Livre Tome1

Benhadid Samir
Département de Mathématiques
Faculté des Sciences Exactes
Laboratoire Mathématiques Appliquées et Modélisation
à l’usage des étudiants de deuxième années Mathématiques LMD
Tome1
2020
″ Les Solutions analytiques exactes qui sont rares en physique, sont élégantes, mais n’ont pas plus de
valeur intrinsèque que les solutions numériques. On ne doit pas sous-estimer la facilité et la
puissance des méthodes de calcul numérique″
M.A.RUDREMAN
Cours de physique de Berkely
Table des matières ………………………………………………………………………………..1
Introduction……………………………………………………………………………………..4
Chapitre1 : Notion d’erreur....................................................................................................5
1. Introduction………………………………………………………………………………….5
2. Erreur absolue ………………………………………………………………………………5
3. Erreur relative……………………………………………………………………………….6
4. Notation décimale des nombres approchés et chiffres significatifs………………………....9
5. Chiffres exactes d’un nombre décimal approché………………………………………...….9
6. Arrondissement d’un nombre………………………………………………………………..9
7. Relation entre l’erreur relative d’un nombre approché et le nombre de chiffres exacts……..11
8. Erreur d’une somme………………………………………………………………………… 11
9. Erreur d’une différence……………………………………………………………………....13
10. Erreur d’un produit. ………………………………...……………………………………......15
11. Erreur d’un quotient………………………………………………………………………......17
12. Erreur d’une puissance………………………………………………………………………..17
13. Erreur d’une racine …………………………………………………………………18
14. Formule générale de l’erreur………………………………………………………………….18
Exercices avec solutions du chapitre1………………………………………………..……………20

Solutions des exercices du chapitre1………………………………………………………………21
Chapitre2 : Approximation …………………………………………………………………..26
1. Introduction………………………………………………………………..………………….26
2. Rappels mathématiques ………………………………………………………...…………….26
3. Approximation dans un espace métrique …………………………………………………......27
3-1. Meilleure approximation dans un espace métrique……………………………………...27
3-2. Meilleure approximation dans un espace vectoriel normé……………………………...28
3-3. Meilleure approximation dans un espace préhilbertien ……………………………..…28
4. Approximation des moindres carrés…………………………………………………………..30
4-1. Approximation continue des moindres carrés…………………………………………..30
4-2. Cas particuliers ………………………………………………………………………....30
4-3. Approximation discrète des moindres carrés …………………………………………..33
5. Interpolation …………………………………………………………………………………35
5-1. Interpolation par une famille linéaire …………………………………………………35
5-2. Interpolation polynomiale……………………………………………………………..36
Exercices avec solutions du chapitre 2…………………………………………………………..48

Solutions des exercices du chapitre 2……………………………………………………………50
Chapitre3 : Intégration Numérique………………………………………………………..53
1. Introduction…………………………………………………………………………………53
2. Méthode générale d’intégration…………………………………………………………….53
2-1. Détermination des coefficients ……………………………………………………..53
2-2. Erreur d’intégration …………………………………………………………………..54
3. Utilisation de l’interpolation polynômiale………………………………………….54
4. Méthode de Newton-Cotes………………………………………………………….55
4-1. Formules de Newton-Cotes……………………………………………………………55
5. Méthode de Gauss …………………………………………………………………..59
5-1. Détermination des points (abscisses de Gauss)……………………………………..60
5-2. Degré de validité maximum……………………………………………………………61
5-3. Propriétés des abscisses de Gauss lorsque la fonction w ne change pas de signe……..61
5-4. Propriétés des coefficients ………………………………………………………...61
5-5. Erreur de l’intégration par la méthode de Gauss ……………………………………..62
6. Convergence des méthodes d’intégration numériques………………………………64
6-1. Cas de la méthode de Gauss …………………………………………………………65
Exercices avec solutions du chapitre3…………………………………………………………..66

Solutions des exercices du chapitre 3…………………………………………………………...68
Chapitre4 : Dérivation Numérique ................................................................................73
1. Introduction……………………………………………………………………………...73
2. Formules utilisant les différences divisées………………………………………………73
3. Formules utilisant les différences non divisées…………………………………………73
3-1. Formules de dérivation approchée basées sur la formule de Newton progressive..74
3-2. Formules de dérivation approchée basées sur la formule de Newton régressive ...75
Exercices avec solutions du chapitre4………………………………………………………..77

Solutions des exercices du chapitre 4………………………………………………………...78
Chapitre5 : Résolution numérique des équations non linéaires ……………………….82
1. Introduction…………………………………………………………………………………..82
2. Séparation des racines………………………………………………………………………..82
2-1. Méthodes graphiques …………………………………………………………………..82
2-2. Méthodes algébriques ………………………………………………………………….83
3. Détermination des racines approchées……………………………………………………….85
3-1. Méthode de dichotomie ………………………………………………………………..85
3-2. Méthode des approximations successives……………………………………………...87
Page 2
3-3. Méthode de Newton (Méthode de la tangente)………………………………………..95
3-4. Méthode de Newton modifiée …………………………………………………………100
Exercices avec solutions du chapitre5………………………………………………………..103
Solutions des exercices du chapitre5…………………………………………………………105
Bibliographie ……………………………………………………………………………………112
Page 3
Introduction
Ce livre n’a pas la prétention d’être un exposé exhaustif sur le sujet, par contre, il a pour but de fournir
aux lecteurs les notions de base afin de pouvoir aborder de tels problèmes. Il s’adresse essentiellement
aux étudiants de la deuxième année mathématique (LMD).
Afin de ne pas offrir un volume indigeste, cet ouvrage a été scindé en deux tomes, dont le deuxième
est en cours d’élaboration.
L’expérience montre, et c’est bien compréhensible, que les débutants en la matière ont quelque peine à
prendre conscience des difficultés de tous ordres qui peuvent survenir dans la résolution numérique
effective d’un vrai problème : il y a, en effet, tout un monde entre le théorème d’existence et d’unicité
d’une solution et sa connaissance numérique avec une précision acceptable. Ils sont encore plus
désorientés quand ces difficultés sont telles que la solution théorique qu’ils connaissent, est non
utilisable en pratique. Le lecteur doit donc pressentir que l’intervention des méthodes de résolutions
numériques est très souvent indispensable, en tout cas, dès que le problème à traiter atteint une
certaine taille, ou que sa résolution n’est pas explicitement connue.
Depuis 1945 l’apparition et le développement phénoménal des ordinateurs ont fait faire un bon à
l’analyse numérique. Les anciens algorithmes ont été améliorés, de nouveaux furent mis au point. La
rapidité des ordinateurs a permis de résoudre des problèmes de plus en plus compliqués, donc de
mieux percevoir et maitriser les processus complexes.
Avec les ordinateurs, l’analyse numérique trouve maintenant application dans tous les domaines de
l’activité scientifiques parmi lesquelles : simulation et commande des processus physiques et sociaux,
traitement des signaux, recherche opérationnelle etc.., et il est clair que les développements
technologiques dans des domaines tel que la conquête spatiale ou l’énergie atomique auraient été
impossibles sans des ordinateurs rapides et les progrès de l’analyse numérique.
Les ordinateurs ont affecté l’analyse numérique dans deux directions importantes en forçant les
numériciens à :
- Développer des algorithmes plus rapides et plus efficaces.

- Chercher à mieux circonscrire les sources d’erreurs
Le livre est divisé en cinq (05) chapitres
- Notion d’erreur
- Approximation
- Intégration numérique
- Dérivation numérique
- Résolution des équations non linéaires
De nombreux exemples avec solutions émaillant chaque chapitre pour illustrer les différentes
méthodes décrites, en essayant en particulier de montrer que n’importe qu’elle méthode, n’est pas
nécessairement adapté à n’importe quel cas.
C’est dire l’importance pour l’étudiant de bien connaitre ces méthodes, leurs avantages et leurs
limites.
Le livre est complété par une bibliographie volontairement réduite à un petit nombre d’ouvrages
immédiatement abordable par des étudiants de premier cycle.
Page 4
Chapitre1
Notion d’erreur
1) Introduction
Si le symbole utilisé pour représenter une quantité l’a décrit complètement, on parle d’une
représentation exacte (on dira souvent quantité ou nombre exacte). Par exemple les représentations
suivantes : pour les entiers 2, 7,10, pour les rationnels pour les irrationnels √ ; sont
des représentations exactes. Cependant, pour effectuer les opérations arithmétiques on doit remplacer
certains de ces symboles par une représentation décimale pour laquelle on ne peut garder qu’un
nombre fini de chiffres. On a alors des représentations approximatives ou nombres approchés. Par
exemple on écrit 3,14 pour ; 2,718 pour e et 4,1231 pour √
( √ )
D’autre part la physique travaille continuellement avec des approximations. Une des raisons en est que
toute mesure d’une grandeur quelconque est nécessairement entachée d’erreur. Il est impossible
d’effectuer des mesures rigoureusement exactes. Prenons par exemple la vitesse de la lumière dans le
vide, la valeur considérée actuellement comme vraie (ou exacte) est . Lors d’une
mesure, un expérimentateur trouve C=305000 km/s, on dit que l’erreur absolue de son résultat est :
( )
2) Erreur absolue
Il est d’usage d’entendre par erreur d’un nombre approché a, noté la différence entre le nombre
exact A correspondant et le nombre approché donné . Dans de nombreux cas le signe de
l’erreur est inconnu, il convient alors de recourir à l’erreur absolue du nombre approché.
Définition 2-1
On appelle erreur absolue, d’un nombre approché a, notée ( ) la valeur absolue de la différence
entre le nombre exacte correspondant A et le nombre a
( ) | | ( )
Il convient alors de distinguer deux cas :

- i) Le nombre A est connu ; l’erreur absolue se détermine par la formule ( )
- ii) Le nombre A est inconnu ; cas pratiquement le plus fréquent par conséquent on ne peut pas
déterminer l’erreur absolue ( ) d’après la formule ( ). Dans ce cas au lieu de l’erreur absolue
théorique ( ) inconnue, il est utile d’introduire la notion de borne (ou borne supérieure) d’erreur
absolue. Ainsi, si est une borne d’erreur absolue d’un nombre approché a qui remplace le
nombre exact A, on a
( ) | | ( )
On en déduit, que le nombre exact A est encadré comme suit :
( )
Page 5
Remarque 2-1
En pratique, il est commode de choisir pour  a le nombre le plus petit possible qui vérifie l’inégalité
( ). , est alors une approche du nombre A par défaut et l’est par excès et on
peut écrire qui veut dire [ ].
Exemple 2-1
La longueur L d’une tige est . cela signifie qu’avec une borne d’erreur absolue, de
la longueur approchée , , la valeur exact L est comprise entre
.
Remarque 2-2
Lorsqu’on mesure une grandeur physique (longueur, temps, masse, température,…) on peut
considérer, pour simplifier, que la borne d’erreur absolue correspond à la moitié de la plus petite
graduation de l’instrument de mesure utilisé, à condition d’en distinguer très clairement les repères.
Par exemple dans le cas d’une règle précise à 1mm, la borne d’erreur absolue d’une longueur l,
est .
Remarque 2-3
Le mot erreur est en relation avec quelque chose de vrai ou exact, on ne parle d’erreur que si on a à
disposition une valeur vraie ou exacte. Pour la plupart des mesures qu’on effectue au laboratoire on ne
possède pas de valeur de référence. On parle donc d’incertitude au lieu d’erreur.
Exemple 2-2
Trouver la borne de l’erreur absolue du nombre approché qui remplace e
( ) dans les deux cas suivants :
- 1)
- 2)
Réponse :
- 1) On a
d’où | |
- 2) On a
d’où | |
3) Erreur relative
L’erreur absolue (ou la borne de l’erreur absolue) ne suffit pas pour caractériser le degré de précision
de la mesure ou du calcul. Ainsi, si en mesurant les longueurs de deux tiges on obtient
et , bien que les deux bornes d’erreur absolue
coïncident, la première mesure est meilleure que la deuxième. Pour la précision des données d’une
mesure le rôle essentiel revient à l’erreur absolue par unité de longueur qui s’appelle erreur relative.
Définition 3-1
L’erreur relative d’un nombre approché a, notée ( ) , est le rapport de l’erreur absolue ( ) de ce
nombre et du module du nombre exact correspondant A ( )
( )
( ) ( )
| |
Page 6
Introduisons, de même que pour l’erreur absolue, la notion de borne (ou borne supérieure) d’erreur
relative.
Définition 3-2
Une borne d’erreur relative, notée , d’un nombre approché a donné est un nombre quelconque
supérieur ou égal à l’erreur relative de ce nombre. Par définition
( ) ( )
( )
C'est-à-dire | |
d’où ( ) | | . Ainsi on peut prendre pour borne d’erreur absolue du
nombre a | | ( )
Comme, pratiquement, au lieu de la formule ( ) on utilise souvent la formule
| | ( )
Si l’on connait une borne d’erreur relative , on en déduit un encadrement du nombre exact. Voici la
notation conventionnelle qui traduit le fait que le nombre exact repose entre ( ) et ( )
( ) ( )
Exemple 3-1
Le poids de d’eau à est . Trouver la borne d’erreur relative du
résultat de la pesée.
Réponse
Il est clair que et le poids approché par conséquent
( Newton, unité Anglo-saxon)
Remarque 3-1
L’erreur relative (ou précision) s’exprime généralement en pour cent.
4) Notation décimale des nombres approchés et chiffres significatifs
Tout nombre positif a peut se mettre sous la forme d’un développement limité ou illimité
Où sont les chiffres du nombre a ( ) avec . Par exemple
Dans la pratique on n’utilise essentiellement que des nombres approchés qui sont des nombres
décimaux limités.
( ) ( )
Page 7
Tous les chiffres conservés ( ) s’appelle chiffres significatifs du
nombre approché b. Il se peut bien que certains d’entre eux (à l’exception de ) soient nuls, par
exemples
0,007010
2003000000
Les zéros de ce type (soulignés dans les deux exemples) ne sont pas considérés comme des
chiffres significatifs.
Définition 4-1
On appelle chiffre significatif d’un nombre approché tout chiffre, dans sa représentation
décimale ( ) , différent de zéro et un zéro s’il se trouve entre deux chiffres significatifs ou s’il
constitue un chiffre conservé.
4-1) Tableau récapitulatif
A Nombre Oui Non Non Tous les chiffres sont

Avec Terminé
approché significatifs
virgule par zéro Ex : A=567801
Non Oui
Oui
A Nombre
exacte Ambigüité ou
confusion
Ex : A=678000
Voir Remarque4-3
Tous les chiffres sont

Oui significatifs sauf les
Débute par
zéros du début.
zéro
Ex: A= 0,03560
Non
Tous les chiffres sont

significatifs.
Ex : A= 2,305600
Nb : Les chiffres soulignés sont significatifs
Remarque 4-3
Pour A= 678000 on ne peut pas juger combien de chiffres significatifs compte-t-il.
On peut affirmer seulement qu’il y en a au moins trois (03). Pour lever cette indétermination il faut
Page 8
l’écrire sous la forme s’il compte trois (03) chiffres significatifs ou bien
s’il compte cinq (05) chiffres significatifs. On appelle cela notation scientifique.
5) Chiffres exacts d’un nombre décimal approché
Définition 5-1
On dit que les n premiers chiffres significatifs d’un nombre approché a sont exacts si l’erreur absolue
de ce nombre ne dépasse pas une demi unité du rang du nième chiffre significatif en comptant de
gauche à droite
( ) | | ( )
( , étant le rang du nième chiffre significatif)
Exemple 5-1 :
Si A = 35,97 et a = 36,00 a est une valeur approchée du nombre exact A avec trois (03) chiffres
exacts. En effet : | |
( , étant le rang du troisième chiffre significatif)
Remarque 5-1
Si l’erreur absolue ( ) ne dépasse pas une unité du rang du nième chiffre significatif c'est-à-dire
( )
dans ce cas on dit que les n premiers chiffres significatifs du nombre approché a sont exacts au sens
large.
Exemple 5-2
Pour le nombre exact A= 412,3567 le nombre approché a = 412,356 est une approximation à six
(06) chiffres exacts au sens large du fait que
( )
( étant le rang du sixième chiffre significatif) et à cinq (05) chiffres exacts du fait que
( )
( étant le rang du cinquième chiffre significatif).
Exemple 5-3
Pour le nombre exact A= 7,2 le nombre approché a = 6,5 est une approximation à un (01) chiffre
exact au sens large du fait que ( )
( étant le rang du premier chiffre significatif du nombre approché a qui n’ a aucun chiffre exact)
6) Règle d’arrondissement d’un nombre
Il s’agit de savoir comment arrondir un nombre approché ou exact jusqu’à n chiffres significatifs ?
 Si le premier des chiffres rejetés est strictement inferieur à cinq alors le nombre restant est
conservé.
Exemple 6-1
Arrondir 0,7539 à deux chiffres (02) significatifs.
On a 3 < 5 donc
Page 9
 Si le premier des chiffres rejeté est strictement supérieur à cinq alors on ajoute une unité au
dernier chiffre du nombre restant.
Exemple 6-2
Arrondir 0,078972 à trois (03) chiffres significatifs.
On a 7 > 5 donc
 Si le premier des chiffres rejeté est égal à cinq et si parmi les autres chiffres rejetés il y en a
des non nuls alors on ajoute une unité au dernier chiffre restant.
Exemple 6-3
Arrondir 2,5305023 à quatre (04) chiffres significatifs.
On a
 Si le premier des chiffres rejeté est égal à cinq et s’il n’y a que des zéros qui viennent après le
cinq, deux cas se présentent :
Premier cas : Si le dernier chiffre significatif conservé est pair alors le nombre restant reste inchangé
Exemple 6-4
Arrondir 7,5456500 à cinq (05) chiffres significatifs.
On a
Deuxième cas : Si le dernier chiffre significatif conservé est impair alors on ajoute une unité au
dernier chiffre conservé.
Exemple 6-5
Arrondir 2,5453500 à cinq (05) chiffres significatifs.
On a
Remarque 6-1
Notons que si le nombre exact A est arrondi, d’après la règle d’arrondissement, à n chiffres
significatifs, le nombre approché a, ainsi obtenu, compte n chiffre exactes (au sens stricte).
Exemple 6-6
En arrondissant le nombre jusqu’à cinq, quatre et trois chiffres significatifs, on
obtient les nombres approchés 3,1416 ; 3,142 et 3,14 avec respectivement 5, 4 et 3 chiffres
significatifs exacts. En effet on | |
( étant le rang du cinquième chiffre significatif) d’où cinq chiffres significatifs exacts pour le
nombre approché 3,1416. Même chose pour les deux autres.
Remarque 6-2
La précision du nombre approché dépend non pas du nombre de chiffres significatifs mais du nombre
de chiffres significatifs exacts.
Remarque 6-3
lors de l’exécution des calculs approchés, le nombre de chiffres des résultats intermédiaires ne doit pas
dépasser de plus une unité ou deux unités le nombre de chiffres exacts. Le résultat définitif ne doit
contenir plus d’un chiffre significatif excédentaire par rapport aux chiffres exacts.
Page 10
7) Relation entre l’erreur relative d’un nombre approché et le nombre de chiffres exacts
Théorème7-1 [4]
Si un nombre approché positif a compte n chiffres exacts, son erreur relative ( )

est telle que ( ) ( ) ( )
où est le premier chiffre significatif du nombre a.
Corollaire 7-1 [4]
On peut prendre comme borne d’erreur relative du nombre approché a
( ) ( )
Corollaire 7-2 [4]
Si le nombre approché a compte au moins deux chiffres exacts, c'est-à-dire , il

vérifie pratiquement la formule
( ) ( )
Exemple 7-1
Qu’elle est la borne d’erreur relative si au lieu de prendre ( ) on prend le nombre
approché a = 3,14
Réponse
a compte trois (03) chiffres exacts donc , d’où
( )
Exemple 7-2
Avec combien de chiffres exacts faut-t-il calculer √ (√ ) pour que l’erreur
ne dépasse pas
Réponse
Le premier chiffre étant , de plus ( ) c’est à dire
d’où .
8) Erreur d’une somme
Théorème 8-1
L’erreur absolue d’une somme algébrique de plusieurs nombres approchés ne dépasse pas
la somme des erreurs absolues de ces nombres.
Page 11
Preuve
Soient des nombres approchés donnés qui remplacent respectivement les nombres
exacts . Considérons la somme algébrique: . Il est clair
que ( ) |( ) ( ) ( )|
| | | | | |
( ) ( ) ( )
Corollaire 8-1
On peut adopter que la borne d’erreur absolue d’une somme algébrique est la somme des
bornes d’erreurs absolues des termes de la somme.
( )
Remarque 8-1
La formule ( ) entraine que la borne d’erreur absolue d’une somme ne peut être inferieure à la
borne d’erreur absolue du terme le moins précis (en erreur absolue) par conséquent, quelque soit le
degré de précision de la détermination des autres termes ils ne peuvent pas apporter une contribution
essentielle à la précision de la somme. Il s’ensuit qu’il n’y a aucune raison de conserver les chiffres
superflus dans les termes plus précis. On en déduit une règle pratique d’addition des nombres
approchés.
Règle : Pour additionner les nombres de précision (ou d’erreur absolue) différente il faut :
 souligner les nombres les moins précis (ou les moins exacts) et les laisser sans changer.
 Arrondir les autres nombres conformément aux nombres soulignés en conservant un ou
deux chiffres de réserve.
 Additionner les nombres en tenant compte de tous les chiffres conservés.
 Arrondir d’un chiffre le résultat obtenu si on a conservé un chiffre de réserve ou arrondir
de deux chiffres si l’on a conservé deux chiffres de réserve.
Exemple 8-1
Chercher la somme S des nombres approchés 0,348; 0,1834; 345,4 ; 235,2 ; 11,75; 9,27 ; 0,0849 ;
0,0214 ; 0,000354 dont tous les chiffres sont exacts au sens large.
Réponse
Les chiffres de tous les nombres de cette somme étant exacts au sens large c'est-à-dire que l’erreur
absolue de chaque nombre reste inférieure d’une unité du rang du dernier chiffre significatif, donc les
erreurs absolues des nombres approchés de la somme sont respectivement inferieurs à
, d’où les termes les moins précis sont 345,4
et 235,2 dont l’erreur absolue peut atteindre 0,1 il convient alors d’arrondir tous les autres termes de
cette somme à 0,01 ou à 0,001 prés.
En arrondissant à 0,001 près tous les termes de la somme on obtient la somme
En arrondissant, d’après la règle de la somme, à 0,1 près, la valeur approchée obtenue de la somme
est
Page 12
i) La somme des bornes d’erreur des données de départ est :
ii) La valeur absolue de la somme des erreurs d’arrondi (compte tenu de leurs signes) des termes de la
somme à 0,001 est : |( ) ( ) ( )
|
iii) L’erreur absolue d’arrondi final de la somme est :

d’où l’erreur absolue de la somme
( )
La somme cherchée est donc :
Théorème 8-2
Si les nombres approchés d’une somme sont du même signe, la borne d’erreur relative
de cette somme ne dépasse pas la borne d’erreur relative maximale de ses termes.
Preuve
soit , pour fixer les idées, supposons ( ). Désignons par
( ) les valeurs exactes des termes et par S la valeur exacte de la somme s.
( )
L’erreur relative ( ) de la somme est ( )
| |
où
( ) ( ) ( )
( ) | | |( ) ( ) ( )| . On a : ( )
∑
( )
et puisque ( ) c'est-à-dire ( ) ( ) ( ) , d’où
( ) ( ) ( )
( ) Soit ( ) { ( )} , il vient alors
∑
( )∑
( )
∑
9) Erreur d’une différence
On considère la différence s de deux nombres approchés et . D’après la formule

( ) la borne d’erreur absolue de la différence est . On en tire la borne d’erreur
relative ; ( )
| |
Si les nombres approchés et sont assez proches l’un de l’autre s est petit. La formule ( )
entraine que dans ce cas la borne d’erreur relative peut être très grande alors que les erreurs relatives
des termes de la différence restent faibles, c'est-à-dire on est en perte de précision.
Exemple 9-1
Soient les deux nombres approchés et dont chacun compte cinq (05)
chiffres significatifs exacts. En retranchant on obtient
. On a : { d’où
Page 13
; ainsi on a d’autre part on a
La borne d’erreur relative de la différence est 5000 fois plus grande que les bornes d’erreurs
relatives des données initiales. Les considérations précédentes permettent d’énoncer la règle
pratique suivante :
Règle
Dans le calcul approché il convient d’éviter au possible la soustraction de deux nombres approchés à
peu prés égaux ; mais si une telle soustraction s’impose, les termes de la différence doivent être pris
avec un nombre suffisant de chiffres exacts de réserve (si cela est possible). Par exemple, si l’on sait
qu’en retranchant de on fait disparaitre les m premiers chiffres significatifs exacts alors que le
résultat doit contenir n chiffres significatifs exacts, et doivent être pris avec m + n chiffres
significatifs exacts.
Exemple 9-2
Etant donnés les deux nombres
√
{
√
Les deux nombres approchés correspondants { comptent quatre (04) chiffres

significatifs exacts chacun, d’où les bornes d’erreur absolue
et la différence . On a d’après le Corollaire8-1

d’où | | | |
Si maintenant on prend { avec 07 (03+04) chiffres exacts, on obtient
| |
ce qui donne
On remarque une nette amélioration de la précision.
Remarque 9-1
Il est possible, dans l’exemple précédent, d’éviter la soustraction puisque
√ √
√ √
Page 14
10) Erreur d’un produit
Théorème10-1
L’erreur relative d’un produit de plusieurs nombres approchés différents de zéro ne

dépasse pas la somme des erreurs relatives de ces nombres.
Preuve
Soit ; on suppose, pour simplifier, que les nombres approchés
soient positifs, on a alors
∑ ( )
en différenciant ( ) on obtient ∑ , comme ( étant ici
l’accroissement de a) et en assimilant l’accroissement avec l’erreur du nombre a, il vient
( ) ( )
∑ , par suite | | ∑ | | ∑ ( )
| | | |
Si ( ) désignent les valeurs exactes des facteurs et si ( ) , comme il en est dans

les cas courants, sont petits par rapport à ( ( ) ) on peut prendre d’où
( ) ( ) ( ) ( )
∑ ∑
| | | | | | | |
c’est-à-dire : ( ) ∑ ( ) ( )
Remarque10-1
La formule ( ) reste valide si les signes des facteurs ( ) sont différents puisque
( ) | | | | et | | | |
Corollaire10-1
La borne d’erreur relative du produit est égale à la somme des bornes d’erreurs relatives
des facteurs ∑ ( )
En effet :
D’après ( ) on a ( ) ∑ ( ) ∑ , on prend alors
Remarque10-2
- Si l’on connait la borne d’erreur relative du produit a, on peut définir la borne d’erreur absolue
d’après la formule | | .
- Si tous les facteurs du produit a, sauf un, sont très précis la formule ( ) entraine que la borne
d’erreur relative du produit coïncide pratiquement avec la borne d’erreur relative du facteur le moins
précis. Dans le cas particulier où seul le facteur est approché, on a simplement
Exemple10-1
Déterminer le produit a des nombres approchés et le nombre de ses
chiffres exacts, si tous les chiffres écrits des facteurs sont exacts.
Page 15
Réponse
On prend
{ donc {
D’où , on a et
a ne compte que deux (02) chiffres exacts puisque , 10 étant le rang du

deuxième chiffre significatif de a.
D’après la Remarque6-3, le nombre exact A doit s’écrire . Où on a pris
Remarque10-3
Signalons le cas particulier où k est un facteur exact différent du zéro, on a et

| | . C'est-à-dire lorsqu’on multiplie un nombre approché par un nombre exact k, la borne
d’erreur relative ne change pas, alors que la borne d’erreur absolue devient | | fois plus grande.
Il est évident que l’erreur relative du produit ne peut pas être inférieure à l’erreur relative du facteur
le moins précis. C’est pourquoi, de même que dans le cas de la somme, aucune raison n’est de
conserver des chiffres exacts excédentaires des facteurs plus précis. Il est utile de se guider sur la règle
suivante:
Règle
Pour trouver le produit de plusieurs nombres approchés de nombres différents de chiffres significatifs
exacts, il suffit :
 i) de les arrondir de façon que chacun d’eux compte un ou deux chiffres significatifs de plus
que le nombre de chiffres exacts du facteur le moins précis.
 ii) de conserver après multiplication autant de chiffres significatifs qu’il y a de chiffres exacts
dans le facteur le moins précis (ou retenir un chiffre de réserve)
Exemple10-2
Chercher le produit des nombres approchés et si les chiffres écrits sont
exacts.
Réponse
On a et En appliquant la règle précédente i), on
a après arrondissement et d’après ii)
D’où donc le nombre exact A du nombre approché a s’écrit

.
Page 16
11) Erreur d’un quotient
Théorème11-1
L’erreur relative d’un quotient de deux nombres approchés ne dépasse pas la somme
des erreurs relatives du dividende et du diviseur.
Preuve
Soit ( ) , supposons que , on a alors
, donc comme , il vient
il en résulte | | | | | | , en prenant
il vient ( ) ( ) ( ) ( )
Corollaire11-1
La borne d’erreur relative d’un quotient est égale à la somme des bornes
d’erreurs relatives du dividende et du diviseur.
En effet
d’après ( ) on a ( )
Exemple11-1
Chercher le nombre de chiffres exacts du quotient si tous les chiffres écrits du dividende
et du diviseur sont exacts.
Réponse
On prend et , on a , et
, d’où
et par conséquent le
nombre a ne compte qu’un (01) chiffre exact puisque
, étant le rang du premier chiffre significatif de a. Le nombre exact A doit
s’écrire donc
où on a pris
12) Erreur d’une puissance
Corollaire12-1
La borne d’erreur relative de la m-ième ( ) puissance d’un nombre approché est

m fois plus grande que la borne d’erreur relative du nombre lui-même.
Page 17
Preuve
Soit ( ) , on procède comme pour le produit on a

( )
d’où | | | | . D’où
Exemple12-1
Avec combien de chiffres exacts peut-on déterminer la mesure du côté d’un carré dont la surface est
Réponse
En posant , le coté √
, donc d’où
. Ainsi le coté a compte trois (03) chiffres exacts,
puisque , étant le rang du troisième chiffre significatif
de a. La valeur exact A du coté a s’écrit donc
où on a pris
13) Erreur d’une racine
Corollaire13-1
La borne d’erreur relative de la m-ième racine est m fois plus petite que la borne
d’erreur relative du radicande.
Preuve
Si √ ( ) alors , il vient d’après le corollaire12-1
d’où
14) Formule générale de l’erreur
Soit f une fonction donnée
( ) ( )
Il s’agit de définir l’erreur de la fonction ( ) dont on connait les erreurs des

grandeurs . Supposons que la fonction ( ) soit dérivable et soient
( )( ) les erreurs absolues des arguments de la fonction f ainsi que
( ) , les bornes d’erreur correspondantes.
Théorème14-1
Si , la borne d’erreur absolue de la fonction y est ∑ | | et sa borne

| |
d’erreur relative est ∑ | |
Page 18
Preuve
L’erreur absolue de la fonction f est
( ) | ( ) ( )|
En pratique les ( ) sont généralement de petites grandeurs dont les produits, carrées et puissances
supérieurs peuvent être négligées. On peut poser
( ) | | | ( )| |∑ |
∑ | | ( )
∑ | |
, d’où la borne d’erreur de la fonction y est

∑ | | ( )
En divisant par | | les deux membres de l’égalité ( ) , on obtient la borne d’erreur relative de y
| |
∑ | | ( )
| |
Exemple14-1
Chercher les bornes d’erreurs absolues et relatives du volume d’une sphère
, si le diamètre avec une borne d’erreur et
( ).
Réponse
En considérant comme des grandeurs variables, on définit la fonction
( ) . Soit v la valeur approché du volume , d’après la relation ( ) on a
avec
( )( ) ( )( )( )
On a ( )( )
. La borne d’erreur relative est donc
On écrit ( v compte un (01) chiffre exacte )
Remarque14-1
On peut répondre autrement à l’Exemple14-1 en appliquant le Corollaire10-1, et le Corollaire12-1, il
vient
On a donc
D’où
Page 19
Exercices avec solutions du chapitre1
Exercice1
1) Donner le nombre de chiffres significatifs exacts au sens large du nombre approché
et le nombre de chiffres significatifs exacts du nombre approché
s’ils ont chacun une borne d’erreur relative inferieure à .
2) Si tous les chiffres significatifs du nombre approché sont exacts. Donner une borne
d’erreur relative du nombre c.
Exercice2
Arrondir les nombres exacts suivants à quatre chiffres significatifs exacts et indiquer l’erreur
d’arrondi. Puis, donner une borne de leur erreur relative respective.
Exercice3
En supposant que la valeur exacte d’un nombre A est dans l’intervalle [ ] et si le nombre
a est une approximation de A, déterminer la borne d’erreur absolue de cette approximation et la borne
d’erreur relative.
Exercice4
Effectuer les opérations suivantes, dont tous les chiffres des nombres approchés sont exacts.
( ) ( )
√ √
Exercice5
La période d’un pendule simple pour des oscillations de faible amplitude est donnée par
Chercher les bornes d’erreurs absolue et relative de la période T avec
--------------------
Page 20
Solutions des exercices du chapitre1
Solution Exercice1
1) - On a et | |
d’où
( ) , étant le rang du quatrième chiffre significatif du
nombre approché a et donc a, compte 04 chiffres significatifs exacts au sens large.
- De même pour . On a | |
( ) , étant le rang du quatrième chiffre significatif du
nombre approché b et donc b, compte 04 chiffres significatifs exacts .
2) On a avec ( ) ( étant le rang du dernier chiffre exact de c).

On prend alors d’où la borne d’erreur relative du nombre approché c
Remarque
On peut répondre autrement à la deuxième question de l’exercice1. En effet, d’après le
corollaire7-2 on a ( ) ( )
--------------------
Solution Exercice2
 alors son arrondi à 04 chiffres exacts donne . Ainsi

( ) | | . On peut prendre alors comme borne d’erreur absolue
du nombre a, . Une borne d’erreur relative du nombre a est alors donnée par
| |
.
Remarque1
D’après le Corollaire7-2 une borne d’erreur relative de a est aussi donnée par
( ) . Où est le premier chiffre significatif du nombre a et n le nombre de ses
chiffres exacts. D’où ( ) .
 Pour le nombre , son arrondi à 04 chiffres exacts donne

Ainsi l’erreur absolue de b est ( ) | | et l’erreur relative de b est
( )
( ) .
| |
On peut prendre donc comme borne d’erreur relative
Page 21
Solution Exercice3
Soit a l’approximation du nombre exact A appartenant à l’intervalle [ ] . On a alors

. Sachant que c’est-à-dire ,
étant la borne d’erreur absolue du nombre approché a. On prend donc
{ On trouve alors ainsi la borne d’erreur relative du nombre
approché a est | |
.
------------------
Solution Exercice4
 Les erreurs absolues des termes approchés 25,386 ; 0,49 ; 3,10 et 0,5 de la somme sont
respectivement inferieurs à ; et
. D’où le terme le moins précis est 0,5. Il convient alors d’arrondir tous les
autres termes de la somme à 0,01 ou à 0,001 prés. En arrondissant à 0,01 près nous
obtenons
.
En arrondissant, d’après la règle d’addition, la valeur approchée obtenue de la somme est 29,5
- La somme des bornes d’erreurs des données de départ est
- La valeur absolue de la somme des erreurs d’arrondi des termes de à 0,01 près est
| |
- L’erreur absolue d’arrondi de la somme est
| |
D’où l’erreur absolue de la somme
( ) .
La somme recherchée est donc où on a pris
 Les erreurs absolues des termes approchés 38, 1; 2,0 et 3,124 de la somme sont
respectivement inferieurs à ; .
D’où les termes les moins précis 38,1 et 2.0. Il convient alors d’arrondir l’autre terme de la
somme à 0,01 prés. On obtient
En arrondissant, d’après la règle d’addition, la valeur approchée obtenue de la somme est
43,2.
- La somme des bornes d’erreurs des données de départ est
- La valeur absolue de la somme des erreurs d’arrondi des termes de à 0,01 près est
| |
- L’erreur d’arrondi de la somme est
| |
D’où l’erreur absolue de la somme ( ) .
La somme recherchée est donc
Page 22
 Nous avons . Les bornes d’erreurs absolues des termes de
la différence sont respectivement et .
D’après la formule ( ) la borne d’erreur absolue de la différence est
( compte deux chiffres significatifs exacts
puisque , étant le rang du deuxième chiffre significatif de ).
La différence recherchée est donc
 Nous avons . Les bornes d’erreurs absolues des termes de la

différence sont respectivement et
D’après la formule ( ) la borne d’erreur absolue de la différence est
. ( compte deux chiffres significatifs exacts
puisque étant le rang du deuxième chiffre significatif de )
La différence recherchée est donc
 Nous avons . Les bornes d’erreurs absolues des termes du produit sont
respectivement et . En appliquant la règle du
produit, nous avons
, d’où
.( compte deux chiffres
exacts puisque , étant le rang du deuxième chiffre significatif
de ). Le produit recherché est donc .
 Nous avons . Les bornes d’erreurs absolues des termes du produit sont
respectivement et . En appliquant la règle du
produit, nous avons ,
d’où
( compte deux chiffres exacts puisque , étant le
rang du deuxième chiffre significatif de ) Le produit recherché est donc
.
 Nous avons . Les bornes d’erreurs absolues des termes du quotient sont
respectivement et . Les bornes d’erreurs
relatives correspondantes sont et
d’où .
Donc .
( compte quatre chiffres exacts puisque ,
étant le rang du quatrième chiffre significatif de ).
Le quotient recherché est donc
Page 23
 Nous avons . Les bornes d’erreurs absolues des termes du quotient sont
respectivement et . La bornes d’erreur relative
de est donc
D’où . ( compte
un chiffre exact puisque , étant le rang du premier chiffre
significatif de ). Le quotient recherché est donc
 Nous avons ( ) . Posons , donc d’où . La borne

d’erreur absolue du nombre a est
d’où , par conséquent
( ) .
( compte deux (02) chiffres exacts puisque ,
étant le rang du deuxième chiffre significatif de ). recherché est donc
( ) .
 Nous avons ( ) . Posons , donc d’où .

La borne d’erreur absolue du nombre a est
( ) .
( compte un (01) chiffres exacts, puisque , étant le rang
du premier chiffre significatif de ). recherché est donc
 Nous avons √ . Posons ; . La borne d’erreur absolue du

nombre b est
√ .
( compte trois (03) chiffres exacts, puisque ,
étant le rang du troisième chiffre significatif de ). recherché est donc
 Nous avons √ . Posons ; . La borne d’erreur absolue du

nombre b est
√ .
( compte trois (03) chiffres exacts, puisque , étant
le rang du troisième chiffre significatif de ).
recherché est donc
--------------------
Page 24
Solution exercice5
En considérant comme des grandeurs variables, on définit la fonction

( ) √ . Soit t la valeur approché de la période T, √
D’après la relation ( ) on a ‫׃‬
| | | | | | avec
√ √ √ √ √ √
√ √ √ .
(t compte deux chiffres exacts puisque étant le rang
du deuxième chiffre significatif de t ). T s’écrit alors , .
La borne d’erreur relative est donc
Remarque
On peut répondre autrement à l’Exercice5 en appliquant le Corollaire10-1, le Corollaire11-1 et le
corollaire13-1, il vient
On a √ donc [ ] [ ] [ ]
d’où .
On écrit alors,
--------------------
Page 25
Chapitre 2
Approximation
1) Introduction
On cherche à calculer les valeurs d’une fonction ( ) pour toutes valeurs de x mais on ne connait
pas explicitement la fonction f. Par exemple f n’est connue qu’en certains points x expérimentaux.
On remplace alors f par une fonction simple qui sera une approximation de la fonction f initiale dont
l’évaluation est aisée ex : utilisation de polynômes. Deux approches sont possibles pour le calcul de
cette approximation :
- Méthode des moindres carrées
- Interpolation polynomiale.
L’interpolation a joué un rôle très important, surtout comme outil pour obtenir des valeurs
intermédiaires dans les tables trigonométriques et autres jusqu’à la venue des calculatrices et des
ordinateurs qui en a grandement réduit l’ampleur.
Néanmoins, il reste de nombreuses applications de l’interpolation, particulièrement lorsqu’on doit
évaluer à plusieurs reprises une certaine fonction dont le calcul peut être très laborieux.
2) Rappels mathématiques
Définition 2-1
Une distance sur un ensemble E est une application vérifiant pour tous u, v et w de E
les propriétés suivantes :
- i) ( )
- ii) d u, v   d v, u  (la symétrie)
- iii) d u, v   d u, w  d w, v  (l’inégalité triangulaire)
L’ensemble E muni d’une distance d est appelé un espace métrique.
Exemple2-1
Sur on définit la distance habituelle ( ) | |
Proposition2-1 (Seconde inégalité triangulaire)
( ) | ( ) ( )|
Définition2-2
Soit E un espace vectoriel réel, on appelle norme sur E, toute application N définie de E dans
notée souvent par ( ) ‖ ‖ et vérifiant les propriétés suivantes :
- i) ‖ ‖
- ii) ‖ ‖ | |‖ ‖
- iii) ‖ ‖ ‖ ‖ ‖ ‖
Un espace vectoriel, muni d’une norme, est appelé espace vectoriel normé (en abrégé e.v.n)
Exemple2-2
( ) ‖ ‖ ∑ | | ‖ ‖ √∑ et
‖ ‖ (| |) sont des normes équivalentes sur .
Page 26
Remarque2-1
Un espace vectoriel normé est un espace métrique en utilisant la distance déduite de la norme,
c'est-à-dire ( ) ‖ ‖
Définition2-3
Soit E un espace vectoriel réel, on appelle produit scalaire sur E, toute application S définie de
dans , notée souvent par ( ) 〈 〉 et vérifiant :
- i) 〈 〉
- ii) 〈 〉
- iii) 〈 〉 〈 〉
- vi) 〈 〉 〈 〉 〈 〉
Dans l’espace E on introduit une norme par la formule ‖ ‖ √〈 〉 et on a l’inégalité, dite de
Cauchy Schwartz |〈 〉| ‖ ‖‖ ‖
Définition2-4
Muni d’un produit scalaire, un espace vectoriel est dit préhilbertien, par suite un espace préhilbertien
est un espace normé donc métrique par la distance
( ) ‖ ‖ ‖ ‖ √〈 〉
Définition2-5
On dit qu’un espace préhilbertien est un espace de Hilbert s’il est complet pour la distance associée.
Donc tout espace de Hilbert est un Banach.
Remarque2-2
Lorsque l’espace E est de dimension finie et qu’il est muni d’un produit scalaire on parle d’espace
euclidien. Exemple : muni du produit scalaire 〈 〉 ∑ est un espace euclidien.
3) Approximation dans un espace métrique
3-1) Meilleure approximation dans un espace métrique
Soit E un ensemble sur lequel on définit une distance d et soit F une partie non vide de E. Le problème
de l’approximation, plus précisément de la meilleure approximation d’un élément par un
élément de F est de déterminer tel que ( ) ( ) . S’il existe, cet élément
sera appelé meilleure approximation (au sens de la distance d) de dans F. Dans des conditions
aussi générales l’élément peut ne pas exister et lorsqu’il existe il peut ne pas être unique. On peut
prouver son existence lorsque F est une partie compacte de E.
Théorème3-1
Si F est une partie compacte de l’espace métrique E alors il existe au moins un élément
qui réalise la meilleure approximation de , c’est à dire qui est tel que
( ) ( ) ( )
Page 27
Preuve
Soit , on a ( ) d’où ( ) , désignons par m sa borne
inférieure ( ), par définition de cette borne il est possible de trouver une suite
d’éléments tel que ( ) , la partie F étant compact la suite
( ) admet une sous suite extraite ( ( ) ) qui converge vers ce qui entraine que ,
( ) mais on a ( ) ( ( )) ( ( ) ) d’où
( ) [ ( ( )) ( ( ) )] c’est-à-dire
( ) ( ) puisque ( ) ( ).
Remarque3-1
L’existence de peut être prouvé en utilisant le fait que l’application ( ),
définie et continue sur l’ensemble compact F, atteint ses bornes sur cet ensemble et donc
( ) ( )
3-2) Meilleure approximation dans un espace vectoriel normé

Un espace vectoriel normé E dans lequel la norme de l’élément u de E est notée ‖ ‖ est un espace
métrique en utilisant la distance déduite de la norme, c’est-à-dire ( ) ‖ ‖ .
Lorsque le sous espace vectoriel F de E est de dimension finie, l’existence de la meilleure
approximation de sera assurée par le Théorème3-1 si l’on peut montrer que
appartient à une partie compacte de F. On va montrer qu’il en est ainsi.
Théorème3-2
Si F est un sous espace vectoriel de dimension finie de l’espace vectoriel normé E, alors
il existe au moins un élément qui réalise la meilleure approximation de
c'est-à-dire qui est tel que ‖ ‖ ‖ ‖
Preuve
Posons ‖ ‖ ou encore ‖ ‖ l’élément nul de E (et de F), alors
[ ‖ ‖ ‖ ‖ ] En effet on a ‫‖ ׃‬ ‖ |‖ ‖ ‖ ‖|
mais puisque ‖ ‖ c’est à dire ‖ ‖ ‖ ‖ ‖ ‖, il vient ‖ ‖ Par
suite si existe, il ne peut se trouver que dans la boule fermée de centre et de rayon c'est-
à-dire dans un compact de F, le Théorème3-1 prouve alors l’existence de
3-3) Meilleure approximation dans un espace préhilbertien

Dans ce paragraphe, l’approximation est envisagé dans un espace préhilbertien réel E sur lequel pour
chaque couple ( ) est défini un produit scalaire noté 〈 〉 E est alors un espace vectoriel
normé de norme ‖ ‖ √〈 〉 Soit F un sous espace vectoriel de E, on suppose que F est de
dimension finie, on sait alors, d’après le Théorème3-2 , qu’une meilleure approximation de
existe. Elle est définie par : ‖ ‖ ‖ ‖
3-3-1) Caractérisation de ( v  )
On rappelle que deux éléments distincts u et v de E sont dits orthogonaux si 〈 〉
Théorème3-3
Une condition nécessaire et suffisante pour que soit une meilleure approximation
de est que 〈 〉
Page 28
Preuve
Montrons d’abord la condition nécessaire c'est-à-dire que si est une meilleure approximation
de , alors 〈 〉 . Supposons qu’il existe ( ) tel que
〈 〉 , pour l’élément avec nous avons
‖ ‖
‖ ‖ 〈 〉 ‖ ‖ 〈 〉 ‖ ‖
‖ ‖ , il s’ensuit ‖ ‖ ‖ ‖ ce qui est contraire à

‖ ‖
l’hypothèse que est meilleure approximation de u donc , on dit alors que est la projection
orthogonale de u sur le sous espace F.
Montrons maintenant que la condition est suffisante. Soit tel que,
〈 〉 alors
‖ ‖ 〈 〉 ‖ ‖ 〈 〉 ‖ ‖
‖ ‖ ‖ ‖ , d’où
‖ ‖ ‖ ‖ ce qui implique que est une meilleure approximation de .
3-3-2) Unicité de ( )
Théorème3-4
La meilleure approximation de , est unique.
Preuve
Supposons qu’il existe deux meilleures approximations de u, d’après le Théorème3-3 nous
avons 〈 〉 〈 〉 , en particulier pour d’où
‖ ‖ 〈 〉 〈 〉 〈 〉 , c’est-à-dire
3-3-3) Construction de la meilleure approximation ( )

Supposons que le sous espace vectoriel F est de dimension n n  IN  et que  
sont les éléments d’une base de F. La meilleure approximation s’écrit alors ∑
la condition d’orthogonalité 〈 〉 , où ∑ est un élément quelconque de F,
conduit au système de n équations linéaires à n inconnues
∑ 〈 〉 〈 〉
{ ( )
Ce système admet une solution unique d’après l’unicité de . Si la base

est orthonormée c'est-à-dire vérifie
〈 〉
{
〈 〉
Dans ce cas particulier important, le système linéaire ( ) devient diagonal et sa résolution est
〈 〉
immédiate { ( )
Page 29
d’où ∑ 〈 〉 .
4) Approximation des moindres carrés
4-1) Approximation continue des moindre carrés

Soit w une fonction poids positive et ne pouvant s’annuler qu’en un nombre fini de points de
l’intervalle [ ] telle que l’intégrale ∫ ( ) ( ) existe pour toute fonction [ ] Sur
[ ] , on définit alors le produit scalaire 〈 〉 ∫ ( ) ( ) ( ) ( )
et la norme ‖ ‖ [∫ ( ) ( ) ] En désignant par un sous espace vectoriel de

dimension ( ) de [ ] et les éléments d’une base de , la meilleure
approximation de [ ] est donc définie par :
[∫ ( )[ ( ) ( )] ] [∫ ( )[ ( ) ( )] ] ( )
D’après ce que nous avons vu précédemment existe, est unique et est caractérisée par
∫ ( )[ ( ) ( )] ( ) Les coefficients de
sont donnés par le système de Cramer
∑ ∫ ( ) ( ) ( ) ∫ ( ) ( ) ( )
{ ( )
Le cas intéressant est celui où la base est orthonormée. Dans ces conditions les
coefficients a k s’obtiennent comme solution d’un système linéaire à matrice diagonale
∫ ( ) ( ) ( )
{ ( )
4-2) Cas particuliers
4-2-1) Approximation trigonométrique

Dans l’intervalle [ ] les fonctions de base sont alors ( ) ( ) ( )
( ) et la meilleure approximation [ ] prend la
forme ∑ [ ]
Exemple 4-1
Dans [ ] les fonctions de base ( ) , ( ) ( ) ( )
√
( ) sont orthonormées par rapport au produit scalaire 〈 〉 ∫ ( ) ( )
4-2-2) Approximation polynomiale

Les fonctions de base sont telles que ( ) ( ) ( )
Exemple 4-2
Trouver le polynôme qui réalise l’approximation des moindres carrées de la fonction ( ) | |
sur l’intervalle[ ] , avec la fonction poids ( )
Page 30
Réponse
( ) , calculons les coefficients en appliquant la formule ( )
avec ( ) ( ) ( ) ( ) et après calcul des
différentes intégrales nous trouvons le système linéaire de Cramer suivant
La résolution de ce système conduit à d’où
. Pour les polynômes orthogonaux qui jouent un rôle important dans l’approximation des moindres
carrées, on peut citer les polynômes de Tchebychev.
4-2-2-1) Définition des polynômes de Tchebychev

En séparant partie réelle et partie imaginaire du développement de ( ) ,( )
nous avons la formule connue
( ) ( ) ( )
c'est-à-dire que ( ) est un polynôme de degré n en En posant le
polynôme de Tchebychev , de degré n, est défini par
( ) ( )
{
( )
4-2-2-2) Propriétés des polynômes de Tchebychev

a) | ( )| pour [ ] puisque ( )
b) ( ) puisque d’après la formule ( ) le coefficient de x n (coefficient de
tête) est
c) Relation de récurrence entre
Sachant que ( ) ( ) il vient, pour
( ) ( ) ( )
Compte tenu de ( ) ( ) , fournis par la définition, cette récurrence permet d’obtenir
( ). Citons les premiers polynômes de Tchebychev
( )
( )
( )
( )
( )
d) ( ) pour avec ( ) et . Ces n racines

sont symétriques par rapport à l’origine dans [ ]
e) ( ) ( ) pour et
f) { } est un ensemble de polynômes orthogonaux sur l’intervalle [ ]
Page 31
relativement à la fonction poids ( ) . En effet, de la formule
√
[ ( ) ( ) ], nous déduisons
( ) ( )
∫ ( ) ( ) { , d’où ∫ {
√
C'est-à-dire que F est un ensemble de polynômes orthogonaux par rapport au produit scalaire
( ) ( )
〈 〉 ∫ √
L’ensemble { } forme alors un ensemble de polynômes orthonormés par rapport
√
( ) ( )
au produit scalaire 〈 〉 ∫
√
Remarque 4-1
Pour les polynômes classiques orthogonaux on peut citer
a) Les polynômes de Legendre sur l’intervalle [ ] relativement à la fonction poids ( ) et
dont la relation de récurrence est
( ) ( ) ( ) ( ) ( )
{
( ) ( )
b) Les polynômes de Laguerre sur l’intervalle [ [ relativement à la fonction poids ( )

et dont la relation de récurrence est
( ) ( ) ( ) ( )
{
( ) ( )
c) Les polynômes de Hermite sur l’intervalle ] [ relativement à la fonction poids

( ) et dont la relation de récurrence est
( ) ( ) ( )
{
( ) ( )
Remarque4-2
Une des propriétés de ces polynômes classiques orthogonaux est que toutes leurs racines sont réelles,
distinctes et situées dans l’intervalle correspondant.
Exemple4-3
Trouver le polynôme qui réalise la meilleure approximation polynomiale des moindres carrés de
la fonction ( ) | | sur l’intervalle [ ] par rapport au produit scalaire
( ) ( )
〈 〉 ∫ en considérant
√
1) la base des polynômes { }
2) la base des polynômes orthonormés de Tchebychev { } où , et
√
Page 32
Réponse
1) Le polynôme s’écrit en base ( ) . En appliquant la formule ( )
avec ( ) , ( ) , ( ) et la fonction poids ( ) il vient
√
( ) ( ) ( ) ( )
∑ ∫ ∫
{ √ √ ( )
Après calcul des différentes intégrales de ( ), on obtient le système linéaire de Cramer
La résolution de ce système conduit à , et d’où
( )
( )
2) Le polynôme ( ) s’écrit en base ( ) ( ) ( ) Comme , la base
√
est orthonormée, on a d’après la formule ( )
( ) ( )
∫
{ √
√
On obtient alors après calculs des intégrales correspondantes , et d’où
√
( ) ( ) ( ) c'est-à-dire ( )
4-3) Approximation discrète des moindres carrés
Soit un sous espace de dimension finie ( ) de l’espace [ ] engendré par les

éléments , soit ∑ un élément de et soit f une fonction de [ ]
dont on connait (exactement ou d’une manière approchée) les valeurs ( ) qu’elle prend en
( ) points distincts de l’intervalle [ ] En considérant que les valeurs numériques
prises par une fonction aux points définissent un vecteur de l’espace , ce type
d’approximation se ramène au cas général : recherche d’un élément du sous espace vectoriel de
dimension engendré par les vecteurs ( ( ) ( ) ( )) pour qui
réalise la meilleure approximation de l’élément ( ( ) ( ) ( )) de sur lequel sont
définis le produit scalaire ∑ ( ) ( ) ( ) avec deux vecteurs de
donnés respectivement par ( ( ) ( ) ( )) et ( ( ) ( ) ( )) où
⁄
[ ] et la norme ‖ ‖ [∑ ( ) ( )] , ( ) étant une fonction poids ( positive et
ne pouvant s’annuler en tous les points ) . Dans ces conditions la meilleure approximation discrète
∑ de [ ] est donc définie par
[∑ ( )[ ( ) ( )] ] [∑ ( )[ ( ) ( )] ] ( )
Page 33
D’après ce qui a été vu dans le cas général existe, est unique et est caractérisée par la condition
d’orthogonalité
∑ ( )[ ( ) ( )] ( )
Les coefficients de sont donnés par le système linéaire
∑ ∑ ( ) ( ) ( ) ∑ ( ) ( ) ( )
{ ( )
4-3-1) Cas particuliers
4-3-1-1) Approximation polynomiale

Les fonctions de bases sont telles que ( ) ( ) ( )
Exemple 4-4
Trouver le polynôme, de degré 2, qui réalise la meilleure approximation discrète des moindres
carrés de la fonction f dont les valeurs aux points ( ) sont donnés par le tableau
-1 -1/2 0 1/2 1
( ) 1 1/2 0 1/2 1
w( ) 1 1 1 1 1
Réponse
( ) , calculons les coefficients en appliquant la formule ( )
avec ( ) ( ) ( ) et après calcul des différentes sommes, nous obtenons le
système de cramer
La résolution de ce dernier conduit à d’où ( ) .
4-3-1-2) Les fonctions sont orthonormées
∑ ( ) ( ) ( )
C'est-à-dire {
∑ ( ) ( )
Dans ce cas le système linéaire ( ) devient diagonal et sa résolution est immédiate
∑ ( ) ( ) ( )
{
Exemple 4-5
Les fonctions ( ) ( ) ( ) ( ) ( )
√
( ) ( ) sont orthonormées par rapport au produit scalaire
〈 〉 ∑ ( ) ( ) avec .
4-3-1-3) Polynômes orthogonaux et polynômes orthogonaux discrets
Page 34
Les polynômes orthogonaux sur l’intervalle [ ] vérifient aussi une propriété d’orthogonalité sur un
système de points pris à l’intérieur de l’intervalle [ ].
Exemple 4-6
Le cas des polynômes de Tchebychev sur l’intervalle [ ], pour
( ) ∑ ( ) ( )
( )
( ) ,
Remarque 4-3
S’il se produit que le système linéaire de N+1 équations à n+1 inconnues, obtenu en cherchant
tel que ( ) ( ) pour tout , (c'est-à-dire ne provient pas de la condition d’orthogonalité)
admet une solution, alors est la fonction d’interpolation de la fonction f. Ce cas ne se produit, en
général, que pour .
5) Interpolation
Soit une fonction f, définie sur un intervalle [ ] , dont la valeur numérique n’est connue (de manière
exacte, ou pouvait être considérée comme exacte : table numérique par exemple) qu’en n+1 points
distincts deux à deux de [ ] ; soient ( ) ces valeurs.
L’interpolation est une méthode d’approximation qui permet d’obtenir une valeur approchée ( ) de
la valeur inconnue ( ) en un point [ ] et dépendant de n+1 paramètres. Posons et
déterminons ces paramètres par les conditions d’interpolation
( ) ( )
{
La fonction ainsi déterminée est appelée fonction d’interpolation de la fonction f, elle permet alors
d’obtenir une valeur approchée ( ) de ( ) en négligeant la quantité ( ) qui est l’erreur
d’interpolation au point x.
D’une manière générale, le choix de la fonction , de l’intervalle [ ] et des points dans cet
intervalle (quand c’est possible) sera fait de façon que l’erreur d’interpolation soit la plus faible
possible.
En pratique la fonction d’interpolation est une combinaison linéaire de fonctions simples : polynômes,
fonctions circulaires, exponentielle,…,.
Signalons que le problème d’interpolation peut avoir un caractère plus général en n+1 points
de [ ] si on connait les valeurs ( ) ( ) ( ) Nous verrons plus loin le cas
(interpolation de Hermite).
Enfin l’interpolation peut également se pratiquer dans le cas d’une fonction de plusieurs variables, ou
dans le cas d’une variable complexe. Ici nous nous limitons au cas d’une variable réelle.
5-1) Interpolation par une famille linéaire
Dans l’espace vectoriel [ ] considérons n+1 fonctions linéairement indépendantes.

La fonction ∑ sera fonction d’interpolation de la fonction f si les conditions
( ) ( )
d’interpolations { sont remplies, c'est-à-dire si le système linéaire
∑ ( ) ( )
{
admet une solution. Pour que cette solution existe et soit unique il faut et il suffit que le déterminant
Page 35
( ) ( ) ( )
( ) ( ) ( )
| |
| |
( ) ( ) ( )
soit non nul.
Nous supposons donc que les fonctions forment un système de Tchebychev (condition
de Haar) c'est-à-dire que toute combinaison linéaire de ces fonctions admet au plus n zéros dans
l’intervalle[ ]. Dans ces conditions, la fonction d’interpolation existe et est unique, elle s’écrit
∑ où est le déterminant dans lequel la colonne de rang k a été remplacée par la
colonne ( ( ) ( ) ( )) (formule de Cramer). Il est alors commode de modifier
l’expression de pour y faire apparaitre explicitement les valeurs données ( ) : chaque déterminant
peut être développé suivant les termes ( ) ( ) ( ) de sa colonne de rang k ; après
regroupement il vient
( ) ∑ ( ) ( ) , où les fonctions sont indépendantes de la fonction f et vérifient par

conséquent, d’après les conditions d’interpolation, les propriétés
( ) {
Remarque5-1
Dans des conditions aussi générales, l’erreur d’interpolation n’a pas une expression simple ; nous
l’examinerons dans le cas d’interpolation polynomiale.
5-2) Interpolation polynomiale
Il s’agit du cas particulier ( ) ( ) ( ) . La fonction d’interpolation

devient alors le polynôme de degré , dont les coefficients sont solution du
∑ ( )
système linéaire { ( )
Le déterminant du type Vandermonde de ce système vaut
| |
∏ ( )
| |
Il est par conséquent non nul puisqu’on a supposé que les points sont tous distincts deux à deux.
D’où :
Théorème5-1
Le polynôme d’interpolation de degré de la fonction f, c'est-à-dire le polynôme

. vérifiant les conditions ( ) ( ) existe et est unique
Page 36
Remarque5-2
Il n’est pas indiqué de déterminer le polynôme d’interpolation en résolvant le système linéaire
( ) qui donne ses coefficients ; il est classique de l’exprimer sous deux formes :
polynôme d’interpolation de Lagrange et polynôme d’interpolation de Newton.
5-2-1) Polynôme d’interpolation de Lagrange
Pour faire apparaitre explicitement les valeurs ( ) dans le polynôme d’interpolation considérons
les polynômes de Lagrange définis par :
( )( ) ( )( ) ( )
( )
( )( ) ( )( ) ( )
Qui sont de degré et qui vérifient les conditions ( ) { , il est alors évident que
le polynôme ∑ ( ) ( ) est le polynôme d’interpolation de la fonction f
( ) ∑ ( ) ( ) ( )
Exemple5-1
Construire le polynôme d’interpolation de la fonction f dont on connait les valeurs suivantes :
0 1 3 4
( ) 1 3 2 5
Réponse
Sous la forme de Lagrange, ce polynôme s’écrit
( )( )( ) ( )( )( ) ( )( )( ) ( )( )( )
( )
( )( )( ) ( )( )( ) ( )( )( ) ( )( )( )
5-2-2) Différences divisées d’une fonction
Etant donnés les points distincts et quelconques et les valeurs correspondantes

( ) ( ) ( ) d’une fonction f. L’expression
[ ] ( ) ( )
s’appelle différence divisée d’ordre zéro de la fonction f et l’expression

[ ] [ ] ( ) ( )
[ ]
– –
s’appelle différence divisée d’ordre un de la fonction f. D’une façon analogue on détermine les
différences divisées d’ordre deux de la fonction f
[ ] [ ]
[ ] ( ).
–
D’une façon générale, les différences divisées d’ordre n s’obtiennent à partir des différences divisées
d’ordre ( ) à l’aide de la relation récurrente
[ ] [ ]
[ ] ( )
–
( )
Page 37
Remarquons que les différences divisées ne changent pas avec la permutation des éléments c'est-à-dire
qu’elles sont des fonctions symétriques de leurs arguments. Par exemple
( ) ( ) ( ) ( )
[ ] [ ] etc….
5-2 3) Formule des différences divisées
( ) ( )
D’après ce qui vient d’être dit, nous pouvons écrire successivement [ ]
D’où ( ) ( ) ( ) [ ] puis
[ ] [ ]
[ ] d’où [ ] [ ] ( ) [ ]
c'est-à-dire en portant dans l’expression de ( )
( ) ( ) ( ) [ ] ( )( ) [ ] .
En continuant ainsi on obtient la formule des différences divisées :
( ) ( ) ( ) [ ] ( )( ) [ ]
( )( ) ( ) [ ]
( )( ) ( ) [ ] ( )
Remarque5-3
( ) ( )
En partant du fait que [ ]
La formule des différences divisées ( ) peut se mettre aussi sous la forme
( ) ( ) ( ) [ ] ( )( ) [ ]
( ) ( ) [ ] ( ) ( ) [ ] ( )
5-2-4) Calcul des différences divisées d’une fonction
Pour calculer les différences divisées jusqu’à l’ordre n d’une fonction f aux points on forme
le tableau suivant
( ) Ordre 1 Ordre 2 Ordre 3 ….. Ordre n

( )
( ) [ ]
( ) [ ] [ ]
. . [ ] [ ] [ ] …..
. . . [ ] [ ] ….. [ ]
. . . . .
. . . . .
( ) [ ] [ ] [ ]
( ) [ ]
( )
5-2-5) Polynôme d’interpolation de Newton
Le polynôme d’interpolation de Newton de degré n est donné par la formule
( ) ( ) ( ) [ ] ( )( ) [ ]
( ) ( ) [ ] ( )
Où, rappelons-le, les points sont quelconques (mais tous distincts deux à deux) et
interviennent dans un ordre arbitraire.
Page 38
5-2-6) Erreur d’interpolation polynômiale
L’erreur d’interpolation ( ) ( ) ( ) nous est fournie par la formule des différences
divisées ( ) (quelques soit la forme de puisqu’il est unique)
( ) ( ) [ ] ( )
Où ( ) ∏ ( ) (polynôme de degré n+1 en x). Cette formule très générale peut être
modifiée lorsque f possède n+1 dérivées continues dans l’intervalle [ ] qui est le plus petit
intervalle contenant les
Théorème5-2
On suppose que la fonction [ ], alors

( )( )
[ ] [ ] ( ) ( ) ( ) ( ) ( )
( )
Avant de procéder à la démonstration de ce théorème, rappelons les deux résultats suivants :
Lemme5-1
Soit [ ] une fonction dérivable sur [ ] alors si f possède au moins n+2

zéros distincts sur [ ] possède au moins zéros distincts sur [ ]
Preuve
Il suffit d’appliquer le théorème de Rolle entre deux zéros consécutifs de la fonction f.
Corollaire5-1
Soit [ ] , si f possède au moins n+2 zéros distincts sur [ ] alors

( )
a au moins un zéro sur [ ]
Preuve
Il suffit de faire une récurrence en appliquant le Lemme précédent.
Preuve (du Théorème5-2)
Si alors la relation ( ) est vérifiée. Soit [ ] fixé, x différent de tous les posons,
( ) ( )
pour [ ] ( ) ( ) ( ) . ∏ ( ) La fonction g est de classe
∏ ( )
comme elle s’annule pour elle admet donc au moins ( ) zéros sur [ ].
( )
D’après le Corollaire5-1, il existe au moins un nombre [ ] tel que ( ) , puisque la
dérivée d’ordre ( ) du polynôme est nulle et que [∏ ( )]( )
( )
(on peut la vérifier aisément par récurrence) on en déduit la relation ( ).
Remarque5-4
Des relations ( ) et ( ) on tire la formule qui relie différence divisée d’ordre
( ) et dérivée d’ordre ( ) de la fonction f.
( )( )
[ ] [ ] ( )
( )
Page 39
Corollaire5-2
Si ( )
est continue sur [ ] et en désignant par [ ]|
( )( )|, il vient
alors
| ( )|
| ( )| | ( ) ( )| ( )
( )
Exemple5-2
Soit la fonction f définie sur l’intervalle [ ] par ( )
a) Déterminer le polynôme de degré qui passe par les points ( ( )) ( ( )) ( ( ))
b) Donner une valeur approximative de ( ).
c) En appliquant la formule ( ) donner une borne de l’erreur absolue d’interpolation commise
pour l’approximation de ( )
Réponse
a) Calculons les différences divisées de la fonction f
( ) Ordre1 Ordre2
0 ⁄
⁄ 1 ⁄
⁄ ⁄ 0
⁄
D’où, en appliquant la formule ( ) nous trouvons ( )

b) ( ) ( )
| ( )|
c) D’après ( ) nous avons | ( )| avec ( ) ( )( ) et
( )
[ ]
| ( )| .
( ) ( )
On a ( ) et ( ) , nous trouvons alors que ( )
et nous avons ( ) ce qui donne | ( )|
Remarque5-5
Dans l’exemple précédent on a pris mais comme les points
interviennent dans un ordre arbitraire en prenant donc, par exemple,
Le résultat est le même.
5-2-7) Convergence de l’interpolation polynômiale
L’analyse de la formule ( ) du Théorème5-2 montre que l’erreur ( ) est, à une constante prés,
le produit de deux facteurs dont l’un ( ) ( ), dépend des propriétés de la fonction f et ne prête pas
à l’ajustage, alors que la grandeur de l’autre, ( ), n’est déterminée que par le choix des points
d’interpolations. Dans le cas d’une mauvaise répartition des points d’interpolations , la borne
supérieure du module de l’erreur ( ) de la formule ( ) du Corollaire5-2 peut être très grande.
Par exemple si les points se concentrent au voisinage de l’une des extrémités du segment [ ], le
module de ( ) sera dans le cas général grand au point x proche de l’autre extrémité du segment. Le
choix des points d’interpolations (pour le nombre n donné de points) doit être donc le meilleur pour
Page 40
que le polynôme ( ) soit sur le segment [ ] minimal en valeur absolue maximale. Ce
problème a été résolu par le mathématicien russe Tchebychev qui a montré, dans ce sens, que le
meilleur choix des points d’interpolations est donné par la formule
( ) ( ) , sont les racines du polynôme de

Tchebychev ( ). Dans ce cas nous avons :
| ( )| ( ) ( )
Il est curieux de noter que ces points ne sont pas équidistants, mais s’accumulent aux extrémités du
segment. Même avec un tel choix de points on ne peut pas garantir dans le cas général que la valeur
absolue de l’erreur soit aussi petite que l’on veut pour n suffisamment grand et n’évite pas
nécessairement les instabilités numériques (La suite ( ) ne converge pas nécessairement vers la
fonction d’origine f quand le degré des polynômes tend vers l’infini, c’est ce que l’on nomme le
phénomène de Runge).
D’une manière pratique, il découle de ces considérations qu’il n’est pas indiqué de pratiquer
l’interpolation avec un nombre de points élevé ; il est préférable de subdiviser l’intervalle [ ] et de
pratiquer l’interpolation dans chaque sous intervalle.
Remarque5-6
Nous pouvons exhiber certaines familles de fonctions pour lesquelles le polynôme d’interpolation
converge uniformément vers la fonction f lorsque n tend vers l’infini.
Proposition5-1
Soit [ ], on suppose qu’il existe une constante M > 0 tel que

| ( ) ( )|
[ ]
‖ ‖ | ( ) ( )|
[ ]
Preuve
D’après la formule( ) il vient
( )
‖ ‖ [ ]| ( )| ( )
( ) ( )
Comme ( )
est le terme général d’une série convergente (vers ), la quantité ( )
tends vers 0 lorsque n tends vers l’infini, d’où le résultat.
5-2-8) Interpolation dans une table numérique
Dans ce cas les points sont équidistants et le pas de la table est quelque soit i de IN
5-2-8-1) Différences non divisées d’une fonction ( )
a) Différence non divisée progressive
L’expression ( ) ( ) ( ) ( ), s’appelle différence progressive première

(ou d’ordre 1) de la fonction y. D’une façon analogue on définit les différences d’ordre supérieur
( ) ( ) et par convention on prend
Par exemple : [ ( ) ( )] = [ ( ) ( )] [ ( ) ( )]
= ( ) ( ) ( )
Page 41
b) Différence non divisée régressive
L’expression ( ) ( ) ( ),( ) s’appelle différence régressive première (ou

d’ordre 1) de la fonction y. D’une façon analogue on définit les différences régressives d’ordre
supérieur ( ) ( ) et par convention on prend .
Les deux symboles peuvent être considérés comme des opérateurs qui associent à la fonction
( ) les fonctions ( ) ( ) ( ) ( ) où h est considérée
comme une constante. Les propriétés principales des opérateurs suivantes se vérifient aisément
a) ( ) ( )
b) ( ) ( ) ( )
( ) ( )
c) ( ) ( )
5-2-8-2) Relation entre différence divisée et différence non divisée
Nous avons vu que la différence divisée [ ] de la fonction f est indépendante de la

numérotation des points et est définie quand ces points sont quelconques et distincts dans un
intervalle [ ]. Dans le cas où les points sont rangés dans un certain ordre, et équidistants, on peut
faire intervenir les différences non divisées précédentes. Il existe alors une relation entre différence
divisée d’ordre n et différence non divisée du même ordre. Nous avons alors la relation
( )
[ ] ( )
En effet nous la démontons par récurrence
a) Vérifions que la relation ( ) est vraie pour

( ) ( ) ( ) ( ) ( )
[ ]
b) Supposons que la relation ( ) est vraie à l’ordre n et montrons qu’elle reste vraie à l’ordre
, nous avons
( ) ( )
[ ] [ ]
[ ]
( ( ) ( ))
(( ) ( ) )
( )
( )
( )
. D’où le résultat.
De même nous avons la relation

( )
[ ] ( )
(Elle se démontre de la même manière que la précédente)
Des relations ( ) ( ) nous avons
( ) ( )
[ ]
5-2-8-3) Formules d’interpolation de Newton
Elles proviennent du polynôme d’interpolation de Newton ( ) en utilisant les relations entre

différence divisée d’ordre n et différence non divisée du même ordre données par les formules
( ) ( ).
Page 42
a) Formule de Newton progressive
‫׀‬ ‫׀‬ ‫׀‬

x
( ) ( )( ) ( ) ( )
( ) ( ) ( )+ ( ) ( ) ( )
En effectuant le changement de variable la relation ( ) s’écrit
( ) ( ) ( )
( ) ( ) ( )
Où ( )
b) Formule de Newton régressive
‫׀‬ ‫׀‬ ‫׀‬

x
( ) ( )( ) ( ) ( )
( ) ( ) ( ) ( ) + ( ) ( )
En effectuant le changement de variable la relation ( ) s’écrit

( ) ( ) ( )
( ) ( ) ( )
Où ( )
Les formules ( ) ( ) sont bien adaptées en début de table et les formules ( ) et

( ) le sont en fin de table.
Les formules ( )( ) sont utilisées lorsqu’on veut connaitre la forme générale du polynôme
( ), tandis que les formules ( )( ) sont plus commode pour le calcul de la valeur
( ) en un point donné.
Remarque5-7
Si le tableau des valeurs de la fonction ( ) est infini, le nombre n dans les formules
d’interpolation précédente peut être quelconque. Pratiquement dans ce cas on le choisit tel que la
différence non divisée ( ) ( ) soit constante avec la précision imposée. Pour valeur
initiale on peut prendre toute valeur tabulée de l’argument x.
Remarque5-8
Dans les cas pratiques il est d’usage d’arrêter le calcul suivant les formules de Newton aux termes qui
contiennent des différences pouvant être considérées comme constantes dans les limites de la précision
imposée. En supposant que soient quasi constantes pour la fonction ( ) et h
( )
suffisamment petit, et en tenant compte du fait que ( ) (voir [4]) ; on peut
( )
poser approximativement ( ) . D’où on peut prendre
( ) [ ]
( ) ( )
NB : Pour la formule régressive de Newton on prendra
( ) [ ]
( ) ( )
Exemple5-3
Soit la fonction ( ) donnée par le tableau
Page 43
3,50 3,55 3,60 3,65 3,70
33,115 34,813 36,598 38,475 40,447
a) En utilisant la formule de Newton progressive, trouver le polynôme d’interpolation ( ) puis

calculer ( )
b) En utilisant la formule de Newton régressive, trouver le polynôme d’interpolation ( ) puis
calculer ( )
c) En utilisant l’une des formules de Newton progressive ou régressive, trouver le polynôme
d’interpolation ( )
Réponse
Formons le tableau suivant
x y
3,50 33,115 1,698
3,55 34,813 1,785 0,087 0,005
3,60 36,598 1,877 0,092 0,003 -0,002
3,65 38,475 1,972 0,095
3,70 40,447
a) On a et d’après la formule progressive ( ) nous obtenons
( ) ( )( )
( ) + +( )( )( )
Après calcul, avec ( ) nous

trouvons
( ) x et ( ) 36,234
b) D’après la formule régressive ( ) nous obtenons
( ) ( )( ) ( )( )( )
( )
Après calcul, avec ( ) ,

nous trouvons
( ) x et ( )
c) En utilisant la formule ( ) ( ) nous trouvons
( ) x
Page 44
Exemple5-4
0,087156 0,121869 0,156434 0,190809 0,224951 0,258819
A l’aide de la formulation d’interpolation de Newton calculer
Réponse
Formons le tableau des différences
x y
0,087156
0,121869 0,034713 -0,000148
0,156434 0,034565 -0,000190 -0,000042 -0,000001
0,190809 0,034375 -0,000233 -0,000043 0,000002 0,000003
0,224951 0,034142 -0,000274 -0,000041
0,258819 0,033868
On voit que les différences sont bien approchées, cela signifie d’après la théorie, que la fonction
, dans cet intervalle, peut être bien approchée à l’aide d’un polynôme du troisième degré.
Comme , et , donc d’après la formule progressive ( ) nous avons
( ) ( )
Calculons maintenant l’erreur absolue d’interpolation. Nous avons

| ( )| |( )( )( )( )| | | , après calcul, avec
nous trouvons
| ( )|
Donc
Remarque5-9
Pour construire les formules de Newton on ne recourt qu’aux valeurs situées d’un seul côté de la
valeur initiale choisie, ce qui donne à ces formules un caractère unilatéral. Dans de nombreux cas on a
intérêt à mettre en œuvre des formules d’interpolation concernant les valeurs situées des deux côtés du
point de départ. Les plus utilisées s’appellent formules d’interpolation par différences centrales. Ce
sont entre autres les formules de Gauss, de Stirling, de Bessel pour plus de détails voir ([6],[7],[8])
5-2-9) Interpolation polynomiale de Hermite
5-2-9-1) Polynôme d’interpolation de Hermite

Soit une fonction f définie sur un intervalle [ ] . En n+1 points distincts deux à deux de
l’intervalle [ ], supposons connaitre les valeurs ( ) ( ) pour tout . Pour
interpoler cette fonction f cherchons un polynôme de degré q le plus petit possible tel que
( ) ( )
{ ( ) ( ) ( )
Page 45
Théorème5-3
Il existe un unique polynôme, d’interpolation de la fonction f, de degré vérifiant

les conditions ( ), il est donné par :
( ) ∑ ( ) ( ) ∑ ( ) ( ) ( )
Où ( ) [ ( ) ( )] ( ) et ( ) ( ) ( ) ,
désigne le polynôme de Lagrange.
Le polynôme donné par la formule ( ) est appelé polynôme d’interpolation de Hermite.
Preuve
Le problème comporte 2n+2 données, il est donc possible d’envisager . Pour faire
intervenir explicitement les données ( ) écrivons le polynôme sous la forme
( ) ∑ ( ) ( ) ∑ ( ) ( )
Où sont des polynômes de degré . A partir des conditions d’interpolation ( )

nous obtenons
( ) ( )
( ) ( ) { ( )
( ) ( )
( ) ( )
( ) ( ) { ( )
( ) ( )
Les conditions ( ) et ( ) suggèrent de poser ( ) ( ) ( ) ( ) ( ) ( )

où désigne le polynôme de Lagrange de degré , qui rappelons- le, vérifie
( ) et ( ) .
Les polynômes ( ) ( ) sont donc de degré 1 et sont déterminés respectivement par les
conditions suivantes ( ) ( ) obtenues à partir ( ) ( ).
( )
{ ( )
( ) ( )
( )
{ ( )
( )
D’où
( ) ( ) ( )
{
( )
Ce qui permet d’écrire le polynôme recherché ( ). Ce polynôme de Hermite est unique, en effet
s’il y en avait deux tel que
( ) ( ) ( ) ( )
{
( ) ( ) ( ) ( )
Le polynôme ( ) ( ) ( ) vérifierait ( ) ( )
Page 46
C’est-à-dire d’ordre 2n+1 admettrait n+1 racines doubles, par conséquent d’où
l’unicité du polynôme de Hermite.
5-2-9-2) Erreur d’interpolation de Hermite
Posons . Compte tenu des conditions d’interpolation nous obtenons

( ) ( ) c’est-à-dire la fonction admet ( ) racines doubles
, il est donc naturel de poser ( ) ( ) ( ) ( ).
Pour déterminer la fonction k, considérons, pour x fixé dans [ ]( ), la
fonction
( ) ( ) ( ) ( ) ( ) ( ) ( )
et supposons que la fonction f possède des dérivées continues jusqu’à l’ordre 2n+2, la fonction ainsi
définie est donc de classe [ ] , nous obtenons alors :
( ) pour les n+2 valeurs

( ) pour au moins n+1 valeurs distinctes dans [ ] et aussi pour les n+1 valeurs
, donc en tout, pour 2n+2 valeurs distinctes dans [ ] par conséquent et puisque
[ ] , d’après le corollaire5-1 , [ ] tel que ( )
( ) .
Il vient en utilisant la relation ( )
( )( )
( )
[( ) ( ) ]( )
Comme
[( ) ( ) ]( )
( ) (On peut la démontrer par récurrence)
Nous obtenons le terme d’erreur recherché :
( )( )
( ) ( ) ( ) [ ] ( )
( )
--------------------
Page 47
Exercices avec solutions du chapitre 2
Exercice1
Trouver, à l’aide de l’approximation discrète des moindres carrées, le polynôme de
premier degré approchant le tableau suivant
0 1 2 3 4
( ) 1 2 1 0 4
w( ) 1 1 1 1 1
.
Exercice2
Trouver la meilleure approximation au sens des moindres carrées de la fonction ( ) sur
l’intervalle [ ] dans l’ensemble des polynômes de degré , en prenant la fonction poids
( )
Ecercice3
On considère la fonction ( ) donnée par le tableau suivant :
x 1 4 6
( ) 1.5709 1.5727 1.5751
Trouver une approximation de ( ) en utilisant le polynôme d’interpolation de Lagrange (Trouver

d’abord le polynôme d’interpolation).
Exercice4
En utilisant les différences divisées, former le polynôme d’interpolation de la fonction ( )
donnée par le tableau :
x 0 2,5069 5,0154 7,52270
y 0, 3989423 0,3988169 0,3984408 0,3978814
Trouver, à l’aide de ce polynôme ( ).
Exercice5

x 1,50 1,55 1,60 1,65 1,70
y 0,4054651 0,4382549 0,4700036 0,5007753 0,5306283
a) En utilisant la formule de Newton progressive, trouver le polynôme d’interpolation ( ) puis

calculer ( )
b) En utilisant la formule de Newton régressive, trouver le polynôme d’interpolation ( ) puis
calculer ( )
c) En utilisant les formules ( ) ( ) ( ) calculer les erreurs ( ) et
( )
d) En utilisant l’une des formules de Newton progressive ou régressive, trouver le polynôme
d’interpolation ( )
Page 48
Exercice6
Le tableau ci-dessous représente les valeurs de la fonction :
( ) ( )
0 1 2
-1 0 1
( ) 1,4715 1,0000 0,0000
1) Déterminer le polynôme d’interpolation de Newton passant par les points

( ( )) ( ( )) ( ( ))
2) Calculer une approximation de f en . En déduire l’erreur absolue de l’interpolation
en ce point.
3) En se servant des valeurs de la dérivée de la fonction f en , trouver le polynôme
d’interpolation de Hermite et donner une approximation de f en . En déduire l’erreur
absolue de l’interpolation en ce point.
4) Comparer les deux approximations obtenues dans les deux cas précédents.
--------------------
Page 49
Solution Exercie1
Le polynôme de degré 1 approchant le tableau ci-dessus s’écrit Calculons les
coefficients les et , en appliquant la formule ( ) avec ( ) et ( ) il vient
∑ ∑ ( ) ( ) ( ) ∑ ( ) ( ) ( )
{
Nous trouvons le système de Cramer suivant
{
D’où après résolution, nous obtenons
et c’est-à-dire ( )
--------------------
Solution Exercic2
( ) . Calculons les coefficients, en appliquant la formule ( )
avec ( ) ( ) ( ) ( ) et après calcul des
différentes intégrales nous trouvons le système linéaire de Cramer suivant
( )
La résolution de ce système conduit à ( ) d’où

( ) ( )
--------------------
Solution Exercice3
D’après la formule ( ) le polynôme d’interpolation de Lagrange de la fonction f s’écrit
( )( ) ( )( ) ( )( )
( ) ∑ ( ) ( ) ( )( ) ( )( ) ( )( )
( ) D’où ( ) ( )
--------------------
Solution Exercice4
Calculons les différences divisées de la fonction y
x Y Ordre 1 Ordre 2 Ordre3
0 0,3989423
2,5069 0,3988169 -0,0000500
5,0154 0,3984408 -0,0001000 -0,0000199
7,5270 0,3978138 -0,0001499 -0,0000199 0,0000000
En utilisant la formule ( ) nous trouvons
Page 50
( ) ( )
D’où ( ) ( ) .
Solution Exercice5
Formons le tableau suivant
x y
1,50 0,4054651 0,0327898
1,55 0,4382549 0,0317487 -0,0010411 0,0000641
1,60 0,4700036 0,0307717 -0,0009770 0,0000583 -0,0000058
1,65 0,5007753 0,029853 -0,0009187
1,70 0,5306283
a) On a et d’après la formule progressive ( ) nous obtenons
( ) ( )( )
( ) + +( )( )( )
Après calcul, avec 0,0327898, ,

( ) nous trouvons
( )
( )
b) D’après la formule régressive ( ) nous obtenons
( ) ( )( ) ( )( )( )
( )
Après calcul, avec

et ( ) , nous trouvons
( )
( )
c) Calculons l’erreur ( ) , d’après les formules ( ) et ( ) nous avons
|( )( )( )( )|
| ( )| | | . Après calcul, et avec, | |
nous obtenons | ( )|
Calculons maintenant l’erreur absolue | ( )| en se basant sur la formule régressive de

|( )( )( )( )|
Newton nous avons | ( )| | |, après calcul, et avec
| | nous obtenons | ( )|
d) En utilisant la formule ( ) ( ) nous trouvons

( )
--------------------
Page 51
Solution Exercice6
Formons le tableau des différences
y
-1 1,4715 -0,4715 -0,5285
0 1,0000 -1,0000
1 0,0000
1) On a et d’après la formule progressive ( ) nous obtenons
( ) ( )( )
( ) +
Après calcul, avec, , et ( )

Nous trouvons
( )
2) ( ) ( ) . On a ( ) ( )
D’où l’erreur absolue ) ( (
( )) | ( )|
3) Nous avons
( ) ( ) , d’où ( ) ( ) et ( )
Le polynôme d’interpolation de Hermite est donné par
( ) ∑ ( ) ( ) ∑ ( ) ( )
Avec
( )
( ) [ ( ) ( )] ( ), ( ) ( ) ( ) et ( ) ∏
( )
Puisque au point ( ) et ( ) , il suffit de calculer et .
Ainsi
( )( ) ( )( )
( ) ( ( ) et ( )
)( ) ( )( )
De plus ( ) ( ) et ( ) ,
donc ( ) et ( ) . D’où,
( ) [ ( ) ( )] ( ) ( ) ( )
( ) [ ( ) ( )] ( ) ( )
( ) ( ) ( ) ( )
Comme ( ) et ( ) et en remplaçant dans la formule du polynôme

d’interpolation de Hermite, il vient
( )
D’où ( ) et donc l’approximation de la fonction f en est
( ) ( ) .
Par ailleurs, on a ( ) ( )
D’où l’erreur absolue ( ( )) | ( ) ( )|
4) On voit bien que
( ( )) ( ( )) ce qui confirme que l’approximation donnée par le
polynôme d’interpolation d’Hermite est nettement meilleure que celle donnée par le
polynôme d’interpolation de Newton.
--------------------
Page 52
Chapitre 3
Intégration Numérique
1) Introduction
Le but de ce chapitre est de donner des méthodes numériques permettant de calculer des valeurs
approchées d’intégrales. En effet le nombre de fonctions dont on sait calculer une primitive est en fait
très faible, on rencontre souvent des intégrales dont le calcul par des méthodes analytiques est très
compliqués ou même impossible, car il n’existe pas d’expression analytique de la primitive. Voici
⁄
quelques exemples : ∫ ∫ ∫ ∫ √ ∫
De même de telles méthodes numériques, permettant d’approcher la valeur ∫ ( ) s’imposent
lorsque la fonction f n’est connue que par les valeurs ( ) , exacts ou approchées, qu’elle prend en
des points donnés (table numérique ou résultats expérimentaux par exemple).
Le problème donc de l’intégration numérique (ou de quadrature) d’une fonction f consiste à
rechercher la valeur de l’intégrale définie à partir de plusieurs valeurs ( ) sous le signe somme.
2) Méthode générale d’intégration
De manière générale considérons l’évaluation approchée de l’intégrale définie ∫ ( ) ( ) , où w

est une fonction donnée : fonction poids par exemple. L’idée de base est d’utiliser les valeurs ( )
calculées ou données, prises par la fonction f en n+1 points distincts de l’intervalle [ ]et d’écrie
∫ ( ) ( ) ∑ ( )
Où les coefficients sont déterminés de telle sorte que la quantité R soit nulle lorsque f appartient à
une certaine classe de fonction : les polynômes de degré par exemple. Lorsque la fonction f est
quelconque, la fonction linéaire discrète ∑ ( ) fournit alors une valeur approchée de
l’intégrale en négligeant le terme R, appelé erreur d’intégration.
2-1) Détermination des coefficients
Rappel mathématique
Définition
Soit { ( ) ( ) ( ) } avec [ ] . T forme un système
de Tchebychev dans [ ] si toute combinaison linéaire de ses fonctions admet au plus n zéros dans
l’intervalle [ ].
Théorème
Les deux propriétés suivantes sont équivalentes
1) T est un système de Tchebychev dans [ ]

2) Pour tout ( )-uplet ( ) de points distincts de [ ] , le
déterminant ( ) est non nul.
Page 53
( ) ( )
Avec ( ) ( )
( ) ( )
Considérons maintenant n+1 fonctions linéairement indépendantes, continues sur

l’intervalle [ ], formant un système de Tchebychev et telle que les valeurs ∫ ( ) ( ) ,
pour , soient faciles à obtenir. Le système linéaire
∑ ( ) ∫ ( ) ( )
{
détermine alors (n+1) constantes de manière unique, qui permettent d’écrire
∫ ( ) ( ) ∑ ( ) ( )
pour toute combinaison linéaire ( ) ∑ ( ). Si nous supposons maintenant que la fonction

est la fonction d’interpolation de la fonction f, c’est-à-dire vérifie les n+1conditions ( ) ( )
et si nous posons , il vient
∫ ( ) ( ) ∑ ( ) ∫ ( ) ( ) ( )
La formule ( ) est à la base des méthodes d’intégration approchée qui vont suivre.
Remarque 2-1
Nous avons vu au chapitre précédent que la fonction d’interpolation s’écrit
( ) ∑ ( ) ( ), il s’ensuit que les coefficients sont également donnés par
∫ ( ) ( )
2-2) Erreur d’intégration
Lorsqu’on utilise la formule d’intégration approchée ∫ ( ) ( ) ∑ ( ) on commet

l’erreur ∫ ( ) ( ) où, rappelons-le, désigne la fonction erreur d’interpolation.
3) Utilisation de l’interpolation polynômiale
Dans la pratique les fonctions sont les polynômes et la fonction

d’interpolation devient le polynôme d’interpolation (chapitre précédent). Les formules
d’intégrations précédentes deviennent alors
∫ ( ) ( ) ∑ ( ) ( )
∑ ∫ ( ) ∫ ( ) ( )
Avec { ou {
Où désigne le polynôme de Lagrange. Connaissant l’erreur d’interpolation (cf 5-2-6 du chapitre

précédent), l’erreur d’intégration s’écrit
∫ ( )( ) ( ) [ ] ( )
Page 54
Remarques 3-1
1) En général, une formule d’intégration numérique peut contenir aussi des dérivées de la fonction à
intégrer c’est par exemple, le cas d’interpolation polynômiale de Hermite.
2) Ces formules sont établies lorsque les n+1 points sont distincts et quelconques dans [ ] ; dans
ces conditions l’erreur R ne peut être nulle, en général, que lorsque f est un polynôme quelconque de
degré . Dans un paragraphe suivant (méthode d’intégration de Gauss), nous verrons que les points
peuvent être trouvés tels que l’erreur R s’annule quand f est un polynôme de degré .
3) Les coefficients sont indépendants de la fonction f et peuvent par conséquent être calculés une
fois pour toute.
Cas particuliers
La fonction f est dérivable jusqu’à l’ordre n+1, l’expression de l’erreur d’integration R, donnée ci-
dessus par la formule ( ), peut alors être modifiée de la manière suivante ; compte tenu de l’erreur
( )( )
d’interpolation ( ) ( ) ( )
( )
. Où, rappelons-le, ( dépend de la variable x)
appartient au plus petit intervalle [ ] contenant les points nous avons
( )( )
∫ ( ) ( ) [ ]
( )
Où ( ) ( ) ( )
a) Si le produit ( ) ( ) est de signe constant dans l’intervalle [ ] d’intégration, le théorème

de la moyenne permet d’écrire
( )( )
∫ ( ) ( ) [ ] ( )
( )
b) Si l’on sait que la dérivée d’ordre n+1de la fonction f est bornée en valeur absolue par une quantité
M, l’erreur d’intégration est telle que
| | ( )
où ∫ | ( ) ( )|
4) Méthode de Newton-Cotes
Dans les paragraphes précédents les points étaient distincts et quelconques. Adoptons le pas
et découpons le segment [ ] à l’aide des points équidistants
( ) , en n parties égales ; nous supposons également
que ( )
4-1) Formules de Newton-Cotes
Ce sont les formules d’intégration suivantes
∫ ( ) ∑ ( ) ( )
Où les coefficients sont donnés, d’après le paragraphe précédent, par
Page 55
∑ ∫ ( )
{ ou { ( )
Si on suppose que la fonction f est dérivable jusqu’à l’ordre n+1 l’erreur R est alors donnée par :
( )( )
∫ [ ] ( )
( )
4-1-1) Formule des trapèzes et son reste

En prenant appliquant la formule ( ) nous obtenons, avec
D’où ∫ ( ) [ ( ) ( )]
et en supposant que [ ] nous déduisons de la formule ( ) que
( )
∫ ( )( ) [ ]
Comme ( ) ( )( ) est de signe constant dans l’intervalle [ ] le théorème de la

( )
moyenne permet d’écrire ∫ ( )( ) [ ] . Après calcul de
l’intégrale, nous trouvons ( ) . La formule des trapèzes et son reste est donc donnée
∫ ( ) [ ( ) ( )] ( ) [ ] ( )
Géométriquement la formule ( ) s’obtient en remplaçant la courbe de la fonction ( ) par une

ligne brisée.
4-1-2) Formule générale des trapèzes et son reste
Divisons l’intervalle d’intégration [ ] en n parties égales [ ][ ] [ ] et

appliquons à chacune d’elles la formule des trapèzes ( ) avec , il vient
∫ ( ) ∑ ∫ ( ) ∑ [ ( ( ) ( )) ( )] [ ]
[ ( ) ( ) ∑ ( )] ∑ ( ) [ ] ( )
Considérons la moyenne arithmétique ∑ ( ) , évidemment est compris entre les

valeurs minimale et maximale de la dérivée seconde de la fonction f sur le segment [ ],
comme est continue sur [ ], d’après le théorème des valeurs intermédiaire il existe un point
[ ] tel que ( ) ( )
Des formules ( ) ( ) nous obtenons la formule générale des trapèzes
( )
∫ ( ) [ ( ) ( ) ∑ ( )] ( ) [ ] ( )
Page 56
4-1-3) Formule de Simpson et de son reste
En prenant en appliquant les formules ( ) ( ) avec nous obtenons
et d’où
∫ ( ) [ ( ) ( ) ( )]
Son interprétation géométrique est donnée en remplaçant la courbe concernée ( ) par une
parabole qui passe par les trois points ( ) ( ) ( ) En supposant que
[ ] le reste R de la formule de Simpson est donné par
( ) [ ]
( ) ( )
En effet nous avons ∫ ( ) [ ( ) ( ) ( )].
Supposons que [ ] et déduisons une formule bien simple pour le calcul du reste R. En fixant
le point médian et en considérant ( ) comme une fonction du pas h, nous pouvons alors
poser
( ) ∫ ( ) [ ( ) ( ) ( )]
D’où en dérivant trois fois de suite la fonction ( ) nous aurons
( ) [∫ ( ) [ ( ) ( ) ( )]]
[ ( ) ( )] [ ( ) ( ) ( )] [ ( ) ( )]
= [ ( ) ( )] ( ) [ ( ) ( )]
( ) [ ( ) ( )] [ ( ) ( )]
( ) ( ) ( )
( ) [ ( ) ( )]
( )( ) ( )( )
[ ]
En appliquant le théorème de Lagrange (théorème des accroissements finis) sur l’intervalle

( )
[ ] à la fonction ( ), il vient
( ) ( ) ] [
( ) ( )
( )
En outre on a ( ) ( ) ( ) . Une intégration de proche en proche de ( ) et
l’application du théorème de la moyenne donnent
( ) ( ) ( ) [ ]
( ) ∫ ( ) ( ) ∫ ( ) ( )
De même
( ) ( ) [ ]
( ) ∫ ( ) ( ) ∫ ( ) ( )
( ) ( ) [ ]
( ) ∫ ( ) ( ) ∫ ( ) ( )
Page 57
La formule de Simson et son reste est donc donnée par
( )
∫ ( ) [ ( ) ( ) ( )] ( ) [ ] ( )
4-1-4) Formule générale de Simpson et son reste
Soient un nombre pair et ( ) ( ) les valeurs de la fonction ( )

pour les points équidistants ( ) où . En
appliquant la formule de Simpson ( ) à chaque intervalle double
[ ] [ ] [ ] d’une longueur de 2h chacun et en supposant que [ ] nous
obtenons ∫ ( )
[ ( ) ( ) ( )] [ ( ) ( ) ( )] [ ( ) ( )
( ) ( ) ( )
( )] [ ( ) ( ) ( )]
( ) [ ]
[ ( ) ( ) ∑ ( ) ∑ ( )] ∑ ( )
Le reste de la formule générale de Simpson est donné par
( ) ( )
( ) [ ]
En effet :
( )
considérons la moyenne arithmétique ∑ ( ) , évidemment est compris entre les
( )
valeurs minimale et maximale de la fonction sur le segment [ ].
( ) ], d’après le théorème des valeurs intermédiaires, il existe un point
Comme est continue sur [
( )
[ ] tel que ( ) d’où le résultat. La formule générale de Simpson s’écrit donc
( ) ( )
∫ ( ) [ ( ) ( ) ∑ ( ) ∑ ( )] ( ) ( )
[ ]
Remarque 4-1
Les formules des trapèzes et de Simpson ne sont pas les seules méthodes de Newton-Cote ils existent
d’autres ; par exemple formule de Newton et de Poncelet.
Exemple4-1
Estimer par la méthode des trapèzes, puis par celle de Simpson l’intégrale ∫ ( ) sur la base
du tableau suivant :
x 0
f(x) 0 0.382683 0.707107 0.923879 1
Ces points d’appui sont ceux donnant la fonction ( ) . Comparer alors les résultats obtenus
avec la valeur exacte I.
Page 58
Réponse
∫ ( ) , le pas h étant donné par
-Soit l’approximation de I par la méthode des trapèzes, nous avons alors
[ ( ) ( ) ∑ ( )] [ ( )]
-Soit l’approximation de I par la méthode de Simpson, nous avons alors
[ ( ) ( ) ( ( ) ( )) ( )]
[ ( ) ]
La valeur exacte de I est ∫ les erreurs absolues de et de sont alors données par
( ) | | et ( ) | | ; nous remarquons que ( ) ( )
d’où l’approximation de l’intégrale I utilisant la méthode de Simpson est meilleur que
l’approximation utilisant celle des trapèzes.
Remarques 4-2
- Les formules de quadrature aux points équidistants sont en particulier les formules les plus usitées,
celle de Newton-Cote (des trapèzes, de Simpson,….).
- La précision de ces dernières est définie surtout par l’ordre du reste ( ) où est le
pas ; n étant le nombre de partitions de l’intervalle [ ] d’intégration et m un nombre naturel.
( )
Par exemple, le reste de la formule des trapèzes ( ) donc et celui de la
( ) ( )
formule de Simpson ( ) donc .
La précision de la formule de quadrature est considérée d’autant plus élevée que le nombre m est plus
grand ; dans ce sens la formule de Simpson est plus exacte que celle des trapèzes.
-La qualité de la formule se manifeste déjà avec un pas h suffisamment petit. Il ne s’ensuit nullement
que dans des cas concrets une formule plus grossière ne peut donner pour le même pas de meilleurs
résultats qu’une formule exacte : par exemple pour la fonction
( ) , on a ∫ ( ) , pour et l’approximation
utilisant la formule des trapèzes, donne [ ( ) ( ) ( )] alors que
l’approximation utilisant celle de Simpson n’assure même pas le signe de l’intégrale
[ ( ) ( ) ( )] .
-La précision d’une formule de quadrature pour un nombre de points fixe dépend sensiblement de la
répartition de ces points. Si cette répartition est mauvaise, les résultats fournis par une formule de
quadrature peuvent être très compromis.
5) Méthode de Gauss
Reprenons la formule d’intégration générale
∫ ( ) ( ) ∑ ( )
Page 59
Où les coefficients sont déterminés de telle sorte que la quantité R s’annule lorsque la fonction f est
un polynôme de degré
Dans le cas où la fonction f est explicitement donnée on peut disposer des valeurs ( ) quelque
soient ces points . En présence de cette possibilité la question qui se pose est de savoir s’il est
possible de trouver n+1 points de l’intervalle [ ] pour lesquels la formule d’intégration
∫ ( ) ( ) ∑ ( ) ( )
conduit à une erreur R nulle lorsque f est un polynôme quelconque de degré Les inconnues
et sont alors solution du système d’équations non linéaires
∑ ∫ ( )
{
Nous allons voir que la question a une réponse positive, avec en général, ce qui
constitue un gain de précision appréciable.
Nous allons d’abord chercher les points , appelés abscisses de Gauss. (les constantes seront
alors données par le système linéaire habituel)
5-1) Détermination des points (abscisses de Gauss)
Nous trouverons ces points en recherchant les racines (supposées réelles) du polynôme de
degré n+1 ( ) ( ) ( ) que nous allons déterminer.
Soit un polynôme quelconque, de degré , que l’on peut mettre sous la forme
où et sont des polynômes de degré et obtenus par
l’algorithme de la division des polynômes. Nous avons donc
∫ ( ) ( ) ∫ ( ) ( ) ( ) ∫ ( ) ( ) ( )
et nous voulons que ∫ ( ) ( ) ∑ ( ) pour

Si ces points réels existent, les coefficients sont déterminés de telle sorte que
∫ ( ) ( ) ∑ ( )
Mais, par construction, nous avons ( ) ( ) , la formule ( ) montre alors que

vérifie la relation
∫ ( ) ( ) ( ) ( )
Remarque 5-1
Lorsque la fonction poids w est positive, de la formule ( ) nous pouvons parler des polynômes
orthogonaux classiques cités au chapitre précédent
- Si ( ) , est alors un polynôme de Legendre
- Si ( ) , est alors un polynôme de Tchebychev
√
- Si ( ) , est alors un polynôme de Laguerre
- Si ( ) , est alors un polynôme de Hermite.
Page 60
Exemple 5-1
Soit la fonction ( ) ( ) et , d’après Gauss nous avons
∫ ( ) ( ) ( ) ( ) avec les racines du polynôme de
Legendre d’ordre 3 ( ) ( ) d’où √ , , √ .
∑ ( ) ∫
La relation { conduit au système linéaire suivant
√ √ dont la résolution donne d’où
∫ ( ) √ [ (√ ) ( √ )]
qui est exacte lorsque f est un polynôme quelconque de degré (facile à vérifier).
5-2) Degré de validité maximum
Théorème 5-1 [1]
Lorsque la fonction w ne change pas de signe dans l’intervalle [ ] la formule d’intégration

approchée de Gauss ∫ ( ) ( ) ∑ ( ) est exacte lorsque f est un polynôme de
degré ne peut être exacte pour un polynôme de degré
5-3) Propriétés des abscisses de Gauss lorsque la fonction w ne change pas de signe sur [a,b]
Comme nous l’avons dit, les propriétés des abscisses de Gauss sont celles des racines des
polynômes orthogonaux
Théorème 5-2 [1]
Lorsque la fonction w ne change pas de signe dans l’intervalle [ ] les abscisses de Gauss
sont réelles, distincts, situées dans [ ] et uniques.
5-4) Propriétés des coefficients
Plaçons-nous dans le cas où la fonction w est de signe constant dans l’intervalle [ ], les coefficients
sont donnés, rappelons- le, par le système linéaire
∑ ∫ ( ) ∫ ( ) ( )
{ ou bien par la relation {
où est le polynôme de Lagrange relatif au point Nous pouvons donner une autre expression
∫ ( ) ( ) ( )
Page 61
En effet, puisque degré ( ) , la formule d’intégration de Gauss ( ) appliquée à ce
polynôme conduit à ∫ ( ) ( ) ∑ ( )
Cette relation permet de constater que les sont du signe de w.

Lorsque l’intervalle d’intégration est de la forme [ ] et que les points sont distribués
symétriquement par rapport à l’origine ( ) ce qui est le cas de l’intégration de Gauss-
Tchebychev ou de Gauss-Legendre par exemple, les coefficients sont tel que
si la fonction w est paire et si la fonction w est impaire.
5-5) Erreur de l’intégration par la méthode de Gauss
Nous supposons encore que la fonction w ne change pas de signe dans l’intervalle [ ] et considérons
la formule ∫ ( ) ( ) ∑ ( ) caractérisée par le fait que la quantité R est nulle
lorsque f est un polynôme de degré .
Pour obtenir une expression de l’erreur d’intégration R lorsque la fonction f est quelconque, nous
allons utiliser la formulation d’interpolation de Hermite. Nous avons vu (chapitre précédent) que
( )( )
( ) ( ) ( ) [ ]
( )
( ) ( )
Où ( ) ( ) ( ) et le polynôme vérifie {
( ) ( )
Ce polynôme d’interpolation s’écrit
( ) ∑ [ ( ) ( )] ( ) ( ) ∑ ( ) ( ) ( )
Compte tenu de ces résultats, nous avons donc

∫ ( )[ ( ) ( )] ( )
∫ ( ) ∑ ( ) ∑ ( ) où {
∫ ( )( ) ( )
Si nous prenons maintenant les points comme étant les abscisses de Gauss nous obtenons
∫ ( )( ) ( )
( )
En effet, le polynôme de Lagrange peut s’écrire ( )
( ) ( )
où ( ) ( ) ( )( ) ( ), ce qui conduit à
∫ ( ) ( )
( )
En raison de l’orthogonalité de par rapport à tout polynôme de degré il s’ensuit que

Nous pouvons donc écrire que ∫ ( ) ( ) ∑ ( ) avec
( )( )
∫ ( ) ( ) [ ] ( )
( )
puisque la fonction ne change pas de signe dans [ ]
Page 62
Exemple 5-2
( ) , les abscisses ( ) de Gauss-Legendre sont alors les
( )
racines du polynôme de Legendre d’ordre n+1 ; ( )
( )
1) n = 1, les abscisses sont donc les racines du polynôme de Legendre

√ √
( ) ( ) c’est-à-dire . D’après la formule ( ) l’erreur
( )( )
d’intégration R est donnée par : ∫ ( ) [ ] avec
√ √
( ) ( ) ( ) ( ) après calcul de l’intégrale nous obtenons
( )
( ) . D’autre part nous avons ∫ ( ) , nous trouvons alors
d’où la formule d’intégration de Gauss
√ √ ( )
∫ ( ) ( ) ( ) ( ) [ ]
2) n = 2, les abscisses sont donc les racines du polynôme de Legendre
( ) ( ) , c’est-à-dire √ √ .
D’après la formule ( ) l’erreur d’intégration R est donnée par :

( )( )
∫ ( ) [ ]
avec ( ) ( √ ) ( √ ) ( )
Après calcul des différentes intégrales nous obtenons
( )
( ),
D’où la formule d’intégration de Gauss

( ) [ ]
∫ ( ) [ ( √ ) ( ) (√ )] ( )
Remarque5-2
Lorsque les abscisses sont celles de Gauss-Legendre la formule de l’erreur ( ) s’écrit
[( )] ( )
( ) [ ] ( )
[( )] ( )
et pour un intervalle quelconque [ ] on peut toujours se ramener à l’intervalle [ ] par le

changement de variable , [ ] , dans ce cas
∫ ( ) ∫ ( )
et la formule d’intégration approchée de Gauss s’écrit
∫ ( ) ∑ ( ) avec étant les racines du polynôme de

Legendre.
Page 63
L’erreur R dans ce cas est donnée par
( ) [( )] ( )
( ) [ ] ( )
[( )] ( )
Exemple5-3
( ) , les abscisses ( ) de Gauss-Tchebychev sont alors
√
( )
les points [ ] , les coefficients sont tous égaux à et l’erreur ( ) se met
( )
sous la forme ( ) [ ] d’où la formule d’intégration de Gauss
( )
( ) ( ) ( )
∫ ∑ ( ) ( ) [ ]
√ ( )
6) Convergence des méthodes d’intégration numériques
Considérons la formule d’intégration approchée

∫ ( ) ( ) ∑ ( )
où les points sont quelconques dans l’intervalle [ ] et où les coefficients sont également
quelconques pour l’instant. Supposons que la fonction f est continue sur [ ] et que la valeur
∫ ( ) est bornée par une quantité M. Nous nous proposons de trouver les conditions que doivent
vérifier les et les pour que la convergence ∑ ( ) ∫ ( ) ( ) ait lieu.
Théorème 6-1
Lorsque f est une fonction continue sur l’intervalle [ ] , la méthode d’intégration approchée
∫ ( ) ( ) ∑ ( ) converge si
1) f est un polynôme quelconque
2) La valeur ∑ | | demeure finie pour tout n.
Avant de procéder à la démonstration de ce théorème, nous rappelons le théorème de Weierstrass.
Théorème de Weierstrass
Si f est une fonction continue sur l’intervalle [ ] et si est une valeur strictement positive
donnée alors il existe un polynôme P de degré ( ) tel que
[ ]| ( ) ( )|
Preuve du Théorème6-1
∫ ( ) ( ) ∑ ( )
Posons { où P est un polynôme quelconque.
∫ ( ) ( ) ∑ ( )
Page 64
Nous pouvons alors écrire
∫ ( )[ ( ) ( )] ∑ [ ( ) ( )]
Soit une valeur arbitrairement petite. Alors le théorème de Weierstrass nous assure de pouvoir
prendre P tel que
[ ]| ( ) ( )| d’où | | | | [ ∑ | |]
Si | | pour tout polynôme P et si ∑ | | pour tout n,

nous avons alors
| | ( ) ce qui prouve le théorème.
6-1) Cas de la méthode de Gauss
Théorème 6-2 [1]
La méthode d’intégration approchée de Gauss ∫ ( ) ( ) ∑ ( ) est

convergente pour une fonction f continue si la fonction w est de signe constant sur [ ]
Remarque 6-1
Dans le cas de la méthode de Newton-Cote on démontre dans [1] que la quantité ∑ | | ne demeure
pas finie lorsque n augmente indéfiniment. La méthode d’intégration approchée de Newton-Cote ne
peut donc converger pour une fonction continue.
--------------------
Page 65
Exercice 1
( )
Soit f une fonction trois fois dérivable dans l’intervalle [ ] ( ), ( ) est continue dans
cet intervalle. La fonction f est donnée par points en .
1) En utilisant l’interpolation polynômiale établir, pour [ ] , la formule suivante
∫ ( ) ( ) ( ) ( ) ( )
On donnera une expression de ( )
2) On suppose que [ ]
( )
a) Montrer que ( ) peut s’écrire sous la forme ( ) ( ) ( ) [ ] , en
déduire alors la formule d’intégration suivante
[ ( ) [ ]
∫ ( ) ( ) ( ) ( )] ( )
b) Utiliser le résultat précédent pour calculer une valeur approchée de l’intégrale ∫ . Donner une
borne de l’erreur. Comparer ce résultat à celui que donnerait la formule des trapèzes utilisant les
points .
Exercice2
Soit l’intégrale : ∫
1) Estimer le nombre de subdivisions qu’il faut pour calculer une valeur approximative de I à
prés par la méthode des trapèzes.
2) Estimer le nombre de subdivisions qu’il faut pour calculer une valeur approximative de I à
prés par la méthode de Simpson. Trouver cette valeur approximative.
Exercice 3
Donner une valeur approchée de l’intégrale ∫ √ et une borne d’erreur absolue
1) En utilisant la formule de Gauss à trois ordonnées ( )

2) En utilisant la formule de Simpson en posant n = 2
3) En utilisant la formule des trapèzes pour n = 1 puis pour n = 3
Exercice 4
On désire développer une nouvelle formule d’intégration numérique dans l’intervalle [ ] de la

forme : ∫ ( ) () ( ) ( )
1) Déterminer les valeurs des constantes a et b de telle sorte que la quadrature (1) soit exacte
pour tout polynôme de degré inférieur ou égal à 1.
2) Estimer, à l’aide de cette quadrature ∫ . On note cette estimation par
Page 66
3) Estimer I à l’aide de la formule de Simpson pour quatre subdivisions de l’intervalle [ ]
( ). On note cette estimation par
4) Calculer la valeur exacte de I, En déduire les erreurs absolues ( ) et ( ) . Que peut- on
conclure ?
--------------------
Page 67
Solution Exercice 1
1) La fonction f est donnée par points en . Sur l’intervalle [ ] la

formule d’intégration de f utilisant l’interpolation polynômiale de Lagrange, avec la fonction poids
( ) est donnée par
∫ ( ) ( ) ( ) ( )
( )( )
Avec ∫ ( )( ) [ ] et ∫ ( )
Où désigne le polynôme de Lagrange relatif au point . Donc pour [ ] on aura
∫ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( )( )
Où ( ) ∫ ( ) et ( ) ∫ ( )( ) [ ] . On trouve,
après calcul des ( ),
∫ ( ) ( ) ( ) ( ) ( ) ( )
2) - a) Pour [ ], le polynôme en t, ( )( ) [ ] de plus la fonction

( )
( ) est continue sur [ ] donc vérifie
( )
[ ] ( ) ( ) [ ] ( )
Par conséquent nous obtenons
( )
∫ ( )( ) ∫ ( )( ) ( ) ∫ ( )( )
∫ ( )( ) ( )( )
D’où , d’après le théorème des valeurs intermédiaires il
∫ ( )( )
∫ ( )( ) ( )( )
( )
existe [ ] tel que ( ) d’où
∫ ( )( )
( ) ( )
∫ ( )( ) ( ) ∫ ( )( ) c’est-à-dire
( ) [ ]
( ) ( ) ( )
Utilisant ce résultat, la formule (1) et faisant , il vient
[ ( ) [ ]
∫ ( ) ( ) ( ) ( )] ( )
-b) Dans cette application numérique ( ) . ( ) ( ) ( )

D’où ∫ ( )
Pour trouver une borne de l’erreur , nous avons
( ) ( )
( ) ( )
, le terme d’erreur ( ) est alors majoré par
( )
| ( )| ( ) ( )
Page 68
Rappelons la formule des trapèzes utilisant les points ( )
∫ ( ) [ ( ) ( )] ( ) [ ] avec
Soit, en appliquant au cas particulier du problème

∫ [ ] . D’autre part nous avons ( ) ( )
, la majoration du terme
d’erreur est ici
| ( )| ( ) ( )
On remarque bien, d’après les bornes d’erreur, que la formule des trapèzes est moins précise que
celle de la formule (1) .
--------------------
Solution Exercice2
est le pas de la subdivision et n le nombre de subdivisions de l’intervalle [ ]

d’intégration de la fonction f
1) L’erreur de la formule générale des trapèzes sur l’intervalle d’intégration [ ] de la fonction

( ) ( )
f est donnée par ( ) ( ) [ ] . Pour [ ] [ ] et
( ) nous avons ( ) ( )
, par conséquent nous obtenons
| | [ ]| ( )| .
Pour avoir une approximation de I à près, il suffit d’imposer
d’où .
2) L’erreur de la formule générale de Simpson sur l’intervalle d’intégration [ ] de la fonction
( ) ( ) ( ) ( )
f est donnée par ( ) ( ) [ ] Pour
[ ] [ ] et ( )
( ) nous avons ( ) ( )
par conséquent nous
( )
obtenons | | [ ]| ( )| .
Pour avoir une approximation de I à près, il suffit d’imposer d’où

. Nous avons où , le tableau des valeurs de la fonction f
aux points de la subdivision est donné par :
0 0,250 0,500 0,750 1.000

( ) 0.000 0,200 0,333 0,429 0,500
Selon la quadrature de Simpson, nous avons
[ ( ) ( ) ( ( ) ( )) ( )]
La valeur exacte est ∫ [ ] .
Page 69
Solution Exercice 3
1) Nous avons les bornes de l’intégrale I, , nous procédons donc au changement de

variable , d’où . Pour la fonction à intégrer ( ) √
nous posons ( ) ( ) √ , il vient alors ∫ √ ∫ ( ) .
Le polynôme de Legendre du troisième degré s’écrit ( ) ( ) d’où les racines
√ √ . La formule d’intégration approchée de Gauss appliquée à la

fonction g sur l’intervalle [ ] est donnée par :
∫ ( ) ( ) ( ) ( )
Nous calculons les coefficients ∫

à partir de la formule ( ) où est le polynôme de
Lagrange relatif à la racine du polynôme de Legendre. Nous obtenons
∫ ( ) [ ( √ ) ( ) (√ )]
Après calcul des valeurs ( ) il vient
( ) [( )] ( )
D’après la formule de l’erreur [( )] ( )
( ) [ ]
nous obtenons,
( ) [ ] .
pour ( ) ( )
( ) ( )
En calculant ( ) il vient ( ) ( )
( )
d’où [ ]| ( )| donc | | ( ) .
0n prend comme borne d’erreur absolue de R,
2) la formule d’intégration approchée de Simpson est donnée par
∫ ( ) [ ( ) ( ) ( )]
Où donc
∫ ( ) [ ( ) ( ) ( )] [ √ √ ] .
( )
L’erreur R de la formule de Simpson est donnée par ( ) [ ]. En calculant
( ) ( ) ( )
( ) nous obtenons ( ) , d’où [ ]| | donc
√( )
| | ( ) . On prend comme borne d’erreur absolue de R,
3) a- Pour
La formule d’intégration approchée des trapèzes est donnée par :
Page 70
∫ ( ) [ ( ) ( )] Où , donc
∫ ( ) [√ √ ]
L’erreur R de la formule des trapèzes est donnée par : ( ) [ ].

On a ( ) d’où [ ]| ( )| donc
√( )
| | . On prend comme borne d’erreur absolue de R,
b) Pour
La formule générale d’intégration approchée des trapèzes est donnée par :
∫ ( ) [ ( ) ( ) ( ( ) ( ))]
On a , donc
∫ ( ) [ √ (√ √ )]
( )
L’erreur R de la formule générale des trapèzes est donnée par : ( ) [ ].
Donc | | ( ) . On prend comme borne d’erreur

absolue de R,
La valeur exacte de l’intégrale est ∫ √ √ . Ainsi dans ce cas la

formule de Gauss est plus exacte puis vient celle de Simpson et enfin celles des trapèzes pour
et .
On remarque que les bornes d’erreur calculées pour les trois formules utilisées confirment bien le
classement d’exactitude cité •
--------------------
Solution Exercice 4
Considérons sur l’intervalle [ ] la quadrature
∫ ( ) () ( ) ( )
1) Pour que la quadrature (1) soit exacte pour tout polynôme de degré inférieur ou égal à 1, il
suffit qu’elle soit exacte pour ( ) ( )
- Pour ( ) , on a ∫ c’est-à-dire
( )
- Pour ( ) , on a ∫ c’est-à dire
( )
Des équations (2) et (3) il vient
Page 71
2) En utilisant la quadrature (1) avec ( ) nous obtenons
∫ [ ]
3) Considérons la subdivision de l’intervalle [ ] en quatre sous intervalles, avec le pas

nous obtenons, en prenant ( ) , le tableau des valeurs suivant :
0 0 ,75 1,5 2,25 3

( ) 1 0,5714 0,4000 0,3077 0,2500
La formule de quadrature de Simpson est donnée par
∫ ( ) [ ( ) ( ( ) ( )) ( ) ( )]
D’où ∫
4) Constatons d’abord que ∫

Nous déduisons
( ) | | ( ) | | .
Nous pouvons conclure alors que l’approximation donnée par la quadrature de Simpson est
meilleurs que celle donnée par (1).
--------------------
Page 72
Chapitre 4
Dérivation Numérique
1) Introduction
Il arrive souvent que pour résoudre des problèmes pratiques il faut calculer les dérivées d’ordres
imposés d’une fonction ( ) donnée par un tableau. Il se peut également que l’expression
analytique compliquée de cette fonction rende difficile sa dérivation immédiate. Ce sont autant de cas
où l’on recourt à la dérivation approchée.
En principe, on peut utiliser n’importe quelle approximation d’une fonction sur le segment concerné
[ ] et la dériver pour avoir une approximation de la dérivée de cette fonction sur le même segment,
mais généralement on remplace la fonction f par une fonction d’interpolation ( ), le plus souvent un
polynôme. Si ( ) ( ) ( ) alors ( ) ( ) ( ) . Les dérivées d’ordre supérieur de
la fonction f s’obtiennent d’une façon analogue. Il convient de noter que dans le cas général, la
dérivation approchée est une opération moins précise que l’intégration.et qu’aucune méthode de
dérivation numérique n’est satisfaisante.
2) Formules utilisant les différences divisées
Soient ( ) les valeurs, données ou calculées, prises par la fonction ( ) en points

distincts d’un intervalle [ ]. Le point de départ de ces formules est la formule des différences
divisées (Chapitre2)
( ) ( ) ( ) [ ] ( ) ( ) [ ] ( )
Où ( ) ( ) ( ) [ ] , est l’erreur d’interpolation de Newton qui est

établie, rappelons- le, quels que soient les Points, et leur numérotation.
En dérivant, il vient alors
( ) [ ] [( ) ( )] [ ] [∑ ∏ ( )] [ ] ( )
( )
Au point , nous avons
( ) [ ] ( ) [ ] ∏ ( ) [ ] ( ) ( )
De la même manière, on obtient les dérivées d’ordre supérieur. Bien entendu, le fait de l’existence des
dérivées correspondantes de la fonction ( ) doit être connu à l’avance, car s’il n’en est pas ainsi, les
calculs ont un caractère illusoire.
3) Formules utilisant les différences non divisées
Les formules ( ) ( ) peuvent être exprimées au moyen des différences non divisées
progressives ou régressives lorsque les points sont équidistants (pas h) et rangés dans l’ordre
( ) ( )
et en utilisant les relations (établies au chapitre2) [ ]
Page 73
3-1) Formules de dérivation approchée basées sur la formule de Newton progressive
Nous avons
( ) ( )( ) ( ) ( )
( ) ̅( ) ( )( )
Où et ( ).
Nous savons d’après le chapitre2 que si la fonction [ ] alors
( )( )
[ ] [ ] ( ) ( ) ( ) .
( )
Comme les points sont équidistants de pas h nous avons
( ) ( ) ( )
( ) ( ) ( ) ( )
( )
En multipliant les binômes de la formule ( ), nous obtenons
̅( )
̅ ̅ ̅ ̅
Puisque ( ) et ( ) , il vient
( ) [ ] ( )
( ) [ ( ) ] ( )
Remarques 3-1
- Quand la nécessité se présente, on procède de même pour calculer les dérivées de la fonction
( ) d’un ordre quelconque.
- Constatons que pour chercher les dérivées ( ) ( ), …en un point fixé x, il faut prendre
comme la valeur tabulée la plus proche de l’argument.
- Quelquefois il faut chercher les dérivées de y aux points tabulaires principaux . Dans ce cas
les formules de dérivation numérique deviennent bien plus simples. Toute valeur Tabulée
pouvant être considérée comme initiale.
Posons et donc , en remplaçant respectivement dans les formules ( ) ( )

nous obtenons alors :
( ) [ ( ) ] ( ) ( )
et ( ) [ ] ( ) ( )
̅
Nous avons ( ) ̅ ( ) d’où ( ) ̅ ( ) et en supposant que [ ]
nous obtenons
( ) [ ( ( )
( ) ( )
{ ( ) ) ( )] ( ) ( ) [ ( )]}
Page 74
( )
Nous supposons ensuite que [ ( )] est bornée et en tenant compte du fait que
[ ( ) ( )] ( ) (On peut le vérifier aisément par récurrence)
On en tire alors
( )
( ) ( ) ( ) ( )
De la Remarque5-7 du chapitre2, nous posons approximativement, pour un pas h petit,
( )
( ) et donc ( ) ( ) ( )
3-2) Formules de dérivation approchée basées sur la formule de Newton régressive

Nous avons
( ) ( ) ( )
( ) ̅( ) + () ( )
Où ( ) et
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
D’une manière similaire que le cas de la formule de Newton progressive nous obtenons
( ) [ ] ( )
( ) [ ( ) ] ( )
 La même Remarque 3-1 S’applique au cas de la formule de Newton régressive
Posons et donc , en remplaçant respectivement dans les formules ( ) ( )

nous obtenons alors :
( ) [ ] ( ) ( )
et ( ) [ ] ( ) ( )
̅
Nous avons ( ) ̅ ( ) d’où ( ) ̅ ( ) et en supposant que [ ]
nous obtenons
( ) [ ( ( )
( ) ( )
{ ( ) ) ( )] ( ) ( ) [ ( )]}
( )
Nous supposons ensuite que [ ( )] est bornée et en tenant compte du fait que
[ ( ) ( )] (On peut le vérifier aisément par récurrence)
Page 75
On en tire alors
( )
( ) ( ) ( )
De la Remarque5-7 du chapitre2, nous posons approximativement, pour un pas h petit,
( )
( ) et donc ( ) ( )
Remarque 3-2
D’une façon analogue on trouve l’erreur de la dérivée seconde ( ).
--------------------
Page 76
Exercice1
Chercher ( ) de la fonction , donnée par le tableau suivant

( )
x 50 55 60 65
y 1,6990 1,7404 1,7782 1,8129
Exercice2
La distance ( ) parcourue par un point en mouvement rectiligne pendant le temps t est donnée
par le tableau suivant
t en s 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
en cm 0,000 1,519 6,031 13,397 23,396 35,721 50,000 65,798 82,635 100,000
1) Utiliser les différences non divisées jusqu’à l’ordre cinq y compris pour trouver la vitesse et
l’accélération approchées aux instants
2) Evaluer la précision des valeurs obtenues de V et de W sachant que la loi du mouvement
tabulé est donnée par la formule ( ).
Exercice3
Soit la fonction ( ) , donnée par le tableau
x 3,50 3,55 3,60 3,65 3,70

y 33,115 34,813 36,598 38,475 40,447
1) Utiliser les différences non divisées jusqu’à l’ordre quatre y compris pour trouver ( ) et
( ).
2) Trouver l’erreur absolue pour chaque cas.
Exercice4
Soit la fonction ( ) donnée par le tableau suivant
x 2 2,1 2,2 2,3 2,4 2,5 2,6 2,7

y 1,386 1,558 1,735 1,916 2,101 2,291 2,484 2,682
1) Utiliser les différences non divisées pour trouver ( ) et ( )
2) Donner l’erreur absolue dans chacun des deux cas
--------------------
Page 77
Solution Exercice1
Calculons les différences non divisées de la fonction y
x y
50 1,6990 0,0414 -0,0036 0,0005

55 1,7404 0,0378 -0,0031
60 1,7782 0,0347
65 1,8129
Ici et en vertu de la formule ( ) nous obtenons

( ) ( )
Pour évaluer la précision de la valeur obtenue constatons que puisque la fonction tabulée ci-dessus est
, ( ) , par conséquent ( ) .
Ainsi les résultats coïncident à la quatrième décimale prés.
--------------------
Solution Exercice2
Composons le tableau des différences
t y
0,00 0,000 1,519 2,993

0,01 1,519 4,512 2,854 0,021
0,02 6,031 7,366 2,633 0,002
0,03 13,397 9,999 2,326 0,018
0,04 23,396 12,325 1,954 0,014
0,05 35,721 14,279 1,519
0,06 50,000 15,798 1,039
0,07 65,798 16,837 0,528
0,08 82,635 17,365
0,09 100,000
1)
Adoptons et en appliquant les formules ( ) et ( ) nous obtenons les valeurs

approchées de la vitesse et de l’accélération aux temps demandés
. Nous avons donc
( ) ( ) ( )
Page 78
( ) ( ) ( )
( ) ( )
= [ ]
( ) ( ) [ ]
Pour nous appliquons les formules ( ) ( ). Nous avons donc

( ) ( ) ( )
( ) ( ) [ ]
2)
La loi du mouvement tabulée est donnée par la formule ( ).
D’où et
Nous tirons alors les valeurs exactes aux temps demandés, ainsi nous obtenons
( ) ( ) ( ) et
( ) ( ) ( )
D’où les erreurs absolues de la vitesse
( ) | ( ) ( )| | — )
( ) | ( ) ( )| | |
( ) | ( ) ( )| | |
Les erreurs relatives de la vitesse sont alors données par

( )
( )
| ( )|
( )
( )
| ( )|
On fait de même pour l’accélération, nous obtenons alors les erreurs absolues
( ) | ( ) ( )| | |
( ) | ( ) ( )| | |
( ) | ( ) ( )| | |
Les erreurs relatives de l’accélération sont alors données par

( )
( )
| ( )|
( )
( )
| ( )|
( )
( )
| ( )|
--------------------
Page 79
Solution Exercice3
Composons le tableau des différences
x y
3,50 33,115 1,698
3,55 34,813 1,785 0,087 0,005
3,60 36,598 1,877 0,092 0,003 -0,002
3,65 38,475 1,972 0,095
3,70 40,447
Adoptons le pas
1) D’après la formule ( ) nous avons

( ) ̅̅̅ [ ]
[ ]
D’après la formule ( ) nous avons

( ) ̅̅̅ [ ]
[ ]
2) Nous avons ( ) . Ainsi l’erreur absolue (̅̅̅) est donnée par

(̅̅̅) | ( ) ̅̅̅| | | .
De même nous avons ( ) . Ainsi l’erreur absolue (̅̅̅) est donnée
par (̅̅̅) | ( ) ̅̅̅| | |
--------------------
Solution Exercice4
1) Composons le tableau des différences
x y
2 1,386 0,172 0,005 -0,001
2,1 1,558 0,177 0,004 0,000
2,2 1,735 0,181 0,004 0,001
2,3 1,916 0,185 0,005 -0,002
2,4 2,101 0,190 0,003 0,002
2,5 2,291 0,193 0,005
2,6 2,484 0,198
2,7 2,682
On voit que les différences deuxièmes de y sont pratiquement constantes et nous pouvons donc en
rester là.
Page 80
Adoptons . En appliquant la formule ( ) et en opérant avec les différences soulignées en
simple, nous obtenons la valeur approchée de ( )
( ) [ ] [ ]
Pour trouver la valeur approchée de ( ) Nous appliquons la formule ( ) et en opérant

avec les différences soulignées en double, nous obtenons
( ) [ ] [ ]
2) Calculons l’erreur absolue de et celle de
Nous avons ( ) d’où ( ) donc ( ) et ( )

Il vient
( ) | ( ) | | | et
( ) | ( ) | | |
Remarque
Lorsqu’on applique les formules ( ) ( ) des erreurs de la dérivée aux points,
respectivement, nous trouvons
( ) ( )
| ( )| | | et | ( )| | | .
--------------------
Page 81
Chapitre5
Résolution numérique des équations non

linéaires
1) Introduction
L’existence, le nombre et le calcul des racines réelles ou complexes de l’équation

( ) ( )
posent des problèmes qui ne sont pas résolus par des méthodes générales lorsque l’application
( ) ( ) ( ) est quelconque ( f n’est pas linéaire).
Quand f est un polynôme , on a sur l’équation algébrique ( ) de nombreux résultats sur
l’existence, le nombre et la nature de ses racines ; mais on sait qu’il n’existe pas de formule générale
exacte pour calculer les racines des polynômes de degré supérieur ou égal à cinq.
Cette remarque permet de comprendre l’intérêt des méthodes numériques. Il importe donc d’examiner
ces méthodes permettant de calculer les racines de l’équation ( ).
Nous nous limitons dans ce chapitre à la recherche des racines réelles de l’équation ( ) dans le
cas d’une seule équation. L’application ( ) est supposée continue et dérivable
autant de fois qu’il est nécessaire pour [ ] intervalle où sont recherchées les racines réelles de
l’équation ( ).
Nous allons supposer que les racines de cette équation sont séparées (ou isolées) c’est-à-dire pour
chaque racine, il existe un voisinage ne contenant pas d’autres racines de cette équation.
La recherche de ces racines séparées réelles est constituée de deux étapes
- La séparation des racines, c’est-à-dire la détermination des intervalles, les plus petits possible,
contenant une et une seule racine réelle chacun.
- La détermination des racines approchées avec un degré de précision donnée à l’avance.
2) Séparation des racines
2-1) Méthodes graphiques

Nous pouvons localiser assez sommairement les racines de l’équation ( ) en considérant le
graphe de ( ) , ou les graphes ( ) ( ) provenant de l’équation ( ) mise
sous la forme ( ) ( ) .
Exemple2-1
Sur l’intervalle [ ], on cherche à localiser les racines de l’équation ( ) où l’application f est
définie par ( ) . Le graphe de ( ) est représenté dans Figure1 et les graphes
de ( ) ( ) , provenant de l’équation mise sous la
forme ( ) ( ) , sont représentés dans Figure2.
Les deux graphes, respectivement dans Figure1 et Figure2, montrent l’existence de deux racines
séparées l’une voisine de 0,6 et l’autre voisine de 3.
Page 82
Graphe de la fonction ( ) représenté dans Figure1
x
0 1 2 3 4
Figure1
Graphes de la fonction en pointillés et de la fonction en continu représentés

dans Figure2
y
x
0 1 2 3 4
Figure2
2-2) Méthodes algébriques
Pour réaliser la séparation des racines on fait appel au théorème connu de l’analyse numérique
Page 83
Théorème2-1 (Théorèmes des valeurs intermédiaires)
Si une fonction continue ( ) prend aux extrémités du segment [ ] des valeurs de

signes contraires c’est-à-dire si ( ) ( ) , ce segment contient au moins une racine
de l’équation ( ) , fait qui traduit l’existence au moins d’un nombre ] [ tel
que ( ) . Si la dérivée ( ) existe et garde son signe constant dans l’intervalle
] [ , la racine est unique.
Exemple2-2
Soit la fonction f définie sur IR par ( ) . Elle est continue et dérivable sur
IR, sa dérivée ( ) pour tout x. Aux extrémités du segment [ ] on a
( ) ( ) . D’après le Théorème2-1 f admet une et une seule racine
dans ] [.
Exemple2-3
Soit la fonction g définie sur IR par ( ) , elle est continue et aux extrémités du
√
segment [ ] nous avons ( ) ( ) . Donc,
d’après le Théorème2-1, il existe au moins un nombre ] [ tel que ( ) .
Le calcul de la dérivée de g conduit à une impasse puisque ( ) est du même
type. Cette situation est beaucoup plus fréquente. On peut alors choisir judicieusement une fonction
auxiliaire h, ici on peut, par exemple, poser ( ) .
Les racines de la fonction h sont exactement celle de la fonction g. Ainsi puisque h est continue,
dérivable et que sa dérivée ( ) ( ) √ ( ) ,
(On la retrouve d’après la formule ( ) avec )
elle est strictement croissante sur ] [ et nous avons ( ) ( ) , donc d’après le
Théorème2-1 , h admet une seule racine dans ] [ par conséquent la fonction g aussi.
Remarque2-1
Il est utile de retenir que l’équation algébrique de degré n
( )
compte au plus n racines réelles. Donc, si nous avons obtenu pour une telle équation n+1
changements de signes, toutes ses racines sont alors séparées.
Exemple2-4
Soit la fonction f définie sur IR par ( ) . Séparer les racines de l’équation
( ) .
Solution
Composons un schéma approché
x - -3 -1 0 1 3
( ) - -7 +7 +2 -3 +11
Page 84
Par conséquent l’équation ( ) possède trois racines réelles comprises dans les intervalles
] [ ] [ ] [.
Remarque2-2
Si une fonction f est dérivable sur un intervalle [ ] , sa dérivée est continue sur cet intervalle et si
les racines de l’équation ( ) se calculent aisément, le processus de séparation des racines peut
être ordonné. Il est clair qu’à cet effet il suffit de compter les signes de la fonction f aux points des
racines de sa dérivée et aux points frontières .
Exemple2-5
Soit la fonction f définie sur IR par ( ) Séparer les racines de l’équation
( )
Réponse
Ici ( ) ( ) , d’où l’équation ( ) admet une seule racine réelle .
Nous avons ( ) ( ) ( ) par conséquent, l’équation ( )
n’admet que deux racines réelles dont une repose dans l’intervalle ] [ et l’autre dans l’intervalle
] [.
Exemple2-6
Soit la fonction f définie sur IR par ( ) . Déterminer le nombre de racines réelles de
l’équation ( )
Réponse
Etant donné que ( ) et ( ) ( ) , l’équation ( ) n’a
qu’une seule racine réelle.
3) Détermination des racines approchées
3-1) Méthode de dichotomie
Nous considérons un intervalle [ ] et une fonction f continue de [ ] dans IR. Nous supposons
que ( ) ( ) et que l’équation ( ) admet une unique solution sur l’intervalle ] [.
La méthode de dichotomie consiste à construire une suite ( ) qui converge vers de la manière
suivante :
Nous prenons le milieu de [ ], c’est-à-dire . La racine se trouve alors dans l’un des
deux intervalles ] [ ] [ ou bien elle est égale à
- Si ( ) ( ) alors et le problème est résolu

- Si ( ) ( ) alors ] [ et nous posons
- Si ( ) ( ) alors ] [ et nous posons
Nous remarquons que | | . Nous prenons par la suite . Ainsi nous

construisons une suite , convergente vers la racine telle
que | | .
Etant donnée une précision , la méthode de dichotomie permet d’approcher la racine en un
Nombre prévisible d’itérations.
En effet pour que la valeur de la suite, à la nième itération, soit une valeur approchée de à prés,
Page 85
il suffit que nous vérifions d’où | | . Ceci permet de calculer à l’avance le
nombre minimal d’itérations assurant la convergence à la précision . Ce nombre n est donné
( )
par : -1
3-1-1) Algorithme de la méthode de dichotomie
Soit une fonction f continue de l’intervalle [ ] dans IR tel que ( ) ( ) . Ecrivons

l’algorithme cherchant la racine approchée de la fonction f sur l’intervalle ] [
Algorithme
Lire
( )
[ ]
f fonction
Pour i allant de 0 jusqu’à N Faire
Si ( ) ( ) Alors aller à 1
Sinon Si ( ) ( ) Alors
Sinon
Fin Si Fin Si
Fin Pour
1 Ecrire ,N
Fin
Exemple3-1
On considère la fonction f définie sur l’intervalle [ ] par ( ) √ . En appliquant
l’algorithme précédent, donner la valeur approché de , racine de l’équation ( ) , à Prés
Page 86
Avec , puis
Réponse
Assurons nous d’abord que la fonction f admet une seule racine dans l’intervalle[ ] . En effet nous
avons ( ) ( ) ( ) donc d’après le théorème des valeurs
√
intermédiaires, il existe une unique solution de l’équation ( ) dans l’intervalle [ ].
En appliquant l’algorithme de la méthode de dichotomie Nous trouvons :
Pour , où (nombre d’itérations) avec

( )
Pour , où (nombre d’itération) avec
( )
Pour , où (nombre d’itérations) avec
( )
3-1-2) Avantages et inconvénients de la méthode de dichotomie
Malgré la simplicité de la méthode de dichotomie, elle est déconseillée en pratique à cause de :
 Les contraintes imposées par les hypothèses de départ dont, principalement, le fait qu’il faille
déterminer un intervalle qui encadre une seule racine et dans lequel la fonction étudiée change
de signe, ce qui laisse de côté toutes les fonctions qui s’annulent sans changer de signe
(ne peut pas être appliquée aux racines de multiplicité supérieur strictement à 1)
 La lente convergence de la méthode de dichotomie suggère de n’utiliser cet algorithme que
pour s’approcher de la racine. En effet, après quelques itérations de dichotomie, on obtient une
approximation raisonnable de cette dernière qu’on peut utiliser comme point de départ pour
une méthode d’ordre supérieur qui fournira alors une convergence rapide vers la solution avec
une précision donnée.
3-2) Méthode des approximations successives
Une des méthodes parmi les plus importantes de résolution numérique des équations est la méthode
des approximations successive, dite également méthode itérative ou du point fixe. Voici son principe.
Soit l’équation ( ) ( )
Où f est une fonction continue. Le problème consiste à déterminer ses racines réelles. Remplaçons
l’équation ( ) par une équation équivalente
( ) ( )
(x est dit alors un point fixe de la fonction F)
Ceci peut toujours se faire en posant ( ) ( ) , mais quelquefois aussi de plusieurs autres
manières par exemple : si on prend ( ) , l’équation ( ) peut s’écrire
, , , ( ) . On prend alors respectivement ( )
( ) , ( ) , ( ) ( ).
Sélectionnons par un moyen quelconque une valeur grossièrement approchée de la racine et

portons- la dans le deuxième membre de l’équation ( ) , on obtient alors un certain nombre
( ) ( )
Page 87
Remplaçons maintenant dans le deuxième membre de l’égalité ( ) par le nombre pour
obtenir un nouveau nombre ( ) . En reprenant cette procédure, nous aboutissons à la suite
des nombres ( ) ( ) ( )
Si cette suite converge, c’est-à-dire s’il existe un nombre tel que , alors en
passant à la limite dans l’égalité ( ) et en supposant la fonction F continue, nous tombons sur
( ) c’est à dire
( ) ( )
Ainsi est une racine de l’équation ( ) qui se calcule d’après la formule ( ) avec la
précision voulue.
Géométriquement cette méthode s’explique de la façon suivante. On construit dans le plan xOy les
courbes des fonctions et ( ) . Toute racine réelle de l’équation ( ) est l’abscisse
d’un point d’intersection M de la courbe ( ) avec la droite (Figure3).
En partant d’un point ( ( )) , on construit la ligne polygonale (échelonnée),
dont les éléments sont parallèles alternativement à l’axe Ox et à l’axe Oy, les sommets
reposent sur la courbe ( ) , et les sommets reposent sur la droite . Les
abscisses communes des points , ,… constituent respectivement les
approximations successives de la racine .
y
( )
( )
Figure3
La ligne polygonale peut avoir également une autre forme (en spirale, « Figure4 »).
On conçoit aisément que la solution s’obtient sous forme échelonnée si la dérivée ( ) est positive et
en spirale si la dérivée ( ) est négative. Sur les figures 3 et 4 la pente de la courbe ( ) , dans
le voisinage de la racine , est faible, c’est-à-dire | ( )| et le processus itératif converge.
Toutefois, si l’on considère le cas où | ( )| le processif itératif peut être divergent (Figure5).
Page 88
y
( )
x
O
( )
Figure4
y
( )
| ( )|
Figure5
Pour rendre possible l’application des approximations successive il faut donc définir les conditions
suffisantes de convergence du processif itératif.
Page 89
Théorème3-1
Soit la fonction F définie et dérivable sur l’intervalle [ ] avec toute ses valeurs ( ) [ ].
S’il existe un nombre q tel que : pour tout ] [ | ( )| ( )
Alors
i) Le processus itératif ( ) ( ) converge indépendamment de la valeur
initiale [ ]
ii) La valeur limite est l’unique racine de l’équation ( ) sur [ ].
Rappels sur le théorème des valeurs intermédiaires et le théorème des accroissements finis
Théorème des valeurs intermédiaires
Soit deux nombres réels et [ ] une fonction continue sur [ ]. Alors f

atteint sa borne supérieure, sa borne inférieure et toute valeur comprise entre ces deux
bornes. Autrement dit ([ ]) [ [ ] ( ) [ ] ( )].
Le théorème des valeurs intermédiaires implique entre autre que :
Pour tout réel k compris entre ( ) ( ) il existe (au moins) un réel [ ] tel
que ( ) .
Théorème des accroissements finis
Soit deux nombres réels et [ ] une fonction continue sur [ ], et

dérivable sur l’intervalle ouvert ] [. Alors, il existe un réel ] [ tel que
( ) ( ) ( ) ( )
Ou il existe ] [ tel que ( ) ( ) ( ) ( ( ))
Preuve du Théorème3-1
Puisque la fonction F est continue et que ([ ]) [ ] , alors le théorème des valeurs

intermédiaires nous assure l’existence d’au moins une racine [ ] de la fonction
( ) ( ) c’est-à-dire ( ) . En effet nous avons
( ) ( ) ( ) ( ) d’où zéro est compris entre ( ) ( ) donc il
existe (au moins) une racine [ ] tel que ( ) .
Montrons maintenant que la suite converge vers . Nous avons
| | | ( ) ( )| d’où d’après le théorème des accroissements finis
| | ( )| | ] [ et donc
| | | | comme pour la même raison | | | | , il vient
| | | | , en répétant n fois l’opération nous obtenons
| | | |
Comme | | est une quantité inconnue mais fixée dès que nous avons choisi de départ. Le
produit | | tend vers zéro quand n tend vers puisque nous avons par hypothèse
d’où
Page 90
Montrons à présent, que est l’unique solution de l’équation ( ).
Soit une autre solution de cette équation telle que (ou ), nous avons alors
| | | ( ) ( )| ( )| | ] [ . Donc
| | | | | | ( ), ce qui est impossible par conséquent .
Remarque3-1
Le Théorème3-1 reste toujours valide si la fonction ( ) est définie et dérivable sur IR et si l’inégalité
( ) est vérifiée pour tout x réel.
Remarque3-2
Sous les conditions du Théorème3-1, la méthode des approximations successives converge quel que
soit le choix de la valeur initiale dans [ ]. Il en résulte que cette méthode est autocorrective,
c’est-à-dire qu’une erreur de calcul isolée, à condition que les limites du segment [ ] ne soient pas
dépassées, n’influe pas sur le résultat final du fait qu’une valeur incorrecte peut être considérée comme
une nouvelle valeur initiale . Il se peut que cela entraine seulement le plus grand volume de travail.
Grace à la propriété d’autocorrection la méthode des approximations successives est une des méthodes
de calcul les plus sûres.
3-2-1) Estimation de l’approximation
Soit la suite définie par la relation ( ) tel que , étant l’unique solution de
l’équation ( ). Nous avons, en appliquant le théorème des accroissements finis et les hypothèses
du Théorème3-1 ,
| | | ( ) ( )| ( )| | où est comprise strictement entre

et . Donc
| | | | ( )
Comme pour la même raison
| | | |, il vient | | | |.
En répétant n fois l’opération nous obtenons
| | | | ( )
Soit maintenant , nous avons

| | | |
| | | | | |.
La formule ( ) conduit à
| | | | | | | |
| |( ).
La somme de la progression géométrique donne
| | | | | | .
En faisant tendre le nombre p vers l’infini et en retenant que , nous avons
finalement | | | | ( )
Il est donc clair que la convergence du processus itératif sera d’autant plus rapide que le nombre q est
plus petit.
Page 91
Pour évaluer une approximation il existe également une autre formule qui peut être utile dans certains
cas. Soit ( ) ( )
Il est évident que ( ) ( ) . On en tire, en tenant compte que ( ) :
| ( )| | ( ) ( )| ( )| | où est comprise strictement entre et .

D’où | ( )| ( )| |, par conséquent
| | | | ( )
L’utilisation de la formule ( ) donne également
| | | | ( )
D’où il résulte notamment que si , on a
| | | | ( )
C’est-à-dire dans ce cas l’inégalité | | entraine donc l’inégalité | | .
Remarque3-3
D’après une opinion largement répandue, si lors de l’application de la méthode considérée deux
approximations successives coïncident avec la précision imposée , l’égalité se
vérifie alors avec la même précision.
Dans le cas général, cette affirmation est fausse. Plus même, on prouve aisément que si ( ) est
voisine de 1, la grandeur | | peut être grande, bien que la grandeur | | soit très petite.
La formule ( ) permet d’évaluer l’erreur de la valeur approchée d’après l’écart entre deux
approximations successives et . Le processus itératif doit être poursuivi tant que les deux
approximations successives et ne vérifient l’inégalité : | | où est la
borne d’erreur imposée de la racine et | ( )| . La formule ( ) donne alors lieu à
l’inégalité | | , c’est-à-dire .
Remarques3-4
- Lorsque ( ) les points se situent alternativement de part et d’autre de la

racine ; il est alors facile d’estimer la précision à chaque itération puisque dans ce cas nous avons
| | | |
- Toutes ces conclusions ignorent, certes, les erreurs d’arrondi, c’est à dire nous supposons que le
calcul des approximations successives soit exact.
Remarque3-5
Dans la pratique on cherche d’abord à établir par un procédé grossier que l’équation ( ) possède
une racine pour obtenir ensuite par la méthode itérative une approximation suffisamment précise de
la valeur de cette racine. L’inégalité ( ) n’étant vérifiée que dans un certain voisinage ] [ de la
racine considérée. Si le choix de la valeur initiale est mauvais, les approximations successives
( ) ( ) peuvent sortir de l’intervalle ] [ . C’est pourquoi il convient de
modifier le Théorème3-1.
Page 92
Théorème3-2
Soit F une fonction définie et dérivable sur un certain intervalle [ ] et supposons que
l’équation ( ) ( )
ait une racine appartenant à un intervalle plus étroit [ ] , où
( ) ( ) . Alors si
- | ( )| pour
- L’approximation initiale est [ ] , il vient
1) Toutes les approximations successives sont comprises dans l’intervalle ] [:
( ) ] [ ( )
2) Le processus des approximations successives est convergent, c’est-à-dire il existe une
limite
De plus, est une racine unique de l’équation ( ) sur l’intervalle [ ].
3) L’estimation ( ) est justifiée.
Preuve
1) En effet, soit [ ] , alors il est clair que l’égalité ( ) a un sens. En utilisant

l’égalité ( ), on obtient en vertu du théorème des accroissements finis :
| | | ( ) ( )| | | ( ) | | ( )
D’où ] [. De même pour , nous avons
| | | ( ) ( )| | | ( ) | | ( ) . D’où ] [
En général
Si ] [ et | | ( ) alors ( ) a un sens puisque
( )
| | | ( ) ( )| | | | | ( )
Par conséquent ] [ .
Quant aux propositions 2) et 3), leur démonstration est parfaitement analogue à celle du Théorème3-1.
Exemple3-2
On considère la fonction f définie sur IR par ( ) . Chercher les racines réelles

de l’équation ( ) avec deux chiffres significatifs exacts.
Réponse
Mettons l’équation considérée sous la forme ( ) où ( ) . Etablissons

graphiquement (Figure6) que sur le segment [ ] l’équation possède une racine réelle .
Page 93
y
2,5
1,5
1
( )
0,5
x
-2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5
-0,5
-1
-1,5
Figure6
En adoptant les notations du Théorème3-2, posons , d’où

( )
et ( )
Etant donné que ( ) , ( ) et ( )

Pour nous avons | ( )| Si nous choisissons
[ ], toute les conditions du Théorème3-2 seront observées et par conséquent, il sera garanti
que les approximations successives
1- Soient contenues dans l’intervalle ] [

2- quand
Choisissons et prenons, d’après la condition du problème, la borne d’erreur absolue

. (| | ) (Voir chapitre Notion d’erreur)
Nous construisons les approximations successives ( ) tant que deux approximations
Voisines ne coïncident dans les limites de la précision égale à .

Nous avons
avec
avec
avec
avec
avec
avec
avec
Il vient
| |
Nous posons donc .
Page 94
Remarque3-6
L’équation considérée
( ) ( )
peut être mise sous la forme de l’égalité
( ) ( )
en choisissant de différentes façons la fonction ( ) L’écriture de ( ) n’est point indifférente
pour la recherche de la racine : Dans certains cas | ( )| est petite dans le voisinage de cette racine,
dans d’autres, elle est grande. Pour la méthode des approximations successives, la représentation
( ) est avantageuse si elle vérifie l’inégalité
| ( )| ( )
Par ailleurs, plus le nombre q est petit, plus la convergence des approximations successives vers la
racine est rapide.
Voici un artifice suffisamment général pour ramener l’équation ( ) à la forme ( ) qui

assure l’observation de l’inégalité ( ). Supposons que la racine cherchée est comprise dans le
segment [ ] et en outre, pour [ ],
( ) ( )
(Si la dérivée ( ) est négative, au lieu de l’équation ( ) on considère l’équation ( ) ).
On peut prendre notamment comme la valeur minimale de la dérivée ( ) sur le segment [ ],
qui doit être positif, et comme la valeur maximale de ( ) sur le segment [ ]. Remplaçons
( ) par une équation équivalente
( ) ( )
On peut poser ( ) ( ). Choisissons le paramètre de façon que dans le voisinage
considéré [ ] de la racine l’inégalité
( ) ( ) ( )
soit satisfaite. L’expression ( ) entraine
.
Par conséquent, on peut adopter
3-3) Méthode de Newton (Méthode de la tangente)
Soit la racine séparée sur le segment [ ] de l’équation

( ) ( )
De plus ( ) ( ) sont continues et gardent des signes constants pour .
On va chercher à construire une bonne approximation de la racine en considérant le
développement de Taylor de la fonction f au premier ordre. Pour cela partant, par exemple d’une
fonction f tel que ( ) pour , ( ) et d'un point on approche la
fonction f au premier ordre, autrement dit, on la considère à peu près égale à sa tangente au voisinage
de ce point ( ) ( ) ( )( )
Partant de là, pour trouver une racine de cette fonction d'approximation, il suffit de calculer
l'intersection de la droite tangente avec l'axe des abscisses, c'est-à-dire résoudre l'équation affine :
( ) ( )( )
On obtient alors un point qui en général est plus proche de la racine que le point x0 précédent.
Par cette opération, on peut donc espérer améliorer l'approximation par itérations successives
Page 95
(voir Figure7) : on approche à nouveau la fonction par sa tangente en pour obtenir un nouveau
point , etc.
0 a
Figure7
Il est clair que l’équation de la tangente au point d’abscisse ( ) s’écrit

( )( ) ( )
En posant on obtient la formule
( )
( ) ( )
( )
Remarque3-7
Constatons que si dans le cas considéré on adopte et par conséquent, ( ) ( ) , en
menant la tangente à la courbe ( ) au point d’abscisse a, on obtiendrait le point (Figure7)
situé hors du segment [ ], c’est-à-dire ce choix de la valeur initiale rend la méthode de Newton peu
avantageuse. Ainsi dans le cas considéré une « bonne » approximation initiale est celle qui vérifie
l’inégalité
( ) ( ) ( )
Montrons que cette règle est générale.
Théorème3-3
Si ( ) ( ) , si en outre ( ) ( ) sont non nuls et gardent des signes constants

pour , la racine unique de l’équation ( ) peut être calculée à l’aide de
la méthode de Newton (formule ( )) avec la précision aussi grande que l’on veut, en
partant de l’approximation initiale [ ] qui satisfait à l’inégalité ( ).
Preuve
Soit, par exemple, ( ) ( ) ( ) ( ) pour (la discussion des
autres cas est analogue). D’après l’inégalité ( ) on a ( ) (on peut poser, par exemple,
).
Montrons par récurrence que toute approximation ( ) et par conséquent
Page 96
( ) ( ) (puisque f est strictement croissante). En effet, tout d’abord .
Soit maintenant . Posons
( ).
En appliquant la formule de Taylor, on a
( ) ( ) ( ) ( ) ( ) ( ) ( )
Où est une valeur intermédiaire entre .
Etant donné que ( ) , il vient
( ) ( ) ( ) ( ) ( )
et par conséquent
( )
( ) ( ) ( ) c’est-à-dire ( )
,
ce qu’il fallait démontrer.
En tenant compte des signes de ( ) et de ( ) , la formule ( ) implique
( ) , les approximations successives forment une suite
décroissante et minorée par donc convergente, il existe alors une limite ̅ .
En passant à la limite dans l’égalité ( ) on obtient
( ̅)
̅ ̅ ( ̅)
ce qui implique ( ̅) d’où ̅ puisque la racine de la fonction f est
unique sur l’intervalle ] [ et le théorème est ainsi démontré.
Remarque3-8
En appliquant la méthode de Newton il faut se guider sur la règle suivante : choisir comme point
initial celle des extrémités de l’intervalle [ ] à laquelle correspond l’ordonnée de même signe
que ( ).
Remarque3-9
La formule ( ) montre que plus la valeur numérique de de la dérivée ( ) est grande dans le
voisinage de la racine considérée, plus la correction qu’il faut ajouter à la n-ième approximation pour
obtenir la ( )-ième approximation est petit. Il s’ensuit que la méthode de Newton est surtout
commode lorsque dans le voisinage de la racine considérée la pente du graphe de de la fonction est
importante. Mais si la valeur numérique de la dérivée ( ) dans le voisinage de la racine est faible,
les corrections seront grandes et le calcul de la racine d’après cette méthode peut prendre beaucoup de
temps et devenir même impossible. Par conséquent, si la courbe ( ) est presque horizontale
dans le voisinage de la racine considérée, l’utilisation de la méthode de Newton pour la résolution de
l’équation ( ) n’est pas recommandée.
3-3-1) Estimation de l’erreur
Pour évaluer l’erreur de la n-ième approximation , on peut faire appel à la formule générale
( ) du théorème suivant :
Théorème3-4
Soit une racine exacte et une racine approchée de l’équation ( ) , qui

appartiennent au même segment [ ], si de plus | ( )| pour alors
| ( )|
| | ( )
Page 97
Preuve
En appliquant le théorème des accroissements finis, on a
( ) ( ) ( ) ( ) où c, est une valeur intermédiaire entre . Etant donné que

( ) | ( )| , il en résulte que | ( ) ( )| | ( )| | |.
| ( )|
Par conséquent | | .
Déduisons encore une formule pour l’estimation de la précision de l’approximation . En appliquant

la formule de Taylor on a :
( )=
[ ( )] ( ) ( ) ( ) ( ) ( ) ( )
où est une valeur intermédiaire entre . Puisque la formule ( ) donne
( ) ( ) ( ) , ( ) conduit à | ( )| ( ) ,
où [ ]| ( )|. Par conséquent, d’après la formule ( ) on a finalement
| | ( ) ( )
Remarque3-10
Si le processus de Newton converge alors ( ) . C’est pourquoi avec ,
on a : | | | | , quand N est suffisamment grand. Nous constatons que dans
le cas général la coïncidence à près de deux approximations successives n’assure
nullement la coïncidence avec la même précision de la valeur et la racine exacte

Langue

Livre Tome1

Transféré par

Informations du document

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Livre Tome1

Transféré par

Droits d'auteur :

Benhadid Samir

Faculté des Sciences Exactes

Laboratoire Mathématiques Appliquées et Modélisation

à l’usage des étudiants de deuxième années Mathématiques LMD

Cours de physique de Berkely

Table des matières ………………………………………………………………………………..1

Chapitre1 : Notion d’erreur....................................................................................................5

Exercices avec solutions du chapitre1………………………………………………..……………20

Chapitre2 : Approximation …………………………………………………………………..26

Exercices avec solutions du chapitre 2…………………………………………………………..48

Chapitre3 : Intégration Numérique………………………………………………………..53

Exercices avec solutions du chapitre3…………………………………………………………..66

Chapitre4 : Dérivation Numérique ................................................................................73

Exercices avec solutions du chapitre4………………………………………………………..77

Chapitre5 : Résolution numérique des équations non linéaires ……………………….82

Exercices avec solutions du chapitre5………………………………………………………..103

Solutions des exercices du chapitre5…………………………………………………………105

- Développer des algorithmes plus rapides et plus efficaces.

Le livre est divisé en cinq (05) chapitres

Il convient alors de distinguer deux cas :

On en déduit, que le nombre exact A est encadré comme suit :

Comme, pratiquement, au lieu de la formule ( ) on utilise souvent la formule

( Newton, unité Anglo-saxon)

4) Notation décimale des nombres approchés et chiffres significatifs

Où sont les chiffres du nombre a ( ) avec . Par exemple

4-1) Tableau récapitulatif

A Nombre Oui Non Non Tous les chiffres sont

Tous les chiffres sont

Tous les chiffres sont

Nb : Les chiffres soulignés sont significatifs

5) Chiffres exacts d’un nombre décimal approché

( , étant le rang du nième chiffre significatif)

( , étant le rang du troisième chiffre significatif)

6) Règle d’arrondissement d’un nombre

Si un nombre approché positif a compte n chiffres exacts, son erreur relative ( )

Corollaire 7-1 [4]

On peut prendre comme borne d’erreur relative du nombre approché a

Corollaire 7-2 [4]

Si le nombre approché a compte au moins deux chiffres exacts, c'est-à-dire , il

8) Erreur d’une somme

iii) L’erreur absolue d’arrondi final de la somme est :

9) Erreur d’une différence

On considère la différence s de deux nombres approchés et . D’après la formule

Etant donnés les deux nombres

Les deux nombres approchés correspondants { comptent quatre (04) chiffres

et la différence . On a d’après le Corollaire8-1

Si maintenant on prend { avec 07 (03+04) chiffres exacts, on obtient

On remarque une nette amélioration de la précision.

L’erreur relative d’un produit de plusieurs nombres approchés différents de zéro ne

Si ( ) désignent les valeurs exactes des facteurs et si ( ) , comme il en est dans

a ne compte que deux (02) chiffres exacts puisque , 10 étant le rang du

D’après la Remarque6-3, le nombre exact A doit s’écrire . Où on a pris

Signalons le cas particulier où k est un facteur exact différent du zéro, on a et

D’où donc le nombre exact A du nombre approché a s’écrit

, donc comme , il vient

12) Erreur d’une puissance

La borne d’erreur relative de la m-ième ( ) puissance d’un nombre approché est

Soit ( ) , on procède comme pour le produit on a

13) Erreur d’une racine

14) Formule générale de l’erreur

Soit f une fonction donnée

Il s’agit de définir l’erreur de la fonction ( ) dont on connait les erreurs des

Si , la borne d’erreur absolue de la fonction y est ∑ | | et sa borne

, d’où la borne d’erreur de la fonction y est

. La borne d’erreur relative est donc