1ere année CI : GSMI

Réalisé par :

Elmarzouki abdessamad

Boutayeb youness
 INTRODUCTION

Dans ce travail, nous allons nous intéresser à l'approximation numérique d'intégrales de

fonctions à une variable. L'objectif est de calculer une valeur approchée de l'intégrale d'une
fonction sur un intervalle donné, en utilisant des méthodes d'approximation d'intégrale comme
la méthode des trapèzes, la méthode du point milieu et la méthode de Simpson.

Ces méthodes d'approximation d'intégrale sont basées sur la discrétisation de

l'intervalle d'intégration en un nombre fini de sous-intervalles, sur lesquels une approximation
de la fonction est calculée à l'aide de formules d'interpolation. Ensuite, l'intégrale sur l'intervalle
initial est approximée par la somme des intégrales sur chaque sous-intervalle.

Cependant, ces méthodes d'approximation ne fournissent qu'une estimation de

l'intégrale, et il est important de pouvoir quantifier l'erreur commise par rapport à la valeur
exacte de l'intégrale. Nous allons donc également nous intéresser à la programmation d'une
gestion d'erreur pour chacune de ces méthodes.

Nous allons appliquer ces méthodes à plusieurs exemples pour illustrer leur utilisation
et comparer leur précision et leur rapidité d'exécution.

1
 1- Formule des trapèzes
a-définition :
La méthode des trapèzes est une méthode d'approximation d'intégrale qui consiste à
approcher la courbe d'une fonction par une série de trapèzes et à calculer l'aire sous cette série de
trapèzes pour obtenir une approximation de l'intégrale de la fonction.

L'idée est de diviser l'intervalle d'intégration en un nombre fini de sous-intervalles de même

taille, et d'approximer la fonction sur chaque sous-intervalle par une droite reliant les deux
extrémités de l'intervalle. L'aire de chaque trapèze ainsi formé est alors calculée et sommée pour
obtenir une estimation de l'intégrale sur l'intervalle initial.

Cette méthode est relativement simple à implémenter et donne des résultats satisfaisants
pour des fonctions relativement régulières. Cependant, elle peut être sensible aux variations
brusques de la fonction et peut nécessiter un nombre élevé de sous-intervalles pour atteindre une
précision suffisante.

b-programme :

c-test de programme :

2
 d-résultat de programme :

2- Formule du point milieu

a-définition :
La méthode du point milieu est une méthode d'approximation d'intégrale qui consiste à
approximer la fonction par une courbe constante sur chaque sous-intervalle de l'intervalle
d'intégration, et à calculer l'aire sous ces courbes constantes pour obtenir une approximation de
l'intégrale.

Pour chaque sous-intervalle, la méthode consiste à prendre le point milieu de l'intervalle

comme point d'évaluation de la fonction, et à approximer la fonction par sa valeur en ce point. L'aire
sous la courbe constante ainsi obtenue est alors calculée et sommée pour obtenir une estimation de
l'intégrale sur l'intervalle initial.

Cette méthode est également simple à implémenter et est souvent plus précise que la
méthode des trapèzes pour des fonctions qui varient rapidement. Elle a également l'avantage de
nécessiter un nombre plus faible de sous-intervalles pour atteindre une précision donnée, ce qui la
rend plus rapide en général.

b-programme :

3
 c-test de programme :

d-résultat de programme :

3- Formule de Simpson
a-définition :
La méthode de Simpson est une méthode d'approximation d'intégrale qui consiste à
approximer la courbe d'une fonction sur chaque sous-intervalle par une parabole, et à calculer l'aire
sous cette parabole pour obtenir une approximation de l'intégrale.

Pour chaque sous-intervalle, la méthode consiste à prendre trois points d'évaluation de la

fonction : les deux extrémités de l'intervalle et le point milieu. En utilisant ces trois points, une
parabole est alors ajustée à la courbe de la fonction sur l'intervalle, et l'aire sous cette parabole est
calculée à l'aide d'une formule d'intégration analytique. L'aire sous les paraboles ainsi obtenues est
alors sommée pour obtenir une estimation de l'intégrale sur l'intervalle initial.

Cette méthode est plus précise que les méthodes des trapèzes et du point milieu pour des
fonctions relativement régulières, mais peut-être moins précise pour des fonctions qui varient
rapidement. Elle nécessite également un nombre plus élevé de points d'évaluation de la fonction par
sous-intervalle, ce qui peut la rendre plus lente en général.

4
b-programme :

c-test de programme :

d-résultat de programme :

5
 4- Formule de Runge-Kutta
a-définition :
La méthode de Runge-Kutta est une méthode numérique pour résoudre des équations
différentielles ordinaires (EDO). Elle est utilisée pour approximer la solution d'une EDO, c'est-à-dire
une fonction qui décrit l'évolution d'un phénomène au fil du temps en fonction d'une variable
indépendante. Cette méthode est plus précise que les méthodes d'Euler, qui sont basées sur une
approximation linéaire de la solution.

La méthode de Runge-Kutta fonctionne en discrétisant l'intervalle de temps en un certain

nombre de pas, et en calculant la solution de l'EDO à chaque pas. Elle utilise une combinaison de
coefficients pour estimer la solution à chaque pas, en fonction de la valeur de la solution au pas
précédent et de la pente de la courbe à ce point. Plus précisément, elle calcule plusieurs pentes à
différents points de l'intervalle de temps, ce qui permet d'approximer la solution sur chaque pas avec
une meilleure précision que les méthodes plus simples.

La méthode de Runge-Kutta est très couramment utilisée en pratique pour résoudre une
grande variété d'équations différentielles, car elle offre un compromis entre la précision et la
complexité. Il existe plusieurs variantes de la méthode de Runge-Kutta, avec différents ordres de
précision et différents coefficients, selon la complexité et la précision souhaitées. La méthode de
Runge-Kutta d'ordre 4 est une des méthodes les plus couramment utilisées.

b-programme :

6
c-test de programme :

d-résultat de programme :