Université Mohammed Premier Année Universitaire 2023/2024

Faculté des Sciences Parcours : SMA-SMI

Oujda Responsable : Pr. M. Berrajaa

TD : Série N◦ 1

Exercice 1 (Ordre de convergence d’une méthode de point fixe).

Soit θ un point fixe d’une fonction g ∈ C p+1 pour un entier p ≥ 1 dans un intervalle [a, b]
contenant θ. Montrer que si g ′ (θ) = g ′′ (θ) = ... = g (p) = 0 et g (p+1) 6= 0, alors la méthode
|un+1 −θ| g (p+1) (θ)
du point fixe est d’ordre p + 1 et lim = (p+1)! .
n→+∞ |un −θ|
p+1

Exercice 2.
Soient f et g deux fonctions définies respectivement
√ sur R et [1, 2] par :
f (x) = x − x − x − 1 et g(x) = 1 + x+1 .
3 2 2

1. Montrer que f possède un unique zéro θ ∈ [1, 2].

{
x0 >0
2. Soit la méthode du point fixe définie par :
xn+1 = g(xn ).
(a) A l’aide des graphes de g et de l’identité, placer sur l’axe des abscisses les termes
de la suite (xn )n∈N . Observer la convergence graphiquement.
(b) Justifier mathématiquement la convergence observée graphiquement.
(c) Quel est le nombre d’itérations suffisantes à effectuer pour atteindre la précision
de 10−6 sachant que x0 = 1, 5.
(d) Faire l’étude graphique de la convergence pour tout x0 ∈ R et établir mathé-
matiquement pour quelles valeurs de x0 la suite converge.
Exercice 3.
Soit x ∈ R. Considérons l’équation (E) : x(1 + ex ) = ex .
1. Montrer que l’équation (E) admet une unique solution réelle θ ∈ [0, 1].
2. Pour approcher la valeur de θ, on utilise la méthode du point fixe. Pour cela, on
propose l’algorithme suivant :
ex
x0 ∈ [0, 1] , xn+1 = g(xn ) avec g(x) = .
ex + 1
(a) Etudier la convergence graphiquement puis donner une justification mathéma-
tique. S’il y a convergence, préciser sa nature et son ordre.
(b) Donner une valeur approchée du point fixe attractif à 10−6 en initialisant les
itérations par x0 = 12 .
3. Ecrire la méthode de Newton pour la fonction g et donner son ordre de convergence.
Exercice 4.
Le but de cet exercice est de calculer la racine cubique d’un nombre réel positif a.
Soit g la fonction sur R∗+ par : g(x) = 23 x + 13 xa2 avec a > 0 fixé.
1. Effectuer une étude complète de la fonction g.
2. Comparer la fonction g à l’identité.
3. Soit la suite (xn )n∈N définie par :

xn+1 = g(xn ), x0 > 0.

À l’aide des graphes de g et de l’identité sur R∗+ , dessiner la suite (xn )n∈N . Observer
graphiquement la convergence.

1
 4. Justifier mathématiquement la convergence observée graphiquement. En particulier,
montrer que cette suite est décroissante à partir du rang 1.
5. Calculer l’ordre de convergence de la suite.
6. Expliciter la méthode de Newton pour la recherche du zéro de la fonction f définie
par f (x) = x3 − a. Que remarque t-on ?

Exercice 5.

1. Montrer que la fonction x 7→ cos(x) admet un unique point fixe θ ∈ [0, 1].
2. Effectuer 3 itérations de la méthode de dichotomie pour la fonction définie par
f (x) = cos(x) − x à partie de a0 = 0 et b0 = 1. Quel encadrement de θ obtient-on ?
3. Combien d’itération faudrait-il pour obtenir un encadrement de θ à 10−5 près ?
4. Ecrire la méthode de Newton pour la recherche de la racine θ de f .
5. Effectuer 4 itérations de la méthode de Newton à partir de x0 = 1. Quelle est la
précision du résultat obtenu ?

2
Université Mohammed Premier Année Universitaire 2023/2024
Faculté des Sciences Parcours : SMA-SMI
Oujda Responsable : Pr. M. Berrajaa

TD : Série N◦ 2

Exercice 1.
Déterminer le polynôme d’interpolation de Lagrange satisfaisant au tableau ci-
dessous :
x 0 2 3 5
f (x) −1 2 9 87

Exercice 2.
Soit f une fonction telle que f (2) = 3, f (3) = 8 et f (10) = 12.
1. Ecrire le polynôme p d’interpolation de la fonction f (on exprimera le résultat
dans une base de Lagrange). Donner une approximation de f (6).
2. On suppose que la valeur de f (10) varie de ε. Comment varie alors l’approxi-
mation de f (6).

Exercice 3.

1. Ecrire le polynôme de Lagrange qui interpole les trois points (−1, e), (0, 1) et
(1, e).
2. Ecrire le polynôme de Newton qui interpole les trois points (−1, e), (0, 1) et
(1, e).
3. On considère un quatrième point (2, 3).
(a) Ecrire (sans faire de calculs) le polynôme de Lagrange qui interpole les
quatre points (−1, e), (0, 1), (1, e) et (2, 3).
(b) Ecrire (sans faire de calculs) le polynôme de Newton qui interpole les
quatre points (−1, e), (0, 1), (1, e) et (2, 3).
4. Entre l’interpolation de Newton 3.b) et l’interpolation de Lagrange 3.a), quelle
est la plus rapide ? Justifier la réponse.

Exercice 4.

1. Ecrire le polynôme p3 d’interpolation de la fonction f (x) = x4 aux points

−1; 0; 1 et 2. On exprimera les résultats dans une base de Newton.
2. Factoriser le polynôme Q(x) = x4 − p3 (x).

3
Université Mohammed Premier Année Universitaire 2023/2024
Faculté des Sciences Parcours : SMA-SMI
Oujda Responsable : Pr. M. Berrajaa

TD : Série N◦ 3

Exercice 1.
On considère l’intégrale Z 1
2
I= ex dx.
−1

On se donne les points {xi } , 0 ≤ i ≤ N de subdivision de l’intervalle [−1, +1] :

2
xi = −1 + hi avec h = .
N
1. Ecrire la formule composite de la méthode du trapèze pour obtenir une ap-
proximation de I avec N + 1 points.
2. Calculer une approximation de I en appliquant la méthode du trapèze com-
posée avec cinq points.
3. Pour cette méthode, quel est le nombre d’intervalles à utiliser pour obtenir
une approximation de I avec une précision 10−2 ? On pourra montrer Rb que
l’erreur maximale pouvant être commise avec l’approximation de a f (x)dx
par la formule des trapèzes donnée par :
M (b − a)3
où f (2) (x) < M, M > 0.
12N 2
4. Ecrire la formule composite de la méthode de Simpson pour obtenir une
approximation de I.
5. Calculer une approximation de I en appliquant la méthode de Simpson com-
posée avec cinq points.
6. On considère la formule de quadrature dite de Labotto :
Z 1
gi (x)dx ≃ ω1 [gi (−1) + gi (1)] + ω2 [gi (−a1 ) + gi (a1 )] .
−1

(a) Sachant que cette méthode de quadrature est exacte pour tous les po-
lynômes p(x) = xp , avec p = 1, 3, 5, . . ., Déterminer ω1 , ω2 et a1 pour que
la quadrature de Labotto soit au moins de degré de précision 5.
(b) Donner le degré de précision puis une majoration de l’erreur commise en
fonction du pas h.
Exercice 2.
On considère la méthode d’approximation :
Z 1
gi (t)dt ≈ J (gi ) = a0 gi (a2 ) + a0 gi (−a2 ) + a1 gi (1) + a1 gi (−1).
−1

1. Déterminer a0 , a1 , et a2 pour que cette méthode soit exacte sur les fonctions
polynomiales de degré inférieur ou égal à 5.

4
 1
2. Appliquer ce résultat à la fonction g1 (x) = 1+x 2 . Quelle approximation de π

obtient-on ?
3. On souhaite obtenir une approximation de π à l’aide de la formule :
Z 1
1
π=4 2
dx.
0 1+x

(a) Comparer les résultats obtenus en appliquant la méthode composée des

trapèzes avec 5 points et la méthode composée de Simpson avec les mêmes
points.
(b) Montrer que la méthode des trapèzes conduit à une approximation :
n−1
α X βn
π≈ + .
n k=1 n2 + k 2

Exercice 3.
Partie I :
On se propose de comparer deux méthodes de calcul approché de l’intégrale im-
propre : Z +∞
dx
I= .
0 1 + x4
1. Dans la première méthode, on écrit I = I1 + I2 avec
Z 1 Z +∞
dx dx
I1 = 4
et I2 = .
0 1+x 1 1 + x4
(a) Faire dans I2 le changement de variable t = x1 pour montrer que :
Z 1
(1 + x2 ) dx
I= .
0 1 + x4
(b) Ecrire la méthode des trapèzes avec 3 puis 5 points de l’intervalle [0, 1].
2. Dans la deuxième méthode, on approxime I par :
Z 10
dx
J= .
0 1 + x4
(a) En utilisant la majoration suivante :
1 1
∀x ∈ R, 4
≤ 4,
1+x x
donner une majoration de l’erreur |I − J|.
(b) Ecrire la méthode de Simpson avec 3 puis 5 points de l’intervalle [0, 10].
Partie II :
On considère la méthode d’approximation :
Z 1
f (t)dt ≃ a0 f (x0 ) + a0 f (−x0 ) + a1 f (1) + a1 f (−1).
−1

Déterminer a0 , a1 et x0 pour que cette méthode soit exacte sur les polynômes de
degré inférieur ou égal à 5.

5
  
Corrigé du TD n◦ 1 


Module : Analyse numérique Filière : SMA-SMI S4 Année : 2023 − 2024

Exercice 3 :

1) Soit f : R −→ R définie par f (x) = x(1 + ex ) − ex . Alors, f (x) = 0 si et seulement si x

est solution de l’équation donnée. On a f ∈ C ∞ (R), f (0) = −1 < 0 et f (1) = 1 > 0 donc
d’après le théorème des valeurs intermédiaires, la fonction f admet au moins une racine
sur [0, 1]. De plus, f est strictement croissante sur [0, 1] (car f ′ (x) = 1 + xex > 0 pour
tout x ∈ [0, 1]), donc cette racine est unique.

2) a) On considère la méthode de point fixe définie par :


x0 ∈ [0, 1] ex
avec g(x) = .
x 1 + ex
n+1 = g(xn )

La convergence graphique de la méthode de point fixe :

Figure 1: Convergence graphique de la méthode de point fixe

Justification mathématique :
ex
∗ g est une fonction croissante sur R car g ′ (x) = .
(1 + ex )2

6
 ∗ Montrons que g([0, 1]) ⊂ [0, 1], en effet :

x0 ∈ [0, 1] 
1 e

=⇒ g(x) ∈ [0, 1] ⊂ [g(0); g(1)] = ; ⊂ [0, 1].
g continue et croissante 2 1+e

∗ g est k-contractante, en effet

ex (1 + ex )2 − 2ex (1 + ex )ex ex (1 − ex )
g ′′ (x) = = , pour tout x ∈ R.
(1 + ex )4 (1 + ex )2

x −∞ 0 +∞
g ′′ (x) + | −
1
4
g ′ (x) ↗ ↘
0 0
Ainsi, on a
1
k = max |g ′′ (x)| = .
x∈[0,1] 4
D’après le théorème de convergence globale des itérations de point fixe (Théorème
6), la suite (xn )n∈N converge pour tout x ∈ [0, 1]. De plus, 0 < g ′ (x) < 1 pour tout
x ∈ R, donc la convergence est monotone et du premier ordre.
b) Le nombre d’itérations suffisantes à effectuer pour atteindre la précision de 10−6
1
sachant que x0 = : Il faut que
2
kn
|x1 − x0 | ≤ 10−6 .
1−k
Ainsi, on trouve
(1 − k)10−6
kn ≤
|x1 − x0 |
=⇒
(1 − k)10−6
 
n ln k ≤ ln
|x1 − x0 |
=⇒
(1 − k)10−6
 
1
n≥ ln .
ln k |x1 − x0 |
Comme x1 = g(x0 ) = g(0, 5) = 0, 63, on déduit que

0, 25 × 10−6
 
1
n≥ ln = 9, 4940760488.
ln (0, 25) 0, 13

Il faut donc au moins 10 itérations à effectuer pour atteindre une précision de 10−6
sachant que x0 = 0, 5.

3) La méthode de Newton pour approcher θ est donnée par :


x0 ∈ [0, 1]

x (1 + exn ) − exn x2n − xn + 1 xn .
xn+1 = xn − n
 = e
1 + xn exn 1 + x n e xn

7
 2 1 a
Exercice 4 : Soit g la fonction définie sur R∗+ par : g(x) = x + avec a > 0 fixé.
3 3 x2
1) Étude complète de la fonction g, en effet :

– g(x) > 0 pour tout x ∈ R∗+ .

– lim+ g(x) = lim g(x) = +∞.
x→0 x→+∞

g(x) 2 2 2
– lim = et lim g(x) − x = 0 donc y = x est une asymptote et aussi, on
x→+∞ x 3 x→+∞ 3 3
2
a g(x) > x pour tout x > 0.
3
2  a
– g ′ (x) = 1 − 3 pour tout x ∈ R∗+ .
3 x
√ √
– g est croissante sur [ 3 a, +∞[, décroissante sur [0, 3 a].
√ √ √
– x = 3 a est un minimum absolu et g( 3 a) = 3 a.
2a
– g”(x) = 4 =⇒ g est convexe sur R∗+ .
x
2) La comparaison de la fonction g et l’identité i(x) = x :

2 0, 5 2
Figure 2: Courbes des fonctions : g(x) = x + 2 , i(x) = x et la droite y = x
3 3x 3

Graphe de g comparé au graphe de i(x) = x : voir la Figure 2. On vérifie analytiquement

qu’il existe une et une seule intersection entre la courbe d’équation y = g(x) et la droite
d’équation y = x :
2 1 a 3
√
g(x) = x ⇐⇒ x+ 2
= x ⇐⇒ x = a ⇐⇒ x = 3
a.
3 3x

3) On considère la méthode de point fixe définie par :


x0 > 0 2 1 a
avec g(x) = x + 2
.
x 3 3 x
n+1 = g(xn )

8
 La convergence graphique de la méthode de point fixe :

Figure 3: Convergence graphique de la méthode de point fixe

4) Justification mathématique de la convergence observée graphiquement, en effet :

√ √ √ √
– Pour tout x ∈ [ √ 3
a, +∞[, on a g(x) ≥ 3 a donc g([ 3 a, +∞[) ⊂ [ 3 a, +∞[ (c’est-à-
dire l’intervalle [ 3 a, +∞[ est stable).
√ √
– g ∈ C 1 ([ 3 a, +∞[), et pour tout x ∈ [ 3 a, +∞[, on a

′ 2 a
|g (x)| = 1 − 3 < 1.
3 x
En effet,
√ a  a 2 a 2
x≥ 3
a =⇒ 3 > 0 =⇒ 1 − 3 < 1 =⇒ 1− 3 < .
x x 3 x 3
2
Ainsi, g est -contractante.
3
√
Finalement, par le Théorème 6 la méthode converge vers θ = 3
a point fixe de g.
Montrons que la suite est décroissante
√ à partir du rang 1. On sait d’après la√question 1),
que pour tout x > 0, g(x)√ ≥ a et donc pour tout n > 0, xn = g(xn−1 ) ≥ 3 a. Comme
3

x ≥ g(x) pour tout x > a, on a pour tout k > 0, xn ≥ g(xn ) = xn+1 , ce qui permet de
3

conclure le résultat.
2a
5) En vertu de l’exercice 1, on a g ′ (θ) = 0 et g ′′ (θ) = 4 . Ainsi, la méthode de point fixe
θ
converge à l’ordre 2.
f (x)
6) La méthode de Newton est une méthode de point fixe avec g(x) = x − . Ici donc,
f ′ (x)
elle s’écrit
f (xn ) x3n − a 1 a 2 1 a
xn+1 = xn − ′
= x n − 2
= xn − xn + 2 = xn + = g(xn ).
f (xn ) 3xn 3 3xn 3 3 x2n
C’est-à-dire la méthode de point fixe assignée est la méthode de Newton (qu’on sait être
d’ordre de convergence égale à 2 lorsque la racine est simple).

9
Exercice 5 :

1) On considère la fonction f (x) = cos(x) − x définie sur [0, 1]. Alors, on a

– f est continue sur [0, 1].

– f (0) = 1 et f (1) ≈ −0, 00016, donc f (0)f (1) < 0.
– f est strictement décroissante. En effet : f ′ (x) = − sin(x) − 1 < 0 pour tout
x ∈ [0, 1].

Par le théorème des valeurs intermédiaires, il existe θ ∈ [0, 1] unique tel que

f (θ) = 0 ⇐⇒ cos(θ) = θ.

Ainsi, il existe un unique point fixe θ ∈ [0, 1].

2) – Première itération :
∗ Calculez le point médian c0 de l’intervalle initial [a0 , b0 ] = [0, 1] :

a0 + b0 0+1
c0 = = = 0, 5.
2 2
∗ Évaluez la fonction f en c0 :

f (c0 ) = f (0, 5) = cos(0, 5) − 0, 5 ≈ 0.377.

∗ Déterminez le nouveau sous-intervalle où le zéro se trouve :

· Comme f (c0 )f (b0 ) = f (0, 5)f (1) < 0, alors le zéro se trouve dans l’intervalle
[c0 , b0 ], donc a1 = c0 et b1 = b0 .
– Deuxième itération :
a1 + b 1 0, 5 + 1
∗ Calculez le point médian c1 de l’intervalle [a1 , b1 ]: c1 = = =
2 2
0, 75.
∗ Évaluez la fonction f en c1 et déterminez le nouveau sous-intervalle de manière
similaire à la première itération. En effet, on a

f (c1 ) = f (0, 75) = cos(0, 75) − 0, 75 ≈ 0, 249.

Comme f (c1 )f (b1 ) = f (0, 75)f (1) < 0, alors le zéro se trouve dans l’intervalle
[c1 , b1 ], donc a2 = c1 et b2 = b1 .
– Troisième itération :
a2 + b2 0, 75 + 1
∗ Calculez le point médian c2 de l’intervalle [a2 , b2 ] : c2 = = =
2 2
0, 875.
∗ Évaluez la fonction f en c2 et déterminez le nouveau sous-intervalle de manière
similaire à la deuxième itération. En effet, on a

f (c2 ) = f (0, 875) = cos(0, 875) − 0, 875 ≈ 0, 124.

Comme f (c2 )f (b2 ) = f (0, 875)f (1) < 0, alors le zéro se trouve dans l’intervalle
[c2 , b2 ], donc a3 = c2 et b3 = b2 .
Ainsi, θ ∈ [0, 875, 1].

10
 b0 − a0
3 La relation de convergence de la méthode de dichotomie est bn − an = . Dans
2n
notre cas b0 − a0 = 1, car a0 = 0 et b0 = 1.
Nous pouvons écrire l’inégalité pour la précision requise 10−5 comme suit :
1
< 10−5 .
2n
Résolvons cette inégalité pour n :
1 1
n
< 10−5 =⇒ 2n > −5
2 10
=⇒ n ln(2) > ln(105 )
5 ln(10)
=⇒ n >
ln(2)
=⇒ n > 16, 609640.
Ainsi, il faudrait 17 itérations pour obtenir un encadrement de θ à 10−5 près avec la
méthode de dichotomie.
4) La méthode de Newton pour la recherche de la racine θ de f :
– On choisit une valeur initiale x0 (par exemple, x0 = 1 pour commencer).
– La dérivée de f (x) est f ′ (x) = − sin(x) − 1.
f (xn )
– La formule itérative de Newton est donnée par xn+1 = xn − ′ .
f (xn )
Ainsi, la méthode de Newton est donnée par la formule itérative suivante :

x0 = 1

cos(xn ) − xn .
xn+1 = xn +

sin(xn ) + 1
5) Les 4 itérations de la méthode de Newton :

x0 = 1

cos(xn ) − xn .
xn+1 = xn +

sin(xn ) + 1
cos(x0 ) − x0 cos(1) − 1
– Première itération : x1 = x0 + =1+ ≈ 0, 7503.
sin(x0 ) + 1 sin(1) + 1
cos(x1 ) − x1 cos(0, 7503) − 0, 7503
– Deuxième itération : x2 = x1 + = 0, 7503 + ≈
sin(x1 ) + 1 sin(0, 7503) + 1
0, 7391.
cos(x2 ) − x2 cos(0, 7391) − 0, 7391
– Troisième itération : x3 = x2 + = 0, 7391 + ≈
sin(x2 ) + 1 sin(0, 7391) + 1
0.7390.
cos(x3 ) − x3 cos(0.7390) − 0.7390
– Quatrième itération : x4 = x3 + = 0.7390 + ≈
sin(x3 ) + 1 sin(0.7390) + 1
0.7390.
Après la troisième itération, on constate que x3 et x4 sont essentiellement identiques,
ce qui indique une convergence. La valeur x4 est une estimation de la racine θ après 4
itérations.
En général, la précision pourrait être mesurée par |xn+1 − xn |.

11
  
Corrigé du TD n◦ 2 


Module : Analyse numérique Filière : SMA-SMI S4 Année : 2023 − 2024

Exercice 1 : Le polynôme d’interpolation de Lagrange qui interpole la fonction f en (n + 1)

points x0 , x1 , . . . , xn est de degré n et s’écrit :
n
X
Pn (x) = f (xk )Lk (x)
k=0

où Lk (x) est le k-ème polynôme de Lagrange, défini comme :

n
Y x − xj
Lk (x) = .
j=0
x k − x j
j̸=k

Dans notre exemple, déterminons le polynôme d’interpolation P3 (x) de degré 3, qui s’écrit :
3
X
P3 (x) = f (xk )Lk (x)
k=0

avec
(x − x1 )(x − x2 )(x − x3 ) 1
L0 (x) = =− (x − 2)(x − 3)(x − 5)
(x0 − x1 )(x0 − x2 )(x0 − x3 ) 30
(x − x0 )(x − x2 )(x − x3 ) 1
L1 (x) = = x(x − 3)(x − 5)
(x1 − x0 )(x1 − x2 )(x1 − x3 ) 6
(x − x0 )(x − x1 )(x − x3 ) 1
L2 (x) = = − x(x − 2)(x − 5)
(x2 − x0 )(x2 − x1 )(x2 − x3 ) 6
(x − x0 )(x − x1 )(x − x2 ) 1
L3 (x) = = x(x − 2)(x − 3).
(x3 − x0 )(x3 − x1 )(x3 − x2 ) 30

Ainsi

P3 (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x) + f (x3 )L3 (x)
53 253
= x3 − 7x2 + x − 1.
30 30

12
Exercice 2 : Soit f une fonction telle que f (2) = 3, f (3) = 8 et f (10) = 12.
1) La formule générale du polynôme d’interpolation de Lagrange est :
n
X
Pn (x) = f (xk )Lk (x).
k=0

Pour notre cas, nous avons trois points, donc n = 2. Nous avons : x0 = 2, x1 = 3,
x2 = 10. Ainsi, on a :
(x − x1 )(x − x2 ) (x − 3)(x − 10) (x − 3)(x − 10)
L0 (x) = = =
(x0 − x1 )(x0 − x2 ) (2 − 3)(2 − 10) 8
(x − x0 )(x − x2 ) (x − 2)(x − 10) (x − 2)(x − 10)
L1 (x) = = =−
(x1 − x0 )(x1 − x2 ) (3 − 2)(3 − 10) 7
(x − x0 )(x − x1 ) (x − 2)(x − 3) (x − 2)(x − 3)
L2 (x) = = = .
(x2 − x0 )(x2 − x1 ) (10 − 2)(10 − 3) 56
Ensuite, nous substituons ces polynômes de Lagrange dans la formule du polynôme
d’interpolation :

P2 (x) = f (2)L0 (x) + f (3)L1 (x) + f (10)L2 (x)

3(x − 3)(x − 10) 8(x − 2)(x − 10) 12(x − 2)(x − 3)
= − +
8 7 56
31 2 435 289
=− x + x− .
56 56 28
On obtient une approximation de f (6) à partir du polynôme d’interpolation de Lagrange
P2 (x). En effet, calculons P2 (6) :
31 435 289
P2 (6) = − × 36 + ×6− ≈ 16, 3571.
56 56 28

2) Si nous supposons que la valeur de f (10) varie de ε, cela signifie que nous avons maintenant
f (10) = 12 + ε.
Le polynôme d’interpolation reste le même que précédemment, à l’exception de la valeur
de f (10) qui est maintenant f (10) = 12 + ε. Nous avons donc :

P2 (x) = f (2)L0 (x) + f (3)L1 (x) + f (10)L2 (x)

3(x − 3)(x − 10) 8(x − 2)(x − 10) (x − 2)(x − 3)
= − + (12 + ε)
8 7 56
31 2 435 289 ε 2
=− x + x− + (x − 5x + 6)
 56 56
 28
 56 
31 ε 435 5ε 6ε 289
= − + x2 + − x+ − .
56 56 56 56 56 28
ε − 31 2 435 − 5ε 3ε − 289
= x + x+ .
56 56 28
Nous calculons ensuite P2 (6) avec ce nouveau polynôme :
3
P2 (6) ≈ 16, 3571 + ε.
14
3
Ainsi, l’approximation de f (6) varie linéairement en fonction de ε, avec une pente de .
14
13
Exercice 3 :
1) Pour trouver le polynôme de Lagrange qui interpole les trois points (x0 , y0 ) = (−1, e),
(x1 , y1 ) = (0, 1) et (x2 , y2 ) = (1, e), nous utilisons la formule générale du polynôme de
Lagrange donné par :
X2
P2 (x) = f (xk )Lk (x).
k=0

Calculons les fonctions de Lagrange L0 (x), L1 (x), et L2 (x) :

(x − x1 )(x − x2 ) (x − 0)(x − 1) x(x − 1)
L0 (x) = = =
(x0 − x1 )(x0 − x2 ) (−1 − 0)(−1 − 1) 2
(x − x0 )(x − x2 ) (x − (−1))(x − 1)
L1 (x) = = = −(x + 1)(x − 1)
(x1 − x0 )(x1 − x2 ) (0 − (−1))(0 − 1)
(x − x0 )(x − x1 ) (x − (−1))(x − 0) (x + 1)x
L2 (x) = = =
(x2 − x0 )(x2 − x1 ) (1 − (−1))(1 − 0) 2
Maintenant, nous substituons ces valeurs dans la formule du polynôme de Lagrange :
x(x − 1) (x + 1)x
P2 (x) = e − (x + 1)(x − 1) + e
2 2
2
= (e − 1)x + 1.

2) Pour écrire le polynôme de Newton qui interpole les trois points (−1, e), (0, 1), et (1, e),
nous devons utiliser la formule du polynôme de Newton interpolateur. Cette formule est
basée sur les différences divisées.
Les différences divisées sont définies comme suit :
f [x0 ] = f (x0 )
f (x1 ) − f (x0 )
f [x0 , x1 ] =
x1 − x0
f [x1 , x2 ] − f [x0 , x1 ]
f [x0 , x1 , x2 ] =
x2 − x0
Le polynôme de Newton est donné par :
P2 (x) = f [x0 ] + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ).

Pour les points donnés :

(x0 , y0 ) = (−1, e), (x1 , y1 ) = (0, 1), (x2 , y2 ) = (1, e).
Calculons les différences divisées :
f (x1 ) − f (x0 ) 1−e
f [x0 , x1 ] = = =1−e
x1 − x0 0 − (−1)
f (x2 ) − f (x1 ) e−1
f [x1 , x2 ] = = =e−1
x2 − x1 1−0
f [x1 , x2 ] − f [x0 , x1 ] (e − 1) − (1 − e)
f [x0 , x1 , x2 ] = = =e−1
x2 − x0 1 − (−1)
Maintenant, substituons ces valeurs dans la formule du polynôme de Newton :
P2 (x) = e + (1 − e)(x + 1) + (e − 1)(x + 1)x
= (e − 1)x2 + 1.

14
3)a) La formule générale du polynôme d’interpolation de Lagrange en quatre points (−1, e),
(0, 1), (1, e) et (2, 3) est :
3
X
P3 (x) = f (xk )Lk (x).
k=0

Les fonctions de Lagrange correspondantes sont :

(x − x1 )(x − x2 )(x − x3 ) (x − 0)(x − 1)(x − 2) x(x − 1)(x − 2)
L0 (x) = = =−
(x0 − x1 )(x0 − x2 )(x0 − x3 ) (−1 − 0)(−1 − 1)(−1 − 2) 6
(x − x0 )(x − x2 )(x − x3 ) (x − (−1))(x − 1)(x − 2) (x + 1)(x − 1)(x − 2)
L1 (x) = = =
(x1 − x0 )(x1 − x2 )(x1 − x3 ) (0 − (−1))(0 − 1)(0 − 2) 2
(x − x0 )(x − x1 )(x − x3 ) (x − (−1))(x − 0)(x − 2) x(x + 1)(x − 2)
L2 (x) = = =−
(x2 − x0 )(x2 − x1 )(x2 − x3 ) (1 − (−1))(1 − 0)(1 − 2) 2
(x − x0 )(x − x1 )(x − x2 ) (x − (−1))(x − 0)(x − 1) x(x + 1)(x − 1)
L3 (x) = = = .
(x3 − x0 )(x3 − x1 )(x3 − x2 ) (2 − (−1))(2 − 0)(2 − 1) 6
Maintenant, nous substituons ces valeurs dans la formule du polynôme de Lagrange :
x(x − 1)(x − 2) (x + 1)(x − 1)(x − 2) x(x + 1)(x − 2) x(x + 1)(x − 1)
P3 (x) = −e + −e +3
 6
  2  2 6
2 2
= − e + 1 x3 + (e − 1)x2 + e − 1 x + 1.
3 3

3)b) Le polynôme de Newton est donné par :

P3 (x) = f [x0 ]+f [x0 , x1 ](x−x0 )+f [x0 , x1 , x2 ](x−x0 )(x−x1 )+f [x0 , x1 , x2 , x3 ](x−x0 )(x−x1 )(x−x2 ).

Pour les points donnés :

(x0 , y0 ) = (−1, e), (x1 , y1 ) = (0, 1), (x2 , y2 ) = (1, e), (x3 , y3 ) = (2, 3).

Calculons les différences divisées :

f (x1 ) − f (x0 ) 1−e
f [x0 , x1 ] = = =1−e
x1 − x0 0 − (−1)
f (x2 ) − f (x1 ) e−1
f [x1 , x2 ] = = =e−1
x2 − x1 1−0
f [x1 , x2 ] − f [x0 , x1 ] (e − 1) − (1 − e)
f [x0 , x1 , x2 ] = = =e−1
x2 − x0 1 − (−1)
f (x3 ) − f (x2 ) 3−e
f [x2 , x3 ] = = =3−e
x3 − x2 2−1
f [x2 , x3 ] − f [x1 , x2 ] (3 − e) − (e − 1)
f [x1 , x2 , x3 ] = = = 2 − e.
x3 − x1 2−0
f [x1 , x2 , x3 ] − f [x0 , x1 , x2 ] (2 − e) − (e − 1) 3 − 2e
f [x0 , x1 , x2 , x3 ] = = = .
x3 − x0 2 − (−1) 3
Substituons ces valeurs dans la formule du polynôme de Newton, on obtient :
 
2
P3 (x) = e + (1 − e)(x + 1) + (e − 1)(x + 1)x + 1 − e x(x + 1)(x − 1)
3
   
2 2
= 1 − e x3 + (e − 1)x2 + e − 1 x + 1.
3 3

15
 4) L’interpolation de Newton utilise les différences divisées, ce qui réduit la quantité de
calculs nécessaires pour évaluer le polynôme interpolateur, car chaque nouvelle différence
divisée peut être calculée en utilisant les précédentes. En revanche, l’interpolation de
Lagrange nécessite le calcul de plusieurs polynômes de degré variable, ce qui peut être
plus coûteux en termes de calculs.
Exercice 4 :
1) Pour exprimer le polynôme d’interpolation P3 (x) de la fonction f (x) = x4 aux points
x0 = −1, x1 = 0, x2 = 1 et x3 = 2 dans une base de Newton, nous devons utiliser les
différences divisées.
Pour la fonction f (x) = x4 , les valeurs des différences divisées sont :

f [x0 ] = f (x0 ) = (−1)4 = 1

f [x1 ] = f (x1 ) = 04 = 0
f [x2 ] = f (x2 ) = 14 = 1
f [x3 ] = f (x3 ) = 24 = 16
f [x1 ] − f [x0 ] 0−1
f [x0 , x1 ] = = = −1
x1 − x0 0 − (−1)
f [x2 ] − f [x1 ] 1−0
f [x1 , x2 ] = = =1
x2 − x1 1−0
f [x3 ] − f [x2 ] 16 − 1
f [x2 , x3 ] = = = 15
x3 − x2 2−1
f [x1 , x2 ] − f [x0 , x1 ] 1 − (−1)
f [x0 , x1 , x2 ] = = =1
x2 − x0 1 − (−1)
f [x2 , x3 ] − f [x1 , x2 ] 15 − 1
f [x1 , x2 , x3 ] = = =7
x3 − x1 2−0
f [x1 , x2 , x3 ] − f [x0 , x1 , x2 ] 7−1
f [x0 , x1 , x2 , x3 ] = = =2
x3 − x 0 2 − (−1)

Ainsi, le polynôme d’interpolation de Newton est donné par :

P3 (x) = f [x0 ] + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )

+ f [x0 , x1 , x2 , x3 ](x − x0 )(x − x1 )(x − x2 )
= 1 − (x + 1) + x(x + 1) + 2x(x + 1)(x − 1)
= 2x3 + x2 − 2x.

2) Factoriser Q(x) = x4 − P3 (x). En effet, on a

Q(x) = x4 − P3 (x)
= x4 − 2x3 − x2 + 2x
= x(x3 − 2x2 − x + 2)

Comme 1 est une racine du polynôme x3 − 2x2 − x + 2. Alors, par la division euclidienne
et la factorisation d’un polynôme du 2nd degré, on obtient :

x3 − 2x2 − x + 2 = (x − 1)(x2 − x − 2) = (x − 1)(x − 2)(x + 1).

Ainsi, Q(x) = x(x − 1)(x − 2)(x + 1).

16
  
Corrigé du TD n◦ 3 


Module : Analyse numérique Filière : SMA-SMI S4 Année : 2023 − 2024

Exercice 1 : On se donne l’intégrale

Z 1
2
I= ex dx.
−1

On se donne les points {xi }, 0 ≤ i ≤ N de subdivision de l’intervalle [−1, 1] :

2
xi = −1 + ih avec h = .
N
1) La formule composite de la méthode du trapèze consiste à diviser l’intervalle d’intégration
en N sous-intervalles égaux et à appliquer la formule du trapèze sur chaque sous-intervalle.
La formule composite sur [−1, 1] peut être écrite comme suit :
N −1
hX
I ≃ Lh (f ) = (f (xi ) + f (xi+1 ))
2 i=0
−1
N
!
h X
= f (−1) + f (1) + 2 f (xi )
2 i=1

2) Pour trouver une approximation de I en appliquant la méthode du trapèze composée avec

cinq points, il suffit de prendre N = 4 dans la formule composite donnée précédemment,
en effet
3
1X
Lh (f ) = (f (xi ) + f (xi+1 ))
4 i=0
1
= (f (x0 ) + 2f (x1 ) + 2f (x2 ) + 2f (x3 ) + f (x4 ))
4 
1 1 1
= f (−1) + 2f (− ) + 2f (0) + 2f ( ) + f (1)
4 2 2
1  1 1

= e + 2e 4 + 2 + 2e 4 + e
4
1 1

= 2e + 4e 4 + 2
4
1 1 1
= e + e 4 + = 3, 1431663309.
2 2

17
3) Estimation de l’erreur pour la méthode de trapèze : Dans le cas général, supposons que
f est de classe C r+1 sur [a, b], et on a
Z b
f (x)dx − Lh (f ) ≤ Chr+1 , avec C > 0
a

Pour la méthode de trapèze, la formule de quadrature est exacte pour tout polynôme de
degré 1 (r = 1). On suppose que f est de classe C 2 sur [a, b]. Alors, nous avons par
intégration par partie :
Z b N
X −1 Z xi+1
I= f (x)dx = f (x)dx
a i=0 xi
−1
N
( xi+1 Z xi+1 )
X xi+1 + xi xi+1 + xi ′
= (x − )f (x) − (x − )f (x)dx
i=0
2 xi xi 2
N −1  Z xi+1 
X xi+1 − xi xi+1 − xi xi+1 + xi ′
= ( f (xi+1 ) + f (xi+1 )) − (x − )f (x)dx
i=0
2 2 xi 2
N −1 N −1 Z
X xi+1 − xi 1 X xi+1
= (f (xi ) + f (xi+1 )) − (x − 2(xi + xi+1 ))f ′ (x)dx
2 2 i=0 xi
|i=0 {z }
Lh (f )

Ainsi
N −1 Z
1 X xi+1
I − Lh (f ) = − (x − 2(xi + xi+1 ))f ′ (x)dx
2 i=0 xi
 
N −1  Z xi+1
1 X
′ xi+1 ′′

=− [(x − xi )(x − xi+1 )f (x)]xi − (x − xi )(x − xi+1 )f (x)dx
2 i=0 | {z } xi 
=0
N −1 Z xi+1
1 X
= (x − xi )(x − xi+1 )f ′′ (x)dx.
2 i=0 xi

Comme f est de classe C 2 sur [a, b], on pose M = max |f ′′ (x)|.

x∈[a,b]
Aussi, on a (x − xi )(x − xi+1 ) ≤ 0. Donc, on obtient
N −1 Z
M X xi+1
|I − Lh (f )| ≤ |(x − xi )(x − xi+1 )|dx
2 i=0 xi
N −1 Z
M X xi+1
≤ (x − xi )(xi+1 − x)dx
2 i=0 xi
N −1 Z
M X xi+1
≤ (−x2 + x(xi+1 + xi ) − xi xi+1 )dx
2 i=0 xi
N −1
M X x3 x2
≤ [− + (xi+1 + xi ) − xxi xi+1 ]xxi+1
2 i=0 3 2 i

N −1
M X
≤ [−2x3 + 3x2 (xi+1 + xi ) − 6xxi xi+1 ]xxi+1
12 i=0 i

18
 N −1
M X
≤ (−2x3i+1 + 3x3i+1 + 3x2i+1 xi − 6x2i+1 xi + 2x3i − 3x3i − 3x2i xi+1 + 6x2i xi+1 )
12 i=0
N −1
M X 3
≤ (x − 3x2i+1 xi + 3x2i xi+1 − x3i )
12 i=0 i+1
N −1 N −1
M X M X 3 M (b − a)3 M (b − a)3
≤ (xi+1 − xi )3 = h = N =
12 i=0 12 i=0 12 N 3 12N 2

Ainsi, l’erreur quadratique maximal de la méthode de trapèze est donné par :

M (b − a)3
E= 2
avec M = max |f ′′ (x)|.
12N x∈[a,b]

Pour obtenir une précision de 10−2 , nous voulons que E ≤ 10−2 , c’est-à-dire :

M (b − a)3
E= ≤ 10−2
12N 2

102 (b − a)3 M
=⇒ N 2 ≥
r 12
10 (b − a)3 M
2
=⇒ N ≥
12

Pour tout x ∈ [−1, 1], on a f ′′ (x) = (2 + 4x2 )ex . Ainsi, pour déterminer max |f ′′ (x)|, on
2

x∈[−1,1]
pose g(x) = (2 + 4x )e , et étudions la variation de g(x) sur [−1, 1]. En effet, la fonction
2 x2

g est dérivable, et on a :
2
g ′ (x) = (8x3 + 12x)ex pour tout x ∈ [−1, 1].
2
g ′ (x) = 0 ⇐⇒ (8x3 + 12x)ex = 0 ⇐⇒ x = 0.

x −1 0 1
′′
g (x) − | +
6e 6e
g ′ (x) ↘ ↗
2

Ainsi, max |f ′′ (x)| = 6e. Par la suite, on déduit que

x∈[−1,1]

r
102 × 8 × 6e
N≥
√ 12
2
= 10 × 4e
= 32, 974425414.

Par conséquent, pour avoir une précision de 10−2 , il faut avoir N = 33 intervalles.

4) On décompose maintenant l’intervalle d’intégration [a, b] en N sous-intervalles de largeur

b−a h
h = avec N ≥ 1. En introduisant les nœuds de quadrature xi = a + i pour
N 2

19
 i = 0, 1, . . . , 2N (i.e. chaque sous-intervalle [x2i , x2i+2 ] à largeur h et donc x2i+1 est son
point milieu). Ainsi, La formule composite de Simpson s’écrit comme suit :
−1 −1
N N
!
h X X
I ≃ Lh (f ) = f (a) + f (b) + 2 f (x2i ) + 4 f (x2i+1 )
6 i=1 i=0
N −1 N −1    !
h X X 1
= f (a) + f (b) + 2 f (a + ih) + 4 f a+ i+ h .
6 i=1 i=0
2

5) L’approximation de I en appliquant la méthode de Simpson composée avec cinq points

(c’est-à-dire N = 2). Pour a = −1 et b = 1, on a h = 1.
on considère les points
1 1
x0 = a = −1, x1 = − , x2 = 0, x3 = , x4 = b = 1.
2 2
Alors, on a
1 1
!
1 X X
I ≃ Lh (f ) = f (−1) + f (1) + 2 f (x2i ) + 4 f (x2i+1 )
6 i=1 i=0
1
= (f (−1) + f (1) + 2f (x2 ) + 4f (x1 ) + 4f (x3 ))
6    
1 1 1
= f (−1) + f (1) + 2f (0) + 4f − + 4f
6 2 2
1  1 1

= e + e + 2 + 4e 4 + 4e 4
6
= 2, 9514611651.

6) On considère la formule de quadrature dite de Labotto :

Z 1
gi (x)dx ≃ w1 [gi (−1) + gi (1)] + w2 [gi (−a1 ) + gi (a1 )].
−1

a) Pour p(x) = 1, on a Z 1
dx = 2 ≃ 2w1 + 2w2 . (1)
−1

Pour p(x) = x2 , on a Z 1
2
x2 dx = ≃ 2w1 + 2a21 w2 . (2)
−1 3
Pour p(x) = x4 , on a Z 1
2
x4 dx = ≃ 2w1 + 2a41 w2 . (3)
−1 5
En soustrait (1) de (2), on obtient
2
w2 − a21 w2 = . (4)
3
En soustrait (2) de (3), on obtient
2
a21 w2 − a41 w2 = a21 (w2 − a21 w2 ) = . (5)
15

20
 En utilisant (4), on obtient
r
2 2 1
a21 × = =⇒ a1 = ± .
3 15 5
Ainsi, par (4), on déduit
1 2 4 2 5
w2 − w2 = =⇒ w2 = =⇒ w2 = .
5 3 5 3 6
Par (1), on obtient
5 1
w1 = 1 − w2 = 1 − = .
6 6
b) Pour p(x) = x6 , on obtient
Z 1     
6 2 1 5 1 1 26
x dx = ̸= [p(−1) + p(1)] + p √ + p −√ = .
−1 7 6 6 5 5 75

Ainsi, le degré de précision est 5. Aussi, on a

Z b
f (x)dx − Lh (f ) ≤ Ch6
a

avec
Z b N −1
X xi+1 + xi
f (x)dx ≃ Lh (f ) = J(gi )
a i=0
2
N −1      
X xi+1 + xi 1 1
= gi (−1) + gi (1) + 5 gi − √ + gi √
i=0
2 5 5

(xi+1 −xi )(t+1)
 b−a
et gi (t) = f xi + 2
, où h = et xi = x0 + hi = a + hi pour
N
i = 0, 1, . . . , N.

Exercice 2 : On considère la méthode d’approximation :

Z 1
g(t)dt ≈ J(g) = a0 g(a2 ) + a0 g(−a2 ) + a1 g(1) + a1 g(−1).
−1

1) On remarque que cette formule de quadrature est celle de Labotto étudier dans l’exercice
1, avec
1
a1 = w 1 =
6
5
a0 = w 2 =
6
1
a2 = √ .
5

1
2) Appliquons le résultat de 1) à la fonction g(x) = . En effet, on a
1 + x2
Z 1
1 1 π π π
dt = [arctan(t)]−1 = + = .
−1 1 + t2 4 4 2

21
 Donc
Z 1      
π 1 1 1 1 1 5 5 5
= dt ≈ J = + + +
2 −1 1 + t2 1 + t2 6 2 2 6 6 6
1 50 56
≈ + = .
6 36 30
Ainsi
112
π≈ = 3, 111 . . . .
36
3) On souhaite obtenir une approximation de π à l’aide de la formule :
Z 1
4
π= 2
dt.
0 1+t

a) ∗ Méthode composée de trapèze : En général, la formule composite de trapèze

b−a
sur [a, b] avec le pas h = est donnée par
N
N −1
hX
I ≃ Lh (f ) = (f (xi ) + f (xi+1 ))
2 i=0
−1
N
!
h X
= f (a) + f (b) + 2 f (xi ) .
2 i=1

1
Dans ce cas, on prend N = 4, a = 0, b = 1 et h = . Les points xi = a + ih,
4
0 ≤ i ≤ 4 sont donnés tels que
1 1 3
x0 = 0, x1 = , x2 = , x3 = , x4 = 1.
4 2 4
Ainsi
3
1X
Lh (f ) = (f (xi ) + f (xi+1 ))
8 i=0
1
=(f (x0 ) + 2f (x1 ) + 2f (x2 ) + 2f (x3 ) + f (x4 ))
8       
1 1 1 3
= f (0) + 2f + 2f + 2f + f (1)
8 4 2 4
 
1 128 32 128
= 4+ + + +2
8 17 5 25
3 16 36
= + + = 3, 1311764706.
4 17 25
∗ Méthode composée de Simpson : En général, la formule composite de
b−a
Simpson sur [a, b] avec le pas h = est donnée par :
N
N −1    
X xi+1 − xi 1 4 xi + xi+1 1
Lh (f ) = f (xi ) + f + f (xi+1 )
i=0
2 3 3 2 3
N −1    
hX xi + xi+1
= f (xi ) + 4f + f (xi+1 )
6 i=0 2
N −1 N −1  !
h X X xi + xi+1
= f (a) + f (b) + 2 f (xi ) + 4 f .
6 i=1 i=0
2

22
 1
Dans notre cas, on a N = 2, a = 0, b = 1 et h = . Les points xi = a + ih,
2
xi + xi+1
0 ≤ i ≤ 2 et xi = , 0 ≤ i ≤ 1 sont donnés tels que
2
1
x0 = 0, x1 = , x2 = 1.
2
1 3
x0 = , x1 = .
4 4
x
0 0.25 0.5 0.75 1
Ainsi
1
Lh (f ) = (f (x0 ) + f (x2 ) + 2f (x1 ) + 4(f (x0 ) + f (x1 )))
12   
1 32 64 64
= 4+2+ +4 +
12 5 17 25
1 8 896
= + +
2 15 425
= 3, 1415686275.

En conclut, la méthode de Simpson en 5 points est plus précise que la méthode

de trapèze.
b) En général, la méthode de trapèze sur [0, 1] s’écrit comme suit :
−1
N
!
h X
Lh (f ) = f (0) + f (1) + 2 f (xi ) ,
2 i=1

1 i
avec h = et xi = ih = , 0 ≤ i ≤ N − 1.
N N
Ainsi
−1
N
!
h X
Lh (f ) = f (0) + f (1) + 2 f (xi )
2 i=1
 
N −1
1  X 4
= 6 + 2

2
2N i

i=1 1+
N2
N −1
3 X 4N
= + 2 + i2
.
N i=1
N

Ce qui implique que α = 3 et β = 4.

Exercice 3 : Partie I : On se propose de comparer deux méthodes de calcul approché de
l’intégrale impropre : Z +∞
dx
I= .
0 1 + x4
1) Dans la première méthode, on écrit I = I1 + I2 avec
Z 1 Z +∞
dx dx
I1 = 4
et I2 = .
0 1+x 1 1 + x4

23
 1 1
a) Posons t = , alors dt = − 2 dx, et
x x
( (
x = +∞, t = 0,
=⇒
x=1 t = 1.

Donc
Z +∞
dx
I2 =
1 1 + x4
Z 0 2 Z 1
t dt t2
=− 4
= 4
dt.
1 1+t 0 1+t

Ainsi
1 1 1
x2 1 + x2
Z Z Z
dx
I= + dx = dx.
0 1 + x4 0 1 + x4 0 1 + x4
b) ∗ La méthode de trapèze avec 3 points de l’intervalle [0, 1]. On prend N = 2,
1
a = 0, b = 1 et h = . Les points xi = a + ih, 0 ≤ i ≤ 2 sont donnés tels que
2
1
x0 = 0, x1 = , x2 = 1.
2
Ainsi
1
1X
Lh (f ) = (f (xi ) + f (xi+1 ))
4 i=0
1
= (f (x0 ) + 2f (x1 ) + f (x2 ))
4   
1 1
= f (0) + 2f + f (1)
4 2
 
1 40
= 1+ +1
4 17
37
= ≈ 1, 0882352941.
34
∗ La méthode de trapèze avec 5 points de l’intervalle [0, 1]. On prend N = 4,
1
a = 0, b = 1 et h = . Les points xi = a + ih, 0 ≤ i ≤ 4 sont donnés tels que
4
1 1 3
x0 = 0, x1 = , x2 = , x3 = , x4 = 1.
4 2 4
Ainsi
3
1X
Lh (f ) = (f (xi ) + f (xi+1 ))
8 i=0
1
= (f (x0 ) + 2f (x1 ) + 2f (x2 ) + 2f (x3 ) + f (x4 ))
8       
1 1 1 3
= f (0) + 2f + 2f + 2f + f (1)
8 4 2 4
 
1 544 40 800
= 1+ + + +1
8 257 17 337
≈ 1, 1054449918.

24
 2) Dans la deuxième méthode, on approxime I par :
Z 10
dx
J= .
0 1 + x4
a) On a
Z +∞ Z 10
dx dx
I −J = 4
−
1+x 1 + x4
Z0 +∞ Z0 0
dx dx
= +
1 + x4 10 1 + x
4
Z0 +∞
dx
= .
10 1 + x4
Donc +∞
Z +∞ 
dx 1 1 1
|I − J| ≤ 4
= − 3 = .
10 x 3 x 10 3000
b) ∗ La méthode de Simpson avec 3 points de l’intervalle [0, 10]. Dans ce cas, on
prend N = 1, a = 0, b = 10 et h = 10. Les points xi = a + ih, 0 ≤ i ≤ 1 et
xi + xi+1
xi = pour i = 0 sont donnés tels que
2
x0 = 0, x1 = 10.
10
x0 = = 5.
2
Ainsi
h
Lh (f ) = (f (x0 ) + 4f (x0 ) + f (x1 ))
6
10
= (f (0) + 4f (5) + f (10))
6  
10 4 1
= 1+ +
6 626 10001
≈ 1, 6774829439.

∗ La méthode de Simpson avec 5 points de l’intervalle [0, 10]. Dans ce cas, on

10
prend N = 2, a = 0, b = 10 et h = = 5. Les points xi = a + ih, 0 ≤ i ≤ 2 et
2
xi + xi+1
xi = , 0 ≤ i ≤ 1 sont donnés tels que
2
x0 = 0, x1 = 5, x2 = 10.
5 15
x0 = , x1 = .
2 2
Par conséquent
5
Lh (f ) = (f (x0 ) + f (x2 ) + 2f (x1 ) + 4(f (x0 ) + f (x1 )))
6  
5 1 2 16 16
= 1+ + +4 +
6 10001 626 641 50641
≈ 0, 9203355583.

Partie II : Regarder la solution de la question 6) a) Exercice 1.

25