TDMNB PDF
TDMNB PDF
TDMNB PDF
Mécanique 3A
2018-2019, Automne
Avant-propos iii
Bibliographie 15
i
Avant-propos
iii
TRAVAUX DIRIGÉS 1
Interpolation
exercice 1.1.
On connaît les valeurs d’une fonction g aux points x0 = 3, x1 = 5 et x2 = 8 :
g(x0 ) = −2, g(x1 ) = 2, g(x2 ) = 3.
(1) Construire les interpolants de Lagrange pour trouver le polynôme de degré au plus 1 (noté Π1 g), inter-
polant la fonction g aux nœuds x0 et x1 . Pour α = 4.8, donner une valeur approchée de g(α).
(2) Construire les interpolants de Lagrange pour trouver le polynôme de degré au plus 2 (noté Π2 g), inter-
polant la fonction g aux nœuds x0 , x1 et x2 . Donner une valeur approchée de g(α).
(3) Traiter de nouveau ces deux questions en utilisant la forme de Newton.
(4) Comparer les deux méthodes et conclure.
exercice 1.2. Soient a = 5, b = 6, A = 2, B = 3. On se donne la fonction :
f (x) = ln (Ax + B) , x ∈ [a, b]
(1) Donner l’expression du polynôme Π3 f de degré 3 interpolant f aux nœuds de Chebyshev x0 , x1 , x2 , x3 ,
que l’on calculera.
(2)
0.016
0.014
0.012
0.01
0.008
0.006
0.004
0.002
0
5 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 6
1
2 1. INTERPOLATION
(1) Estimer l’erreur d’interpolation En (f ) = maxx∈[0,1] |f (x) − Πn f (x)| en fonction du degré n du polynôme
Πn f . Etudier le comportement de l’erreur lorsque n −→ +∞.
(2) Trouver le nombre minimal de nœuds équirépartis pour que En (f ) ≤ 10−4 .
(3) Est-ce que tous les résultats sont encore valables pour g définie par
x − 6000
∀x ∈ [6000, 6001], f (x) = sin ?
3
exercice 1.4. Soit la fonction f à valeurs réelles :
2
f (x) = e−x , x ∈ [0, 1].
On considère le polynôme composite de degré 1 par morceaux qui interpole la fonction f sur N sous-
Πh1 f
intervalles de longueur uniforme h.
Trouver le nombre minimal N de sous-intervalles pour que l’erreur E1h (f ) = maxx∈[0,1] |f (x) − Πh1 f (x)| soit
inférieure à 0.5 10−6.
exercice 1.5. On dispose des résultats expérimentaux pour la position f (t) d’une étoile à différents temps t,
(1) Utiliser la forme de Newton du polynôme d’interpolation (table des différences divisées) pour estimer la
position de l’étoile au temps τ = 3.1, au moyen d’un polynôme cubique.
(2) Donner l’expression analytique de l’erreur pour le polynôme obtenu.
(3) Donner une approximation de l’erreur commise dans cette estimation.
Intégration
exercice 2.2. On considère la formule de quadrature Q(f ) = α1 f (0) + α2 f (1) + α3 f ′ (0), pour approcher
Z 1
numériquement l’intégrale I(f ) = f (x) dx, f étant une fonction continue sur l’intervalle [0, 1] et dérivable
0
en 0.
(1) Trouver les poids αj , j = 1, 2, 3, tels que la formule intègre exactement des polynômes jusqu’au degré
2. Quel est le degré d’exactitude de cette formule ?
Z 1
2
(2) Utiliser la formule de quadrature trouvée pour calculer l’intégrale I = e−x dx.
0
Méthodes élementaires sur [a, b]. Dans le tableau qui suit, η appartient à ]a, b[.
méthode erreur
(b−a)2 ′
rectangle 2 f (η)
(b−a)3 ′′
milieu 24 f (η)
(b−a)3 ′′
trapèze − 12 f (η)
5
Simpson − (b−a)
2880 f
(4)
(η)
3
4 2. INTÉGRATION
Méthodes composites (composées) sur [A, B] avec un pas h = (B − A)/N . Dans le tableau qui suit, η appartient
à [A, B].
méthode erreur
rectangle h B−A ′
2 f (η)
2 B−A ′′
milieu h 24 f (η)
trapèze −h2 B−A ′′
12 f (η)
Simpson −h4 B−A
2880 f
(4)
(η)
Équations non-linéaires
exercice 3.1.
On considère la fonction suivante
f (x) = e2 x − 2 x − 8.
(1) Déterminer le nombre des racines de l’équation f (x) = 0 pour x ≥ 0.
(2) (a) Est-ce que la méthode de la bissection converge sur l’intervalle [0, 1.2].
(b) Faire quatre itérations de la méthode de la bissection à partir de l’intervalle [0, 1.2].
(3) Sans faire d’itérations, déterminer combien vous devriez faire d’itérations pour calculer la racine à l’aide
de la méthode de la bissection, avec une précision de ε = 1.0 10−8. en partant de l’intervalle [1.0, 2.0].
(4) Répondre aux questions 1, 2 et 3 lorsque
exercice 3.2.
(1)
On cherche à déterminer les racines de l’équation suivante, dite de Ferrari :
150
100
50
−50
0 0.5 1 1.5 2 2.5 3 3.5 4
Le graphique de cette fonction sur [0, 4] est tracé sur la figure 3.1. Comment montrer que l’équation
(3.1) n’a que deux racines sur [0, 4] ?
5
6 3. ÉQUATIONS NON-LINÉAIRES
(2) (a) Montrer que cette équation peut être mise sous la forme des équations de point fixe x = gi (x) avec :
36
g2 (x) = − , (3.2)
x3 + 6x − 60
ou encore
14
g3 (x) = −6x2 + 60x − 36 . (3.3)
Qu’en déduire sur la méthode du point fixe pour la fonction g2 sur [3, 31/10] ?
(c) (i) Montrer que la méthode du point fixe pour la fonction g3 sur [2, 4] est convergente vers l’unique
solution de (3.1) sur [2, 4].
(ii) Calculer les sept premiers itérés de la méthode du point fixe en partant de x0 = 2.
(3) On étudie l’équation suivante
x3 + 2x2 + 10x − 20 = 0. (3.4)
On étudiera cette équation transformée en équation du point fixe comme suit :
exercice 3.3.
On considère la fonction à valeurs réelles : f (x) = 4 cos (1/4 π x) + 2 e−x sur l’intervalle [0, 4].
(1) Montrer l’existence et l’unicité d’un zéro x∗ sur l’intervalle [0, 4].
(2) Ecrire la méthode de Newton pour la fonction f et montrer que la convergence est quadratique.
(3) Soit xn+1 = g(xn ) la méthode de point fixe associée à la méthode de Newton. Démontrer que l’inégalité
|xn+1 − x∗ | ≤ D |xn − x∗ |2
1
est satisfaite pour D = max
2 x∈[0,4] |g ′′ (x)|.
(4) On se place désormais sur l’intervalle [1.8, 2.3] et on admet que l’étude précédente est encore valable sur
cet intervalle.
Déterminer l’expression en fonction de D permettant d’obtenir le nombre minimal d’itérations né-
cessaire pour avoir une erreur inférieure à 1.0 10−10. Donner ce nombre d’itérations lorsque D ≤ 0.2.
exercice 3.4.
L’application de la méthode de Newton à l’équation
a produit les résultats donnés dans les tableaux 3.1 et 3.2 page ci-contre et sur les figures 3.2 et 3.3 page 8.
(1) Utiliser les résultats numériques du tableau 3.1 et de la figure 3.2 pour analyser la convergence de cet
algorithme.
(a) Pour déterminer l’ordre de convergence de cet algorithme, on pourra, dans un premier temps, observer
le nombre de chiffres signicatifs apparamment exacts.
n xn
0 0.000000000000000
1 0.500000000000000
2 0.812500000000000
3 0.961647727272727
4 0.997950835032382
5 0.999993727092846
6 0.999999999940977
7 1.000000000000000
8 1.000000000000000
n xn
0 2.000000000000000
1 2.500000000000000
2 2.687500000000000
3 2.798519736842105
4 2.868284989458660
5 2.913246598147108
6 2.942608185005193
7 2.961929059988361
8 2.974701992272937
37 2.999972357393074
38 2.999975457082176
39 2.999980372188460
40 2.999991131057611
41 2.999991131057611
(b) Dans un second temps, on pourra considérer que le dernier itérés (d’indice nf ) fournis la valeur
exacte de la racine recherchée. En considérant la suite des erreurs « approchée » en = un − xnf , dont
les logarithmes en base 10 sont donnés dans le tableau 3.3, on pourra montrer que l’ordre p de la
méthode vérifie
log10 (|en+1 |) ≈ p log10 (|en |) + K
où K est une constante et utiliser le graphique du nuage de points (log10 (en ), log10 (en+1 )).
(2) Reprendre la question 1 en utilisant les résultats du tableau 3.2 et de la figure 3.3 pour analyser la
convergence de cet algorithme. Les logarithmes en base 10 des erreurs sont donnés dans le tableau 3.4.
8 3. ÉQUATIONS NON-LINÉAIRES
35
30
25
fonction
20
itérés de Newton
dernière valeur
15
10
−5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.2
−0.2
−0.4
−0.6
fonction
itérés de Newton
dernière valeur
−0.8
−1
−1.2
2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3
Équations différentielles
exercice 4.1.
On étudie l’équation différentielle
2
∀t ∈ [0, T ], y ′ (t) = t3 y(t) , (4.1a)
y(0) = 3, (4.1b)
avec T = 0.500000.
(1) Faire trois itérations avec un pas h = 0.100 des méthodes d’Euler progressif (dite aussi Euler explicite)
d’Euler modifiée (dite aussi Runge-Kutta d’ordre 2) et de Runge-Kutta d’ordre 4 pour le problème (4.1).
(2) Montrer que la solution exacte de (4.1) est donnée par
−1
∀t ∈ [0, T ], y(t) = −12 3 t4 − 4 . (4.2)
Calculer les valeurs exacte de y aux instants ti pour 0 ≤ i ≤ N et comparer aux valeurs approchées.
Commenter.
(3) Quelle expression peut-on proposer pour approcher y ′ (tn ) ?.
exercice 4.2.
On étudie l’équation différentielle
∀t ∈ [0, T ], y ′ (t) = −t2 + y(t)t, (4.3a)
y(0) = 1, (4.3b)
avec T = 2.
Faire deux itérations avec un pas h = 0.300000 des méthodes d’Euler progressif (dite aussi Euler explicite)
d’Euler modifiée (dite aussi Runge-Kutta d’ordre 2) et de Runge-Kutta d’ordre 4 pour le problème (4.3).
exercice 4.3.
Transformer l’équation différentielle suivante en une équation d’ordre 1 :
∀t ∈ [0, T ], y (3) (t) = y ′′ (t) − 2y ′ (t) + y(t) − 2, (4.4a)
y(0) = 0, y ′ (0) = 1 y ′′ (0) = 2. (4.4b)
exercice 4.4.
On considère le système mécanique représenté sur la figure 4.1, formé de deux points matériels de masses m1
et m2 , d’abscisses par rapport à la position d’équilibre x1 (t) et x2 (t). Ces deux points matériels sont reliés à
trois ressorts de raideur k1 > 0, k2 > 0 et k3 > 0. On suppose de plus que chacun des points matériels est
soumis à une force extérieure fi (t) et à une force de frottement égale à −ci ẋi (t) − di ẋ3i (t) où ci , di ≥ 0, pour
i = 1, 2.
Le principe fondamental de la dynamique conduit aux deux équations suivantes
m1 ẍ1 (t) + (k1 + k2 ) x1 (t) − k2 x2 (t) + c1 ẋ1 (t) + d1 ẋ31 (t) = f1 (t), (4.5a)
m2 ẍ2 (t) − k2 x1 (t) + (k2 + k3 ) x2 (t) + c2 ẋ2 (t) + d2 ẋ32 (t) = f2 (t). (4.5b)
11
12 4. ÉQUATIONS DIFFÉRENTIELLES
f1 m1 f2 m2
k1 k2 k3
x1 x2
Le système différentiel (4.5) n’est pas une équation différentielle ordinaire de la forme
Y ′ (t) = F (t, Y (t)), (4.6a)
Y (0) = Y0 , (4.6b)
où Y (t) est un vecteur de R , mais nous allons montrer que nous pouvons l’écrire sous cette forme.
p
1. En divisant chacune des deux équations (4.5a) et (4.5b), c’est toujours possible, quitte à modifier les constantes ki , ci et di .
exercice 5.1. Résoudre le système linéaire suivant par une méthode d’élimination de Gauss avec pivotage
partiel :
3 2 5 x1 10
4 3 2 x2 = 9
1 2 3 x3 6
exercice 5.2. Résoudre le système linéaire suivant par une méthode d’élimination de Gauss avec pivotage
global (total) :
2 3 4 x1 16
1 2 2 x2 = 9
2 1 3 x3 11
exercice 5.3. Soit le système linéaire suivant AX = b où
1 1 1 6
A = 1 4 4 , b = 21
1 3 6 25
(1) Calculer la factorisation LU de la matrice A. (La factorisation LU est celle définie en cours avec une
matrice U ayant des 1 sur la diagonale).
(2) En déduire la solution du système en utilisant les algorithmes de remontée et de descente.
exercice 5.4. Soit A une matrice inversible de dimension 3 dont la décomposition LU obtenue avec permu-
tation de lignes est donnée sous la forme compacte :
1 1 1 1
4 2 2 où O = 3 est le vecteur de permutations.
2 0 3 2
(La factorisation LU est celle définie en cours avec une matrice U ayant des 1 sur la diagonale)
(1) Calculer le déterminant de A au moyen de cette décomposition et retrouver la matrice A.
1
à l’aide des méthodes de Jacobi et de Gauss-Seidel à partir de x0 = t [0 0 0]. On calculera les 3 premiers itérés.
(seuls les premiers itérés seront corrigés en séance).
13
Bibliographie
[BM03] J. Bastien et J.-N. Martin. Introduction à l’analyse numérique. Applications sous Matlab. Ouvrage disponible à la
bibliothèque Sciences de Lyon 1 (cote : 519.4 BAS, 4 ième étage). Voir https://www.dunod.com/sciences-techniques/
introduction-analyse-numerique-applications-sous-matlab. Paris : Dunod, 2003. 392 pages.
15