I NTERPOLATION , INTÉGRATION

ET DÉRIVATION NUMÉRIQUE

Objectifs
A la fin de la séquence d’enseignement l’élève doit pouvoir
• estimer l’intégrale d’une fonction ou de sa représentation par un ensemble discret de points à l’aide de la
méthode des rectangles gauche, des rectangles droit, de la méthode du point milieu et de la méthode des
trapèzes
• comparer les méthodes en fonction de leur vitesse de convergence.

Table des matières

1 Interpolation et approximation de fonctions 2
1.1 Interpolation polynomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Interpolation par morceaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Interpolation par morceaux de degrés 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 Interpolation linéaire par morceaux (degré 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3 Interpolation quadratique par morceaux (degré 2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.4 Autres méthodes par morceaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.5 Choix du degré du polynôme d’interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Approximation polynomiale par moindres carrés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Intégration numérique 5
2.1 Principe, degré et ordre de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Méthodes d’intégration composée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.1 Méthode des rectangles (degré 0) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.2 Méthode point milieu (degré 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.3 Méthode trapèze (degré 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.4 Méthode de Simpson (degré 2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.5 Autres méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Dérivation numérique 8
3.1 Dérivée première . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1.1 Méthode à 1 pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1.2 Méthode à 2 pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Dérivée seconde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Influence du bruit de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI G ERMAIN G ONDOR
1. I NTERPOLATION ET APPROXIMATION DE FONCTIONS 2/11

1 Interpolation et approximation de fonctions

D ÉFINITION : Interpolation
Méthode qui consiste à déterminer une fonction (dans un ensemble donné), passant par un certain nombre de
points imposés.
L’interpolation est utile lorsqu’une loi est donnée à partir d’une liste de points et qu’il est nécessaire d’évaluer le résultat en
des points intermédiaires. Nous verrons par la suite que les fonctions d’interpolations sont aussi à la base de l’intégration et
de la dérivation numérique.

D ÉFINITION : Approximation
Méthode qui consiste à déterminer une fonction passant "au mieux" à proximité des points donnés.

Une approximation est utile lorsque une loi théorique est recherchée à partir de points de mesure (nombreux, mais entachés
de bruit de mesure).

1.1 Interpolation polynomiale

D ÉFINITION : Interpolation polynomiale

Interpolation où la fonction est recherchée dans l’ensemble des polynômes.

En exprimant le polynôme dans une base, par exemple dans la base canonique (1, x, x2 , . . . , xn−1 ) (mais ce n’est pas le seul
choix possible) :

P(x) = a0 + a1 .x + a2 .x2 + · · · + an−1 .xn−1

L’opération consiste à déterminer les n composantes ai du polynôme passant par les points imposés. Chaque point de passage
constituant une condition scalaire sur les coefficients, il existe une solution unique si la dimension n de la base correspond
au nombre de points.

Les composantes ai sont solutions du système de n équations, pour n points imposés (xi , yi ) :

yi = a0 + a1 .xi + a2 .xi2 + · · · + an−1 .xin−1 avec i ∈ ~1..n

La base polynomiale de Lagrange est plus pratique pour l’expression directe du polynôme interpolant à partir des points,
mais s’avère plus lourde à évaluer pour l’ordinateur. Le polynôme interpolant n points, s’écrit directement dans la base de
Lagrange sous la forme :
n n
X Y x − xj
P(x) = yi .
i=1 j=1& j,i
xi − x j

E XEMPLE : Pour 3 points {(x1 , y1 ), (x2 , y2 ), (x3 , y3 )}, le polynôme interpolant s’écrit :
(x − x2 ).(x − x3 ) (x − x1 ).(x − x3 ) (x − x1 ).(x − x2 )
P(x) = y1 . + y2 . + y3 .
(x1 − x2 ).(x1 − x3 ) (x2 − x1 ).(x2 − x3 ) (x3 − x1 ).(x3 − x2 )
L’expression se simplifie pour chaque (xi , yi ), ce qui permet de vérifier que le polynôme P passe bien par les points.

L’interpolation polynomiale n’est cependant pas idéale dès que le nombre de point augmente : le polynôme interpolant peut
alors présenter des oscillations entre les points (phénomène de Runge, F IG 12). L’interpolation peut alors être localement
très éloignée des points. Il est souvent plus adapté d’interpoler par morceaux.

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
1. I NTERPOLATION ET APPROXIMATION DE FONCTIONS 3/11

1.2 Interpolation par morceaux

Pour éviter les oscillations sur certaines fonctions, il est plus satisfaisant de réaliser une interpolation polynomiale de faible
degré mais par morceaux.

F IGURE 1 – Interpolation de degré 0. F IGURE 2 – Interpolation de degré 1. F IGURE 3 – Interpolation de degré 2.

1.2.1 Interpolation par morceaux de degrés 0

Il s’agit de considérer qu’entre deux points, la valeur de la fonction vaut une constante, égale à la valeur du point précédent,
du point suivant ou encore égale à la moyenne des valeurs des points encadrant.

Cette interpolation est très rudimentaire mais elle peut être suffisante si le nombre de point est très important.

La fonction interpolante n’est pas continue bien entendu.

1.2.2 Interpolation linéaire par morceaux (degré 1)

Une loi affine (a.x + b) est adoptée entre deux points successifs, passant évidement par les deux points :
yi+1 − yi
∀x ∈ [xi , xi+1 ], y = yi + (x − xi ).
xi+1 − xi
La fonction obtenue est continue mais sa dérivée ne l’est pas.

1.2.3 Interpolation quadratique par morceaux (degré 2)

Une loi parabolique (a.x2 + b.x + c) est adoptée sur chaque intervalle regroupant 3 points successifs, passant par les 3 points.

La fonction obtenue est continue mais sa dérivée ne l’est pas car elle présente des discontinuités de la pente entre chaque
portion de parabole. L’interpolation spline résout ce problème et assure une continuité C1 .
1.2.4 Autres méthodes par morceaux

1.2.5 Choix du degré du polynôme d’interpolation

Pour limiter les oscillations (phénomène de Runge), nous avons déjà indiqué qu’il faut éviter les polynômes de degrés trop
élevés (F IG 12). Par ailleurs, la qualité de la courbe devient très pauvre pour des degrés trop faibles, ce qui pousse à utiliser
préférentiellement les degrés 1, 2 ou 3.

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
1. I NTERPOLATION ET APPROXIMATION DE FONCTIONS 4/11

Il existe bien d’autres méthodes pour interpoler un ensemble de points, pour une
fonction ou plus généralement pour une courbe du plan, ou encore pour des surfaces,
des champs scalaires ou vectoriels (plans ou volumiques).

Pour les courbes dans le plan, citons l’interpolation d’Hermite cubique, qui est
une interpolation de degrés 3 par morceau assurant la continuité de la dérivée aux
extrémités des morceaux, ou encore les splines cubiques, qui est une interpolation
cubique (degrés 3) par morceaux avec des conditions de continuité des deux premières
dérivées aux extrémités des morceaux, ce qui conduit à une fonction de classe C2 .

De même, les courbes de Bezier permettent d’interpoler des courbes ou des surfaces
par des expressions polynomiales.
F IGURE 4 – Interpolation à l’aide
d’une cerce en menuiserie
On retrouve alors un équivalent des cerces (F IG 4) utilisées en menuiserie, carrosse-
rie. . .

Néanmoins, soulignons que ce choix dépend aussi de la régularité de la courbe à interpoler car le choix d’un degré 2 ou
3 suppose une continuité de la dérivée sur la courbe d’origine. Si la courbe présente des discontinuités ou des ruptures de
pentes, le degré 1 est à privilégier.

F IGURE 5 – Interpolations d’ordres 0, 1 et 2 pour une sinusoïde (fonction régulière) et un signal carré (fonction discontinue).

La F IG 5 montre l’interpolation par morceaux d’un signal sinusoïdal (C∞ ) et d’un signal carré (discontinu). Le choix d’un
degré 2 est bien approprié pour la première courbe mais pas pour la seconde !

1.3 Approximation polynomiale par moindres carrés

Dans le cas de l’approximation polynomiale, on cherche à minimiser la distance (en norme 2) entre un polynôme de degré
m et les n points imposés (xi , yi )n1 .
n
1X
Si P(x) = a0 + a1 .x + · · · + am .xm alors Err (a0 , . . . , am ) = (P(xi ) − yi )2
2 i=1

Minimiser Err suivant les paramètres (a j )mj=0 , revient à résoudre le système suivant :

 ∂Err
   
 
0

 ∂a0
   
n   ∂P(x ) X n 
 .. ..
   X 
i j
 .  =  . P(xi ) − yi . = P(xi ) − yi .xi = 0
   ⇒ ∀ j ∈ ~0, m
 ∂a j
 ∂Err
    i=1 i=1
  
0 
∂am
 

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
2. I NTÉGRATION NUMÉRIQUE 5/11

La minimisation de D revient alors à résoudre le système suivant:

 xi .xi . . . xim .xi0   a0 
 0 0     0 
 x 
n
. .   .  X  .i 
n
 . . .. ..  .  .  = yi .  ..  ⇒ a = M −1 .b
X  
 .   .  si M est inversible.
i=1  0 m  i=1  m 
xi .xi . . . xim .xim
 
am x
| {z } | {z } | {z i }
M a b

2 Intégration numérique

2.1 Principe, degré et ordre de la méthode

L’intégration numérique (ou quadrature) consiste à intégrer (de façon approchée) une fonction sur un intervalle borné [a, b],
c’est-à dire calculer l’aire sous la courbe représentant la fonction, à partir d’un calcul ou d’une mesure en un nombre fini n
de points.

La répartition des points en abscisse est généralement uniforme (échantillonnage à pas constant h = b − a
n ) mais il existe
des méthodes à pas variable, ou encore à pas adaptatif.

L’intégration des polynômes étant très simple, l’opération consiste généralement à construire une interpolation polynomiale
(de degré plus ou moins élevé) par morceaux (intégration composée) puis d’intégrer le polynôme sur chaque morceau.

Les méthodes de quadrature élémentaires composées sont de la forme:

Z b n−1 Z xi+1 n−1 m
X b − a XX
f (x).dx = f (x).dx ≈ . ω j . f (λ(i, j)) = I( f, n, m)
a i=0 xi
n i=0 j=0
m
b−a X
avec xi = a + i. ; λ(i, j) ∈ [xi , xi+1 ] et ωj = 1
n j=0

D ÉFINITION : Méthode de degré N

Méthode pour laquelle la formule approchée est exacte pour tout polynôme de degré au plus N et inexacte pour
au moins un polynôme de degré N + 1.
Si on appelle Err ( f, n, N) la différence entre la solution exacte de l’intégrale et sa valeur approchée par une méthode d’ordre
N sur n segments
Z b Z b n−1 m
b − a XX
Err ( f, n, N) = f (x).dx − I( f, n, m) = f (x).dx − . ω j . f (λ(i, j))
a a n i=0 j=0

alors on peut montrer, moyennant une régularité suffisante de f , qu’il existe K ∈ R tel que : Err ( f, n, N) ≤ K . Une
nN+1
méthode de degré N est donc d’ordre au moins N + 1.

La précision de l’intégration numérique peut ainsi s’améliorer en augmentant le nombre de points n (en diminuant le pas
d’échantillonnage h) ou en augmentant le degré de l’interpolation polynomiale (sous réserve de bonnes propriétés de conti-
nuité de la courbe).

2.2 Méthodes d’intégration composée

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
2. I NTÉGRATION NUMÉRIQUE 6/11

2.2.1 Méthode des rectangles (degré 0)

L’intégration la plus simple est celle de degré 0 où le polynôme interpolateur sur chaque segment est une constante (m = 0
et ω0 = 1) prise soit à gauche, soit à droite de l’intervalle d’intégration. L’intégrale est donc approchée par des rectangles
pour calculer l’aire sous la courbe :
b n−1
sup f 0
Z
b−a X K
f (x).dx ≈ . f (λ(i, 0)) ⇒ Err ( f, n, 0) ≤ avec K= . |b − a|2
a n i=0 n 2

2.2.1.1 Rectangles à gauche (degré 0) 2.2.1.2 Rectangles à droite (degré 0)

Dans le cas de la formule des rectangles à gauche, on pose Dans le cas de la formule des rectangles à droite, on pose
λ(i, 0) = xi : λ(i, 0) = xi+1 :
Z b n−1 n−1 Z b n−1 n−1
b−a X b−a X b−a X b−a X
f (x).dx ≈ . f (xi ) = . yi f (x).dx ≈ . f (xi+1 ) = . yi+1
a n i=0 n i=0 a n i=0 n i=0

2.2.2 Méthode point milieu (degré 1)

La méthode du point milieu consiste à considérer la fonction interpolante constante sur chaque intervalle [xi , xi+1 ] et égale
à la valeur prise par le point au milieu de l’intervalle λ(i, 0) = xi +2xi+1 (F IG 6). La valeur approchée de l’intégrale s’écrit
alors :
n−1
b − a X  xi + xi+1  K sup f 00
I( f, n, 0) = . f ⇒ Err ( f, n, 0) ≤ 2 avec K = . |b − a|3
n i=0 2 n 24
La méthode est d’ordre 3. En effet, la méthode du point milieu est exacte pour les polynômes de degré 1.

f (x)
yi

yi+1

xi xi+1

F IGURE 6 – Intégration au point milieu. F IGURE 7 – Méthode point milieu - degré 1

2.2.3 Méthode trapèze (degré 1)

La méthode du trapèze s’appuie sur une interpolation linéaire entre chaque point (F IG 8). La valeur approchée de l’intégrale

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
2. I NTÉGRATION NUMÉRIQUE 7/11

s’écrit alors :
n−1 1
b − a XX 1
I( f, n, 1) = . ω j . f (λ(i, j)) avec ω0 = ω1 = et λ(i, 0) = xi ; λ(i, 1) = xi+1
n i=0 j=0 2
   
n−1 n−1
b − a X yi + yi+1 b − a  y0 + yn X  K sup f 00
= . = .  +  yi  ⇒ Err ( f, n, 1) ≤ avec K= . |b − a|3
n i=0 2 n  2 i=2 n2 12

F IGURE 8 – Intégration par la méthode trapèze. F IGURE 9 – Intégration par la méthode de Simpson.

Cette expression est à nouveau similaire au calcul approché réalisé au paragraphe précédent. La méthode du point milieu est
au final plus précise que celle des trapèzes.
2.2.4 Méthode de Simpson (degré 2)

La méthode de Simpson s’appuie sur une interpolation quadratique (a.x2 + b.x + c) sur chaque intervalle [xi , xi+1 ] : (F IG 9).
Z b n−1 2
b − a XX
f (x).dx ≈ . ω j . f (λ(i, j)) = I( f, n, 2)
a n i=0 j=0

xi + xi+1
avec λ(i, 0) = xi ; λ(i, 1) = xi+ 1 = et λ(i, 2) = xi+1
2 2
En appliquant une translation de l’intervalle [xi , xi+1 ] sur l’intervalle [0, h], l’interpolation s’écrit :
yi
2.yi + 2.yi+1 − 4.yi+ 1
 
yi+1
= =
  2
y c a

 

i
h2


 


 
4.yi+ 1 − yi+1 − 3.yi
 
h2 + b. h + c

 

1 = a. ⇒ =
  2
 y i+ 2 4 2
 b


 

 h


 

 yi+ 1
 yi+1 = a.h2 + b.h + c  c = yi 2


 


0 h
L’intégrale sur [0, h] vaut alors :
" 3 #h
x2 h3 h2
Z h !
x
(a.x + b.x + c).dx = a. + b. + c = a. + b. + c.h
2
0 3 2 0 3 2
(4 − 9 + 6) .yi + (−8 + 12) .yi+ 1 + (4 − 3) .yi+1 h  
= h. 2
= . yi + 4.yi+ 1 + yi+1
6 6 2

1 2
d’où ω0 = ω2 = et ω1 = La méthode est de degré 3 et d’ordre 4. En effet :
6 3
I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
3. D ÉRIVATION NUMÉRIQUE 8/11

b − a X yi + 4.yi+ 12 + yi+1 sup f (4)

Z b n−1
K
f (x).dx ≈ . ⇒ Err ( f, n, 2) ≤ 4
avec K= . |b − a|5
a n i=0 6 n 180

L’interpolation de Simpson est plus précise que l’interpolation trapèze lorsque la fonction à intégrer est raisonnablement
continue. Elle se justifie beaucoup moins lorsque la fonction présente des discontinuités.

Lors d’une intégration "temps réel", elle introduit par ailleurs un décalage temporel de 2.h (pour éviter yi+ 1 . . . ) qui est sou-
2
vent plus pénalisant que l’erreur d’intégration.

2.2.5 Autres méthodes

Méthode de m degré poids points

Boole-Villarceau 4 5 7 ; ω = ω = 16 ; ω = 2
ω0 = ω4 = 90 1 3 λ(i, j) = xi + j. xi+14− xi
45 2 15
Weddle-Hardy 6 7 41 ; ω = ω = 9 ; ω = ω = 9 ; ω = 34
ω0 = ω6 = 840 1 5 λ(i, j) = xi + j. xi+1 − xi
35 2 4 280 3 105 6
Voir aussi les méthodes de Newton-Cotes.

3 Dérivation numérique
La dérivation numérique consiste à dériver (de façon approchée) une fonction sur un intervalle borné [a, b], c’est-à dire cal-
culer la pente de la courbe représentant la fonction, à partir d’un calcul ou d’une mesure en un nombre fini de points.

La répartition des points en abscisse est généralement uniforme (pas d’échantillonnage constant h) mais il existe des mé-
thodes à pas variable, ou encore à pas adaptatif.

La dérivation des polynômes étant très simple, l’opération consiste généralement à construire une interpolation polynomiale
par morceaux (de degré plus ou moins élevé) puis de dériver le polynôme sur chaque morceau.

La précision de l’intégration numérique peut s’améliorer en augmentant le nombre de points n (en diminuant le pas d’échan-
tillonnage h) ou en augmentant le degré de l’interpolation polynomiale (sous réserve de bonnes propriétés de continuité de
la courbe).

3.1 Dérivée première

3.1.1 Méthode à 1 pas

L’estimation de la dérivée la plus simple consiste à calculer la pente à partir du point courant et du point précédent ou suivant
(F IG 10). L’estimation de la dérivée au point i peut alors se calculer par :

1
• différence avant : Di = (yi+1 − yi ) (pente de la droite ∆+ ),
h
1
• différence arrière : Di = (yi − yi−1 ) (pente de la droite ∆− ),
h
Évidement, lorsqu’il s’agit de dériver une fonction temporelle "en temps réel", le point suivant n’est pas encore connu donc
seule la différence arrière peut être calculée.

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
3. D ÉRIVATION NUMÉRIQUE 9/11

F IGURE 10 – Dérivation à 1 pas. F IGURE 11 – Dérivation à 2 pas.

Notons aussi que le calcul de la dérivée à partir de n points, conduit à un tableau de valeur de dimension n − 1.

3.1.2 Méthode à 2 pas

Une méthode à 2 pas consiste à utiliser 3 points pour une meilleure estimation de la dérivée (F IG 11).

Sur un intervalle [xi , xi+2 ] de longueur H = 2.h, la courbe est interpolée par un polynôme d’ordre 2 : y = ai .x2 + bi .x + ci .
Les coefficients ai , bi et ci ont déjà été calculés au paragraphe 2.2.4 en fonction des yi . Il suffit de dériver le polynôme
respectivement en xi , xi+1 et xi+2 pour obtenir respectivement les différences avant en xi , centrée en xi+1 et arrière en xi+2 .

Après translation des abscisses, il s’agit en réalité de dériver en 0, H

2 = h et H = 2.h :
• différence avant :
4.yi+1 − yi+2 − 3.yi
Di = bi = (pente de la droite ∆+ )
2.h
• différence centrée :
2.yi + 2.yi+2 − 4.yi+1 4.yi+1 − yi+2 − 3.yi
Di+1 = 2.ai .h + bi = 2. 2
.h +
4.h 2.h
yi+2 − yi
= (pente de la droite ∆)
2.h
• différence arrière :
2.yi + 2.yi+2 − 4.yi+1 4.yi+1 − yi+2 − 3.yi
Di+2 = 2.ai .2.h + bi = 4. 2
.h +
4.h 2.h
yi − 4.yi+1 + 3.yi+2
= (pente de la droite ∆− )
2.h
Il faut noter que la différence centrée est aussi simple à calculer que dans le cas d’une méthode à 1 pas, et correspond à
la pente entre les deux points de part et d’autre du point courant. La précision étant d’ordre 2, elle constitue un très bon
compromis.

Évidement, lorsqu’il s’agit de dériver une fonction temporelle "en temps réel", le ou les points suivants ne sont pas encore
connus donc seule la différence arrière peut être calculée.

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
3. D ÉRIVATION NUMÉRIQUE 10/11

3.2 Dérivée seconde

Pour dériver deux fois une courbe donnée par une liste de points, le premier réflexe consiste à appliquer deux fois une dérivée
simple (par une méthode à 1 ou 2 pas).

Il est cependant plus rapide de calculer directement la dérivée seconde à partir du polynôme d’interpolation, qui doit bien
évidement être au moins de degré 2 pour obtenir un résultat non nul.

En utilisant une méthode à 2 pas, le polynôme d’interpolation s’écrit y = a.x2 + b.x + c. Les coefficients a, b et c ont déjà été
calculés au paragraphe 2.2.4 en fonction des yi , ce qui conduit à une dérivée seconde constante sur tout l’intervalle [xi , xi+2 ] :
2.yi + 2.yi+2 − 4.yi+1 yi + yi+2 − 2.yi+1
f ”(x) = 2.a = 2. 2
=
H h2
Selon si cette valeur de la dérivée seconde est adoptée en i, i + 1 ou i + 2, il s’agit de la différence seconde avant, centrée ou
arrière. On peut montrer que cela revient à calculer deux dérivées simples à 1 pas.

3.3 Influence du bruit de mesure

Lorsque la courbe est issue d’une mesure, elle est généralement entachée d’un léger bruit, qui peut devenir catastrophique
pour l’évaluation de la dérivée (F IG 14).

En effet, si les points de mesure restent "en moyenne" au voisinage de la valeur mesurée, il existe des fluctuations rapides
(c’est-à-dire à la fréquence d’échantillonnage) entre les points successifs (voir zoom de la F IG 14).

Le calcul de la dérivée conduit à déterminer la pente entre deux points successifs, ce qui perturbe fortement le signal dérivé
et cache les évolutions lentes du signal (lentes devant la période d’échantillonnage).

Deux solutions sont possibles :

• filtrer (ou lisser) le signal d’origine pour supprimer l’essentiel du bruit, puis dériver,
• calculer la dérivée sur un temps plus long que le temps d’échantillonnage, par exemple pour une méthode à 1 pas en
calculant la pente entre deux points espacés de k pas (solution adoptée pour ẋL (t) sur la F IG 14, avec k = 10).

Dans les deux cas, le signal dérivé sera entaché d’un retard sur le signal d’origine, ce qui oblige à trouver un compromis entre
la qualité du signal dérivé et le retard. k est généralement de l’ordre de 5 à 20 pas selon le bruit, le pas d’échantillonnage, les
fréquences à observer dans le signal et le retard admissible.

Pour un lissage par moyenne mobile, on peut montrer que les deux méthodes s’avèrent identiques.

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE
3. D ÉRIVATION NUMÉRIQUE 11/11

Ap p rox a ve c P(x) d e d e g ré 3 Ap p rox a ve c P(x) d e d e g ré 5

1 .0 1 .0
n= 3 n= 5
2 .0 2 .0
0 .8 0 .8
1 .5 1 .5
0 .6 0 .6
1 .0 1 .0
0 .4 0 .4
0 .5 0 .5
0 .2 0 .2
0 .0 0 .0
0 .0 0 .0
− 0 .5 − 0 .5
− 0 .2 − 0 .2
− 1 .0 − 1 .0
−6 −4 −2 0 2 4 6 −6 −4 −2 0 2 4 6
−6 −4 −2 0 2 4 6 −6 −4 −2 0 2 4 6 Ap p rox a ve c P(x) d e d e g ré 1 0 Ap p rox a ve c P(x) d e d e g ré 2 0
1 .0 1 .0
n= 10 n= 20
2 .0 2 .0
0 .8 0 .8
1 .5 1 .5
0 .6
1 .0 1 .0 0 .6
0 .4
0 .5 0 .5 0 .4
0 .2
0 .0 0 .0
0 .0 0 .2
− 0 .5 − 0 .5
− 0 .2 0 .0
− 1 .0 − 1 .0
−6 −4 −2 0 2 4 6 −6 −4 −2 0 2 4 6
−6 −4 −2 0 2 4 6 −6 −4 −2 0 2 4 6

F IGURE 12 – Interpolation lagrangienne de degré n, n ∈

F IGURE 13 – Approximation avec un polynôme de
{3, 5, 10, 20}, de la fonction f (x) = 2 1 . degré n, n ∈ {3, 5, 10, 20}, de la fonction f (x) =
x +1
1 discrétisée en 40 points.
x2 + 1

F IGURE 14 – Mesure d’une position au cours du temps x(t) par un capteur potentiométrique, dérivée à 1 pas ẋ(t) et dérivée
à 1 pas lissée en effectuant la différence sur 10 pas.

I NTERPOLATION , INTÉGRATION
LYCÉE C ARNOT (D IJON ) SIM-NUM-Q UADRATURE MPSI & PCSI
ET DÉRIVATION NUMÉRIQUE