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/
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
![]()
avec un signe, une mantisse de
chiffres binaires et un exposant
dans un intervalle limité. La norme IEEE 754, utilisée par tout processeur moderne, prévoit :
| Format | Bits au total | Mantisse | Exposant | Chiffres décimaux | Epsilon machine |
|---|---|---|---|---|---|
| simple (float) | 32 | 23 + 1 | 8 | environ 7 | |
| double | 64 | 52 + 1 | 11 | environ 16 |
Le bit de poids fort de la mantisse vaut toujours 1 et n’est pas mémorisé (le « bit caché »), d’où le « + 1 ».

L’epsilon machine
est l’écart entre 1 et le nombre représentable suivant. Tout réel
de l’intervalle représentable est arrondi au plus proche, avec une erreur relative d’au plus
:
![]()
Et chaque opération arithmétique a la même erreur :
.
Surprises typiques.
ne peut pas être représenté exactement en binaire (comme
en décimal), donc
en double précision donne
. Ne jamais comparer des nombres à virgule flottante pour l’égalité exacte : utiliser
.- En simple précision
: au-delà de
tous les entiers ne sont pas représentables. - Il existe des valeurs spéciales :
(par exemple
) et NaN, « not a number » (par exemple
), 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
et
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.
a des racines d’environ
et
. La formule du manuel pour la petite racine,
, soustrait deux nombres presque égaux et en double précision donne environ
: 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
, c’est-à-dire
, exacte.
Exemple :
pour
petit. Avec
, le
arrondi vaut exactement 1 et le résultat est 0, alors que la vraie valeur est
. Réécrire
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
, le nombre de conditionnement relatif est
![]()
l’erreur relative sur le résultat vaut environ
fois celle sur les données. Si
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
le nombre de conditionnement est
. Si
, environ
chiffres significatifs sont perdus : avec
en double précision il ne reste que 4 chiffres fiables. La matrice de Hilbert
d’ordre 10 a
: 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
vérifient
, avec
. En exécutant la récurrence vers l’avant, l’erreur initiale (de l’ordre de
) est multipliée par
: avec
,
, et le résultat est complètement faux, même négatif, alors que
est toujours compris entre 0 et 1. En l’exécutant vers l’arrière,
, en partant d’une valeur quelconque pour un
grand, l’erreur est divisée par
à chaque pas et le résultat est précis.
Une règle empirique
Erreur finale
nombre de conditionnement
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.






Ciao, sono l'autore di «Aritmetica in virgola mobile, errori, condizionamento e stabilità». Domande, dubbi, segnalazioni di errori o richieste di approfondimento sono benvenuti: scriveteli qui sotto e vi rispondo io. Potete anche votare la pagina con le stelle all'inizio dell'articolo.Hi, I am the author of “Floating-point arithmetic, errors, conditioning and stability”. Questions, doubts, error reports and requests for more detail are all welcome: write them below and I will answer. You can also rate the page with the stars at the top of the article.