Analyse Numérique PDF

Premier pas en analyse numérique
Équations non linéaires
Azzouz AWANE
2020-2021
Méthode de la sécante, Méthode de la tangente, et méthode

des approximations successives
Azzouz AWANE Équations non linéaires

Introduction
L’analyse numérique est une discipline à l’interface des

mathématiques et de l’informatique. Elle s’intéresse tant aux
fondements qu’à la mise en pratique des méthodes permettant de
résoudre, par des calculs purement numériques, des problèmes
d’analyse mathématique.
Plus formellement, l’analyse numérique est l’étude des algorithmes
permettant de résoudre numériquement par discrétisation les
problèmes de mathématiques continues.
Exemples
1 Donner une valeur approchée à 10−9 de la solution de
l’équation non linéaire x 3 + x − 1 = 0.
´1
Donner une valeur approchée de l’intégrale 0 exp −x 2 dx .

2
3 Approximation des solutions des équations différentielles

y 0 = f (x , y ).

Introduction
L’analyse numérique est une discipline à l’interface des

mathématiques et de l’informatique. Elle s’intéresse tant aux
fondements qu’à la mise en pratique des méthodes permettant de
résoudre, par des calculs purement numériques, des problèmes
d’analyse mathématique.
Plus formellement, l’analyse numérique est l’étude des algorithmes
permettant de résoudre numériquement par discrétisation les
problèmes de mathématiques continues.
Exemples
1 Donner une valeur approchée à 10−9 de la solution de
l’équation non linéaire x 3 + x − 1 = 0.
´1
Donner une valeur approchée de l’intégrale 0 exp −x 2 dx .

2
3 Approximation des solutions des équations différentielles

y 0 = f (x , y ).

Équations non linéaires
On donne quelques méthodes pour approcher les racines des

équations du type :
f (x ) = 0 (1)
où f : R −→ R est une fonction réelle d’une variable réelle.

Séparation des racines
En général, on doit commencer par séparer les racines de

l’équation f (x ) = 0, c’est à dire, on détermine une famille
d’intervalles de telle sorte que chaque intervalle contient une racine
et une seule. La séparation se fait en étudiant la fonction f et à
partir du tableau de variation de f , on détermine des intervalles de
la forme [a, b] tels que f (a)f (b) < 0 et sur [a, b] la fonction f est
strictement monotone.
Exercices
1 Séparer les racines des équations suivantes : (a)
x − ln x − 2 = 0 ; (b) x 3 − 3x − 1 = 0.
2 Montrer que l’équation tan(x ) − x = 0 admet une solution
unique α dans l’intervalle ] π2 , 3π
2 [ et vérifier que α ∈]4.4; 4.5[.

Méthode de la sécante
Soit f : [a, b]−→ R, une fonction continue sur [a, b], telle que
f (a)f (b) < 0.
On suppose en outre que f est convexe sur [a, b] , f (a) > 0 et
f (b) < 0.
Le théorème des valeurs intermédiaires montre qu’il existe
α ∈ ]a, b[ tel que f (α) = 0. α représente l’abscisse de l’intersection
du graphe (Cf ) avec l’axe OX .
Soient A = (a, f (a)), B = (b, f (b)) et (AB) la droite passant les
points A et B.
L’équation de la droite (AB) est donnée par :
f (b) − f (a)
y = (x − a) + f (a). (2)
(b − a)


L’abscisse x1 du point d’intersection de la droite (AB) avec l’axe
OX est :
af (b) − bf (a)
x1 = , (3)
f (b) − f (a)
x1 s’obtient en mettant y = 0 dans l’équation (2).
Soit M1 = (x1 , f (x1 )). La droite (AM1 ) coupe l’axe OX , grâce à la
formule (3), au point x2 :
af (x1 ) − x1 f (a)
x2 = . (4)
f (x1 ) − f (a)
De proche en proche, on obtient une suite récurrente (xn ) définie
par : 
x = b
0
(5)
xn+1 = af (xn )−xn f (a)
f (xn )−f (a)
qui convergente vers α.

Exercices
1 Montrer que la suite analogue à la formule (5) lorsque
f (a) < 0, f (b) > 0 et f est convexe sur [a, b], est donnée par :

x = a
0
(6)
xn+1 = xn f (b)−bf (xn ) .
f (b)−f (xn )
2 Retrouver la suite analogue à la formule (5) lorsque f est

concave f (a) < 0 et f (b) > 0.

√
Valeur approchée de 3 2 à 10−7 près
Déterminons,
√ par la méthode de la sécante, la valeur approchée de
3
2 à 10−7 près.
On considère la fonction :
f (x ) = x 3 − 2.
On voit aisément qu’on a :

1 f 0 (x ) = 3x 2 et f (x ) = 6x .
2 Cette fonction est strictement croissante, f (1) = −1 < 0 et
f (2) = 6 > 0, par application du théorème des valeurs
intermédiaires et la croissance de la fonction f , on voit que
l’équation f (x ) = 0 admet une solution unique α ∈ ]1, 2[ ,
bien entendu √
3
α = 2.

On est dans le cas de de l’exercice 1 ou f est convexe sur [a, b]

avec a = 1, b = 2.
√ Et, donc, la suite récurrente qui nous permet
3
d’approcher α = 2 est donnée par :

x = a = 1
0
xn+1 = xn f (b)−bf (xn ) = xn f (2)−2f (xn ) .
f (b)−f (xn ) f (2)−f (xn )
Or
xn f (2)−2f (xn ) 6xn −2(xn3 −2)
xn+1 = f (2)−f (xn ) = 6−(xn3 −2)
−2xn3 +6xn +4 (xn −2)(2xn2 +4xn +2)
= 23 −xn3
= (xn −2)(xn2 +2xn +4)
2xn2 +4xn +2
= xn2 +2xn +4
.

Donc le schéma relatif à la méthode est donné par :


x0 = 1
2
xn+1 = 2x2n +4xn +2 .
xn +2xn +4
On a donc,
n xn
0 1
2×12 +4×1+2 8
1 12 +2×1+4
= 7 = 1.142857143
Par le même processus, on calcule x2 à partir de x1 , puis x3 à partir

de x2 , etc. Les questions suivantes se posent :
1 Quand est ce qu’on arrête le processus ?
2 Comment utiliser la calculatrice pour déterminer la valeur
approchée de α.
Critère d’arrêt pour la résolution numérique de f (x ) = 0
Une fois construite, la suite (xn ) convergeant vers α vérifiant

g(α) = α, quand peut-on arrêter les itérations de l’algorithme
numérique si l’on désire déterminer une valeur approchée de α à ε
près (ε étant fixée à l’avance) ?
Un bon critère d’arrêt est le contrôle de l’incrément :
1 On constate la convergence à travers la stabilité des résultats
numériques.
2 On s’arrête à l’itération n0 si on peut montrer théoriquement
que :
|xn+1 − xn | < ε
dès que n > n0 .

Usage de la calculatrice
Pour la valeur de x1 , on tape le rapport sur la calculatrice
2 × 12 + 4 × 1 + 2
= 1.142857143.
12 + 2 × 1 + 4

Puis, dans la formule précédente, on remplace la valeur de x0 = 1

par Ans :
1 ←→ Ans
on obtient :
2 × Ans2 + 4 × Ans + 2
;
Ans2 + 2 × Ans + 4
en tapant la touche = ; on obtient la valeur de x2 ;
puis, en tapant la touche = ; on obtient la valeur de x3 ;
en tapant la touche = ; on obtient la valeur de x5 ; etc....

On place les résultats obtenus par la calculatrice, sur le tableau des

valeurs on obtient :
n xn n xn
0 1 10 1.259877609
1 1.142857143 11 1.259903126
2 1.209677419 12 1.259913654
3 1.238837002 13 1.259917999
4 1.251159871 14 1.259919791
5 1.256295529 15 1.25992053
6 1.258423339 16 1.259920836
7 1.259302785 17 1.259920961
8 1.259665901 18 1.259921013
9 1.259815767 ...

A travers ces résultats, on constate que les sept premiers chiffres

après la virgule se stabilisent à partir de la 18 ième itération, et de
là on déduit : √
2 = 1.2599210 a„ 10−7 pr„es
3

Méthode de la tangente
Soit f : [a, b]−→ R, une fonction dérivable sur [a, b], telle que
f (a)f (b) < 0.
On suppose en outre que f est convexe sur [a, b] , f (a) < 0,
f (b) > 0 et que f 0 ne s’annule pas sur [a, b].
Le théorème des valeurs intermédiaires montre qu’il existe
α ∈ ]a, b[ tel que f (α) = 0. α représente l’abscisse de l’intersection
du graphe (Cf ) avec l’axe OX .
Soient A = (a, f (a)), B = (b, f (b)) et (AB) la droite passant les
points A et B.
L’équation de la tangente Tb à la courbe au point d’abscisse b est
donnée par :
y = f 0 (b) (x − b) + f (b). (7)


L’abscisse x1 du point d’intersection de la droite Tb avec l’axe OX
est :
f (b)
x1 = b − , (8)
f 0 (b)
x1 s’obtient en mettant y = 0 dans l’équation (7).
Soit M1 = (x1 , f (x1 )). La droite Tx1 coupe l’axe OX , grâce à la
formule (8), au point x2 :
f (x1 )
x2 = x1 − . (9)
f 0 (x1 )
De proche en proche, on obtient une suite récurrente (xn ) définie
par : 
x = b
0
(10)
xn+1 = xn − f 0(xn )
f (xn )
qui convergente vers α.

Exercices
1 Montrer que la suite analogue à la formule (10) lorsque
f (a) > 0, f (b) < 0 et f est convexe sur [a, b], est donnée par :

x = a
0
(11)
xn+1 = xn − f 0(xn )
f (xn )
2 Retrouver la suite analogue à la formule (10) lorsque f est

concave f (a) < 0 et f (b) > 0.

√
Valeur approchée de 3 2 à 10−7 près
Déterminons,
√ par la méthode de la tangente, la valeur approchée
de 3 2 à 10−7 près.
On considère la fonction :
f (x ) = x 3 − 2.
On voit aisément qu’on a :

1 f 0 (x ) = 3x 2 et f (x ) = 6x .
2 Cette fonction est strictement croissante, f (1) = −1 < 0 et
f (2) = 6 > 0, par application du théorème des valeurs
intermédiaires et la croissance de la fonction f , on voit que
l’équation f (x ) = 0 admet une solution unique α ∈ ]1, 2[ ,
bien entendu √
3
α = 2.

On est dans le cas de de l’exercice 1 ou f est convexe sur [a, b]

avec a = 1, b = 2.
√ Et, donc, la suite récurrente qui nous permet
3
d’approcher α = 2 est donnée par :

x = b
0
xn+1 = xn − f 0(xn ) .
f (xn )
Or
xn3 −2 3xn3 −(xn3 −2)
xn+1 = xn − 3xn2
= 3xn2
2xn3 +2
= 3xn2

Donc le schéma relatif à la méthode est donné par :


x0 = 2
3
xn+1 = 2xn +2
2 .
3xn
On a donc,
n xn
0 2
2×23 +2
1 3×22
= 23 = 1.5

Dans la formule
2 × x03 + 2 2 × 23 + 2
x1 = = = 1.5,
3 × x02 3 × 22
on remplace la valeur de x0 = 2 par Ans :
1 ←→ Ans
on obtient :
2 × Ans3 + 2
;
3 × Ans2
en tapant la touche = ; on obtient la valeur de x2 ;
puis, en tapant la touche = ; on obtient la valeur de x3 ;
en tapant la touche = ; on obtient la valeur de 3 ; etc....


valeurs on obtient :
n xn
0 2
1 1.5
2 1.296296296
3 1.260932225
4 1.259921861
5 1.25992105
6 1.25992105
7
8
9


après la virgule se stabilisent à partir de la cinquième itération, et
de là on déduit : √
3
2 = 1.2599210
à 10−7 près.

Exercice d’application
Exercice
1 Montrer que l’équation
x3 + x − 1 = 0
possède une solution et une seule α dans l’intervalle [0, 1] .

2 En utilisant la méthode de Newton, donner la valeur
approchée de α à 10−8 près.

Corrigé
. Posons f (x ) = x 3 + x − 1.
On a
f 0 (x ) = 3x 2 + 1 > 0, ∀x ∈ R.
Donc f est strictement croissante.
On a
f (0)f (1) = −1 < 0.
Le TVI et la stricte monotonie de la fonction ; permettent de voir
qu’il existe un unique α ∈ [0, 1] tel que f (α) = 0.
Concernant la concavité on :
f 00 (x ) = 6x > 0, ∀x ∈ [0, 1]
donc f est convexe.

Suite du Corrigé.
Le schéma itératif en question est donné par :

x = 1
0
xn+1 = xn − f 0(xn ) .
f (xn )
On a
f (xn )
xn+1 = xn − f 0 (xn )
3
n −1
= xn − xn3x+x2 +1
n
3 3
3xn +xn n −1
= 3xn2 +1
− xn3x+x2 +1
n
2xn3 +1
= 3xn2 +1
.
On a : x0 = 1 et
2 × 13 + 1
x1 = .
3 × 12 + 1

Suite du Corrigé.
valeurs, on obtient :
n xn
0 1
1 0.75
2 0.6860465116
3 0.6823395826
4 0.6823278039
5 0.6823278038
6
7
8
9

Suite du Corrigé.
après la virgule se stabilisent à partir de la quatrième itération, et
de là on déduit :
α = 0.68232780
à 10−8 près.

Méthode des approximations successives
Soit [a, b] un intervalle fermé de R

Définition
Une application f : [a, b] → [a, b] est dite contractante s’il existe
une constante k, 0 ≤ k < 1, telle que :
∀x , x 0 ∈ [a, b], |f (x ) − f (x 0 )| ≤ k|x − x 0 |
Théorème
Si f : [a, b] → [a, b] est contractante, alors l’équation
f (x ) = x
admet une solution unique, appelée point fixe de f .

Corollaire
Si f est dérivable sur [a, b] avec
sup[a,b] |f 0 (x )| < 1,
alors f est contractante sur [a, b].
Ceci résulte du théorème des accroissements finis. La méthode des

approximations successives consiste à mettre l’équation f (x ) = 0
sous la forme :
F (x ) = x
où F est une fonction à déterminer, dépendante de f et n’est pas
unique.

Exercice.
Mettre l’équation
x3 + x − 1 = 0
sous la forme F (x ) = x .
La solution cherchée de l’équation est l’abscisse du point

d’intersection de la droite d’équation y = x et la courbe
représentative de F .
Pour le calcul des approximations de la racine α, on utilise la suite

récurrente suivante :
(
x0 ∈ [a, b] quelconque
xn+1 = F (xn )

Remarque.
Une majoration de l’erreur, en valeur absolue, est donnée par :
|xn − α| ≤ k n |b − a|. (12)
On peut utiliser la formule (12) comme un autre critère d’arrêt. On

s’arrête à l’itération n0 dès que
k n |b − a| < ε
pour tout n > n0 . Soit, en appliquant la fonction ln, à tous les

membres de l’inégalité, on obtient
n ln (k) + ln |b − a| < ε,
si on désire déterminer une valeur approchée de α à ε près.

Illustration

Illustration

Exercice d’application.
Soit f (x ) = x 3 + x − 1.
Et soit α ∈ ]0.1[ l’unique solution de l’équation f (x ) = 0.
1. On pose F (x ) = x − f (x ). Déterminer F (x ). Montrer que
l’équation f (x ) = 0 est équivalente à F (x ) = x .
2. Montrer que le schéma d’itération suivant
(
x0 = 0.5
xn+1 = F (xn )
est divergent.
3. On pose G(x ) = x − λf (x ), avec λ > 0. Déterminer
une condition suffisante sur λ pour que le schéma d’itération
suivant : (
x0 = 0.5
xn+1 = G(xn )
converge. Azzouz AWANE Équations non linéaires
Corrigé.
On a
F (x ) = x − f (x ) = 1 − x 3 .
2. Montrons que le schéma d’itération suivant
(
x0 = 0.5
xn+1 = F (xn )
est divergent.

Suite du corrigé.
Tableau des valeurs :
n xn n xn
0 0.5 10 0
1 0.875 11 1
2 0.330078125 12 0
3 0.9640374705 13 1
4 0.1040541883 14 0
5 0.9988733768 15 1
6 −3
10 ×3.376063248 16 0
7 0.9999999615 17
8 −7
10 × 1.15439105 18
9 1 ...
On voit que le schéma est divergeant.

Conclusion : La fonction F n’est pas contractante.
Suite du corrigé.
3. On pose G(x ) = x − λf (x ), avec λ > 0. Cherchons une
une condition suffisante sur λ pour que le schéma d’itération
suivant : (
x0 = 0.5
(13)
xn+1 = G(xn )
converge.
On utilise le corollaire du théorème du point fixe. On a :

G 0 (x ) = 1 − λ 3x 2 + 1 .
Et donc,
sup[0,1] G 0 (x ) < 1 ⇐⇒ −1 < G 0 (x ) < 1, ∀x ∈ [0, 1]

sup[0,1] G 0 (x ) < 1 ⇐⇒ −1 < 1 − λ 3x 2 + 1 < 1, ∀x ∈ [0, 1] .


Suite du corrigé.
L’inégalité de droite est toujours satisfaite. Il suffit de voir celle du
côté gauche, i.e.
−1 < 1 − λ 3x 2 + 1 .
Pour tout x ∈ [0, 1] on a :

−1 < 1 − λ 3x 2 + 1 ⇐⇒ λ 3x 2 + 1 < 2,
donc,
1
λ< .
2
Donc la condition suffisante
i pour
h que le schéma (13) soit
1
convergeant est que λ ∈ 0; 2 .

Suite du corrigé.
On dresse le tableau de valeurs correspondant à λ = 0.25, i.e. celui
qui correspond au schéma suivant :
(
x0 = 0.5
xn+1 = −0.25xn3 + 0.75xn + 0.25

Suite du corrigé.
On obtient alors :
n xn n xn n xn
0 0.5 10 0.6822993181 20 0.6823278008
1 0.59375 11 0.6823163857 21 0.6823278026
2 0.6429824829 12 0.6823232271 22 0.6823278033
3 0.6657803671 13 0.6823259694 23 0.6823278037
4 0.6755562419 14 0.6823270685
5 0.6795902277 15 0.6823275091
6 0.6812266942 16 0.6823276857
7 0.6818858352 17 0.6823277565
8 0.6821505533 18 0.6823277848
9 0.6822567419 19 0.6823277962

Remarque.
Il a fallu 21 itérations pour obtenir la valeur de α à 10−7 près. Par
contre il a fallu 5 itérations pour la méthode des tangentes.

Interpolation de Lagrange
Soit f une fonction, réelle d’une variable réelle, continue sur un

intervalle [a, b] et x 0 , x 1 , ..., xn , (n + 1) points deux à deux
distincts de [a, b]. On suppose, sans perte de généralité, que pour
tout i = 0, 1, 2, . . . , n − 1 on a xi < xi+1 .
Position du problème : On cherche un polynôme p de degré
inférieur ou égal à n tel que pour tout i = 0, 1, 2, . . . , n, on ait :
p(xi ) = f (xi ). (14)

Lemme
Si p existe, alors il est unique.
Démonstration.
En effet, si p et q sont deux polynômes, de degré inférieur ou égal
à n, qui vérifient pour tout i = 0, 1, 2, . . . , n, on ait :
p(xi ) = q(xi ) = f (xi ) ,

alors le polynôme p − q de degré inférieur ou égal à n admet n + 1
racines deux à deux distinctes. Il en découle que p − q = 0, d’où
p = q.

Lemme
Pour tout i = 0, 1, 2, . . . , n, il existe un unique polynôme Li de
degré n tel que
Li (xk ) = δik
Démonstration.
Si Li existe, alors il admet n racines xk avec k 6= i, donc
n
Li (x ) = λi
Y
(x − xk ),
k=0,k6=i
l’hypothèse Li (xi ) = 1, donne
1
λi = Qn
k=0,k6=i (xi − xk )

et, donc,
n
(x − xk )
Li (x ) =
Y
k=0,k6=i
(xi − xk )
Lemme
La famille L0 , L1 , . . . , Ln est une base de l’espace vectoriel Rn [X ]
des polynômes de degré inférieur ou égal à n.

Lemme
Il existe un polynôme unique p de degré inférieur ou égal à n tel
que
p(xi ) = yi .
Démonstration.
Pour tout x ∈ R, posons
n
X
p(x ) = f (xi )Li (x ).
i=0
Le polynôme ainsi construit vérifie l’égalité (14) et est unique.

Construisons le polynôme d’interpolation p de degré 3 de la
fonction f connue uniquement en quatre points.
xi 0 1 3 5
f (xi ) 3 3 15 83

Corrigé
On a :
(x −x 1 )(x −x 2 )(x −x 3 ) (x −1)(x −3)(x −5)
L0 (x ) = (x 0 −x 1 )(x 0 −x 2 )(x 0 −x 3 ) = − 15
−x 0 )(x −x 2 )(x −x 3 ) x (x −3)(x −5)
L1 (x ) = (x(x1 −x 0 )(x 1 −x 2 )(x 1 −x 3 )
= 8
−x 0 )(x −x 1 )(x −x 3 ) x (x −1)(x −5)
L2 (x ) = (x(x2 −x 0 )(x 2 −x 1 )(x 2 −x 3 )
= − 12
(x −x 0 )(x −x 1 )(x −x 2 ) x (x −1)(x −3)
L3 (x ) = (x 3 −x 0 )(x 3 −x 1 )(x 3 −x 2 ) = 40
et, donc,
p(x ) = 3L0 (x ) + 3L1 (x ) + 15L2 (x ) + 83L3 (x )

= x 3 − 2x 2 + x + 3.
Définition
Le polynôme p est est appelé polynôme d’interpolation de
Lagrange de f relativement aux points x 0 , x 1 , . . . , xn .
Interpolation linéaire et quadratique
Soient f : [a, b] → R une application continue sur l’intervalle [a, b].
1. Le polynôme d’interpolation de Lagrange de f relativement aux
points a et b est donné par :
(x − b) (x − a)
p(x ) = f (a) + f (b)
(a − b) (b − a)
p est appelé polynôme d’interpolation linéaire tel que
p(a) = f (a) et p(b) = f (b).
2. Soit c ∈]a, b[. le polynôme d’interpolation de Lagrange de f
relativement aux points a, c, b est donné par :
(x − c)(x − b) (x − a)(x − b) (x − a)(x − c)

q(x ) = f (a)+ f (c)+ f (b)
(a − c)(a − b) (c − a) (c − b) (b − a)(b − c)
q est appelé polynôme d’interpolation quadratique tel que

q(a) = f (a), q(c) = f (c) et q(b) = f (b).
Erreur d’Interpolation de Lagrange
Théorème
Soient f ∈ C n+1 ([a, b]) et p le polynôme d’interpolation de
Lagrange de f relativement aux points x 0 , x 1 , ..., xn . Pour tout
x ∈ [a, b], il existe θx ∈]a, b[ tel que
n
1 Y
f (x ) − p(x ) = (x − xi )f (n+1) (θx ).
(n + 1)! i=0
Démonstration.
Pour tout x ∈]a, b[ on pose :
f (x ) − p(x )
ϕ(x ) = Qn
i=0 (x − xi )

Démonstration.
et considérons la fonction ψ : [a, b] → R de la variable t définie
par :
n
Y
ψ(t) = f (t) − p(t) − ϕ(x ) (t − xi ).
i=0
On a :
ψ(x ) = ψ(x 0 ) = ψ(x 1 ) = . . . = ψ(xn ) = 0

la fonction ψ s’annule au moins en n + 2 points distincts de ]a, b[.
En appliquant le théorème de Rolle entre deux racines successives,
on voit que la fonction dérivée ψ 0 s’annule au moins en n + 1
(n+1)
points distincts de ]a, b[, ainsi de suite, donc la fonction ψ
s’annule au moins en un point θx ∈]a, b[ ; et, donc,

Démonstration.
n
!(n+1)
Y
ψ (n+1) (θx ) = 0 = f (n+1) (θx )−p (n+1) (θx )−ϕ(x ) (t − xi ) .
i=0
soit,
ψ (n+1) (θx ) = 0 = f (n+1) (θx ) − ϕ(x ) (n + 1)!,
d’où
f (n+1) (θx )
ϕ(x ) = .
(n + 1)!
Cette formule est appelée erreur d’interpolation de Lagrange.

Intégration numérique
Le problème de l’intégration numérique.

Le problème de l’intégration numérique peut se présenter de deux
façons différentes :
1 Une fonction f (x ) est connue par quelques-uns de ses points
de colocation (x 1 , f (x 1 )), . . . , (xn , f (xn )), (qui sont
régulièrement espacés ou non). Comment fait-on pour estimer
´ xi+1
la valeur de l’intégrale xi f (x )dx , alors que l’expression
analytique de f (x ) n’est pas connue ?
´b
2 On cherche la valeur de l’intégrale définie a f (x )dx lorsque
l’expression analytique de l’intégrant f (x ) est connue, mais
´b 2
pas sa primitive. Un exemple : calculer a e −x dx .

Intégration numérique
Ces deux problèmes, pourtant très différents, peuvent être résolus

avec les mêmes outils. Comme dans le chapitre précédent, nous
interpolons la fonction f (x ) ou ses points de colocation avec un
polynôme, puis nous intégrons explicitement ce polynôme. Nous
supposerons dans ce qui suit que la distance entre points de
colocation adjacents est constante et vaut h (le pas).

Formulation de Newton-Cotes
La stratégie habituelle pour développer des formules d’intégration

numérique d’une fonction connue en un nombre de points
x 0 , x 1 , . . . , xn est de construire des polynômes d’interpolation
Pn (x ) passant par ces points et l’intégrer. Lorsque ces points sont
équidistants on écrit :
ˆ b ˆ b
f (x )dx ' Pn (x )dx
a a
On considère le polynôme d’interpolation de Lagrange
n
X
Pn (x ) = f (xi )Li (x )
i=0
où a = x 0 , xi = a + i b−a et i = 0, . . . n. Pour obtenir une valeur

´n b
approchée In+1 (f ) de a f (x )dx on intègre Pn sur [a, b].

Formulation de Newton-Cotes
On obtient :
ˆ b n
X
In+1 (f ) = Pn (x )dx = ai f (xi )
a i=0
avec
ˆ b
ai = Li (x )dx .
a

Formule des trapèzes
Lorsque n = 1, le polynôme d’interpolation de Lagrange s’écrit :
x −b x −a
P 1 (x ) = f (a) + f (b)
a−b b−a
D’où
ˆ b
x −b x −a b−a

I 2 (f ) = f (a) + f (b) dx = [f (b) + f (a)].
a a−b b−a 2
Ainsi
ˆ b
h
f (x )dx ' [f (b) + f (a)]
a 2
qui n’est rien d’autre que la formule du trapèzes à un pas.

Exemple 1.
On a :
ˆ4
dx
I= √
x
1
La valeur exacte de I vaut 2.

Par la formule du trapèzes à un pas on a :
3 1 1
IT ,1 = ( √ + √ ) = 2.25.
2 1 4

Exemple 2.
On considère l’Intégrale
ˆ 1
2
I= e −x dx .
0
En utilisant la calculatrice, on a :
I ' 0.7468241328.
La première approche de la formule des trapèzes IT ,1 de I vaut :
IT ,1 = b−a
2 [f (b) + f (a)] = 12 [e −1 + 1]
= 0.6839397206.

Pour obtenir la formule générale des trapèzes, on considère
la subdivision uniforme (xi ) de [a, b] définie par :
x 0 = a, x1 = a + h, · · · , xi = a + ih, . . .
b−a
avec h = n = xi+1 − xi pour tout i = 0, . . . , n − 1.

La relation de Chasles, donne :
ˆ b n−1
X
ˆ xi+1
I= f (x )dx = f (x )dx
a i=0 xi
b−a
En appliquant la formule du trapèzes à un pas h = n sur chaque
intervalle [xi , xi+1 ], on approche I par :
Pn−1 xi+1 −xi
IT ,n = i=0 [f (xi+1 ) + f (xi )]
2
b−a
= 2n [f 0 + 2f 1 + 2f 2 + . . . + 2fn−1 + fn ]
avec fi = f (xi ) pour chaque i = 0, . . . , n.
Exemple 1.
On reprend l’intégrale
ˆ4
dx
√
x
1

Suite de l’exemple 1.
avec n = 3, x 0 = 1, x 1 = 2, x 2 = 3 et x 3 = 4. On a donc, h = 1.
Par suite,
ˆ4
dx
√ ' 2.03445]
x
1
On reprend l’intégrale
ˆ1
2
e −x dx .
0
Prenons n = 4. On a donc :
1 h −02 2 2 2
2
i
IT ,4 = e + 2 e −0.25 + e −0.5 + e −0.75 + e −1
8

Donc,
IT ,4 = 0.7429840978
Théorème (Erreur de la méthode des trapèzes)

Si f est de classe C 2 sur [a, b] alors
(b − a)3
|Rn (f )| ≤ sup[a,b] |f ”(x )|
12n2
où Rn (f ) est :
ˆb
b−a
f (x )dx − [f 0 + 2f 1 + 2f 2 + . . . + 2fn−1 + fn ].
2n
a

Formule de Simpson
´1 2
IS1 = 0 e −x dx = 07471804289
IS4 =0.74682612053

Analyse Numérique PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

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 :

Formats disponibles

Analyse Numérique PDF

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

Premier pas en analyse numérique

Équations non linéaires

Méthode de la sécante, Méthode de la tangente, et méthode

Azzouz AWANE Équations non linéaires

L’analyse numérique est une discipline à l’interface des

3 Approximation des solutions des équations différentielles

Azzouz AWANE Équations non linéaires

L’analyse numérique est une discipline à l’interface des

3 Approximation des solutions des équations différentielles

Azzouz AWANE Équations non linéaires

On donne quelques méthodes pour approcher les racines des

Azzouz AWANE Équations non linéaires

En général, on doit commencer par séparer les racines de

Azzouz AWANE Équations non linéaires

Azzouz AWANE Équations non linéaires

Azzouz AWANE Équations non linéaires

qui convergente vers α.

2 Retrouver la suite analogue à la formule (5) lorsque f est

Azzouz AWANE Équations non linéaires

On voit aisément qu’on a :

Azzouz AWANE Équations non linéaires

On est dans le cas de de l’exercice 1 ou f est convexe sur [a, b]

Azzouz AWANE Équations non linéaires

Donc le schéma relatif à la méthode est donné par :

Par le même processus, on calcule x2 à partir de x1 , puis x3 à partir

Une fois construite, la suite (xn ) convergeant vers α vérifiant

Azzouz AWANE Équations non linéaires

Pour la valeur de x1 , on tape le rapport sur la calculatrice

Azzouz AWANE Équations non linéaires

Puis, dans la formule précédente, on remplace la valeur de x0 = 1

Azzouz AWANE Équations non linéaires

On place les résultats obtenus par la calculatrice, sur le tableau des

Azzouz AWANE Équations non linéaires

A travers ces résultats, on constate que les sept premiers chiffres

Azzouz AWANE Équations non linéaires

y = f 0 (b) (x − b) + f (b). (7)

Azzouz AWANE Équations non linéaires

Azzouz AWANE Équations non linéaires

qui convergente vers α.

2 Retrouver la suite analogue à la formule (10) lorsque f est

Azzouz AWANE Équations non linéaires

On voit aisément qu’on a :

Azzouz AWANE Équations non linéaires

On est dans le cas de de l’exercice 1 ou f est convexe sur [a, b]

Azzouz AWANE Équations non linéaires

Donc le schéma relatif à la méthode est donné par :

Azzouz AWANE Équations non linéaires

on remplace la valeur de x0 = 2 par Ans :

Azzouz AWANE Équations non linéaires

On place les résultats obtenus par la calculatrice, sur le tableau des

Azzouz AWANE Équations non linéaires

A travers ces résultats, on constate que les sept premiers chiffres

Azzouz AWANE Équations non linéaires

possède une solution et une seule α dans l’intervalle [0, 1] .

Azzouz AWANE Équations non linéaires

donc f est convexe.

Azzouz AWANE Équations non linéaires

Azzouz AWANE Équations non linéaires

Azzouz AWANE Équations non linéaires

Azzouz AWANE Équations non linéaires

Soit [a, b] un intervalle fermé de R

∀x , x 0 ∈ [a, b], |f (x ) − f (x 0 )| ≤ k|x − x 0 |