ANALYSE NUMÉRIQUE

Prof. HAMRI Nasr-eddine

Département de Mathématiques
Université Abdelhafid Boussouf - Mila
2
 Table des matières

1 NOTIONS D’ERREURS 7
1 PRÉLIMINAIRES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Erreurs absolues et Erreurs relatives . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3 PRINCIPALES SOURCES D’ERREURS . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4 PRECISION, CHIFFRES SIGNIFICATIFS . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.1 Chiffres significatifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5 Cumulation des erreurs d’arrondi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.1 Erreurs d’arrondi sur une somme . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.2 Erreurs d’arrondi sur un produit . . . . . . . . . . . . . . . . . . . . . . . . . 13
6 Représentation approchée des nombres réels . . . . . . . . . . . . . . . . . . . . . . . 13
6.1 Nombres en virgule flottante . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.2 Non-associativité des opérations arithmétiques. . . . . . . . . . . . . . . . . . 14
6.3 Phénomènes de compensation. . . . . . . . . . . . . . . . . . . . . . . . . . . 15
7 SERIE D’EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2 APPROXIMATION 17
1 GÉNÉRALITÉS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2 APPROXIMATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1 Meilleure approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3 APPROXIMATION AU SENS DES MOINDRES CARRÉS . . . . . . . . . . . . . . . . 19
4 CARACTÉRISATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.1 Norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

5 SERIE D’EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3 APPROXIMATION 23
1 GÉNÉRALITÉS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2 APPROXIMATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1 Meilleure approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3 APPROXIMATION AU SENS DES MOINDRES CARRÉS . . . . . . . . . . . . . . . . 25
4 CARACTÉRISATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.1 Norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

5 SERIE D’EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3
4 TABLE DES MATIÈRES

3 INTERPOLATION POLYNOMIALE 23
1 GÉNERALITÉS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2 POLYNOME DE LAGRANGE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1 Cas où les points sont equidistants . . . . . . . . . . . . . . . . . . . . . . . . 27
3 Estimation de l’erreur dans l’interpolation de Lagrange . . . . . . . . . . . . . . . . 28
4 POLYNOME DE NEWTON . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.1 Différences finies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2 Différences divisées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

4.3 Polynôme d’interpolation de Newton : . . . . . . . . . . . . . . . . . . . . . . 33

4.4 Erreur d’interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4.5 Autre écriture du polynôme d’interpolation de Newton . . . . . . . . . . . . 34
5 INTERPOLATION CUBIQUE DE HERMITE . . . . . . . . . . . . . . . . . . . . . . . 35
6 SERIE D’EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

4 INTEGRATION ET DÉRIVATION NUMÉRIQUE 37

1 INTÉGRATION NUMÉRIQUE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.1 Méthode Générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.2 Approximation d’une intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . 38

1.3 Utilisation de l’interpolation polynomiale . . . . . . . . . . . . . . . . . . . . 39

1.4 Etude de l’erreur d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . 40

1.5 Convergence des méthodes d’intégration . . . . . . . . . . . . . . . . . . . . . 40

1.6 Formules de Newton Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.7 Formule de type fermé : des trapèzes et de Simpson . . . . . . . . . . . . . . 42
1.8 Formule de type ouvert : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.9 Intégration par la méthode de Gauss . . . . . . . . . . . . . . . . . . . . . . . 43
Rb
1.10 Calcul de a f (x)dx . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.11 Erreur de l’intégration par la méthode de Gauss . . . . . . . . . . . . . . . . 45

2 SERIE D’EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3 DÉRIVATION NUMÉRIQUE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.1 Généralités : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2 Utilisation de l’interpolation polynomiale . . . . . . . . . . . . . . . . . . . . 49

3.3 Erreur de dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.4 Algorithmes de dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5 Formules centrales de dérivation . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.6 Formules non centrales de dérivation . . . . . . . . . . . . . . . . . . . . . . . 55
4 SERIE D’EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

5 RESOLUTION D’UN SYSTEME LINEAIRE 57

1 METHODES DIRECTES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1.1 Rappel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1.2 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1.3 Résolution d’un système triangulaire supérieur . . . . . . . . . . . . . . . . . 58
2 Méthode de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.1 Interprétation matricielle de la méthode de Gauss . . . . . . . . . . . . . . . 60
3 Méthodes LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.1 Décomposition LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4 Méthode de Cholesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.1 Factorisation de Cholesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
TABLE DES MATIÈRES 5

4.2 Algorithme de décomposition de Cholesky . . . . . . . . . . . . . . . . . . . 64

5 SERIE D’EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6 METHODES INDIRECTES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.1 Les méthodes itératives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.2 Différentes décomposition de A . . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.3 Méthode de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.4 Méthode de Gauss-Seidel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.5 Méthode de relaxation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
7 Convergence des méthodes itératives . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
7.1 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
8 SERIE D’EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

6 CALCUL DES VALEURS PROPRES ET VECTEURS PROPRES 73

1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

2 RAPPELS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3 Calcul direct de det(A − λI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4 Méthode de Krylov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5 MÉTHODE DE LEVERRIER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6 Valeurs et Vecteurs Propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7 La condition du calcul des valeurs propres . . . . . . . . . . . . . . . . . . . . . . . 77
7.1 Condition du calcul des vecteurs propres . . . . . . . . . . . . . . . . . . . . 79
8 La méthode de la puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
9 Méthode de la puissance inverse de Wielandt . . . . . . . . . . . . . . . . . . . . . . 81
10 VALEURS PROPRES ET VECTEURS PROPRES . . . . . . . . . . . . . . . . . . . . . 82
11 LA CONDITION DU CALCUL DES VALEURS PROPRES . . . . . . . . . . . . . . . 83
11.1 Condition du calcul des vecteurs propres . . . . . . . . . . . . . . . . . . . . 85
12 LA METHODE DE LA PUISSANCE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
13 METHODE DE LA PUISSANCE INVERSE DE WIELANDT . . . . . . . . . . . . . . 87
14 Transformation sous forme tridiagonale (ou de Hessenberg) . . . . . . . . . . . . . . 89
14.1 a) A l’aide des transformations élémentaires . . . . . . . . . . . . . . . . . . . 89
14.2 b) A l’aide des transformations orthogonales . . . . . . . . . . . . . . . . . . . 90
14.3 Méthode de bissection pour des matrices tridiagonales . . . . . . . . . . . . . 90
14.4 Méthode de bissection. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
15 L’itération orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
15.1 Généralisation de la méthode de la puissance (pour calculer les deux va-
leurs propres dominantes). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
15.2 Méthode de la puissance (pour le calcul de toutes les valeurs propres) . . . . 94
15.3 L’ algorithme QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
15.4 Accélération de la convergence . . . . . . . . . . . . . . . . . . . . . . . . . . 96
15.5 Critère pour arrêter l’itération. . . . . . . . . . . . . . . . . . . . . . . . . . . 96
15.6 Le ”double shift” de Francis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
15.7 Etude de la convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
16 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
17 TRANSFORMATION SOUS FORME TRIDIAGONALE (ou de HESSENBERG) . . . 101
17.1 a) A l’aide des transformations élémentaires . . . . . . . . . . . . . . . . . . . 102
17.2 b) A l’aide des transformations orthogonales . . . . . . . . . . . . . . . . . . . 102
17.3 Méthode de bissection pour des matrices tridiagonales . . . . . . . . . . . . . 103
17.4 Méthode de bissection. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
18 L’ITERATION ORTHOGONALE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
18.1 Généralisation de la méthode de la puissance (pour calculer les deux va-
leurs propres dominantes). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
18.2 Méthode de la puissance (pour le calcul de toutes les valeurs propres) . . . . 107
18.3 L’algorithme QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6 TABLE DES MATIÈRES

18.4 Accélération de la convergence . . . . . . . . . . . . . . . . . . . . . . . . . . 108

18.5 Critère pour arrêter l’itération. . . . . . . . . . . . . . . . . . . . . . . . . . . 109
18.6 Le ”double shift” de Francis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
18.7 Etude de la convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
19 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Chapitre

4
INTEGRATION ET
DÉRIVATION
NUMÉRIQUE

37
38 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

1 INTÉGRATION NUMÉRIQUE
1.1 Méthode Générale
Lorsque l’intégrale définie d’une fonction continue sur un intervalle [a, b] ne peut pas être
évaluée analytiquement ou lorsque l’intégrale n’est pas donnée sous forme analytique mais numériquement
en un certain nombre de valeurs discrètes, l’intégration numérique peut être utilisée.
Il existe plusieurs méthodes permettant d’évaluer les intégrales de fonctions bornées sur un
intervalle [a, b]. La présence de singularité dans les fonctions (ou dans certaines fonctions) rend
les calculs parfois difficiles.
Le problème de l’intégration numériqued’une fonction consiste à chercher la valeur de l’intégrale
définie à partir de plusieurs valeurs de la fonction sous le signe somme. L’intégrale à évaluer
étant : Z b
I= f (x)dx. (1.1)
a

L’intégration numérique consiste à remplacer l’intégrale (1.1) par une somme discrète sur un
nombre fini de points :
N
X
IN = Ai f (xi )
i=1

où ai et xi sont des variables à préciser.

Pour que l’avaluation numérique soit correcte, il est nécessaire d’imposer que toute méthode
d’intégration vérifie :
lim IN = I (1.2)
N →∞

Au delà de la vérification de ce critère, la qualité d’une méthode sera évaluée par la manière dont
la convergence vers le résultat exact s’effectue.
Nous supposerons dorénavant que les fonctions sont de classe C 1 (continues et à dérivées
continues) sur [a, b], mais aussi pour toute fonction f :

f 0 (x) < K ∀x ∈ [a, b] ,

où K est une constante finie. Ce qui veut dire que la dérivée de f n’est pas singuliè[Link] [a, b] .
On se propose alors de chercher une approximation de I. On remplace f sur [a, b] par une
fonction d’interpolation ϕ (un polynôme par exemple) pour considérer :
Z b Z b
f (x)dx = ϕ(x)dx
a a

1.2 Approximation d’une intégrale

Soit ω une fonction positive définie sur [c, d], on veut approcher
Z d
I= ω(x)f (x)dx.
c

on suppose que f est connue en (n + 1) points x1 , x2 , ...., xn+1 . On écrit

n+1
X
I= αi f (xi ) + R
i=1

où αi seront choisi de telle sorte que R soit nul lorsque f est d’un type déterminé.
1. INTÉGRATION NUMÉRIQUE 39

Lorsque f est quelconque, on suppose que

n+1
X
A= αi f (xi )
i=1

est une valeur approchée de I et R est suffisamment petit.

Soient v1 , v2 , ..., vn+1 (n + 1) fonctions linéairement indépendantes continues sur [a, b]. On note
Fn le sous espace engendré par ces fonctions. Pour que R soit nul, si f ∈ Fn on obtient :
Zd n+1
X
Ik = ω(x)vk (x)dx = αi vk (xi ); k = 1, ..., n + 1.
c i=1

On suppose que les fonctions 1 v1 , v2 , ..., vn+1 sont telles que le système admette une soultion
unique.
Soit An la fonction d’interpolation de f dans Fn vérifiant :
n+1
X
An (x) = ak vk (x)
k=1
et
An (xi ) = f (xi ) pour i = 1, ..., n + 1.
nous avons
Z d n+1
X
ω(x)An (x)dx = αi An (xi )
c i=1
si
ε(x) = f (x) − An (x)
nous obtenons :
Z d n+1
X Z d
ω(x)f (x)dx = αi f (xi ) + ω(x)ε(x)dx
c i=1 c

Si la fonction d’interpolation An (x) est le polynôme d’interpolation de f, c’est-à-dire que :

{v1 (x), v2 (x), ..., vn+1 (x)} = {1, x, ..., xn }
On choisira {α1 , α2 , ..., αn+1 } de telle sorte que R soit nul quand f est un polynôme quelconque de
degré inférieur ou égal à n.

1.3 Utilisation de l’interpolation polynomiale

Soit
n+1
X
An (x) = Pn (x) = Li (x)f (xi )
i=1
avec
n+1
Y x − xj
Li (x) =
xi − xj
j=1
j,i

d’où
Z d n+1 Z
X d !
P= ω(x)Pn (x)dx = ω(x)Li (x)dx f (xi )
c i=1 c

Remarque 80. Sous certaines conditions sur ω, {αi } et {xi } P est une approximation de I.
Remarque 81. Les αi sont indépendants de f , ils peuvent être calculés une bonne fois pour toute.
1. vérifient les conditions de Haar.
40 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

1.4 Etude de l’erreur d’intégration

Si f est (n + 1) fois continument dérivable sur [a, b], on sait qu’il existe ξx ∈ [a, b] tel que :

f (n+1) (ξx )
ε(x) = f (x) − An (x) = L(x)
(n + 1)!
avec
n+1
Y
L(x) = (x − xj )
i=1

en intégrant on obtient :
d
f (n+1) (ξx )
Z
R = I −P = ω(x)L(x) dx
c (n + 1)!
si ω(x)L(x) est de signe constant dans [c, d] (en particulier si [c, d] ne contient aucun des points
d’interpolation, avec ω de signe constant sur [c, d]) le théorème de la moyenne donne :
d
f (n+1) (η)
Z
R= ω(x)L(x)dx, η ∈ [c, d]
(n + 1)! c

si on connait une borne supérieure de f (n+1)

Mn+1 = sup f (n+1) (x)

x∈[a,b]

on a Z d
Mn+1
|R| ≤ |ω(x)L(x)| dx
(n + 1)! c

1.5 Convergence des méthodes d’intégration

Soit f une fonction continue sur [a, b] et ω une fonction (poids) définie sur [a, b] telle que
Z d
|ω(x)| dx ≤ M
c

on approche
Z d
I= ω(x)f (x)dx
c
par
n+1
X
A= αi f (xi )
i=1

où αi et xi sont à déterminer.

Problème 82. Savoir si en augmentant le nombre de points xi , on obtiendrait une valeur de A de
plus en plus proche de I. Plus précisemment a-t-on :

n+1
X Z d
lim αi f (xi ) = ω(x)f (x)dx?
n→∞ c
i=1

La réponse n’est positive que sous certaines conditions sur {αi } et {xi }.
1. INTÉGRATION NUMÉRIQUE 41

Théorème 83. Lorsque f est une fonction continue sur [a, b] nous avons

n+1
X Z d
lim αi f (xi ) = ω(x)f (x)dx (1.3)
n→∞ c
i=1

si les conditions suivantes sont vérifiées :

1. l’équation (1.3) est vrai pour un polynôme P quelconque

2. n+1
P
i=1 |αi | est borné pour tout n.

Démonstration. Soit P un polynôme quelconque. Posons

Z d n+1
X
εf (x) = ω(x)f (x)dx − αi f (xi )
c i=1

et
Z d n+1
X
εP (x) = ω(x)P (x)dx − αi P (xi )
c i=1

on donc
Z d Z d n+1
X n+1
X
εf (x) = ω(x)P (x)dx + ω(x)(f (x) − P (x))dx − αi P (xi ) + αi (f (xi ) − P (xi ))
c c i=1 i=1

ou
Z d n+1
X
εf (x) = εP (x) + ω(x)(f (x) − P (x))dx − αi (f (xi ) − P (xi ))
c i=1

soit ε > 0 un nombre déstiné à tendre vers 0. D’après le théorème de Weirstrass 2 nous pouvons
prendre un polynôme P tel que
max |f (x) − P (x)| ≤ ε
x∈[a,b]

nous avons alors

Z d n+1
X
εf (x) ≤ |εP (x)| + ε |ω(x)| dx − ε |αi |
c i=1

c’est-à-dire
n+1
X
εf (x) ≤ |εP (x)| + ε(M − |αi |)
i=1
Pn+1
si limn→∞ |εP (x)| = 0 pour tout polynôme P et si i=1 |αi | ≤ N pour tout n on a

lim εf (x) ≤ ε(M + N )

n→∞

cqfd

2. Si f est continue sur [a,b], il existe un polynôme de degré inférieur ou égal à n qui approche f.
42 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

1.6 Formules de Newton Cotes

On suppose que f est connue en (n + 1) points x1 , x2 , ...., xn+1 équidistants, et tels que :

x1 = a, x2 = x1 + h,
··················
xi = xi−1 + h = a + (i − 1)h
··················
xn+1 = xn + h = a + nh

on prend ω(x) = 1, ∀x ∈ [a, b] .

On pose
Z xn+1+k n+1
X
f (x)dx = αi f (xi ) + R (1.4)
x1−k i=1

— Si k = 0, on dit que la formule (1.4) est de type fermé.

— Si k = 1, on dit que la formule (1.4) est de type ouvert.
Les coefficients αi sont donnés par
Z xn+1+k
αi = Li (x)dx
x1−k

comme les xi sont équidistants on peut poser x = a + th et on a :

Z xn+1+k
αi = li (t)dt
x1−k

avec
n+1
Y t−j +1
li (t) =
i −j
j=1
j,i

Remarque 84.
n+1
X
α1 = αn+1; α2 = αn; α3 = αn−1; .......et αi = b − a + 2kn (1.5)
i=1

Remarque 85. Les méthodes de Newton Cotes sont convergentes pour les polynômes mais ne le
sont pas pour une fonction continue quelconque.
En effet si d’après l’équation (1.5) n+1
P Pn+1
i=1 αi est bien bornée, il n’en est pas de même de i=1 |αi |
car les αi ne sont pas toujours de même.
En intégrant les formules d’interpolation on a :

1.7 Formule de type fermé : des trapèzes et de Simpson

R x2 3
1. x1
h
f (x)dx = 2h (f (x1 ) + f (x2 )) − 12 f 00 (ξ), ξ ∈ [x1 , x2 ] (formule des trapèzes)
R x3 5
2. x1
f (x)dx = 3h (f (x1 ) + 4f (x2 ) + f (x3 )) − 90
h
f 00 (ξ), ξ ∈ [x1 , x3 ] (formule de Simpson)
R x4 5
3h
3. x1
f (x)dx = 8 (f (x1 ) + 3f (x2 ) + 3f (x3 ) + f (x4 )) − 3h 00
80 f (ξ), ξ ∈ [x1 , x4 ] (formule de Newton)
1. INTÉGRATION NUMÉRIQUE 43

1.8 Formule de type ouvert :

R x3 3
1. x1
f (x)dx = 2hf (x2 ) + h3 f 00 (ξ), ξ ∈ [x1 , x3 ] (formule de Poncelet)
R x4 3
3h
2. x1
f (x)dx = 2 (f (x2 ) + f (x3 )) + 3h4 f 00 (ξ), ξ ∈ [x1 , x4 ]
R x5 5
4h
3. x1
f (x)dx = 3 (2f (x2 ) − f (x3 ) + 2f (x4 )) + 14h
45 f
(4) (ξ), ξ ∈ [x , x ]
1 5
R x6 5
5h
4. x1
f (x)dx = 24 (11f (x2 ) + f (x3 ) + f (x4 ) + 11f (x5 )) + 95h
144 f
(4) (ξ), ξ ∈ [x , x ]
1 6

Remarque 86. Les formules d’intégration données entre x1 et x2 , x3 ....peuvent être modifiées pour
Rx
h3 00
d’autres points d’[Link] : x 3 f (x)dx = 2h (f (x2 ) + f (x3 )) − 12 f (ξ), ξ ∈ [x2 , x3 ]
R x4 2
h3 00
x
f (x)dx = 2hf (x3 ) + 3 f (ξ), ξ ∈ [x2 , x4 ]
2

1.9 Intégration par la méthode de Gauss

1.9.1 Polynôme de Legendre
Définition 87. On appelle polynômes de Legendre, les polynômes qui s’écrivent sous la forme :
1 ∂n h 2 n
i
Pn (x) = . (x − 1) , (n = 0, 1, .....)
2n n! ∂xn
Propriétés : Les polynômes de Legendre vérifient les propriétés suivantes :
1. Pn (1) = 1 et Pn (−1) = (−1)n (n = 0, 1, 2, ....).
R1
2. −1 Pn (x)Qk (x)dx = 0, (k < n), où Qk (x) est un polynôme de degré k < n.
3. Le polynôme de Legendre Pn (x) possède n racines réelles distinctes dans [−1, 1] .
Exemple 88.
P0 (x) = 1
P1 (x) = x
1
P2 (x) = (3x2 − 1)
2
1
P3 (x) = (5x3 − 3x)
2
1
P4 (x) = (35x4 − 30x2 + 3)
8

1.9.2 Formule de quadrature de Gauss

Soit y = f (t) une fonction définie sur [−1, 1] .

Problème 89. Comment choisir t1 , t2 , ..., tn et A1 , A2 , ...An pour que la formule de quadrature
Z1 X n
f (t)dt = Ai f (ti ) (1.6)
−1 i=1

soit exacte pour tout polynôme f (t) de degré N le plus grand.

Solution 90. Comme on a 2n constantes ti et Ai (i = 1, 2, ..., n) alors que le polynôme de degré 2n−1
est défini par 2n coefficients, ce degré maximal dans le cas général est N = 2n − 1.
R1
Posant −1 t k dt = ni=1 Ai tik (k = 0, 1, ..., 2n − 1) et f (t) = 2n−1 k
P P
k=0 Ck t alors
Z 1 2n−1
X Z 1 2n−1
X n
X n
X
f (t)dt = Ck t k dt = Ck Ai tik = Ai f (ti )
−1 k=0 −1 k=0 i=1 i=1
44 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

comme
1
1 − (−1)k+1 2
Z (
k k+1 si k est pair
t dt = =
−1 k+1 0 si k est impair
pour résoudre le problème il suffit de déterminer ti et Ai à partir du systéme non linéaire de 2n
équations Pn
= 2

 P i=1 Ai

n
= 0




 i=1 A i ti

 ··· ··· ··· (1.7)
 n
 P 2n−2 2
 A
i=1 i t =
 Pn A ti2n−1 = 2n−1



i=10 i i

Pour résoudre le système (1.7), on considère

f (t) = t k Pn (t) (k = 0, 1, ...n − 1)

où Pn (t) est le polynôme de Legendre.

Les degrés de ce polynôme ne dépassant pas 2n − 1, ces polynômes doivent vérifier :
Z 1 n
X
f (t)dt = Ai f (ti )
−1 i=1

et Z 1 n
X
t k Pn (t)dt = Ai tik Pn (ti ) (k = 0, 1, ...n − 1)
−1 i=1
comme Z 1
Pn (x)Qk (x)dx = 0, pour (k < n)
−1
on Z 1
t k Pn (x)dx = 0, pour (k < n)
−1
et donc
n
X
Ai tik Pn (ti ) = 0 (k = 0, 1, ...n − 1) (1.8)
i=1

si l’on pose Pn (ti ) = 0 pour (i = 1, 2, ..., n) les égalités (1.8) sont vérifiées pour tout Ai .Si on connait
ti , on trouve à partir du système linéaire des n premières équations du système, les constantes Ai
pour (i = 1, 2, ..., n).
Remarque 91. La formule (1.8) où les ti sont les racines du polynôme de Legendre Pn (t) et où les
Ai pour (i = 1, 2, ..., n) sont définis à partir du système, s’appelle formule de quadrature de Gauss.
Exemple 92. Trouver la formule de quadrature de Gauss, dans le cas de trois ordonnées (n = 3).
Solution 93. Comme le polynôme de Legendre de degré 3 est le polynôme :

1 3
P3 (t) = (5t − 3t)
2
en l’annulant on obtient ses racines qui sont données par :
r
3
t1 = − ' −0, 7745
5
t2 = 0
r
3
t3 = ' 0, 7745
5
1. INTÉGRATION NUMÉRIQUE 45

pour la détermination des coefficients Ai pour (i = 1, 2, 3), on obtient le système :

 P3
A = 2
 P3i=1 i




 i=1 Ai ti = 0
 P3 A t 2

= 2
i=1 i i 3

c’est-à-dire 

 A1 + A2 +
q qA3 = 2


− 5 A1 + 35 A3
3
= 0




3
A + 3A 2


5 1 5 3 = 3

dont la solution est : A1 = A3 = 95 , A2 = 89 .D’où :

3
r r 
1
Z 
X 1  3 3 
f (t)dt = Ai f (ti ) = 5f (− ) + 8f (0) + 5f ( )
−1 9 5 5 
i=1

Rb
1.10 Calcul de a
f (x)dx

Rb
Pour calculer a
f (x)dx, on fait le changement de variable suivant :

b+a b−a
x= + t
2 2
on obtient : Z b Z 1
b−a b+a b−a
f (x)dx = f( + t)dt
a 2 −1 2 2
en appliquant la formule de quadrature de Gauss on a :
Z b n
b−a X
f (x)dx = Ai f (xi )
a 2
i=1

où
b+a b−a
xi = + t (i = 1, 2, ..., n)
2 2 i
et où ti sont les racines du polynôme de Legendre Pn (t), c’est-à-dire Pn (ti ) = 0.

1.11 Erreur de l’intégration par la méthode de Gauss

Le reste de la formule de Lagrange à n points est donné par

(b − a)2n−1 (n!)4 f (4) (ξ)

Rn =
(2n!)3 (2n + 1)

d’où l’on tire

!5
1 b−a
R2 = f (4) (ξ)
135 2
!7
1 b−a
R3 = f (6) (ξ)
15750 2
46 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

Exemple 94. Calculer par la méthode de quadrature de Gauss à trois ordonnées, l’intégrale sui-
vante : Z 1√
1 + 2xdx
0
Solution 95. Comme a = 0 et b = 1, d’après le changement de variable :

b+a b−a
xi = + t (i = 1, 2, 3)
2 2 i
on obtient :
r
1 1 1 1 3
x1 = + t = + .(− ) ' 0, 112
2 2 1 2 2 5
1 1 1 1
x2 = + t = + .0 ' 0, 500
2 2 2 2 2
r
1 1 1 1 3
x3 = + t = + .( ) ' 0, 887
2 2 3 2 2 5
donc les coefficients Ci sont :

b−a 1 5
C1 = A1 = . ' 0, 277
2 2 9
b−a 1 8
C2 = A2 = . ' 0, 444
2 2 9
b−a 1 5
C3 = A3 = . ' 0, 277
2 2 9
donc
Z 1 Z 1√ 3
X
f (x)dx = 1 + 2xdx = Ci f (xi ) = 1, 398
0 0 i=1

l’erreur commise dans le calcul de cette intégrale s’évalue de la manière suivante :

!7
1 b−a
R3 = f (6) (ξ) où ξ ∈ [0, 1]
15750 2
−11
comme f (6) (x) = −945(1 + 2x) 2 alors maxx∈[0,1] f (6) (x) = 945 donc

945 1 7
R3 ≤ ( ) = 0, 5.10−3
15750 2

2 SERIE D’EXERCICES
Exercice 96. 1. Soit f une fonction possédant 4 dérivées continues dans l’intervalle [0, 5] ,
R5
donner une évaluation de f (x)dx sachant que x1 = 1; x2 = 2 et x3 = 4.
0
2. Soit g une fonction possédant 2 dérivées continues dans l’intervalle [0, 2] , donner une
R2
évaluation de (x − 1)g(x)dx sachant que x1 = 0; x2 = 2 .
0
Exercice 97. 1. Dans l’intervalle [a, b] on prend x1 = a, x2 = a + h = b, f ∈ C 2 [a, b], évaluer la
Rb
formule des trapèzes f (x)dx.
a
2. SERIE D’EXERCICES 47

2. On prend x1 = a, x2 = a+h, x3 = a+2h, ....xn+1 = a+nh = b, retrouver la formule des trapèzes

généralisée.
3. Déduire la valeur approximative de l’intégrale

Z1
dx
1+x
0

pour n = 6.
4. Calculer la valeur exacte de cette intégrale et déterminer les erreurs absolues et relatives.
Exercice 98. On suppose que f est une fonction 3 fois continument dérivable dans [−h, h] et f (4) (x)
continue dans cet intervalle, f est donnée aux points : x1 = −h, x2 = 0, x3 = h.

1. Etablir la formule suivante :

Zx
2x3 − 3hx2 + 5h3 x3 − 3h2 x − 2h3
f (t)dt = 2
f (−h) − f (0) +
12h 3h2
−h
2x3 + 3hx2 − h3
+ f (h) + ε(x)
12h2

On donnera une expression de ε(x).

2. On suppose que x ∈ [−h, x] :

a) Montrer que ε(x) peut s’écrire sous la forme :

1 2
ε(x) = (x − h2 )2 f (3) (ζ),
24

avec ζ ∈ [−h, h] .
b) Utiliser le résultat précédent pour donner une valeur approchée de :

Z0
dt
1+t
− 14

Quelle est la précision obtenue ?

Comparer ce résultat à celui que donnerait la formule des trapèzes utilisant les points x1 = − 41
et x2 = 0.
Exercice 99. Déduire la formule de Gauss de la fonction f sur l’intervalle [−1, 1] pour le cas de
trois ordonnées, on prendra pour la fonction poids ω(x) = 1.
Exercice 100. 1. En utilisant la formule de Gauss à trois ordonnées, calculer l’intégrale :

Zb
f (x)dx
a

R1 √
2. En déduire 1 + 2x dx.
0
48 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

3 DÉRIVATION NUMÉRIQUE
3.1 Généralités :
Pour résoudre un certain nombre de problèmes pratiques (étudier la vitesse d’un changement
à l’intérieur d’un système par exemple), il est nécessaire parfois de calculer les dérivées d’une
fonction y = f (x) supposée dérivable mais connue de façon discrète sur un intervalle [a, b], ou que
l’expression analytique compliquée de cette fonction rende difficile sa dérivation.
Comment fournir une valeur approchée de la dérivée, d’ordre un ou supérieur, de f (x) en un
point de [a, b] .
Le principe est d’approcher la fonction à dériver par un polynôme d’interpolation Pn (x) dont
on calcule la dérivée ensuite, c’est-à-dire en posant :

f 0 (x) = Pn0 (x)

Les dérivées d’ordre supérieur de f (x) s’obtiennent de la même façon.

Si l’on connait l’erreur d’interpolation :

ε(x) = f (x) − Pn (x)

l’erreur de la dérivée Pn0 (x) est donnée par :

r(x) = f 0 (x) − Pn0 (x) = ε0 (x)

Soit f une fonction numérique y = f (x) dérivable (respectivement p fois dérivable), donnée
aux points équidistants {x1 , x2 , ...., xn+1 } ⊂ [a, b] par

yi = f (xi )

Pour chercher sur [a, b] la dérivée y 0 = f 0 (x), (respectivement la dérivée d’ordre p c’est-à-dire
y (p) = f (p) (x))

Nous allons chercher la valeur de la dérivée sous la forme :

n+1
X
y (p) (x) = f (p) (x) = αi (x)f (xi ) + r(x)
i=1

les αi (x) seront choisis de telle sorte que la fonction reste r(x) soit nulle si f est d’un type
déterminé ( un polymôme).
Si f est quelconque et r(x) suffisamment petit nous considérons que :
n+1
X
D(x) = αi (x)f (xi )
i=1

est une approximation de f (p) (x).

Soient v1 , v2 , ..., vn+1 (n+1) fonctions linéairement indépendantes p fois continument dérivables
sur [a, b]. On note Fn le sous espace engendré par ces fonctions. Pour que r(x) soit nul, il faut que
les fonctions v(x) vérifient
n+1
X
v (p) (x) = αi (x)vk (xi ); k = 1, ..., n + 1.
i=1

On suppose que les fonctions 3 v1 , v2 , ..., vn+1 sont telles que le système admette une soultion
unique.
3. vérifient les conditions de Haar.
3. DÉRIVATION NUMÉRIQUE 49

Soit Pn la fonction d’interpolation de f dans Fn vérifiant :

n+1
X
Pn (x) = ak vk (x)
k=1

et
Pn (xi ) = f (xi ) pour i = 1, ..., n + 1.
nous avons
n+1
(p)
X
Pn (x) = αi (x)Pn (xi )
i=1
si
ε(x) = f (x) − Pn (x)
nous obtenons :
n+1
(p)
X
fn (x) = αi (x)fn (xi ) + ε(p) (x)
i=1
Remarque 101. Si la fonction d’interpolation Pn (x) est le polynôme d’interpolation de f, c’est-à-
dire que :
{v1 (x), v2 (x), ..., vn+1 (x)} = {1, x, ..., xn }
On choisira {α1 (x), α2 (x), ..., αn+1 (x)} de telle sorte que r(x) soit nul quand f est un polynôme quel-
conque de degré inférieur ou égal à n.

3.2 Utilisation de l’interpolation polynomiale

Nous pouvons remplacer la fonction f par son polynôme d’interpolation de Newton (par
exemple)

k(k − 1) 2 k(k − 1)(k − 2) 3

y = f (x) = y1 + k∆y1 + ∆ y1 + ∆ y1 + · · ·
2! 3!
k2 − k 2 k 3 − 3k 2 + 2k 3
= y1 + k∆y1 + ∆ y1 + ∆ y1 + · · ·
2 6
Où
x − x1
k= et h = xi+1 − xi (i = 1, 2, ...)
h
Comme
dy dy dk 1 dy
y 0 (x) = = =
dx dk dx h dk
On obtient
3k 2 − 6k + 2 3
" #
1 2k − 1 2
y 0 (x) = ∆y1 + ∆ y1 + ∆ y1 + · · ·
h 2 6
D’une façon analogue, comme
d(y 0 ) d(y 0 ) dk
y 00 (x) = =
dx dk dx
on a
1 h 2 3
i
y 00 (x) =
∆ y 1 + (k − 1)∆ y1 + · · ·
h2
Remarque 102. On procède de la même manière pour chercher les dérivées d’un ordre quel-
conque.
Remarque 103. Pour chercher les dérivées y 0 (x), y 00 (x) en un point fixé x, il faut prendre comme x1
la valeur tabulée de l’argument la plus proche de ce point x.
50 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

Remarque 104. Lorsqu’on cherche la valeur de la dérivée ou des dérivées de y aux points d’inter-
polation xi , on peut considérer toute valeur tabulée comme étant une valeur initiale ; on a alors

∆2 y1 ∆3 y1 ∆4 y1 ∆5 y1
" #
0 1
y (x1 ) = ∆y1 − + − + − ···
h 2 3 4 5
et
∆3 y1 11 4
" #
1 2 5 5
y 00 (x1 ) = ∆ y1 − + ∆ y 1 − ∆ y 1 + · · ·
h2 3 12 6

3.3 Erreur de dérivation

3.3.1 cas de ε0 = f 0 − Pn0
Soit Pn (x) le polynôme d’interpolation de f . Nous avons
n+1
X n+1
X
Pn (x) = ai vi (x) = Li (x)f (xi )
i=1 i=1

On sait que pour tout x ∈ [a, b], il existe ξx ∈ [a, b] tel que
 n+1 
1 Y 
 (n+1) (ξ ).
ε(x) = f (x) − Pn (x) =  (x − xi ) f x
(n + 1)!
i=1

n+1
1
f (n+1) (ξx ),
Q
Par ailleurs ε(x) = L(x)g(x) avec L(x) = (x − xi ) et g(x) = (n+1)!
en dérivant nous
i=1
obtenons
ε0 (x) = f 0 (x) − Pn0 (x) = L0 (x)g(x) + L(x)g 0 (x). (3.1)
Le point x pour lequel nous cherchons une approximation peut être :
- soit l’un des points d’interpolation xi .
- soit un point de [a, b] différent de xi pour tout i.
L’erreur commise ne sera pas la même dans les deux cas.
a) si x = xi dans ce cas L(xi ) = 0 et
n+1
Q
(x − xj ) n+1 n+1
0 j=1 Y Y
L (xi ) = lim = lim (x − xj ) = (xi − xj )
x→xi x − xi x→xi
j=1 j=1
j,i j,i

d’où  
 n+1 
1
Y 
ε0 (x) =  (x − x ) f (n+1) (ξ )

i j  xi
(n + 1)! 
 
 j=1 
j,i

b) si x , xi pour tout i, dans ce cas nous devons connaitre une estimation de g0(x). Si f est
(n + 2) fois continument dérivable, pour tout x ∈ [a, b], il existe un élément ηx tel que
1
g0(x) = f (n+2) (ηx )
(n + 2)!
dans ce cas on a :
1 1
ε0 (x) = L0 (x)f (n+1) (ξxi ) + L(x)f (n+2) (ηx )
(n + 1)! (n + 2)!
3. DÉRIVATION NUMÉRIQUE 51

Si on connait des bornes de f (n+1) et f (n+2) , c’est-à-dire si on note

Mp = max f (p) (x)

x∈[a,b]

nous avons alors

n+1
Mn+1 Y
ε0 (xi ) ≤ (xi − xj )
(n + 1)!
j=1
j,i

et
Mn+1 0 Mn+2
ε0 (x) ≤ L (x) + |L(x)| pour x ∈ [a, b] ; x , xi ; i = 1, 2, ..., n
(n + 1)! (n + 2)!
Si Pm (x) est un polynôme de Newton contenant les différences ∆y1 , ∆2 y1 , ..., ∆m y1 et si l’erreur
correspondante est donnée par :
εm (x) = f (x) − Pm (x)
l’erreur de la dérivée s’écrit :
0
r(x) = εm (x) = f 0 (x) − Pm0 (x)
comme
(x − x1 )(x − x2 ) · · · (x − xm ) (m+1) k(k − 1) · · · (k − m) (m+1)
εm (x) = f (ξ) = hm+1 f (ξ)
(m + 1)! (m + 1)!

où ξ ∈ [x, xm ]. En supposant que f ∈ C (m+2) on obtient :

hm
" #
dε (x) dk d d
r(x) = m = f (m+1) (ξ) [k(k − 1) · · · (k − m)] + k(k − 1) · · · (k − m) f (m+1) (ξ)
dk dx (m + 1)! dk dk
(3.2)
d (m+1) d
en supposant dk f (ξ) bornée et tenant compte du fait que dk [k(k − 1) · · · (k − m)]k=0 = (−1)m m!,
on en tire avec x = x1 et par suite avec k = 0,
hm
r(x) = (−1)m f (m+1) (ξ) (3.3)
(m + 1)
Exemple 105. Calculer y0(50) pour la fonction y = f (x) donnée par le tableau suivant :

x 50 55 60 65
y 1, 6990 1, 7404 1, 7782 1, 8129

Solution 106. Formons le tableau des différences finies comme suit :

x y ∆2 y ∆3 y ∆4 y
50 1, 6990
0, 0414
55 1, 7404 −0, 0036
0, 0378 0, 0005
60 1, 7782 −0, 0031
0, 0347
65 1, 8129

(p)
3.3.2 cas de ε(p) = f (p) − Pn
En généralisant l’équation (3.1) on obtient :
p
j
X
ε(p) (x) = {p L(p−j) (x)g (j) (x) (3.4)
j=0
52 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

en supposant que f soit (n + 1 + p) continument dérivable, cette equation (3.4) s’écrit

p
(p)
X j f (n+1+j) (ξj )
ε (x) = {p L(p−j) (x) , ξj ∈ [a, b]
(n + 1 + j)!
j=0

en réecrivant autrement l’équation (3.2) on obtient :

 
 
∂p  
f [x, x 1 , ..., x n+1 ] = f x, x, ...x, x , ..., x 
1 n+1
∂xp
 
| {z } 
 
p+1 f ois

on a :  
p 



j (p−j)
X
(p)
ε (x) = {p L (x)f x, x, ...x, x1 , ..., xn+1 
 
| {z } 
j=0  
j+1 f ois

lorsque les points sont équidisants c’est-à-dire si : xi = xi−1 + h = x1 + (i − 1) h, i ≥ 1 et si nous

posons : x = x1 + th, nous avons :
n+1
Y (t − j + 1)
Li (x) = li (t) =
i −j
j=1
j,i

et
n+1
X
Pn (x) = pn (t) = li (t)f (xi )
i=1
d’où
n+1
X
Pn0 (x) = pn0 (t) = li0 (t)f (xi )
i=1
et
n+1
(p) (p) (p)
X
Pn (x) = pn (t) = li (t)f (xi )
i=1
(p)
Remarque 107. Les coefficients li (t), li0 (t), li (t) ne dépendant ni de h ni de x1 , peuvent être tabulés.
Exemple 108. Trouver l’extremum de la fonction donnée par le tableau suivant :
x 1, 80 1, 82 1, 84 1, 86 1, 88 1, 90
y 0, 5815170 0, 5817731 0, 5818649 0, 5817926 0, 5815566 0, 5811571
Solution 109. Le tableau des différences est donnée par le tableau suivant :
x y ∆y ∆2 y ∆3 y
1, 80 0, 5815170
0, 002561
1, 82 0, 5817731 −0, 001643
0, 000918 0, 000002
1, 84 0, 5818649 −0, 001641
−0, 000723 0, 000004
1, 86 0, 5817926 −0, 001637
−0, 002360 0, 000002
1, 88 0, 5815566 −0, 001635
−0, 003995
1, 90 0, 5811571
3. DÉRIVATION NUMÉRIQUE 53

l’extremum est atteint pour f 0(x) = 0 c’est-à-dire :

0, 000918 − 0, 000723 3k 2 − 1 0, 000002 + 0, 000004

0= + k(−0, 001641) +
2 6 2
ou
3 2
0= k − 1641k + 97
2
ou aussi
97 1 2
+ k= k
1641 1094
ce qui donne k = 0, 05911 d’où x = x1 + kh = 1, 84 + 0, 05911.0, 02 = 1, 8411822.

3.4 Algorithmes de dérivation

Les formules de dérivation numériques déduites au paragraphe précédent pour la fonction
y = f (x) au point x = x1 ont l’inconvenient de n’utiliser que des valeurs de la fonction pour x > x1 .
Les formules de dérivation qui tiennent compte des valeurs de y = f (x) aussi bien pour x > x1
que pour x < x1 sont relativement plus exactes. Ces formules s’appellent formules de dérivation par
différences centrales.
Soient ..., x−3 , x−2 , x−1 , x0 , x1 , x2 , x3 , ...un système de points équidistants et numérotés symétriquement
par rapport à x0 , à pas xi+1 − xi = h et yi = f (xi ) les valeurs correspondantes de y = f (x). Si on pose
x − x1
k=
h
alors si le le polynôme d’interpolation est le polynôme de Stirling, on aura :

k2 2 k 2 (k 2 − 1) 3 k 2 (k 2 − 1) 4
y = f (x) = y0 + k∆y− 1 + ∆ y−1 + ∆ y− 3 + ∆ y−2 + (3.5)
2 2 3! 2 4!
k 2 (k 2 − 1)(k 2 − 22 ) 5 k 2 (k 2 − 1)(k 2 − 22 ) 6
+ ∆ y− 5 + ∆ y−3 + · · ·
5! 2 6!
∆y−1 +∆y0 ∆3 y−2 +∆3 y−1 ∆5 y−3 +∆y−2
où ∆yi = yi+1 − yi ; ∆y− 1 = 2 , ∆3 y − 3 = 2 , ∆5 y − 5 = 2 , etc...
2 2 2
En tenant compte de :
dk 1
=
dx h
on obtient de la formule (3.5) :

1 3k 2 − 1 3 2k 2 − k 4
y0 = f 0 (x) = (∆y− 1 + k∆2 y−1 + ∆ y− 3 + ∆ y−2 +
h 2 6 2 12
5k 4 − 15k 2 + 4 5 3k 5 − 10k 3 + 4k 6
+ ∆ y− 5 + ∆ y−3 + · · · )
120 2 360
et
1 2 6k 2 − 1 4
y 00 = f 00 (x) = 2
(∆ y−1 + k∆3 y− 3 + ∆ y−2 +
h 2 12
2k 3 − 3k 5 15k 4 − 30k 2 + 4 6
+ ∆ y− 5 + ∆ y−3 + · · · )
12 2 360
en particulier si k=0, on a :
1 1 1
y 0 (x0 ) = (∆y− 1 − ∆3 y− 3 + ∆5 y− 5 + · · · ) (3.6)
h 2 6 2 30 2

et
1 2 1 1
y 00 (x0 ) = (∆ y−1 − ∆4 y−2 + ∆6 y−3 + · · · ) (3.7)
h2 12 90
54 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

Exemple 110. Calculer la dérivée y 0 (1) et la dérivée seconde y 00 (1) de la fonction donnée par le
tableau suivant :
x 0, 96 0, 98 1, 00 1, 02 1, 04
y 0, 7825361 0, 7739332 0, 7651977 0, 7563321 0, 7473390

Solution 111. En composant les différences de la fonction y = f (x) on obtient :

x y ∆y ∆2 y ∆3 y ∆4 y
0, 96 0, 7825361
−0, 086029
0, 98 0, 7739332 −0, 001326
−0, 87355 0, 000025
1, 00 0, 7651977 −0, 001301 0, 000001
−0, 88656 0, 000026
1, 02 0, 7563321 −0, 001275
−0, 89931
1, 04 0, 7473390

et en appliquant (3.6) on a :
1 87355 + 88656 −7 1 25 + 26 −7 1
y 0 (1) = (− .10 − . .10 + .1.10−7 ) =
0, 02 2 6 2 30
= −50(88005, 5 + 4, 2 + 0).10−7 = −0, 4400485.

et
1 1
y 00 (1) = 2
(−1301.10−7 − .1.10−7 ) =
0, 02 12
= −2500.1301.10−7 = −0, 325250.

Remarque 112. Quand les points d’interpolation sont équidistants, les différences divisées sont
remplacées par différences finies.
- On appelle différences finies d’ordre 1 progressives, notées ∇h f , la fonction définie par :
1
∇h f (x) = (f (x + h) − f (x))
h
¯ h f , la fonction définie par :
-On appelle différences finies d’ordre 1 régressives, notées ∇

¯ h f (x) = 1 (f (x) − f (x − h))

∇
h
-On appelle différences finies d’ordre 1 centrales, notées δh f , la fonction définie par :
1 h h
δh f (x) = (f (x + ) − f (x − ))
h 2 2
- On définit les différences finies d’ordre k progressives, notées ∇kh f , la fonction définie par :

∇kh f (x) = ∇h (∇hk−1 f (x))

¯ k f , la fonction définie par :
-On appelle différences finies d’ordre 1 régressives, notées ∇ h

¯ k f (x) = ∇
∇ ¯ h (∇
¯ k−1 f (x))
h h

-On appelle différences finies d’ordre 1 centrales, notées δhk f , la fonction définie par :

δhk f (x) = δh (δhk−1 f (x))

3. DÉRIVATION NUMÉRIQUE 55

Remarque 113. On appelle différences non divisées le produit

∇k = ∇kh hk

pour les différences non divisées progressives,

¯k = ∇
∇ ¯ k hk
h

pour les différences non divisées régressives, et

δk = δhk hk

pour les différences non divisées centrales.

3.5 Formules centrales de dérivation

1 h2
f 0 (x0 ) = (f (x1 ) − f (x−1 )) − f (3) (ξ), ξ ∈ [x−1 , x1 ]
2h 6

1 h4
f 0 (x0 ) = (f (x−2 ) − 8f (x−1 ) + 8f (x1 ) − f (x2 )) + f (5) (ξ), ξ ∈ [x−2 , x2 ]
12h 30

1 h2 (4)
f 00 (x0 ) = (f (x 1 ) − 2f (x 0 ) + f (x −1 )) + f (ξ), ξ ∈ [x−1 , x1 ]
h2 12

1 h4
f 00 (x0 ) = 2
(−2f (x−2 ) + 32f (x−1 ) − 60f (x0 ) + 32f (x1 ) − 2f (x2 )) + f (6) (ξ), ξ ∈ [x−2 , x2 ]
24h 90

3.6 Formules non centrales de dérivation

1 h2
f 0 (x−1 ) = (−3f (x−1 ) + 4f (x0 ) − f (x1 )) − f (3) (ξ), ξ ∈ [x−1 , x1 ]
2h 3

1 h2
f 0 (x1 ) = (f (x−1 ) − 4f (x0 ) + 3f (x1 )) + f (3) (ξ), ξ ∈ [x−1 , x1 ]
2h 3

1 h4
f 0 (x−1 ) = (−25f (x2 ) + 48f (x−1 ) − 36f (x0 ) + 16f (x1 ) − 3f (x2 )) + f (5) (ξ), ξ ∈ [x−2 , x2 ]
12h 5

1 h4
f 0 (x1 ) = (−f (x−2 ) + 6f (x−1 ) − 18f (x0 ) + 10f (x1 ) + 3f (x2 )) − f (5) (ξ), ξ ∈ [x−2 , x2 ]
12h 20

1 h4
f 0 (x2 ) = (3f (x−2 ) − 16f (x−1 ) + 36f (x0 ) − 48f (x1 ) + 25f (x2 )) − f (5) (ξ), ξ ∈ [x−2 , x2 ]
12h 5
56 CHAPITRE 4. INTEGRATION ET DÉRIVATION NUMÉRIQUE

4 SERIE D’EXERCICES
Exercice 114. Soit f une fonction possédant (n + 2) dérivées continues dans l’intervalle [a, b] ,
l’erreur d’interpolation polynomiale en (n + 1) points est donnée par :
(x−x1 )(x−x2 )....(x−xn+1 )f (n+1) (ξx )
n (x) = f (x) − pn (x) = (n+1)!

1. Calculer n0 (x);

2. Donner une évaluation de n0 (x) en un point d’interpolation xk ;
3. Pour n = 1, x1 = a, x2 = a + h, calculer p10 (a) et 10 (a);
4. Pour n = 2, x1 = a, x2 = a + h, x3 = a + 2h, calculer p20 (a) et 20 (a).
Exercice 115. Calculer y 0 (0, 97) de la fonction y = f (x) donnée par le tableau suivant :

x 0, 96 0, 98 1, 00 1, 02 1, 04
y 0, 7825361 0, 7739332 0, 7651977 0, 7563321 0, 7473390

Exercice 116. Calculer y 0 (50) et y 00 (50) de la fonction y = log(x) donnée par le tableau suivant :

x 50 55 60 65
y 1, 6990 1, 7404 1, 7782 1, 8129

Exercice 117. 1. Soit f (x) = ex , on donne le tableau suivant :

x 0, 4 0, 6 0, 7 1, 0
y 1, 491825 1, 822119 2, 013753 2, 718282

2. Calculer f 0 (0, 8) et donner une majoration de l’erreur.

3. Calculer f 00 (0, 8) et donner une majoration de l’erreur.