MPSI 23/24 Python pour les Sciences Physiques-ON-3-1

OUTILS NUMERIQUES
Dérivation - Intégration

La fonction f étudiée est supposée échantillonnée, c’est-à-dire connue grâce à un tableau de valeurs (mesures
expérimentales obtenues par acquisition), mais on peut aussi travailler avec une fonction d’expression connue.

Dérivation

La définition mathématique de la dérivée f’(x) d'une fonction f(x) définie sur un intervalle I avec x  I est

selon qu’on réalise une estimation à droite ou à gauche. On calcule la limite pour , les deux expressions sont
donc strictement équivalentes. En calcul numérique en revanche, si les mêmes définitions sont utilisées, la situation
est différente puisque l'on va maintenant travailler sur des différences finies : est alors égal à une constante non
nulle (le « pas » : ). Les deux définitions précédentes ne sont alors plus équivalentes.
Il faudra utiliser

En conservant la même démarche, on peut refaire le calcul en symétrisant le problème. Si l'on écrit les
développements limités de f(x) dans ces deux situations :

Choix du pas
Etude d’un exemple : on considère la fonction f(x) = x2. On détermine facilement l’expression littérale de la
fonction dérivée : f’(x) = 2x.
La dérivée de f en x = 4.0 est égale à 8.0.
On peut comparer cette valeur à la valeur approchée
f’(x)=[f(x+h) – f(x)]/h calculée par Python, en fonction de la valeur de h = 10-n.
On obtient le tableau de valeurs suivant :
n 1 2 3 4 5 6 7 8
f’(4) 8.1 8.01 8.001 8.0001 8.00001 8.000001 8.0000001 8.1
n 9 10 11 12 13 14 15 16
f’(4) 8.0000007 8.0000007 8.0000007 8.0007112 8.0291329 7.8159701 7.1054274 0.

On constate que l’écart passe par un minimum : il est donc inutile de diminuer h au-delà de la valeur hmin qui
correspond à ce minimum. On constate aussi que hmin est de l’ordre de %eps , où eps deprésente le « epsilon-
machine ».

On retiendra cette valeur numérique de hmin, utilisable au-delà de cet exemple.