Académique Documents
Professionnel Documents
Culture Documents
numérique
1
Différentiation numérique
1er Cas de figure 2ème Cas de figure
– On ne peut évaluer la – On peut évaluer la
fonction que dans un fonction partout dans
nombre fini de points son intervalle de
de l’intervalle qui nous définition(nous avons
intéresse (table de l’expression
valeurs) analytique)
– Il faut interpoler la – L’approximation des
fonction sur l’intervalle dérivées se fera grâce
en question puis à la formule de
approximer ses Taylor,car il est difficile
dérivées de dériver à la main
– Erreurs de troncature – Erreurs de troncature
et d’arrondi et d’arrondi
2
Soit pn ( x) le polynôme d'interpolation de degré n de f ( x).
Alors, on a:
f ( x) = pn ( x) + En ( x),
f ( n +1) (ξ ( x))
où En ( x) = ( x - x0 )( x - x1 )....( x - xn )
(n + 1)!
En dérivant (1) on obtient:
dk f d k pn d k En
k
( x) = k
( x) + k
( x).
dx dx dx
Nous allons déduire de cette égalité des approximations pour les
dérivées de f ( x).
3
Dérivées d’ordre 1
et
m in( x 0 , x1 , x 2 , ...., x n ) < ζ i < m ax( x 0 , x1 , x 2 , ...., x n ).
f ( x ) = p1 ( x ) + E1 ( x ),
f '( x )= f [ x0 , x1 ] + E1' ( x ).
Pour x1 = x0 + h , on obtient
f ( x1 ) − f ( x0 ) hf ( 2) (ξ 0 )
f '( x0 ) = − , pour ξ 0 ∈ [ x0 , x1 ]
h 2
différence avant d'ordre1
Similairement,
f ( x1 ) − f ( x0 ) hf ( 2) (ξ1 )
f '( x1 ) = + , pour ξ1 ∈ [ x0 , x1 ]
h 2
différence arrière d'ordre1
5
n=2
xi = x0 + ih, i = 0,1, 2et soit f ∈ C3 ([ x0 , x2 ]).
On choisit l'interpolation de Lagrange sur [x0 , x2 ]. On a:
f ( x) = L0 ( x) f ( x0 ) + L1 ( x) f ( x1 ) + L2 ( x) f ( x2 ) + E2 ( x)
On déduit:
f '( x) = L'0 ( x) f ( x0 ) + L1' ( x) f ( x1 ) + L'2 ( x) f ( x2 ) + E2' ( x) On obtiendrait les mêmes formules
avec Newton? Pourquoi?
1 1 1
L'0 ( x) = 2
(2 x − 2 x0 − 3h ), L'
1 ( x ) = − 2
(2 x − 2 x0 − 2h ) et L'
2 ( x ) = 2
(2 x − 2 x0 − h)
2h h 2h
3 2 1 h2 (3)
f '( x0 ) = − f ( x0 ) + f ( x1 ) − f ( x2 ) + f (ζ 0 ) A (différence avant d'ordre 2)
2h h 2h 3
1 1 h2 (3)
f '( x1 ) = − f ( x0 ) + f ( x2 ) − f (ζ 1 ) B (différence centrée d'ordre 2)
2h 2h 6
1 2 3 h2 (3)
f '( x2 ) = f ( x0 ) − f ( x1 ) + f ( x2 ) + f (ζ 2 ) C (différence arrière d'ordre 2)
2h h 2h 3
6
Exemple
Approximer f '(1.1) en sachant f (1) = −1, f (1.1) = −0.869, f (1.2) = −0.672, f (1.3) = −0.403.
On sait que ln(2.0) = 0.69315, ln(2.2) = 0.78846, ln(2.4) = 0.87547, ln(2.6) = 0.95551,
ln(2.8) = 1.02962
Calculer la dérivée de ln( x) en x = 2.4.Trouver une borne de l'erreur de troncature.
1
A ln(2.4) ' ≈ ( −3× 0.87547 + 4 × 0.95551 −1.02962) = 0.41503(arrondi)
2 × 0.2
h2 2 0.22 2
∆x = 0.00164 erreur de troncature= ≤ = 0.00193
3 ξ0 3
3 2.4 3
1
B ln(2.4) ' ≈ ( −0.78846 + 0.95551) = 0.41763 (arrondi)
2 × 0.2
h2 2 0.22 1
∆x = 0.00096, erreur de troncature= ≤ = 0.00125
6 ξ13
3 2.2 3
1
C ln(2.4) ' ≈ ( 0.69315 − 4 × 0.78846 + 3× 0.87547 ) = 0.41430
2 × 0.2
h2 2 0.22 2
∆x = 0.00237, erreur de troncature= ≤ = 0.00333
3 ξ33 3 23 8
Généralement les données sont entachées d’erreurs. Voyons l’influence de ces
erreurs (arrondis) sur la formule B
S u p p o s o n s q u e l'o n c o n n a is s e la v a le u r r é e le d e f e n x 0 e t x 2 a v e c le s e r r e u r s ε 0 e t
r e s p e c ti v e m e n t ε 2 :
f ( x0 ) = f0 + ε 0 , f ( x2 ) = f2 + ε 2 .
L 'a p p r o x im a t i o n d e la d é r i v é e d e f e n x 1 e s t
1
f '( x 1 ) ≈ f '( x 1 ) = (− f0 + f 2 )
2h
a lo r s q u e la v a le u r e x a c te e s t:
1 h2
f '( x 1 ) = (− f 0 − ε 0 + f 2 + ε 2 ) − f (3)
(ζ 1 )
2h 6
O n d é d u it :
1 h2
| f '( x 1 ) − f '( x 1 ) | = (− ε 0 + ε 2 ) − f (3)
(ζ 1 )
2h 6
S i o n a u n e b o r n e d e ε 0 , ε 2 , c a d ε 0 , ε 2 < ε a lo r s
1 |ε0 |+ |ε2 | ε
(− ε 0 + ε 2 ) < <
2h 2h h
ε
Q uand h 0, . D 'u n a u t r e c o t é h d o i t ê t r e p e t i t p o u r q u e
h
h2
l'e r r e u r d e t r o n c a t u r e f (3)
( ζ 1 ) s o i t p e t i te . Il f a u t t r o u v e r u n c o m p r o m i s ...
6 9
On considère l'approximation de e x à 4 décimales correctes(5 c.s.) ;
e1 = 2.7183, e1.05 = 2.8577, e1.09 = 2.9743, e1.10 = 3.0042, e1.11 = 3.0344,
e1.15 = 3.1582, e1.20 = 3.3201
d x
Approximez (e ) , pour h = 0.1, 0.05, 0.01 .Analysez l'erreur
dx x =1.1
d x 1
(e ) = ( − 2.7183 + 3.3201) = 3.0090
dx x =1.1 2 × 0.1
d x 1
(e ) = ( − 2.8577 + 3.1582 ) = 3.0050
dx x =1.1 2 × 0.05
d x 1
(e ) = ( − 2.9743 + 3.0344 ) = 3.0050
dx x =1.1 2 × 0.01
10
Il y a 4 décim ales correctes dans les données (les valeurs de e x ), d'où on déduit que
l'erreur d'arrondi pour les données ne dépasse pas ε =0.5 × 10 -4 .
O n a m ontré que l'erreur d'arrondi dans l'approxim at ion de la dérivée est
ε
plus petite que . D onc pour
h
ε
0.5 × 10 -4
h = 0.1 l'erreur d'arrondi ≤ = = 0.5 × 10 -3
h 0.1
L'erreur de troncature pour h = 0.1 est ≤ 10 -3 × f '''(ξ 1 )
ε
0.5 × 10 -4
h = 0.05 l'erreur d'arrondi ≤ = = 10 -2
h 0.05 Bon compromis
L 'erreur de troncature pour h = 0.05 est ≤ 4 × 10 − 4 × f '''(ξ 2 )
ε
0.5 × 10 -4
h = 0.01 l'erreur d'arrondi ≤ = = 0.5 × 10 -2
h 0.01
L'erreur de troncature pour h = 0.01 est ≤ 10 -5 × f '''(ξ 3 )
La valeur de la dérivée est 3.0042, on déduit que 3.0050 est une bonne approxim
11ation.
Utilisation de la différentiation numérique dans la résolution des systèmes
non linéaires par la méthode de Newton
Résoudre
x12 + x1x2 + x22 + x3 − 4 = 0 f1(x1, x2 , x3 ) = 0
2x1 + x1x2 + x32 − 4 = 0 ⇔ f2 (x1, x2 , x3 ) = 0
x12 + x22 + x32 − 3 =0 f3 (x1, x2 , x3 ) = 0
Calcul de la matrice Jacobienne
∂fi
JF (x)=
∂xj
(x) ≈
1
2h
(
fi ( x + h×ej ) − fi ( x − h×ej ) ) i, j =1,3
,
i, j =1,3
f ( x + h) − f ( x)
f '( x ) = + O (h) différe nce avant d'ordre 1
h
f ( x) − f ( x − h)
f '( x ) = + O (h) différence arrière d'ordre 1
h
f ( x + h) − f ( x − h)
f '( x ) = + O (h 2 ) différence centrée d'ordre 2
2h
13
− f ( x + 2h) + 4 f ( x + h) − 3 f ( x)
f '( x) = + O(h2 ) différence avant d'ordre 2
2h
3 f ( x) − 4 f ( x − h) + f ( x − 2h)
f '( x) = + O(h2 ) différence arrière d'ordre 2
2h
ex.1
Problèmes:
Par exemple, pour la différence centrée d'ordre 2 et pour h <<1 très petit,
f ( x + h) f ( x − h).
f ( x 2 ) − 2 f ( x1 ) + f ( x 0 ) f ( x0 + 2 h ) − 2 f ( x0 + h ) + f ( x0 )
p 2'' ( x 0 ) = = = f ''( x 0 ) + O ( h )
h2 h2
f ( x 2 ) − 2 f ( x1 ) + f ( x 0 ) f ( x1 + h ) − 2 f ( x1 ) + f ( x1 − h )
p 2'' ( x1 ) = 2
= 2
= f ''( x1 ) + O ( h 2
)
h h
f ( x 2 ) − 2 f ( x1 ) + f ( x 0 ) f ( x2 ) − 2 f ( x2 − h ) + f ( x2 − 2 h )
p 2'' ( x 2 ) = 2
= 2
= f ''( x 2 ) + O ( h )
h h 16
Méthode d’extrapolation de Richardson
•Méthode générale
•S’applique à
•La différentiation numérique
•L’intégration numérique
•La résolution numérique des EDO
17
Soit PM un procédure mathématique et PN ( h ) une procédure numérique
qui approxime PM et qui dépend de h (le pas d'approximation)
α n P N ( h ) − PN (α h ) O ( h m ) − O ((α h ) m )
PM = +
α −1n
α n −1
O ( hm )
α n NP ( h ) − NP(α h)
On déduit que est une approximation d'ordre m > n.
α −1n
18
Exemple: dérivée centrée
f ( x0 + h ) − f ( x0 − h )
f '( x 0 ) = + r e s te
2h
L e d é v e lo p p e m e n t d e T a y lo r:
h2 h3 h4
f ( x 0 + h ) = f ( x 0 ) + h f '( x 0 ) + f ''( x 0 ) + f '''( x 0 ) + f (4)
( x0 ) + O (h 5 )
2 3! 4!
h2 h3 h4
f ( x 0 − h ) = f ( x 0 ) − h f '( x 0 ) + f ''( x 0 ) − f '''( x 0 ) + f (4)
( x0 ) + O (h 5 )
2 3! 4!
L a s o u s tra c tio n d e s d e u x fo rm u le s p ré c é d e n te s d o n n e :
f ( x0 + h ) − f ( x0 − h ) h2
= f '( x 0 ) + f '''( x 0 ) + O ( h 4 ) (1)
2h 6
E n re m p la c a n t h p a r 2 h o n a :
f ( x0 + 2 h ) − f ( x0 − 2 h ) 4h2
= f '( x 0 ) + f '''( x 0 ) + O ( h 4 ) (2)
4h 6
E n e ffe c tu a n t 4 × (1) − ( 2 )
f ( x0 − 2 h ) − 8 f ( x0 − h ) + 8 f ( x0 + h ) − f ( x0 + 2 h )
f '( x 0 ) = + O (h 4 ) 19
12h
Exemple: méthode d’Euler pour la résolution d’EDOs
O n d é s ire ré s o u d re s u r I = [ a , b ]
x '( t ) = f ( t , x ( t ) ) , x(a ) = α .
b − a
L a m é t h o d e d 'E u l e r a v e c u n p a s h = > 0 e st d o n n é e p a r:
N
x0 = α , x i+1 = x i + h f (ti , x i )
o ù ti = a + ih , i = 0 , N − 1
O n s a i t q u e l a m é t h o d e d 'E u le r a u n e e r r e u r d 'i n t e r p o la t i o n l o c a le e n O ( h ) :
x (ti ) = xi + h δ (ti ) + O ( h 2 ), i = 1, N
O n n o t e x ( t , h ) la s o l u t i o n n u m é r i q u e o b t e n u e a v e c l e p a s h .
S o i t h1 < h 0 d e u x p a s d e t e m p s ,
L 'e x t r a p o l a t i o n p e u t ê t r e a p p l i q u é e p o u r a p p r o x i m e r x ( t ) p o u r u n
t p a r t i c u l i e r . N o u s a l lo n s c o n s i d é r e r t = b .
E u le r a v e c h 0 x (b ) = x (b , h0 ) + h0 δ (ti ) + O ( h0 2 )
E u le r a v e c h 1 x ( b ) = x ( b , h1 ) + h1 δ ( t i ) + O ( h1 2 )
A lo r s ,
h 0 x ( b , h1 ) − h1 x ( b , h 0 )
x (b ) = + O (h0 2 )
h 0 − h1 20
Formules de différentiation numérique
f ( x + h) − f ( x)
f '( x ) = + O ( h ), différence avant d'ordre 1
h
f ( x) − f ( x − h)
f '( x ) = + O ( h ), différence arrière d'ordre 1
h
f ( x + h) − f ( x − h)
f '( x ) = + O ( h 2 ), différence centrée d'ordre 2
2h
− f ( x + 2h) + 4 f ( x + h) − 3 f ( x)
f '( x ) = + O ( h 2 ) différ ence avant d'ordre 2
2h
3 f ( x) − 4 f ( x − h) + f ( x − 2h)
f '( x ) = + O (h 2 ) différence arrière d'ordre 2
2h
f ( x + 2h) − 2 f ( x + h) + f ( x)
f ''( x ) = 2
+ O ( h ), différence avant d'ordre 1
h
f ( x + h) − 2 f ( x) + f ( x − h)
f ''( x ) = 2
+ O ( h 2 ), différence centrée d'o rdre 2
h
f ( x) − 2 f ( x − h) + f ( x − 2h)
f ''( x ) = + O ( h ), différence arrière d'ordre 1
h2
21
Intégration numérique
b
Problème: Calcul de f ( x)dx
a
Cas1 :
On connait f ( x) au points ( x0 = a, f ( x0 )),( x1, f ( x1 ))....( xn = b, f ( xn ))
Cas2:
1
x2
e dx (pas de primitive)
0
22
Idée: iterpolation sur x0 = a , xn = b
f ( x ) = pn ( x ) + En ( x ),
on intègre sur [x0 , xn ] pour obtenir
xn xn xn
f ( x ) dx = pn ( x ) dx + En ( x ) dx,
x0 x0 x0
f(x)
f(b)
Approximation de f par un f(a)
polynôme de degré 1 sur [a,b].
a b
b b b
f ( x)dx = p1 ( x)dx + E1 ( x)dx
a a a
f ''(ξ ( x))
b b
b−a
f ( x)dx = ( f (a) + f (b)) + ( x − a)( x − b)dx
a
2 a
2!
Airedu trapèze 24
erreur de troncature
Exemple
π
2
π π
sin x dx ≈ sin 0 + sin = 0.785398
0
4 2
La valeur exacte de l'intégrale est 1
L’approximation est mauvaise (grossière) car on approche sin(x)
par un polynôme de degré 1 sur un intervalle très grand.
f ''(ξ(x)) f ''(η)
b
(x −a)(x −b)dx =− (b −a) , η ∈[a,b]
3
a
2! 12
25
Si (b-a)=h <<1 -> la méthode est d’ordre 3
Exemple
1
Trouver une approximation de I= x 2 dx par la méthode du trapèze.
0
1
1 2 2 1
I = x 2 dx (0 + 1 ) =
0
2 2
Trouver l'erreur exacte. Montrer que c'est la même erreur que celle
prédite par la théorie.
1 3 1
x 1
I = x 2 dx = = .
0
3 0
3
1
L'erreur exacte comise est I - I = −
6
L'erreur prédite par la théorie est:
f ( 2) (ξ ( x ))
1 1
2 1 1 1
E=− ( x − 0)( x − 1)dx = − ( x − 0)( x − 1)dx = − − = −
0
2! 2! 0
3 2 6
26
Pour avoir un meilleur résultat avec l’approximation par un
polynôme de degré 1 on procède comme suit:
f(x)
f(b)
f(a)
i n
1 2
x0=a x1 xn=b
aire=aire(1)+aire(2)+….+aire(n) 27
b − a
xi = a + ih , i = 0, n, avec h =
n
b n − 1 x i +1 n −1
h
f ( x)dx = f ( x)dx ≈ ( f ( x i ) + f ( x i+1 ) )
a i=0 xi i= 0 2
U n c a lc u l s im p le m o n tr e q u e :
b n −1
h
( )
f x dx ≈ f ( x0 ) + 2 f ( xi ) + f ( xn )
a
2 i =1
(b − a)
− f ''(η ) h 2 , pour η ∈ [a, b]
12 28
DEFINITIONS
29
Formule de Simpson 1/3
L’étape suivante consiste à utiliser des polynômes de degré 2 sur chaque
intervalle de la division x0=a,x1,x2,……,xn=b.
P r e n o n s p o u r c e la 3 p o in ts ( x 0 , f ( x 0 ) ) , ( x1 , f ( x1 ) ) e t ( x 2 , f ( x 2 ) )
S o i t l e p o l y n ô m e d 'i n t e r p o l a t i o n d e N e w t o n
p 2 ( x ) = f [ x 0 ] + f [ x 0 , x1 ] ( x − x 0 ) + f [ x 0 , x1 , x 2 ] ( x − x 0 ) ( x − x1 )
A lo rs o n a :
x2 x2
f ( x)dx ≈ p2 ( x)dx
x0 x0
E n s u p p o s a n t x i = x 0 + ih , i = 0 ,1, 2 o n o b tie n t
x2 x2
h
f ( x)dx ≈ p2 ( x)dx = ( f ( x 0 ) + 4 f ( x1 ) + f ( x 2 ) )
x0 x0
3 30
T ro u v er C 0 , C 1 , C 2 te ls q u e la f o r m u le d e q u a d r a tu r e s u iv a n te
2
f ( x )d x =C 0 f ( 0 ) + C 1 f (1 ) + C 2 f (2)
0
s o it e x a c te p o u r le s p o ly n ô m e d e d e g r é in f é r ie u r o u é g a l à 2 .
Il s u f f it d e p r e n d r e f ( x ) = 1, x e t x 2 .
2
2 = 1d x =C 0 × 1 + C1 × 1 + C 2 ×1
0
2
2 = x d x =C 0 × 0 + C1 ×1 + C 2 × 2
0
2
8
= x 2 d x =C 0 × 0 2 + C 1 × 12 + C 2 × 22
3 0
O n o b tie n t:
1 4
C 0 = C 2 = e t C 1 = ( c a d la f o r m u le d e S im p s o n 1 /3 )
3 3
O n p o u rra it d é d u ire q u e le d e g ré d e p ré c is io n e s t 2 . N o u s v e rr o n s
q u 'i l e s t e n f a i t é g a l à 3 .
31
Analyse de l’erreur
On ajoute un 4-ème point ( x3 , f ( x3 )) avec x3 = x 0 + 3 h , et on construit
x2 x2
p 2 ( x ) dx = p 3 ( x ) dx
x0 x0
x2
On déduit que l'erreur est donnée par E 3 ( x ) dx (alors que l'on s'attendait à ce qu'elle soit
x0
x2
donnée par E 2 ( x ) dx ).
x0
On démontre que :
x2 x2
f (η ) 5
(4)
f ( x ) dx = p 2 ( x ) dx − h 32
x0 x0
90
Simpson 1/3 composée
Polynôme de degré
2 qui passe par Polynôme de degré 2 qui
(x0,f(x0)), passe par (x2,f(x2)),
(x1,f(x1)),(x2,f(x2)) (x3,f(x3)),(x4,f(x4))
f(x)
x0=a x1 x2 x3 x4 33
x2n=b
Il est facile d e m o n trer q u e la fo rm u le d evien t
b
h
f ( x)dx = ( f ( x 0 ) + 4 f ( x1 ) + 2 f ( x 2 ) + 4 f ( x 3 ) + 2 f ( x 4 ) + .......
a
3
...... + 4 f ( x 2 n − 3 ) + 2 f ( x 2 n − 2 ) + 4 f ( x 2 n − 1 ) + f ( x 2 n ))
(b - a )
- f (4)
(η ) h 4 , η ∈ [a, b]
180
La formule de Simpson 1/3 est basée sur l’approximation de f(x). par un polynôme
de degré 2.
x3
3h 3 f (4) (η ) 5
f ( x)dx = ( f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f ( x3 ) ) − h , η ∈ [ x0 , x3 ]
x0
8 80
36
Formule de Boole
La formule de Boole est basée sur l’approximation de f(x) par un polynôme
de degré 4.
x4
2h 8 f (6) (η ) 7
f ( x)dx = ( 7 f ( x0 ) + 32 f ( x1 ) + 12 f ( x2 ) + 32 f ( x3 ) + 7 f ( x4 ) ) − h ,
x0
45 945
η ∈ [ x0 , x4 ]
37
x4 n =b n −1 x4 i+4 n −1
2h
f ( x)dx = f ( x)dx (7 f ( x4i ) + 32 f ( x4i +1 ) + 12 f ( x4i +2 ) + 32 f ( x4i +3 ) + 7 f ( x4i +4 ))
x0 = a i =0 x4 i i =0 45
2h
(7 f ( x0 ) + 32 f ( x1 ) + 12 f ( x2 ) + 32 f ( x3 ) + 14 f ( x4 ) + .....
45
+ 32 f ( x4 n−1 ) + 7 f ( x4 n ))
38
Problèmes liés à l’intégration
numérique
• L’intégration numérique dépend de la
qualité de l’approximation (locale) de la
fonction par un polynôme
• Il est parfois souhaitable de modifier la
fonction à intégrer(intégrand) avant de
faire son calcul numérique
• Si les intégrands sont singuliers (infinis) en
certains points de l’intervalle d’intégration
alors la modification devient nécessaire
39
Exemples de problèmes numériques et des solutions
1 1
−
I= x 2
e x dx
0
L a f o n c t io n e s t in f in ie e n x = 0 .1
( v r a i e n '7 4 . A v e c M a tla b il f a u t a lle r ju s q u 'à 1 0 -1 0 3 ) .
S o lu tio n
1 1
−3 x2 −3 x2
I = x (1 + x + ) dx + x (e − 1 − x −
x
) dx
0 .1
2 0 .1
2
c a lc u l e x a c t d é riv é e s d e g r a n d e u r m o d é r é e s
41
Méthode de Romberg
Trapèzes composées (ordre 2) + Extrapolation de Richardson
O n peut m ontrer grace à la form ule de E uler-M aclaurin que la form ule des
trapèzes com posée s'écrit:
b m −1 ∞
h
J = f ( x ) dx = ( f ( x 0 ) + 2 f ( x i ) + f ( x m )) + a jh2 j ,
a
2 i =1 j =1
b-a
où h = ( m sous-intervalles) et a j dépend de a , b et f .
m
O n note
k −1
−1
b-a 2
T1, k = k ( f ( x0 ) + 2 f ( x i ) + f ( x 2 k −1 ))
2 i =1
le résultat avec la m éthode des trapèzes com posée avec 2 k-1 sous-intervalles.
O n peut alors construire:
1
Tm , k =
2 2m−2
−1
( 2 2m−2
Tm −1, k + 1 − T m −1, k )
42
METHODE DE ROMBERG
T6,1 O(h12)
43
ROMBERG pour
3
dx
= ln(3) = 1.098612289
1
x
1.098612290 O(h12)
44
Quadrature de Gauss
La méthodedu trapèze
b
(b − a)
f ( x)dx ≈ ( f (a) + f (b)) = α1 f (a) + α2 f (b)
a
2
(b − a)
a un degré de précision 1 (ici α1 = α 2 = ).
2
Est-il possible de trouver deux "poids" ω1 et ω2 et deux points x1 , x2 ∈[a, b]
de manière à avoir un degré de précision plus élevé pour la formule suivante
b
f ( x)dx ≈ ω1 f ( x1 ) + ω2 f ( x2 ) ??
a
b −1
b-a
f ( x)dx = g (t )dt
a
2 −1
Problème : trouver {xi }i =1,n et {ωi }i =1, n afin que le degré de précision de l'approximation:
−1 n
g (t )dt = ωi g ( xi ) (QG)
−1 i =1
Définition
s o i t e x a c t e p o u r d e s p o ly n ô m e s d e d e g r é le p l u s é le v é p o s s i b l e .
O n p re n d
1
g (t ) = 1 1 d t = 2 = ω 1 = ω 1 g ( t1 ) ω1 = 2
−1
1
g (t ) = t t d t = 0 = 2 ω 1 t1 t1 = 0
−1
L a f o r m u l e d e q u a d r a t u r e à u n p o i n t s 'é c r i t
1
g (t ) d t ≈ 2 g (0 )
−1
E l le e s t e x a c t e p o u r t o u t p o ly n ô m e d e d e g r é 1 47
Quadrature de Gauss à 2 points
O n c h e rc h e ω 1 , ω 2 e t t 1 , t 2 t e l s q u e l a f o r m u le
1
g ( t ) d t = ω 1 g ( t1 ) + ω 2 g ( t 2 )
−1
s o i t e x a c t e p o u r d e s p o ly n ô m e s d e d e g r é le p l u s é le v é p o s s i b l e .
O n p re n d
1
g (t ) = 1 1d t = 2 = ω 1 + ω 2
−1
1
g (t ) = t t d t = 0 = 2 ω 1 t1 + 2 ω 2 t 2
−1
1
2
g (t ) = t 2
t2dt = = ω 1 t 12 + ω 2 t 22
−1
3
1
g (t ) = t 3
t 3 d t = 0 = ω 1 t 13 + ω 2 t 13
48
−1
L a f o r m u le d e q u a d r a t u r e à 2 p o i n t s s 'é c r i t
1
1 1
g (t ) d t ≈ g − + g
−1
3 3
E lle e s t e x a c t e p o u r t o u t p o ly n ô m e d e d e g r é 3 .
L 'e f f o r t d e c a lc u l e s t le m ê m e q u e p o u r la m é t h o d e d u
tra p è z e (d e g ré d e p ré c is io n 1 )
Remarques:
Il est possible de déterminer des quadrature de Gauss avec un grand nombre de points
Les points d’intégration de Gauss sont les racines des polynômes de Legendre définis
par récurrence:
L0 ( x) = 1, L1 ( x) = x
49
(n + 1) Ln +1 ( x) = (2n + 1) x Ln ( x) − nLn −1 ( x)
Quadrature de Gauss à n points
( n !)
2 n +1 4
2
f (2 n ) (ξ ) , ξ ∈ [−1,1]
(2n + 1)!( (2n)!)
3
S. Poisson
50