Méthodes Numériques I
Algorithmique numérique
François Cuvelier
Laboratoire d’Analyse Géométrie et Applications Institut Galilée
Université Paris XIII.
2 avril 2015
Plan
1 Polynômes d’interpolation de Lagrange
2 Dérivation numérique
3 Intégration numérique Méthodes simplistes
Méthodes de Newton-Cotes Méthodes composites Autres méthodes Intégrales multiples
4 Résolution de systèmes linéaires Vecteurs
Matrices
Factorisation LU
Factorisation de Cholesky
Définition
Définition
SoientnPN˚ etpxi,yiqiPv0,nwavecpxi,yiq PR2et lesxi distincts deux à deux. Lepolynôme d’interpolation de Lagrangeassocié auxn`1 pointspxi,yiqiPv0,nw,notéPn,est donné par
Pnptq “
n
ÿ
i“0
yiLiptq, @tPR (1)
avec
Liptq “
n
ź
j“0 j‰i
t´xj
xi´xj
, @i P v0,nw, @tPR. (2)
Théorème
Théorème
Lepolynôme d’interpolation de Lagrange,Pn,associé aux n`1 pointspxi,yiqiPv0,nw,est l’unique polynôme de degré au plus n,vérifiant
Pnpxiq “yi, @iP v0,nw. (3)
Exemple
A titre d’exemple, on représente, En figure 1, le polynôme d’interpolation de Lagrange associé à 7 points donnés.
-1 0 1 2 3 4 5 6 7
-1.5 -1 -0.5 0 0.5 1 1.5
t
y
y=P6(t) 7 Points (xi,yi)
FIGURE:Polynôme d’interpolation de Lagrange avec 7 points donnés)
Exercices
Exercice
Ecrire la fonctionLAGRANGEpermettant de calculerPn(polynôme d’interpolation de Lagrange associé aux n`1pointspxi,yiqiPv0,nw) au point x PR.
Exercice
SoitPn le polynôme d’interpolation de Lagrange associé aux n`1 pointspxi,yiqiPv0,nw et XXX un vecteur deRm.
1 Ecrire la fonctionLAGRANGEVECpermettant de calculer le vecteur YYY PRmtel que
Yi “PnpXiq, @iP v1,mw.
2 Evaluer le coût arithmétique de la fonctionLAGRANGEVECen fonction de n et m.
Exercices
Exercice
Soient nPN˚ etpa,bq PR2avec aăb.On note XXX “ pX1, . . . ,Xn`1qla dicrétisation régulière de l’intervallera,bsavec n`1points et
Y Y
Y PRn`1tel que Yi “fpXiq, @iP v1,n`1w.
Ecrire un programme permettant de représenter graphiquement f et Pn(polynôme d’interpolation de Lagrange associé aux n`1points pXi,YiqiPv0,nw) sur l’intervallera,bs.
On utilisera pour celà la fonctionPLOT dont la syntaxe est P L O T(x,y) oùxetysont des vecteurs deRk.Cette fonction relie successivement les points(x(j),y(j)), pour j allant de 1 à k, par des segments.
Erreur de l’interpolation
Soit une fonctionf :ra,bs ÝÑR.On suppose que lesyi sont donnés par
yi “fpxiq, @iP v0,nw. (4) On cherche à évaluer l’erreurEnptq “fptq ´Pnptq.
Erreur de l’interpolation
-1 0 1 2 3 4 5 6 7
-1.5 -1 -0.5 0 0.5 1 1.5
t
y
y=f(t)=sin(t) y=P6(t) 7 Points (xi,yi)
-6 -4 -2 0 2 4 6
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
y=f(t)=1/(1+t2) y=P6(t) 7 Points (xi,yi)
FIGURE:Erreurs d’interpolation avecn“6
Erreur de l’interpolation
-1 0 1 2 3 4 5 6 7
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
y=f(t)=sin(t) y=P10(t) 11 Points (xi,yi)
-6 -4 -2 0 2 4 6
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
y=f(t)=1/(1+t2) y=P10(t) 11 Points (xi,yi)
FIGURE:Erreurs d’interpolation avecn“10
Erreur de l’interpolation
-1 0 1 2 3 4 5 6 7
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
y=f(t)=sin(t) y=P18(t) 19 Points (xi,yi)
-6 -4 -2 0 2 4 6
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
y=f(t)=1/(1+t2) y=P18(t) 19 Points (xi,yi)
FIGURE:Erreurs d’interpolation avecn“18
Erreur de l’interpolation
Théorème (Cauchy, 1840)
Soit f :ra,bs ÝÑR,une fonctionpn`1q-fois différentiable et soitPnptq le polynôme d’interpolation de degré n passant par
pxi,fpxiqq, @i P v0,nw.Alors,@tP ra,bs, Dξt P pminiPv0,nwpxi,tq,maxiPv0,nwpxi,tqq,
fptq ´Pnptq “ fpn`1qpξtq pn`1q!
n
ź
i“0
pt´xiq (5)
Points de Chebyshev
Pour minimiser l’erreur commise lors de l’interpolation d’une fonctionf par un polynôme d’interpolation de Lagrange, on peut, pour unn donné, "jouer" sur le choix des pointsxi :
Trouverp¯xiqni“0,xi P ra,bs,distincts deux à deux, tels que
tPra,bsmax
n
ź
i“0
|t´x¯i| ď max
tPra,bs n
ź
i“0
|t´xi|, @pxiqni“0, xi P ra,bs, distincts 2 à 2 (6)
Points de Chebyshev
Théorème
Les points réalisant (6) sont les points de Chebyshev donnés par
¯
xi “ a`b
2 `b´a
2 cospp2i`1qπ
2n`2 q, @i P v0,nw. (7)
Points de Chebyshev
-1 0 1 2 3 4 5 6 7
-1.5 -1 -0.5 0 0.5 1 1.5
t
y
Points de Chebyshev
y=f(t)=sin(t) y=P6(t) 7 Points (xi,yi)
-6 -4 -2 0 2 4 6
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
Points de Chebyshev
y=f(t)=1/(1+t2) y=P6(t) 7 Points (xi,yi)
FIGURE:Erreurs d’interpolation avecn“6
Points de Chebyshev
-1 0 1 2 3 4 5 6 7
-1.5 -1 -0.5 0 0.5 1 1.5
t
y
Points de Chebyshev
y=f(t)=sin(t) y=P10(t) 11 Points (xi,yi)
-6 -4 -2 0 2 4 6
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
Points de Chebyshev
y=f(t)=1/(1+t2) y=P10(t) 11 Points (xi,yi)
FIGURE:Erreurs d’interpolation avecn“10
Points de Chebyshev
-1 0 1 2 3 4 5 6 7
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
Points de Chebyshev
y=f(t)=sin(t) y=P18(t) 19 Points (xi,yi)
-6 -4 -2 0 2 4 6
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t
y
Points de Chebyshev
y=f(t)=1/(1+t2) y=P18(t) 19 Points (xi,yi)
FIGURE:Erreurs d’interpolation avecn“18
Plan
1 Polynômes d’interpolation de Lagrange
2 Dérivation numérique
3 Intégration numérique Méthodes simplistes
Méthodes de Newton-Cotes Méthodes composites Autres méthodes Intégrales multiples
4 Résolution de systèmes linéaires Vecteurs
Matrices
Factorisation LU
Factorisation de Cholesky
Dérivée
On propose de chercher une approximation de la dérivée première de f en un pointx¯Psa,br.
Définition
Une fonctionf définie sur un intervallera,bsest dérivable en un point
¯
x Psa,brsi la limite suivante existe et est finie f1p¯xq “limhÑ01
hpfp¯x`hq ´fp¯xq (8)
Premières approximations
différence finie progressive :
f1p¯xq « fp¯x`hq ´fp¯xq
h (9)
différence finie rétrograde :
f1p¯xq « fp¯xq ´fp¯x´hq
h (10)
Estimation d’erreur
Théorème (Taylor-Lagrange)
On suppose que f PCn`1sur I.Alors, pour tout hPRtel quex¯`h appartienne à I, il existeθhPs0,1rtel que l’on ait
fp¯x`hq “
n
ÿ
k“0
hk
k!fpkqp¯xq ` hn`1
pn`1q!fpn`1qp¯x`θhhq (11)
Estimation d’erreur
Soithą0.Sif PC2psa,brq,alorsDξ`Ps¯x,x¯`hr,Dξ´Ps¯x´h,x¯r,tel que fp¯x`hq ´fp¯xq
h “ f1p¯xq `h
2fp2qpξ`q (12) fp¯xq ´fp¯x´hq
h “ f1p¯xq ´h
2fp2qpξ´q (13)
Estimation d’erreur
Soithą0.Sif PC2psa,brq,alorsDξ`Ps¯x,x¯`hr,Dξ´Ps¯x´h,x¯r,tel que fp¯x`hq ´fp¯xq
h “ f1p¯xq `h1
2 fp2qpξ`q (12) fp¯xq ´fp¯x´hq
h “ f1p¯xq ´h1
2 fp2qpξ´q (13) Ces formules sont des approximations d’ordre1def1p¯xqpar rapport àh.
Estimation d’erreur
Soithą0.Sif PC2psa,brq,alorsDξ`Ps¯x,x¯`hr,Dξ´Ps¯x´h,x¯r,tel que fp¯x`hq ´fp¯xq
h “ f1p¯xq `h1
2 fp2qpξ`q (12) fp¯xq ´fp¯x´hq
h “ f1p¯xq ´h1
2 fp2qpξ´q (13) Ces formules sont des approximations d’ordre1def1p¯xqpar rapport àh.
On peut aussi obtenir ces formules en dérivant les polynômes d’interpolation associés aux pointst¯x,¯x`huett¯x´h,x¯u.
Exercice 1
Exercice
On note xi “a`ih,iP v0,nw,une discrétisation régulière de l’intervallera,bs.Soit une fonction f :ra,bs ÝÑRsuffisament régulière. On suppose que les yi sont donnés par
yi “fpxiq, @iP v0,nw. (14) Ecrire une fonction DERIVE1 permettant de calculer des
approximations d’ordre 1 de f1pxiqpour i P v0,nw.
Ordre 2
Pour obtenir une formule d’approximation d’ordre 2 def1p¯xq,on supposef PC3psa,brqet on peut alors développer les formules de Taylor defp¯x`hqetfp¯x ´hqjusqu’au troisième ordre.
Ordre 2
Pour obtenir une formule d’approximation d’ordre 2 def1p¯xq,on supposef PC3psa,brqet on peut alors développer les formules de Taylor defp¯x`hqetfp¯x ´hqjusqu’au troisième ordre.
On obtient alors
f1p¯xq “ fp¯x`hq ´fp¯x´hq
2h ` Oph2q. (15)
Ordre 2
Pour obtenir une formule d’approximation d’ordre 2 def1p¯xq,on supposef PC3psa,brqet on peut alors développer les formules de Taylor defp¯x`hqetfp¯x ´hqjusqu’au troisième ordre.
On obtient alors
f1p¯xq “ fp¯x`hq ´fp¯x´hq
2h ` Oph2q. (15)
Cette approximation est la formule desdifférences finies centrées.
Ordre 2
Pour obtenir une formule d’approximation d’ordre 2 def1p¯xq,on supposef PC3psa,brqet on peut alors développer les formules de Taylor defp¯x`hqetfp¯x ´hqjusqu’au troisième ordre.
On obtient alors
f1p¯xq “ fp¯x`hq ´fp¯x´hq
2h ` Oph2q. (15)
Cette approximation est la formule desdifférences finies centrées.
Cette approximation est d’ordre2.
Exercice 2
Exercice
On note xi “a`ih,iP v0,nw,une discrétisation régulière de l’intervallera,bs.Soit une fonction f :ra,bs ÝÑRsuffisament régulière. On suppose que les yi sont donnés par
yi “fpxiq, @iP v0,nw. (16) Ecrire une fonction DERIVE2 permettant de calculer des
approximations d’ordre 2 de f1pxiqpour i P v0,nw.
Dérivée seconde
Sif PC4psa,brq,on peut alors développer les formules de Taylor de fp¯x`hqetfp¯x´hqjusqu’au quatrième ordre.
Dérivée seconde
Sif PC4psa,brq,on peut alors développer les formules de Taylor de fp¯x`hqetfp¯x´hqjusqu’au quatrième ordre.
On obtient alors
fp2qp¯xq “ fp¯x `hq ´2fp¯xq `fp¯x ´hq
h2 ` Oph2q. (17)
Dérivée seconde
Sif PC4psa,brq,on peut alors développer les formules de Taylor de fp¯x`hqetfp¯x´hqjusqu’au quatrième ordre.
On obtient alors
fp2qp¯xq “ fp¯x `hq ´2fp¯xq `fp¯x ´hq
h2 ` Oph2q. (17)
Cette approximation est d’ordre2.
Exercice 3
Exercice
On note xi “a`ih,iP v0,nw,une discrétisation régulière de l’intervallera,bs.Soit une fonction f :ra,bs ÝÑRsuffisament régulière. On suppose que les yi sont donnés par
yi “fpxiq, @iP v0,nw. (18) Ecrire une fonction DERIVESECONDE2permettant de calculer des approximations d’ordre 2 de fp2qpxiqpour i P v0,nw.
Plan
1 Polynômes d’interpolation de Lagrange
2 Dérivation numérique
3 Intégration numérique Méthodes simplistes
Méthodes de Newton-Cotes Méthodes composites Autres méthodes Intégrales multiples
4 Résolution de systèmes linéaires Vecteurs
Matrices
Factorisation LU
Factorisation de Cholesky
Intégration
Soitf une fonction définie et intégrable sur un intervallera,bsdonné.
On propose de chercher une approximation de I“
żb a
fptqdt
a b
f(a)
f(b)
f(t)
FIGURE:Représentation de la fonctionf
Intégration
Soitf une fonction définie et intégrable sur un intervallera,bsdonné.
On propose de chercher une approximation de I“
żb a
fptqdt
a b
f(a)
f(b)
f(t)
FIGURE:Représentation deşb afptqdt
Méthodes simplistes
On approchef par le polynôme constantPptq “fpaq.
a b
f(a)
f(b)
f(t)
FIGURE:Représentation de la fonctionf
Méthodes simplistes
On approchef par le polynôme constantPptq “fpaq.
a b
f(a)
f(b)
a b
f(a)
f(b)
f(t)
FIGURE:Représentation deşb aPptqdt
Méthodes simplistes
On approchef par le polynôme constantPptq “fpaq.
a b
f(a)
f(b)
a b
f(a)
f(b)
f(t)
FIGURE:Représentation deşb aPptqdt
żb a
fptqdt « pb´aqfpaq, formule du rectangle (à gauche)
Méthodes simplistes
On approchef par le polynôme constantPptq “fpbq.
a b
f(a)
f(b)
f(t)
FIGURE:Représentation de la fonctionf
Méthodes simplistes
On approchef par le polynôme constantPptq “fpbq.
a b
f(a)
f(b)
a b
f(a)
f(b)
f(t)
FIGURE:Représentation deşb aPptqdt
Méthodes simplistes
On approchef par le polynôme constantPptq “fpbq.
a b
f(a)
f(b)
a b
f(a)
f(b)
f(t)
FIGURE:Représentation deşb aPptqdt
żb a
fptqdt « pb´aqfpbq, formule du rectangle (à droite)
Méthodes simplistes
On approchef par le polynôme constantPptq “fpcq,avec c “ pa`bq{2.
a b
f(a)
f(b)
f(t)
FIGURE:Représentation de la fonctionf
Méthodes simplistes
On approchef par le polynôme constantPptq “fpcq,avec c “ pa`bq{2.
a b
f(a)
f(b)
a b
f(a)
f(b)
c=(a+b)/2 f(c)
f(t)
FIGURE:Représentation deşb aPptqdt
Méthodes simplistes
On approchef par le polynôme constantPptq “fpcq,avec c “ pa`bq{2.
a b
f(a)
f(b)
a b
f(a)
f(b)
c=(a+b)/2 f(c)
f(t)
FIGURE:Représentation deşb aPptqdt
żb a
fptqdx « pb´aqfpa`b
2 q, formule du point milieu
Méthodes de Newton-Cotes
1 Discrétisation régulière dera,bs:@iP v0,nw,ti “a`ihavec h“ b´an .
Méthodes de Newton-Cotes
1 Discrétisation régulière dera,bs:@iP v0,nw,ti “a`ihavec h“ b´an .
2 On approchef par le polynôme d’interpolation de LagrangePnde degréntel que
Pnptiq “fptiq, @i P v0,nw.
Méthodes de Newton-Cotes
1 Discrétisation régulière dera,bs:@iP v0,nw,ti “a`ihavec h“ b´an .
2 On approchef par le polynôme d’interpolation de LagrangePnde degréntel que
Pnptiq “fptiq, @i P v0,nw.
Pnptq “
n
ÿ
i“0
Liptqfptiq
Méthodes de Newton-Cotes
1 Discrétisation régulière dera,bs:@iP v0,nw,ti “a`ihavec h“ b´an .
2 On approchef par le polynôme d’interpolation de LagrangePnde degréntel que
Pnptiq “fptiq, @i P v0,nw.
Pnptq “
n
ÿ
i“0
Liptqfptiq
3 On a alors żb
a
fptqdt « żb
a
Pnptqdt “
n
ÿ
i“0
fptiq żb
a
Liptqdt.
Méthodes de Newton-Cotes
1 Discrétisation régulière dera,bs:@iP v0,nw,ti “a`ihavec h“ b´an .
2 On approchef par le polynôme d’interpolation de LagrangePnde degréntel que
Pnptiq “fptiq, @i P v0,nw.
Pnptq “
n
ÿ
i“0
Liptqfptiq
3 On a alors żb
a
fptqdt « żb
a
Pnptqdt “
n
ÿ
i“0
fptiq żb
a
Liptqdt.
Les formules de Newton-Cotes génériques : żb
a
fptqdt «
n
ÿαifptiq
Méthodes de Newton-Cotes
żb a
fptqdt «
n
ÿ
i“0
αifptiq avec αi “ żb
a
Liptqdt En posantαi “hAwi,on a
n A w0 w1 w2 w3 w4 nom ordre
1 1{2 1 1 trapèzes 1
2 1{3 1 4 1 Simpson 3
3 3{8 1 3 3 1 Simpson (3/8) 3
4 2{45 7 32 12 32 7 Villarceau 5
Simpson : żb
a
fptqdt «
Méthodes de Newton-Cotes
żb a
fptqdt «
n
ÿ
i“0
αifptiq avec αi “ żb
a
Liptqdt En posantαi “hAwi,on a
n A w0 w1 w2 w3 w4 nom ordre
1 1{2 1 1 trapèzes 1
2 1{3 1 4 1 Simpson 3
3 3{8 1 3 3 1 Simpson (3/8) 3
4 2{45 7 32 12 32 7 Villarceau 5
Simpson : żb
a
fptqdt «b´a 6
ˆ
fpaq `4fpa`b
2 q `fpbq
˙
Méthodes de Newton-Cotes
Définition
On dit qu’une formule d’intégration (ou formule de quadrature) est d’ordrensi elle est exacte pour les polynômes de degré inférieur ou égal àn.
Théorème
Les formules de Newton-Cotes à n`1points sont d’ordre n si n est impair et d’ordre n`1sinon.
Méthodes de Newton-Cotes
Définition
On dit qu’une formule d’intégration (ou formule de quadrature) est d’ordrensi elle est exacte pour les polynômes de degré inférieur ou égal àn.
Théorème
Les formules de Newton-Cotes à n`1points sont d’ordre n si n est impair et d’ordre n`1sinon.
Attention
Du au phénomène de Runge, ces formules ne sont pas "fiables" pour des ordres élevés.
Méthodes composites
Les méthodes composites sont basées sur la relation de Chasles.
SoitpxkqkPv0,nw une discrétisation régulière de l’intervallera,bs: xk “a`khavech“ pb´aq{n.On a alors
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
Méthodes composites des points milieux
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
On notemk “ xk´12`xk. żxk
xk
´1
fpxqdx «hfpmkq
Méthodes composites des points milieux
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
On notemk “ xk´12`xk. żxk
xk
´1
fpxqdx «hfpmkq
Théorème
żb a
fpxqdx “h
n
ÿ
k“1
fpmkq `Oph2q.
Méthodes composites des points milieux
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
On notemk “ xk´12`xk. żxk
xk
´1
fpxqdx «hfpmkq
Théorème
żb a
fpxqdx “h
n
ÿ
k“1
fpmkq `Oph2q.
Erreur d’ordre2(par rapport àh.)
Méthodes composites des points milieux : Exercice
Exercice
Soit f une fonction définie sur l’intervallera,bs.Ecrire la fonction QUADPMpermettant de calculer une approximation de l’intégrale de f surra,bspar la méthode composite des points milieux.
Méthodes composites des trapèzes
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
żxk xk
´1
fpxqdx «hpfpxk´1`fpxkq
2 q
Méthodes composites des trapèzes
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
żxk xk
´1
fpxqdx «hpfpxk´1`fpxkq
2 q
Théorème żb
a
fpxqdx “h
n
ÿ
k“1
pfpxk´1q `fpxkq
2 q `Oph2q.
Méthodes composites des trapèzes
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
żxk xk
´1
fpxqdx «hpfpxk´1`fpxkq
2 q
Théorème żb
a
fpxqdx “h
n
ÿ
k“1
pfpxk´1q `fpxkq
2 q `Oph2q.
Erreur d’ordre2(par rapport àh.)
Méthodes composites des trapèzes : Exercice
Exercice
Soit f une fonction définie sur l’intervallera,bs.Ecrire la fonction QUADTRAPEZE permettant de calculer une approximation de l’intégrale de f surra,bspar la méthode composite des trapèzes.
Méthodes composites de Simpson
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
On notemk “ xk´12`xk. żxk
xk
´1
fpxqdx « h
6pfpxk´1q `4fpmkq `fpxkqq
Méthodes composites de Simpson
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
On notemk “ xk´12`xk. żxk
xk
´1
fpxqdx « h
6pfpxk´1q `4fpmkq `fpxkqq Théorème
żb a
fpxqdx “ h 6
n
ÿ
k“1
pfpxk´1q `4fpmkq `fpxkqq `Oph4q.
Méthodes composites de Simpson
żb a
fpxqdx “
n
ÿ
k“1
żxk xk´1
fpxqdx.
On notemk “ xk´12`xk. żxk
xk
´1
fpxqdx « h
6pfpxk´1q `4fpmkq `fpxkqq Théorème
żb a
fpxqdx “ h 6
n
ÿ
k“1
pfpxk´1q `4fpmkq `fpxkqq `Oph4q.
Erreur d’ordre4(par rapport àh.)
Méthodes composites de Simpson : Exercice
Exercice
Soit f une fonction définie sur l’intervallera,bs.Ecrire la fonction QUADSIMPSONpermettant de calculer une approximation de l’intégrale de f surra,bspar la méthode composite de Simpson.
Ordres (numériques) des méthodes composites
10-3 10-2 10-1
10-16 10-14 10-12 10-10 10-8 10-6 10-4 10-2
h
Erreur
ordres des methodes composites
QuadPM QuadTrapeze QuadSimpson O(h2) O(h4)
FIGURE:Ordre de l’erreur des méthodes composites
Exercice
Ecrire un programme Matlab permettant d’obtenir cette figure sachant qu’ici fpxq “sinpxq,a“0et b “π.
Autres méthodes
Il existe un grand nombre de méthodes d’intégration numérique : Méthode de Gauss-Legendre
Méthode de Gauss-Tchebychev Méthode de Gauss-Laguerre Méthode de Gauss-Hermitte Méthode de Gauss-Lobatto Méthode de Romberg...
Intégrales multiples
On veut approcher, en utilisant la formule de Simpson, l’intégrale I“
żb a
żd c
fpx,yqdydx
gpxq “ żd
c
fpx,yqdy «gpx˜ q “ d ´c 6
ˆ
fpx,cq `4fpx,c`d
2 q `fpx,dq
˙ .
On a I“
żb a
gpxqdx « b´a 6
ˆ
gpaq `4gpa`b
2 q `gpbq
˙
« b´a 6
ˆ
˜
gpaq `4˜gpa`b
2 q `gpbq˜
˙
Intégrales multiples : formule de Simpson 2D
On poseα“ a`b2 etβ “ c`d2
I« b´a 6
d´c 6
¨
˝
fpa,cq `4fpa, βq `fpa,dq
`4pfpα,cq `4fpα, βq `fpα,dqq
`fpb,cq `4fpb, βq `fpb,dq
˛
‚
Intégrales multiples : méthodes composites
1 Discrétisation régulière dera,bs:@k P v0,nw,xk “a`khx avec hx “ b´an .
2 Discrétisation régulière derc,ds:@l P v0,mw,yl “a`lhy avec hy “ d´cm .
Intégrales multiples : méthodes composites
1 Discrétisation régulière dera,bs:@k P v0,nw,xk “a`khx avec hx “ b´an .
2 Discrétisation régulière derc,ds:@l P v0,mw,yl “a`lhy avec hy “ d´cm .
3 Relation de Chasles : żb
a
żd c
fpx,yqdydx“
n
ÿ
k“1 m
ÿ
l“1
żxk xk´1
żyl yl´1
fpx,yqdydx.
Intégrales multiples : méthodes composites
1 Discrétisation régulière dera,bs:@k P v0,nw,xk “a`khx avec hx “ b´an .
2 Discrétisation régulière derc,ds:@l P v0,mw,yl “a`lhy avec hy “ d´cm .
3 Relation de Chasles : żb
a
żd c
fpx,yqdydx“
n
ÿ
k“1 m
ÿ
l“1
żxk xk´1
żyl yl´1
fpx,yqdydx.
4 Formule de Simpson 2D : şb
a
şd
c fpx,yqdydx
“ hxhy
36
n
ÿ
k“1 m
ÿ
l“1
¨
˝
fpxk´1,yl´1q `4fpxk´1, βlq `fpxk´1,ylq
`4pfpαk,yl´1q `4fpαk, βlq `fpαk,ylqq
`fpxk,yl´1q `4fpxk, βlq `fpxk,ylq
˛
‚
avecαk “ xk´12`xk etβl “ yl´12`yl.
Plan
1 Polynômes d’interpolation de Lagrange
2 Dérivation numérique
3 Intégration numérique Méthodes simplistes
Méthodes de Newton-Cotes Méthodes composites Autres méthodes Intégrales multiples
4 Résolution de systèmes linéaires Vecteurs
Matrices
Factorisation LU
Factorisation de Cholesky
Introduction
A faire
Vecteurs : zzz “ α xxx ` y yy
Exercice
Soient xxx et yyy deux vecteurs deRnetαPR.Ecrire la fonction VECAXPYpermettant de calculer zzz “αxxx`yyy.
Vecteurs : zzz “ α xxx ` y yy
Exercice
Soient xxx et yyy deux vecteurs deRnetαPR.Ecrire la fonction VECAXPYpermettant de calculer zzz “αxxx`yyy.
Correction On posezzz “αxxx`yyy.zzzest un vecteur deRnet zi “αxi`yi, @i P v1,nw.
♦
Vecteurs : zzz “ α xxx ` y yy
Algorithme 1Fonction VECAXPY retournantzzz“αxxx`yyyavecxxx,yyy PRn etαPR
Données : xxx,yyy : deux vecteurs deRn α : un réel.
Résultat : zzz : vecteur deRn.
1: Fonctionzzz ÐVECAXPY(α,xxx,yyy )
2: Pouri Ð1ànfaire
3: zpiq Ðα˚xpiq `ypiq
4: Fin Pour
5: Fin Fonction
Vecteurs
Exercice
Soient xxx et yyy deux vecteurs deRn.
1 Ecrire la fonctionVECDOTpermettant de calculer le produit scalaire entre les vecteurs xxx et yyy :
xxxx,yyyy “
n
ÿ
i“1
xiyi. (19)
2 Ecrire la fonctionVECNORM1permettant de calculer
}xxx}1“
n
ÿ
i“1
|xi|, @xxx PRn. (20)
3 Ecrire la fonctionVECNORM2permettant de calculer
}xxx}2“
˜ n ÿ
i“1
|xi|2
¸1{2
, @xxx PRn. (21)
Correction : fonction V
ECD
OTAlgorithme 2Fonction VECDOT permettant de calculer le produit sca- laire des vecteursxxx etyyy oùxxx PRnetyyy PRn.
Données :
xxx : vecteur deRn, yyy : vecteur deRn.
Résultat : s : le réel tel ques“ xxxx,yyyy.
1: FonctionsÐVECDOT(xxx,yyy )
2: sÐ0
3: Pouri Ð1ànfaire
4: s Ðs`xpiq ˚ypiq
5: Fin Pour
6: Fin Fonction
Correction : fonction V
ECN
ORM1
Algorithme 3 Fonction VECNORM1 permettant de retourner}xxx}1avec xxx PRn
Données :
xxx : vecteur deRn. Résultat :
s : le réel tel ques“ }xxx}1.
1: FonctionsÐVECNORM1(xxx )
2: sÐ0
3: Pouri “1ànfaire
4: s Ðs`ABSpxpiqq
5: Fin Pour
6: Fin Fonction
Correction : fonction V
ECN
ORM2 (version 1)
Algorithme 4 Fonction VECNORM2 permettant de retourner}xxx}2avec xxx PRn
Données :
xxx : vecteur deRn. Résultat :
s : le réel tel ques“ }xxx}2.
1: FonctionsÐVECNORM2(xxx )
2: sÐ0
3: Pouri Ð1ànfaire
4: s Ðs`xpiq ˚xpiq
5: Fin Pour
6: sÐSQRTpsq
7: Fin Fonction
Correction : fonction V
ECN
ORM2 (version 2)
Algorithme 5 Fonction VECNORM2 permettant de retourner}xxx}2avec xxx PRn(utilise la fonction VECDOT).
Données :
xxx : vecteur deRn. Résultat :
s : le réel tel ques“ }xxx}2.
1: FonctionsÐVECNORM2(xxx )
2: sÐSQRTpVECDOTpxxx,xxxqq
3: Fin Fonction
Matrices : Z “ αX ` Y
Exercice
SoientXetYdeux matrices deMm,npRqetαPREcrire la fonction MATAXPYpermettant de retournerZ“αX`Y.
Matrices : Z “ αX ` Y
Exercice
SoientXetYdeux matrices deMm,npRqetαPREcrire la fonction MATAXPYpermettant de retournerZ“αX`Y.
Correction On aZPMm,npRqet
@iP v1,mw, @iP v1,nw, Zi,j“αXi,j`Yi,j.
♦
Matrices : Z “ αX ` Y
Algorithme 6Fonction MATAXPY permettant de retournerZ“αX`Y avecXetYdansMm,npRq,etαPR
Données : α : un réel,
X : matrice deMm,npRq, Y : matrice deMm,npRq.
Résultat :
Z : matrice deMm,npRqtel queZ“αX`Y.
1: FonctionZÐMATAXPY(α,X,Y)
2: Pouri Ð1àmfaire
3: Pourj Ð1ànfaire
4: Zpi,jq Ðα˚Xpi,jq `Ypi,jq
5: Fin Pour
6: Fin Pour
7: Fin Fonction
Matrices : produit matrice-vecteur
Exercice
Ecrire la fonctionMATMULT permettant de retourner le produit d’une matrice par un vecteur.
Matrices : produit matrice-vecteur
Exercice
Ecrire la fonctionMATMULT permettant de retourner le produit d’une matrice par un vecteur.
Correction On rappelle que le produit d’une matriceAPMm,npRq par un vecteurxxx PRnest un vecteur deRm.On le noteyyy et on a
yi “
n
ÿ
j“1
Ai,jxj, @i P v1,mw,
Matrices : produit matrice-vecteur
Algorithme 7- R0
1: Calcul deyyy ÐAxxx.
Matrices : produit matrice-vecteur
Algorithme 7- R0
1: Calcul deyyy ÐAxxx.
Algorithme 7- R1
1: Pouri Ð1àmfaire
2: Calcul deyi Ð
n
ÿ
j“1
Ai,jxj
3: Fin Pour
Matrices : produit matrice-vecteur
Algorithme 7- R1
1: Pouri Ð1àmfaire
2: Calcul deyi Ð
n
ÿ
j“1
Ai,jxj
3: Fin Pour
Matrices : produit matrice-vecteur
Algorithme 7- R1
1: Pouri Ð1àmfaire
2: Calcul deyi Ð
n
ÿ
j“1
Ai,jxj
3: Fin Pour
Algorithme 7- R2
1: Pouri Ð1àmfaire
2: SÐ0
3: PourjÐ1ànfaire
4: SÐS`Api,jq ˚xpjq
5: Fin Pour
6: ypiq ÐS
7: Fin Pour
Matrices : produit matrice-vecteur
Algorithme 7Fonction MATMULT
Données :
A : matrice deMm,npRq, xxx : vecteur deRn. Résultat :
yyy : vecteur deRmtel queyyy “Axxx.
1: Fonctionxxx ÐMATMULT(A,xxx )
2: Pouri Ð1àmfaire
3: S Ð0
4: Pourj Ð1ànfaire
5: SÐS`Api,jq ˚xpjq
6: Fin Pour
7: ypiq ÐS
8: Fin Pour
9: Fin Fonction
Matrices : produit matrice-matrice
Exercice
Ecrire la fonctionMATMATMULT permettant de retourner le produit de deux matrices.
Matrices : produit matrice-matrice
Exercice
Ecrire la fonctionMATMATMULT permettant de retourner le produit de deux matrices.
Correction SoientXPMm,npRqetYPMn,ppRq.On note ZPMm,ppRqla matrice produit i.e.Z“XY.
On rappelle que l’on a Zi,j “
n
ÿ
k“1
Xi,kYk,j, @pi,jq P v1,mw ˆ v1,pw.
Matrices : produit matrice-matrice
Algorithme 8- R0
1: Calcul deZ“XY.
Matrices : produit matrice-matrice
Algorithme 8- R0
1: Calcul deZ“XY.
Algorithme 8- R1
1: Pouri Ð1àmfaire
2: Calcul lignei matriceZ 3: Fin Pour
Matrices : produit matrice-matrice
Algorithme 8- R1
1: Pouri Ð1àmfaire
2: Calcul lignei matriceZ 3: Fin Pour
Matrices : produit matrice-matrice
Algorithme 8- R1
1: Pouri Ð1àmfaire
2: Calcul lignei matriceZ 3: Fin Pour
Algorithme 8- R2
1: Pouri Ð1àmfaire
2: PourjÐ1àp faire
3: Zi,j Ð
n
ÿ
k“1
Xi,kYk,j 4: Fin Pour
5: Fin Pour
Matrices : produit matrice-matrice
Algorithme 8- R2
1: Pouri Ð1àmfaire
2: Pourj Ð1àpfaire
3: Zi,j Ð
n
ÿ
k“1
Xi,kYk,j 4: Fin Pour
5: Fin Pour
Matrices : produit matrice-matrice
Algorithme 8- R2
1: Pouri Ð1àmfaire
2: Pourj Ð1àpfaire
3: Zi,j Ð
n
ÿ
k“1
Xi,kYk,j
4: Fin Pour
5: Fin Pour
Algorithme 8- R3
1: Pouri Ð1àmfaire
2: PourjÐ1àp faire
3: SÐ0
4: Pourk Ð1ànfaire
5: S ÐS`Xi,kYk,j 6: Fin Pour
7: Zi,j ÐS
8: Fin Pour
9: Fin Pour
Matrices : produit matrice-matrice
Algorithme 8Fonction MATMATMULT
Données :
X : matrice deMm,npRq, Y : matrice deMn,ppRq.
Résultat :
Z : matrice deMm,ppRqtelle queZ“XY.
1: FonctionZÐMATMATMULT(X,Y)
2: PouriÐ1àmfaire
3: PourjÐ1àpfaire
4: SÐ0
5: PourkÐ1ànfaire
6: SÐS`Xpi,kq ˚Ypk,jq
7: Fin Pour
8: Zpi,jq ÐS
9: Fin Pour
10: Fin Pour
11: Fin Fonction
Factorisation LU
Théorème
SoitAPMnpRqune matrice dont les sous-matrices principales sont inversibles alors il existe une unique matriceLPMnpRqtriangulaire inférieure à diagonale unité et une unique matriceUPMnpRq triangulaire supérieure telles ques
A“LU.
Factorisation LU
Trouverxxx PRntel que
Axxx “bbb. (22) est équivalent à
Trouveryyy PRn solution de
Lyyy “bbb (23) puisxxx PRn solution de
Uxxx “yyy. (24)