Département Mathématiques

Mémoire de fin d’étude pour l’obtention de la licence fondamentale

Polynômes Orthogonaux

Réalisé par : Encadré par :

ABD EL MOUNAIM ELBOUZIANI Pr. KAISSAR IDRISSI

HATIM EL MAADI

Le jury composé de :

A. Hanine Président Faculté des sciences Rabat

K. Idrissi Encadrant Faculté des sciences Rabat
Y. Elmadani Examinateur Faculté des sciences Rabat
H. Ezzahraoui Examinateur Faculté des sciences Rabat

Année Universitaire : 2020/2021

 Adrien-Marie Legendre Charles Hermite
(1752-1833) (1822-1901)

Pafnuti Lvovitch Tchebychev Edmond Nicolas Laguerre

(1821-1894) (1834 - 1886)

2
 Remerciements
Ce travail est le résultat d’efforts continus et de travail acharné tout long de ce semestre.
Tout d’abord nous remercions au créateur de l’univers qui nous a donné de la force et nous a gardé
en bonne santé pour terminer ce mémoire et cette section d’étude difficile.
Un remerciement particulier à Pr. Kaissar IDRISSI Pour tout le soutient et l’encadrement qu’il
nous a donné.
Nous remercions les membres de jury pour avoir accepté de présider et d’examiner notre travail.
Nous remercions le corps enseignant et administratif du département de mathématiques.
Nous tenons à remercier également tous ceux qui nous ont aidé de près et de loin pour l’élaboration
de ce mémoire.
A tous ceux dont le soutient nous a été utile et nécessaire, nous disons : Qu’Allah récompense.

A. Elbouziani et H. El-Maadi

3
 Résumé
Les polynômes orthogonaux est un outil fondamentale pour la résolution de plusieurs problèmes
d’analyse théorique ou pratique.

Dans ce mémoire nous avons présenté quelques polynômes orthogonaux important comme polynômes
de Legendre, polynômes de Hermite, polynômes de Tchebychev et polynômes de Laguerre, ces poly-
nômes considérés comme des solutions particuliéres des équations différentielles.

De part, leurs propriétés (Relation de récurrences, équation déférentielle, orthogonalité, .....), ces poly-
nômes permettent de données plus de souplesse et de clarté dans la résolution et l’étude des problémes
en physique et en particulier mécanique quantique et en générale dans les sciences modèrnes.

4
 TABLE DES MATIÈRES

Remérciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Introduction 8

1 Espace de Hilbert 9
1.1 Forme bilinéaire - sesquilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Espace de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.2 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.3 Procédé d’orthonormalisation de Gram-Scmidt . . . . . . . . . . . . . . . . . 16
1.3.4 Base Hilbertienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2 Polynômes orthogonaux 20
2.1 Présentation des polynômes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Propriétés générales des polynômes orthogonaux . . . . . . . . . . . . . . . . . . . . 22
2.2.1 Formule de récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.2 Existence de racines réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.3 Formule de Darboux-Christoffel . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.4 Position des racines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Exemple d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.1 T n vérifie une relation de récurrence . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.2 T n de degré n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.3 T n a n racines distincts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.4 Fonction de poid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4 Formule d’Olinde Rodriguez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.1 Equation différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3 Polynômes orthogonaux classiques 31

3.1 Polynôme de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.1.1 Parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.1.2 Degré et coefficient dominant . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.1.3 Relation de récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

5
 3.1.4 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.5 Equation différentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.1.6 Les valeurs de Pn en Zéro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Polynôme d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2.1 Relation de récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2.2 Degré et coeificient dominant . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.3 Parité de Hn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.4 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.5 Equation différentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3 Polynôme de Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3.1 Relation de récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3.2 Degré et Parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.3 Coefficient dominant de T n . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.4 Racines de T n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3.5 Equation différantielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3.6 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3.7 Valeurs de T n en Zéro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.4 Polynômes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4.1 Fonction génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4.2 Relation de récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.4.3 Equation différentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5 Tableau des polynômes orthogonaux classiques . . . . . . . . . . . . . . . . . . . . . 45

4 quelques applications des polynômes orthogonaux classiques 46

4.1 Meilleur Approximation (Tchebychev) . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.2 Intégration numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.1 Méthode de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.2 Intégration de Gauss –Legendre . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2.3 Intégration de Gauss –Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . 49
4.2.4 Intégration de Gauss-Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.3 Approximation au sens des Moindres carrés . . . . . . . . . . . . . . . . . . . . . . . 51

Bibliographie 53

6
 TABLE DES FIGURES

3.1 Graphes des premiers polynômes de Legendre P0 ,P1 ,P2 ,P3 ,P4 ,P5 . . . . . . . . . . . . 34
3.2 Graphes des premiers polynômes d’Hermite H0 ,H1 ,H2 ,H3 ,H4 ,H5 . . . . . . . . . . . . . 37
3.3 Graphes des premiers polynômes de Tchebychev de première espèce T 0 ,T 1 ,T 2 ,T 3 ,T 4 ,T 5 . 41
3.4 Graphes des premiers polynômes de Laguerre L0 ,L1 ,L2 ,L3 ,L4 ,L5 . . . . . . . . . . . . . 44

7
 INTRODUCTION

Les polynômes orthogonaux sont un sujet d’étude pour les mathématiciens depuis
longtemps. À titre d’exemple, Adrien-Marie Legendre en était arrivé dès le début du
XIXème siècle à considérer la suite de polynômes orthogonaux aux quels son nom
maintenant associé, les polynômes de Legendre, dans le cadre de ses calculs concer-
nant la mécanique céleste, depuis cette époque jusqu’à aujourd’hui, la théorie concer-
nant ces polynômes n’a cessé de croitre en précision et aussi en importance. Les po-
lynômes orthogonaux sont devenus des outils d’approximation très utiles, puisque
d’autres application se sont développées.
Ce mémoire se veut une introduction à l’étude des polynômes orthogonaux, qui
soit accessible et rigoureuse.
Nous avons comporté notre mémoire en quatre chapitres :
Premier chapitre : consiste à représenter l’espace de Hilbert, ses propriétés et quelques
applications.
Deuxième chapitre : dans ce chapitre, nous présentons les polynômes orthogonaux,
ses propriétés qui caractérisent ces polynômes, et on le termine par l’étude des
classes des polynômes orthogonaux (définition, formule de Rodriguez, . . . ).
Troisième chapitre : Ce chapitre présente quelques exemples classiques des familles
de polynômes orthogonaux (Legendre, Hermite, Tchebychev, Laguerre,.......).
Quatrième chapitre : Dans le dernier chapitre, nous donnons quelques applications
des ces polynômes comme calcul l’approximation au sens des moindres carrés,
calcul d’intégration numérique.

8
CHAPITRE 1

ESPACE DE HILBERT

1.1 Forme bilinéaire - sesquilinéaire

K désigne R ou C et E un espace vectoriel sur K.

Définition 1.1.1: Forme linéaire

Soit E et F deux K-e.v et f : E 7−→ F une application. On dit que f est linéaire si :
(i) f (u + v) = f (u) + f (v), pour tous u,v ∈ E
(ii) f (λ.u) = λ. f (u) ; pour tous u ∈ E et λ ∈ K
Lorsque F = K , on dit que f est une forme linéaire.

Définition 1.1.2: Forme bilinéaire

Une forme bilinéaire sur E est une application f : E×E 7−→ K qui est linéaire pour chaque
variable. i.e : ∀x, y, z ∈ E et α ∈ K on a :
• f (x + y, z) = f (x, z) + f (y, z)
• f (x, y + z) = f (x, y) + f (x, z)
• f (α.x, y) = α. f (x, y)

Définition 1.1.3: Forme sesquilinéaire

Soit E un C-e.v, une forme sesquilinéaire sur E est une application f : E×E 7−→ C tel que :
1. Pour tout y ∈ E , fy : E 7−→ C , x 7−→ f (x, y) est linéaire.
2. Pour tous x ∈ E , f x : E 7−→ C , y 7−→ f (x, y) est semi-linéaire, i.e : ∀x, y, z ∈ E , ∀α ∈ C

f (x, y + α.z) = f (x, y) + α. f (x, z)

9
 Exemples 1.1.1

1. Soit E = C([0; 1], C) l’espaceR des fonction continues de [0, 1] dans C. l’application
1
(, ) : E×E 7−→ C , ( f, g) 7−→ 0 f (t)g(t)dt est une forme sesquilinéaire.
2. E = Mn (K) , on a f : E×E 7−→ K , (A, B) 7−→ T r(AB) est une forme bilinéaire.
R1
3. E = K[X] , l’application (P, Q) 7−→ −1 P(t)Q(t)dt une forme bilinéaire.

Définition 1.1.4: Forme hermitienne

On appelle forme hermitienne sur E une application ϕ de E×E dans C linéaire à gauche et
semi-linéaire à droite, et elle vérifie la symétrie hermitienne. i.e : ∀x, x0 , y, y0 ∈ E et λ ∈ C ;

ϕ(λ.x + x0 , y) = λ.ϕ(x, y) + ϕ(x, x0 )

ϕ(x, λ.y + y0 ) = λ.ϕ(x, y) + ϕ(x, y)

ϕ(x, y) = ϕ(y, x)

Définition 1.1.5: forme bilinéaire définie positive-négative

Soit E un K − e.v et f une forme bilinéaire sur E

(i) Elle est positive (resp négative) si f (x, x) ≥ 0 (resp f (x, x) ≤ 0), pour tous x ∈ E
(ii) Elle est définit positive (resp définit négative) si elle positive (resp négative) et

f (x, x) = 0 ⇐⇒ x = 0

(iii) Elle est symétrique si f (x, y) = f (y, x), pour tous x, y ∈ E

1.2 Produit scalaire

Définition 1.2.1
• Soit E un R-e.v. On appelle produit scalaire (euclidien) sur E toute forme bilinéaire
symétrique, définie positive.
• Soit E un C-e.v. On appelle produit scalaire (hermitien) sur E toute forme sesquilinéaire
hermitien, définie positive.

10
 Exemples 1.2.1

1. Sur Cn , le produit scalaire usuel définit par :

n
X
< x, y >= xi yi
i=1

R1
2. E = R[X]; <, >: E×E 7−→ R , hP, Qi 7−→ 0
P(t)Q(t)dt est un produit scalaire.
3. Sur Mn (R); hA, Bi =trace(AB ) est un produit scalaire.
t
 R1 
4. Sur L ([0, 1]) = f : [0, 1] 7−→ C/ 0 | f (t)| dt < +∞ , le produit scalaire définit par :
2 2

Z 1
h f, gi = f (t)g(t)dt
0

Théorème 1.2.1: Inégalité de Cauchy-Schwartz

Soit ϕ une un produit hermitienne sur E, alors on a :

∀x, y ∈ E : |ϕ(x, y)|2 ≤ ϕ(x, x).ϕ(y, y) (1.1)

Preuve :
Soit x, y ∈ E , pour tout λ ∈ K, on a :
0 ≤ ϕ(x + λy, x + λy) = ϕ(x, x) + λλϕ(y, y) + λϕ(y, x) + λϕ(x, y).
en prenant λ = tϕ(x, y) avec t ∈ R , alors :
0 ≤ ϕ(x, x) + t2 |ϕ(x, y)|2 ϕ(y, y) + 2t |ϕ(x, y)|2 .
— Si ϕ(y, y) = 0, en faisant tentre t vers −∞, on obtient que |ϕ(x, y)| = 0, donc |ϕ(x, y)|2 =
ϕ(x, x)ϕ(y, y).
|ϕ(x,y)|2 2
— Si ϕ(y, y) , 0, on prend t = −1
ϕ(y,y)
, on obtient alors 0 ≤ ϕ(x, x) + ϕ(x,y)
− 2 |ϕ(x,y)|
ϕ(y,y)
.

Conclusion : |ϕ(x, y)|2 ≤ ϕ(x, x)ϕ(y, y).

Corollaire 1.2.1
√
Soit E un espace vectoriel, ||.|| : E 7−→ R, x 7−→ ||x|| = < x, x > est une norme sur E.

Preuve
La séparation se déduit du fait que le produit scalaire est définie positive, l’homogéneité suit de
sa linéarité, il reste à vérifie l’inégalité triangulaire :

11
 Soit x, y ∈ E on a :

x + y, x + y =x, x + y, y + 2 x, y
q q
D’après le théorème 1.2 ≤ x, x + y, y + 2 x, x y, y
q q 2
= x, x + y, y

On déduit que :
||x + y|| ≤ ||x|| + ||y||

1.3 Espace de Hilbert

Définition 1.3.1

1. Un espace pré-hilbertien est un espace vectoriel muni d’un produit hermitien

p espace de Hilbert est un espace pré-hilbertien qui est complet pour la norme ||.|| =
2. Un
., .
Notation : Si H est un espace de Hilbert muni de produit scalaire ., . , alors on le note par
H, ., .

Remarque 1.3.1

Un espace de Hilbert est un espace vectoriel normé complet, c’est donc un espace de Banach.
Bien entendu, un espace de Banach n’est pas nécessairement un espace de Hilbert.

12
 Exemples 1.3.1
n
X
1. C muni du produit scalaire : x, y =
n
xi yi .
i=1
2. Un sous-espace vectoriel fermé d’un espace de hilbert est un espace de Hilbert.
 
 X 
3. l2 (N) =  / < +∞
 2

(x ) x ∈ |x | est un espace de Hilbert,
 
 n n∈N n C, n 

 
n∈N
X 2 1/2
 
X
(xn )n∈N , (yn )n∈N = xn yn et ||(xn )n∈N || =  |xn | 
n∈N n∈N

 Z 1 !1/2 

4. L2 (I) =  < +∞
 
f : I 7−→ C/ f 2 (x) est un espace de Hilbert, où I est un
 
 
 0 
ouvert. Z Z !1/2
f, g = f (x)g(x)dx et || f || = 2
f (x)dx
I I

1.3.1 Orthogonalité

Définition 1.3.2

1. Soit H, ., . un espace de Hilbert. Si F est un sous-espace vectoriel de H, on définit

l’orthogonal de F par F ⊥ = x ∈ H/ ∀y ∈ F, x, y = 0 .


2. Deux vecteurs x, y ∈ H sont dits orthogonaux si x, y = 0 et on écrit x⊥y.

3. Deux parties A et B de H sont orthogonaux si ∀x ∈ A et ∀y ∈ B on a : x⊥y et on écrit
A⊥B.

Proposition 1.3.1

Soit H un espace de Hilbert et A, B ⊂ H, Donc on a :

(i) A ⊂ B ⇐ B⊥ ⊂ A⊥ .
(ii) A⊥ est un sous-espace vectoriel fermé de H.
(iii) A ⊂ (A⊥ )⊥ .
⊥
(iv) A⊥ = A .

13
 Propriétés 1.3.1: Géométrie dans un Hilbert

Soit (H, , ) un espace de Hilbert, et soit x, y, z ∈ H, alors :

1. Théorème de Pythagore :
2 2 2
< x, y = 0 ⇐⇒ x + y = x + y .

2. Identité de parallélogramme :
 
2 2 2 2
x+y + x−y =2 x + y .

3. Formule de polarisation :
2 2 2 2
x+y + x−y x + iy − x − iy
x, y = +i .
4 4
3
1X k 2
x, y = i x + ik y .
4 i=0

4. L’égalité de la médiane :
 x + y 2
2

2 2

2 z− + x−y =2 z−x + z−y .
2

Définition 1.3.3
• Une famille (ei )i∈I est dite orthogonale si ∀i , j : ei , e j = 0.
• Une famille (ei )i∈I est dite orthonormale si elle orthogonale et ei = 1, ∀i ∈ I.

1.3.2 Projection orthogonale

Continuité
Soit E et F deux espaces de Hilbert et soit T : E 7−→ F une application linéaire.
On dit que T est continue s’il existe M ∈ R+ telle que :

∀x ∈ E : T (x) F
≤ M x E.

Convexité
Soit E un R ou C-espace vectoriel et C ⊂ E.
On dit que C est convexe si elle verifie cette relation suivante :

∀x, y ∈ C, ∀t ∈ [0; 1] : tx + (1 − t)y ∈ C.

14
Théorème 1.3.1: Projection sur un convexe fermé

Soit H un espace de Hilbert et C une partie convexe non vide de H qui est de plus fermée.
(i) Pour tout x ∈ H, il existe un unique y ∈ C tel que :

x − y = inf x − θ = d(x, C). (On note y = PC x). (1.2)

θ∈C

(ii) Pour tout x ∈ H, l’élément PC x est l’unique élément de C tel que :

< θ − PC x, PC x − x ≥ 0, ∀θ ∈ C. (1.3)

(iii) L’application linéaire x 7−→ PC x est lipschitzienne sur H de constante 1, c’est-à-dire :

PC x − PC y ≤ x − y ∀x, y ∈ H. (1.4)

Preuve :
(i) On va montrer l’existance et l’unicité de la projecteur :
Existance : Soit x ∈ H, il existe une suite (θk )k∈N ∈ C telle que : d(x, C) = lim x − θk .
k→+∞
Nous allons montrer que (θk )k∈N est une suite de cauchy.
Par l’égalité du parallélogramme, on a :
2

2 2
 θk + θl 2
θk − θl = 2 x − θk + x − θl − 4 x −
  2
2 2
≤ 2 x − θk + x − θl − 4d(x, C) 2

Puisque C est convexe, on a : θk 2+θl ∈ C.

Comme le membre droite converge vers 0 lorsque k, l convergent vers ∞, alors :
(θk )k∈N converge vers y ∈ C telle que :
x − y = lim x − θk = d(x, C).
k→+∞

Unicité : Si y0 ∈ C tel que : d(x, C) = x − y0 , alors :

2

2 2
 y + y0 2
y − y0 = 2 x − y + x − y0 − 4 x − ≤0
2
2
=⇒ y − y0 = 0, d’où on obtient : y = y0
(ii) On a ∀θ ∈ C, ∀t ∈]0; 1] on a :
tθ + (1 − t)PC x ∈ C, donc :

2 2
PC x − x ≤ tθ + (1 − t)PC x − x
2
= t(θ − PC x) + PC x − x
2 2
= t 2 θ − PC x + 2t< θ − PC x, PC x − x + PC x − x

15
 Et par suite :
t 2
< θ − PC x, PC x − x ≥ − θ − PC x
2
D’ou pour t → 0 on a : < θ − PC x, PC x − x ≥ 0.
(iii) (
Finalement pour prouver l’inégalité, puisque PC x, PC y ∈ C, on a :
< hPC y − PC x, PC x − xi > 0
< hPC x − PC y, PC y − yi > 0
⇒ 0 6 < hPC x − PC y, x − PC x + PC y − yi
=< hPC x − PC y, x − yi − kPC x − PC yk2 6
|hPC x − PC y, x − yi| − kPC x − PC yk2 6
kx − yk kPC x − PC yk − kPC x − PC yk2
D’ou kPC x − PC yk 6 x − yk, ∀x, y ∈ H

1.3.3 Procédé d’orthonormalisation de Gram-Scmidt

Le procédé d’orthonormalisation de Gram-schmidt est un algorithme permettant de fabriquer
une famille orthonormée à partir d’une famille libre dans un espace préhilbertien.

Théorème 1.3.2
 
Soit E un espace préhilbertien, soit e1 , · · · e p une famille libre dans E. Alors il existe une
 
unique famille orthonormale u1 , · · · u p de E telle que :
 n o n o


 vect u 1 , . . . , u p = vect e1 , . . . , e p =E
∀k ∈ {1, . . . , p} : 



 hek , uk i > 0



et la famille orthonormée (ei )1≤i≤p est définie par :

f1 = e1








u1 =
 1
e


k f1 k 1








uk = f, k = 2, . . . , p
 1
k fk k k











 k−1 D
X E
fk = ek − ek , u j u j







j=1

16
 Exemples 1.3.2

On deffinitR sur E = R[X], le produit scalaire  pour tout P, Q ∈ E, on pose :

 suivant,
1
hP, Qi = −1 P(X)Q(X) et soit F = vect 1, X, X . On construit une base orthonormale de F
2

étape par étape :

On a h1, 1i = 2, on pose P0 = k1k 1
= √12
Soit Z1 = X − hX, P0 i P0 , on a Z1 = X et hZ1 , Z1 i = 23
√
On pose P1 = kZZ11 k = 23 X
D E D E
Soit Z2 = X 2 − X 2 , P0 P0 − X 2 , P1 P1
D E √ D E
On a X 2 , P0 = 23 et X 2 , P1 = 0
D’où Z2 = X 2 − 13 et hZ2 , Z2 i = 458
√  
On pose P2 = kZZ22 k = 2 √52 3X 2 − 1
Alors (P0 , P1 , P2 ) est une base orthonormale de F.

Proposition 1.3.2

Soit E un espace préhilbertien et (e1 , . . . , en ) une base orthonormale de E, alors pour tout
x, y ∈ E, on a :
X n
x= x, ei ei
i=1
n
X 2
kxk2 = x, ei
i=1
X n
x, y = x, ei y, ei
i=1

1.3.4 Base Hilbertienne

Une base de Hilbert ou encore base Hilbertienne est une généralisation aux espaces de Hil-
bert de la notion classique de base orthonormé en algèbre linéaire pour les espaces euclidiens
(hermitiens dans le cas complexe) de dimension finie.

Définition 1.3.4
Une base Hilbertienne est une suite d’éléments de H tel que :
1 si i = j
(
— ∀i, j ∈ N : ei , e j = δi =
j
0 si i , j
M
— vect(en , n ∈ N) = H (i.e : Cen est dense dans H).
n∈N

17
 Propriétés 1.3.2

Soit H un espace de Hilbert, alors on a les trois propriétés suivantes :

1. La définition 1.3.4 dit q’une famille orthonormale de H est une base de Hilbert si et
seulement si le sous-espace vectoriel qu’elle engendre est dense dans H.
2. Soit (ei )i∈I une base de Hilbert et x, y ∈ H, alors on a :

∀i ∈ I : y, ei = x, ei =⇒ y = x.

3. Soit ei ∈ H, i ∈ I, alors : {ei , i ∈ I}⊥ = {0} =⇒ (ei )i∈I est une base de Hilbert.

Exemples 1.3.3

Considérons l’espace de Hilberet l2 . Rappelons que pour tout : n > 0 : en ∈ l2 , où en = (δnk )k>0 .
Alors (en )n>0 est une base Hilbertienne de l2 . En effet : il est clair que (en )n>0 est une famille
orthonormale dans l2 , soit x = (xn )n>0 ∈ l2 et soit ε > 0, alors il existe N > 0 tel que
+∞ N
 +∞ 1/2
X X  X
|xn | < ε . Soit y = xn en , alors y ∈ vect({en ; n > 0}) et on a ||x−y||2 =  |xn |  <
2 2 2


n=N+1 n=0 n=N+1

ε. Donc vect({en ; n > 0}) est dense dans l2 . Par conséquent, (en )n>0 est une base Hilbertienne
de l2 .

Théorème 1.3.3: Existance des bases Hilbertienne

Tout espace de Hilbert possède une base Hilbertienne (orthonormale).

Preuve :
Soit (un )n>0 une suite dense de H. On peut extrait un système libre que l’on appelle (vn )n>0 . On
construit ensuite une base orthonormale à partir de (vn )n>0 , suivant le principe d’orthonorma-
lisation de Gram-Schmidt : on pose e0 = ||vv00 || , on remarque que v1 − v1 , e0 ⊥e0 . De plus le
sous-espace engendré par e0 et e1 coïncide avec celui engendré par v0 et v1 . On obtient e1 en
v1 − v1 ,e0 ⊥e0
posant e1 = . Supposons que e0 , · · · , en construits de sorte que ce soit un système
||v1 − v1 ,e0 ⊥e0 ||
orthonormal qui engendre le même sous-espace vectoriel que celui engendré par v0 , · · · , vn noté
v −PFn vn+1
Fn . On obtiendra en+1 en posant en+1 = ||vn+1
n+1 −PFn vn+1 ||
.
Par construction on pbtiendra une base orthonormale de H.

Proposition 1.3.3: Inégalité de Bessel

Soit H un espace de Hilbert et (ei )i∈I une famille orthonormale (base de Hilbert) de H, pour
tout x ∈ H on a : X 2
x, ei ≤ ||x||2 (1.5)
i∈I

Preuve :

18
Soit J une partie finie de I, alors on a :
X X X *X +
2
x, ei = x, ei x, ei = x, ei ei , x = x, ei ei , x
i∈J i∈J i∈J i∈J

D’après le Cauchy-Schwartz on a :
*X + X
x, ei ei , x 6 ||x|| x, ei ei
i∈J i∈J

D’après le théorème de pythagore on a :

2
X X 2
x, ei ei = x, ei
i∈J i∈J
X 2
Par conséquent on a : x, ei 6 ||x||2
i∈J

19
CHAPITRE 2

POLYNÔMES ORTHOGONAUX

R[X] est l’algèbre des polynômes à coefficients réels, pour tout n ∈ N, Rn [X] est le sous-espace
vectoriel de R[X] formé des polynômes de degré de degré au plus égal à n. Un polynôme
P ∈ R[x] est identifié à la fonction polynômiale P : x ∈ R 7−→ P(X) ∈ R qu’il définit. Un
polynôme est dit unitaire s’il est non nul de coefficient dominant éqal à 1.  
(X n )n∈N est la base canonique de l’espace vectoriel R[X] et pour n ∈ N : la famille X k est
06k6n
la base canonique de Rn [X].

2.1 Présentation des polynômes orthogonaux

Soit I =]a, b[ un intervalle ouvert de R, on introduit la fonction W : I −→ R∗+ tel que

Rb
a
|x|n W(x)dx < +∞ ∀n ∈ N.
Dans ce cas la fonction W dit fonction poid, alors on peut définit l’espace de Hilbert suivante
(LW2
(a, b), , W ) qui contient les polynômes.
Rb √
h f, giw = a f (x)g(x)w(x)dx, f, g ∈ Lw2 (a, b) et ||.||W = h, iW la norme associée.
Partant de la base canonique (X n )n∈N de R[X] le théorème de Gram-schmidt nous dit qu’il existe
un unique système orthonormé (Pn )n∈N dans R[X] tel que :

R (X] = vect h1, X, . . . , X n i = vect hP0 , P1 , · · · , Pn i


 n



∀n ∈ N : 
 hP , X n i > 0


n

Théorème 2.1.1
Tout système {Q0 , · · · , Qn , · · · } de polynômes dans lequel Qn est de degré exactement n est
linéairement indépendant.
De plus, tout polynôme de degré 6 n peut s’écrire de façon unique comme combinaison
linéaire des (Qn )n∈N .

20
Preuve :
La deuxième assertion entraine la première, puisque le polynôme nul 0R[X] ne ne peut s’écrire
que : 0Q0 + 0Q1 + · · ·
Supposons que la deuxième assertion est fausse, et soit n le premier indice pour lequel elle est
fausse.
On a n > 0 puisque toute constante (, 0) s’écrit : C.Q0 (X), C , 0.
Xn
Soit P(X) un polynôme arbitraire de degré 6 n, posons P(X) = ci X i , supposons que le
 cn
 i=0
n
coefficient de X dans Qn (X) soit bn . Comme deg P(X) − bn Qn (X) 6 n − 1 on peut l’exprimer
comme une combinaison linéaire des Q0 (X), · · · , Qn−1 (X), ce qui est contradiction.

Définition 2.1.1
n o
Si on orthogonalise le système 1, x, x2 , . . . , qui est indépendant par le théorème 2.1, on ob-
tient un système orthogonal de polynômes {P0 (x), P1 (x), P2 (x), . . .} uniquement déterminé par
les conditions :
a) Pn (x) est un polynôme de degré exact n dans lequel le coefficient de xn est kn > 0.
b) Pour tout n ∈ IN le système {P0 (x), . . . , Pn (x)} est orthonormal.

Théorème 2.1.2
Pour tout n entier naturel non nul, on a :

(Rn−1 [X])⊥ = vect {Pk , k > n}

Où (Rn−1 [X])⊥ est l’orthogonal de Rn−1 [X] dans R[X].

Preuve :
De Rn−1 [X] = vect P0 , · · · , Pn−1 est de l’orthogonalité de la base (Pk )k∈N de R[X],

on déduit que :

∀k > n, ∀P ∈ Rn−1 [X] : P, Pk = 0

Ce qui est équivant à :

⊥
Rn−1 [X] = vect Pk , k > n


21
2.2 Propriétés générales des polynômes orthogonaux

Dans ce paragraphe on va étudier les propriétés des polynômes orthogonaux qui sont vérifiées
pour la distribution W(x)dx.
Les propriétés d’orthogonalité nous permettent d’obtenir des relations de récurrence sur les po-
lynômes orthogonaux.

2.2.1 Formule de récurrence

Il est intéressant de savoir que toute suite de polynômes orthogonaux peut s’obtenir à l’aide
d’une relation de récurrence.
Particulièrement lorsqu’on veut faire de calcul numérique c’est le contenu du théorème suivant :

Théorème 2.2.1: Relation de récurrence à trois termes

La suite des polynômes orthogonaux (Pn )n∈N est définie par la relation de récurrence suivante :

∀n ∈ N : XPn = Bn Pn+1 + An Pn + Bn−1 Pn−1

et
1
P−1 = 0, P0 = qR
b
a
W(x)dx
avec ;
B−1 = 0, Bn = XPn , Pn+1 > 0
An = XPn , Pn ∀n ∈ N

Preuve :
Pour n = 0, le procédé d’orthonormalisation de Gram-Scmidt donne :
P0 = qR b 1 , Q1 = X − X, P0 W P0 = X − X, P20 W = X − A0
a
W(x)dx
Avec, ||Q1 ||2W =
Q1 , X W = P10 ||Q1 ||W XP0 , P1 W = P10 ||Q1 ||W B0
Donc : P1 = P0 X−A
B0
0
c-à-d : XP0 = B0 P1 + A0 P0 + B−1 P−1
Par convention : B−1 = 0 , P−1 = 0
On a pour n ∈ N∗ , XPn ∈ Rn+1 [X] = vect P0 , P1 , · · · , Pn+1 W
n+1
X
Donc : XPn = XPn , Pk W Pk , or : XPn , Pk W = Pn , XPk W = 0, pour tout 0 6 k 6 n − 1,
k=0
car : Pn ∈ Rn−1 [X]⊥ = vect Pk , k > n

Donc : XPn = XPn , P8n + 1 W Pn+1 + XPn , Pn W Pn + XPn , Pn−1 W Pn−1
Avec, Bn = XPn , P − n + 1 W > 0 et An = XPn , Pn W

22
 Remarque 2.2.1

Si les bornes a et b de l’intervale sont finis, alors on a la majoration suivante : a 6 An 6 b

Preuve :
En effet, pour n ∈ N on a : a = a||Pn ||2 = a Pn , Pn W or aP2n (x) 6 xP2n (x) 6 bP2n (x) pour tout
x ∈ I =]a; b[ et que , W définie positive sur I
Alors : a = a||Pn ||2 6 An = XPn , Pn W 6 b||Pn ||2 = b

Le résultat qui suit nous donne des conditions pour que les coefficients An soient tous nuls.
Ces conditions sont réalisés dans le cas où la fonction de poid W est paire sur I =]a, b[.

Théorème 2.2.2
Les propriétés suivantes sont équivalences :
1. Pn (−X) = (−1)n Pn (X), pour tout n ∈ N.
2. An = 0 pour tout n ∈ N.

Preuve :
Supposons que Pn (−X) = (−1)n Pn (X), avec n ∈ N, on a :

(−1)n+1 XPn (X) = −XPn (−X)

= (−1)n+1 (Bn Pn+1 (X) − An Pn (X) + Bn−1 Pn−1 (X))

Donc XPn (X) = Bn Pn+1 (X) − An Pn (X) + Bn−1 Pn−1 (X) = Bn Pn+1 (X) + An Pn (X) + Bn−1 Pn−1 (X). Par
suite 2An Pn = 0, ce qui implique An = 0 pour tout n ∈ N.
Réciproquement, supposons que An = 0 pour tout n ∈ N. On a P0 = qR b 1 est paire et
a
W(x)dx
P1 = q Rb
1
X est impair. Supposons que le résultat est vrai jusqu’a rang n ≥ 0, on a :
B0 a
W(x)dx

Bn Pn+1 (−X) = −XPn (−X) − Bn−1 Pn−1 (−X)

= (−1)n+1 XPn (X) − (−1)n+1 Bn−1 Pn−1 (X)
= (−1)n+1 Bn Pn+1 (X)

D’où Pn (−X) = (−1)n Pn (X) pour tout n ∈ N.

2.2.2 Existence de racines réelles

Tout polynôme d’une suite de polynômes orthogonaux dont le degré n > 1 admet n racines
distincts, toutes réelles simples sont dans l’intervalle I.

23
 Théorème 2.2.3
Pour tous n ∈ N le polynôme Pn admet n racines réelles simples dans l’intervale I.

Preuve :
Soit n ∈ N∗ , si le polynôme Pn garde un signe constant sur I, on a alors Pn , P0 W , 0, ce qui
contredit l’orthogonalité de Pn et P0 , il existe donc au moins une racine X1 de Pn dans I, si X1 de
multiplicité p > 2, on peut alors écrire Pn (X) = (X − X1 )2 Rn−2 (X) avec Rn−2 (X) ∈ Rn−2 [X] \ {0}.
Ce qui entraîne que : 0 = Pn , Rn−2 W > 0.D’où toutes les racines de Pn dans I sont simples.
Notons ces racines X1 , · · · , X p , si p < n, on peut alors écrire Pn (X) = k=1
Qp
(X − Xk )Rn−p (X) avec
Rn−p ∈ Rn−p [X] \ {0} de signe constant sur I. On a Pn , k=1 (X − Xk ) W , 0, alors p = n, c-à-dire
Qp
que toutes les racines de Pn sont dans I.

2.2.3 Formule de Darboux-Christoffel

De la relation de réccurence de théorème (2.2.1), on déduit la relation de Darboux-Christoffel
suivante :

Théorème 2.2.4
Pour tout n ∈ N, on a dans R[X, Y] l’égalité suivante :

(X − Y)Kn (X, Y) = Bn (Pn+1 (X)Pn (Y) − Pn (X)Pn+1 (Y))

n
X
Où Kn s’appelle le Noyau de Darboux-Christoffel défini par : Kn (X, Y) = Pk (X)Pk (Y)
k=0

Preuve :
Pour tout k ∈ N, on a :
XPk (X) = Bk Pk+1 (X) − Ak Pk (X) + Bk−1 Pk−1 (X).
Multiplions les deux membres de cette égalité par Pk (Y), il vient :
XPk (X)Pk (Y) = Bk Pk+1 (X)Pk (Y) + Ak Pk (X)Pk (Y) + Bk−1 Pk−1 (X)Pk (Y).
Ce qui peut aussi s’écrire en permutant les rôles de X et Y :
Y Pk (Y)Pk (X) = Bk Pk+1 (Y)Pk (X) + Ak Pk (Y)Pk (X) + Bk−1 Pk−1 (Y)Pk (X).
En faisant la différence des deux égalités obtenues, on obtient :
(X − Y)Pk (X)Pk (Y) = Bk (Pk+1 (X)Pk (Y) − Pk (X)Pk+1 (Y)) − Bk−1 (Pk (X)Pk−1 (Y) − Pk−1 (X)Pk (Y)) .
Puis la somme pour k allant de 0 à n donne :
Xn
(X − Y) Pk (X)Pk (Y) = Bn (Pn+1 (X)Pn (Y) − Pn (X)Pn+1 (Y)) − B−1 (P0 (X)P−1 (Y) − P−1 (X)P0 (Y))
k=0
= Bn (Pn+1 (X)Pn (Y) − Pn (X)Pn+1 (Y))

24
 De la relation de Darboux-Christoffel, on peut déduire que pour tout entier n ∈ N∗ , les
racines du polynôme Pn+1 séparant celles de Pn .

Lemme 2.2.1
Pour tout entier entier naturel n et pour tout réel x, on a :
1
Pn (X)P0n+1 (X) − P0n (X)Pn+1 (X) = Kn (X, X)
Bn

Peuve :
Pour n ∈ N et x ∈ R fixés, on désigne par ϕn la fonction définie sur R par :

ϕn (y) = Pn+1 (x)Pn (y) − Pn+1 (y)Pn (x).

On a ϕn (x) = 0, et la formule de Darboux-Christoffel nous dit que pour y , x On a :

n
ϕn (y) − ϕn (x) 1 X
= Pk (x)Pk (y).
x−y Bn k=0

Ce qui entraîne en faisant tendre y vers x :

1
Kn (x, x) = −ϕ0n (x) = Pn (x)P0n+1 (x) − P0n (x)Pn+1 (x)
Bn

2.2.4 Position des racines

Notation : Pour tout n ∈ N∗ , on note λ1,n < λ2,n < . . . < λn,n les n racines réelles du polynôme
Pn dans I.

Théorème 2.2.5: Séparation des racines

∀n ∈ N∗ et ∀k ∈ {1, . . . , n}, on a : λk,n+1 < λk,n < λk+1,n+1 , c-à-d : entre deux racines consécu-
tives de Pn+1 il y a une unique racine de Pn .

Preuve :
Le polynôme Pn+1 ayant n+1 racines réelles simples, on déduit du théorème des accroissements
finis que P0n+1 a n racines réelles ξ1,n+1 < ξ2,n+1 < . . . < ξn,n+1 .
Avec λk,n+1 < ξk,n+1 < λk+1,n+1 pour tout 1 6 k 6 n. Il en résulte que :

∀k ∈ {1, . . . , n}, P0n+1 λk,n+1 P0n+1 λk+1,n+1 < 0

25
 D’après le lemme (2.2.3) nous avons :
n
1 X 2
Pn (x)P0n+1 (x) − P0n (x)Pn+1 (x) = P (x) > 0.
Bn k=0 k

Donc si x est une racine de Pn+1 on trouve que : Pn (x)P0n+1 (x) > 0, c-à-d que Pn (x) et P0n+1 (x)
sont de même signe.
D’où on a : Pn λk,n+1 Pn λk+1,n+1 < 0, pour tout k ∈ {1, . . . , n}. Par suite le théorème des



valeurs intermédiaires nous dit que Pn a une racine dans ]λk,n+1 , λk+1,n+1 [.

2.3 Exemple d’application

Soit n un entier naturel, on considère la suite de fonction suivante : T n (x) = cos(n arccos(x)).

2.3.1 T n vérifie une relation de récurrence

On pose θ = arccos(x).
On a T 0 (x) = cos(0) = 1 et T 1 (x) = cos(θ) = x.
cos(a + b) = cos(a) cos(b) − sin(a) sin(b)
(
On utilisons la relation trignométrique suivante :
cos(a − b) = cos(a) cos(b) + sin(a) sin(b)
On trouve :

cos((n + 1)θ) + cos((n − 1)θ) = cos(nθ + θ) + cos(nθ − θ)

= 2 cos(θ) cos(nθ)

C’est à dire : T n+1 (x) + T n−1 (x) = 2xT n (x) .

Cette relation de récurrence permet de calculer T 1 , T 2 , . . .

26
2.3.2 T n de degré n

n = 0 T 0 (x) = 1 est de degré 0

(
Par récurrence pour
n = 1 T 1 (x) = x est de degré 1
Donc le résultat est vrai pour n = 0 et n = 1.
Soit n > 1 supposons que deg(T n (x)) = n et deg(T n+1 (x)) = n + 1.

On a : deg(T n+2 (x)) = deg(2xT n+1 (x) − T n (x))

= deg(xT n+1 (x)) = n + 2

2.3.3 T n a n racines distincts

On montre par récurrence que T n a n racines distincts dans [−1; 1].

On a T n (x) = 0 ⇐⇒ cos(nθ) = 0 ⇐⇒ nθ = kπ + π2
π
i.e : θ = 2n (2k + 1)
π

Donc : x = cos (2k + 1) 2n , ∀n ∈ N∗ et ∀k ∈ {0, . . . , n − 1}.
Alors les racines de T n sont :
 π
xn,k = cos (2k + 1) ; ∀n ∈ N∗ et ∀k ∈ {0, . . . , n − 1}.
2n

2.3.4 Fonction de poid

Soit n, m ∈ N on a : Z π
cos(nx) cos(mx)dx = πδn,m
−π
On pose x = arccos(y)
Donc dx = √ 1 2 dy
1−y
D’où : Z π Z 1
1
cos(nx) cos(mx)dx = T n (y)T m (y) p dy;
−π −1 1 − y2
Avec W(y) = √ 1 ⇐⇒ W(x) = 1
|sin(x)|
la fonction de poid.
1−y2

2.4 Formule d’Olinde Rodriguez

La formule de Rodriguez (anciennement appelée formule de l vory-Jacobi), le nom formule de

Rodriguez a été introduit par Eduard Heine en 1878 après que Hermite est soliné dès 1865 que
Rodriguez a été le premier à la découvert.

27
 Théorème 2.4.1
Soit (φn )n∈IN une famille d’applications de ]a, b[ dans R qui vérifie :
1. (φn )n est de classe C n sur ]a, b[
+
2. φ(k)
n (a ) = φn (b ) = 0 pour 0 ≤ k ≤ n − 1
(k) −

3. T n ≡ 1
φ(n)
Kn w n
est un polynôme de degré n.
Alors (T n )n∈IN est une suite orthogonale.

Preuve :
On prend une suite (φn )n∈N vérifiant 1), 2 ) et 3). Soit P un polynôme de degré ≤ n − 1. Alors :
Rb R b (n)
n b
= φ = φn (x)P(n) (x)dx = 0.
R
a
w(x)T n (x)P(x)dx a n (x)P(x)dx (−1) a

Dans la suite On suppose q’on dispose d’une famille de polynômes orthogonaux donnée par une
formulle de Rodriguez de la forme :
1 dn
Pn (x) = [W(x)X n ] .
Kn W(x) dxn
Où X est un polynôme en x de degré k.

Exemples 2.4.1
0
Prenons k = 0, alors X est une constante, par exemple 1, et WW est une fonction linéaire en x.
0
Par un changement de variable on peut se ramener à : WW = −2x.
Les polynômes issus de la formule de Rodriguez déterminée par :

X = 1 , W(x) = exp(−x2 ) , Kn

Sont appelés polynômes de Hermite.

2.4.1 Equation différentielles

Théorème 2.4.2
Soit {Pn (x)}n∈N une suite de polynômes orthogonaux définie à l’aide d’une formule de Rodri-
guez, alors Pn (x) satisfait pour n > 0, une équation différentielle de la forme :

A(x)y00 + B(x)y0 + λn y = 0

Où A(x) et B(x) ne dépend pas de n et λn ne dépend pas de x.

Preuve :

28
D’une part la
formule de Liebniz nous dit (on pose D = d
dx
) :
Xn+1
D [XD (wX )] =
n+1 n k
Cn+1 X (k) Dn+1 [D (wX n )] , où X (0) = X
k=0
(n + 1)n 00 n
= XDn+2 (wX n ) + (n + 1)X 0 Dn+1 (wX n ) + X D (wX n )
2
car X (k) = 0 pour k ≥ 3
On utilise maintenant len fait que Dn (wX n ) = Kn wPn pour déduire que : o
Dn+1 [XD (wX n )] = Kn XD2 (wPn ) + (n + 1)X 0 D (wPn ) + (n+1)n 2
X 00 (wPn )
D’autre part : h i
Dn+1 [XD (wX n )] = Dn+1 X n+1 Dw + nX 0 X n w = Dn+1 X n XDw + nX 0 w



= Dn+1 X n D(Xw) + (n − 1)wX 0



Mais D(Xw) = K1 wP1 (formule de Rodriguez pour n = 1 ) donc
Dn+1 [XD (wX n )] = Dn+1 [X w (K1 P1 + (n − 1)X 0 )]
On développe en utilisant la formule de Liebniz :  
Dn+1 [XD (wX n )] = Dn+1 (X n w) (K1 P1 + (n − 1)X 0 ) + (n + 1)Dn (X n w) K1 P01 + (n − 1)X 00
n  o
= Kn D (wPn ) (K1 P1 + (n − 1)X 0 ) + (n + 1) (wPn ) K1 P01 + (n − 1)X 00
On identifie ces deux valeurs de Dn+1 [XD (wX n )] :
XD2 (wPn ) + (n + 1)X 0 D(wPn ) + (n+1)n 2
X 00 (wPn ) = D (wPn ) (K1 P1 + (n − 1)X 0 ) + (n+
1) (wPn ) K1 P01 + (n − 1)X 00
⇔ h
XD2 (wPn ) + D (wPn ) [(n + 1)X 0 − K1 P1 − (n − 1)X 00 ] + (wPn ) n(n+1) 2
X 00 − (n + 1)K1 P01 −
(n + 1)(n − 1)X 00 ] = 0
⇔
XD2 (wPn ) + D (wPn ) [2X 0 − K1 P1 ] + (wPn ) − n +n+2
h 2 i
2
X 00 − (n + 1)K1 P01 = 0
⇔
X w00 Pn + 2w0 P0n + wP00n + w0 Pn + wP0n (2X 0 − K1 P1 ) + (wPn ) − n +n+2
h 2 i
00
+ 1 = 0
0



2
X − (n 1)K 1 P
⇔
XwP00n + P0n [2w0 X + w (2X 0 − K1 P1 )] + Pn Xw00 + w0 (2X 0 − K1 P1 ) + w − n +n+2
h 2
2
X 00 − w(n+ 1)
i
K1 P01 = 0, on divise par w ( non nul sur [a, b]) :
⇔
P0
P00n + wn {2(wX)0 − wK1 P1 } + Pwn (wX)00 − wX 00 − w0 K1 P1 − w n +n+2
n  2  o
2
X 00
+ w(n+ 1) K1 P 1 = 0
0

⇔
P0
XP00n + wn {2(wX)0 − wK1 P1 } + Pwn K1 P01 w + w0 P1 − w0 K1 P1 + w −n2+n X 00 − (n + 1)K1 P01 = 0
n    2  o

⇔
−n2 +n 00
n 0 0
o
XP00n + K1 P1 P0n + Pn K1 P01 + ww K1 P1 − ww K1 P1 + 2
X − (n + 1)K1 P01 = 0
⇔ n o
XP00n + K1 P1 P0n + Pn − n2 (n − 1)X 00 − nK1 P01 = 0
⇔ n h io
XP00n + K1 P1 P0n + Pn −n n−1 2
X 00
+ K P
1 1
0
=0

29
 A(x) = X(x)




 = K1 P1 (x) 


 B(x)
λn = −n n−1 X 00 + k1 K1 .




2

30
CHAPITRE 3

POLYNÔMES ORTHOGONAUX CLASSIQUES

Selon les notions que nous avons présenté au deuxième chapitre, nous essayerons ici à expliquer
les propriétés de quelques polynômes orthogonaux classiques (Laguerre, Legendre, Hermite,
Tchybechev), comme l’orthogonalité, la parité, relation de récurrence,...

3.1 Polynôme de Legendre

Les polynômes de Legendre constituent l’exemple le plus simple d’une suite de polômes ortho-
gonaux relativement à la fonction de poid W(x) = 1 sur [−1; 1].
En prenant P0 (x) = 1, le polynôme Pn (x) peut s’exprimer en utilisant la formule de Rodriguez :
1 dn
Pn (x) = [Un (x)] Un (x) = (x2 − 1)n
2n n! dxn

3.1.1 Parité
Le polynôme Un (x) = (x2 − 1)n est pair. Ce qui induit que Pn (x) qui est le polynôme dérivé n
fois de Un est un polynôme de même parité de n.

3.1.2 Degré et coefficient dominant

Pn (x) est de degré n, pour tout n ∈ N, et son coefficient dominant est 2(2n)! n (n!)2 .

C’est à dire :
(2n)! n
Pn (x) = n x + an−1 xn−1 + . . . + a0 ; (an−1 , . . . , a0 ) ∈ Rn
2 (n!)2

Preuve :

31
 n
1) Pn (x) = dx
d
n [U n (x)] est la dérivée n-ième d’un polynôme de degré 2n, donc Ln est un poly-

nôme de degré n.
2) Le coefficient de plus haut degré Pn (x) s’obtient en dérivant n fois le terme de plus haut degré
dn
n (x ) =
(2n)! n
de (x2 − 1)n , c’est à dire que x2n . Or dx 2n
n!
x . Donc le coefficient dominant de
(2n)!
Pn (x) est 2n (n!)2 .

3.1.3 Relation de récurrence

Les polynômes de Legendre vérifient la relation de récurrence suivant :

bn Pn−1 = Pn − an xPn−1 − cn Pn−2 ∀n > 2 (3.1)

2n − 1 1−n
an = ; bn = 0; cn =
n n
P0 (x) = 1 et P1 (x) = x.

Preuve :
On sait que pour tout n > 0, Pn à la parité de n, donc Pn , xPn−1 et Pn−2 ont la parité n, alors Pn−1
a celle de n − 1. L’égalité (3.1) montre que bn Pn−1 est à la fois paire et impaire, donc bn Pn−1 = 0
puis bn = 0 car Pn−1 , 0.
La relation (3.1) donne une égalité entre les termes de plus haut degré de Pn et Pn−1 , si on note
αn le coefficient du terme le plus haut degré dans Pn . On obtient : αn = an αn−1 .
Or pour tout n ∈ N, on a αn = 2(2n)!
n (n!)2 .
αn
On en déduit que an = αn−1 = 2n−1 n
, ∀n > 2. On sait que Pn (1) = 1, pour tout n ∈ N, l’égalité
(3.1) en x = 1 donne alors ∀n > 2 (an + bn ) + cn = 1.
Ainsi pour tout n > 2, cn = 1 − an = 1−n n
.
Finalement on obtient ∀n‘ > 2 nPn = (2n − 1)xPn−1 − (n − 1)Pn−2 .
Cette relation permet de calculer P2 , P3 , . . ..

3.1.4 Orthogonalité

La famille des polynômes de Legendre est orthogonal relativement à la fonction de poid W(x) =
1 sur [−1; 1].
Pour tout entier n, m, on a : Z 1
2
Pn (x)Pm (x)dx = δmn
−1 2n + 1

32
3.1.5 Equation différentielle

Le polynôme de Legendre vérifie une equation différentielle de 2ème ordre :

(1 − x2 )P00n − 2xP0n + n(n + 1)Pn = 0

Preuve :
On a :
Un0 (x) = 2nx(x2 − 1)n−1
Après la multiplication par (x2 − 1) on obtient :

(x2 − 1)Un0 (x) = 2nxUn (x) ∀n ∈ N et ∀x ∈ R.

On dérive cette égalité (n + 1) fois, on trouve :

dn+2 dn+1 n(n + 1) dn

!
(x − 1) n+2 (Un (x)) + (n + 1)2x n+1 Un (x) +
2
× 2 n (Un (x))
dx dx 2 dx

dn+1 dn
!
= 2n x n+1 (Un (x)) + (n + 1) n (Un (x))
dx dx
C’est à dire :
!00 !0
dn dn dn
2
(x − 1) (U n (x)) + 2x (U n (x)) − n(n + 1) (Un (x)) = 0
dxn dxn dxn
1
Après la multiplication pat n!2n
on trouve :

∀n ∈ N (1 − x2 )P00n (x) − 2xP0n (x) + n(n + 1)Pn (x) = 0

3.1.6 Les valeurs de Pn en Zéro

On sait que ∀n > 2, nPn (x) = (2n − 1)xPn−1 (x) − (n − 1)Pn−2 (x)
Si x = 0, on obtient : nPn (0) = −(n − 1)Pn−2 (0)
C’ést-à-dire : (n + 1)Pn+1 (0) = −nPn−1 (0)
2n + 1
On en déduit pour tout entier n : P2n+2 (0) = − P2n (0)
2n + 2
Puis par récurrence :
1 × 3 × . . . × (2n − 1)
P2n (0) = (−1)n
2 × 4 × . . . × (2n)

Représentation des graphes des polynômes de Legendre Pk pour k = 0, 1, 2, 3, 4, 5

33
 Figure 3.1 – Graphes des premiers polynômes de Legendre P0 ,P1 ,P2 ,P3 ,P4 ,P5 .

3.2 Polynôme d’Hermite

Le polynôme d’Hermite nomé ainsi en l’honneur de Charles Hermite (bien qu’ils aient surtout
étudié par Joseph-Louis Lagrang lors de ses travaux sur les probabilités).
Les polynômes d’Hermite constituent une suite de polynômes orthogonaux relativement à la
fonction poid W(x) = e−x .
2

Les polynômes d’Hermite sont définit comme suit :

2 dn −x2
Hn (x) = (−1)n e x e (forme dite physique).
dxn

3.2.1 Relation de récurrence

Les polynômes d’Hermite vérifient également la relation de récurrence suivante :

Hn+1 (x) = 2xHn (x) − 2nHn−1 (x)

Preuve :
On a :
dn+1 −x2 dn −x2 dn −x2 dn−1 −x2
e = n (−2xe ) = −2x n e − 2n n−1 e
dxn+1 dx dx dx

34
 Après, on multiplié par le facteur gaussien ce qui donne :

Hn+1 (x) = 2xHn (x) − 2nHn−1 (x)

Exemples 3.2.1

Pour n = 1 : H2 (x) = 2xH1 (x) − 2H0 (x) = 2x − x2

Pour n = 2 : H3 (x) = 2xH2 (x) − 4H1 (x) = 4x3 − 8x

3.2.2 Degré et coeificient dominant

Hn (x) est de degré n et pour tout n ∈ N, son coeficient dominant est 2n .

3.2.3 Parité de Hn
2
Puisque la dérivée n-ième de e−x est ni paire ni impaire, alors le polynôme d’Hermite ni pair ni
impaire.

3.2.4 Orthogonalité

Le polynôme Hn est de degré n. Ces Polynômes sont orthogonaux par rapport à la fonction de
poid W(x) = e−x sur R.
2

C’est-à-dire qu’ils vérifient :

Z +∞
2 √
Hn (x)Hm (x)e−x dx = 2n n! πδn,m
−∞

Preuve :
En effet, soit n, m ∈ N, telles que n > m, on a :
Z +∞ Z +∞
Hn , Hm W = Hn (x)Hm (x)W(x)dx = (−1)n
Hm (x)W (n) (x)dx
−∞ −∞

Par simple intégration par partie :

U(x) = Hm (x) −→ U 0 (x) = Hm0 (x) (3.2)
V 0 (x) = W (n) (x) −→ V(x) = W (n−1) (x) (3.3)
On a :
+∞ 2 +∞
Hm (x)W (n−1) (x) −∞ = (−1)n−1 Hm (x)Hn−1 (x)e−x −∞
=0
Donc : Z +∞
Hn , Hm W = (−1)
n+1
Hm0 (x)W (n−1) (x)dx
−∞

35
 En répétant le processus (m − 1) fois, on obtient :
Z +∞
Hn , Hm W = (−1) n+m
Hm(m) (x)W (n−m) (x)dx
−∞

Si n > m, par une autre intégration par partie : Hm(m+1) (x) = 0 car Hm(m) (x) = m!, donc Hn , Hm W =
0, d’oû l’orthogonalité de√Hn (x) et Hm (x) par rapport à la fonction de poid W(x) = e−x sur R.
2

Si n = m : ||Hm ||2W = 2n n! π.

3.2.5 Equation différentielle

Il est possible de définir les polynômes d’Hermite par une équation différentielle pour tout entier
n, où Hn est une solution d’équation différentielle :

P00 − 2xP0 + 2nP = 0

Preuve :
Pour n > 1, on sait que
Hn+1 (x) − 2xHn (x) + 2nHn−1 (x) = 0
D’autr part, on a :
2nHn−1 (x) = Hn0 (x) (Admis)
Alors :
Hn+1 (x) − 2xHn (x) + Hn0 (x) = 0
Par la dérivation par rapport à x, on obtient :
00
Hn+1 (x) − 2xHn0 (x) − 2Hn (x) + Hn00 (x) = 0

Alors :
Hn00 (x) − 2xHn0 (x) + 2nHn (x) = 0 ∀x ∈ R

Représentation des graphes des polynômes d’Hermite Lk pour k = 0, 1, 2, 3, 4, 5

36
 Figure 3.2 – Graphes des premiers polynômes d’Hermite H0 ,H1 ,H2 ,H3 ,H4 ,H5 .

3.3 Polynôme de Tchebychev

Un polynôme de Tchebychev est un terme de l’une des deux suites de polynômes orthogonaux
particulières reliées à la formule de Moivre. Les polynômes de Tchebychev sont nommés en
l’honneur du mathématicien russe Pafnouti Lvovitch Tchebychev.
Il existe deux suites de polynômes de Tchebychev, l’une nommés, polynômes de Tchebychev
de première espèce notés T n , et l’autre nommés, polynômes de Tchebychev de seconde espèce
notés Un .
Chacune est une suite de polynômes orthogonaux relativement à la fonction de poid W(x) =
(1 − x2 )−1/2 sur I = [−1; 1], et définie par :

T n (x) = cos(nθ) = cos(n arccos(x)) avec :θ ∈ [0; π]

et
1
Un (x) = T 0 (x)
n + 1 n+1

3.3.1 Relation de récurrence

Soit x ∈ [−1; 1], si on pose T −1 (x) = U−1 (x) = 0, alors pour tout n ∈ N, T n et Un vérifient les
deux relations de récurrence suivantes :
1. xT n (x) = 12 T n+1 (x) + 12 T n−1 (x)

37
 2. xUn (x) = 12 Un+1 (x) + 21 Un−1 (x)

Preuve :
1. Pour tout réel x dans [−1; 1], on pose x = cos(θ) avec θ ∈ [0; π]

T n+1 (x) = cos((n + 1)θ) = cos(nθ) cos(θ) − sin(nθ) sin(θ)

(
On a pour n ∈ N :
T n−1 (x) = cos((n − 1)θ) = cos(nθ) cos(θ) + sin(nθ) sin(θ)
Alors : T n+1 (x) + T n−1 (x) = 2 cos(θ) cos(nθ) = 2xT n (x)

2. Soit x ∈ I et n ∈ N, on a Un (x) = sin((n+1)θ)

sin(θ)
avec : θ = arccos(x) ∈]0; π[
sin(((n + 1) + 1)θ) sin((n + 1)θ)

Un+1 (x) = = cos(θ) + cos((n + 1)θ)





 sin(θ) sin(θ)
Alors : 

 sin(((n + 1) − 1)θ) sin((n + 1)θ)
Un−1 n(x) = = cos(θ) − cos((n + 1)θ)




sin(θ) sin(θ)
D’où : Un+1 (x) = 2 cos(θ) sin(nθ)
θ
= 2xUn (x)

3.3.2 Degré et Parité

Pour tout n ∈ N, on a les deux propriétés suivantes :

1. La fonction T n est polynômiale de degré n et de parité de n.
2. La fonction Un est polynômiale de degré n et de parité de n.

Preuve :
1. Montrons par récurrence que pour tout n ∈ N∗ : deg(T n (x)) = n.
Le résultat est vrai pour n = 1 et n = 2.
Soit n > 1, supposons que : deg(T n (x)) = n et deg(T n+1 (x)) = n + 1
Alors : deg(T n+2 (x)) = deg(2xT n+1 − T n (x)) = deg(xT n+1 (x)) = 1 + n + 1 = n + 2
Pour la parité on a pour tout x ∈ [−1; 1] :

arccos(−x) = π − arccos(x)

Alors : T n (−x) = cos(nπ) cos(n arccos(x)) = (−1)n T n (x)

D’où la parité de T n selon la parité de n.
2. Par dérivation.

3.3.3 Coefficient dominant de T n

Le coefficient dominant de T n est égale à 2n−1 , si n ∈ N∗

38
 C’est-à-dire :

T n (x) = 2n−1 xn + an−1 xn−1 + . . . + a0 ; (an−1 , . . . , a1 , a0 ) ∈ Rn

Preuve :
On a dom(T 1 (x)) = 1 = 21−1 et dom(T 2 (x)) = 2 = 22−1 , le résultat est donc vrai pour n = 1 et
n=2
Soit n > 1, supposons que : dom(T n (x)) = 2n−1 et dom(T n+1 (x)) = 2n
Alors : dom(T n+2 (x)) = dom(2xT n+1 (x)) = 2 × 2n = 2n+1
Le résultat est démontré par récurrence : T 0 (x) = 1 et ∀n ∈ N∗ , dom(T n (x)) = 2n−1

3.3.4 Racines de T n
π π
On a T n (x) = 0 ⇐⇒ cos(nθ) = 0 ⇐⇒ nθ = (2k + 1) ⇐⇒ θ = (2k + 1)
2 2n
C’est-à-dire :  π 
x = cos (2k + 1) , ∀n ∈ N∗ et k = 0, 1, . . . , n − 1
2n
Donc, les racines de T n sont :
 π
xn,k = cos (2k + 1) , ∀n ∈ N∗ et k = 0, 1, . . . , n − 1
2n

3.3.5 Equation différantielle

Les polynômes T n (x) et Un (x) vérifient les équations différentielles :

1. (1 − x2 )T n00 − xT n0 + n2 T n (x)
2. (1 − x2 )Un00 (x) − 3xUn0 (x) + n(n + 2)Un (x) = 0

Preuve :
1. Dérivons deux fois la relation cos(nθ) = T n (cos(θ)), il vient :

−n2 cos(nθ) = (1 − cos2 (θ))T n00 (cos(θ)) − cos(θ)T n0 (cos(θ))

D’où : −n2 T n (x) = (1 − x2 )T n00 − xT n0 (x)

C’est-à-dire : (1 − x2 )T n00 − xT n0 (x) + n2 T n (x) = 0
2. En dérivant deux fois la relation sin((n + 1)θ) = sin(θ) × Un (cos(θ)) et en simplifiant par
sin(θ).

39
3.3.6 Orthogonalité

Proposition 3.3.1

Les polynômes de Tchebychev vérifient les relations d’orthogonalité suivantes :


Z 1 0 si n , m
dx


= π si n = m = 0

1. T n (x)T m (x) √

−1 1 − x2   π si n = m > 1

2

√  0 si n , m
Z 1 

Un (x)Um (x) 1 − x dx =  π

2. 2
−1


 si n = m
2

Preuve :

Z π de variable x = cos(θ),
Le changement Z π ou plutôt θ = arccos(x), ramène aussitôt au calcul des
intégrales cos(nθ) cos(mθ)dθ, et sin(nθ) sin(mθ)dθ.
0 0

3.3.7 Valeurs de T n en Zéro

On a ∀n ∈ N :
 π
=cos (2n + 1) arccos(0) = cos (2n + 1)(2k + 1) , où k ∈ Z


T 2n+1 (0)
2
 π  π
= cos (4nk + 2k + 2n + 1) = cos (2k + 1) = 0, où k = 2nk + k + n ∈ Z
0 0

2 2
 π
= cos 2n arccos(0) = cos 2n(2k + 1) , où k ∈ Z


T 2n (0)
2
 π
= cos (4nk + 2n) = cos(k π) = (−1)n , où k = 2nk + n ∈ Z
0 0

2
De plus le polynôme de Tchebychev T n vérifient :

T n (−1) = cos n arccos(−1) = cos [n(2k + 1)π] = cos [(2nk + n)π]

= cos(2nkπ + nπ) = cos(2nkπ). cos(nπ) = cos(nπ) = (−1)n , où k ∈ Z

T n (1) = cos(2nkπ) = 1, où k ∈ Z

40
 Représentation des graphes des polynômes de Tchebychev de première espèce T k , pour
k = 0, 1, 2, 3, 4, 5

Figure 3.3 – Graphes des premiers polynômes de Tchebychev de première espèce T 0 ,T 1 ,T 2 ,T 3 ,T 4 ,T 5 .

3.4 Polynômes de Laguerre

En mathématiques, Les polynômes de Laguerre sont des suites des polynômes orthogonaux qui
sont les solutions d’une certaine équation différentielle, appelé équation de Laguerre, d’après le
mathématicien français ”Edmond Laguerre”.
Considérons l’espace L2 ((0, ∞), e−x dx) des (classes de) fonctions de carrées sommables pour la
fonction de poid ω(x) = e−x
Le procédé d’orthogonalisation de Gram-Schmidt appliqué à famille {1, x, . . . , xn , . . .} fournit
une base orthogonale formée de polynômes L̃n , avec deg(L̃n ) = n. Les calculs dans ce cas sont
particulièrement
R∞ simples et utilisent l’égalité suivante :
0
x e dx = n!
n −x

Ce qui est convenu d’appeler polynômes de Laguerre sont obtenus à partir des L̃n par la relation :

Ln (x) = ((−1)n /n!)L̃n (x)

Les polynômes de Laguerre forment donc une base orthogonale de l’espace L2 ((0, ∞), e−x dx) .

41
3.4.1 Fonction génératrice

Définition 3.4.1
Soit une fonction G(x, t) développable en série entiére de t dans un certain domaine D :
∞
X
G(x, t) = φn (x)tn .
n=0

On dit que G(x, t) est la fonction génératrice des fonctions φn (x). Si les fonctions φn (x) sont
des polyômes Pn (x) de degré n on a alors :
∞
X
G(x, t) = Pn (x)tn .
n=0

Théorème 3.4.1
Les polynômes de Laguerre Ln (x) admettent la fonction génératrice suivante :
 
−xt
exp 1−t
ω(x, t) =
1−t
c’est-à-dire ∞
X
ω(x, t) = Ln (x)tn .
n=0

42
 Preuve :
En utilisant le Développement de Taylor, on aura :
 
−xt ∞ !r
exp 1−t 1 X (−1)r xr tr 1
=
1−t 1 − t r=0 r! 1−t

donc
 
−xt ∞ !r+1
exp 1−t
X (−1)r xr tr 1
=
1−t r=0
r! 1−t
!r+1 ∞
1 1 (r + 1)t (r + 1)(r + 2)t2 (r + 1)(r + 2)(r + 3)t3 X (r + s)!
= + + + ··· = ts
1−t 0! 1! 2! i! s=0
r!s!

alors  
−xt ∞ ∞
exp 1−t
X (−1)r xr tr X (r + s)!t s
=
1−t r=0
r! s=0
r!s!
on pose n = r + s ⇒ s = n − r et r = n − s
 
−xt ∞ X
 n 
exp 1−t X (−1) r
n!x r 
=
  n

2
t
1−t (r!) (n − r!) 
n=0 r=0
∞
X
= Ln (x)tn .
n=0

d’òu le resultat.

3.4.2 Relation de récurrence

Les polynômes de Laguerre vérifient la relation de récurrence suivante :

(n + 1)Ln+1 (x) − (2n + 1)Ln (x) + nLn−1 (x) = xLn (x)

Preuve :
Désignons par G(x, t) la fonction génératrice des polynômes de Laguerre :
−xt/(1−t)
G(x, t) = e 1−t
On vérifie facilement que (1 − t)2G0t = (1 − t − x)G, ce qui donne :

 ∞
X ∞
X
1 − 2t + t2 nLn (x)tn−1 = (1 − t − x) Ln (x)tn
n=0 n=0

En identifiant les termes de même degré en t, on en déduit la relation de récurrence cherchée.

43
3.4.3 Equation différentielle

Les polynômes de Laguerre vérifient l’équation différentielle du second ordre suivant :

xLn00 (x) + (1 − x)Ln0 (x) + nLn = 0

Preuve :
En effet, P(x) = xLn00 (x) + (1 − x)Ln0 (x) étant un polynôme de degré n, il s’écrit sous la forme :
n
X
P(x) = ck Lk (x), où ck = hP, Lk i
k=0

Pour calculer les coefficients ck , on note que P(x) = e x xe−x Ln0 0 , et une intégration par parties


donne : Z ∞
ck = − Lk0 (x)Ln0 (x)xe−x dx
0

Or les polynômes (Ln0 )

sont deux à deux orthogonaux dans L2 ((0, ∞), xe−x ), on en déduit que
ck = 0 pour tout k , n et par suite P(x) = cn Ln (x) .
En identifiant les termes de plus haut degré des deux membres, on trouve cn = −n.

Représentation des graphes des polynômes de Leguerre Lk pour k = 0, 1, 2, 3, 4, 5

Figure 3.4 – Graphes des premiers polynômes de Laguerre L0 ,L1 ,L2 ,L3 ,L4 ,L5 .

44
3.5 Tableau des polynômes orthogonaux classiques

Nom et Intervalle Fonction Relation de Equation

symbole d’étude de poid récurrence différentielle
Tchebychev,
1 1
Tn [−1; 1] (1 − x2 )−1/2 xT n = T n+1 + T n−1
2 2
(1 − x2 )T n00 − xT n0 + n2 T n = 0
(1er espèce)
Tchebychev,
1 1
Un [−1; 1] (1 − x2 )−1/2 xUn = Un+1 = Un−1
2 2
(1 − x2 )Un00 − 3xUn0 + n(n + 2)Un = 0
(2ème espèce)
Legendre,
Pn [−1; 1] 1 nPn = (2n − 1)xPn−1 − (n − 1)Pn−2 n − 2xPn + n(n + 1)Pn = 0
(1 − x2 )P00 0

Hermite,
Hn ] − ∞; +∞[ e−x
2
Hn+1 = 2xHn − 2Hn−1 Hn00 − 2xHn0 + 2nHn = 0
forme pysique
Laguerre,
Ln [0; +∞[ e−x (n + 1)Ln+1 − (2n + 1)Ln + nLn−1 = xLn xLn00 + (1 − x)Ln0 + nLn = 0

45
CHAPITRE 4

QUELQUES APPLICATIONS DES POLYNÔMES

ORTHOGONAUX CLASSIQUES

Les polynômes orthogonaux est un outil fondamentale pour la résolution de plusieurs problèmes
d’analyse théoriques ou pratiques dans ce chapitre nous avons utilisé les polynômes orthogonaux
de Legendre , Tchebychev et Hermite dans quelques applications comme l’approximations au
sens de moindres carrés, calcul d’intégration numérique.

4.1 Meilleur Approximation (Tchebychev)

Définition 4.1.1
Soit V un espace vectoriel muni d’une norme ||.||, on considère un sous-espace U ⊂ V de
dimension finie. On dit que fn ∈ U réalise la meilleure approximation de f si :

|| fn − f || = min ||u − f ||
u∈U

Théorème 4.1.1
La meilleure approximation de f par un polynôme de degré au plus égal à n est réalisé par la
choix des points d’interpolation suivant :
b+a b−a
xi = + ξi avec i ∈ {0, . . . , n}
2 2
Où ξi sont les racines du polynôme de Tchebychev de degré n + 1 à savoir :

(2i + 1)π
!
ξi = cos i ∈ {0, . . . , n}
2(n + 1)

46
 Théorème 4.1.2
T n (x)
Le polynôme de Tchebychev T n∗ (x) = n−1 de degré inferieur ou égale n représente la
2
meilleur approximation de la fonction nulle sur [0; 1].

Preuve :
On a ||T n∗ (x) − 0|| = minRn ∈(Pn )n∈N ||Rn − 0||
Donc :
T n (x) 1 1
||T n∗ (x)|| = min ||Rn || = n−1
= n−1 ||T n (x)|| = n−1
Rn ∈(Pn )n∈N 2 2 2
Car ||T n (x)|| = max x∈[0;1] |T n (x)| = 1
Par l’absurde, supposons que T n (x) n’est pas la meilleur approximation de la fonction nulle sur
[0; 1].
Alors, on peut trouver un polynôme Rn ∈ (Pn )n∈N tel que ||Rn || 6 ||T n∗ (x)||
Donc ||T n∗ (x)|| , maxRn ∈(Pn )n∈N ||Rn (x)||, posons Q = T n∗ − Rn
Q est un polynôme de degré inférieur ou égal à n − 1, on considère les points x0 , x1 , . . . , xn , on a
T n prend les valeurs : −1, +1, . . .
1 1
C’est à dire T n∗ prend les valeurs : − n−1 , + n−1 , . . .
2 2
Donc
Q(x) = T n∗ (x) − Rn (x)
−1
Q(x0 ) = − Rn (x0 )
2n−1
1
Q(xn ) = n−1 − Rn (xn )
2
Mais ||Rn || 6 ||T n (x)||, alors Q(x1 ) < 0, Q(x2 ), . . .
∗

Alors, le polynôme Q admet n racines, c’est une contradiction car Q est de degré n − 1.

4.2 Intégration numérique

4.2.1 Méthode de Gauss
Les méthodes de Gauss sont les méthodes les plus répandues et les plus précises , soit (ϕn ) une
famille de polynomes orthogonaux pour R b la fonction de poids w(x) sur [a; b].
Cherchons à examiner l’intégrale a
f (x)w(x).
Ecrivons la fonction f en utilisant la formule de Lagrange :
n n
f (n+1) (c)
!
X Y Y x − xj
f (x) = Li (x) f (xi ) + , avec c ∈ [a; b] et Li (x) = ; i, j
i=0 i=0
(n + 1)! 06 j6n
xi − x j

Si
R b (ψn ) est une base de polynômes orthogonaux pour la fonction de poids w(x), on a :
a
ψn (x)ψm (x)w(x)dx = 0, si n , m.

47
 n
Y n+1
X
Développons sur cette base le produit (x − xi ) = ai ψi (x).
i=0 i=0
Si f est une polynome de degré (2n + 1), notons :
n
f (n+1) (x) X
Qn (x) = = bi ψn (x)
(n + 1)! i=0

Le reste s’exprime par :

n n n n
Y f (n+1) (x) X X X
Rn (x) = (x − xi ) = ai bi ψi (x)ψ j (x) + an+1 bi ψi (x)ψn+1 (x)
i=0
n + 1 i=0 j=0 i=0

D’où en intégrant :
Z b n
Z bX Z b
f (x)w(x)dx = Li (x) f (xi )w(x)dx + Rn (x)w(x)dx + ε
a a i=0 a

En vertu de l’orthogonalité des polynômes :

Z b n
X Z b
Rn (x)w(x)dx = ai bi ϕ2i (x)w(x)
a i=0 a

En choisissant les points (xi ) de la subdivision comme les (n + 1) racines du polynôme de degré
n + 1.
On impose ai = 0 pour i = 0, 1, . . . , n et an+1 , 0, c’est –à-dire :
n
Y n+1
X
(x − xi ) = ai ψi (x) = an+1 ψn+1 (x)
i=0 i=0

D’où : Z b
Rn (x)w(x)dx = 0
a
Par conséquent,
Rb la méthode de Gauss appliquée R b à la fonction f conduit à une approximation de
la forme a f (x)w(x)dx + ε, avec : wi = a Li (x)w(x)dx.
L’erreur est de la forme ε = εn f (2n+1) (c), où εn dépend du choix des polynômes orthogonaux (ψn ).

4.2.2 Intégration de Gauss –Legendre

Lorsque la famille de polynômes orthogonaux est la famille des polynômes de Legendre relati-
vement à la fonction de poid w(x) = 1 sur [−1; 1], l’intégrale est approchée la formule :
Z 1 n
X
f (x)dx = wi f (xi ) + ε
−1 i=0

48
 1 !
x − xj
Z Y
Où les nombres wi sont donnés par : wi = dx Où les xi sont les racines des
−1 06 j6n xi − x j
polynômes de Legendre Pn+1 .
22n+3 [(n + 1)!]4
L’erreur s’exprime ε = f (2n+3) (c), avec c ∈ [−1; 1]
(2n + 3)[(2n + 2)!]3

Exemples 4.2.1

Pour n = 1, la relation de récurrence définissant les polynômes de Legendre donne P2 (x) =

3x2 − 1 −1 1
, ce polynôme admet deux racines x0 = √ et x1 = √ .
2 3 3 Z 1
x − x1
Les valeurs wi s’en déduisent, la première valeur se calcule par : w0 = dx =
√ −1 x0 − x1
−x + 1/ 3
Z 1
√ dx = 1.
−1 2/ 3
Et de la même manière, on trouve w1 = 1, l’intégrale se réduit à :
Z 1 ! !
−1 1
f (x)dx = f +f √
−1 3 3
.

4.2.3 Intégration de Gauss –Tchebychev

On sait que les polynômes de Tchebychev forme une base orthogonale sur [−1; 1] par rapport à
1
la fonction de poid w(x) = √ .
1 − x2
π
Les valeurs wi ont, dans ce cas, une expression analytique générale wi = , les polynômes
n+1
de Tchebychev permettent de calculer une approximation de l’intégrale :
Z 1 n
1 X
f (x) √ dx ' wi f (xi )
−1 1 − x2 i=1

L’erreur est donnée par :

2π
ε= f (2n+2) (c), avec c ∈ [−1; 1]
22n+2 (2n + 2)!

49
 Exemples 4.2.2

1
Pour n = 1, le polynôme du second degré T 2 (x) = 2x2 − 1 admet deux racines x0 = √ et
2
−1 π
x1 = √ , les valeurs w0 = w1 = conduisent à l’approximation :
2 2
1
π
Z ! !!
1 −1 1
f (x) √ dx ' f √ +f √
−1 1 − x2 2 2 2

4.2.4 Intégration de Gauss-Hermite

Les polynômes d’Hermite forment une base orthogonale sur l’intervalle ] − ∞; +∞[ par rapport
à la fonction de poid w(x) = e−x permettent de calculer une approximation de l’intégrale :
2

Z 1 n
X
−x2
f (x)e dx ' wi f (xi )
−1 i=1

L’erreur est donné par :

√
(n + 1!) π (2n+2)
ε = 2n+1 f (c), avec c ∈ R
2 (2n + 2)!

Exemples 4.2.3

1
Pour n = 1, le polynôme d’Hermite d’ordre H2 (x) = 4x2 − 2 admet deux racines x0 = √ et
2
−1 π
x1 = √ , les valeurs w0 = w1 = , conduisent à l’approximation suivante :
2 2
√
1
π
Z ! !!
−x2 −1 1
e dx ' f √ +f √
−1 2 2 2

50
4.3 Approximation au sens des Moindres carrés

Théorème 4.3.1
Soit f ∈ C([a; b]), il existe un polynôme P∗ de degré au plus égal à n qui réalise un minimum
global de la quantité :
Z b
E(P) = || f − P|| = f − P, f − P =
2
( f (x) − P(x))2 w(x)dx
a

Ce polynôme s’exprime de la manière suivante dans la base orthogonale {πi (x)} :

n
X f, πi
P∗ (x) = α∗i πi (x), où α∗i =
i=0
πi , πi

Exemple
On utilise le dernier théorème pour calculer l’approximation de l’exponentielle au sens des
moindres carrées. R1
Recherchons le polynôme P de degré inférieur ou égal à 3 qui minimise −1 (e x − P(x))2 dx.
Utilisons pour cela la base de polynôme de Legendre :
! !
3 2 1 5 3 3
L0 (x) = 1, L1 (x) = x, L2 (x) = x − , L3 (x) = x − x
2 3 2 5
CalculonsRalors :
1
f, L0 = −1 e x dx = e1 − e−1
R1
f, L1 = −1 xe x dx = 2e−1
!
R1 3 1
f, L2 = −1 x2 − e x dx = e1 − 7e−1
2 3 !
R1 5 3
f, L3 = −1 x3 − x e x dx = −5e1 + 37e−1
2 5
2
On a : Ln , Ln =
2n + 1
Donc :
2
L0 , L0 = =2
2×0+1
2 2
L1 , L1 = =
2×1+1 3
2 2
L2 , L2 = =
2×2+1 5
2 2
L3 , L3 = =
2×3+1 7
Donc, l’expression du polynôme de degré inférieur ou égal à 3 qui est la meilleur approximation
au sens des moindres carrés de e x est :
f, L0 f, L1 f, L2 f, L3
P∗ (x) = L0 (x) + L1 (x) + L2 (x) + L3 (x)
L0 , L0 L1 , L1 L2 , L2 L3 , L3

51
 e1 − e−1
! !
15 h 1 i 1 35   3
= + 3e x +
1
e − 7e −1 2
x − + −5e + 37e
1 −1 3
x − x
2 4 2 4 5
−11e1 + 101e−1 105e1 − 765e−1 15e1 − 105e−1 2 −175e1 + 1295e−1 3
! ! ! !
= + x+ x + x
8 4 4 4

52
 BIBLIOGRAPHIE

[1] J. M.Sarlat ; Introduction aux polynômes ; 8 février 2001.

[2] C. Boulonne ; Analyse numérique et approximation ; Université des Sciences et Technologies de
Lille, U.F.R. de Mathématiques Pures et Appliquées.
[3] J. Van Iseghem ; Polynômes orthogonaux ; Synthèse des présentations de polynômes orthogonaux
classiques ; Extensions, Publications du Laboratoire d’Analyse Numérique et Optimisation de
l’Université des Sciences et Techniques de Lille Flandres Artois, 1988.
[4] Fatine.Aliouane ; Fonction spéciales pour les équation différentielle, UniversitéMohammed Sed-
dik Benyahia-Jijel-Faculté des Sciences Exactes et Informatique Département de Mathéma-
tiques.
[5] F. Filbet ; Analyse numérique, Algorithme et étude mathémathique ; DUNOD, ISBN 978-2-10-
0595103, Paris, 2013.
[6] J. Franck ; Introduction aux méthodes numériques ; 2éme édition, Springer, 2005.

53