Académique Documents
Professionnel Documents
Culture Documents
Présenté par:
A. Hadri
hadri.aissam@gmail.com
2023-2024
Analyse Numérique
2 Intégration numérique
Méthodes de Quadratures
Quelques formules de quadrature
Formule des Trapèzes
Formule de Simpson
A. Hadri | c b n a 2 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Contents
2 Intégration numérique
Méthodes de Quadratures
Quelques formules de quadrature
Formule des Trapèzes
Formule de Simpson
A. Hadri | c b n a 3 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Introduction
Dans la résolution de certains problèmes numériques, on rencontre la
situation suivante :
on veut calculer les valeurs d’une fonction f (x) pour un très grand nombre
de valeurs de x, mais on ne connaît pas f explicitement.
A. Hadri | c b n a 4 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Introduction
Ceci se produit lorsque :
f n’est connue qu’en certains points expérimentaux x0 , x1 , ..., xn
ou lorsque la fonction f est évaluée numériquement par un code de
calcul dont l’exécution est coûteuse.
A. Hadri | c b n a 5 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Illustration graphique
A. Hadri | c b n a 6 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Objectif
On veut alors représenter f par une fonction simple dont l’évaluation est
aisée.
A. Hadri | c b n a 7 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Objectif
Dans ce chapitre, on va s’intéresser aux techniques de l’interpolation qui
consiste à chercher une fonction f¯ ∈ F̄ telle que :
A. Hadri | c b n a 8 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Définition
Un polynôme de degré n à coefficients dans R est une fonction de la forme
pn (x) = a0 + a1 x + a2 x2 + ... + an xn ,
A. Hadri | c b n a 9 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Théorème
Soit f une fonction continue sur un intervalle [a, b] et ϵ > 0. Alors il existe
un polynôme p(x) tel que :
A. Hadri | c b n a 10 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Corollaire
Par (n + 1) points de collocation d’abscisses distinctes ((xi , f (xi )) pour
i = 0, 1, 2, . . . , n), on ne peut faire correspondre qu’un et un seul
polynôme de degré n.
A. Hadri | c b n a 11 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Théorème
L’unique polynôme de degré n passant par les points (xi , f (xi )) pour
i = 0, 1, 2, . . . , n, est appelé l’interpolant de f (x) de degré n aux abscisses
(noeuds) x0 , x1 , . . . , xn .
A. Hadri | c b n a 12 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Remarque
L’interpolant passant par les n + 1 points d’interpolation peut être de degré
inférieur à n.
A. Hadri | c b n a 13 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Proposition
La famille (1, x, x2 , ..., xn ) représente la base canonique de l’ensemble des
polynômes de degré ≤ n (Pn ).
Tout polynôme pn de Pn peut s’écrire :
pn (x) = a0 + a1 x + a2 x2 + ... + an xn .
A. Hadri | c b n a 14 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Remarque
Le problème d’interpolation consiste à déterminer l’unique polynôme de
degré ≤ n,
pn (x) = a0 + a1 x + a2 x2 + ... + an xn ,
passant par (n + 1) points d’interpolation (xi , f (xi ))i=0...n .
A. Hadri | c b n a 15 / 95
Analyse Numérique | Problèmes d’interpolation numérique
s’écrit :
n
a0 + a1 x0 + ..... + an x0 = f (x0 )
a + a x + ..... + a xn = f (x )
0 1 1 n 1 1
....................................
.....................................
.....................................
n
a0 + a1 xn + ..... + an xn = f (xn )
A. Hadri | c b n a 16 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Remarque
Qui est un système linéaire de (n + 1) équations avec (n + 1) inconnues.
Ce système s’écrit sous forme matricielle :
x20 . . . xn0
1 x0 a0 f (x0 )
1 x1 x21 . . . xn1 a1 f (x1 )
. . . . . . . .
.
= (1)
. . . . . . . .
.
. . . . . . . .
.
1 xn x2n . . . xnn an f (xn )
A. Hadri | c b n a 17 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Remarque
La matrice de ce système linéaire est une matrice de Vandermonde de
déterminant i<j (xi − xj ) ̸= 0 car les points xi sont distincts. La
Q
A. Hadri | c b n a 18 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Exemple :
1 Calculer le polynôme passant par les points (0, 1), (1, 2), (2, 9) et
(3, 28) en utilisant la base canonique.
A. Hadri | c b n a 19 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Solution :
Étant donné ces 4 points d’interpolation, le polynôme recherché est au plus
de degré 3
Ses coefficients ai sont solution de :
1 x0 x20 x30
a0 f (x0 )
1 x1 x21 x31 a1 f (x1 )
= (2)
1 x2
x22 3
x2 a2 f (x2 )
1 x3 x23 x33 a3 f (x3 )
A. Hadri | c b n a 20 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Solution :
ce qui donne :
1 0 0 0 a0 1
1 1 1 1 a1 2
= (3)
1 2 4 a2 9
8
1 3 9 27 a3 28
p(x) = 1 + x3 .
A. Hadri | c b n a 21 / 95
Analyse Numérique | Problèmes d’interpolation numérique
Remarque :
Il est connu que lorsque n augmente la matrice de Vandermonde devient
très sensible aux erreurs d’arrondis (Matrice malle conditionnée).
A. Hadri | c b n a 22 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Polynôme de Lagrange :
On considère les polynômes ϕi , i = 0, ..., n de degré n tels que :
A. Hadri | c b n a 23 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Définition :
Les polynômes ϕ0 , ϕ1 , ..., ϕn sont appelés polynômes de Lagrange associés
au support de points {x0 , x1 , ..., xn }.
A. Hadri | c b n a 24 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Proposition :
ϕi sont des polynômes de degré n, de plus B = {ϕi , i = 0, 1, ..., n} forme
une base de Pn [R] l’espace des polynômes de degré ≤ n.
A. Hadri | c b n a 25 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Proposition :
L’interpolation de Lagrange, consiste à chercher l’expression du polynôme
d’interpolation pn dans la base de Lagrange B, autrement dit ; pn doit être
représenté sous la forme :
A. Hadri | c b n a 26 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Théorème :
Étant donné un support de (n + 1) points d’interpolation (xi , f (xi ))ni=0 .
L’unique polynôme d’interpolation pn de degré ≤ n passant par tous ces
points peut s’écrire :
n
X
pn (x) = f (xi )ϕi (x),
i=0
où
Y (x − xj )
ϕi (x) =
i̸=j
(xi − xj )
A. Hadri | c b n a 27 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
polynôme d’interpolation
Le polynôme pn ainsi défini s’appelle le polynôme d’interpolation de
Lagrange de la fonction f relativement au support de points (x0 , x1 , ..., xn ).
A. Hadri | c b n a 28 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
polynôme d’interpolation
Puisque les polynômes de Lagrange ϕi sont de degré égal à n. Donc pn est
de degré ≤ n entant que combinaison linéaire des polynômes de Lagrange
{ϕi , i = 0, ..., n}.
D’autre part, pour j = 0, ..., n, on a :
n
X
Pn (xj ) = f (xi )ϕi (xj )
i=0
A. Hadri | c b n a 29 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Exemple :
On prend n = 2, (x0 , f (x0 )) = (−1, −2), (x1 , f (x1 )) = (0, 1) et
(x2 , f (x2 )) = (1, 2).
Les polynômes de Lagrange associés sont :
(x − 0)(x − 1) x(x − 1) 1 1
ϕ0 (x) = = = x2 − x;
(−1 − 0)(−1 − 1) 2 2 2
(x − (−1))(x − 1) (x + 1)(x − 1)
ϕ1 (x) = = = 1 − x2 ;
(0 − (−1))(0 − 1) −1
(x − 0)(x − (−1)) x(x + 1) 1 1
ϕ2 (x) = = = x2 + x;
(1 − 0)(1 − (−1)) 2 2 2
A. Hadri | c b n a 30 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Exemple :
Ainsi le polynôme d’interpolation de Lagrange de f sur {−1, 0, 1} est :
p2 (x) = f (x0 )ϕ0 (x) + f (x1 )ϕ1 (x) + f (x2 )ϕ2 (x)
= −2ϕ0 (x) + 1ϕ1 (x) + 2ϕ2 (x)
= −x2 + 2x + 1.
A. Hadri | c b n a 31 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Exemple :
Le polynôme d’interpolation p2 permet d’obtenir une approximation de la
fonction inconnue f (x) partout dans l’intervalle [−1, 1], on écrit :
avec une précision qui sera discutée plus loin lorsque nous aborderons la
question de l’erreur de l’interpolation.
A. Hadri | c b n a 32 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Exemple :
Reprenons les points (0, 1), (1, 2), (2, 9) et (3, 28) et calculons
l’interpolation de Lagrange dans ce cas.
1 les éléments de la base Lagrange :
(x − 1)(x − 2)(x − 3)
ϕ0 (x) =
(0 − 1)(0 − 2)(0 − 3)
(x − 0)(x − 2)(x − 3)
ϕ1 (x) =
(1 − 0)(1 − 2)(1 − 3)
(x − 0)(x − 1)(x − 3)
ϕ2 (x) =
(2 − 0)(2 − 1)(2 − 3)
(x − 0)(x − 1)(x − 2)
ϕ3 (x) =
(3 − 0)(3 − 1)(3 − 2)
A. Hadri | c b n a 33 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Exemple :
1 Le polynôme de Lagrange est donné par :
p3 (x) = f (x0 )ϕ0 (x) + f (x1 )ϕ1 (x) + f (x2 )ϕ2 (x) + f (x3 )ϕ3 (x)
c’est à dire :
(x − 1)(x − 2)(x − 3) x(x − 1)(x − 3)
p3 (x) = − +x(x−2)(x−3)−9 +1
6 2
Après simplification du calcul, on trouve :
p3 (x) = x3 + 1
Interpolation de Lagrange
Exemple :
Soit f une la fonction définie par f (x) = exp(x), trouver le polynôme de
Lagrange associés à f aux points −1, 0 et 1.
A. Hadri | c b n a 35 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Solution :
A. Hadri | c b n a 36 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Erreur :
Toutefois, cette opération entraîne une erreur d’interpolation qu’il
convient d’étudier !
A. Hadri | c b n a 37 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Lagrange
Interpolation de Lagrange
Remarque :
La méthode d’interpolation de Lagrange présente un inconvénient majeur :
elle n’est pas récursive. En effet, si on souhaite passer d’un polynôme de
degré n à un polynôme de degré (n + 1) (en ajoutant un point
d’interpolation), on doit reprendre tout le processus à zéro.
A. Hadri | c b n a 38 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Introduction :
Etant donnés (n + 1) points x0 , x1 , ..., xn , la base de Newton est définie
par :
A. Hadri | c b n a 39 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Introduction :
Nous allons montrer comment calculer les coefficients du polynôme de
degré inférieur ou égal à n, pn , interpolant une fonction f dans les points
x0 , x1 , ..., xn . Ce polynôme s’écrit :
pn (x) = c0 + c1 (x − x0 ) + c2 (x − x0 )(x − x1 )
A. Hadri | c b n a 40 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Introduction :
Notons que le coefficient cn est le coefficient de xn dans pn . C’est ce qu’on
appelle le coefficient directeur du pn .
A. Hadri | c b n a 41 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Principe
L’idée de cette méthode (interpolation de Newton) est de déterminer le
polynôme d’interpolation dans la base de Newton. Autrement, on
détermine les n + 1 coefficients ci dans ?? tels que :
A. Hadri | c b n a 42 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Principe
En particulier : Pour i = 0, on aura c0 = f (x0 ).
Pour i = 1, on aura pn (x1 ) = c0 + c1 (x1 − x0 ) + 0 = f (x1 ). Ce qui
permet d’isoler c1 pour obtenir
f (x1 ) − f (x0 )
c1 = .
x1 − x0
Pour i = 2, de même, on obtient que :
f (x2 )−f (x0 ) f (x1 )−f (x0 )
x2 −x0 − x1 −x0
c2 = .
x2 − x1
f (x2 )−f (x1 ) f (x0 )−f (x1 )
x2 −x1 − x0 −x1
=
x2 − x0
A. Hadri | c b n a 43 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Définition
Soit f une fonction.
La 0ième différence divisée de f en x0 est :
f [x0 ] = f (x0 )
.
La 1ière différence divisée de f en x0 , x1 est :
f (x1 ) − f (x0 )
f [x0 , x1 ] = .
x1 − x0
La 2-ième différence divisée de f en x0 , x1 et x2 est :
f [x1 , x2 ] − f [x0 , x1 ]
f [x0 , x1 , x2 ] =
x2 − x0
La n-ième différence divisée de f en x , x , ..., x est :
A. Hadri | c b n a 44 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Définition
Suivant cette notation, on a :
Théorème
Étant donné (n + 1) points d’interpolation (xi , f (xi ))ni=0 , l’unique
polynôme d’interpolation de degré n passant par tous ces points peut
s’écrire :
Interpolation de Newton
Remarque
Le polynôme pn peut être défini récursivement par :
p0 (x) = f [x0 ]
pn (x) = pn−1 (x) + f [x0 , x1 , ..., xn ](x − x0 )(x − x1 )...(x − xn−1 ), n > 0.
A. Hadri | c b n a 46 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Différences divisées
La manière la plus simple consiste à construire une table dite de différences
divisées de la façon suivante :
xi f [xi ] f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ]
x0 f [x0 ]
x1 f [x1 ] f [x0 , x1 ]
x2 f [x2 ] f [x1 , x2 ] f [x0 , x1 , x2 ]
x3 f [x3 ] f [x2 , x3 ] f [x1 , x2 , x3 ] f [x0 , x1 , x2 , x3 ]
A. Hadri | c b n a 47 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Différences divisées
Exemple :
La table de différences divisées pour les points (0, 1), (1, 2), (2, 9) et (3, 28)
est :
xi f [xi ] f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ]
0 1
1 2 1
2 9 7 3
3 28 19 6 1
A. Hadri | c b n a 48 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Interpolation de Newton
Différences divisées
Exemple :
Suivant la formule de Newton, le polynôme d’interpolation est :
qui est le même polynôme (en vertu de l’unicité) que celui obtenu en
passant par la matrice de Vendermonde ou par la méthode de Lagrange.
A. Hadri | c b n a 49 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Résultats de convergence
Théorème
On suppose que f est n + 1 fois dérivable sur [a, b]. Alors pour tout
x ∈ [a, b], il existe un point ξ ∈]a, b[ tel que :
1
En (x) = f (x) − pn (x) = πn+1 (x)f (n+1) (ξ),
(n + 1)!
où :
n
Y
πn+1 (x) = (x − xi ).
i=0
A. Hadri | c b n a 50 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Résultats de convergence
Démonstration
On a besoin du lemme suivant, qui découle du théorème de Rolle.
Lemme
Soit f une fonction n fois dérivable sur [a, b]. On suppose qu’il existe n + 1
points x0 < x1 < . . . < cn de [a, b] tels que f (xi ) = 0. Alors il existe
ξ ∈]x0 , xn [ tel que f (n) (ξ) = 0.
A. Hadri | c b n a 51 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Résultats de convergence
Proposition
Pour tout x ∈ [a, b], x ̸= xi , i = 0, . . . , n, on a :
n
Y
En (x) = f (x) − pn (x) = f[x0 ,x1 ,...,xn ,x] (x − xi ),
i=0
A. Hadri | c b n a 52 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Résultats de convergence
Problème de Runge
On considère la fonction f définie sur [−5, 5] tel que :
1
f (x) = .
1 + x2
Les figures concernant les polynômes p5 et p10 sont représentées dans la
suite.
A. Hadri | c b n a 53 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Résultats de convergence
Equidistants
A. Hadri | c b n a 54 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Résultats de convergence
Tchebyshev
A. Hadri | c b n a 55 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Résultats de convergence
i(b − a)
xi = a + ih = a + , 0 ≤ i ≤ n.
n
A. Hadri | c b n a 56 / 95
Analyse Numérique | Problèmes d’interpolation numérique | Interpolation de Newton
Résultats de convergence
b−a 2i + 1
xi = (a + b)/2 + cos π , 0 ≤ i ≤ n.
2 2n + 1
A. Hadri | c b n a 57 / 95
Analyse Numérique | Intégration numérique
Contents
2 Intégration numérique
Méthodes de Quadratures
Quelques formules de quadrature
Formule des Trapèzes
Formule de Simpson
A. Hadri | c b n a 58 / 95
Analyse Numérique | Intégration numérique
Intégration numérique
Introduction
Pour pallier à ce problème, on cherche une approximation de l’intégrale :
Z b
I(f ) = f (x)dx,
a
A. Hadri | c b n a 59 / 95
Analyse Numérique | Intégration numérique
Intégration numérique
Introduction
On a donc : a0 = a < a1 < ... < ai < ai+1 < ... < an = b où ai = a + ih
pour i = 0, 1, ..., n, en particulier a0 = a et an = b, on a donc :
Z b Z a1 Z a2 Z an
f (x)dx = f (x)dx + f (x)dx + ... + f (x)dx
a a a1 an−1
n−1
X Z ai+1
= f (x)dx,
i=0 ai
R ai+1
Ce sont ainsi les intégrales f (x)dx
que nous allons approcher dans la
ai
suite par des formules. Ces formules d’intégration numérique sont
également appelées formules de quadrature.
A. Hadri | c b n a 60 / 95
Analyse Numérique | Intégration numérique | Méthodes de Quadratures
Méthodes de Quadratures
Principe
Les méthodes de quadratures consistent à approcher l’intégrale
R ai+1
ai f (x)dx sur sur un petit intervalle [ai , ai+1 ] tel que
Z ai+1 hi
X
f (x)dx ≃ (ai+1 − ai ) wi,j f (βi,j ).
ai j=0
A. Hadri | c b n a 61 / 95
Analyse Numérique | Intégration numérique | Méthodes de Quadratures
Intégration numérique
Méthodes de Quadratures
Le problème est de choisir convenablement les points βi,j et les coefficients
wi,j de façon à minimiser l’erreur d’approximation. Ceci se fera en général
en évaluant l’intégrale aaii+1 f (x)dx au moyen d’une interpolation de f aux
R
points βi,j .
A. Hadri | c b n a 62 / 95
Analyse Numérique | Intégration numérique | Méthodes de Quadratures
Intégration numérique
I(f ) = In (f ) + En (f )
A. Hadri | c b n a 63 / 95
Analyse Numérique | Intégration numérique | Méthodes de Quadratures
Intégration numérique
Valeur approchée : Interpolation de Lagrange
Considérons pn le polynôme d’interpolation de Lagrange. Elle s’écrit de la
forme suivante :
n n
X Y x − xj
pn (x) = f (xi )ϕi (x) avec ϕi (x) =
i=0 j̸=i
xi − xj
ce qui donne :
Z b n
X Z b
pn (x)dx = f (xi )wi avec wi = ϕi (x)dx, .
A. Hadri | c b n a
a i=0 a 64 / 95
Analyse Numérique | Intégration numérique | Méthodes de Quadratures
Intégration numérique
Estimation de l’erreur
Nous avons :
Z b Z b
En (f ) = I(f ) − In (f ) = en (x)dx = (f (x) − pn (x))dx
a a
A. Hadri | c b n a 65 / 95
Analyse Numérique | Intégration numérique | Méthodes de Quadratures
Intégration numérique
Estimation de l’erreur
Finalement, on aura l’estimation suivante :
Z b
M
|En (f )| ≤ | Πn (x) dx|
(n + 1)! a
A. Hadri | c b n a 66 / 95
Analyse Numérique | Intégration numérique | Méthodes de Quadratures
Intégration numérique
Définition
1 Une formule de quadrature est dite d’ordre k si l’erreur entre la valeur
exacte ab f (x) dx et la valeur approchée In (f ) trouvée par cette
R
formule vérifie :
Z b
|En (f )| := | f (x) dx − In (f )| ≤ Chk
a
A. Hadri | c b n a 67 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature
Intégration numérique
p0 (βi ) = f (βi )
A. Hadri | c b n a 68 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature
Intégration numérique
Formule des rectangles
Autrement dit, on approche la fonction f par la droite d’équation :
Ainsi : Z ai+1
f (x)dx ≈ hf (βi ),
ai
par la suite,
Z b n−1
X Z ai+1 n−1
X
I(f ) = f (x)dx = f (x)dx ≈ h f (βi ).
a i=0 ai i=0
A. Hadri | c b n a 69 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature
Intégration numérique
A. Hadri | c b n a 70 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature
Intégration numérique
A. Hadri | c b n a 71 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature
Intégration numérique
A. Hadri | c b n a 72 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
A. Hadri | c b n a 73 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
par la suite,
Z b N
X −1 Z ai+1 f (a) + f (b) N
X −1
I(f ) = f (x)dx = f (x)dx ≈ h + f (ai )
a i=0 ai 2 i=1
A. Hadri | c b n a 74 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
Formule des Trapèzes (preuve)
On a : Z ai+1 Z ai+1
f (x)dx ≈ p1 (x)dx
ai ai
Ainsi
Z ai+1 Z ai+1
p1 (x)dx = f (ai ) + f [ai , ai+1 ](x − ai ) dx
ai ai
Z ai+1
= h.f (ai ) + f [ai , ai+1 ] (x − ai )dx.
ai
A. Hadri | c b n a 75 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
f (ai+1 ) − f (ai ) h2
Z ai+1
p1 (x)dx = h.f (ai ) + .
ai h 2
f (ai+1 ) + f (ai )
= h
2
d’où le résultat.
A. Hadri | c b n a 76 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
f (ai+1 ) − f (ai ) h2
Z ai+1
p1 (x)dx = h.f (ai ) + .
ai h 2
f (ai+1 ) + f (ai )
= h
2
d’où le résultat.
A. Hadri | c b n a 77 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
−h3 ′′
Z b
Eh (f ) = f (x)dx − Ih (f ) = f (θ) pour θ ∈ [a, b]
a 12
En particulier, on a :
h3 ′′
|Eh (f )| ≤ maxx∈[a,b] |f |
12
On dit que la formule des Trapèzes est d’ordre 2.
2 Le degré de précision de la formule des Trapèzes est égale à 1
A. Hadri | c b n a 78 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
A. Hadri | c b n a 79 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
A. Hadri | c b n a 80 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
A. Hadri | c b n a 81 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
n−1
X −h3 ′′ −h2 ′′
= f (θ) = f (θ)
i=0
12 12
On dit que la formule des Trapèzes composite est d’ordre 2.
2 Le degré de précision de la formule des Trapèzes est égale à 1
A. Hadri | c b n a 82 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
A. Hadri | c b n a 83 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule des Trapèzes
Intégration numérique
Formule des Trapèzes composite (graphique)
A. Hadri | c b n a 84 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
Formule de Simpson
Elle consiste à approcher la fonction f sur [ai , ai+1 ] par le polynôme
d’interpolation p2 de degré 2 tel que :
ai + ai+1 ai + ai+1
p2 (ai ) = f (ai ) , p2 (ai+1 ) = f (ai+1 ), et p2 ( ) = f( ).
2 2
A. Hadri | c b n a 85 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
Proposition
L’intégrale de la fonction f sur l’intervalle [ai , ai−1 ] est donnée par :
Z ai+1
h
f (x)dx ≈ f (ai ) + f (ai+1 ) + 4f (ci ) ,
ai 6
avec
ai + ai+1
ci = .
2
Par la suite,
Z b n−1
X Z ai+1
I(f ) = f (x)dx = f (x)dx
a i=0 ai
N −1 n
h X X
≈ {f (a) + f (b) + 2 f (ai ) + 4 f (ci )}
6 i=1 i=1
A. Hadri | c b n a 86 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
Formule de Simpson
On a : Z ai+1 Z ai+1
f (x)dx ≈ p2 (x)dx
ai ai
Ainsi
Z ai+1 Z ai+1
p2 (x)dx = p1 (x)dx
ai a
Z ai i+1
+ f [ai , ai+1 , ci ](x − ai )(x − ai+1 )dx.
ai
A. Hadri | c b n a 87 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
Formule de Simpson
Il reste à calculer le deuxième terme
R ai+1
ai f [ai , ai+1 , ci ](x − ai )(x − ai+1 )dx.
On pourra montrer que :
2 f (ai ) + f (ai+1 ) − 4f (ci )
f [ai , ai+1 , ci ] =
h2
et
h3
Z ai+1
(x − ai )(x − ai+1 )dx = −
ai 6
A. Hadri | c b n a 88 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
Formule de Simpson
ce qui donne :
Z ai+1
f (ai ) + f (ai+1 ) 2 1 1
p2 (x)dx = h + h f (ci ) − f (ai ) − f (ai+1 )
ai 2 3 3 3
h
= f (ai ) + f (ai+1 ) + 4f (ci )
6
d’où le résultat.
A. Hadri | c b n a 89 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
A. Hadri | c b n a 90 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
N −1 n
h X X
≈ {f (a) + f (b) + 2 f (ai ) + 4 f (ci )}
6 i=1 i=1
A. Hadri | c b n a 91 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
A. Hadri | c b n a 92 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
−h4 (4)
Z b
Eh (f ) = f (x)dx − Ih (f ) = f (θ)(b − a) pour θ ∈ [a, b]
a 90
En particulier, on a :
h4
|Eh (f )| ≤ (b − a)maxx∈[a,b] |f (4) |
90
Ainsi, la formule de Simpson est d’ordre 4 pour toute fonction de
classe C 4
2 Le degré de précision de la formule de Simpson est égale à 3
A. Hadri | c b n a 93 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
−h4 (4)
Z b
Eh (f ) = f (x)dx − Ih (f ) = f (θ)(b − a) pour θ ∈ [a, b]
a 180
2 cette méthode est exacte dans le cas des polynômes de degré 3. Le
degré d’exactitude de cette méthode est donc 3.
A. Hadri | c b n a 94 / 95
Analyse Numérique | Intégration numérique | Quelques formules de quadrature | Formule de Simpson
Intégration numérique
A. Hadri | c b n a 95 / 95