Aller au contenu
ELECTRONICS ENGINEERINGelectronics-engineering.com
Analyse numérique

Arithmétique à virgule flottante, erreurs, conditionnement et stabilité

La norme IEEE 754 et l'epsilon machine, l'annulation catastrophique avec des exemples, le nombre de conditionnement, algorithmes stables et instables.

https://www.electronics-engineering.com/fr/arithmetique-virgule-flottante-erreurs-conditionnement/

Pas encore de vote : soyez le premier à noter cette page.

Le calcul numérique étudie comment résoudre des problèmes mathématiques (équations, systèmes, intégrales, équations différentielles) sur un ordinateur quand une formule exacte n’existe pas ou ne peut pas être utilisée. La première étape est de comprendre avec quoi l’ordinateur calcule : pas avec des nombres réels, mais avec un ensemble fini de nombres à virgule flottante. C’est de là que viennent les erreurs d’arrondi, ainsi que la différence entre un problème bien conditionné et un algorithme stable.

Les nombres à virgule flottante

Un ordinateur représente un nombre réel sous la forme

    \[ x = \pm\,(1.m_1m_2\dots m_p)_2\times 2^e \]

avec un signe, une mantisse de p chiffres binaires et un exposant e dans un intervalle limité. La norme IEEE 754, utilisée par tout processeur moderne, prévoit :

FormatBits au totalMantisseExposantChiffres décimauxEpsilon machine \varepsilon
simple (float)3223 + 18environ 71.2\times 10^{-7}
double6452 + 111environ 162.2\times 10^{-16}

Le bit de poids fort de la mantisse vaut toujours 1 et n’est pas mémorisé (le « bit caché »), d’où le « + 1 ».

Distribution des nombres à virgule flottante sur la droite, dense près de zéro et clairsemée loin
Les nombres représentables (traits bleus) ne sont pas régulièrement espacés : chaque intervalle entre deux puissances de 2 en contient le même nombre, donc l’écart entre voisins double à chaque puissance de 2. L’erreur relative reste constante, l’erreur absolue croît avec le nombre.

L’epsilon machine \varepsilon est l’écart entre 1 et le nombre représentable suivant. Tout réel x de l’intervalle représentable est arrondi au plus proche, avec une erreur relative d’au plus \varepsilon/2 :

    \[ \mathrm{fl}(x) = x(1 + \delta),\qquad |\delta| \le \frac\varepsilon2 \]

Et chaque opération arithmétique a la même erreur : \mathrm{fl}(a + b) = (a + b)(1 + \delta).

Surprises typiques.

  • 0.1 ne peut pas être représenté exactement en binaire (comme 1/3 en décimal), donc 0.1 + 0.2 en double précision donne 0.30000000000000004. Ne jamais comparer des nombres à virgule flottante pour l’égalité exacte : utiliser |a - b| \lt \text{tolerance}.
  • En simple précision 16\,777\,216 + 1 = 16\,777\,216 : au-delà de 2^{24} tous les entiers ne sont pas représentables.
  • Il existe des valeurs spéciales : \pm\infty (par exemple 1/0) et NaN, « not a number » (par exemple 0/0), qui se propagent dans les calculs au lieu d’arrêter le programme.

L’annulation catastrophique

Soustraire deux nombres presque égaux est l’opération la plus dangereuse. Si a et b ont 16 chiffres exacts et coïncident sur les 12 premiers, la différence n’en a que 4 : le reste est du bruit d’arrondi.

Exemple : l’équation du second degré. x^2 - 10^8x + 1 = 0 a des racines d’environ 10^8 et 10^{-8}. La formule du manuel pour la petite racine, \frac{b - \sqrt{b^2 - 4c}}{2}, soustrait deux nombres presque égaux et en double précision donne environ 7.45\times 10^{-9} : une erreur de 25 %. Le remède est de réécrire la formule : on calcule d’abord la grande racine, sans annulation, puis la petite à partir de x_1x_2 = c, c’est-à-dire x_2 = c/x_1 = 10^{-8}, exacte.

Exemple : 1 - \cos x pour x petit. Avec x = 10^{-8}, le \cos x arrondi vaut exactement 1 et le résultat est 0, alors que la vraie valeur est 5\times 10^{-17}. Réécrire 1 - \cos x = 2\sin^2(x/2) rend le calcul précis. Les bibliothèques fournissent des fonctions dédiées, comme expm1 et log1p, précisément pour ces cas.

Le conditionnement d’un problème

Le conditionnement mesure de combien change le résultat exact d’un problème quand les données sont légèrement perturbées. Pour une fonction f, le nombre de conditionnement relatif est

    \[ K = \left|\frac{x\,f'(x)}{f(x)}\right| \]

l’erreur relative sur le résultat vaut environ K fois celle sur les données. Si K est grand le problème est mal conditionné : même un calcul parfait sur des données arrondies donne des résultats peu fiables. C’est une propriété du problème, pas de l’algorithme.

Pour les systèmes linéaires A\mathbf x = \mathbf b le nombre de conditionnement est K(A) = \|A\|\,\|A^{-1}\|. Si K(A) \approx 10^k, environ k chiffres significatifs sont perdus : avec K = 10^{12} en double précision il ne reste que 4 chiffres fiables. La matrice de Hilbert h_{ij} = 1/(i + j - 1) d’ordre 10 a K \approx 1.6\times 10^{13} : l’exemple classique d’un système presque impossible à résoudre sur ordinateur bien qu’il soit inversible.

La stabilité d’un algorithme

Un algorithme est stable s’il n’amplifie pas les erreurs d’arrondi plus que le problème lui-même ne le fait déjà. Un même problème bien conditionné peut être résolu avec un algorithme stable ou instable, comme dans l’exemple de l’équation du second degré.

Un algorithme instable. Les intégrales I_n = \int_0^1 x^ne^{x - 1}dx vérifient I_n = 1 - nI_{n-1}, avec I_0 = 1 - 1/e. En exécutant la récurrence vers l’avant, l’erreur initiale (de l’ordre de 10^{-16}) est multipliée par n! : avec n = 20, 20! \approx 2.4\times 10^{18}, et le résultat est complètement faux, même négatif, alors que I_n est toujours compris entre 0 et 1. En l’exécutant vers l’arrière, I_{n-1} = (1 - I_n)/n, en partant d’une valeur quelconque pour un n grand, l’erreur est divisée par n à chaque pas et le résultat est précis.

Une règle empirique

Erreur finale \approx nombre de conditionnement \times epsilon machine, si l’algorithme est stable. Dans les leçons suivantes, pour chaque méthode nous poserons trois questions : converge-t-elle, à quelle vitesse, et est-elle stable. Le cas célèbre de la fusée Ariane 5, qui a explosé en 1996 parce qu’un nombre à virgule flottante de 64 bits a été converti en un entier de 16 bits qui ne pouvait pas le contenir, rappelle que ces détails ne sont pas académiques.

S’abonner
Notifier de
guest
1 commentaire
Le plus ancien
Plus récent Les plus votés
1
0
Vous avez apprécié cet article ? Merci de laisser un commentaire.x