You are on page 1of 29

Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées

M206-IAN : Introduction à l’analyse numérique

Notes de cours par Clément Boulonne

L2 Mathématiques

2007 - 2008

Table des matières

Introduction

3

1 Interpolation polynômiale

 

4

1.1 Définition du problème d’interpolation

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4

1.2 Représentation des polynômes dans différentes bases

 

4

1.3 Evalution d’un polynôme, méthode de Horner

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

1.4 Interpolation de Lagrange

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

7

1.5 Différences divisées (Méthode de Newton)

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

8

1.6 Erreur en interpolation

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

10

2 Intégration numérique

 

13

2.1 Formule de type interpolation

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

13

2.2 Méthodes composites

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

17

2.2.1 But .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

17

2.2.2 Méthode

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

18

2.2.3 Erreur

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

18

3 Méthodes itératives pour la résolution d’équations

 

19

3.1 Conditions de construction de la suite

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

19

3.2 Méthode de dichotomie

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

20

3.3 Méthode de Picard

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

22

3.4 Méthode de Newton

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

27

3.5 Méthode de la sécante

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

28

 

2

Introduction

Analyse numérique : résultat numérique d’un problème concert. On veut remplacer une

solution exacte par une solution approchée sous forme de nombres. Pour cela, trois étapes :

Existence et unicité d’une solution.

Mettre au point des méthodes (algorithmes) qui permettent de calculer des solutions approchés et évaluer les erreurs.

Faire les calculs sur ordinateurs (gestion de la mémoire, temps de calcul).

Exemples

Métérologie

Chimie

Aéronautique

Economie

Modélisation

Google

Plan du cours

I/ Interpolation : A partir de certains points du graphe d’une fonction compliquée, on veut retrouver une fonction polynomiale passant par ses points.

II/ Calcul d’intégrales : on ne peut pas exprimer certaines primitives de fonctions par des fonctions élémentaires (Exemple : e x 2 ou sin x ), on trouve alors une approximation.

x

III/ Résolution des équations d’ordre supérieur : (comme x 1 0+ x 2 + x + 1 = 0). On trouve alors des approximations numériques des racines (par itération).

3

Chapitre 1 Interpolation polynômiale

1.1 Définition du problème d’interpolation

Soit f une fonction donnée sur laquelle on ne dispose que d’informations partielles (par exemple, les valeurs de f en certains points). Soit F un ensemble de fonctions "faciles" à utiliser ou à calculer. On considère f F tel que :

˜

˜

f(x i ) = f(x i )

i = 1,

,

k

On choisit F = R n [x] (ensemble des polynômes à coefficients dans R et de degré n).

Pourquoi les polynômes ?

1. Faciles à calculer (somme et produit)

2. Fonctions de classe C

3. Comportement local de la fonction : les premiers termes du développement de Taylor forment un polynôme.

4. Théorème de Weirestrass (Théorème 1.1.1.)

Theorème 1.1.1. Soit f continue sur [a, b], ε > 0, P n polynôme (de degré suffisament grand) tel que :

x[a,b] |f(x) P n (x)| ≤ ε

sup

1.2 Représentation des polynômes dans différentes bases

Base canonique

1, x,

, x n

Base centrée en un point c = 0

1, (x c),

4

, (x c) n

Chapitre 1. Interpolation polynômiale

5

Démonstration.

1. Famille génératrice :

p(x) = p(c)+ p (c)(x c) +

+ p (n) (c) (x c) n + p (n+1) (ξ) (ξ c) n+1

n!

(n + 1)!

 

avec ξ ]c, x[.

2.

Famille libre :

a 0 + a 1 (x c) +

+ a n (x c) n = 0

Donc a n = 0 (coefficient de x n ) a n1 = 0

a 0 = 0

x n ) ⇒ a n − 1 = 0 ⇒ ⇒ a 0 = 0

Base de Newton

Soit x 0 , x 1 , donnée par :

, x n1 , n points deux à deux distincts, la base associée aux abscisses x est

1, (x x 0 ), (x x 0 )(x x 1 ),

,

n1

(x

x k )

k=0

de degré n

Démonstration.

1. Famille génératice :

Notation.

 

γ 0 (x) = 1

γ i (x) =

i1

j=0

(x x j )

i = 1

n

Soit p R n [x]. On doit trouver α 0 , donc :

, α n tel que P (x) = α 0 γ 0 +

P α n γ n = α 0 γ 0 +

+ α n1 γ n1

α n1 est un coefficient pour x n1 .

A la dernière étape, on a :

+ α n γ n . On connaît α n

P α n γ n

α 1 γ 1 = α 0 γ 0 = α 0

2. Famille libre : on suppose α 0 γ 0 +

+ α n γ n = 0 α n = 0 α n1 = 0

α 0 = 0.

tout polynôme p R n [x] s’écrit de manière unique sous la forme :

Pour j = 0 :

p(x) =

n

i=0

α i γ i (x) =

n

i=0

α

i

1

j=0

(x x j ) = 1

i1

j=0

(x

x j )

Remarque.

2. Si x 0 =

1. Si x 0 =

= x n1 = 0, on retrouve une base canonique.

= x n1 = c, on retrouve une base centrée au point c.

− 1 = c , on retrouve une base centrée au point c . 3. Tout

6

Chapitre 1. Interpolation polynômiale

1.3 Evalution d’un polynôme, méthode de Horner

Soit p(x) = a 0 +

+ a n x n R n [x]. On a que les a i x i constituent i multiplications. Au total,

on aura n(n+1) n 2 . De plus, il y a n additions. Pour avoir moins d’opérations à faire, on réécrit le polynôme de la façon suivante :

2

2

() :

p(x)

+

a n x n1 )

=

= a 0 + x(a 1 + x(a 2 + a 3 x +

a 0 + x(a 1 + a 2 x +

+ a n x n2 ))

.

.

.

= a 0 +(x(a 1 + x(

(a

n1 + xa n )

)))

() s’appelle l’algorithme de Horner :

b n = a n

b n1 = a n1 + xb n

.

.

.

b i = a i + xb i+1

.

.

.

b 0 = a 0 + b 1 x

On a alors b 0 = p(x). On peut aussi réécrire le polynôme dans la base de Newton.

p(x) = a 0 + a 1 (x x 0 )+ a 2 (x x 0 )(x x 1 ) +

+ a n (x x 0 )

(x

= a 0 +(x x 0 )(a 1 + a 2 (x x 1 ) +

+ a n (x x 1 )

(x

x n ))

x n1 )

.

.

.

= a 0 +(x x 0 )(a 1 +(x x 1 )(a 2 +(x x 2 )(a 3 +

+ a n1 +(x x n1 )a n

L’algorithme est donc le suivant :

b n = a n

Pour i = n 1

0

faire

b i = a i +(x x i )b i+1 fin pour

b 0 = p(x)

)))

Exemple 1.3.1. Soit p(x) = 1 2x + 3x 2 + x 5 . On cherche à calculer p(x) en x = 2. Sous forme d’Horner :

 

p(x)

=

=

 

=

=

i

4

3

2

1

0

b

i

2

4

5

8

15

1+ x(2+3x + x 4 )

1 + x((2 + x(3 + x 3 )))

1 + x(2 + x(3 + x(0 + x 2 )))

1 + x(2 + x(3 + x(0 + x(0 + x))))

p(2) = 15

Chapitre 1. Interpolation polynômiale

7

1.4 Interpolation de Lagrange

Soit f une fonction continue à valeurs réelle dans [a, b]. Soient x 0 , à deux distincts.

, x n (n + 1) points deux

On cherche alors un polynôme p de degré n tel que p(x i ) = f(x i ), i = 0

p interpole f aux points x 0 ,

, x n .

n.

On dit que

Theorème 1.4.1. Il existe un unique polynôme de deg n qui interpole f en les points

x 0 ,

,

x

n

Première démonstration pour le Théorème 1.4.1. Soit p(x) = a 0 + a 1 x +

+ a n x n alors :

système linéaire de n + 1 équations à n + 1 inconnues

:

a

a

.

.

.

a

0

0

0

+

+

+

a 1 x 0 a 1 x 1

.

a 1 x n

+

+

+

+

+

+

a n x n

0

a n x n

.

a n x n

1

n

=

=

=

f(x 0 )

f(x 1 )

.

f(x n )

d’inconnues a 0 , a 1 ,

a n . Le déterminant du système est un déterminant de type Vandermonde :

1

1

.

.

.

1

x

x

0

1

x

n

x

x

. .

n

0

n

1

···

···

···

x n

n

=

n

i,j=0,i<j

(x i x j ) = 0

Les x i sont distincts donc il y a une unique solution.

Les x i sont distincts donc il y a une unique solution. Deuxième démonstration pour le

Deuxième démonstration pour le Théorème 1.4.1. tions. Alors :

(p q)(x i ) = 0

Unicité : supposons que p et q solu-

= {0,

,

n}

On a p q un polynôme de degré n. Il a (n + 1) zéros. Donc (p q) est le polynôme nul. Donc p = q. Existence : On pose :

n

(x x k )

(x i x k )

l i (x) =

k=0,k

=i

avec i = 0

n

(Polynômes de Lagrange). En x j :

p s’écrit donc :

avec deg p n.

l i (x j ) = 0 si j = i

  l i (x j ) = 1 si j = i

p(x) =

= δ ij (symbole de Kronecker)

n

i=0

f(x i )l i (x)

(symbole de Kronecker) n i =0 f ( x i ) l i ( x )

Theorème 1.4.2. Les (n + 1) polynômes l i (x) forment une base de R n [x].

8

Chapitre 1. Interpolation polynômiale

Démonstration. Le polynôme qui interpole p en x 0 ,

, x n est p lui-même.

Donc (l i ) i=0,

,n

p(x) =

n

i=0

p(x i )l i (x)

est une famille génératrice.

Ensuite, on suppose qu’on a une combinaison linéaire :

n

i=0

α i l i (x) = 0

On estime x = x k , ce qui donne α k = 0, k ∈ {0,

Remarque (Désavantages de cette méthode). 1) Pour améliorer le résultat, on rajoute des points d’interpolation mais on doit recalculer tous les polynômes l i .

2) Pas pratique au niveau de calcyl : pour évaluer simplement les l i (x), cela nous coutera 2n multiplications. Donc au total :

, n}.

nous coutera 2 n multiplications. Donc au total : , n } . 2 n (

2n(n + 1) multiplications

1.5 Différences divisées (Méthode de Newton)

Les différences divisées est plus efficace pour construire les interpolants polynomiaux. Soit

p n le polynôme d’interpolation de f aux points x 0 ,

, x n .

p n (x) = A 0 + A 1 (x x 0 )+ A 2 (x x 0 )(x x 1 ) +

+ A n (x x 0 )

Donc :

avec

deg r = n k 1 et :

q k (x) = A 0 +

+ A k (x x 0 )

(x

x k1 )

p n (x) = q k (x)+(x x 0 )

(x x k )r(x)

i = 0, 1,

, k q k (x i ) = p n (x i ) = f(x i )

avec deg q k k.

Conclusion : q k est le polynôme interpolant de f aux points x 0 ,

, x k .

p n peut se construire pas à pas : p 0 , p 1 , p 2 ,

, p n . On a cette formule :

(x

x n1 )

p n = p n1 + A n (x x 0 )

(x

x n1 )

Remarque. A n est le coefficient dominant de p n .

Définition 1.5.1. La différence divisée d’ordre n de f aux points x 0 , de x n dans le polynôme p n de degré n qui interpole f aux poitns x 0 ,

Notation. A n = f[x 0 , x 1 ,

Remarque. 1) La différence divisée ne dépend pas de l’ordre des points.

, x n est le coefficient A n

, x n .

, x n ]

2) p n (x) =

n

i=0

f[x 0 ,

,

x i ]

i1

j=0

(x x j )

Chapitre 1. Interpolation polynômiale

9

Calcul reccursif des différences divisées

Theorème 1.5.1.

f[x 0 ] = f(x 0 )

f[x 0 ,

,

x k ] = f[x 1 ,

,

x k ] f[x 0 ,

,

x k1 ]

x k x 0

Démonstration. f [x 0 ] = f(x 0 ) (par défintion). Par réccurence, on définit :

p k1 : polynôme de degré k 1 qui interpole f aux points x 0 ,

,

x k1 .

q k1 : polynôme de degré k 1 qui interpole f aux points x 1 , x 2 ,

p k : polynôme qui interpole f en x 0 , x 1 ,

, x k .

, x k .

On vérifie la formule :

Pour i = 1,

, k 1 :

p k (x) = x x k x x 0 0 q k1 (x)+

x k x

x k x

0

p k1 (x)

p k (x 0 ) = p k1 (x 0 ) = f(x 0 )

p k (x k ) = q k1 (x k ) = f(x k )

p k (x i ) = x x k i x x 0 0 f(x i )+

x k x 0 f(x i ) = x i x 0 + x k x i

x k x

i

x k x 0

et le degré de p k k. Le coefficient de p k :

D’où la formule.

f[x 0 ,

,

x k ] = f[x 1 , x k x 0

,

x k ]

f[x 0 ,

x k1 ]

, x k x 0

f(x i ) = f(x i )

Table des différences divisées

x

x

x

x

0

1

2

3

x i ) Table des différences divisées x x x x 0 1 2 3 f

f(x 1 )

f(x 2 )

divisées x x x x 0 1 2 3 f ( x 1 ) f (

f[x

0

,

x

1

]

f[x 1 , x 2 ]

f[x

2

,

x

3

]

f[x

0

,

x

1

,

x

2

]

f[x

1

,

x

2

,

x

3

]

f[x 0 , x 1 , x 2 , x 3 ]

1 , x 2 , x 3 ] f [ x 0 , x 1 ,

Remarque. 1) Le calcul se fait colonne par colonne

2) Les coefficients de la fomrule de Newton se lisent sur la première diagonale descendante.

3) Si on inverse l’ordres points, les coefficients se lissent sur la diagonale acendante.

Si on veut rajouter un points x 4 , on rajoute alors une diagonale de degré supplémentaire.

10

Chapitre 1. Interpolation polynômiale

x

x

x

x

x

0

1

2

3

4

f(x 0 )

     

f[x 0 , x 1 ]

f(x 1 )

f[x 0 , x 1 , x 2 ]

f[x 1 , x 2 ]

f[x 0 , x 1 , x 2 , x 3 ]

f(x 2 )

f[x 1 , x 2 , x 3 ]

f[x 2 , x 3 ]

f[x 1 , x 2 , x 3 , x 4 ]

f(x 3 )

f[x 2 , x 3 , x 4 ]

f[x 3 , x 4 ]

f(x 4 )

Exemple 1.5.1. cos π x aux points 1, 0, 1, 2, 3. On construit la table des différences divisées :

2

1

0

1

2

3

0

1

0

1

0

01

10 = 1

10

01

= 1

0+1

12 = 1

10

23

= 1

1(1)

11

= 1

1(1)

02

11

13

= 0

= 1

10

12

= 1

3

01

03 = 3 1

1 − 1 3 3 −1−3 = 0
1 − 1
3
3
−1−3 = 0

p n (x) = (x + 1) (x + 1)(x) + 1 3 (x + 1)(x)(x 1)

1.6 Erreur en interpolation

x 0 ,

Soit f : [a, b] R, x 0 ,

, x n points dinstincts de [a, b], p n polynôme d’interpolation de f en

,

x n .

L’erreur d’interpolation e n (x) := f (x) p(x).

Proposition 1.6.1. Soit x [a, b], x {x 0 ,

, x n } :

e n ((x)) = f [x 0 ,

n

, (x x j )

x n , x]

j=0

Démonstration. Soit p n+1 le polynôme qui interpole f en x 0 , ,

x n , x :

On a alors en x :

p n+1 (x) = p n (x)+ f[x 0 ,

,

f(x) = p n+1 (x) = p n (x)f[x 0 ,

x n , x]

n

j=0

(x x j )

,

x n , x]

n

j=0

(x x j )

x − x j ) , x n , x ] n j =0 ( x

Remarque. La formule proposée en Proposition 1.6.1. nécessite la connaissance de f en x.

Theorème 1.6.2 (Formule de Cauchy pour l’erreur). a) si f ∈ C n (]a, b[) alors ξ ]a, b[ tel

que f [x 0 ,

,

x n ] =

f (n) (ξ) n!

.

Chapitre 1. Interpolation polynômiale

11

b) si f ∈ C n+1 ([a, b]) alors x [a, b], ξ ]a, b[ (ξ dépend de x) tel que :

Démonstration.

e n (x) = f (n (n+1) + 1)! (ξ)

n

j=0

(x x j )

1. e n (x) = (f p n )(x) a n + 1 zéros dans [a, b]. Par le théorème de Rolle,

(f p n ) (x) a n zéro sur ]a, b[ et (f p n ) (n) (x) a un seul zéro en ξ ]a, b[. On a ainsi :

f (n) (ξ) = p

(n)

n

(ξ) = n!f[x 0 ,

2. Avec x ∈ {x 0 ,

x n }, la formule est vraie. Si x {x 0 ,

,

x n ] par f (n) (ξ)

n!

, 1.6.1., on remplace f [x 0 ,

,

x n ]

,

x n }, on utilise la Proposition

x n ] , x n } , on utilise la Proposition Corollaire. Sous les hypothèses

Corollaire. Sous les hypothèses du Théorème 1.6.2. :

|e n (x)| ≤ max

ξ[a,b]

|f (n) (ξ)|

n!

n

j=0

(x x j )

Exemple 1.6.1. x 0 , x 1 , p 1 interpole lui-même.

f(x) p(x) = f (2) (ξ) (x x 0 )(x x 1 )

2

On suppose que |f (x)| ≤ M sur [x 0 , x 1 ].

|f(x) p(x)| ≤ M

2

max ,x 1 ] |(x x 0 )(x x 1 )|

x