Différentiation et intégration

numérique

Approximer f '( x), f ''( x),... f ( n ) ( x)

b
f ( x)dx
Calculer a

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

Aux points d'interpolation ( x 0 , x1 ,..., x n ) on a:

Formule aux différences finies

f n' ( x i ) = p n' ( x i ) + E n' ( x i ),
où
n
f (ζ i )
( n + 1)
E ( xi ) = ∏
'
n ( xi − x j ) , i = 0, n
j =1 ( n + 1)!
j≠i

et
m in( x 0 , x1 , x 2 , ...., x n ) < ζ i < m ax( x 0 , x1 , x 2 , ...., x n ).

R em arque: si x 0 < x1 < ... < x n , alors m in( x 0 , x1 , x 2 , ...., x n ) = x 0

et m ax( x 0 , x1 , x 2 , ...., x n ) = x n
4
n =1
Soit p1 le polynôme d'interpolation de Newton passant par (x0 , f ( x0 )) et (x1 , f ( x1 )). On a

f ( x ) = p1 ( x ) + E1 ( x ),

avec p1 ( x ) = f [ x0 ] + f [ x0 , x1 ]( x − x0 ).On déduit:

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.

En utilisant B , avec x0 = 1, x1 = 1.1, x2 = 1.2 on obtient

1
f '(1.1) ≈ (1− 0.762) = 1.64
0.2
En utilisant A , avec x0 = 1.1, x1 = 1.2, x2 = 1.3 on obtient
1
f '(1.1) ≈ ( 2.607 − 2.688 + 0.403) = 1.61
0.2
Quel résultat est plus correct (1.61 ou 1.64)??

Cet exemple a été construit en partant de f ( x) = x3 - 2x.

Donc, f'(1.1)=3×1.12 − 2 = 1.63.
L'erreur comise avec A est deux fois plus grande que celle comise avec B
(normal car f (3) (x)=6).
7
 Exemple

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

où e1 = (1,0,0)T , e2 = (0,1,0)T et e3 = (0,0,1)T

12
 Formules de différences finies d’ordre 1 et 2 pour f’(x)
On convient d'évaluer la dérivée en x.
On utilise alors convenablement (en fonction de la formule aux différences
choisie) x - 2 h , x - h , x + h , x + 2 h.

On peut déduire facilement:

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).

Nous allons soustraire des nombres presque identiques(très proches) quand h → 0,

ce qui implique que les erreurs d'arrondi vont dominer le calcul. Il est donc inutile de
diminuer le h, il existe donc un seuil qui est en fait déterminé par la précision
avec laquelle on peut calculer f ( x).
14
 Problème 1:

Supposons connue (une borne de)l'erreur relative commise en calculant f ( x),

Er ( f ( x)) ≤ C
On désire utiliser la différence centrée d'ordre 1. Comment choisir le pas h si
on désire une erreur relative du résultat inférieure à TOL(=par ex. à ε M )?
Solution:
C
O n a que l'erreur relative com m ise avec cette form ule est plus petite que .
h
O n im pose alors,
C C
≤ TOL ⇔ ≤h
h TOL
C
Il est donc inutile de décroitre h plus que .
TOL
Problème 2:
M ontrer que pour la différence centrée utilisée pour la dérivée seconde le seuil
4C
pour le h est donné par < h 2 .( voir définition acétate suivant) 15
TOL
 Dérivées d’ordre supérieur
Soit p 2 ( x ) le polynôm e d'interpolation de N ew ton qui passe par
( x 0 , f ( x 0 )), ( x1 , f ( x1 )) et ( x 2 , f ( x 2 )). Alors, on a:

f ( x) = p2 ( x) + E2 ( x) f ''( x ) = p 2'' ( x ) + E 2'' ( x )

L'approxim ation de la dérivée seconde sera (si x1 = x 0 + h et x 2 = x1 + h = x 0 + 2 h )

f ( x 2 ) − 2 f ( x1 ) + f ( x 0 )
p 2'' ( x ) = 2 f [ x 0 , x1 , x 2 ] = 2
(approxim ation dans [ x 0 , x 2 ]).
h
Q uelle est l'erreur d'approxim ation (de troncature)?

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

•Augmente la précision d’une méthode d’approximation

•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)

On suppose qu'il existe des constantes c , n , m telles que:

PM = PN( h ) + c h n + O ( h m ) (1)
avec m > n.
Si la même procédure numérique est appliquée avec un pas α h, où α >0, α ≠ 1, alors:
PM = PN(α h ) + c (α h ) n + O ((α h ) m ) (2)
On effectue α n × (1) − (2)
(α n − 1) PM = α n PN ( h ) − PN (α h ) + O ( h m ) − O ((α h ) m )

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

Quand n varie on obtient les formules de Newton-Cotes.

On ne dépasse pas n=5 en pratique.

Newton-Cotes+extrapolation -> méthode de Romberg 23

 Formules de Newton-Cotes simples et composées

f(x)
f(b)
Approximation de f par un f(a)
polynôme de degré 1 sur [a,b].

L’approximation est grossière

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.

On peut montrer que l’erreur d’approximation est

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:

• On construit une division de [a,b] avec un pas h assez

petit
• On approxime la fonction f(x) dans chaque intervalle de la
division par un polynôme de degré 1.
• On calcule l’intégrale comme la somme des aires des
trapèzes

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

Formule des trapèzes composée

Erreur de la méthode des trapèzes composée: (ordre 2)

(b − a)
− f ''(η ) h 2 , pour η ∈ [a, b]
12 28
DEFINITIONS

1. Formules d’intégration numérique= formules de quadrature

2. Degré de précision = valeur maximale de n pour laquelle la

formule de quadrature intègre exactement tout polynôme de
degré inférieur ou égal à n

Degré de précision de la formule des trapèzes:

Evidement le degré de précision est 1. Si la fonction à intégrer est un

polynôme de degré plus petit ou égal à 1 alors l’erreur d’approximation
est nulle. L’intégration est alors exacte

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.

Voyons d’abord quelle formule utiliser sur chaque sous-intervalle.

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

p 3 ( x ) = p 2 ( x ) + correction de degré 3 (polynôme de degré 3)

de facon à avoir p 3 ( x3 ) = f ( x3 ).
On s'appercoit alors que :

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

Amélioration de la méthode de Simpson 1/3

On divise [a,b] en 2n intervalles et on utilise Simpson 1/.3 dans
chaque paire de sous-intervalles

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 ))

avec u n e erreu r to tale d e

(b - a )
- f (4)
(η ) h 4 , η ∈ [a, b]
180

La méthode est d’ordre 4

Le degré de précision est 3 (l’intégration est exacte pour

les polynômes de degré plus petit ou égal à 3 ). En effet dans le terme
d’erreur on a la dérivée d’ordre 4 de f. La dérivée d’ordre 4 de tout polynôme
dont le degré plus petit ou égal à 3 est nulle => erreur nulle dans ce cas
34
 Formule de Simpson 3/8

La formule de Simpson 1/3 est basée sur l’approximation de f(x). par un polynôme
de degré 2.

La formule de Simpson 3/8 utilise des polynômes de degré 3. On a:

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

Méthode de Simpson 3/8 composée

Pour un intervalle quelconque [a,b], on divise ce dernier en 3n sous-intervalles et

on approxime sur chaque triplet de sous-intervalles la fonction f(x) par des
polynômes de degré 3. On obtient la formule suivante : 35
x3 n = b n −1 x3 i+3 n −1
3h
f ( x)dx = f ( x)dx ( f ( x3i ) + 3 f ( x3i +1 ) + 3 f ( x3i + 2 ) + f ( x3i +3 ) )
x0 = a i = 0 x3 i i =0 8
3h
( f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + 2 f ( x3 ) + 3 f ( x4 ).....
8
...... + 2 f ( x3n −3 ) + 3 f ( x3n − 2 ) + 3 f ( x3n −1 ) + f ( x3n ))

3 f (4) (η ) 5 b−a 3 f (4) (η ) 5 (b − a ) f ( 4) (η ) 4

Erreur = n × − h = × − h = − h , η ∈ [ x0 , x3 ]
80 3h 80 80

Même ordre de convergence (=4) et même degré de précision (=3) que la

méthode de Simpson 1/3 composée.

Ceci fait qu’on utilise Simpson 1/3.

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 ]

Méthode de Boole composée

Pour un intervalle quelconque [a,b], on divise ce dernier en 4n sous-intervalles et

on approxime sur chaque triplet de sous-intervalles la fonction f(x) par des
polynômes de degré 4. On obtient la formule suivante :

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 ( x4n−5 ) + 14 f ( x4n−4 ) + 32 f ( x4n−3 ) + 12 f ( x4 n−2 ) +

+ 32 f ( x4 n−1 ) + 7 f ( x4 n ))

8 f (6) (η ) 7 b−a 8 f (6) (η ) 7 2(b − a) f (6) (η ) 6

Erreur = n × − h = × − h = − h , η ∈[ x0 , x3 ]
945 4h 945 945

L’ordre de convergence est égal à 6.

Le degré de précision est égal à 5.

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

La fonction est ∞ à l'origine.Solutions:

1) Changement de variable
1
t2
x=t 2
I = 2e dx
0

Cette dernière intégrale peut etre traitée par la méthode de Romberg.

2) Intégration par parties
1 1 1 1 1 1 3 1 1 3
− 2 4
I= x 2
e dx = 2 x e
x 2 x
− 2 x e dx = 2 e − 2
2 x
x ex
2
+ x 2 e x dx
0 0 0
3 0
30
La singularité à l'origine est très faible. Si on désire une bonne précision il
faudrait intégrer par parties encore plusieurs fois.
Pour Rom berg la continuité de l'intégrand est une condition suffisante40de
convergence. Pour une convergence rapide il faut plus...
 1
I = x −3 e x d x
0 .1

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

T1,1 T1,2 T1,3 T1,4 T1,5 T1,6 O(h2)

T2,1 T2,2 T2,3 T2,4 T2,5 O(h4)

T3,1 T3,2 T3,3 T3,4 O(h6)

T4,1 T4,2 T4,3 O(h8)

T5,1 T5,2 O(h10)

T6,1 O(h12)

43
ROMBERG pour
3
dx
= ln(3) = 1.098612289
1
x

1.33333(3) 1.16666(6) 1.11666(6) 1.103210678 1.099767701 1.098901515 O(h2)

1.1111111 1.100000000 1.098725349 1.098620043 1.098612786 O(h4)

1.099259259 1.098640372 1.098613022 1.098612303 O(h6)

1.098630548 1.098612588 1.098612291 O(h8)

1.098612519 1.098612290 O(h10)

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

Si on prennait n poids et n points ? 45

 On effectue un changement de variable pour ramener l'intégrale sur [-1,1].

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

soit le plus élevé possible !

Définition

L’expression encadrée (QG) s’appelle quadrature de Gauss à n points

Les points ti s’appellent points d’intégration

Les coefficients ω i s’appellent poids d’intégration

46
 Quadrature de Gauss à 1 point
O n c h e r c h e ω 1 e t t 1 t e ls q u e l a f o r m u le
1
g ( t ) d t = ω 1 g ( t1 )
−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 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

Le degré de précision est 2n-1 et le terme d’erreur est:

( n !)
2 n +1 4
2
f (2 n ) (ξ ) , ξ ∈ [−1,1]
(2n + 1)!( (2n)!)
3

"Life is good for only two things, discovering mathematics

and teaching mathematics."

S. Poisson
50