Chap5 CS 19 20

Introduction Dérivation numérique Intégration numérique
Dérivation et intégration numérique
Zakia ANKHILI
Université Cadi Ayyad

ENSA, Marrakech
Zakia ANKHILI Chapitre 5 Dérivation et intégration numérique ENSA (Marrakech) 2017/2018 1/33
Introduction
Ce chapitre est un prolongement du chapitre précédent. Dans

le cas de l’interpolation, on cherche à évaluer une fonction f
connue seulement en quelques points. Dans ce chapitre, on
s’intéresse à obtenir des approximations des différentes
Z xn
dérivées de cette fonction ainsi de f (t)dt.
x0
On parle alors de dérivation numérique et d’intégration
numérique (ou quadrature)
Z xn
Ce problème apparaît lorsque f (t)dt ne peut pas être
x0
déterminé analytiquement ou lorsque la fonction f n’est pas
donner que dans des points discrets (xi , yi ).
Dérivation numérique
On a vu dans le chapitre précédent qu’une fonction f peut être
approximée par un polynôme de degré n avec une certaine erreur :
f (x) = pn (x) + en (x)
On alors
f 0 (x) = p0n (x) + e0n (x)
f 00 (x) = p00n (x) + e00n (x)
f 000 (x) = p000 000
n (x) + en (x)
.. ..
. =.
Or
f (n+1) (ξ)
en (x) = πn (x)
(n + 1)!
avec πn (x) = (x − x0 )(x − x1 ) . . . (x − xn ), donc
f (n+2) (ξ)ξ 0 f (n+1) (ξ) 0
e0n (x) = πn (x) + π (x)
(n + 1)! (n + 1)! n
On alors
n n
f (n+2) (ξ)ξ 0 f (n+1) (ξ) X
e0n (x) =
Y
πn (x) + (x − xj ).
(n + 1)! (n + 1)! i=0 j=0, j6=i
Par conséquent,
n
f (n+1) (ξi ) Y
e0n (xi ) = (xi − xj ).
(n + 1)! j=0, j6=i
Si on suppose également que les xi sont équidistants i.e.

xi+1 − xi = h., on obtient
n
f (n+1) (ξi )hn
e0n (xi ) =
Y
(1) (i − j).
(n + 1)! j=0, j6=i
Définition
Aux points d’interpolation, on a
f 0 (xi ) = p0n (xi ) + e0n (xi )
Le terme p0n (xi ) est dit formule aux différences finies ou plus
simplement formule aux différences.
Formule en 2 points
On considère le polynôme de degré 1 passant par (x0 , f (x0 )) et
(x1 , f (x1 )). La formule d’interpolation de Newton donne
p1 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ).
Alors on a
f 0 (x) = p01 (x) + e01 (x) = f [x0 , x1 ] + e01 (x).

Formule en 2 points
En utilisant l’équation (1), on obtient
f (x1 )−f (x0 ) hf 00 (ξ0 )
f 0 (x0 ) = h − 2 , ξ0 ∈ [x0 , x1 ].
Cette formule est appelée différences finies progressive d’ordre 1

00
f 0 (x1 ) = f (x1 )−f
h
(x0 )
+ hf 2(ξ1 ) , ξ1 ∈ [x0 , x1 ].
Cette formule est appelée différences finies regressive d’ordre 1
Remarque
On remarque que la même différence finie est une approximation
de la dérivée à la fois en x = x0 et en x = x1 . Cependant, les
termes d’erreur sont différentes.
Formule en 3 points
Passons maintenant aux polynômes de degré 2. Soient les points
(x0 , f (x0 )), (x1 , f (x1 )), (x2 , f (x2 )). Le polynôme de degré 2
passant par ces trois points est :
p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )
dont la dérivée est :
p02 (x) = f [x0 , x1 ] + f [x0 , x1 , x2 ](2x − (x0 + x1 ))
Formule en 3 points
On peut facilement vérifier que
2 000



 f 0 (x0 ) = −f (x2 )+4f2h(x1 )−3f (x0 )
+ h f 3 (ξ0 )





(différence progressive d’ordre 2)








2 000

f (x2 )−f (x0 )
 f 0 (x1 ) = − h f 6 (ξ1 )



2h

(différence centrée d’ordre 2)








2 000

f 0 (x2 ) = 3f (x2 )−4f2h
(x1 )+f (x0 )
+ h f 3 (ξ2 )










(différence regressive d’ordre 2)

Remarque
Pour les différences d’ordre 1, on estime la dérivée par la
pente du segment de droite joignant les points (x0 , f (x0 )) et
(x1 , f (x1 ))
dans le cas des différences d’ordre 2, on détermine un
polynôme de degré 2 dont la pente en x0 , x1 et en x2 donne
respectivement les différences progressive, centrée et
regressive.
Exemple
On veut estimer la valeur de la dérivée de la fonction f (x) = ex en
x = 0. La solution exacte est f 0 (0) = 1.
La différence progressive d’ordre 1 donne
Pour h = 0, 1,
e0+h − e0 e0,1 − 1
f 0 (0) ' = = 1, 05170918
h 0, 1
Pour h = 0, 05, on obtient un résultat plus précis :
e0,05 − 1
f 0 (0) ' = 1, 0254219
0, 05
Exemple
La différence centrée d’ordre 2 donne
pour h = 0, 05,
e0,05 − e−0,05
f 0 (0) ' = 1, 0004167
2 ∗ 0, 05
qui est un résultat plus précis.
Avec h = 0, 025, on obtient :
e0,025 − e−0,025
f 0 (0) ' = 1, 00010418
2 ∗ 0, 025
On obtient des résultats similaires avec les différences

progressive et régressive d’ordre 2.
Intégration numérique:
On souhaite disposer d’un moyen d’évaluer numériquement

Z b
I(f ) = f (t)dt
a
où f est une fonction continue sur un intervalle [a, b] avec a < b.

Ce problème apparait lorsque cette valeur ne peut pas être
déterminé analytiquement ou lorsque la fonction f (x) n’est pas
donner que dans des point discrets (xi , yi ). L’évaluation de cette
valeur numériquement est connue sous intégration ou quadrature.
Méthode de trapèzes
Soit f une fonction connue seulement en 2 points a et b ou
n’ayant pas de primitive. Dans cette méthode, on substitue toute
la surface I(f ) par la surface du trapèze formé par les points
(a, b, f (b), f (a)).
Dans ce cas la surface I(f ) peut être approximé par :

Z b
b−a
I(f ) = f (t)dt ' (f (a) + f (b))
Zakia ANKHILI Chapitre 5
2 numérique
aDérivation et intégration ENSA (Marrakech) 2017/2018 13/33
Analytiquement, soit p1 le polynôme de Newton d’ordre 1 passant

par (a, f (a)) et (b, f (b)). On a
Rb
f (t)dt = ab p1 (t)dt + ab e1 (t)dt
R R
a
f 00 (ξ(t))
= ab f (a) + f [a, b](t − a) dt + ab
R R
2! (t − a)(t − b)dt
b−a R b f 00 (ξ(t))
= 2 (f (a) + f (b)) + a 2 (t − a)(t − b)dt
t−a
En faisant un changement de variable x = avec h = b − a,
h
on obtient t − b = h(x − 1) et dt = hdx. Alors,
Z b 00 Z 1 00
f (ξ(t)) f (ξ(x))
(t − a)(t − b)dt = x(x − 1)h3 dx
a 2 0 2
En utilisant le théorème de la moyenne :
Théorème
Soit f1 une fonction continue dans l’intervalle [a, b] et f2 une
fonction intégrable qui ne change pas de signe dans l’intervalle
[a, b] . Il exilte alors η ∈ [a, b] tel que
Z b Z b
f1 (x)f2 (x)dx = f1 (η) f2 (x)dx
a a
on obtient
Z 1 00
f 00 (η) 3 f 00 (η) 3
Z b
f (ξ(x))
x(x − 1)h3 dx = h x(x − 1)dx = − h
0 2! 2! a 12
car la fonction x → x(x − 1) ne change pas de signe dans [0, 1].
La méthode de trapèze se résume donc à l’égalité
f 00 (η) 3
Z b
b−a
f (t)dt = (f (a) + f (b)) − h , pour η ∈ [a, b].
a 2 12
Remarque
La méthode de trapèze est peu précise.
Exemple
Z π
2
On veut évaluer numériquement sin xdx dont la valeur exacte
0
est 1. La méthode de trapèze donne
π π
π
Z
2
2
sin xdx ' (sin 0 + sin ) = 0, 785398164
0 2 2
qui n’est pas une bonne approximation de 1.
Méthode de trapèzes composée

Pour augmenter la précision, on discrétise l’intervalle en n
intervalles de la façon suivante:
b−a
h= , x0 = a, xn = b, xi = a + ih; i = 0, ..., n
n
On applique ensuite la méthode de trapèze dans chaque sous

intervalle [xi , xi+1 ].

On obtient alors
n−1
X Z xi+1
I(f ) = f (x)dx
i=0 xi
n−1
X h
' (f (xi ) + f (xi+1 ))
i=0
2
Par conséquent,
La forme générale de Trapèzes dite aussi de trapèze composée
n−1
!
h X
I(f ) ' y0 + yn + 2 yi , avec yi = f (xi )
2 i=1
Sur chaque sous intervalle, on commet une erreur, l’erreur totale

b − a 00
est − f (ξ)h2 pour un ξ ∈ [a, b].
12
Exemple
R π
2
On calcule maintenant 0 sin xdx avec la méthode des trapèzes
composée.
On décompose l’intervalle [0, π2 ] en 4 sous intervalle de
π
longueur : h = 2
4 = π8 . On a alors
π π
sin xdx ' 28 (sin 0 + 2[sin π8 + sin π4 + sin 3π π
R 2
0 8 ] + sin 2 )
= 0, 9871158
On refaisant les calcul avec 8 intervalles, on obtient

π π
R π π 3π π
2
0 sin xdx ' 16
2 (sin 0 + 2[sin 16 + sin 8 + sin 16 + sin 4
5π 3π 7π π
+sin 16 + sin 8 + sin 16 ] + sin 2 )
= 0, 9967852

On constate une amélioration en comparaison avec le résultat
obtenu avec la méthode des trapèzes.
Remarque
La méthode des trapèzes composée est d’ordre 2.
La méthode des trapèzes est d’ordre 3. Mais, elle est
rarement utilisée car elle est trop imprécise.
La méthode des trapèzes donne un résultat exact si la
fonction f est un polynôme de degré inférieur ou égal à 1.
Définition
Le degré de précision d’une formule de quadrature est la valeur
maximale de n pour laquelle cette formule intégre exactement tout
polynôme de degré inférieur ou égal à n.
Le degré de précision de la formule des trapèzes est 1.

Méthode du point milieu
Rb
L’intégrale a f (x)dx est remplacée par l’aire du rectangle de
a+b
hauteur f ( ):
2
Z b
a+b
I(f ) = f (t)dt ' (b − a)f ( )
a 2
Analytiquement, la fonction f est approchée par le polynôme
d’interpolation de degré 0 passant par ( a+b a+b
2 , f ( 2 ).

Théorème
Soit f ∈ C 2 ([a, b]). Il existe ξ ∈ [a, b] tel que
(b − a)3 00
Z b
a+b
f (t)dt − (b − a)f ( )= f (ξ)
a 2 24
Preuve
Posons c = a+b 2 . D’après le dévelopement de Taylor de f au point
c, il existe θ :
f 00 (θ)
f (x) = f (c) + f 0 (c)(x − c) + (x − c)2
2!
f 00 (θ)
Z b Z b
f (x)dx = (f (c) + f 0 (c)(x − c) + (x − c)2 )dx
a a 2!
=
Preuve (suite)
Z b Z b Z b
a+b
f (x)dx− (f (c)+f 0 (c)(x−c))dx = f (t)dt−(b−a)f ( )
a a a 2
et d’après le théorème de la moyenne, il existe ξ ∈ [a, b] tel que
Z b 00
(x − c)2
Z b
f (θ)
(x − c)2 )dx = f 00 (ξ) dx
a 2! a 2
(b − a)3 00
= f (ξ)
24
Méthode de point milieu composée
On discrétise l’intervalle [a, b] en n intervalles de la façon suivante:
b−a
h= , x0 = a, xn = b, xi = a + ih; i = 0, ..., n
n
On applique ensuite la méthode du point milieu dans chaque sous

intervalle [xi , xi+1 ]. On obtient alors
n−1
X Z xi+1
I(f ) = f (x)dx
i=0 xi
n−1
X xi + xi+1
' hf ( )
i=0
2
Méthode de point milieu composée
Sur chaque sous intervalle, on commet une erreur, l’erreur totale

h2 (b − a) 00
est f (ξ) pour un ξ ∈ [a, b].
24
Méthode de Simpson
Dans cette méthode, on utilise un polynôme de degré 2 passant

par 3 points (x0 , f (x0 )), (x1 , f (x1 )) et (x2 , f (x2 )). Ce polynôme
est donné par la méthode de Newton :
p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ).
On
R x2a alors R x2
x0R f (x)dx ' x0 p2 (x)dx
= xx02 f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ) dx

On suppose que les abscisses sont équidistants. Avec le

x − x0
changement de variable = s, on obtient
h
Z x2
h
f (x)dx ' (f (x0 ) + 4f (x1 ) + f (x2 )),
x0 3
Méthode de Simpson
On peut montrer facilement que la méthode de Simpson se résume
à
f (4) (η) 5
Z x2
h
f (x)dx = (f (x0 )+4f (x1 )+f (x2 ))− h , où η ∈ [x0 , x2 ].
x0 3 90
Remarque
La méthode de Simpson est peu précise.
Exemple
π π
π π
Z
2
4
sin xdx ' (sin 0 + 4 sin + sin ) = 1, 0022799
0 3 4 2
Ce résultat est plus précis que l’approximation obtenue par la

méthode du trapèze, mais il est peu satisfaisant.
Méthode de Simpson composée
On peut améliorer la précision de la méthode de Simpson en la

composant. Puisque la méthode simple requiert 2 intervalles, on
divise l’intervalle [a, b] en 2n sous -intervalles et on utilise la
méthode de Simpson dans chaque paire de sous-intervalles. On a
alors
n−1
X Z x2i+2
Rb
a f (x)dx = f (x)dx
i=0 x2i
n−1
X h
' (f (x2i ) + 4f (x2i+1 ) + f (x2i+2 ))
i=0
3
 
2n−1 2n−2
h
f (x0 ) + f (x2n ) + 4
X X 
= f (xi ) + 2 f (xj )
3 i=1 j=2

i impair j pair
L’analyse de l’erreur liée à la méthode de Simpson composée est

similaire à celle appliquée à la méthode des trapèzes composée. En
divisant [a, b] en 2n intervalles, on utilise n fois la méthode de
Simpson simple et on commet alors n fois l’erreur liée à cette
b−a
méthode. On a alors h = et l’erreur totale est :
2n
b − a (4)
− f (η)h4 pour un certain η ∈ [a, b].
180
Remarques
Cette méthode est exacte dans le cas des polynômes de degré
3. Le degré de précision de cette méthode est donc 3.

Exemple
En divisant l’intervalle [0, π2 ] en 4 sous intervalle de longueur
h = π8 , on obtient:
π π
sin xdx ' 38 (sin 0 + 4 sin π8 + 2 sin π4 + 4 sin 3π π
R 2
0 8 + sin 2 )
= 1, 0001346
qui est un résultat plus précis que la méthode des trapèzes.

π
Avec 8 sous-intervalles de longueur 16 , on a
π π
R 3π π 3π
0
2
sin xdx ' 16
3 (sin 0 + 4 sin 16 + 2 sin 8 + 4 sin 16
+2 sin 4 + 4 sin 16 + 2 sin 8 + 4 sin 16 + sin π2 )
π 5π 3π 7π
= 1, 000008296
Cette plus grande précision vient du fait que cette méthode

est d’ordre 4.
Méthode de Newton Cote

L’intégration numérique est basée principalement sur la relation
Z b Z b Z b
f (x)dx = pn (x)dx + en (x)dx
a a a
où pn est un polynôme d’interpolation et en est l’erreur qui y

associée. La formule de degré n est définie ainsi :
Z b Z b n
X
I(f ) = f (x)dx ' pn (x)dx = ωj f (xj )
a a j=0
avec ωj sont appelés les coefficients de quadrature.

Si est p le polynôme d’interpolation Lagrangien alors
Z b
ωj = Lj (x)dx
a

On pose Lj (x) = ϕj ( x−a
h ) avec h =
b−a
n , alors
n
Y x−k
ϕj (x) =
k=0,k6=j
j−k
et Z b Z n
Lj (x)dx = h ϕj (x)dx
a 0
Si on note
1 n
Z
cj =
ϕj (x)dx
n 0
La méthode de Newton-Cotes de degré n s’écrit alors
Z b n
X
I(f ) = f (x)dx ' (b − a) cj f (xj )
a j=0
Les nombres cj sont les coefficients de Cote de la méthode.


cas n = 1
ϕ0 (x) = 1 − x, ϕ1 (x) = x
Ainsi,
1 (b − a)
c0 = c1 ==⇒ I(f ) ' (f (a) + f (b))
2 2
On retrouve la méthode de trapèze.
cas n = 2
1 1
ϕ0 (x) = (x2 −3x+2), ϕ1 (x) = −x2 +2x, ϕ2 (x) = (x2 −1)
2 2
Ainsi
1 4 1
2c0 = , 2c1 = , 2c2 =
3 3 3
b−a
=⇒ I(f ) = (f (x0 ) + 2f (x1 ) + f (x2 ))
6
On retrouve la méthode de Simpson.

Chap5 CS 19 20

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

Chap5 CS 19 20

Transféré par

Droits d'auteur :

Formats disponibles

Introduction Dérivation numérique Intégration numérique

Dérivation et intégration numérique

Université Cadi Ayyad

Ce chapitre est un prolongement du chapitre précédent. Dans

Si on suppose également que les xi sont équidistants i.e.

f 0 (xi ) = p0n (xi ) + e0n (xi )

p1 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ).

f 0 (x) = p01 (x) + e01 (x) = f [x0 , x1 ] + e01 (x).

Cette formule est appelée différences finies progressive d’ordre 1

p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )

dont la dérivée est :

p02 (x) = f [x0 , x1 ] + f [x0 , x1 , x2 ](2x − (x0 + x1 ))

On obtient des résultats similaires avec les différences

On souhaite disposer d’un moyen d’évaluer numériquement

où f est une fonction continue sur un intervalle [a, b] avec a < b.

Dans ce cas la surface I(f ) peut être approximé par :

Analytiquement, soit p1 le polynôme de Newton d’ordre 1 passant

Méthode de trapèzes composée

On applique ensuite la méthode de trapèze dans chaque sous

Méthode de trapèzes composée

Sur chaque sous intervalle, on commet une erreur, l’erreur totale

Méthode de trapèzes composée

On refaisant les calcul avec 8 intervalles, on obtient

Méthode de trapèzes composée

Le degré de précision de la formule des trapèzes est 1.

Méthode du point milieu

Méthode du point milieu

Méthode du point milieu

Méthode de point milieu composée

On discrétise l’intervalle [a, b] en n intervalles de la façon suivante:

On applique ensuite la méthode du point milieu dans chaque sous

Méthode de point milieu composée

Sur chaque sous intervalle, on commet une erreur, l’erreur totale

Dans cette méthode, on utilise un polynôme de degré 2 passant

p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ).

On suppose que les abscisses sont équidistants. Avec le

Ce résultat est plus précis que l’approximation obtenue par la

Méthode de Simpson composée

On peut améliorer la précision de la méthode de Simpson en la

Méthode de Simpson composée

L’analyse de l’erreur liée à la méthode de Simpson composée est

Méthode de Simpson composée

qui est un résultat plus précis que la méthode des trapèzes.

Cette plus grande précision vient du fait que cette méthode

Méthode de Newton Cote

où pn est un polynôme d’interpolation et en est l’erreur qui y

avec ωj sont appelés les coefficients de quadrature.

Méthode de Newton Cote

Les nombres cj sont les coefficients de Cote de la méthode.

Méthode de Newton Cote

Vous aimerez peut-être aussi