Vous êtes sur la page 1sur 9

´

´

UNIVERSIT E D’ ETAT D’HAITI

´

FACULT E DES SCIENCES

Cours sur Int´egration Num´erique pr´epar´e par:

Jean-Marie Vilaire

1. Integration´

Numerique´

L’int´egrale r´esoud le probl`eme de calculer l’aire sous une courbe d’une fonction positive d´efinie dans un intervalle ferm´e. Le calcul e´ementaire des fonctions d’une varible r´eelle donne une m´ethode ´el´egante de calculer l’int´egrale d’une fonction. Le th´eoreme fondamental de calcul nous dit que le probl`eme de chercher l’int´egrale d’une fonction continue se r´eduit `a chercher une deuxi`eme fonction dont la d´eriv´ee est la fonction donn´ee. Cepandant, le probl`eme de trouver une primitive d’une fonction peut r´esulter tr`es difficile, et mˆeme impossible dans certains cas. De fait, il existe des fonctions ´el´ementaires c-`a-d des fonctions qui sont combinaisons alg´ebriques de fonctions trigonom´etriques, logarithmiques et ses inverses dont les primitives sont impossibles de calculer (par exemple e x 2 ). Pour cette raison, il est important d’´etudier des m´ethodes num´eriques permettant d’approximer la valeur d’une int´egrale. On sait d´eja que la d´efinition de l’int´egrale de Riemann donne une m´ethode d’approximation num´erique: les sommes de Riemann. Cependant sa convergence est tr`es lente et ne r´esulte pas utile pour obtenir les r´esultats pratiques. Les m´ethodes num´eriques que nous allons voir consistent `a remplacer la fonction donn´ee par une autre fonction qui l’approxime et l’int´egrale cherch´ee sera l’int´egrale de la fonction d’approximation. Nous verrons en premier lieu les r´esultats qui s’obtiennent en approximant la fonction par un polynˆome interpolateur. Soit f une fonction int´egrable dans [a, b] on se propose d’approximer

I(f) =

a

b

f (x)w(x)dx.

O`u w(x) est un poids. Remarquons que si g approxime f dans [a, b] il est d’esp´erer que

I(g) =

a

b

g(x)w(x)dx I(f ) =

a

Rappelons que le polynˆome qui interpole f en x 0 , x 1 ,

, x n est

b

p n (x) =

n

i=0

1

f(x i )L i (x).

f (x)w(x)dx.

Maintenant prenons

Q n (f) = I(p n ) =

a

b

p n (x)w(x)dx

=

a

n

b


=

i=0

n

i=0

f(x i )L i (x)w(x)dx

f(x i )

a

b

L i (x)w(x)dx

n


=

i=0

f(x i )A i .

Les points x i son appel´es les noeuds et les A i les poids de l’int´egration num´erique. Les poids A i d´ependent seulement des noeuds x i de la fonction poids w(x) et de l’intervalle [a, b]. Une fois calcul´es nous les utilisons pour approximer l’int´egrale de n’importe quelle fonction f.

Remarque 1.1. Si f est un polynˆome de degr´e n alors l’interpolation en n+1 points est exacte, la formule qu’on obtient pour approximer l’int´egrale sera exacte pour les ploynˆomes de degr´e n. Il r´esulte naturel se demander si le processus converge si on augmente le nombre de noeuds vers infini. Le th´eor`eme suivant nous donne une condition pour qu’on ait convergence.

Th´eor`eme 1.2. Soit f C([a, b]) et pour n donn´e on d´efinit

o`u les A

(n)

j

sont donn´es par

S’il existe une constante K telle que

alors

Q n (f) =

n

j=0

A

(n)

j

f(x

(n)

j

)

A

(n)

j

=

a

b

L j (x)w(x)dx.

n

j=0

|A

(n)

j

| ≤ K,

n

n Q n (f) = I(f).

lim

Avant de prouver le Th´eor`eme 1.2 nous avons besoin d’´enoncer sans preuve le th´eor`eme suivant

Th´eor`eme 1.3 (Weierstrass). Soit f C[a, b]. Pour tout ε > 0 il existe un polynˆome P tel que

||f P || < ε.

On dit que les polynˆomes sont denses dans C([a, b]) soit (Π = C([a, b]), o`u Π = {polynˆomes}).

Preuve du Th´eor`eme 1.2. D’apres le th´eor`eme de Weierstrass, pour tout ε > 0 il existe un polynˆome q N ∈ P N (N d´epend de ε) tel que

axb |f(x) q N (x)| = ||f q N || < ε.

max

Nous savons que Q n est exacte pour les polynˆomes de degr´e inf´erieur ou ´egal a n, alors on a Q n (q N ) = I(q N ) pour tout n > N. On obtient

|I(f) Q n (f)| = |I(f) I(q N ) + Q n (q N ) Q n (f)| ≤ |I(f) I(q N )| + |Q n (q N ) Q n (f)|.

Maintenant si on appelle c =

a

b

w(x)dx, on a

|I(f) I(q N )| =

a

b

w(x)(f (x) q N (x))dx ≤ ||f q N ||

a

b

w(x)dx < c ε

et

|Q n (q N ) Q n (f)| =

n

j=0

A

(n)

j

(q N (x j ) f(x j ))

||f q N ||

n

j=0

|A

(n)

j

| < Kε.

Nous avons d´emontr´e que pour tout ε > 0 il existe N tel que si n > N,

|I(f) Q n (f )| < (c + K)ε.

L’implication r´eciproque du th´eor`eme ant´erieur est aussi vraie.

Th´eor`eme 1.4. Avec les notations ant´erieures, si lim n Q n (f ) = I(f ) alors il existe une constante K telle que

Observons que

n

j=0

|A

(n)

j

| ≤ K,

n.

Q n (1) =

a

b

w(x)dx

puisque l’approximation est exacte pour les polynˆomes. Comme w(x) > 0 nous avons

0 < I(1) =

a

b

w(x)dx = Q n (1) =

n

j=0

A

(n)

j

.

Alors si les poids A j sont positifs nous avons

K =

a

b

w(x)dx =

n

j=0

|A

(n)

j

|,

et donc les hypoth`eses du th´eor`eme sont satisfaites et ses approximations convergent pour toute fonction continue.

Maintenant voyons comment changer un intervalle d’int´egration. sp´ecifique par exemple [1, 1], essayons de le transformer en [a, b].

Si nous avons les poids A i pour un intervalle

1

Supposons alors que Q n (g) est une approximation pour 1 g(x)dx et supposons que f est d´efinie sur [a, b]. Avec le

changement de variables x = αt + β, avec α = (b a)/2, β = (a + b)/2 on obtient

a

b

1

f (x)dx = 1 f (αt + β)αdt

en prenant g(t) = αf (αt + β) nous pouvons approximer avec les poids A i , c-`a-d

approxime

Q n (g) =

n

j=0

αA j f (αt j + β)

a

b

1

f (x)dx = 1 g(t)dt.

Dans [a, b] l’approximation s’´ecrit

o`u

Q n (f) =

n

j=0

b a

2

A j f(x j ),

x j = b a t j + b + a

2

2

.

2. Formules Simples de Newton-Cotes

Probablement le choix le plus naturel des x i est de les prendre ´equidistants dans [a, b]. Soit h = (b a)/n et

, n. Une formule d’approximation bas´ee en ces points est connue sous le nom de Newton-Cotes

, n 1 la formule d’approximation prend le nom de

x i = a + ih, i = 0, 1,

ferm´ee et si les points sont pris comme y i = a + ih, i = 1, 2, Newton-Cotes ouverte (on exclut les extr´emit´es de l’intervalle). Les formules pour deux et trois points respectivement sont:

R`egle des Trap`ezes

T(f) = b a (f (a) + f (b)).

2

R`egle de Simpson

S(f) = b a (f (a) + 4f ((a + b)/2) + f (b)).

6

3. Estimation d’erreur

Nous savons que si p n interpole f alors l’erreur commise est donn´ee par

e n (x) = f(x) p n (x) = f (n+1) (ξ) Π n+1 (x).

(n + 1)!

Alors on peut exprimer l’erreur comme suit

et on peut borner

I(f) Q n (f) =

a

b (f p n )(x)w(x)dx =

a

|I(f) Q n (f)| ≤ ||f (n (n+1) + 1)! ||

a

b

b

f

(n+1) (ξ)

(n + 1)!

Π n+1 (x)w(x)dx.

Π n+1 (x)w(x)dx.

Rappelons si g(x), h(x) sont continues sur [a, b] et si g ne change pas de signe, alors

a

b

g(x)h(x)dx = h(η)

a

b

g(x)dx, η (a, b).

Nous pouvons utiliser ceci pour borner l’erreur pour la r`egle des trap`ezes.

I(f) T(f) = f (η)

2

a

b

(x

a)(x b)dx = f (η) (b a) 3 .

12

L’erreur dans la formule de Simpson est plus difficile d’analyser car Π n+1 (x) change de signe dans [a, b]. Soient x 0 = a, x 1 = (a + b)/2, x 2 = b. On d´efinit le polynˆome cubique auxilaire p 3 (x) comme celui qui v´erifie

p 3 (x 0 ) = f(x 0 );

p 3 (x 1 ) = f(x 1 );

p 3 (x 2 ) = f(x 2 );

p 3 (x 1 ) = f (x 1 ).

Il est facile de voir qu’un tel polynˆome existe. Remarquons que S(f ) = S(p 3 ) car p 3 interpole f en x 0 , x 1 , x 2 . En plus, comme la r`egle de Simpson est exacte pour les polynˆomes de degr´e 3, nous avons S(p 3 ) = I(p 3 ) et donc

I(f) S(f) = I(f) S(p 3 ) = I(f) I(p 3 ).

Pour donner une borne pour I(f ) S(f ) nous avons besoin de borner f (x) p 3 (x). Fixons x

= x i ,

d´efinissons φ(t) pour t [a, b] par

φ(t) = f(t) p 3 (t) (f(x) p 3 (x))

(t x 0 )(t x 1 ) 2 (t x 2 )

(x x 0 )(x x 1 ) 2 (x x 2 ) .

i = 0, 1, 2 et

Il est clair que x 0 , x 1 , x 2 , x sont z´eros de φ. Par le th´eor`eme de Rolle φ a au moins 3 z´eros dans (a, b) qui se trouvent entre les z´eros de φ. Par construction, φ (x 1 ) = 0, en cons´equence φ a au moins 4 z´eros. Si f est C 4 on trouve qu’il existe ξ (a, b) tel que φ (iv) (ξ) = 0 et donc

f(x) p 3 (x) = f (iv) 4! (ξ) (x x 0 )(x x 1 ) 2 (x x 2 ).

Comme la fonction (x x 0 )(x x 1 ) 2 (x x 2 ) ne change pas de signe dans (a, b) nous pouvons obtenir

I(f) I(p 3 ) =

a

b

f (iv) (ξ)

4!

(x

x 0 )(x x 1 ) 2 (x x 2 )dx.

Ou encore par le th´eor`eme des valeurs interm´ediaires

Alors

Et donc

I(f) I(p 3 ) = f (iv) 4! (η)

a

b

(x

x 0 )(x x 1 ) 2 (x x 2 )dx.

a

b

(x x 0 )(x x 1 ) 2 (x x 2 )dx = (4(b 15 a)/2) 5

.

I(f) S(f) = I(f) I(p 3 ) = (4(b a)/2) 5

15

f (iv) (η)

4!

.

4. Formules de quadrature composees´

Si nous voulons augmenter la pr´ecision nous pouvons augmenter le nombre de points `a partir de l’intervalle en petits sous-intervalles et dans chacun de ces intervalles appliquer une approximation avec peu de points. Maintenant nous ´etudierons ce dernier proc´ed´e connu sous le nom de formules de quadrature compos´ees ou “formule composite”.

Divisons l’intervalle [a, b] en sous-intervalles en choisissant a = x 0 < x 1 <

< x N = b. Donc on a

Maintenant dans chaque

I(f) =

a

b

f (x)w(x)dx =

N1

j=0

x

x

j

j+1

x

x j+1

j

f (x)w(x)dx

f (x)w(x)dx.

faisons une approximation simple, par exemple (Trap`ezes ou Simpson). Dans ce qui suit w 1 et les points x i sont ´equidistants (x j = a + jh, h = (b a)/N ).

Si nous consid´erons la r`egle des trap`ezes dans chaque intervalle, la borne de l’erreur que nous avons est

x

x

j

j+1

f

(x)dx = h (f(x j ) + f(x j+1 )) f (η j ) h 3 .

2

12

Donc la quadrature compos´ee en utilisant les trap`ezes est donn´ee par

T N (f) =

N

j=0

h

2

(f(x j ) + f(x j+1 )).

L’erreur I(f ) T N (f ) est la somme des erreurs dans chaque intervalle et donc

I(f) T N (f) =

N1

j=0

f (η j )

12

h 3 .

Lemme 4.1. Sot g C[a, b] et soient a j constantes de mˆeme signe. Si t j [a, b], alors on a

N1

j=0

a j g(t j ) = g(η)

N1

j=0

a j ,

η [a, b].

Preuve. Soient m = min g(x), M = max g(x) dans [a, b]. Sans perte de g´en´eralit´e on peut supposer que les a i sont positifs

Soit

m

N1

j=0

a j

N1

j=0

g(t j )a j M

G(x) = g(x)

N1

j=0

a j ,

N1

j=0

a j .

il es clair que G est continue sur [a, b] et donc par le th´eor`eme des valeurs interm´ediaires, il existe η [a, b] tel que

c-`a-d

G(η) =

N1

j=0

a j g(t j ),

g(η)

N1

j=0

a j =

N1

j=0

a j g(t j ).

Si on utilise ce lemme dans l’expression qu’on a obtenu pour l’erreur on obtient

I(f) T N (f) =

N1

j=0

(η j ) h 3 = f (η)

f

12

12

N1

j=0

h 3 = f (η)

12

h 2 (b a).

De la mˆeme fa¸con, pour la regle de Simpson on a

x

x j+1

j

f (x)dx = h (f(x j ) + 4f ((x j + x j+1 )/2) + f (x j+1 )) f (iv) (η j )

6

90

h

2

5

.

En sommant dans chaque intervalle on obtient la formule compos´ee de Simpson

S N (f) = h

6

  f(x 0 ) + f(x N ) + 2

N1

j=1

f(x j ) + 4

N1

j=1

f ((x j + x j+1 )/2)   .

En sommant les erreurs dans chaque intervalle et en utilisant le lemme ant´erieur on obtient

I(f) S N (f) = f (iv) (η)

180

h

2

4

(b a).

Maintenant remarquons que pour approximer les int´egrales multiples

Q f (x, y) dxdy

il suffit d’appliquer la r`egle de Fubini

Q f (x, y) dxdy =

a

b

ψ(x)

φ(x)

f (x, y) dydx,

et calculer les int´egrales it´er´ees par les proc´ed´es ant´erieurs.

5. Extrapolation de Richardson & Methode´

de Romberg

5.1. Extrapolation de Richardson. Maintenant nous verrons un truc astucieux de Richardson. Supposons que que l’on veuille approximer une quantit´e a 0 par A(h) et que lim h0 A(h) = a 0 , et en plus

a 0 = A(h) +

m

i=k

a i h i + C m (h)h m+1

o`u C m (h) est une fonction de h et les a i son ind´ependants de h et a k = 0.

L’id´ee de Richardson consiste `a calculer deux approximations diff´erentes A(h 1 ) et A(h 2 ) et apr`es les combiner pour ´eliminer le terme h k et obtenir de cette fa¸con une meilleure approximation (pour h petit) de a 0 . Usuellement, cette combinaison se fait en choisissant h 1 = h, h 2 = rh avec 0 < r < 1 (une valeur naturelle serait r = 1/2). En ce faisant, on obtient

a 0 = A(h) +

m

i=k

a i h i + C m (h)h m+1 = A(rh) +

m

i=k

a i (rh) i + C m (rh)(rh) m+1 .

En multipliant la premi`ere ´equation par r k et en restant on obtient

Alors si on pose

on obtient

C-`a-d,

a 0 r k a 0 = A(rh) r k A(h) +

m

i=k+1

a i (r i r k )h i + (C m (rh)r m+1 C m (h)r k )h m+1 .

b i = a i (r i r k )/(1 r k ) et = (C m (rh)r m+1

C

m

C m (h)r k )/(1 r k )

a 0 = A(rh) r k A(h)

1

r k

+

m

i=k+1

b i h i +

C

m

h m+1 .

B(h) = A(rh) r k A(h)

1 r k

,

est une approximation de a 0 avec une erreur d’ordre h k+1 au lieu de h k . Notons que pour calculer B(h) `a partir de A(h) on a pas besoin de connaˆıtre ni les a i ni les C m (h) seulement il nous faut k. Cette id´ee peut se g´en´eraliser facilement. Soit A 0,m = A(r m h), le processus ant´erieur avec A 0,m et A o,m+1 donne

et en g´en´eral,

A 1,m

= A 0,m+1 r k A 0,m

1 r k

A i+1,m = A i,m+1 r k+i A i,m

1

r k+i

.

5.2. Int´egration de Romberg. Avec cette id´ee faisons l’int´egration de Romberg. La chose est de faire ce processus pour les approximations de l’int´egrale calcule´es en utilisant la r`egle compos´ee des trap`ezes T N (g). Il est naturel de choisir h = (b a)/N, r = 1/2. Alors on d´efinit

o`u g i = g(x i ),

x i = a + hi.

T 0,m = b a

2

m

1

2 g 0 + g 1 +

+ g s1 +

1

2

g s ,

Il est possible de voir que l’erreur contient seulement les puissances de h, en cons´equence

ou en g´en´eral,

T 1,m = T 0,m+1 1/4T 0,m

1 1/4

T i,m = T i1,m+1 (1/4) i T i1,m

1 (1/4) i

.

6. Quadrature Gaussienne

Maintenant pensons que les poids sont variables et ne sont pas connus. Pour que les formules d’int´egration soient exactes pour les polynˆomes nous devons avoir

a

b

x k w(x)dx =

N

j=0

A j x k ,

0 k 2N + 1

ceci est un syst`eme non lin´eaire avec 2N + 2 ´equation et 2N + 2 inconnus. Gauss a pu d´emontrer que ce syst`eme a une solution unique quand w 1 et l’intervalle est [1, 1]. Soient q j les polynˆomes orthogonaux en consid´erant le produit scalaire ou produit interne.

< f, g >=

a

b

f (x)g(x)w(x)dx

et p j les orthonomaux. Le th´eor`eme suivant localise les z´eros de p n .

Th´eor`eme 6.1. Les z´eros de p n sont r´eels et appartiennent `a (a, b).

Preuve. Fixons n 1 et supposons qu’aucun z´ero n’appartient pas `a (a, b). Alors p n est de signe constant dans (a, b). Sans perte de g´en´eralit´e p n (x) > 0 dans (a, b). par l’othogonalit´e de p n et q 0 = 1 nous avons

0 =< p n , 1 >=

a

b

p n (x)w(x)dx > 0

ce qui est absurde et donc p n a au moins un z´ero dans (a, b), soit x 0 . S’il existe un z´ero multiple de p n alors (x x 0 ) 2 |p n et donc r(x) = p n (x)/(x x 0 ) 2 est un polynˆome de degr´e n 2 et par suite

0 =< p n , r >=

a

b

p n (x)r(x)w(x)dx =

a

b

p n (x)/(x x 0 ) 2 w(x)dx > 0,

2

ce qui r´esulte une contradiction. Et donc tous les z´eros de p n sont simples. Nous venons de prouver qu’il y a au moins un z´ero de p n dans (a, b). Soient x 0 , x 1 , (a, b), avec k < n 1. Comme les z´eros de p n sont simples alors le polynˆome

, x k les z´eros qui tombent dans

(x x 0 ) 2 (x x 1 ) 2

(x x k ) 2 |p n (x)(x x 0 )(x x 1 )

(x

x k ).

Soit r(x) = p n (x)/(x x 0 )(x x 1 ) dans (a, b) et comme

(x

x k ) le polynˆome de degr´e n k 1. r est de signe constant (supposons > 0)

0 =< p n , (xx 0 )(xx 1 )

(xx

k ) >=

a

b

p n (x)((xx 0 )(xx 1 )

(xx

k ))w(x)dx =

a

b

r(x)(xx 0 ) 2 (xx 1 ) 2

(xx k ) 2 > 0,

ce qui est encore une contradiction. Et donc tous les z´eros de p n tombent dans (a, b).

Maintenant nous d´emontrerons le th´eor`eme basique des quadratures de Gauss.

Th´eor`eme 6.2. La formule

a

b

p(x)w(x)dx =

N

j=0

A j p(x j ),

0 k 2N + 1,

est valable pour n’importe quel polynˆome de degr´e inf´erieur ou ´egal `a 2n + 1 si et seulement si les points x j sont les z´eros de p n+1 .

Preuve. Soit p(x) ∈ P 2n+1 et supposons que p n+1 (x j ) = 0, j = 0,

, n.

De l’algorithme de la division euclidienne il existe S(x), R(x) ∈ P n tels que

p(x) = p n+1 (x)S(x) + R(x).

Par d´efinition des poids A j , comme deg R n on a I(R) = Q n (R). Alors

I(p) =

a

b

p(x)w(x)dx =

a

b

p n+1 (x)S(x)w(x)dx +

a

b

R(x)w(xdx)

=< p n+1 , S > +I(R) = 0 + Q n (R) =

n

j=0

A j R(x j ) =

n

j=0

A j p(x j ) = Q n (p).

Maintenant supposons que les x j est un ensemble de points distints et que

a

b

p(x)w(x)dx =

N

j=0

A j p(x j )

n

pour tout p ∈ P 2n+1 . Soit k un entier et r k un polynˆome de degr´e inf´erieur ou ´egal `a k. Soit Π(x) = j=0 (x x j ) et p(x) := r k (x)Π(x). Il est clair que p ∈ P 2n+1 , pour notre hypothese I(p) = Q n (p), en cons´equence

< r k , Π >=

a

b

r k (x)Π(x)w(x)dx =

a

b

p(x)w(x)dx =

n

j=0

A j p(x j ) =

n

j=0

A j r k (x j )Π(x j ) = 0,

car Π s’annule en x j . alors Π(x) est un polynˆome monique de degr´e n + 1 qui est orthogonal `a tout polynˆome de degr´e

n, en cons´equence Π(x) = q n+1 (x) et donc les x j sont z´eros de p n+1 .

n

Corollaire 6.3. Soit Q n (f) = j=0 A j f(x j ) la quadrature Gaussienne, alors

n Q n (f) = I(f).

lim

Preuve. Par d´efinition des L k (x) chaque (L k ) 2 ∈ P 2n et donc I(L 2 k ) = Q n (L k 2 ) et par suite, comme L k (x j ) = δ kj ,

0 <

a

b

L 2 k (x)w(x)dx =

n

j=0

A j (L k (x j )) 2 = A k .

C-`a-d, pour la quadrature de Gauss tous les poids sont positifs.

References

[1] Rappaz, J. et Picasso, M., Introduction `a l’analyse num´erique. Presses polytechniques et Universitaires Romandes, Lausanne, Suisse,

1998.

[2] Fortin, A., Analyse num´erique pour ing´enieurs. Editions de l’´ecole Polytechnique de Montr´eal, Montr´eal, Canada, 1995. [3] El Jai, A., El´ements d’analyse num´erique. Collection Etudes, Presse Universitaire de Perpignan, 2003.