MMSN

Analyse numérique 2
Chapitre 2 :
Quadrature polynomiale
Cours 6-7-8-9

GM 3 Année 2022 - 2023

Contact : A. Tonnoir
[Link]@[Link]
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx

Exemples d’application : Table de la loi normale

x2
−2
f(x) =e / 2π

2
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx

Exemples d’application : Table de la loi normale

Calcul (numérique) de
séries de Fourier (ou autre
transformée)
T

∫
an = cos(2πnx)f(x) dx
0

3
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx

Exemples d’application : Table de la loi normale

Calcul (numérique) de
séries de Fourier (ou autre
transformée)
T

∫
an = cos(2πnx)f(x) dx
0

3
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx

Exemples d’application : Table de la loi normale

Calcul de séries de Fourier

Calcul de volume
(méthodes des EF, GM 4)

4
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx

Exemples d’application : Table de la loi normale

Calcul de séries de Fourier

Calcul de volume
(méthodes des EF, GM 4)

Construction de schéma
pour les EDO
(cf. dernier chapitre) 4
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx
Plan :
I. Quadrature de Newton-Côtes

II. Quadrature de Gauss

III. Méthodes composites

IV. Quelques extensions

5
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx
Plan :
I. Quadrature de Newton-Côtes

a) Définition de la méthode
b) Analyse de convergence

II. Quadrature de Gauss

III. Méthodes composites

IV. Quelques extensions

6
I. a) Définition de la méthode
1.1 Définition
Une formule de quadrature est définie par un ensemble
de n+1 points a ≤ x0 < . . . < xn ≤ b associé à n+1 poids ωi
n

∑
I= ωi f(xi) + Rn(f)
i=0

où Rn(f) est appelé le reste.

7
I. a) Définition de la méthode
1.1 Définition
Une formule de quadrature est définie par un ensemble
de n+1 points a ≤ x0 < . . . < xn ≤ b associé à n+1 poids ωi
n

∑
I= ωi f(xi) + Rn(f)
i=0

1.2 Définition
On dira qu’une formule de quadrature est exacte sur ℙk
ssi Rn(f) = 0 ∀ f ∈ ℙk.

7
I. a) Définition de la méthode
1.1 Définition
Une formule de quadrature est définie par un ensemble
de n+1 points a ≤ x0 < . . . < xn ≤ b associé à n+1 poids ωi
n

∑
I= ωi f(xi) + Rn(f)
i=0

1.2 Définition
On dira qu’une formule de quadrature est exacte sur ℙk
ssi Rn(f) = 0 ∀ f ∈ ℙk.
1.3 Proposition

i
La formule est exacte sur ℙk ssi Rn(x ) = 0 ∀ i ∈ {0,⋯,k}.

Preuve : au (vrai) tableau !

7
I. a) Définition de la méthode

Méthodes de Newton-Côtes :
b-a
Considérons les points équirépartis xi= a + ih, h =
n
Une idée alors pour calculer I est de remplacer f par son
polynôme d’interpolation Pnf :
n
n
∑
Pnf(x) = f(xi)Li (x)
i=0

8
I. a) Définition de la méthode

Méthodes de Newton-Côtes :
b-a
Considérons les points équirépartis xi= a + ih, h =
n
Une idée alors pour calculer I est de remplacer f par son
polynôme d’interpolation Pnf :
n
n
∑
Pnf(x) = f(xi)Li (x)
i=0

On déduit alors la formule de quadrature :

b n

∫a ∑
n
I= f(xi)Li (x) + Enf(x) dx où Enf = f(x) - Pnf(x)
i=0

n b

∫a
n
∑
= f(xi) Li (x) dx + Rnf
i=0

8
I. a) Définition de la méthode

Méthodes de Newton-Côtes :
b-a
Considérons les points équirépartis xi= a + ih, h =
n
Une idée alors pour calculer I est de remplacer f par son
polynôme d’interpolation Pnf :
n
n
∑
Pnf(x) = f(xi)Li (x)
i=0

On déduit alors la formule de quadrature :

b n

∫a ∑
n
I= f(xi)Li (x) + Enf(x) dx où Enf = f(x) - Pnf(x)
i=0

n b n

∫a
n
+ Rnf = ∑ f(xi) ωi + Rnf
∑
= f(xi) Li (x) dx
i=0 i=0

8
I. a) Définition de la méthode

Méthodes de Newton-Côtes :

Formule des trapèzes (n=1)

b-a
I=
2 ( f(a) + f(b)) + R1(f)

(détails au (vrai) tableau)

9
I. a) Définition de la méthode

Méthodes de Newton-Côtes :

Formule des trapèzes (n=1)

b-a
I=
2 ( f(a) + f(b)) + R1(f)

(détails au (vrai) tableau)

Formule de Simpson (n=2)

6 ( )
b-a a+b
I= f(a) + 4f( ) + f(b) + R2(f)
2

(détails au (vrai) tableau)

9
I. b) Analyse de convergence

Forme générale des méthodes de Newton-Côtes :

n b

∫a
n
∑
I= f(xi)ωi + Rnf où ωi = Li (x) dx
i=0

1.4 Proposition (cf TD)

Les poids ωi vérifient ωn−i = ωi.

10
I. b) Analyse de convergence

Forme générale des méthodes de Newton-Côtes :

n b

∫a
n
∑
I= f(xi)ωi + Rnf où ωi = Li (x) dx
i=0

1.4 Proposition (cf TD)

Les poids ωi vérifient ωn−i = ωi.

1.5 Corollaire

Les formules de Newton-Côtes sont exactes sur ℙn si n

est impair et sur ℙn+1 si n est pair.

Preuve : au (vrai) tableau !

10
I. b) Analyse de convergence
1.6 Définition
Une formule de quadrature est dite convergente sur un
espace de Banach V ssi
lim Rnf = 0 ∀f ∈ V
n→+∞

1.6 Théorème (admis)

Une formule de quadrature est convergente ssi elle est

convergente sur W un sous espace dense de V
n
∃ M indépendant de n t.q.
∑
stable, i.e. | ωi | ≤ M
i=0

11
I. b) Analyse de convergence

Méthodes de Newton-Côtes :
Par construction, ces formules sont convergentes sur ℙ.
En revanche, elles ne sont pas stables, et donc non
convergente !

On ne peut donc pas utiliser

ces méthodes directement
pour n grand !

Rappel du phénomène de Runge.

12
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx
Plan :
I. Quadrature de Newton-Côtes

II. Quadrature de Gauss

a) Choix optimal des points
b) Analyse de convergence

III. Méthodes composites

IV. Quelques extensions
13
II. a) Choix optimal des points

Idée :
À la différence des méthodes de N-C, nous allons
chercher les positions optimales des points de quadrature.

14
II. a) Choix optimal des points

Idée :
À la différence des méthodes de N-C, nous allons
chercher les positions optimales des points de quadrature.

2.1 Théorème

Une méthode de quadrature est exacte sur ℙ2n+1 ssi

b

∫a
n
les points vérifient xj Πi=0(x-xi)dx =0 ∀j ∈ {0, ⋯, n}
b

∫a
les poids vérifient ωi = Lni(x)dx ∀i ∈ {0, ⋯, n}

Preuve : au (vrai) tableau !

14
II. a) Choix optimal des points

Idée :
À la différence des méthodes de N-C, nous allons
chercher les positions optimales des points de quadrature.

2.1 Théorème

Une méthode de quadrature est exacte sur ℙ2n+1 ssi

b

∫a
n
les points vérifient xj Πi=0(x-xi)dx =0 ∀j ∈ {0, ⋯, n}
b

∫a
les poids vérifient ωi = Lni(x)dx ∀i ∈ {0, ⋯, n}

Remarque : Si la formule est exacte sur ℙk, k ≥ n, alors

les poids sont définis nécessairement comme ci-dessus. 14
II. a) Choix optimal des points

Idée :
À la différence des méthodes de N-C, nous allons
chercher les positions optimales des points de quadrature.

2.1 Théorème

Une méthode de quadrature est exacte sur ℙ2n+1 ssi

b

∫a
n
les points vérifient xj Πi=0(x-xi)dx =0 ∀j ∈ {0, ⋯, n}
b

∫a
les poids vérifient ωi = Lni(x)dx ∀i ∈ {0, ⋯, n}

Remarque 2 : Une formule de quadrature ne peut pas être

exacte sur ℙ2n+2. 15
II. a) Choix optimal des points
On se demande maintenant s’il existe des points vérifiant
la relation précédente, et si oui, comment les déterminer.

16
II. a) Choix optimal des points
On se demande maintenant s’il existe des points vérifiant
la relation précédente, et si oui, comment les déterminer.

Un exemple de méthode de Gauss (point milieu) :

Prenons le cas n=0, a = -1 et b = 1. La condition
précédente devient alors :
1

∫−1
(x-x1)dx = 0 ⇔ x1 = 0

16
II. a) Choix optimal des points
On se demande maintenant s’il existe des points vérifiant
la relation précédente, et si oui, comment les déterminer.

Un exemple de méthode de Gauss (point milieu) :

Prenons le cas n=0, a = -1 et b = 1. La condition
précédente devient alors :
1

∫−1
(x-x1)dx = 0 ⇔ x1 = 0

Avec 1 point on construit

une formule exacte sur ℙ1 !

16
II. a) Choix optimal des points
On se demande maintenant s’il existe des points vérifiant
la relation précédente, et si oui, comment les déterminer.

Un exemple de méthode de Gauss (point milieu) :

Prenons le cas n=0, a = -1 et b = 1. La condition
précédente devient alors :
1

∫−1
(x-x1)dx = 0 ⇔ x1 = 0

Avec 1 point on construit

une formule exacte sur ℙ1 !

16
II. a) Choix optimal des points
On se demande maintenant s’il existe des points vérifiant
la relation précédente, et si oui, comment les déterminer.
b

∫a
Trouver les points xi t.q. xj Πni=0(x-xi)dx = 0 ∀j ∈ {0, ⋯, n}

revient à trouver vn ∈ ℙn+1 t.q. vn(x) = xn+1 + ⋯, vérifiant

b

∫a
xj vn(x)dx = 0 ∀j ∈ {0, ⋯, n}

et ayant des racines réelles distinctes.

17
II. a) Choix optimal des points
On se demande maintenant s’il existe des points vérifiant
la relation précédente, et si oui, comment les déterminer.
b

∫a
Trouver les points xi t.q. xj Πni=0(x-xi)dx = 0 ∀j ∈ {0, ⋯, n}

revient à trouver vn ∈ ℙn+1 t.q. vn(x) = xn+1 + ⋯, vérifiant

b

∫a
xj vn(x)dx = 0 ∀j ∈ {0, ⋯, n}

et ayant des racines réelles distinctes.

Remarque :
Dans l’exemple précédent, nous avons v0 = x.

17
II. a) Choix optimal des points

2.2 Proposition

Il existe un unique polynôme de la forme vn = xn+1 + ⋯

vérifiant :
b

∫a
xj vn(x)dx = 0 ∀j ∈ {0, ⋯, n}

Preuve : au (vrai) tableau !

18
II. a) Choix optimal des points

2.2 Proposition

Il existe un unique polynôme de la forme vn = xn+1 + ⋯

vérifiant :
b

∫a
xj vn(x)dx = 0 ∀j ∈ {0, ⋯, n}

2.3 Proposition

Les racines de vn sont réelles,

distinctes, dans
a+b
l’intervalle [a,b] et symétriques par rapport à .
2

Preuve : au (vrai) tableau !

18
II. a) Choix optimal des points
Construction des vn :
Les (vn)n forment une base de ℙn+1 (en posant v−1 = 1).

2.4 Proposition

La famille de polynôme (vn)n vérifie

b

∫a
vj(x) vn(x)dx = 0 ∀j ∈ {0, ⋯, n-1}

Preuve : au (vrai) tableau !

On dit qu’ils forment une famille de polynôme orthogonaux.

19
II. a) Choix optimal des points
Construction des vn :
Les (vn)n forment une base de ℙn+1 (en posant v−1 = 1).

2.4 Proposition

La famille de polynôme (vn)n vérifie

b

∫a
vj(x) vn(x)dx = 0 ∀j ∈ {0, ⋯, n-1}

2.5 Théorème

La famille de polynôme (vn)n vérifie une relation de

récurrence à trois termes :
vn+1(x) = (x+An) vn(x) − Bnvn−1(x)
Preuve : au (vrai) tableau ! 19
II. a) Choix optimal des points
Construction des vn :
Pour construire la famille des (vn)n, on peut utiliser la
relation de récurrence :
vn+1(x) = (x+An) vn(x) − Bnvn−1(x)

Ensuite, afin de déterminer les racines dans le cas

général, il est utile d’utiliser le résultat suivant :

2.6 Théorème

Les racines de vn+1 entourent celles de vn.

20
II. a) Choix optimal des points
Construction des vn :
Pour construire la famille des (vn)n, on peut utiliser la
relation de récurrence :
vn+1(x) = (x+An) vn(x) − Bnvn−1(x)

Polynômes de Legendre ([a,b] = [-1,1]) :

Dans ce cas, on obtient :

v−1 = 1 v0 = x

21
II. a) Choix optimal des points
Construction des vn :
Pour construire la famille des (vn)n, on peut utiliser la
relation de récurrence :
vn+1(x) = (x+An) vn(x) − Bnvn−1(x)

Polynômes de Legendre ([a,b] = [-1,1]) :

Dans ce cas, on obtient :

1
v−1 = 1 v0 = x v1 = x2 −
3
⋯

21
II. a) Choix optimal des points
Construction des vn :
Pour construire la famille des (vn)n, on peut utiliser la
relation de récurrence :
vn+1(x) = (x+An) vn(x) − Bnvn−1(x)

Polynômes de Legendre ([a,b] = [-1,1]) :

Dans ce cas, on obtient :

1
v−1 = 1 v0 = x v1 = x2 −
3
3
v2 = x3 − x ⋯
5

21
II. b) Analyse de convergence

2.7 Théorème

Les méthodes de Gauss sont stables et convergente sur

C∞([a,b]).

Preuve : au (vrai) tableau !

22
II. b) Analyse de convergence

2.7 Théorème

Les méthodes de Gauss sont stables et convergente sur

C∞([a,b]).

2.8 Proposition

Si f est C2n+2([a,b]) alors on a :

(2n+2) b
f (ξ)
(2n+2)! ∫a
Rn(f) = v2n(x) dx

Preuve : au (vrai) tableau !

22
II. b) Analyse de convergence
Quelques remarques :
Le s métho de s de Gau ss so nt co nvergente s, à la
différence des méthodes de Newton-Côtes.

23
II. b) Analyse de convergence
Quelques remarques :
Le s métho de s de Gau ss so nt co nvergente s, à la
différence des méthodes de Newton-Côtes.

Cependant, pour n grand, elles nécessitent le calcul d’un

polynôme de haut degré et de ses racines, ce qui pose
des difficultés…

23
II. b) Analyse de convergence
Quelques remarques :
Le s métho de s de Gau ss so nt co nvergente s, à la
différence des méthodes de Newton-Côtes.

Cependant, pour n grand, elles nécessitent le calcul d’un

polynôme de haut degré et de ses racines, ce qui pose
des difficultés…

Notons enfin que la méthode se généralise au calcul

d’intégrale de la forme :
b

∫a
I= f(x) w(x) dx

où w(x) est une fonction poids positive.

23
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx
Plan :
I. Quadrature de Newton-Côtes

II. Quadrature de Gauss

III. Méthodes composites

a) Construction des formules

b) Analyse de convergence
IV. Quelques extensions
24
III. a) Construction des formules
Idée :
Revenons un peu en arrière en rappelant la construction
de l’intégrale de Riemann :

b N
b–a
f(x)dx = lim f(xn )
a N +
n=0
N
x0 = a xn xN = b

25
III. a) Construction des formules
Idée :
Revenons un peu en arrière en rappelant la construction
de l’intégrale de Riemann :

b N
b–a
f(x)dx = lim f(xn )
a N +
n=0
N
x0 = a xn xN = b

Le principe des méthodes composites est alors de diviser

l’intervalle [a,b] en p sous-intervalles [xi, xi+1] est
d’appliquer une formule de quadrature « simple » sur
chaque sous-intervalles [xi, xi+1].

25
III. a) Construction des formules
Méthodes composites :
Considérons une méthode de quadrature « simple » :
1 n

∫-1
̂ dx̂ ≃ F(x̂ i) ωi
∑
F(x)
i=0

26
III. a) Construction des formules
Méthodes composites :
Considérons une méthode de quadrature « simple » :
1 n

∫-1
̂ dx̂ ≃ F(x̂ i) ωi
∑
F(x)
i=0

À l’aide de la relation de Chasles, on obtient facilement

b p−1 xj+1

∫a ∑∫
I= f(x) dx = f(x) dx
j=0 xj

26
III. a) Construction des formules
Méthodes composites :
Considérons une méthode de quadrature « simple » :
1 n

∫-1
̂ dx̂ ≃ F(x̂ i) ωi
∑
F(x)
i=0

À l’aide de la relation de Chasles, on obtient facilement

b p−1 xj+1
x − xj
∫a ∑∫
I= f(x) dx = f(x) dx x̂ = 2 −1
j=0 xj xj+1 − xj

∫−1 ( 2 )
p−1 1
xj+1 − xj x̂ + 1
(xj+1 − xj) + xj dx̂
∑
= f
j=0
2

26
III. a) Construction des formules
Méthodes composites :
Considérons une méthode de quadrature « simple » :
1 n

∫-1
̂ dx̂ ≃ F(x̂ i) ωi
∑
F(x)
i=0

À l’aide de la relation de Chasles, on obtient facilement

b p−1 xj+1
x − xj
∫a ∑∫
I= f(x) dx = f(x) dx x̂ = 2 −1
j=0 xj xj+1 − xj

∫−1 ( 2 )
p−1 1
xj+1 − xj x̂ + 1
(xj+1 − xj) + xj dx̂
∑
= f
j=0
2

p−1 n
xj+1 − xj x̂ i + 1
où xi,j = (xj+1 − xj) + xj
∑∑
≃ ωi f(xi,j)
j=0 i=0
2 2
26
III. a) Construction des formules
Méthodes composites :
Considérons une méthode de quadrature « simple » :
1 n

∫-1
̂ dx̂ ≃ F(x̂ i) ωi
∑
F(x)
i=0

La méthode composite associée est donnée par :

b p−1 n
xj+1 − xj
∫a ∑∑
I= f(x) dx ≃ ωi f(xi,j)
j=0 i=0
2

:=Ih
x̂ i + 1
où xi,j = (xj+1 − xj) + xj.
2

27
III. a) Construction des formules
Méthodes composites (cas où xi+1 − xi = h)
Formule du point milieu (n=0)

∑ ( )
p−1
xj + xj+1
Ih = h f
j=1
2

(détails au (vrai) tableau)

28
III. a) Construction des formules
Méthodes composites (cas où xi+1 − xi = h)
Formule du point milieu (n=0)

∑ ( )
p−1
xj + xj+1
Ih = h f
j=1
2

(détails au (vrai) tableau)

Formule de Simpson (n=2)

p−1
xj + xj+1)
( )
h
∑
Ih = f(xj) + 4f + f(xj+1)
6 j=1 2

(détails au (vrai) tableau)

28
III. b) Analyse de convergence
Pour simplifier, nous allons considérer dans la suite le
cas xi+1 − xi = h .

3.1 Définition
Une formule de quadrature composite est d’ordre m ssi
m
I − Ih = O(h )

29
III. b) Analyse de convergence
Pour simplifier, nous allons considérer dans la suite le
cas xi+1 − xi = h .

3.1 Définition
Une formule de quadrature composite est d’ordre m ssi
m
I − Ih = O(h )

3.2 Proposition

Si la méthode simple est exacte sur ℙk, k ≥ n , et

f ∈ C k+1, alors :
k+1
I − Ih = O(h )

Preuve : au (vrai) tableau !

29
III. b) Analyse de convergence
Pour simplifier, nous allons considérer dans la suite le
cas xi+1 − xi = h .

3.1 Définition
Une formule de quadrature composite est d’ordre m ssi
m
I − Ih = O(h )

3.2 Proposition

Si la méthode simple est exacte sur ℙk, k ≥ n , et

f ∈ C k+1, alors :
k+1
I − Ih = O(h )

30
III. b) Analyse de convergence
Pour simplifier, nous allons considérer dans la suite le
cas xi+1 − xi = h .

3.1 Définition
Une formule de quadrature composite est d’ordre m ssi
m
I − Ih = O(h )

3.2 Proposition

Si la méthode simple est exacte sur ℙk, k ≥ n , et

f ∈ C k+1, alors :
k+1
I − Ih = O(h )

Remarque : Si la formule simple n’est pas exacte sur ℙk+1,

alors la formule composite sera exactement d’ordre k+1.
30
III. b) Analyse de convergence
Illustration de la convergence :

Formule du point milieu (n=0)

∑ ( )
p−1
xi + xi+1 2
Ih = h f
j=1
2
Exacte sur ℙ1

Formule de Simpson (n=2)

( )
p−1 1
h xi + xi+1)
∑
Ih = f(xi) + 4f + f(xi+1) 4

6 j=1 2

Exacte sur ℙ3
31
III. b) Analyse de convergence
Pour résumer :
Les méthodes composites sont stables et convergentes.
Elles sont donc toujours préférées aux méthodes simples.

32
III. b) Analyse de convergence
Pour résumer :
Les méthodes composites sont stables et convergentes.
Elles sont donc toujours préférées aux méthodes simples.

Pour construire une méthode composite, on procèdera

ainsi :

On établit une formule simple sur [-1,1] (par exemple)

- On choisit les points de quadrature xi

32
III. b) Analyse de convergence
Pour résumer :
Les méthodes composites sont stables et convergentes.
Elles sont donc toujours préférées aux méthodes simples.

Pour construire une méthode composite, on procèdera

ainsi :

On établit une formule simple sur [-1,1] (par exemple)

- On choisit les points de quadrature xi

1

∫−1
n
- On calcule les poids associés ωi = Li (x) dx ou en
résolvant le système linéaire :
n 1

∑ ∫−1
ωixki = xk dx, k ∈ {0, ⋯, m}
i=0
en cherchant m le plus grand possible. 32
III. b) Analyse de convergence
Pour résumer :
Les méthodes composites sont stables et convergentes.
Elles sont donc toujours préférées aux méthodes simples.

Pour construire une méthode composite, on procèdera

ainsi :

On établit une formule simple sur [-1,1]

1 n

∫-1
̂ dx̂ ≃ F(x̂ i) ωi
∑
F(x)
i=0

On déduit la formule composite associée.

b p−1 n
h
∫a ∑∑ 2
f(x) dx ≃ ωi f(xi,j)
j=0 i=0
33
Au programme (Chapitre 2)
Objectif :

Étant donné une fonction f : [a,b] → ℝ, on souhaite

calculer numériquement l’intégrale
b

∫a
I= f(x) dx
Plan :
I. Quadrature de Newton-Côtes

II. Quadrature de Gauss

III. Méthodes composites

IV. Quelques extensions

a) Quadrature d’Hermite
b) En dimension supérieure
34
IV. a) Quadrature Hermite

On cherche à calculer numériquement

b

∫a
I= f(x) dx

Dans les formules de quadratures présentées jusqu’ici, on

utilisait uniquement des évaluations de f.

Si la fonction f est dérivable, une idée naturelle est

alors d’utiliser également sa dérivée :
n n

∑ ∑
I= ωi f(xi) + ω′i f'(x'i) + Rn(f)
i=0 i=0

35
IV. a) Quadrature Hermite

On cherche à calculer numériquement

b

∫a
I= f(x) dx

Dans les formules de quadratures présentées jusqu’ici, on

utilisait uniquement des évaluations de f.

Si la fonction f est dérivable, une idée naturelle est

alors d’utiliser également sa dérivée :
n n

∑ ∑
I= ωi f(xi) + ω′i f'(x'i) + Rn(f)
i=0 i=0

Remarque : Il n’est pas obligatoire d’utiliser les mêmes

points d’évaluation pour f et f'.

35
IV. a) Quadrature Hermite
4.1 Définition
Une formule de quadrature d’Hermite est définie par :
n n

∑ ∑
I= ωi f(xi) + ω′i f'(x'i) + Rn(f)
i=0 i=0

4.2 Proposition

La méthode de quadrature est exacte au plus sur ℙ4n+3

Preuve : au (vrai) tableau !

36
IV. a) Quadrature Hermite
4.1 Définition
Une formule de quadrature d’Hermite est définie par :
n n

∑ ∑
I= ωi f(xi) + ω′i f'(x'i) + Rn(f)
i=0 i=0

4.2 Proposition

La méthode de quadrature est exacte au plus sur ℙ4n+3

Remarque : Si on a xi = x'i, la formule est alors au plus

exacte sur ℙ2n+2.
Remarque 2 : Il n’est cependant pas évident de
déterminer les points xi et x'i optimaux.
36
IV. a) Quadrature Hermite
4.1 Définition
Une formule de quadrature d’Hermite est définie par :
n n

∑ ∑
I= ωi f(xi) + ω′i f'(x'i) + Rn(f)
i=0 i=0

Attention, lorsqu’on établie la formule de quadrature

composite associé, il faut être vigilant à la dérivée f’ !!

b p−1 n 2
h h
∫a ∑ ∑
f(x) dx ≃ ωi f(xi,j)+ ω′0f'(x'i,j)
j=0 i=0
2 4

(détails au (vrai) tableau)

37
 IV. a) Quadrature Hermite
Un exemple de quadrature d’Hermite (n=0)

Considérons le cas suivant I ≃ ω0 f(x ) + ω′0 f'(x'0)

0

Pour avoir une formule exacte sur ℙ3, on doit prendre :

1
ω0 = 2 x0 = −
3+2 3
1
ω0 = − 2x0 x'0 = − x0
3

(détails au (vrai) tableau)

38
 IV. a) Quadrature Hermite
Un exemple de quadrature d’Hermite (n=0)

Considérons le cas suivant I ≃ ω0 f(x ) + ω′0 f'(x'0)

0

Pour avoir une formule exacte sur ℙ3, on doit prendre :

1
ω0 = 2 x0 = −
3+2 3
1
ω0 = − 2x0 x'0 = − x0 1
3 4

(détails au (vrai) tableau)

38
IV. b) En dimension supérieure

Soit Ω un sous domaine borné de ℝ2.

Si Ω est un domaine cartésien, i.e Ω = [a, b] × [c, d], il est

alors facile de construire une formule de quadrature :

b d

∫a ∫c
d I= f(x,y) dydx

a b

39
IV. b) En dimension supérieure

Soit Ω un sous domaine borné de ℝ2.

Si Ω est un domaine cartésien, i.e Ω = [a, b] × [c, d], il est

alors facile de construire une formule de quadrature :

b d

∫a ∫c
d I= f(x,y) dydx

n d

∫c
a b
∑
≃ ωi f(xi,y) dy
i=0

39
IV. b) En dimension supérieure

Soit Ω un sous domaine borné de ℝ2.

Si Ω est un domaine cartésien, i.e Ω = [a, b] × [c, d], il est

alors facile de construire une formule de quadrature :

b d

∫a ∫c
d I= f(x,y) dydx

n d

∫c
a b
∑
≃ ωi f(xi,y) dy
i=0
n n

∑ ∑
c ≃ ωi ω′j f(xi,y )
j
i=0 j=0

39
IV. b) En dimension supérieure

Soit Ω un sous domaine borné de ℝ2.

Dans le cas général, on doit mailler le domaine.

40
IV. b) En dimension supérieure

Soit Ω un sous domaine borné de ℝ2.

Dans le cas général, on doit mailler le domaine.

O n a p p l iq u e e n s u i te u n e
f o r m u le d e q u a d r at u r e
« s i m p le » s u r c h a q u e
triangle.

L a d i f f i c u lt é e s t a l o r s
d’établir une formule sur un
triangle de référence.

40
Plan détaillé du chapitre 2
Plan :
I. Quadrature de Newton-Côtes
a) Définition de la méthode
b) Analyse de convergence

II. Quadrature de Gauss

a) Choix optimal des points
b) Analyse de convergence

III. Méthodes composites

a) Construction des formules
b) Analyse de convergence

IV. Quelques extensions

41