Kn < 1 alors Mr 1 n! n=0 U0 = 1 S=1 n=1 U1=1 => K=1 Problème lors du calcul de Mr ( division par zéro ) Cas { Un } = Kn U0 1 Kn sinon M r 2 ( par exemple ) On ajoute U1 à S On pose U0 = U1 JUSQU'A Mr IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 17 Licence GMI cours de Méthodes Numériques ( Michel Betton ) 1 p =5 Cas : U n n! Sp = 2.71667… Rp = 1 1 0.0017 5 5! or e= 2.71828 | e – Sp | = 0.0016 Autre exemple : Un 1 n 2n U n 1 n 2n n 1 1 ( en croissant ) n 1 Un n 1 2 2 n 1 2 Rp K 1 1 U p avec K= Rp U p 1 K 2 p2 p Critère : n Un K 1 R p U p 1 U p 2 ... Un K n R p K p 1 K p 2 ... K p 1 (1 K K 2 ...) K p 1 1 K Avec ici encore : plus grand des Kn « rencontrés » Comparaison avec la série : Kn = A n On sait que Vn est convergente si 1 On sait que Vn est divergente si 1 Résultat si Un () Vn alors Un converge si Vn converge IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 18 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Majoration du reste : Rp = U p 1 U p 2 ... A n Up Up+1 Up+2 0 n p p+1 p+2 Rp Rp p A dx A x dx ( : constante ) x p x 1 1 A A ( >1) 1 ( 1) x p 1 p Rp A 1 ( 1) p 1 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 19 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Comparaison avec une intégrale : Soit Un = f(n) l’intégrale f ( x)dx et la série sont de même nature ( c.a.d si l’intégrale converge a alors la série converge et si l’intégrale diverge alors la série diverge ) Up Up+1 Up+2 p p+1 p+2 Rp f ( x)dx p Exemple : 1 1 n2 1 1) U n 2 qui est convergente n Un 2) Comparaison avec une intégrale dx 1+x 2 a “a” car il se peut que la fonction ne sont pas définit en 0 ou en 1 ... Comparaison avec : dx 1 x Arc tan x 2 0 0 2 0 2 intégral convergente dx Arc tan x p Arc tan p 2 1 x 2 p Rp IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 20 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Combien faut-il de terme pour avoir une certaine précision ? Calcul : Nombre de terme pour que Rp 103 équation : 10-3 2 arctan p p? Arc tan p 2 0, 001 ( Attention calcul en radians sur la batteuse ) p tan 0, 001 2 p 999.999 p 1000 Cas des séries alternées : Un alternée converge si |Un| 0 en décroissant Majoration du reste ( illustration ) S = U0 – U1 + U2 – U3 avec Ui > 0 i U1 U3 0 S1 U2 S3 S2 U0 S2 S U 3 Rp U p 1 U p 2 ... U p 1 ( 1er terme négligé ) IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 21 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Résolution numériques des équations f(x) = 0 : Exemple : x-e-x = 0 x=? Il n’existe pas de solution analytique à cette équation Préliminaires : On isole la ( ou les ) racine(s) de l’équation dans des intervalle de longueur d’un ou deux unités Résultat : Si sur [ a b ] f(a).f(b) < 0 et si f ‘(x) garde un signe constant sur [ a b ] alors il existe une valeur unique de x ] a b [ telle que f( ) = 0 ( racine de l’équation ) Conséquence : On étudie les variations de y = f(x) pour déterminer les intervalles Exemple : f ( x) x e x D f ‘( x ) = 1 + e-x > 0 - y’ 0 + y ? + -1 + 1 + + 0.63 Soit la valeur exacte de la racine Soit * une valeur approchée D’après le théorème des accroissements finis f( * ) – f( ) = ( * - ) f ’(c ) * f '(c) c ] *[ f ( * ) IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 22 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Si dans ] a b [ | f ‘(x) | > M > 0 alors * M f ( * ) Exemple précédent : 1 2 f '( x) 1 e x * f ''( x) e x 0 f ' est croissante f '( x) 2 0.5 2 f (0.5) 0.213 Méthode de dichotomie : a b ? m Soit m , le milieu de [a b ] : m ab 2 On calcul f(a) * f(m) Si f(a) * f(m) < 0 on pose b = m Si f(a) * f(m) > 0 on pose a = m jusqu’à f (m) donné ou ( meilleur ) |a–b|< IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 23 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Méthode de la sécante : B y a b x1 x A m intersection de l’axe des x et de la droite AB Equation de la sécante AB y f (a ) f (b) f (a ) xa ba Valeur de x1 telle que y = 0 f (a) f (b) f (a ) x1 a ba f (a)(b a) x1 a f (b) f (a ) af (b) af (a) bf (a) af (a) x1 f (b) f (a) x1 af (b) bf (a) f (b) f (a) IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 24 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Données intervalle arrêt f(x) = ? a, b = = écrire commentaire initialisation n , racine n = 1 x1 = a ( ou b ) Faire écrire valeur x2 n , x1 = x1 af (b) bf (a) f (b) f (a) d x 2 x1 Si f(a).f(x2) < 0 b = x2 sinon a = x2 n n +1 x1 = x2 jusqu’à d < écrire racine approchée IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 25 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Méthode de Newton ( tangente ) : B T a b x1 f (a) ba on « partira » de ce f '(a) A Point de départ : y f (a ) f '(a) xa f (a) f '(a) x1 a f (a) x1 a f '(a) Condition : tangente en A ( ou en B ) y 0 f ’(x) et f ‘‘ ( x) garde un signe constant IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 26 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Données Intervalle Arrêt f(x) = ? f ‘(x) = ? a, b = = écrire commentaire n , racine alors x1 = b n , initialisation n = 1 Point de départ x1= a Si f '(a ) f (a) ba Faire écrire valeur x 2 x1 x1 f ( x1) f '( x1) d x 2 x1 n n +1 x1 = x2 Jusqu’à d < IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 27 Licence GMI cours de Méthodes Numériques ( Michel Betton ) pour éviter le calcul de la dérivée f ‘(x) qui peut être compliqué, on remplacera ( approximation ) f '( x) par f ( x h) f ( x ) h Données Intervalle Arrêt Derf (u, v) f(x) = ? a, b = = f (v) f (u ) vu écrire commentaire n , racine initialisation n = 1 Point de départ x2 = x1 + 0.001 ( ou x1= a Si Derf ( x1, x 2) f (a) ba alors x1 = b , x1 x2 = x1+0.001 Faire écrire valeur x3 x 2 n , x2 f ( x 2) Derf ( x1, x 2) d x3 x 2 n n +1 x1 = x2 x2=x3 Jusqu’à d < Un peu de Latin : Avantages : « Regula falsi » fausse position pas à calculer la dérivée de manière analytique les écarts se resserrent à la fin des calculs lorsque l’on se rapproche de la racine IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 28 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Méthodes des itérations successives : f(x)=0 racine ? Transformation de l’équation en x = ( x ) On peut avoir x = ( x ) = x + ( x ) mais ce n’est pas la seule Exemple : ex x4 0 x ( x) x e x x 4 ou x 4 ln x x x ex x3 ex x2 On choisit ( arbitrairement ) x0 ]a b[ et on calcule les termes de la suite x1 ( x0 ) x2 ( x1 ) ... xn ( xn 1 ) Condition pour que la suite converge vers la racine xn xn 1 ( xn 1 ) ( xn 2 ) xn 1 xn 2 '(c) c ]xn 1 xn 2 [] a b[ supposons que sur ]a b [ '( x) K 1 xn xn 1 xn 1 xn 2 .K or on peut écrire de la même façon xn xn1 x1 x0 .K n xn1 xn2 xn2 xn3 .K K n 0 car K 1 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 29 Licence GMI cours de Méthodes Numériques ( Michel Betton ) xn xn1 0 Suite à une limite xn ( xn1 ) à la limite = ( ) Exemple : 1 x0 x 1 1 f '( x) 2 0 x x f ( x) ln x x 0 f‘ 1 2 + f -1 0,19 f ( x) 0 ln x 1 x 1 1 x 1 ( x) x ln x 1 1 2 / ln x x e x 2 ( x) x 1 3 / x ln x 3 ( x) x 1 x '3 ( x) 1 2 1 ( ne convient pas ) x x 1/ ln x 1 x e ( ne convient pas ) x2 1 '1 ( x) ( ne convient pas ) 2 x ln x '2 ( x ) IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 30 Licence GMI cours de Méthodes Numériques ( Michel Betton ) f ( x) 0 f ( x) 0 : constante 1 possibilité x x ln x ( x) x On cherche telle que '(x) 1 sur [1 2] 1 1 2 x x 1 2 ''( x) 2 3 x x Première approche pour que '( x) 1 on doit avoir < 0 '( x) 1 x 1 '( x ) -0.2 2 0.55 0.625 3 1 4 0 1 2 ''( x) 0 1 1 2 1 2 2 0 0 1 1 1 3 1 4 3 0 0 4 8 3 8 3 2 Les valeurs de ] -1 0[ conviennent IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 31 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Choix de pour que ( xn ) converge le plus rapidement xn xn 1 x1 x0 .K n On veut '(1) '(2) 1 2 1 3 4 3 11 2 4 4 8 0.73 11 2 Calcul à faire : 1 xn xn1 0.73 ln xn1 '( x) x n 1 départ x0 0.5 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 32 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Accélération de la convergence : Méthode du delta 2 ( 2 ) d’Aïtken ( 1926 ) Soit une suite Xn qui converge vers On construit une suie Wn qui converge vers plus vite que Xn X n ( X n1 ) Wn X n X n1 X n 2 X n 2 2 X n 1 X n X n 1 X n X n ( Accroissement de X n ) X n 2 X n 1 X n 1 X n 1 X n 2 X n X n 2 2 X n 1 X n X n 2 X n 1 X n 1 X n X n 1 Wn X n Etude de X n X n 2 2 X n Wn Xn On montrera que ce rapport tend vers 0 quand n tend vers + Posons e x n n xn 1 ( xn ) ( ) xn '(c) c ]xn [ en 1 en '(c) lorsque n '(c) '( ) '(c) n en 1 en n IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 33 Licence GMI cours de Méthodes Numériques ( Michel Betton ) xn 1 xn xn 1 xn en n en en 1 n xn 2 2 xn 1 xn xn 2 2 xn 1 xn en 2 en 1 n 1 en n n 1 en 2 2en 1 en en n n 1 2 n 1 en 2 2 1 ( gros ) Wn xn en 2 1 n 2 2 en 1 Wn xn en 1 n 2 2 1 2 1 n Wn 1 2 xn 1 et n 0 n avec xn en Wn 0 xn Critère d’arrêt du calcul : Wn 1 xn xn 2 xn xn 2 2 xn xn 1 2 représente bien la précision du résultat à savoir | xn - | Si on accélère la suite Wn zn wn xn 2 2 xn xn 2 zn 2 xn 1 wn wn IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 34 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Finalement on prendra comme critère d’arrêt xn 2 xn 2 précision du résultat Méthode de Steffensen : Soit xn = ( xn 1) Intervalle de recherche ]a b[ [ a b] Soit x0 ]a b[ ( par Exemple x0= A partir de on calcul ab ) 2 x0 x1 = ( x0 ) x1 x2 = ( x1 ) w0 1 x1 x0 2 x2 2 x1 x0 On pose x0 = w0 et on recommence Que prendre comme critère d’arrêt ? On peut considérer la méthode de Steffensen comme une méthode itérative xn ( xn1 ) w0 x x0 x1 x0 2 x2 2 x1 x0 ( x ) x x x 2 ( x) x 2 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 35 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Critères d’arrêt du calcul : 1/ xn1 xn e x 104 0 e x 104 Résolution analytique : x 4 ln10 9, 21... Exemple : Soit x = 8 e8 104 0, 0002... Fonction « douce » car elle coupe l’axe des « x » avec une tangente proche de zéro Méthode numérique : x ( x) x e x 104 ]9 10[ '( x) 1 e x 1 et > 0 x 0 9,5 x1 9.5 e 9,5 10 4 x1 9, 49998 x1 x0 2,5.105 xn ( xn 1 ) xn ( xn 1 ) ( ) xn ( xn 1 ) '(c) Hypothèse : '( x) 0 sur ]a b[ '( x) 1 xn 1 xn xn xn+1 xn-1 xn représente une majoration de la précision du résultat IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 36 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Hypothèse : '( x) 0 sur ]a b[ '( x) 1 xn-1 xn xn xn-1 converge vers Dans ce cas xn1 xn ne représente pas la précision car 2 / Critère d’arrêt « Amélioré » en xn xn xn 1 xn 1 xn 2 xn 2 .... xn xn xn 1 xn 1 xn 2 .... Si la suite xn converge vers alors à partir d’un certain rang xi 2 xi 1 K 1 i n xi 1 xi xn xn xn 1 1 K K 2 ... xn xn 1 1 K 1 1 K Que prendre pour K ? Arbitrairement on prendra le premier K = xn 1 xn à condition que K < 1 xn xn 1 D’où le critère d’arrêt xn xn 1 1 K avec K = xn 1 xn xn xn 1 si < 1 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 37 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Exemple : f ( x) e x x 0 ]0 1[ ( x) 2 x e x '( x) 2 e x '( x) 1 Suite divergente f ( x) 0 ( x) x x e x '( x) 1 1 e x 0 d’où le critère d’arrêt 0 1 ''( x) + '( x ) 1 1 1 e 1 2 ''( x) e x 1 1 2 '(0) 1 1 '(1) 1 1 1 0 e Finalement –1 < < 0 Meilleur a priori IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 38 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Chapitre IV) POLYNOMES Soit Pn(x) un polynome de degré n = a0+a1x+a2x2+…+anxn ( ai donné pour i = 0 à n ) Calcul de Pn(x) pour x donné Méthode de Hoïner Pn ( x) a0 x a1 a2 x ... an x n 1 Pn ( x) a0 x a1 x a2 ... an x n 2 et ainsi de suite ai donné x donné i=0 à n ( n+1 coefficient ) Départ P = 0 Boucle I allant de n à 0 P P*x + ai Déroulement P0 P an P an x an 1 P an x 2 an 1 x an 2 . . . P an x n an 1 x n 1 .... a0 Dérivée : DP( x) DPn 1 ( x) b0 b1 x b2 x 2 .... bn 1 x n 1 a1 2a2 x 3a3 x 2 .... nan x n 1 bi i 1 ai 1 i 0 à n-1 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 39 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Primitives: PP( x) PPn 1 ( x) c0 c1 x c2 x 2 .... cn 1 x n 1 a x n 1 x2 .... n 2 n 1 C0 0 ( ou une constante ) a0 a1 Ci ai 1 avec i allant de 1 à n+1 i Division de Pn ( x) par x-m ( m donné ) Pn ( x) x m Qn1 ( x) reste Calcul des coefficients de Qn-1(x) et du reste a0 a1 x a2 x 2 .... an x n x m q0 q1 x .... qn 1 x n 1 reste Terme constant : a0 mq0 reste Terme en x = a1 = q0 – mq1 Terme en x2 = a2 = q1 – mq2 … Terme en xn-1= an-1 = qn-2 – mqn-1 Terme en xn = an = qn-1 qn-1 = an qn 2 an 1 mqn 1 ... q0 a1 mq1 reste a0 mq0 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 40 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Recherche des racines de Pn ( x) = 0 1/ Méthode « classique » ( f(x) = 0 ) 2/ Méthode spécifique Méthode de LIN : Pn ( x) 0 Pn ( x) a0 xPn 1 ( x) x a0 x Pn 1 ( x) a0 x Pn ( x) a0 Méthode itérative avec ( x) a0 x Pn ( x) a0 '( x) 1? '( x) Pn ( x) a0 a0 a0 P '( x) Pn ( x) a0 2 Si ça marche xn / Pn ( ) 0 Lorsque n Pn ( x) 0 '( x) 1 a02 a0 xP '( x) a02 xP '( x) a0 (on doit avoir ) -1<1 2 xP '( x) 1 a0 xP '( x) 0 en supposant ( a0 0 toujours possible ) a0 -2a0 xP '( x) 0 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 41 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Méthode de BERNOUILLI : Soit Pn ( x) a0 a1 x a2 x 2 .... an x n Méthode donne la racine de plus grand module On crée une suite xn dont on se donne arbitrairement les K premiers termes x0 , x1 ,..., xn1 Le terme suivant xn a0 x0 a1 x1 ... an1 xn1 an xn xn 1 L’approximation de la racine est donnée Exemple : x3+x-3=0 -x3 3 -x a0 a1 a2 a3 3 -1 0 -1 Je prends les termes arbitrairement 1 2 3 1 2 3 1 3 3 1 3 8 IUP GMI – Université d’Avignon et des Pays de Vaucluse 1 3 8 0 3 3 1 8 3 0 0 8 Page 42 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Chapitre V) RESOLUTION DES SYTEMES D’EQUATIONS LINEAIRES : écriture a11 x1 a12 x2 ... a1n xn b1 ai1 x1 ai 2 x2 ... aij x j bi axy x :numéro de ligne y : numéro de colonne an1 x1 an 2 x2 ... ann xn bn écriture matricielle A X B A aij X :"vecteur colonne" inconnu B :"vecteur colonne" connu Rappel : Pour faire le produit de deux matrices [A][B]. Il faut qye le nombre de colonnes de A soit égal au nombre de lignes de B. aij bij cij n Cij aik bkj k 1 Méthode de Gauss ( Pivot ) : a11 x1 a12 x2 a13 x3 b1 a21 x1 a22 x2 a23 x2 b2 a31 x1 a32 x2 a33 x3 b3 a11 a12 A a21 a22 a 31 a32 x1 X x2 x3 a13 a23 a33 b1 B b2 b3 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 43 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Triangularisation de [A] : x1 b a 1 x a13 x3 12 2 a11 x1 que l'on reporte dans les équations suivantes a22 * x2 a23 * x3 b2 * a32 * x2 a33 * x3 b3 * x2 b2 * x2 b2 * a23 * x3 a22 * Le système devient a11 x1 a12 x2 a13 x3 b1 a22 * x2 a23 * x3 b2 * a33 **x3 b3 ** Résolution « montante » : Dernière équation x3 b3 ** a33 ** Equation précédente x2 = et ainsi de suite x1= Précautions ( informatique ) division par les pivots : aii Si aii = 0 Il faut mettre un test Si le pivot est nul, le programme doit aller changer la ligne abec un pivot non nul, avec la première ligne ne comportant pas un pivot nul. On intervertit deux lignes tel que le pivot devient 0 En général, on prend le pivot le plus grand. IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 44 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Résultat : déterminant d’un tableau a11 a12 a13 a21 a31 a22 a32 a23 a33 a11 et a22 a23 a32 a33 a22 a23 a32 a33 a21 a12 a13 a32 a33 a31 a12 a13 a22 a23 a22 a33 a23 a32 1012 opérations par secondes n=7 quelques secondes n = 15 1 an et ½ n = 25 48 milliards d’années Nombre d’opération ~ ( n+1) ! Le déterminant d’une matrice [A] est égal au produit des termes diagonaux aii de la matrice traingulaire Recherche d’une matrice inverse Soit [A] Matrice inverse [A-1] [A][A-1] =[I] matrice identité 1 I 0 0 1 a11 a12 x11 x12 1 0 a 21 a22 x21 x22 0 1 a11 x11 a12 x21 1 a21 x11 a22 x21 0 a11 x12 a12 x22 0 a21 x12 a22 x22 1 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 45 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Méthode de CHOLEVSKI : [A][X] =[B] avec [A] matrice symétrique, définie, positive ( toutes ls valeurs propres sont réelles et > 0 ) Résultat : On démontre que la matrice [A] peut s’écrire [A] = [M][MT] avec [M] : matrice triangulaire inférieure avec [MT] : matrice triangulaire supérieure [M][MT][X] = [B] [Y] vecteur colonne inconnu [M][Y] = [B] résolution « descendante » donne [Y] triangulaire inférieure m11 . 0 . . [MT][X] =[Y] résolution « montante » donne [X] triangulaire supérieur a11 a12 [A] = a21 a22 a31 a32 a13 m11 0 a23 m21 m22 a33 m31 m32 0 m11 m21 0 0 m22 m33 0 0 m31 m32 m33 1ier ligne .1ier colonne a11=m11m11= a11 0 ier 1 ligne .2ièm colonne a a12 m11m21 m21 12 m11 ier ièm 1 ligne .3 colonne a a13 m11m31 m31 13 m11 ièm ièm 2 ligne . 2 colonne 2 2 a22 m21 m22 m22 a22 m21 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 46 Licence GMI cours de Méthodes Numériques ( Michel Betton ) 2ièm ligne . 3ièm colonne a23 m21m31 m22 m32 m32 a23 m21m31 m22 3ièm ligne . 3ièm colonne 2 2 2 2 a33 m31 m32 m33 m33 a33 m31 m322 Méthode de Doolitlle : [A][X] = [B] A quelconque 0 1 On demande que l’on peut décomposer [A] sous la forme [L][U] avec [L] = ... termes 1 u11 u22 [U] = 0 terme unn Conditionnement d’une matrice [A] : [A][X] = [B] Exemple : 2x +6y = 8 /1 2x + 6.00001y = 8.00001 /2 /2 - /1 0,0001y = 0.00001 y= 1 x = 1 2x +6y = 8 /1 2x + 5.99999y= 8.00002 -0.00001y = 0.00002 y = -2 et x = 10 IUP GMI – Université d’Avignon et des Pays de Vaucluse /2 « Effet papillon » Page 47 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Chapitre VI) INTERPOLLATION POLYNOMIALE 1/ Cas de points expérimentaux (xi, yi ) i = 0 à n ( donc n+1 points ) Intéressant : trouver une relation y = f(x) Relation la plus simple : relation polynomiale Condition : pour une valeur de xi correspond à un yi Résultat : On démontre qu’il existe un polynôme unique de degré n tel que Pn ( xi ) yii 0 à n Polynôme de degré 2 xi Cas particulier : Interpolation linéaire IUP GMI – Université d’Avignon et des Pays de Vaucluse Droite de régression y=ax+b Page 48 Licence GMI cours de Méthodes Numériques ( Michel Betton ) 2/ On a une fonction y = f(x) connue que l’on veut étudier sur un intervalle [a b ] On choisit des points d’interpolation sur [a b] et on construit le polynôme Pn(x) Pn ( xi ) yi f ( xi ) Détermination de Pn(x) : Connaissance des ai i = 0 à n Pn ( x) a0 a1 x a2 x 2 ... an x n a0 a1 x0 a2 x0 2 ... an x0 n y0 a0 a1 x1 a2 x2 2 ... an x1n y1 .... a0 a1 xn a2 xn 2 ... an xn n yn 1 x0 ... 1 xn x02 xn2 x0n a0 y0 ... ... n xn an yn d’où 1/ Construction de la matrice carré à partir des xi 2/ Résolution du système qui donne les ai 3/ Calcul de Pn(x) pour x donné Inconvénients : longueur des calculs En général on veut calculer Pn(x), pour x donné mais la valeur explicite des ai n’est pas indispensable Formule de LAGRANGE : n Pn ( x) lK ( x) yk K 0 n lK ( x ) i 0 i K yk f ( xk ) x xi x x0 x x1 ... x xk ... x xn xk xi xk x0 xk x1 ... xk xk ... xk xn IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 49 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Vérification : Soit x = xj un des points d’interpolation lk ( x j ) si K = j l j (x j ) 1 si K j lk ( x j ) 0 Pn ( x j ) y j j 0 n Construction de la fonction LK qui dépend de x valeur où on veut calculer le polynôme ( réel ) K, n : entier x[i] : vecteur Exemple : 1 sur [0 2] 1 x2 avec les points d’interpolation Soit y x0 =0 x1 =1 x2 = 2 y0 1 y1 0.5 y2 0.2 l0 ( x) ( x x1 )( x x2 ) ( x 1)( x 2) ( x0 x1 )( x0 x2 ) (1)(2) l1 ( x) ( x x0 )( x x2 ) ( x)( x 2) ( x1 x0 )( x1 x2 ) (1)(1) l2 ( x ) ( x x0 )( x x1 ) ( x)( x 1) ( x2 x0 )( x2 x1 ) 2(1) P2 ( x) ( x 1)( x 2) ( x)( x 2) ( x)( x 1) 1 *0.5 *0.2 2 (1)(1) 2(1) A FAIRE Résoudre Pn(x)= yi d’où a0 = ? a1=? a2=? IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 50 Licence GMI cours de Méthodes Numériques ( Michel Betton ) 1 0.5 0.2 0 1 2 Evaluation de l’erreur commise : n Pn ( x) f ( x) (x x ) i i 0 (n 1)! f ( n 1) ( ) [ a b] Si f(n+1)(x) continue sur [a b] n Pn ( x) (x x ) i i 0 (n 1)! Max f ((x)1) Pour réduire l’erreur : on peut jouer sur les xi Points de TCHEBYCHEFF : 2 K 1 Sur l’intervalle de référence [-1 +1] les xK données par xk cos 2 n 1 K=0àn Passage de [-1 +1] à [a b] t x x t avec a = b= xK a b ab et 2 2 K 1 ab ba cos 2 2 2 n 1 IUP GMI – Université d’Avignon et des Pays de Vaucluse ba 2 Page 51 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Exemple : Trois points x0 cos 6 [ -1 +1] 2 K 1 cos 6 0,866... x1 0 x2 cos 5 0,866... 6 Spline cubique : On impose que Pn(xi)=yi et on impose la continuité des dérivées première et seconde. a xi xi+1 b Calcul numérique des intégrales : b Soit à calculer I f ( x)dx a et b finis données, f(x) donné a On interpôle f(x) sur [a b] par un polynome Pn(x) = a0 + a1x + …+anxn b I P ( x)dx a n 0 a1 x ... an x n b a a Opérations : Calcul des ai à partir des données ( xj,yj = f(x) ) Points d’interpolation pas de problème mais long IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 52 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Formulation de Lagrange : n Pn ( x) li ( x) yi yi f ( xi ) i 0 n xx j li ( x) x x j 0 i j j i b b a a i 0 n Pn ( x)dx li ( x) yi dx I n b li ( x) yi dx i 0 a b n yi li ( x)dx i 0 a b l ( x)dx est indépendant de f(x) dépend uniquement des xi i a b On note Wi cette intégrale Wi = li ( x)dx = « poids » attaché à xi a n I W y i i 0 i Détermination des Wi L’intégration directe des li(x) est compliquée On sait que l’intégration est exacte pour f(x) = tout polynôme de degré n b f ( x)dx a f(x) intégrale pour P2(x) ( 3 points ) Soit f(x) = x2 + 2 x0 a x1 x2 b IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 53 Licence GMI cours de Méthodes Numériques ( Michel Betton ) De plus pour faciliter et unifier les calculs on travaille sur un intervalle de référence [-1 +1] b 1 a 1 I f ( x)dx b I a dt 1 ba ba ba f ( x)dx f x dx 2 1 2 2 x t b a ba b+a et = 2 2 1 On est ramené à calculer g ( x)dx 1 Soit g(x)=x avec = 0,1,2,...,n =0 g(x)=1 y(x)=(x) 1 1dx 2 W 0 1 W1 1 ... Wn 1 1 1 g ( x) x 1 xdx 0 W 0 x0 W1 x1 ... Wn x n 1 2 g ( x) x 2 1 2 x dx 3 W x 2 2 0 0 W1 x12 ... Wn xn2 1 Et ainsi de suite Remarque : Si = 2p+1 I = 0 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 54 Licence GMI cours de Méthodes Numériques ( Michel Betton ) A partir de ce système d’équation On a 3 méthodes 1) les xi sont équidistants ( donc connus ) Cas n = 1 x0 = -1 (n+1 ) : 2 points x1 = 1 2 = W0 + W1 0 = -W0 + W1 W0 = W1 = 1 I f (1) f (1) pour f(x) quelconque -1 +1 Cas n = 2 x0 = -1 (n+1) : 3 points x1 = 0 x2 = 1 2 = W0 + W1 + W2 0 = -W0+0+W2 2 = W0+0+W2 3 W0 = W2 W0 = W2 = I 1 4 , W1 = 3 3 1 f (1) 4 f (0) f (1) 3 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 55 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Formule de SIMPSON : Pour n > 2 : formule de NEWTON COTES A partir de ce système d’équation, on a 3 méthodes 1) Les xi sont équidistants ( donc connus ) 2) Méthode de TCHEBYCHEFF Les Wi sont tous égaux et on cherche les xi tels que l’intégration soit exactes pour les polynômes de degré les plus élevé possible. 2 W0 W1 ... Wn W1 2 n 1 2 x0 x1 ... xn n 1 2 2 x02 x12 ... xn2 3 n 1 0 Les inconvénients sont les xi et le système n’est plus linéaire. Cas n = 2 ( 3 points ) 2 3 2 0 x0 x1 x2 3 2 2 2 x0 x12 x22 3 3 Wi Par « symétrie » x1 0 x0 x2 x0 2 2 x1 0 x2 2 2 d’où I 2 f 3 2 f (0) 2 2 f 2 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 56 Licence GMI cours de Méthodes Numériques ( Michel Betton ) 1 cos xdx sin x SIMPSON : 1 0 0,841471 0 1 I 1 x 1 cos dx 2 1 2 I 1 1 1 cos 0 4 cos cos1 0,84177 2 3 2 1 2 2 1 2 1 1 2 2 0,84140 cos 4 cos cos 2 3 2 2 2 TCHEBYCHEFF : Méthode de GAUSS : Wi = n+1 inconnus 2n+2 inconnus xi = n+1 inconnus Problème : Le système d’équation non linéaire en xi et Wi Cas n°2 ( 3 points ) 2 W0 W1 W2 0 W0 x0 W1 x1 W2 x2 2 W0 x02 W1 x12 W2 x22 3 0 W0 x03 W1 x13 W2 x23 d'après la symétrie : W0 W2 x0 x2 x1 0 2 W1 2W2 W1 8 9 00 2 1 15 5 2W2 x22 W2 2 W0 3 3x 3 3 9 00 2 2 3 3 3 2W2 x2 x22 x2 , x0 5 5 2 5 5 I 5 9 3 8 5 f f (0) 9 5 9 3 f 5 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 57 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Application à 1 I cos xdx 0 I 1 1 x 1 cos dx 2 1 2 1 0, 6 8 1 0, 6 1 5 1 5 cos cos cos 2 9 2 2 9 2 9 0,841471 Algorithme de GAUSS : Ecrits une fois pour toutes x0 0, 6 x1 0 x2 x0 5 9 8 W1 9 W2 W0 W0 Données : f(x) Bornes : a et b ba 2 ba K2 2 I K1 W0 f K1 x0 K 2 W1 f K1 x1 K 2 W2 f K1 x2 K 2 K1 Si [a b] « grand » on divise l’intervalle en nb sous intervalles égaux. donnée supplémentaire : nb IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 58 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Pour i allant de 0 à nb-1 a1 = a+ih b1=a1+h b1 a1 2 b a K2 1 1 2 K1 I devient I + K1 W0 f K1 x0 K 2 W1 f K1 x1 K 2 W2 f K1 x2 K 2 Exercice : Calculer I = 1 2 1,96 e x2 2 dx 0,95 1,96 95 % -1,96 +1,96 1 Soit I f ( x)dx 0 et J f (0) f ( x1 ) Déterminer , ,x1 tel que I = J Pour f(x) = polynôme de degré le plus élevé possible 1 p 0 I dx 1 f(x) = xp 0 1 p 1 xdx 12 x1 0 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 59 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Méthode de Gauss-Radau : Calcul dans le cas ou 1 borne ( b par exemple ) est infinie f ( x)dx a On cherchera b tel que b f ( x)dx Fonction-Simple dx donnée b b On calcul f ( x)dx a dx 1 x 10 résultat analytique ??? 0 dx dx 0 1 x10 0 x10 donnée valeur de b IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 60 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Chapitre VII) EQUATION DIFFERENTIELLE : Rappels : Equation d’ordre n une relation de la forme ( x, y, y ',..., y ( n ) ) 0 x : variable y = fonction de x ( inconnue ) Résoudre ou intégrer une équation différentielle : c’est trouver la ( ou les ) fonction(s) y(x) satisfaisant à l’équation y’ – y = 0 y = ex est une solution ( la solution générale de l’équation est y e x On peut déterminer constante quelconque à partir des conditions initiales La solution générale d’une équation d’ordre n dépend de n constantes Equation d’ordre 1 : Résolution y ‘ = f(x,y) avec les conditions initiales x0,y0 Si la solution est calculée dans [ x0 xMAX ] et si il existe une constante L > 0 tel que x [ x0 xMAX ] et U, V f ( x, u) f ( x, v) L U V L’équation y’ = f(x,y ) admet une solution unique Condition de LIPSCHITZ Rappel : y ( x h) y ( x) hy '( x) h2 hn hn1 n 1 ... y n ( x) y (c) 2! n! n 1! c ]x x h[ Si h voisin de 0 alors hn n y ( x ) h n ( x) n! Cas où n = 1 ( D.L d’ordre 1 au voisinage de x ) y( x h) y( x) hy '( x) ... IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 61 Licence GMI cours de Méthodes Numériques ( Michel Betton ) y(x) + hy’(x) y(x+h) à rapprocher de l’équation différentielle y’ = f(x,y) ( f connue ) ( On vais écrire = au lieu de ) y(x+h) = y(x)+hf(x,y) Méthode d’Euler : y1 y ( x0 h) y ( x0 ) hf ( x0 , y0 ) x1 x0 h y1 y0 Vraie solution inconnue x0 Algorithme : données : fonction f(x,y) Condition initiale x0,y0 Pas du calcul : h Maximum de x : xMAX Faire Ecrire x0 y0 x1 = x0 + h y1 = y0+h f(x0,y0) x0 = x1 y0 = y1 Jusqu’à x1 > xMAX Exemple : y’ = f(x,y ) = y x0 = 0 y0 = 1 ( Solution exacte ex ) h = 0,1 x y 0 0,1 0,2 0,3 exacte 1 1,1 1,21 1,331 1 1,105 1,221 1,35 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 62 Licence GMI cours de Méthodes Numériques ( Michel Betton ) y1 = y0 + 0,1 y0 = y0 ( 1+0,1 ) y2 = y1 ( 1+0,1 ) Amélioration des résultats 1/ Pas de h plus petit plus de calculs 2/ Euler « amélioré » y2 y1 x0 x1 h h y1 y0 hf x0 , y0 f x0 , y0 2 2 x11 y11 3/ DL d’ordre 2 ( ou plus ) h2 y ''( x) 2 h2 y ( x h) y ( x) hf ( x, y ) 2 dy ' d f ( x, y ) y ''( x) dx dx y ( x h) y ( x) hy '( x) f f dx dy Différentielle totale x y df f f dy f f dx x y dx df y1 y0 hf ( x0 , y0 ) h 2 f f f 2 x y IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 63 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Exemple : y ‘ = f(x,y) = y arctan ( x2y ) x0 = 1 y0 = 1 f 2 xy y x 1 x4 y 2 f x2 2 Arc tan( x y ) y y 1 x4 y 2 4/ Méthode de RUNGE-KUTTA : Runge-Kutta ( Ordre 2 ) ordre de la méthode y1 = y0 + aK1 + bK2 où a et b sont des constantes ( à déterminer ) y1 y0 ahf bhf x0 h , y0 K1 f f f f f x0 h, y0 K1 f ( x0 , y0 ) h K1 f h hf x y x y y1 y0 hf h 2 f f f 2 x y y1 y0 ahf bhf bh 2 f f bh 2 f x y hf (a b)hf a b 1 1 b 2 1 b 2 1 On prend a = b = 2 1 A retenir : 1 K1 K 2 2 avec K1 hf ( x0 , y0 ) y1 y0 et K 2 hf ( x0 h, y0 K1 ) IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 64 Licence GMI cours de Méthodes Numériques ( Michel Betton ) RUNGE-KUTTA ( Ordre 4 ) La plus utilisée données f(x,y) Equation différentielle Condition initiale x0, yO Pas du calcul Max de x : xMAX Faire Ecrire x0 , y0 x1 x0 h K1 hf ( x0 , y0 ) K h K 2 hf x0 , y0 1 2 2 K h K 3 hf x0 , y0 2 2 2 K 4 hf x0 h, y0 K 3 y1 y0 1 K1 2 K 2 2 K3 K 4 6 x0 x1 y0 y1 Jusqu’à x0 > xMAX Solution vraie inconnue Avantages des pas variables IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 65 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Inconvénients : La A_Stabilité ( A comme asymptote ) Exemple : y ‘ = - 10 y Solution analytique : ln y dy dy 10 y 10dx dx d 10 x y e 10 x x0 0 1 y0 1 y e10 x quand x + y0 Méthode d’Euler : y1 y0 hf ( x0 , y0 ) y1 y0 h(10 y0 ) y0 (1 10h) y2 y1 h(10 y1 ) y1 (1 10h) y0 (1 10h) 2 . . yn y0 (1 10h) n 0 ? Pour que ( 1-10h)n 0 lorsque n Il faut que | 1-10h| < 1 -1 < 1 –10h < 1 -2 < -10 h < 0 h < 0.2 h>0 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 66 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Méthode Runge-Kutta Méthodes à pas séparés : On fait des calculs qui ne servent qu’une fois Méthodes à pas liés Ordre 2 : h 3 f ( xn , yn ) f ( xn1 , yn1 ) 2 On connait x 0 , y0 yn 1 yn h 3 f ( x1 , y1 ) f ( x0 , y0 ) 2 x1 x0 h mais y1 inconnue départ n = 1 y 2 y1 sera calculée par une méthode à pas séparés ( de même ordre ) Ordre 4 : h 55 f ( xn , yn ) 59 f ( xn1 , yn1 ) 37 f ( xn2 , yn2 ) 9 f ( xn3 , yn3 ) 24 avec n = 3,4,... yn 1 yn y ‘ = y-x y ‘ – y = - x ( second membre ) Résolution « sans second membre » y‘-y=0 dy y dx dy dx y e x dy Equation complète ( Méthode de LAGRANGE ) Y U ( x )e ( x ) U ( x) à déterminer Y ' = U'e x Ue x Equation complète U ' e x +Ue x Ue x x U ' xe-x U xe x e x K e-x xe-x e-x donc Y = x+1+Ke x IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 67 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Equations différentielles du second ordre : Ecriture : y’’ = f(x, y, y’ ) Avec condition initiales pour x = x0, y = y0 et y’ = y’0 On décompose l’équation en un système de deux équations du premier ordre. y ' g ( x, y , z ) z ' f ( x, y , z ) y' z z ' f ( x, y , z ) Les conditions initiales deviennent : x = x0 y = y0 z = z0 ( y’ = y’0 ) Formulation d’Euler : y ( x0 h) y0 ( x0 ) hg ( x0 , y0 , z0 ) y0 hz0 z ( x0 h) z ( x0 ) hf ( x0 , y0 , z0 ) Formulation de RUNGE-KUTTA ( Ordre 4 ) : 1 K1 2 K 2 2 K3 K 4 6 1 z ( x h) z ( x) L1 2 L2 2 L3 L4 6 avec : y ( x h) y ( x ) K1 hg ( x, y, z ) hz L1 hf ( x, y, z ) K L L h K 2 hg x , y 1 , z 1 h z 1 2 2 2 2 K L h L2 hf x , y 1 , z 1 2 2 2 K L L h K 3 hg x , y 2 , z 2 h z 2 2 2 2 2 K L h L3 hf x , y 2 , z 2 2 2 2 K 4 hg x h, y K 3 , z L3 h z L3 L4 hf x h, y K 3 , z L3 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 68 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Application à un système de deux équations du 1er ordre : y’ = g(x,y,z) z’ = f(x,y,z) d1 K1 1 2 dt d 2 K 2 2 1 dt 1 K1 et K2 coefficients dépendant des « corps » 1 Remarque : Cas où les conditions initiales sont données en deux points différents par exemple pour x = x0 y=y0 et pour x = x1 y = y1 y1 z0 non donné. On fait le calcul avec un z0 arbitrairement « Méthode du tir » y0 x0 x1 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 69 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Equation régissant le mouvement d’un pendule amorti : accélération vitesse '' 2 '10sin 0 0 : élongation '0 0 ( par exemple ) : vitesse L’équation est non linéaire ( terme en sin ) Si « petit » sin Equation devient linéaire ’’ + 2 ’+10 = 0 Solution de la forme e2t = e2t =re2t ’’ = r2e2t r : constante à déterminer e 2t r 2 2r 10 0 Equation caractéristique b 2 4ac 4 40 36 0 36 36i 2 2 6i 1 3i 2 2 6i r2 1 3i 2 r1 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 70 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Solution générale 1 et 2 er1t 1 2 er2t contraintes et e3it * 1 2 e 3it On développe e t 1 cos 3t 2 sin t ou K1e t cos 3t cos 3t i sin 3t cos 3t 1 2 i 1 * 1 1 i 2 i cos 3t i sin 3t 2 sin 3t 2 et K1et Ke t r 2 10 r i 10 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 71 Licence GMI cours de Méthodes Numériques ( Michel Betton ) TD 4 : y’ = x-xy=f(x,y) x=0 y=2 Euler : y(x+h)=y(x)+hf(x,y) y(x+h)=y(x)+hx(1-y) y(0,1) = 2 + 0.1 *0(1-2) = 2 y(0,2) = 2 + 0.1 * 0.1(1-2) = 1,99 y(0,3) = 1,99 +0.1*0.2( 1- 1,99 ) = 1,97 Solution analytique : y’ = -xy dy xy ( sans second membre) dx ( y’ – x-y = x ) dy xdx y x2 Lny 2 ye x2 2 e x2 2 e Ke x2 2 K IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 72 Licence GMI cours de Méthodes Numériques ( Michel Betton ) Equation complète : Solution particulière : y’ = 1 YG = Ke x2 2 +1 Lagrange : Y U ( x )e Y ' U 'e U 'e x2 2 x2 2 xUe xUe x x2 2 x2 2 ( U fonction à déterminer ) x2 2 xUe x2 2 x0 2 U ' xe 2 x2 2 U e Y x x e e 2 e 2 1 x2 2 2 2 x2 2 1 x y e 0 2 2 0,1 2 1,995 0,2 1,99 1,980 0,3 1,97 1,956 IUP GMI – Université d’Avignon et des Pays de Vaucluse Page 73