AnumII-Ch4 IntNum

INTEGRATION NUMERIQUE
NDONG NGUEMA E.-P.

Laboratoire de Mathématiques et Analyse des Systèmes
Ecole Polytechnique, B.P. 8390 Yaoundé (CAMEROUN)
9 septembre 2018
∗∗∗ Objectif.
Une problématique couramment rencontrée dans les applications est la suivante :
Calculer une valeur approchée, avec une précision satisfaisante, d’une intégrale définie
∫ b
I = f (x) dx, avec f : [ a, b ] −→ IR, continue, et a < b,
a
calcul à effectuer dans les conditions suivantes :

 (i) il est difficile de calculer une primitive F de f sur [ a, b ] (et donc on ne peut pas utiliser
la formule de Leibniz I = F (b) − F (a) pour calculer la valeur exacte de I) ;

(ii) mais, par contre, on sait calculer f (x) pour tout réel x ∈ Df (même par algorithme).
Toute méthode pour calculer une approximation numérique Ie de la valeur de l’intégrale I est appelée
« méthode d’intégration numérique » ou « quadrature (d’intégration numérique) ».
L’objectif de ce document est de présenter les bases mathématiques pour construire ce genre de
méthode, puis étudier ses propriétés (notamment ce à quoi il faudrait s’attendre pour la précision de
son approximation de l’intégrale) : c’est la problématique de l’Intégration numérique.
• • Pré-requis
Conçu pour servir de support pour le Chapitre « Intégration numérique » du Cours d’Analyse numérique de
2ème Année de l’Ecole Polytechnique de Yaoundé, ce document s’adresse, en conséquence aux personnes ayant
suivi les enseignements de 1ère Année en :
1. Analyse Réelle, avec les parties relatives aux fonctions de IR −→ IR (jusqu’à la notation « f = O(φ) »
et la Formule de Taylor-Lagrange) et aux propriétés de base des intégrales définies au sens de Riemann ;
2. Algèbre Linéaire : espaces vectoriels, sous-espaces vectoriels, bases, dimension, systèmes linéaires (et leur
représentation matricielle).
Cependant, seraient aussi très utiles des connaissances en :
1. Approximation numérique des fonctions de IR −→ IR, le polynôme d’interpolation de La-
grange, notamment sa forme de Lagrange ;
2. Algorithmique et Programmation informatique de base, si on veut appliquer concrètement les
méthodes présentées dans ce document pour calculer des valeurs approchées d’intégrales définies données.
Avoir quelques idées sur les erreurs d’arrondi et leur propagation dans les calculs par ordinateur n’est pas
indispensable pour la compréhension du contenu de ce document, mais représenterait un plus, comme partout
ailleurs en Analyse numérique, pour la compréhension des résulats issus de la programmation effective par
ordinateur des méthodes numériques et algorithmes présentés.
Précisons néanmoins que, tout au long du document, des rappels synthétiques encadrés, sur certains des
pré-requis ci-dessus, sont donnés juste avant l’endroit du texte où ils sont utilisés pour la 1ère fois. Quitte au
lecteur/lectrice à aller consulter des documents spécialisés (y compris, éventuellement, ceux de l’auteur, dont ces
rappels sont, en fait, tirés) pour en savoir (ou se ressourcer) davantage.
Rappels de base : Polynômes de IR, espace IRn [x], polynôme d’interpolation de Lagrange
Comme on le verra d’entrée, et comme dans beaucoup de domaines de l’approximation numérique, les poly-
nômes, l’espace des polynômes de degré 6 n et le polynôme d’interpolation de Lagrange jouent un rôle décisif
dans la construction des méthodes d’intégration numérique. Il est alors primordial de bien se souvenir de quoi il
- 1 -
- 2 -
s’agit avant de lire la suite de ce document. Ainsi, à toutes fins utiles, avant d’entrer dans le vif du sujet, nous
effectuons les brefs rappels suivants, tous extraits des chapitres précédents de ce Cours d’Analyse numérique.
Mais avant, rappelons que nous notons : IR, l’ensemble des nombres réels ; IR+ , l’ensemble des nombres réels
> 0 ; IR∗+ , l’ensemble des nombres réels > 0 ; IN, l’ensemble des entiers > 0 ; IN∗ , l’ensemble des entiers > 1.
∗∗∗ Rappel n◦ 1 (Polynôme dans IR)

1. Une fonction polynôme à coefficients dans IR est toute fonction P : IR −→ IR vérifiant :
/ ∑
n
∃ n ∈ IN et a0 , · · · , an ∈ IR ∀ x ∈ IR, P (x) = an xn + an−1 xn−1 + · · · + a1 x + a0 = ak xk .
k=0
2. On dit aussi polynôme à coefficients dans IR ou fonction polynôme dans IR ou polynôme
dans IR ou polynôme de IR ou polynôme de IR en la variable x.
3. Ainsi, un polynôme en la variable x est une combinaison linéaire (finie) de fonctions de la forme
fk (x) = xk , avec k ∈ IN, i.e. des fonctions puissances entières naturelles de x.
4. A n fixé, les constantes a0 , · · · , an ∈ IR sont uniques et caractérisent le polynôme P :
ce sont les coefficients du polynôme P .
5. Si au moins un des coefficients ak est non nul, alors le degré du polynôme P est l’entier naturel k0
égal au plus grand des indices k tels que ak ̸= 0. On pose ainsi : deg(P ) = k0 .
6. Si a0 = . . . = an = 0, i.e. P est le polynôme nul sur IR, alors on pose : deg(P ) = −∞.
∗∗∗ Rappel n◦ 2 (L’espace des polynômes IR[x])

Nous notons IR[x], l’ensemble des polynômes à coefficients réels. C’est un IR-espace vectoriel de
dimension infinie et aussi un anneau commutatif, unitaire et intègre.
∗∗∗ Rappel n◦ 3 (L’espace de polynômes IRn [x], pour n ∈ IN fixé)

Pour tout n ∈ IN, nous notons IRn [x], l’ensemble des polynômes à coefficients réels et de degré 6 n.
C’est un sous-espace vectoriel IR[x], et, plus précisément, un IR-espace vectoriel de dimension n + 1.
Par contre, il est utile de rappeler que l’ensemble des polynômes à coefficients réels et de degré
exactement égal à n n’est pas un espace vectoriel , car (par exemple) la somme de 2 polynômes de
degré égal à n n’est pas forcément un polynôme de degré égal à n.
∗∗∗ Rappel n◦ 4 (Base canonique et bases de Taylor du IR-espace vectoriel IRn [x])
Pour un entier n ∈ IN fixé, IRn [x] est donc l’ensemble des fonctions IR −→ IR vérifiant :
/ ∑
n
∃ a0 , · · · , an ∈ IR ∀ x ∈ IR, P (x) = an x + an−1 x
n n−1
+ · · · + a1 x + a0 = ak xk .
k=0
1. Ainsi :
1.1. IRn [x] est l’ensemble des fonctions de IR −→ IR qui peuvent s’écrire comme combinaison linéaire
des n + 1 fonctions puissances entières 1, x, x2 , · · · , xn .
1.2. De ce fait, ces dernières forment une famille génératrice du IR-espace vectoriel IRn [x]. Comme,
de plus, cette famille est clairement libre, alors Bnc = (1, x, x2 , · · · , xn ) est une base de IRn [x],
appelée base canonique de IRn [x].
2. Mais si on fixe un nombre réel x0 arbitraire, alors :
2.1. On vérifie que la famille de n + 1 fonctions Bn;x
T
0
= (1, x − x0 , (x − x0 )2 , · · · , (x − x0 )n ) est
aussi une base de IRn [x], appelée base de Taylor (non réduite) de IRn [x] centrée en x0 .
2.2. Par conséquent, (1, x0 − x, (x0 − x)2 , · · · , (x0 − x)n ) est aussi une base de IRn [x].
2.3. Notons que la base canonique de IRn [x] est égale à sa base de Taylor pour x0 = 0.
2.4. Si, en 2.1. ci-dessus, on divise chaque polynôme (x − x0 )k par k ! (la factorielle de l’entier k),
on obtient la base de Taylor réduite de IRn [x] centrée en x0 .
INTEGRATION NUMERIQUE (ND/NG, 9 septembre 2018) - 3 -
∗∗∗ Rappel n◦ 5 (Polynômes ℓ0 , · · · , ℓn et bases de Lagrange de IRn [x])

Si x0 , · · · , xn sont n + 1 réels distincts donnés (avec n ∈ IN), alors :
1. Il existe une unique famille de n + 1 polynômes ℓ0 , · · · , ℓn ∈ IRn [x] vérifiant :
∀ i, j ∈ [ 0 (1) n ], ℓi (xj ) = δij , i.e. ℓi (xj ) = 1 si i = j, et ℓi (xj ) = 0 si i ̸= j.
∏
n
x − xj
2. ∀ i ∈ [ 0 (1) n ], le polynôme ℓi est donné sur IR par : ∀ x ∈ IR, ℓi (x) = .
xi − xj
j =0
j ̸= i
3. La famille BxL0 ,··· ,xn = (ℓ0 , · · · , ℓn ) est une base de IRn [x], appelée base de Lagrange de IRn [x]
relativement aux n + 1 réels distincts x0 , · · · , xn .
4. ∀ P ∈ IRn [x], les coordonnées du polynôme P dans la base BxL0 ,··· ,xn sont P (x0 ) , · · · , P (xn ), i.e. les
valeurs prises par P en x0 , · · · , xn . Autrement dit, on a :
∑
n
∀ P ∈ IRn [x], ∀ x ∈ IR, P (x) = P (x0 ) · ℓ0 (x) + · · · + P (xn ) · ℓn (x) = P (xi ) · ℓi (x). (0.a)
i=0
∗∗∗ Rappel n◦ 6 (Polynôme d’interpolation de Lagrange, et notation pLx0 ,··· ,xn f )

Soient une fonction f : [ a, b ] −→ IR, et n + 1 réels distincts x0 , · · · , xn ∈ Df (avec n ∈ IN).
1. Il existe un unique polynôme de degré 6 n qui prend les mêmes valeurs que f en chacun des n + 1
nombres réels x0 , · · · , xn . On l’appelle polynôme d’interpolation de Lagrange de la fonction
f , relativement aux n + 1 points x0 , · · · , xn . Nous le notons : pLx0 ,··· ,xn f .
2. Comme conséquence de (0.a), la forme de Lagrange de pLx0 ,··· ,xn f est donnée par :
∑
n
∀ x ∈ IR, (pLx0 ,··· ,xn f )(x) = f (x0 ) · ℓ0 (x) + · · · + f (xn ) · ℓn (x) = f (xi ) · ℓi (x), (0.b)
i=0
∗∗∗ Rappel n◦ 7 (Données nécessaires pour le calcul de pLx0 ,··· ,xn f )

On a besoin des valeurs de : l’entier n, les réels x0 , · · · , xn et y0 , · · · , yn / yi = f (xi ), ∀ i = 0 (1) n.
∫ b
I – Comment calculer une intégrale du type (pLx0 ,··· ,xn f )(x) dx ?
a
On commence l’Intégration numérique en apprenant comment calculer (efficacement !) l’intégrale d’un poly-
nôme d’interpolation de Lagrange sur un intervalle [ a, b ] de IR. C’est l’objet de cette partie.
Les principaux résultats de cette Partie I ne seront pas démontrés, car ils ont fait l’objet du Problème du
Test n◦ 1 2014-15 (dont les Eléments sur la correction sont disponibles).
1◦ ) Introduction. ∫ b
a) Remarque sur les calculs respectifs de pLx0 ,··· ,xn f et de l’intégrale J = (pLx0 ,··· ,xn f )(x) dx.
a
Un fait surprenant, car contre-intuitif, de ce qui suivra dans cette Partie I , est que pour calculer la valeur
de l’intégrale J, on n’a pas besoin de préalablement calculer une expression générale du polynôme pLx0 ,··· ,xn f ,
du genre forme de Newton, de Lagrange ou autre !!!
Ceci est plutôt avantageux, car il n’y a aucune expression générale simple de pLx0 ,··· ,xn f à partir de laquelle
il est facile de calculer une primitive de ce polynôme. Ceci ne serait facile que si on avait l’écriture de pLx0 ,··· ,xn f
selon les puissances de la variable x, i.e. dans la base canonique de IRn [x]. Or, ni sa forme de Lagrange, ni sa
forme de Newton ne fournissent cette écriture, ni ne permettent de la déduire rapidement.
La raison pour laquelle on a rappelé, ci-dessus, la forme de Lagrange de pLx0 ,··· ,xn f n’est donc pas en vue
de l’utiliser pour calculer ce polynôme. C’est plutôt parce qu’elle est derrière les propriétés remarquables de
l’intégrale J présentées dans ce I , et sur lesquelles on s’appuiera pour pouvoir calculer cette intégrale.
∫ b
- 4 - I - Comment calculer une intégrale du type (pLx0 ,··· ,xn f )(x) dx ?
a
b) Remarque : données nécessaires pour calculer l’intégrale J.

Ce sont les mêmes que pour calculer le polynôme pLx0 ,··· ,xn f (Cf. Rappel n◦ 7 ), mais auxquelles il faut
ajouter les réels a et b qui sont les 2 bornes de l’intervalle d’intégration [ a, b ] de cette intégrale.
2◦ ) Résultats de base pour la méthodologie de l’Intégration numérique.
∫ b ∫ b
a) Un cas trivial pour l’intégrale (pLx0 ,··· ,xn f )(x) dx : n = 0, i.e. (pL x0 f )(x) dx.
a a
Le résultat suivant est trivial, mais important à pointer pour la méthodologie de l’Intégration numérique.
∫ b
Proposition D.I.2-1 (Valeur d’une intégrale du type (pL x0 f )(x) dx)
a
∫ b
Si x0 ∈ Df , alors (pL x0 f )(x) dx = (b − a) · f (x0 ) .
a
b) Résultat fondamental pour l’Intégration numérique.

Le résultat suivant est, on le verra, fondamental pour toute la méthodologie de l’Intégration numérique.
Théorème D.I.2-2 (Intégrale sur [ a, b ] de P ∈ IRn [x] en fonction de P (x0 ), · · · , P (xn ))

Si x0 , · · · , xn sont n + 1 réels distincts (avec n ∈ IN), et a, b, 2 autres réels quelconques, alors
1. ∃ ! ω0 , · · · , ωn ∈ IR /
∫ b ∑n
∀ P ∈ IRn [x], P (x) dx = ω0 P (x0 ) + · · · + ωn P (xn ) = ωi P (xi ) . (1.1a)
a i=0
∫ b
2. Les n + 1 réels ω0 , · · · , ωn sont donnés par : ∀ i = 0 (1) n, ωi = ℓi (x) dx . (1.1b)
a
• • • Remarque/Commentaire n◦ 1
Le point important dans le Théorème D.I.2-2 est que les n + 1 réels ω0 , · · · , ωn vérifiant (1.1a),
dont ce théorème garantit l’existence et l’unicité (et appelés coefficients ou poids d’intégration dans la
suite), ne dépendent que des n + 1 réels donnés x0 , · · · , xn et des bornes a et b de l’intégrale, et non du
polynôme P qu’on veut intégrer entre a et b. Cette observation est décisive dans toute la suite.
On en déduit le Corollaire fondamental suivant sur l’intégration du polynôme d’interpolation de Lagrange.
Corollaire D.I.2-3 (Intégrale sur [ a, b ] de pLx0 ,··· ,xn f )

Si x0 , · · · , xn sont n + 1 réels distincts (avec n ∈ IN), et a, b, 2 autres réels quelconques, alors, pour toute
fonction f : IR −→ IR telle que x0 , · · · , xn ∈ Df , on a :
∫ b ∑
n
(pLx0 ,··· ,xn f )(x) dx = ω0 f (x0 ) + · · · + ωn f (xn ) = ωi f (xi ) . (1.1c)
a i=0
où les n + 1 réels ω0 , · · · , ωn sont ceux du Théorème D.I.2-2.
∗∗∗ Conséquence : Motivation de la suite.

∫ b
L’égalité (1.1c) montre que, pour pouvoir calculer l’intégrale (pLx0 ,··· ,xn f )(x) dx, il suffit qu’on connaisse :
a
– les valeurs de la fonction f aux n + 1 points x0 , · · · , xn ,
– et les valeurs des n + 1 coefficients ω0 , · · · , ωn .
Or, ω0 , · · · , ωn étant les réels du Théorème D.I.2-2, ils ne dépendent pas de la fonction f , mais seulement des
réels x0 , · · · , xn et des 2 bornes a et b de [ a, b ]. Donc ayant a, b et x0 , · · · , xn , si on peut calculer ω0 , · · · , ωn
une fois pour toutes, on peut stocker leurs valeurs quelque part. Et alors pour toute fonction f : IR −→ IR qu’on
nous apporte et telle que les images y0 , · · · , yn (avec yi = f (xi ), ∀ i = 0 (1) n) sont connues (ou calculables), on
∫ b
peut en déduire, trivialement, la valeur de l’intégrale (pLx0 ,··· ,xn f )(x) dx, à travers la formule simple (1.1c).
a
=⇒ Point-clé : Comment calculer ω0 , · · · , ωn à partir de de la donnée de a, b et x0 , · · · , xn ?
Cette question peut sembler superflue. En effet, sa réponse est déjà fournie par la formule (1.1b) du Théo-
rème D.I.2-2, et compte tenu de l’expression bien connue des polynômes ℓi rappelée dans le Rappel n◦ 5 .
Malheureusement, le problème se trouve justement dans l’examen attentif de cette expression de chaque ℓi . En
effet, c’est une expression d’un polynôme ℓi sous forme factorisée. Or, en dehors du cas où le nombre de facteurs
est faible (et de degré 1), intégrer un polynôme donné sous forme factorisée devient très vite pénible (au contraire
du cas où il est donné sous forme développée selon les puissances de la variable x). Ainsi, il est souhaitable de
chercher une approche alternative, et plus systématique, pour calculer les coefficients ω0 , · · · , ωn , quelque soit
la valeur de l’entier n, soit à la main, soit algorithmiquement.
3◦ ) Calcul efficace des coefficients ω0 , · · · , ωn : une approche algébrique.
Etant donnés a, b et x0 , · · · , xn , les coefficients ω0 , · · · , ωn sont solutions d’un système linéaire bien déter-
miné 1 et à matrice inversible :
Théorème D.I.3-1 (Système linéaire pour les réels ω0 , · · · , ωn du Théorème D.I.2-2)

Si x0 , · · · , xn , n+1 réels distincts (avec n ∈ IN), et a, b, 2 autres réels quelconques, alors, ∀ ω0 , · · · , ωn ∈
IR, les 2 assertions suivantes sont équivalentes :
1. ω0 , · · · , ωn vérifient (1.1a) du Théorème D.I.2-2 ;
2. ω0 , · · · , ωn vérifient le système de n + 1 équations linéaires à n + 1 inconnues :
 ω0 + ω1 + · · · + ωn = b−a

 ( )

 x0 · ω0 + x1 · ω1 + · · · + xn · ωn = b2 − a2 /2


 ( )
(S) (x0 )2 · ω0 + (x1 )2 · ω1 + · · · + (xn )2 · ωn = b3 − a3 /3

 ..

 .

 ( )
 (x )n · ω + (x )n · ω + · · · + (x )n · ω = bn+1 − an+1 /(n + 1).
0 0 1 1 n n
∗∗∗ Remarques : A propos du système linéaire (S).

L’entier n et les réels a, b, x0 , · · · , xn étant donnés, avec x0 , · · · , xn 2 à 2 distincts, on a les faits suivants :
1. (S) est un système de n + 1 équations linéaires à n + 1 inconnues (que sont les réels ω0 , · · · , ωn ).
2. La forme matricielle du système linéaire (S) est :
     
1 1 1 ··· 1 ω0 b−a
     ( 2 ) 
     
 x0 x1 x2 ··· xn   ω1   b − a2 /2 
     ( ) 
     
 (x0 )2 (x1 )2 (x2 )2 · · · (xn )2  ·  ω2  =  b3 − a3 /3 .
     
 .. .. .. .. .   .   . 
 . . . . ..   ..   .. 
     
( )
(x0 )n (x1 )n (x2 )n · · · (xn )n ωn bn+1 − an+1 /(n + 1)
| {z } | {z } | {z }
A ω b

– A est une matrice carrée d’ordre n + 1, la matrice du système ;
On a donc : (S) ⇐⇒ A · ω = b , où – b est un vecteur de IRn+1 , le vecteur-2nd membre du système ;

– ω est un vecteur de IRn+1 , le vecteur des inconnues du système.
1. Un système linéaire est dit bien déterminé lorsqu’il comporte autant d’équations que d’inconnues, et, de plus, les coefficients
de sa matrice et les coordonnées de son vecteur-2nd sont connus, ou aisément calculables à partir des données disponibles.
∫ b
a
3. Les coefficients de la matrice A et les coordonnées du vecteur-2nd membre b du système (S) sont facilement
calculables à partir des données a, b, x0 , · · · , xn (à travers un algorithme efficace et simple à concevoir).
4. Par ailleurs, la matrice A est la transposée d’une matrice de Van der Monde, donc est inversible, car,
par hypoyhèse, les réels x0 , · · · , xn sont 2 à 2 distincts.
5. Ainsi, (S) est un système de Cramer , donc admet un unique vecteur-solution ω dans IRn+1 .
6. D’après le Théorème D.I.3-1, les coordonnées de ω sont les réels ω0 , · · · , ωn du Théorème D.I.2-2.
Il ressort de ce qui précède que :
• • • Remarque 1 (A propos du calcul des réels ω0 , · · · , ωn du Théorème D.I.2-2)

Pour obtenir les valeurs respectives de ω0 , · · · , ωn , il suffit de :
1. construire la matrice A, en calculant ses coefficients ;
2. construire le vecteur-2nd membre b, en calculant ses coordonnées ;
3. puis résoudre le système linéaire (S).
Toutefois, il faut aussi noter que :
• • • Remarque 2 (A propos de la résolution du système linéaire (S))

Si (comme c’est souvent le cas dans la construction des méthodes d’intégration numérique)
– l’entier n n’est pas très petit,
– les bornes a et b n’ont pas de valeurs numériques particulières,
– et que, de plus, les réels x0 , · · · , xn sont, chacun, fonction de a et b,
alors la résolution directe du système (S) est très pénible, que ce soit à la main ou par algorithme.
Plus loin dans cette Partie I , nous présenterons des arguments qui permettent de simplifier considé-
rablement la résolution de ce système linéaire dans un cas de figure qui contient le contexte particulier qui
nous intéressera dans la suite, celui de l’Intégration numérique.
4◦ ) Cas particulier important : x0 , · · · , xn réels symétriques par rapport à (a + b)/2.

a) Préliminaire : réels symétriques par rapport à un nombre réel donné.
Définition D.I-d 1 (Réels symétriques par rapport à un autre)

1. Soient x, y, c ∈ IR. Les 2 nombres réels x et y sont dits « symétriques par rapport à c » lorsque :
c = (x + y)/2 (ou encore : x + y = 2 c) ,
i.e. c est le milieu de x et y sur l’axe réel (ou sur la droite réelle).
2. On dit alors que y (resp. x) est le symétrique de x (resp. y) par rapport à c.
Ceci équivaut aussi à dire que y = 2 c − x (resp. x = 2 c − y).
3. Des réels x0 , · · · , xn sont dits « (globalement) symétriques par rapport au réel c » lorsque
chaque xi (i = [ 0 (1) n ]) a son symétrique par rapport à c parmi x0 , · · · , xn , i.e. on a :
∀ i ∈ 0 (1) n, 2 c − xi ∈ {x0 , · · · , xn }.
Ceci équivaut aussi à : {2 c − x0 , · · · , 2 c − xn } = {x0 , · · · , xn } (égalité en tant qu’ensembles).
On admet alors la Proposition suivante, qui est importante en pratique pour la manipulation de la notion.
Proposition D.I.4-1 (Réels symétriques par rapport à un autre et relation < dans IR)
Pour c, x0 , · · · , xn ∈ IR / x0 < x1 < · · · < xn , les 3 assertions suivantes sont équivalentes :
1. Les réels x0 , · · · , xn sont (globalement) symétriques par rapport à c.
2. Pour tout i ∈ [ 0 (1) n ], les réels xi et xn−i sont symétriques par rapport à c.
3. Pour tout i ∈ [ 0 (1) n ], on a : xi + xn−i = 2 c.
b) Les coefficients ω0 , · · · , ωn lorsque x0 , · · · , xn sont symétriques par rapport à (a + b)/2.

On admet le résultat suivant :
Théorème D.I.4-2 ( ω0 , · · · , ωn quand x0 , · · · , xn sont symétriques p/r (a + b)/2)

Si les réels x0 , · · · , xn sont (globalement) symétriques par rapport au milieu (a + b)/2 de l’intervalle
[ a, b ] dans le Théorème D.I.2-2, alors les coefficients ω0 , · · · , ωn vérifient :
a+b
• ∀ i, j ∈ [ 0 (1) n ], si xi et xj sont sym. p/r à (i.e. xi + xj = a + b), alors ωi = ωj ; (1.2)
2
• si, de plus, x0 < · · · < xn , la propriété (1.2) se traduit par : ∀ i = 0 (1) n, ωi = ωn−i . (1.3)
L’intérêt du résultat précédent est qu’il montre que lorsque les réels x0 , · · · , xn sont (globalement)
symétriques p/r au milieu (a + b)/2 de l’intervalle d’intégration [ a, b ], le calcul des coefficients ω0 , · · · , ωn
se ramène à devoir le faire pour sensiblement la moitié d’entre eux.
∫ b
∗∗∗ Exemple 1.1 : (pL a, b f )(x) dx = ???
a
Ici, x0 = a, x1 = b, et n = 1.
D’après le Corollaire D.I.2-3, il existe 2 réels ω0 , ω1 , ne dépendant pas de f , tels que :
∫ b
(pL a, b f )(x) dx = ω0 f (x0 ) + ω1 f (x1 ) = ω0 f (a) + ω1 f (b). (1.4)
a
D’après le Théorème D.I.3-1, et comme n = 1, les réels ω0 et ω1 sont solution du système linéaire :
{ {
ω0 + ω1 = b − a ω0 + ω1 = b − a
( 2 ) i.e. ( )
x0 ω0 + x1 ω1 = b − a /2,
2 a · ω0 + b · ω1 = b2 − a2 /2 .
Mais x0 + x1 = a + b =⇒ x0 et x1 sont 2 réels symétriques p/r à (a + b)/2,
=⇒ d’après le Théorème D.I.4-2, on a : ω0 = ω1 .
En injectant cette dernière égalité dans la 1ère équation du système linéaire précédent, il vient : 2 ω0 = b − a ;
∫ b
b−a b−a
=⇒ ω0 = ω1 = , ce qui, injecté dans (1.4), donne : (pL a, b f )(x) dx = [ f (a) + f (b) ] .
2 a 2
Il faut éviter toute extrapolation optimiste de l’Exemple précédent. En effet, il semblerait suggérer que
la propriété de symétrie des réels x0 , · · · , xn p/r à (a + b)/2 serait suffisante pour résoudre aisément le
système linéaire (S) du Théorème D.I.3-1. Ceci n’est, en fait, vrai que pour la valeur n = 1 (comme
dans l’Exemple ci-dessus). En effet, pour a, b quelconques, dès n = 2, la résolution de (S) reste très corsée,
même lorsque x0 , · · · , xn sont globalement symétriques p/r au point-milieu (a + b)/2 de [ a, b ].
Dans la suite, nous nous concentrerons sur une manière de choisir les réels x0 , · · · , xn qui, pour le coup,
permettra de calculer ω0 , · · · , ωn , quelque soient les valeurs de a et b. L’intérêt de cette manière de choisir
x0 , · · · , xn est qu’elle correspond précisément à ce dont on a besoin en Intégration numérique.
5◦ ) Forme usuelle des réels x0 , · · · , xn en Intégration numérique.

a) Motivation et hypothèse de base sur les réels x0 , · · · , xn en intégration numérique.
∫ b ∫ b
Lorsqu’on prendra (pLx0 ,··· ,xn f )(x) dx comme valeur approchée d’une intégrale f (x) dx donnée en
a a
Intégration numérique, il est impératif de prendre les réels x0 , · · · , xn (alors appelés nœuds ou points d’in-
tégration) en fonction des 2 bornes a et b de l’intervalle [ a, b ]. En particulier, x0 , · · · , xn devraient être tels
∫ b
a
que : plus l’intervalle [ a, b ] est petit, i.e. plus b est proche de a, plus x0 , · · · , xn sont aussi proches de a. C’est
pour cette raison que, en pratique, on choisit les points x0 , · · · , xn de la forme ci-après :
⋆ ⋆ ⋆ Hypothèse H1 (Forme des nœuds x0 , · · · , xn en Intégration numérique)

Si [ a, b ] est l’intervalle d’intégration dans l’intégrale, alors les nœuds x0 , · · · , xn seront pris tels que :
∀ i = 0 (1) n, xi = (1 − ui ) a + ui b = a + ui (b − a) , (1.5)
où u0 , · · · , un sont des constantes réelles indépendantes des bornes a et b .
Notons tout de suite que :
Proposition D.I.5-1 (Propriétés basiques de x0 , · · · , xn sous l’Hypothèse H1 )

Lorsque l’Hypothèse H1 est satisfaite, on a, ∀ a, b ∈ IR/ a < b :
1. ∀ i = 0 (1) n, xi ∈ [ a, b ] ⇐⇒ ui ∈ [ 0, 1 ].
2. ∀ i = 0 (1) n, xi ∈ ] a, b [ ⇐⇒ ui ∈ ] 0, 1 [ .
3. Les 2 assertions suivantes sont équivalentes :
(i) x0 , · · · , xn sont (globalement) symétriques par rapport à (a + b)/2 ;
(ii) u0 , · · · , un sont (globalement) symétriques par rapport à 1/2.
• De plus, lorsque ces assertions sont vraies, les 2 suivantes sont équivalentes, ∀ i, j = 0 (1) n :
(iii) xi et xj sont symétriques par rapport à (a + b)/2, i.e. xi + xj = a + b ;
(iv) ui et uj sont symétriques par rapport à 1/2, i.e. ui + uj = 1.
Pour la validité de l’Hypothèse H1 , il suffit que les nombres u0 , · · · , un soient indépendants des bornes a
et b. Dans la pratique, en Intégration numérique, le plus souvent, ils ne dépendront de rien du tout : ce seront
des constantes universelles 2 .
b) Résultat fondamental : Forme des coefficients ω0 , · · · , ωn sous l’Hypothèse H1 .
Mais quelle est l’utilité de l’Hypothèse H1 ? Le résultat remarquable suivant apporte la réponse : il montre
que le calcul des coefficients ω0 , · · · , ωn du Théorème D.I.2-2 se simplifie considérablements lorsque les points
x0 , · · · , xn satisfont cette hypothèse.
Théorème D.I.5-2 (Coefficients ω0 , · · · , ωn sous l’Hypothèse H1 )

Dans le Théorème D.I.2-2, lorsque l’Hypothèse H1 est satisfaite, les réels ω0 , · · · , ωn vérifient :
∀ i = 0 (1) n, ωi = (b − a) · λi , (1.6a)
où chaque réel λi (i = 0 (1) n) ne dépend que de l’indice i et des réels u0 , · · · , un , et donc pas de a, b.
• Si, de plus, les réels u0 , · · · , un de l’Hypothèse H1 sont des constantes universelles, alors les réels
λ0 , · · · , λn sont aussi des constantes universelles.
c) Conséquence 1 : recommandations pratiques pour obtenir ω0 , · · · , ωn sous l’Hypothèse H1 .

Lorsque l’Hypothèse H1 est satisfaite, le Théorème D.I.5-2 suggère l’approche générale efficace suivante
pour calculer les coefficients ω0 , · · · , ωn du Théorème D.I.2-2, quelque soit l’intervalle [ a, b ] :
1. Se placer d’abord sur un intervalle [ a, b ] = [ c, d ], simple, avec c et d constantes universelles choisies.
N.B. Les 2 choix les plus populaires sont [ c, d ] = [ 0, 1 ] et [ c, d ] = [ − 1, 1 ].
2. Calculer les nœuds x0 , · · · , xn sous l’Hypothèse H1 pour [ a, b ] = [ c, d ], i.e. par :
∀ i = 0 (1) n, xi = (1 − ui ) c + ui d = c + ui (d − c). (1.6b)
2. Une constante universelle est un nombre qui ne dépend√ d’aucun paramètre ou variable. Par exemple, les nombres suivants
√
sont des constantes universelles : 0, 1, −2.14, 21 , − 47 , π, π 2 , 2, 3 π, 2π1
e, , e−1/2 , 10−3.14 , −1000, 732 .
3. Avec les valeurs de x0 , · · · , xn obtenues par (1.6b), calculer ω0 , · · · , ωn du Théorème D.I.2-2, et ce en

écrivant, puis en résolvant le système linéaire (S) du Théorème D.I.3-1, en prenant les valeurs a = c
et b = d dans les 2nds membres. Résolution à la main, si c’est simple, ou par une méthode de résolution
numérique d’un système linéaire, sinon.
4. Avec les valeurs de ω0 , · · · , ωn ainsi trouvées sur [ a, b ] = [ c, d ], on sait (Théorème D.I.5-2) que :
ωi
∀ i = 0 (1) n, ωi = (d − c) · λi , d’où on déduit la valeur de chaque λi par : λi = . (1.6c)
d−c
5. Finalement, d’après le Théorème D.I.5-2 encore, on peut poser, sur un intervalle [ a, b ] quelconque :
∀ i = 0 (1) n, ωi = (b − a) · λi , (1.6d)
où les réels λ0 , · · · , λn sont ceux calculés à l’étape précédente.
∫ b
d) Conséquence 2 : Calcul pratique de l’intégrale (pLx0 ,··· ,xn f )(x) dx sous l’Hypothèse H1 .
a
Ayant obtenu ω0 , · · · , ωn sous l’Hypothèse H1 comme indiqué ci-dessus, on déduit le Corollaire suivant du
Théorème D.I.2-2 :
∫ b
Corollaire D.I.5-3 (Intégrale P (x) dx, avec P ∈ IRn [x], sous l’Hypothèse H1 )
a
Dans le Théorème D.I.2-2, lorsque l’Hypothèse H1 est satisfaite, on a, ∀ P ∈ IRn [x] :
∫ b ∑
n
P (x) dx = (b − a) · [ λ0 P (x0 ) + · · · + λn P (xn ) ] = (b − a) · λi P (xi )) , (1.6e)
a i=0
où les réels λ0 , · · · , λn sont ceux du Théorème D.I.5-2, donc sont indépendants de a, b et P .
∫ b
Finalement, pour calculer l’intégrale (pLx0 ,··· ,xn f )(x) dx sous l’Hypothèse H1 , il suffit d’utiliser le Co-
a
rollaire suivant du Corollaire D.I.2-3 :
Corollaire D.I.5-4 (Intégrale sur [ a, b ] de pLx0 ,··· ,xn f sous l’Hypothèse H1 )

Si l’Hypothèse H1 est satisfaite, alors pour tous a, b ∈ IR, et pour toute fonction f : IR −→ IR telle
que x0 , · · · , xn ∈ Df , on a :
∫ b ∑
n
(pLx0 ,··· ,xn f )(x) dx = (b − a) · [ λ0 f (x0 ) + · · · + λn f (xn ) ] = (b − a) · λi f (xi ) , (1.6f)
a i=0
où les réels λ0 , · · · , λn sont ceux du Théorème D.I.5-2, donc sont indépendants de a, b et f .
e) Les 2 choix les plus usuels pour l’intervalle d’intégration de base [ c, d ] : [ 0, 1 ] ou [ − 1, 1 ].

Dans la démarche pratique recommandée plus haut pour calculer les coefficients ω0 , · · · , ωn sous l’Hypo. H1 ,
il faut préalablement choisir un intervalle [ c, d ] dont les 2 bornes c, d sont des constantes universelles. En
principe, on peut prendre n’importe quelle paire de constantes universelles c, d telles que c < d. Cependant,
l’efficacité ici consiste à choisir des valeurs de c et d qui facilitent au mieux les calculs subséquents, surtout la
résolution du système linéaire (S) du Théorème D.I.3-1 lorsque a = c et b = d. Cependant, on a, quand
même, 2 choix d’intervalle de base [ c, d ] qui sont, de très loin, les plus utilisés :
• • Choix le plus usuel : [ c, d ] = [ 0, 1 ].
En prenant [ a, b ] = [ 0, 1 ] dans l’Hypothèse H1 , et avec les réels u0 , · · · , un donnés, les nœuds x0 , · · · , xn
sont donnés par :
∀ i = 0 (1) n, xi = (1 − ui ) c + ui d, i.e. xi = ui . (1.7a)
bk+1 − ak+1 1
Comme = , ∀ k = 0 (1) n, le système (S) du Théorème D.I.3-1 devient alors :
k+1 k+1
∫ b
a


 ω0 + ω1 + · · · + ωn = 1



 u0 · ω0 + u1 · ω1 + · · · + un · ωn = 1/2


(S1 ) (u0 )2 · ω0 + (u1 )2 · ω1 + · · · + (un )2 · ωn = 1/3



 ..

 .


(u0 ) · ω0 + (u1 ) · ω1 + · · · + (un ) · ωn = 1/(n + 1),
n n n
système qu’on résoud généralement aisément (à la main pour n petit et u0 , · · · , un rationnels, ou, sinon, par un
algorithme numérique de résolution d’un système linéaire).
Ayant ainsi obtenu les valeurs des poids d’intégration ω0 , · · · , ωn lorsque [ a, b ] = [ 0, 1 ], on sait (par le
Théorème D.I.5-2) que ces poids vérifient :
∀ i = 0 (1) n, ωi = (1 − 0) · λi , i.e. ωi = λi . (1.7b)
On a donc aussi obtenu les valeurs des constantes λ0 , · · · , λn . On en déduit les valeurs des poids d’intégration
ω0 , · · · , ωn sur un intervalle [ a, b ] arbitraire par (1.6a) du Théorème D.I.5-2.
• • Autre choix très usuel : [ c, d ] = [ − 1, 1 ].
Ce choix est surtout recommandé lorsque les nœuds x0 , · · · , xn sont symétriques par rapport à (a + b)/2, le
milieu de l’intervalle d’intégration [ a, b ], cas de figure dans lequel nous nous plaçons ci-après.
Pour simplifier la présentation, on va supposer, sans restreindre la généralité, que : x0 < x1 < · · · < xn . On
sait alors que les nœuds x0 , · · · , xn et les poids ω0 , · · · , ωn vérifient, ∀ i = 0 (1) n :
• xi et xn−i sont symétriques p/r à (a + b)/2, i.e. xi + xn−i = a + b (Proposition D.I.4-1) ; (1.8a)
• ωi = ωn−i (Théorème D.I.4-2). (1.8b)
On reste sous l’Hypothèse H1 , avec u0 , · · · , un donnés. Notons alors d’abord que (Proposition D.I.5-1)
(1.8a)-(1.8b) =⇒ u0 , · · · , un sont symétriques par rapport à 1/2, avec ui + un−i = 1, ∀ i = 0 (1) n. (1.8c)
De plus, avec [ a, b ] = [ − 1, 1 ] dans l’Hypothèse H1 , les nœuds x0 , · · · , xn sont donnés par :
∀ i = 0 (1) n, xi = −1 + ui [ 1 − (−1) ], i.e. xi = 2ui − 1. (1.8d)
{
bk+1 − ak+1 1 + (−1)k 2/(k + 1) si l’entier k est pair,
Par ailleurs, ∀ k = 0 (1) n, on a : = =
k+1 k+1 0 si l’entier k est impair.
Ainsi, dans ce cas, l’équation n◦ k ∈ [ 0 (1) n ] du système linéaire (S) du Théorème D.I.3-1 devient :
(x0 )k · ω0 + (x1 )k · ω1 + · · · + (xn )k · ωn = 2/(k + 1), si k est pair, (1.8e)
(x0 )k · ω0 + (x1 )k · ω1 + · · · + (xn )k · ωn = 0, si k est impair. (1.8f)
Remarquons alors que, ∀ i = 0 (1) n, la contribution de xi et xn−i au membre gauche de l’équation n◦ k est :
(xi )k · ωi + (xn−i )k · ωn−i .
Or, comme l’intervalle d’intégration est [ a, b ] = [ − 1, 1 ], (1.8a) =⇒ les nœuds x0 , · · · , xn sont symétriques
par rapport à son milieu qui est 0, avec :
∀ i = 0 (1) n, xi + xn−i = 0, i.e. xn−i = −xi . (1.8g)
=⇒ Si l’entier k est impair, alors on a : ∀ i = 0 (1) n, (xn−i ) = −(xi ) ; et donc, compte tenu de (1.8b),
k k
(xi )k · ωi + (xn−i )k · ωn−i = 0, ∀ i = 0 (1) n. (1.8h)

Il se passe donc que, dans le système (S) sur l’intervalle d’intégration [ a, b ] = [ − 1, 1 ], d’après (1.8f) et
(1.8h), les équations de rang k impair sont de la forme triviale : 0 = 0. De ce fait, ces équations sont
inutiles et peuvent être supprimées du système linéaire. Ayant fait cela, et compte tenu de (1.8b), on restera, en
définitive, avec un système linéaire (S2 ) à résoudre ayant sensiblement moitié moins d’équations et d’inconnues
que le système (S) de départ. Les équations qui restent sont celles de rang k pair du système (S) initial, mais
simplifiées par le fait que, grâce à (1.8g) : k entier pair =⇒ ∀ i = 0 (1) n, (xn−i )k = (xi )k ; d’où, avec (1.8b),
(xn−i )k · ωn−i = (xi )k · ωi , ∀ i = 0 (1) n. (1.8i)
En résolvant le système linéaire (S2 ), on obtient les valeurs des poids d’intégration ω0 , · · · , ωn sur l’intervalle
[ a, b ] = [ − 1, 1 ]. Ils sont liés aux constantes λ0 , · · · , λn par (Théorème D.I.5-2) :
∀ i = 0 (1) n, ωi = [ 1 − (−1) ] · λi = 2λi , d’où on déduit la valeur de λi par : λi = ωi /2 . (1.8j)
Avec ces valeurs des constantes λ0 , · · · , λn , il vient que (toujours par le Théorème D.I.5-2), sur un intervalle
[ a, b ] arbitraire, les poids d’intégration ω0 , · · · , ωn sont donnés par : ∀ i = 0 (1) n, ωi = (b − a) · λi .
f ) Un exemple de base en vue de l’Intégration numérique. ∫ b

Pour illustrer la démarche décrite ci-dessus pour le calcul d’une intégrale (pLx0 ,··· ,xn f )(x) dx lorsque
a
x0 , · · · , xn vérifient l’Hypo. H1 , nous traitons un exemple qui, avec l’Exemple 1.1 déjà traité, sont à la base
des 2 méthodes d’intégration numérique historiquement les plus célèbres, celles des trapèzes et de Simpson.
∫ b
∗∗∗ Exemple 1.2 : (pL a, a+b , b f )(x) dx = ???
2
a
a+b
Ici, n = 2, avec x0 = a, x1 = , x2 = b.
2
D’après le Corollaire D.I.2-3, il existe 3 réels ω0 , ω1 , ω2 , ne dépendant pas de f , tels que :
∫ b (a+b)
(pL a, a+b , b f )(x) dx = ω0 f (x0 ) + ω1 f (x1 ) + ω2 f (x2 ) = ω0 f (a) + ω1 f + ω2 f (b). (1.9a)
a 2 2
− Par ailleurs, les 3 réels x0 , x1 , x2 sont symétriques par rapport à (a + b)/2, le milieu de [ a, b ] ; (1.9b)
− Et comme x0 + x2 = a + b, alors x0 et x2 sont symétriques par rapport à (a + b)/2 ; (1.9c)
− Maintenant, par le Théorème D.I.4-2, (1.9b)-(1.9c) =⇒ dans (1.9a), on a : ω2 = ω0 . (1.9d)
1
D’autre part, x0 , x1 , x2 vérifient l’Hypo. H1 , avec u0 = 0, u1 = , et u2 = 1, 3 constantes universelles.
2
=⇒ Par Théorème D.I.5-2, ∃ λ0 , λ1 , λ2 ∈ IR, const. univ. / ∀ i ∈ {0, 1, 2}, ωi = (b − a) ·λi . (1.9e)
Pour calculer les constantes λ0 , λ1 , λ2 , plaçons nous d’abord sur [ a, b ] = [ − 1, 1 ].
Sur cet intervalle d’intégration, x0 = −1, x1 = 0, x2 = 1, et, d’après le Théorème D.I.3-1, les réels
ω0 , ω1 , ω2 vérifient donc le système linéaire (compte tenu de (1.9d)) :
 

 ω0 + ω1 + ω2 = 2 
 2 ω0 + ω1 = 2   1

 
  2 ω0 + ω1 = 2  ω0 = ω2 =
−1 · ω0 + 0 · ω1 + 1 · ω2 = 0 =⇒ 0 = 0 ⇐⇒ 3
1 =⇒

 
  ω =  ω1 = 4 .

 2 
 2 0
3 3
(−1)2 · ω0 + 02 · ω1 + 12 · ω2 = 2 ω0 =
3 3
1 4 2
Or, pour [ a, b ] = [ − 1, 1 ], (1.9e) devient : ∀ i ∈ {0, 1, 2}, ωi = 2 ·λi . D’où : λ0 = λ2 = , λ1 = = .
6 6 3
Toujours par (1.9e), il s’ensuit que, sur un intervalle [ a, b ] quelconque, on a :
b−a 4(b − a) 2(b − a)
ω0 = ω2 = , ω1 = = .
6 6 3
∫ b
b−a[ (a+b) ]
ce qui, injecté dans (1.9a), donne : (pL a, a+b , b f )(x) dx = f (a) + 4 f + f (b) .
a 2 6 2
∫ b ∫ b
◃ Exercice Exo-I:1 1◦ )
Calculer (pL a, a+2b f )(x) dx et (pL 2a+b , b f )(x) dx.
3 3
∫ b a
∫ b a
2◦ ) Calculer (pL a, 2a+b , a+2b , b f )(x) dx et (pL a, 2a+b , a+b , a+2b , b f )(x) dx.
3 3 3 2 3
a a
∫ b
On a pu calculer l’intégrale (pL a, a+b , b f )(x) dx dans ce dernier Exemple, assez aisément, comme
2
a
on a pu le constater. Et ce sans avoir à calculer préalablement le polynôme d’interpolation correspondant
P = pL a, a+b , b f , puis de l’intégrer de a à b, ce qui aurait été très fastidieux. Ceci illustre bien en quoi
2
le calcul de l’intégrale d’un polynôme d’interpolation de Lagrange est considérablement simplifié lorsque
les points d’interpolation satisfont l’Hypothèse H1 , comme cela sera systématique dans les méthodes
d’intégration numérique dont nous allons maintenant commencer l’étude proprement dite.
- 12 - II - Quadratures élémentaires d’intégration numérique
II – Quadratures élémentaires d’intégration numérique.

Retour au problème de base dans ce document, i.e. le calcul d’une valeur approchée d’une intégrale
∫ b
I = f (x) dx, avec f : [ a, b ] −→ IR, continue, et a < b, (2.1)
a
quand tout ce qu’on sait faire, c’est calculer f (x) pour tout réel x ∈ Df .
L’objet de cette Partie II est d’introduire l’outil de base de l’Intégration numérique pour ce travail : la
notion de quadrature élémentaire d’intégration numérique, ainsi que ses propriétés.
1◦ ) Quadratures élémentaires d’intégration numérique : Introduction et Généralités.
a) Quadratures élémentaires d’intégration numérique : Motivation et Introduction.
Comment concrètement calculer une valeur approchée d’une intégrale comme I donnée en (2.1) ? Une 1ère
approche est immédiatement suggérée par ce qui a été vu dans le Chapitre sur l’Approximation numérique des
fonctions. En effet, il y a été vu que lorsque l’intervalle [ a, b ] est « petit », il est justifié de penser à approcher
une fonction f sur [ a, b ] par un polynôme d’interpolation de Lagrange pLx0 ,··· ,xn f , à condition que les points
d’intégration choisis x0 , · · · , xn soient des réels (2 à 2 distincts) « proches » de cet intervalle, i.e. ∀ i = 0 (1) n,
soit xi ∈ [ a, b ], soit xi ̸∈ [ a, b ], mais xi est proche de la borne a ou de la borne b. D’où l’idée de prendre ici
∫ b
comme approximation ou valeur approchée de l’intégrale I : la valeur de l’intégrale I = e (pLx0 ,··· ,xn f )(x) dx.
a
Cette manière d’approximer la valeur de l’intégrale I n’a un intérêt pratique que si on peut efficacement
e Or, on a montré, dans la Partie I , qu’il existe des réels ω0 , · · · , ωn ne
et rapidement calculer l’intégrale I.
dépendant que des bornes a et b et des points x0 , · · · , xn (et donc pas de la fonction f ) tels que l’on ait :
∑ n
Ie = ωi · f (xi ). (2.2)
i=0
Et on a vu comment peut se faire le calcul des coefficients ω0 , · · · , ωn de cette expression, calcul particulière-
ment automatisable lorsque les réels x0 , · · · , xn vérifient l’Hypothèse H1 . Or cette hypothèse est précisément
appropriée pour l’Intégration numérique sur un intervalle fermé et borné comme [ a, b ]. D’où la définition :
Définition D.II-d 1 (Quadrature élémentaire d’intégration numérique sur [ a, b ])

Soient [ a, b ] ⊂ IR et x0 , · · · , xn ∈ IR, 2 à 2 distincts et vérifiant l’Hypothèse H1 .
1. On appelle quadrature élémentaire d’intégration numérique sur [ a, b ] de nœuds (ou points
d’intégration) x0 , · · · , xn , la méthode d’intégration numérique sur [ a, b ] qui consiste à prendre
comme valeur approchée d’une intégrale I comme (2.1), avec f : IR −→ IR / x0 , · · · , xn ∈ Df , le
nombre réel Ie donné par (2.2), où ω0 , · · · , ωn sont les n + 1 réels issus du Théorème D.I.2-2.
2. Cette quadrature élémentaire d’intégration numérique sera alors notée :
∫ b ∑n ∫ b ∑ n
f (x) dx ≈ ωi · f (xi ) ou f (x) dx = ωi · f (xi ) + E , (2.3a)
a i=0 a i=0
où le nombre réel E (inconnu) représente l’erreur de l’approximation de l’intégrale I par la quadrature.

3. ∀ i = 0 (1) n, ωi est le poids d’intégration du nœud xi dans la quadrature élémentaire (2.3a).
4. Comme x0 , · · · , xn vérifient l’Hypothèse H1 , alors (Théorème D.I.5-2) ω0 , · · · , ωn vérifient :
∀ i = 0 (1) n, ωi = (b − a) · λi ,
où λ0 , · · · , λn sont des réels ne dépendant ni de l’intervalle [ a, b ], ni de la fonction f .
5. Par conséquent, la quadrature élémentaire d’intégration numérique (2.3a) s’écrit aussi :
∫ b ∑
n ∫ b ∑
n
f (x) dx ≈ (b − a) λi · f (xi ) ou f (x) dx = (b − a) λi · f (xi ) + E . (2.3b)
a i=0 a i=0
6. On parle aussi de formule élémentaire d’intégration numérique sur [ a, b ] de nœuds (ou

points d’intégration) x0 , · · · , xn .
7. On pourra aussi dire, plus simplement, quadrature élémentaire, voire même quadrature.
• • • Remarque/Commentaire n◦ 5 (Quadrature élémentaire : intervalle [ a, b ] « petit » ??? )

Comme nous l’avons fait avant d’énoncer la définition, la motivation initiale dans l’introduction d’une
quadrature élémentaire d’intégration numérique se trouve pour un intervalle [ a, b ] « petit ». Cependant,
la Définition D.II-d 1 n’impose pas cette contrainte : elle est valable quelque soit l’intervalle [ a, b ]. Ce
n’est que pour étudier l’erreur associée à la quadrature que cela sera fait pour b − a «petit».
Voilà pourquoi, dans ce qui suit, et jusqu’à spécification du contraire, l’intervalle [ a, b ] restera arbitraire.
Cependant, signalons qu’il existe des choix de nœuds x0 , · · · , xn pour lesquels la quadrature élémentaire
associée peut fournir une bonne approximation de la vraie valeur de l’intégrale même pour un intervalle
[ a, b ] pas du tout «petit». C’est le cas des quadratures de Gauss-Legendre qui seront présentées au V .
• • • Remarque/Commentaire n◦ 6 (Mise en œuvre d’une quadrature et coût numérique)

Pour calculer la valeur approchée Ie de l’intégrale I par la quadrature (2.3a), on a besoin de :
1. se donner des nœuds x0 , · · · , xn vérifiant l’Hypothèse H1 ;
2. calculer les poids d’intégration ω0 , · · · , ωn associés, selon les modalités décrites en I -5◦ ) c) et e) ;
3. à partir de la donnée de l’expression de la fonction f en tout réel x ∈ Df , calculer les valeurs des
images y0 , · · · , yn des réels x0 , · · · , xn par f , i.e. ∀ i = 0 (1) n, yi = f (xi ).
∑
n
Ayant les réels ω0 , · · · , ωn et y0 , · · · , yn , le calcul de Ie est immédiat : Ie = ωi · yi .
i=0
• Ayant obtenu les poids d’intégration ω0 , · · · , ωn (une fois pour toutes), ce qui prend le plus de temps dans
e c’est souvent le calcul des valeurs des images yi = f (xi ), i = 0 (1) n.
l’évaluation numérique concrète de I,
Le coût de l’évaluation de f étant (grosso modo) le même d’un point à l’autre, on mesure ainsi souvent
le coût (principal) de mise en œuvre d’une quadrature élémentaire d’intégration numérique par le nombre
d’évaluations de la foncton à intégrer requises pour calculer une valeur approchée de cette intégrale par
cette quadrature, soit n + 1 évaluations si elle utilise n + 1 nœuds.
[ a,b ]
b) Notations utiles pour la suite : Q x, ω , Q u, λ et QEu, λ .
• • Pour mener l’étude de la quadrature élémentaire d’intégration numérique (2.3a) ou (2.3b) de la définition
ci-dessus, nous introduisons la notation suivante, où on a posé x = (x0 , · · · , xn ) et ω = (ω0 , · · · , ωn ) :
∑
n
Q x, ω (f ) = ωi · f (xi ) . (2.3c)
i=0
• Ainsi, Q x, ω (f ) est la valeur approchée de l’intégrale de la fonction f sur [ a, b ] calculée par la quadrature
de nœuds x0 , · · · , xn et de poids d’intégration ω0 , · · · , ωn .
• Dans la mesure où la connaissance des 2 vecteurs x, ω, et des valeurs respectives de f en x0 , · · · , xn
suffit pour calculer cette valeur approchée, nous utiliserons aussi (un peu abusivement), dans la suite,
la notation Q x, ω pour désigner la quadrature (2.3a) elle même.
Il est alors utile de noter tout de suite la propriété immédiate ci-après :
Proposition D.II.1-1 (Linéarité de Q x, ω (f ) p/r à la fonction f )

∀ x = (x0 , · · · , xn ), ω ∈ IRn+1 , et f, g : IR −→ IR / x0 , · · · , xn ∈ Df ∩ Dg , on a, ∀ α, β ∈ IR :
Q x, ω (α · f + β · g) = α · Q x, ω (f ) + β · Q x, ω (g). (2.3d)
• • Mais, pour insister sur le fait que les réels x0 , · · · , xn vérifient l’Hypothèse H1 :
[ a,b ]
1. on posera aussi Q x, ω = Q u, λ , avec u = (u0 , · · · , un ) et λ = (λ0 , · · · , λn ),
où u0 , · · · , un sont les réels de l’Hypothèse H1 et λ0 , · · · , λn sont ceux du Théorème D.I.5-2 ;
2. et, lorsqu’on ne voudra pas l’attacher à un intervalle d’intégration particulier, on notera QEu, λ , la quadra-
ture élémentaire (2.3a) vue comme méthode générale d’intégration numérique.
- 14 - II - Quadratures élémentaires d’intégration numérique
c) Remarque pratique : Rôles symétriques des couples (point,poids) dans une quadrature.
Dans une quadrature Q x, ω , les couples (xi , ωi ), pour i = 0 (1) n, jouent clairement des rôles symétriques.
En effet, si on les permute, l’approximation de l’intégrale d’une fonction f sur [ a, b ] calculée par la quadrature
(2.3a) ne change pas. Pour cette raison, on peut dire que toute quadrature obtenue par permutation des n + 1
couples (x0 , ω0 ), · · · , (xn , ωn ) (i.e. par changement de l’ordre de numérotation des points et poids d’intégration)
dans la quadrature Q x, ω est, en fait, identique à Q x, ω .
2◦ ) Premiers exemples de quadratures élémentaires : point central , trapèze, Simpson.

• • Voici les 3 quadratures élémentaires de base dans l’histoire de l’Intégration numérique.
∗∗∗ Exemple 2.1 : Quadrature (ou formule) du point central (ou du point-milieu).
Pour intégrer sur un intervalle [ a, b ], on prend comme seul nœud (et donc n = 0) : x0 = (a + b)/2.
∫ b
On sait (Proposition D.I.2-1) que : (pL x0 f )(x) dx = (b − a) · f (x0 ).
a
∫ b (a+b) [ a,b ]
D’où la quadrature élémentaire : f (x) dx ≈ (b − a) · f (notée Q C ou Q C ).
a 2
Elle est appelée quadrature (ou formule) du point central (ou du point-milieu).
Il faut noter que : Q C = QEu, λ , avec u = u0 = 1/2 et λ = λ0 = 1.
◃ Exercice Exo-II:1 N.B. Dans cet Exercice (et le suivant), il est nécessaire de bien se rappeler la définition
du polynôme d’interpolation de Lagrange (Cf. Rappel n◦ 6 ).
1◦ ) Une quadrature élémentaire ayant un seul nœud est souvent appelée «formule du rectangle». En s’appuyant
sur le tracé d’un graphique suffisamment illustratif, justifier cette terminologie.
2◦ ) Préciser mieux ce graphique dans le cas de la quadrature du point central.
∗∗∗ Exemple 2.2 : Quadrature (ou formule) du trapèze.
Pour intégrer sur [ a, b ], on prend ici comme nœuds les 2 bornes x0 = a et x1 = b.
∫ b
b−a
On a vu (Exemple 1.1) que : (pL a, b f )(x) dx = [ f (a) + f (b) ].
a 2
∫ b
b−a
D’où la quadrature élémentaire : f (x) dx ≈ [ f (a) + f (b) ] .
a 2
[ a,b ]
Elle est appelée quadrature (ou formule) du trapèze, notée Q T ou Q T .
Il faut noter que : Q T = QEu, λ , avec u = (u0 , u1 ) = (0, 1) et λ = (λ0 , λ1 ) = (1/2, 1/2).
◃ Exercice Exo-II:2 En s’appuyant sur le tracé d’un graphique illustratif suffisamment clair, justifier cette
appellation de quadrature (ou formule) du trapèze
∗∗∗ Exemple 2.3 : Quadrature (ou formule) de Simpson.
Pour intégrer sur [ a, b ], on prend ici les 3 nœuds : x0 = a, x1 = (a + b)/2, x2 = b.
∫ b
b−a[ (a+b) ]
On a vu (Exemple 1.2) que : (pL a, a+b , b f )(x) dx = f (a) + 4 f + f (b) .
a 2 6 2
∫ b
b−a[ (a+b) ]
D’où la quadrature élémentaire : f (x) dx ≈ f (a) + 4 f + f (b) .
a 6 2
[ a,b ]
Elle est appelée quadrature (ou formule) de Simpson, et notée Q S ou Q S .
1 ( 1 2 1 )
Il faut noter que : Q S = QEu, λ , avec u = (u0 , u1 , u2 ) = (0, , 1) et λ = (λ0 , λ1 , λ2 ) = , , .
2 6 3 6
◃ Exercice Exo-II:3 Construire les quadratures élémentaires sur [ a, b ] s’appuyant, respectivement, sur les
familles de nœuds suivantes : {a, a+2b3 }, { 3 , b }, {a, 3 , 2 ,
2a+b 2a+b a+b a+2b
3 , b }, {a, 3 , 3 , b }. Pour chacune
2a+b a+2b
d’elles, préciser à quelle quadrature élémentaire QEu, λ elle correspond, en donnant ses vecteurs u et λ.
3◦ ) Quadratures symétriques sur un intervalle.

a) Quadratures symétriques : Introduction.
La propriété suivante a été observée pour les quadratures du point central, du trapèze et de Simpson dans
les exemples ci-dessus.
Définition D.II-d 2 (Quadrature symétrique sur un intervalle [ a, b ])

Une quadrature Q x, ω est dite symétrique sur un intervalle [ a, b ] lorsque le symétrique de tout nœud
xi de Q x, ω par rapport au milieu (a+b)/2 est aussi un nœud de Q x, ω , et avec le même poids d’intégration,
i.e. si x0 , · · · , xn et ω0 , · · · , ωn sont, respectivement, les points et poids d’intégration de Q x, ω , alors :
∀ i ∈ {0, 1, · · · , n}, ∃ j ∈ {0, 1, · · · , n} / xi + xj = a + b et ωi = ωj . (2.4a)

• Si x0 < · · · < xn , la propriété (2.4a) se traduit par :
∀ i = 0 (1) n, xi + xn−i = a + b et ωi = ωn−i . (2.4b)
De la Définition D.II-d 2 et du Théorème D.I.4-2, on déduit directement la caractérisation des quadra-

tures élémentaires symétriques sur un intervalle :
Proposition D.II.3-1 (Quadrature élémentaire et symétrique sur un intervalle [ a, b ])

Si QEu, λ est une quadrature élémentaire, alors les assertions suivantes sont équivalentes :
1. ∀ a, b ∈ IR / a < b, QEu, λ est symétrique sur [ a, b ] ;
[ a,b ]
2. ∀ a, b ∈ IR / a < b, les nœuds x0 , · · · , xn de Q x, ω = Q u, λ sont symétriques p/r à (a + b)/2 ;
3. ∃ c, d ∈ IR / c < d et QEu, λ est symétrique sur [ c, d ] ;
[ c,d ]
4. ∃ c, d ∈ IR / c < d et les nœuds x0 , · · · , xn de Q x, ω = Q u, λ sont symétriques p/r à (c + d)/2 ;
5. QEu, λ est symétrique sur [ 0, 1 ] ;
6. Les réels u0 , · · · , un sont (globalement) symétriques par rapport à 1/2.
7. ∀ i ∈ {0, 1, · · · , n}, ∃ j ∈ {0, 1, · · · , n} / ui + uj = 1.
b) Exemples de quadratures élémentaires et symétriques : les quadratures de Newton-Cotes.

• Quadratures de Newton-Cotes fermées.
Les quadratures du trapèze et de Simpson obtenues ci-dessus sont les 2 premières quadratures de la famille
des quadratures dites de Newton-Cotes fermées, i.e. celles correspondant aux valeurs n = 1 et n = 2 dans cette
famille de quadratures. En effet, pour un n ∈ IN∗ fixé, la quadrature de Newton-Cotes fermée sur [ a, b ] à
n+1 points est la quadrature élémentaire sur [ a, b ] associée aux n+1 réels x0 , · · · , xn obtenus comme nœuds de
b−a
la subdivision de l’intervalle [ a, b ] en n sous-intervalles de même longueur, i.e. ∀ i = 0 (1) n, xi = a + i .
n
• Quadratures de Newton-Cotes ouvertes.
La quadrature du point central est la première quadrature de la famille des quadratures dites de Newton-
Cotes ouvertes, i.e. celle correspondant à la valeur n = 0 dans cette famille de quadratures. En effet, pour
un n ∈ IN fixé, la quadrature de Newton-Cotes ouverte sur [ a, b ] à n + 1 points est la quadrature
élémentaire sur [ a, b ] associée aux n + 1 nœuds internes x0 , · · · , xn de la subdivision de l’intervalle [ a, b ] en
b−a
n + 2 sous-intervalles de même longueur, i.e. ∀ i = 0 (1) n, xi = a + (i + 1) .
n+2
◃ Exercice Exo-II:4
1◦ ) Construire les quadratures de Newton-Cotes fermées respectivmement à 3, 4 et 5 points.
2◦ ) Construire les quadratures de Newton-Cotes ouvertes respectivmement à 2, 3, 4 et 5 points.
3◦ ) Pour chacune de ces quadratures de Newton-Cotes ainsi construites, préciser à quelle quadrature élémen-
taire QEu, λ elle correspond, en donnant ses vecteurs u et λ.
- 16 - III - Erreur et ordre d’une quadrature d’intégration numérique
III – Erreur et ordre d’une quadrature d’intégration numérique sur [ a, b ].

L’objet de cette Partie est d’introduire les 2 outils de base pour l’étude de la précision des valeurs approchées
d’intégrales calculées par une quadrature d’intégration numérique : son erreur et son ordre.
1◦ ) Notion d’erreur d’intégration numérique associée à une quadrature.
a) Erreur d’intégration numérique associée à une quadrature : Introduction.
Avant d’utiliser une quadrature d’intégration numérique donnée pour calculer une valeur approchée d’une
intégrale, il est indispensable d’essayer d’acquérir une idée suffisamment bonne de la qualité a priori de cette
approximation. D’où la nécessité d’étudier l’erreur attachée à une quadrature dans une telle approximation.
Définition D.III-d 1 (Erreur d’intégration numérique associée à une quadrature sur [ a, b ])

L’erreur d’intégration numérique associée à l’approximation de l’intégrale d’une fonction f sur un
intervalle [ a, b ] par une quadrature Q x, ω est donnée par :
∫ b ∫ b ∑
( ) déf n
E f ; [ a, b ] Q x, ω = f (x) dx − Q x, ω (f ) = f (x) dx − ωi · f (xi ) . (3.1a)
a a i=0
b) Linéarité de l’erreur d’intégration numérique par rapport à la fonction.

Pour étudier les erreurs de quadrature, la Proposition basique suivante (conséquence de la linéarité de l’in-
tégrale et de la Proposition D.II.1-1) sera très utile :
Proposition D.III.1-1 (Linéarité de l’erreur d’une quadrature)

∀ x = (x0 , · · · , xn ), ω ∈ IRn+1 , et f, g : IR −→ IR / x0 , · · · , xn ∈ Df ∩ Dg , on a, ∀ α, β ∈ IR :
( ) ( ) ( )
E α · f + β · g ; [ a, b ] Q x, ω = α · E f ; [ a, b ] Q x, ω + β · E g ; [ a, b ] Q x, ω . (3.1b)
c) Erreur nulle : Quadrature exacte pour intégrer une fonction donnée sur [ a, b ].
Soit Q x, ω , une quadrature élémentaire donnée. Il peut arriver que pour une certaine fonction φ, le nombre
réel Q x, ω (φ) soit, en fait, exactement égal à la valeur de l’intégrale de φ sur l’intervalle [ a, b ], et donc que
Q x, ω ait une erreur nulle pour l’intégration de φ sur [ a, b ]. Il s’avère que ce type de fonctions (et, spécialement,
parmi elles, les polynômes) jouent un rôle important pour étudier l’erreur associée à la quadrature Q x, ω pour
intégrer les autres fonctions sur [ a, b ]. D’où l’intérêt de la notion :
Définition D.III-d 2 (Quadrature exacte pour intégrer une fonction sur [ a, b ])

Soit φ : IR −→ IR. Une quadrature Q x, ω est dite exacte pour intégrer φ sur [ a, b ] (ou, plus
simplement, exacte pour φ sur [ a, b ]) lorsque :
∫ b ∑
n ∫ b
( )
Q x, ω (φ) = φ(x) dx , i.e. ωi · φ(xi ) = φ(x) dx , ou E f ; [ a, b ] Q x, ω = 0 . (3.1c)
a i=0 a
Comme conséquence de cette Définition et de la Proposition D.III.1-1, on déduit immédiatement :
Proposition D.III.1-2 (Quadrature exacte et linéarité)

Soient φ1 , · · · , φs , des fonctions de IR −→ IR (s ∈ IN∗ ), et [ a, b ] ⊂ IR.
Si une quadrature Q x, ω est exacte pour intégrer chacune des fonctions φ1 , · · · , φs sur [ a, b ], alors
elle l’est aussi pour intégrer toute fonction α1 φ1 + · · · + αs φs sur [ a, b ], ∀ α1 , · · · , αs ∈ IR.
On a aussi, trivialement :
Proposition D.III.1-3 (Quadrature exacte et fonction nulle)

Toute quadrature Q x, ω est exacte pour intégrer la fonction nulle sur tout intervalle [ a, b ].
2◦ ) Un concept fondamental : Ordre d’une quadrature d’intégration numérique.

a) Ordre d’une quadrature d’intégration numérique : Introduction.
Pour étudier de manière systématique l’erreur associée à une quadrature d’intégration numérique, la notion
d’ordre d’une telle quadrature s’avère fondamentale. Il s’agit du degré maximal r des polynômes pour lesquels
la quadrature est exacte sur un intervalle [ a, b ] (en étant aussi exacte pour tous ceux de degré strictement
inférieurs à r). Comme on le verra, cet entier joue un rôle décisif dans le comportement de l’erreur associée à la
quadrature pour intégrer les autres fonctions sur [ a, b ].
Définition D.III-d 3 (Ordre d’une quadrature d’intégration numérique)

1. Une quadrature Q x, ω a un ordre (dans IN) sur [ a, b ] s’il existe r ∈ IN tel que :
1.1. Q x, ω est exacte pour intégrer sur [ a, b ] tout polynôme de degré 6 r,
1.2. il existe (au moins) un polynôme de degré r + 1 pour lequel Q x, ω n’est pas exacte sur [ a, b ].
2. On dit alors que la quadrature Q x, ω est d’ordre r sur [ a, b ].
On déduit directement de cette Définition la propriété pratique suivante :
Proposition D.III.2-1 (Ordre d’une quadrature et inexactitude pour un polynôme)

Si une quadrature Q x, ω a un ordre r ∈ IN sur [ a, b ] et n’est pas exacte pour intégrer un polynôme P
donné sur [ a, b ], alors r 6 deg(P ) − 1.
b) Quadrature d’ordre r ∈ IN et polynômes de degré r + 1.

On peut préciser davantage le comportement d’une quadrature d’ordre r pour les polynômes de degré r + 1.
En fait, une telle quadrature n’est exacte pour intégrer sur [ a, b ] aucun polynôme de degré r + 1 :
Lemme D.III-ℓ1 (Quadrature exacte dans IRr [x] et polynômes de degré r + 1)

Soient [ a, b ] ⊂ IR et r ∈ IN. Pour une quadrature Q x, ω exacte pour intégrer sur [ a, b ] tout polynôme
de degré 6 r, les 3 assertions suivantes sont équivalentes :
1. il existe (au moins) un polynôme de degré r + 1 pour lequel Q x, ω n’est pas exacte sur [ a, b ] ;
2. Q x, ω n’est pas exacte pour intégrer sur [ a, b ] le polynôme xr+1 ;
3. Q x, ω n’est pas exacte pour intégrer sur [ a, b ] tout polynôme de degré r + 1.
Preuve
Soit Q x, ω , une quadrature exacte pour intégrer sur [ a, b ] tout polynôme de degré 6 r. (3.2)
Pour P ∈ IR[x], de degré r + 1, il existe α, réel non nul, et Pr ∈ IRr [x] / ∀ x ∈ IR, P (x) = Pr (x) + α xr+1 .
Il s’ensuit, par la Propo. D.III.1-1 :
( ) ( ) ( )
E P ; [ a, b ] Q x, ω = E Pr ; [ a, b ] Q x, ω + α · E xr+1 ; [ a, b ] Q x, ω . (3.3)
Or, par hypothèse (3.2), il vient :
( )
Pr ∈ IRr [x] =⇒ E Pr ; [ a, b ] Q x, ω = 0. (3.4)
( ) ( )
(3.3)-(3.4) =⇒ E P ; [ a, b ] Q x, ω = α · E xr+1 ; [ a, b ] Q x, ω . D’où l’équivalence (car α ̸= 0) :
( ) ( )
E P ; [ a, b ] Q x, ω ̸= 0 ⇐⇒ E xr+1 ; [ a, b ] Q x, ω ̸= 0. (3.5)
Les équivalences 1. ⇐⇒ 2. ⇐⇒ 3. s’ensuivent. Cqfd
• • • Remarque/Commentaire n◦ 7 (Formulations équivalentes de l’ordre d’une quadr.)

On déduit, de ce Lemme, que n’importe laquelle des 2 assertions 2. ou 3. aurait pu remplacer 1.2. dans
la Définition D.III-d 3 de l’ordre r d’une quadrature d’intégration numérique, lorsqu’il existe.
Le Lemme précédent a la conséquence pratique immédiate suivante :
Proposition D.III.2-2 (Ordre r d’une quadrature et polynômes de degré r + 1)

Si une quadrature Q x, ω a un ordre r ∈ IN sur [ a, b ], alors on a :
∀ P , polynôme de degré r + 1, Q x, ω n’est pas exacte pour intégrer P sur [ a, b ].
3◦ ) Existence et encadrement de l’ordre d’une quadrature élémentaire.

Ce qui précède est bien beau, mais question naturelle :
Est-il même d’abord garanti qu’une quadrature élémentaire admet un ordre dans IN ?
L’objectif de cette Section est de montrer que oui et que cet ordre admet un encadrement remarquable en
fonction du nombre de nœuds de cette quadrature.
a) Valeure minimale envisageable pour l’ordre d’une quadrature élémentaire à n + 1 nœuds.

Si une quadrature élémentaire à n + 1 nœuds a un ordre dans IN, alors celui-ci est au moins égal à n, car :
Lemme D.III-ℓ2 (Quadrature élémentaire à n + 1 nœuds et polynômes de degré 6 n)

Une quadrature élémentaire sur un intervalle [ a, b ] à n+1 nœuds (avec n ∈ IN) est exacte pour intégrer
sur [ a, b ] tout polynôme de degré 6 n.
Preuve Soit Q x, ω , une quadrature élémentaire sur [ a, b ]. Par définition d’une quadrature élémentaire, ses
poids d’intégration ω0 , · · · , ωn (avec n ∈ IN) sont reliés aux bornes a, b et à ses nœuds x0 , · · · , xn par la
propriété (1.1a) du Théorème D.I.2-2. D’où le résultat (Définition D.III-d 2). Cqfd
b) Valeur maximale envisageable pour l’ordre d’une quadrature à n + 1 nœuds.

Lorsqu’il existe, l’ordre r d’une quadrature à n + 1 nœuds ne peut pas dépasser 2n + 1. Ceci est une
conséquence du résultat classique d’Analyse Réelle rappelé ci-après :
∗∗∗ Rappel n◦ 8 (Intégrale d’une fonction continue > 0, mais non identiquement nulle)
∫ b
Soit une fonction f : [ a, b ] −→ IR, continue sur [ a, b ], avec a < b. Pour I = f (x) dx ∈ IR, on a :
a
• Si f > 0 sur [ a, b ] et il existe α0 ∈ [ a, b ] / f (α0 ) > 0, alors I > 0.
On peut alors énoncer :
Lemme D.III-ℓ3 (Un polynôme de degré trop élevé pour une quad. Q x, ω à n + 1 nœuds)
Si x0 , · · · , xn sont les nœuds d’une quadrature d’intégration numérique Q x, ω , alors, ∀ a, b ∈ IR / a < b,
Q x, ω n’est pas exacte pour intégrer sur [ a, b ] le polynôme P2 n+2 défini par :
[ ]2 ∏n
∀ x ∈ IR, P2 n+2 (x) = πn (x) , avec πn (x) = (x − x0 ) · · · (x − xn ) = (x − xi ).
i=0
Preuve Soit Q x, ω , une quadrature de nœuds x0 , · · · , xn et de poids d’intégration ω0 , · · · , ωn .

∑n ∑
n
Remarquons d’abord que, par définition de P2 n+2 , on a : Q x, ω (P2 n+2 ) = ωi ·P2 n+2 (xi ) = ωi ·0 = 0.
i=0 i=0
Considérons maintenant a, b ∈ IR / a < b. On a :
− comme polynôme, P2 n+2 est une fonction continue sur IR, donc sur [ a, b ] ; (3.6a)
− ∀ x ∈ IR, P2 n+2 (x) > 0, avec ∀ x ∈ IR \ {x0 , · · · , xn }, P2 n+2 (x) > 0. (3.6b)
∫ b ∫ b
Or (Rappel n◦ 8 ), (3.6a)-(3.6b) =⇒ P2 n+2 (x) dx > 0, et donc P2 n+2 (x) dx ̸= Q x, ω (P2 n+2 ). Cqfd
a a
c) Existence et encadrement de l’ordre d’une quadrature élémentaire : Résultat fondamental .

Une quadrature élémentaire admet toujours un ordre dans IN, et avec un encadrement a priori remarquable :
Théorème D.III.3-1 (Ordre d’une quadrature élémentaire)

Soient a, b ∈ IR / a < b
1. Une quadrature élémentaire sur [ a, b ] admet un ordre r ∈ IN.
2. De plus, si elle utilise n + 1 nœuds, alors son ordre r vérifie : n 6 r 6 2 n + 1.
Preuve Soit Q x, ω , une quadrature élémentaire sur [ a, b ] à n + 1 nœuds, avec n ∈ IN.

{ }
Posons E = s ∈ IN/ Q x, ω est exacte pour intégrer sur [ a, b ] tout élément de IRs [x] ⊂ IN. On a :
Lemme D.III-ℓ2 =⇒ n ∈ E =⇒ E ̸= ∅. (3.6c)
D’autre part, par le Lemme D.III-ℓ3, il existe un polynôme P2 n+2 de degré 2 n + 2 que la quadrature Q x, ω
n’intègre pas exactement sur [ a, b ],
=⇒ ∀ s ∈ E, s 6 2 n + 1 ; (3.6d)
(3.6c)-(3.6d) =⇒ E est une partie non vide et majorée (par 2 n + 1) de IN, donc a un plus grand élément r.
Comme r ∈ E, alors r ∈ IN, et
Q x, ω est exacte pour intégrer sur [ a, b ] tout élément de IRr [x], i.e. tout polynôme de degré 6 r ; (3.6e)
De plus, r = max E =⇒ r + 1 ∈ IN et r + 1 ̸∈ E,
=⇒ il existe (au moins) un polynôme de degré r + 1 pour lequel Q x, ω n’est pas exacte sur [ a, b ] ; (3.6f)
(3.6e)-(3.6f) =⇒ Q x, ω a comme ordre r ∈ IN sur [ a, b ].
Enfin, r = max E et (3.6c)-(3.6d) =⇒ n 6 r 6 2 n + 1. Cqfd
4◦ ) Détermination pratique de l’ordre d’une quadrature élémentaire.
a) Résultats de base.
Pour trouver l’ordre d’une quadrature sur un intervalle [ a, b ], on s’appuye sur sa caractérisation suivante :
Théorème D.III.4-1 (Fonctions puissances et ordre d’une quadrature sur [ a, b ])

Pour [ a, b ] ⊂ IR, une quadrature Q x, ω et r ∈ IN, les 2 assertions suivantes sont équivalentes :
1. Q x, ω est d’ordre r sur [ a, b ] ;
2. Q x, ω est exacte sur [ a, b ] pour les r + 1 polynômes P0 (x) = 1, P1 (x) = x, . . . , Pr (x) = xr ,
mais ne l’est pas pour le polynôme Pr+1 (x) = xr+1 .
Preuve
• 1. =⇒ 2. : Par la Définition D.III-d 3 et la Propo. D.III.2-2, chaque Pk étant un polynôme de degré k.
• 2. =⇒ 1. : Par la Définition D.III-d 3 et la Propo. D.III.1-2, car tout polynôme de degré 6 r peut
s’écrire comme combinaison linéaire de P0 , · · · , Pr . Cqfd
Mais ce qui suit montre qu’on peut affiner ce dernier résultat, en partant du Lemme :
[ a,b ] [ 0,1 ]
Lemme D.III-ℓ4 ( Q u, λ exacte pour (x − a)k ⇐⇒ Q u, λ exacte pour xk )
Soient k ∈ IN et a, b ∈ IR / a < b. Posons, ∀ x ∈ IR : Pk, a (x) = (x − a)k et Pk (x) = xk . On a :
∑ n
Q u, λ (Pk, a ) = (b − a)
E k+1
λi · (ui )k ; (3.7a)
( ) i = 0 ( )
E Pk, a ; [ a, b ] QEu, λ = (b − a)k+1 · E Pk ; [ 0, 1 ] QEu, λ . (3.7b)
• Ainsi, les 2 assertions suivantes sont équivalentes :
1. QEu, λ est exacte pour intégrer le polynôme Pk, a (x) = (x − a)k sur [ a, b ] ;
2. QEu, λ est exacte pour intégrer le polynôme Pk (x) = xk sur [ 0, 1 ].
∫
( ) b
Preuve Par définition, E Pk, a ; [ a, b ] QEu, λ = Pk, a (x) dx − QEu, λ (Pk, a ), avec :
a
∫ ∫
b b
(b − a)k+1
Pk, a (x) dx = (x − a)k dx = ;
a a k+1
∑
n ∑
n ∑
n
QEu, λ (Pk, a ) = ωi · Pk, a (xi ) = ωi · (xi − a)k = [ (b − a) λi ] · [ (b − a) ui ]k (Définition D.II-d 1) ;
i=0 i=0 i=0
1 ∑
n
( )
=⇒ (3.7a), puis (3.7b), car − λi · (ui )k = E Pk ; [ 0, 1 ] QEu, λ . D’où 1. ⇐⇒ 2. Cqfd
k+1
i=0
On en déduit le résultat remarquable :
Théorème D.III.4-2 (Ordre d’une quadrature élémentaire)

L’ordre d’une quadrature élémentaire QEu, λ sur un intervalle [ a, b ] est le même, ∀ a, b ∈ IR / a < b.
Preuve Soient u, λ fixés dans IRn+1 et a, b ∈ IR / a < b.

Posons, ∀ k ∈ IN : ∀ x ∈ IR, Pk, a (x) = (x − a)k et Pk (x) = xk .
Alors, pour r ∈ IN, le Lemme D.III-ℓ4 implique que les 2 assertions suivantes sont équivalentes :
1. QEu, λ est exacte sur [ a, b ] pour les r + 1 polynômes P0, a , · · · , Pr, a , mais ne l’est pas pour Pr+1, a ;
2. QEu, λ est exacte sur [ 0, 1 ] pour les r + 1 polynômes P0 , · · · , Pr , mais ne l’est pas pour Pr+1 .
Or, par le Théorème D.III.4-1, l’assertion 2. ci-dessus équivaut à :
2’. La quadrature QEu, λ est d’ordre r sur [ 0, 1 ].
De même, par définition de l’ordre d’une quadrature, les Propositions D.III.1-2, D.III.2-2 et du fait que
BrT; a = (P0, a , · · · , Pr, a ) est une base de IRr [x] (Cf. Rappel n◦ 4 ), l’assertion 1. équivaut à :
1’. La quadrature QEu, λ est d’ordre r sur [ a, b ].
Ainsi, on a : 1’. ⇐⇒ 1. ⇐⇒ 2. ⇐⇒ 2’.
Or, 1’. ⇐⇒ 2’. entraîne que l’ordre de la quadrature élémentaire QEu, λ sur [ a, b ] est toujours égal à celui de
la quadrature QEu, λ sur [ 0, 1 ]. Par conséquent, cet ordre reste le même pour tous a, b ∈ IR / a < b. Cqfd
b) Conséquence : Détermination pratique de l’ordre d’une quadrature élémentaire.
Le Théorème précédent nous indique que l’ordre d’une quadrature élémentaire QEu, λ sur [ a, b ] a la même
valeur, ∀ a, b ∈ IR / a < b. Pour le déterminer, il suffit donc de :
1. se placer sur un intervalle [ a, b ] = [ c, d ] simple, du genre [ c, d ] = [ 0, 1 ] ou [ c, d ] = [ − 1, 1 ] ;
[ c,d ]
2. calculer les nœuds x0 , · · · , xn et les poids d’intégration ω0 , · · · , ωn de la quadrature Q u, λ , par :
∀ i = 0 (1) n, xi = (1 − ui ) c + ui d = c + ui (d − c) et ωi = (d − c) · λi ;
3. puis construire le tableau
∫ d
dk+1 − ck+1 [ c,d ]
k Pk (x) = xk Pk (x) dx = Q u, λ (Pk )
c k+1
0 1 ··· ··· Tableau 1

1 x ··· ···
.. .. .. ..
. . . .
jusqu’à la 1ère valeur k0 de l’entier k pour laquelle les résultats des 2 dernières colonnes du tableau ne
sont pas égaux. Alors la quadrature élémentaire QEu, λ est d’ordre r = k0 − 1 sur tout [ a, b ]/ a < b.
Cependant, par le Lemme D.III-ℓ2, on sait que la quadrature élémentaire est exacte pour les polynômes
xk pour les entiers k = 0 (1) n. En principe donc, dans la construction du tableau Tableau 1 ci-dessus pour
trouver l’ordre r de cette quadrature, il est inutile d’examiner ces valeurs de k. On peut directement commencer
à k = n + 1 en montant, s’arrêter à la 1ère valeur k0 de l’entier k pour laquelle les résultats des 2 dernières
colonnes du tableau diffèrent et décider la valeur de r comme indiqué ci-dessus.
• • • Remarque/Commentaire n◦ 8 (Recommandation pratique)

La dernière recommandation ci-dessus repose sur un objectif d’efficacité en vue de minimiser la quantité
de calculs à faire pour déterminer l’ordre d’une quadrature élémentaire. Cependant, elle suppose qu’on a
d’abord réussi à calculer correctement les poids ω0 , · · · , ωn de la quadrature.
Mais la recommandation pratique de l’auteur sera d’être plus prudent. Il peut être utile de construire
le Tableau 1 à partir de la valeur k = 0. En effet, l’égalité des résultats dans les 2 dernières colonnes pour
les valeurs k = 0 (1) n permet de vérifier qu’on ne s’est pas trompé dans le calcul des poids ω0 , · · · , ωn .
c) Exemples de base : ordres des quadratures du point central, trapèze et de Simpson.

Etant des quadratures élémentaires, elles ont, chacune, un ordre r ∈ IN (Théorème D.III.3-1). De plus,
elles sont toutes canoniques.
∗∗∗ Exemple 3.1 : Ordre de la quadrature du point central (ou du point-milieu).
On a vu, dans l’Exemple 2.1, qu’elle était donnée sur un intervalle [ a, b ] par :
∫ b
[ a,b ] [ a,b ] (a+b)
f (x) dx ≈ Q C (f ), avec Q C (f ) = (b − a) · f . (3.8a)
a 2
a+b
Ici n = 0, avec x0 = comme seul nœud.
2
Pour trouver l’ordre r ∈ IN de la quadrature, plaçons nous sur [ a, b ] = [ 0, 1 ]. Alors (3.8a) devient :
∫ 1
[ 0,1 ] [ 0,1 ] ( 1 )
f (x) dx ≈ Q C (f ), avec Q C (f ) = f .
0 2
∫ 1
k 1 [ 0,1 ]
k Pk (x) = x Pk (x) dx = Q C (Pk )
0 k+1
D’où le tableau de calculs :
n+1=1 x 1/2 1/2
2 x2 1/3 1/4
∫ 1
[ 0,1 ]
Ainsi à k = 2, Pk (x) dx ̸= Q C (Pk ) =⇒ La quadrature du point central est d’ordre r = 1 .
0
∗∗∗ Exemple 3.2 : Ordre de la quadrature du trapèze.

∫ b
[ a,b ] [ a,b ] b−a
f (x) dx ≈ Q T (f ), avec Q T (f ) = [ f (a) + f (b) ]. (3.8b)
a 2
Ici n = 1, avec comme nœuds x0 = a et x1 = b. Donc Q T a un ordre r ∈ IN∗ .
Pour trouver l’ordre de la quadrature, plaçons nous sur [ a, b ] = [ 0, 1 ]. Alors (3.8b) devient :
∫ 1
[ 0,1 ] [ 0,1 ] f (0) + f (1) )
f (x) dx ≈ Q T (f ), avec Q T (f ) = .
0 2
∫ 1
1 [ 0,1 ]
k Pk (x) = xk Pk (x) dx = Q T (Pk )
D’où le tableau de calculs : 0 k + 1
n+1=2 x2 1/3 1/2
∫ 1
[ 0,1 ]
Ainsi à k = 2, Pk (x) dx ̸= Q T (Pk ) =⇒ La quadrature du trapèze est d’ordre r = 1 .
0
∗∗∗ Exemple 3.3 : Ordre de la quadrature de Simpson.

∫ b
[ a,b ] [ a,b ] b−a[ (a+b) ]
f (x) dx ≈ Q S (f ), avec Q S (f ) = f (a) + 4 f + f (b) . (3.8c)
a 6 2
a+b
Ici n = 2, avec les nœuds x0 = a, x1 = , x2 = b. Donc Q S a un ordre r ∈ IN/ r > 2.
2
Pour trouver l’ordre de la quadrature, plaçons nous sur [ a, b ] = [ − 1, 1 ]. Alors (3.8c) devient :
∫ 1
[ −1,1 ] [ −1,1 ] f (−1) + 4 f (0) + f (1)
f (x) dx ≈ Q S (f ), avec Q S (f ) = .
−1 3
∫ 1
1 + (−1)k [ −1,1 ]
k Pk (x) = xk Pk (x) dx = QS (Pk )
−1 k + 1
D’où le tableau de calculs :
n+1=3 x3 0 0
4 x4 2/5 2/3
∫ 1
[ −1,1 ]
Ainsi à k = 4, Pk (x) dx ̸= Q S (Pk ) =⇒ La quadrature de Simpson est d’ordre r = 3 .
−1
◃ Exercice Exo-III:1 Trouver l’ordre de chacune des quadratures sur [ a, b ] construites dans l’ Exo-II:3 .
5◦ ) Ordre d’une quadrature élémentaire symétrique : il est toujours impair !!!

Dans les Exemples 3.1, 3.2 et 3.3, on a pu observer que les quadratures du point central, du trapèze
et de Simpson ont, toutes les 3, un ordre impair. Ce n’est pas une simple coïncidence. En effet, une propriété
remarquable veut que l’ordre d’une quadrature symétrique est toujours un entier impair. Ceci découle du :
Lemme D.III-ℓ5 (Quadrature symétrique sur [ a, b ] et un polynôme particulier )

Une quadrature Q x, ω symétrique sur [ a, b ] est exacte pour intégrer sur cet intervalle tout polynôme
Pk, a,b de la forme :
( a + b )k
∀ x ∈ IR, Pk, a,b (x) = x − , avec k ∈ IN, entier impair .
2
Preuve Soit Q x, ω , une quadrature symétrique sur [ a, b ], de points et poids d’intégration x0 , · · · , xn et
ω0 , · · · , ωn , respectivement. Sans restreindre la généralité, on peut supposer que : x0 < · · · < xn . Alors, par
définition d’une quadrature symétrique, (2.4b) est vraie. Par ailleurs,
∫ b ∫ b( ∫ (b−a)/2
a + b )k
Pk, a,b (x) dx = x− dx = tk dt = 0,
a a 2 −(b−a)/2
a+b
grâce au C.V. t = x − , puis le fait que k ∈ IN, entier impair.
2
∑ n ∑n ( a + b )k
Tandis que Q x, ω (Pk, a,b ) = ωi · Pk, a,b (xi ) = ωi · xi − ; d’où, par (2.4b) :
2
i=0 i=0
∑
n (a+b )k ∑
n (a+b )k
Q x, ω (Pk, a,b ) = ωn−i · − xn−i = ωj · − xj (par le chang. d’indice j = n − i)
2 2
i=0 j =0
∑
n ( a + b )k ∑n
= − ωj · xj − (car k impair) =⇒ Q x, ω (Pk, a,b ) = − ωj · Pk, a,b (xj ) = −Q x, ω (Pk, a,b ) ;
2
j =0
∫ b j =0
=⇒ Q x, ω (Pk, a,b ) = 0, et donc Q x, ω (Pk, a,b ) = Pk, a,b (x) dx. Cqfd
a
On peut alors énoncer :
Proposition D.III.5-1 (Ordre d’une quadrature élémentaire symétrique sur [ a, b ])

L’ordre d’une quadrature élémentaire et symétrique est un entier impair.
Preuve Soit Q x, ω , une quadrature élémentaire symétrique sur [ a, b ], d’ordre r ∈ IN.

Pour montrer que l’entier r est impair, raisonnons par l’absurde en supposant r pair.
Notons que r entier pair =⇒ r + 1 est un entier impair, =⇒ d’après le Lemme précédent,
( a + b )r+1
Q x, ω est exacte pour intégrer sur [ a, b ] le polynôme Pr+1, a,b (x) = x − . (3.9)
2
Mais comme deg(Pr+1, a,b ) = r + 1, alors, par la Propo. D.III.2-2, (3.9) est incompatible avec le fait que la
quadrature Q x, ω soit d’ordre r ∈ IN sur [ a, b ]. Par conséquent, l’entier r est impair. Cqfd
◃ Exercice Exo-III:2 Trouver les ordres respectifs des quadratures de Newton-Cotes de l’ Exo-II:4 .
IV – Quadratures à poids > 0.

Pour calculer concrètement des valeurs approchées d’intégrales, on privilégie, autant que possible, les qua-
dratures Q x, ω dont tous les poids ωi sont > 0 (autre caractéristique commune qu’on a pu observer dans les
quadratures du point central, du trapèze et de Simpson). On examine dans cette Partie IV pourquoi.
1◦ ) Avantage des quadratures à poids > 0.
Une première et décisive raison pour laquelle les quadratures à poids positifs sont à préférer est que pendant
l’évaluation effective de l’expression Q x, ω (f ) pour une telle quadrature Q x, ω , les erreurs issues du calcul
préalable des évaluations de la fonction f aux nœuds x0 , · · · , xn de la quadrature ne sont pas susceptibles d’être
amplifiées. Ceci est un avantage crucial, dans la mesure où le calcul concret de Q x, ω (f ) se fera par ordinateur.
De ce fait, toutes les opérations numériques pour arriver au résultat seront calculées avec des errreurs d’arrondi,
y compris donc le calcul des images yi = f (xi ), i = 0 (1) n. On peut alors, légitimement, s’inquiéter sur l’impact
de ces erreurs d’arrondi dans les calculs intermédiaires sur le résultat final du calcul de Q x, ω (f ) tel que renvoyé
par ordinateur. D’où l’intérêt du :
Théorème D.IV.1-1 (Perturbation des valeurs de la fonction dans une quadrature)

Soit Q x, ω , une quadrature d’intégration numérique sur [ a, b ] vérifiant : ∀ i = 0 (1) n, ωi > 0.
Pour calculer Q x, ω (f ), si les valeurs de la fonction f aux nœuds x0 , · · · , xn sont perturbées avec une
incertitude absolue ne dépassant pas ∆ > 0, alors c’est comme si f a été remplacée, dans ce calcul, par
une fonction fe telle que :
| Q x, ω (fe) − Q x, ω (f ) | 6 (b − a) · ∆ . (4.1a)
∑
n ∑n
Preuve Par définition, Q x, ω (f ) = e
ωi · f (xi ) et Q x, ω (f ) = ωi · fe(xi ) ;
ni = 0 i=0
∑ ∑n

=⇒ Q x, ω (fe) − Q x, ω (f ) = ωi · [ fe(xi ) − f (xi ) ] 6 ωi · [ fe(xi ) − f (xi ) ] ,

i=0 i=0
∑
n

=⇒ | Q x, ω (fe) − Q x, ω (f ) | 6 ωi · fe(xi ) − f (xi ) , car ωi > 0, ∀ i = 0 (1) n,
i=0
∑n

=⇒ | Q x, ω (fe) − Q x, ω (f ) | 6 ∆· ωi = ∆·(b−a), car, par hypothèse, fe(xi ) − f (xi ) 6 ∆, ∀ i = 0 (1) n,
i=0
et ω0 + · · · + ωn = b − a. Cqfd
• • • Remarque/Commentaire n◦ 9 (A propos de la majoration d’erreur (4.1a))

L’intéressant dans la majoration d’erreur (4.1a) est que la borne (b − a) · ∆ ne dépend que
− de la longueur b − a de l’intervalle d’intégration [ a, b ],
− et de l’amplitude maximale ∆ des perturbations, aux nœuds x0 , · · · , xn de la quadrature, de la
valeur de la fonction à intégrer.
Par contre, cette borne ne dépend ni, directement, de ces nœuds eux-mêmes, et pas du tout de leur nombre
ou de leurs poids d’intégration respectifs ω0 , · · · , ωn dans la quadrature. C’est remarquable.
- 24 - V - Quadratures d’ordre maximal : les quadratures de Gauss-Legendre
2◦ ) Ordre et quadratures à poids > 0.

Malheureusement, ce ne sont pas toutes les quadratures qui ont tous leurs poids d’intégration > 0. Cependant,
les 2 résultats suivants montrent que si l’ordre d’une quadrature est suffisamment élevé relativement à son nombre
de nœuds, alors elle possède cette propriété.
Théorème D.IV.2-1 (Ordre élevé et poids > 0)

Soient un intervalle [ a, b ] ⊂ IR (a < b) et un entier n ∈ IN.
Si une quadrature à n + 1 nœuds est d’ordre > 2n sur [ a, b ], alors tous ses poids d’intégration sont > 0.
Preuve Soit Q x, ω , une quadrature à n + 1 nœuds et d’ordre r > 2 n sur [ a, b ].

Notons x0 , · · · , xn , ses nœuds, et ω0 , · · · , ωn , les points d’intégration correspondants.
Pour i ∈ [ 0 (1) n ], soit ℓi , le polynôme de degré n vérifiant : ∀ i, j = 0 (1) n, ℓi (xj ) = δij (Rappel n◦ 5 ).
Alors Pi (x) = [ ℓi (x) ]2 est un polynôme de degré 2n. Mais la quadrature Q x, ω étant, par hypothèse, d’ordre
r > 2n, elle est donc exacte pour intégrer Pi sur [ a, b ]. D’où :
∫ b ∑n ∫ b
Pi (x) dx = Q x, ω (Pi ) = ωj · Pi (xj ) = ωi , =⇒ ωi = [ ℓi (x) ]2 dx > 0 (Rappel n◦ 8 ) . Cqfd
a j =0 a
V – Quadratures d’ordre maximal : les quadratures de Gauss-Legendre.

Lorsqu’on étudiera (à partir de la Partie VI qui suit celle ci) le comportement de l’erreur d’intégration
associée à une quadrature sur un intervalle [ a, b ], il sera clair que, plus que son nombre de points d’intégration,
c’est son ordre r qui impacte le plus sur ce comportement de son erreur : plus la quadrature est d’ordre
élevé, plus elle sera précise dans l’approximation des intégrales définies. Dans ces conditions, les quadratures
d’intégration numérique les plus efficaces sont celles qui, pour un nombre fixé donné de nœuds, sont d’ordre le
plus élevé. C’est cette observation qui mène aux quadratures de Gauss-Legendre.
1◦ ) Préliminaire : Polynômes de Legendre.
Comme on va s’en rendre compte par la suite, les polynômes dits de Legendre jouent un rôle décisif dans la
construction des quadratures dites « de Gauss-Legendre ».
a) Version 1 : Polynômes moniques de Legendre.
D’abord une définition préliminaire :
Définition-Propriété D.V-d 1 (Polynôme monique)

Un polynôme est dit monique lorsque son monôme de plus haut degré a un coefficient égal à 1.
Ainsi, pour n ∈ IN, un polynôme monique de degré n est un polynôme P vérifiant :
∀ x ∈ IR, P (x) = xn + Pn−1 (x), où Pn−1 est un polynôme de degré 6 n − 1. (5.1a)
• De ce fait, le seul polynôme monique constant est le polynôme constamment égal à 1.
• Par ailleurs, un polynôme monique est toujours différent du polynôme nul.
Une 1ère version des polynômes de Legendre est donnée par :
Définition D.V-d 2 (Polynômes moniques de Legendre)

Les polynômes moniques de Legendre sont les polynômes de la suite (Legn )n ∈ IN définie par, ∀ x ∈ IR :
n2
Leg0 (x) = 1, Leg1 (x) = x, et ∀ n ∈ IN∗ , Leg n+1 (x) = x · Leg n (x) − · Leg n−1 (x). (5.1b)
4 n2 − 1
Après Leg0 et Leg1 , les 4 polynômes moniques de Legendre suivants sont donc :
1 3 6 3 10 3 5
Leg2 (x) = x2 − , Leg3 (x) = x3 − x, Leg4 (x) = x4 − x2 + , Leg5 (x) = x5 − x + x.
3 5 7 35 9 21
Le résultat suivant énonce les 3 propriétés caractéristiques de la suite de polynômes (Legn )n ∈ IN :
Théorème D.V.1-1 (Caractérisation des polynômes moniques de Legendre)

La suite (Legn )n ∈ IN est l’unique suite de polynômes de IR[x] vérifiant les 3 propriétés suivantes :
• ∀ n ∈ IN, Legn est un polynôme monique ; (5.1c)
• ∀ n ∈ IN, Legn est un polynôme de degré n ; (5.1d)
∫ 1
• ∀ n, p ∈ IN / n ̸= p, Legn (x) · Legp (x) dx = 0. (5.1e)
−1
• • • Remarque/Commentaire n◦ 10 (Orthogonalité 2 à 2 des polynômes de Legendre)

La propriété la plus importante ci-dessus de la suite de polynômes (Legn )n ∈ IN est (5.1e). C’est à cause
d’elle qu’on parle de polynômes orthogonaux . En effet, elle traduit le fait que ∀ n, p ∈ IN / n ̸= p, les
2 polynômes Legn et Legp sont orthogonaux pour le produit scalaire ⟨ · , · ⟩, dans l’espace vectoriel des
polynômes IR[x] défini par : ∫ 1
∀ P, Q ∈ IR[x], ⟨ P , Q ⟩ = P (x) · Q(x) dx. (5.1f)
−1
On vérifie effectivement que ⟨ · , · ⟩ est une forme bilinéaire symétrique dans IR[x], et même dans
l’ensemble des fonctions continues de [ − 1, 1 ] −→ IR (notamment grâce au Rappel n◦ 8 ).
En tant que fonctions, les polynômes moniques de Legendre ont des propriétés de parité faciles à identifier :
Proposition D.V.1-2 (Parité des polynômes de Legendre)

Pour tout n ∈ IN, en tant que fonction de IR −→ IR, le polynôme Legn a la parité de l’entier n, i.e. :
• si n est pair, alors Legn est une fonction paire ; si n est impair, alors Legn est une fonction impaire.
Pour l’Intégration numérique, et comme on va s’en rendre compte très rapidement par la suite, probablement
la propriété la plus importante des polynômes moniques de Legendre est la suivante :
Théorème D.V.1-3 (Racines des polynômes de Legendre)


 • le polynôme Legn a n racines réelles distinctes (et donc simples) ;
∀ n ∈ IN∗ , on a : • toutes ces n racines appartiennent à ] − 1, 1 [ ;

• pour chaque racine de Legn , son opposé dans IR en est aussi une.
b) Unicité des polynômes de Legendre ???

En Intégration numérique, les propriétés d’intérêt des polynômes Legn (comme la Proposition D.V.1-2
et le Théorème D.V.1-3) sont des conséquences de (5.1d) et (5.1e). Or, (5.1d) et (5.1e) restent vraies si on
remplace chaque Legn par un polynôme Pn de la forme :
Pn = αn · Legn , où αn est un réel non nul (mais pouvant varier avec n). (5.1g)
Réciproquement, on peut montrer que toute suite de polynômes (Pn )n ∈ IN vérifiant (5.1d) et (5.1e) (mais avec
Pn à la place de Legn ) vérifie (5.1g). De ce fait, toute suite de polynômes (Pn )n ∈ IN vérifiant (5.1g) peut aussi
être appelée suite de polynômes de Legendre. Il est important de noter que, pour tout n ∈ IN, la propriété
(5.1g) entraîne que le polynôme Pn a les mêmes racines que le polynôme Legn .
La propriété (5.1c) n’est utile que pour éviter cette possible ambiguïté dans la définition de la suite des
polynômes (Legn )n ∈ IN . Avec elle, chaque polynôme Legn de cette suite est unique, ∀ n ∈ IN. C’est donc une
propriété de normalisation de la suite des polynômes de Legendre. L’autre normalisation la plus couramment
utilisée est obtenue avec la suite de polynômes (Ln )n ∈ IN vérifiant (5.1d) et (5.1e) (mais avec Ln à la place de
Legn ), avec, en plus : ∀ n ∈ IN, Ln (1) = 1. Cette suite est obtenue en prenant, ∀ n ∈ IN :
Legn (x) (2 n) !
Ln (x) = = An · Legn (x), avec An = n . (5.1h)
Legn (1) 2 (n !)2
Ainsi, L0 (x) = 1 et L1 (x) = x, puis :
3 x2 − 1 5 x3 − 3 x 35 x4 − 30 x2 + 3 63 x5 − 70 x3 + 15 x
L2 (x) = , L3 (x) = , L4 (x) = , L5 (x) = .
2 2 8 8
- 26 - V - Quadratures d’ordre maximal : les quadratures de Gauss-Legendre
2◦ ) Quadratures de Gauss-Legendre.
a) Quadratures de Gauss-Legendre : Motivation.
Pour un entier n ∈ IN∗ , le Théorème D.III.3-1 implique qu’une quadrature élémentaire sur [ a, b ] ⊂ IR
(a < b), avec n nœuds, a un ordre r ∈ IN vérifiant : 0 6 r 6 2 n − 1. Mais question naturelle alors :
Peut-on trouver, une quadrature à n nœuds qui atteind l’ordre maximal r = 2 n − 1 sur [ a, b ] ?
b) Quadratures de Gauss-Legendre : Résultat de base.
On a le résultat fondamental suivant pour l’Intégration numérique, réponse à la question posée en a) :
Théorème D.V.2-1 (Quadrature de Gauss-Legendre à n nœuds sur [ a, b ])

Soient un intervalle [ a, b ] ⊂ IR (a < b) et un entier n ∈ IN∗ .
1. Il existe une unique quadrature à n nœuds qui est d’ordre r = 2 n − 1 sur [ a, b ].
2. Elle est appelée quadrature de Gauss-Legendre à n nœuds (ou points) sur [ a, b ].
[ a,b ]
NOTATION : Q Leg, n (ou Q Leg, n , si la précision de l’intervalle n’est pas indispensable).
3. C’est la quadrature élémentaire sur [ a, b ] qui s’appuye sur les nœuds x1 , · · · , xn donnés par :
a+b b−a
∀ i = 1 (1) n, xi = + · ti , (5.1i)
2 2
où t1 , · · · , tn sont les racines de Leg n , le polynôme monique de Legendre de degré n.
4. x1 , · · · , xn sont appelés nœuds (ou points) de Gauss-Legendre d’ordre n dans [ a, b ].
5. Comme t1 , · · · , tn ∈ ] − 1, 1 [ et chaque ti ayant son opposé parmi t1 , · · · , tn , alors :
5.1. x1 , · · · , xn ∈ ] a, b [ , et sont (globalement) symétriques par rapport à (a + b)/ 2 ;
[ a,b ]
5.2. par conséquent, Q Leg, n est une quadrature symétrique sur [ a, b ].
• • • Remarque 3 (A propos de la numérotation des nœuds d’une quad. de Gauss-Legendre)

Une quadrature de Gauss-Legendre est entièrement déterminée par la donnée de son nombre n de nœuds.
Raison pour laquelle il est plus facile de la référencer par rapport à cet entier et il est plus commode d’indicer
ses nœuds à partir de l’indice 1, et non 0 comme dans d’autres parties de ce document, de sorte que cela
donne x1 , · · · , xn et non x0 , · · · , xn−1 , comme on a pu le constater dans le Théorème ci-dessus.
c) A propos des poids d’intégration d’une quadrature de Gauss-Legendre.

[ a,b ]
Conséquence du Théorème D.IV.2-1 et du fait que la quadrature Q Leg, n+1 a n + 1 nœuds et est d’ordre
2n + 1 > 2n, une propriété très positive (Cf. Théorème D.IV.1-1) des quadratures de Gauss-Legendre est :
Proposition D.V.2-2 (Signe des poids d’intég. d’une quadrature de Gauss-Legendre)

Les poids d’intégration d’une quadrature de Gauss-Legendre sur [ a, b ] (a < b) sont tous > 0.
Mais, du fait de l’élégante Théorie des polynômes orthogonaux dont elles sont issues, on a obtenu des formules
explicites pour la plupart des caractéristiques des quadratures de Gauss-Legendre, notamment pour leurs poids
d’intégration. Ainsi, nous admettons le résultat suivant (où les notations sont celles du Théorème D.V.2-1) :
Proposition D.V.2-3 (Poids d’intégration d’une quadrature de Gauss-Legendre)

[ a,b ]
Les poids d’intégration ω1 , · · · , ωn de la quadrature de Gauss-Legendre Q Leg, n sont donnés par :
(b − a) · ( 1 − ti2 ) b−a
∀ i = 1 (1) n, ωi = [ ]2 = [ ]2 . (5.1j)
(n + 1) · Ln+1 (ti ) (1 − · Ln′ (ti )
ti2 )
d) A propos du calcul des points d’intégration d’une quadrature de Gauss-Legendre.

Par définition (Théorème D.V.2-1), l’obtention des n nœuds x1 , · · · , xn de la quadrature de Gauss-
[ a,b ]
Legendre Q Leg, n se ramène au calcul des n racines t1 , · · · , tn de Leg n , le polynôme monique de Legendre de
degré n. De plus, on sait que ces racines sont toutes réelles et appartiennent à ] − 1, 1 [ (Théorème D.V.1-3).
Pour les petites valeurs de l’entier naturel n (disons n 6 5), et vues les expressions des 1ers polynômes de
Legendre, ce calcul est trivial et peut se faire à la main. Cependant, même dans ce cas, attention à bien veiller
à utiliser des formules de calcul des racines de Leg n qui sont numériquement stables, pour limiter l’impact des
erreurs d’arrondi lors de l’exécution de ce calcul par ordinateur. D’autre part, on trouve des tables des racines
des polynômes de Legendre (et des poids d’intégration des quadratures de Gauss-Legendre sur [ − 1, 1 ]) dans
certains documents (par exemple dans le vénérable [1]), et ce jusqu’à des valeurs non négligeables de l’entier
n. Ces tables peuvent suffire pour la plupart des besoins courants d’intégration numérique. Cependant, ont été
développés des algorithmes très performants pour calculer, par ordinateur, les racines d’un polynôme de Legendre
pour une valeur donnée de n, comme cas particulier d’algorithmes de calcul des racines d’un membre d’une suite
de polynômes orthogonaux.
Néanmoins, des algorithmes (moins efficaces, a priori, que ceux évoqués ci-dessus) pour calculer les racines
d’un polynôme Leg n peuvent être développés par des techniques numériques classiques (et plus élémentaires) de
résolution d’une équation à une inconnue réelle (du genre méthode dichotomique, de Newton ou de la sécante).
Pour la mise en œuvre de ces techniques, le problème qui peut se poser alors est celui d’une bonne localisation
initiale de ces racines dans l’intervalle ] − 1, 1 [ . Pour le résoudre, on peut s’appuyer sur la propriété remarquable
suivante d’entrelacement des racines de 2 polynômes de Legendre consécutifs.
Proposition D.V.2-4 (Entrelacement des racines de 2 polynômes de Legendre consécutifs)

Soit n ∈ IN∗ . Les n racines u1 , · · · , un du polynôme Leg n séparent les n + 1 racines t1 , · · · , tn+1 du
polynôme Leg n+1 dans ] − 1, 1 [ , i.e. on a : −1 < t1 < u1 < t2 < u2 < · · · < tn < un < tn+1 < 1.
A base de cette Proposition, on peut calculer les racines de tous les polynômes Leg n jusqu’à un rang n = n0
donné, en procédant par récurrence à partir de la donnée de ces racines pour n = 1, 2, 3. Ainsi, après le rang n,
ayant les n racines u1 , · · · , un de Leg n , pour obtenir chacune des n + 1 racines ti ( i = 1 (1) n + 1) de Leg n+1 ,
on peut (en posant u0 = −1, un+1 = 1 et sachant que ti ∈ ] ui−1 , ui [ ), appliquer :
1. soit la méthode dichotomique dans le sous-intervalle ] ui−1 , ui [ ;
2. soit la méthode de la sécante en partant des 2 points ti,0 = ui−1 et ti,1 = ui ;
3. soit la méthode de Newton en partant du point ti,0 = (ui−1 + ui )/2 ;
Par ailleurs, il suffit de calculer les racines ti > 0, celles qui sont < 0 étant leurs opposées, et sachant que pour
n + 1 impair, il y a aussi la racine 0.
Mais, évidemment, quelque soit la méthode de résolution numérique d’équation utilisée, il faudra, préala-
blement, avoir écrit, une fonction algorithmique qui calcule la valeur de Leg n (x), pour tous n ∈ IN et x ∈ IR
donnés. Ceci se fait par la relation de récurrence (5.1b). Pour la méthode de Newton, on aura aussi besoin de
calculer, en plus de Leg n (x), la valeur de la dérivée Leg ′n (x). Cela se fait par une relation de récurrence qu’on
obtient en dérivant, membre à membre, l’égalité dans (5.1b).
◃ Exercice Exo-V:1 Trouver cette relation exprimant Leg ′n+1 en fonction de Leg n , Leg ′n et Leg ′n−1 .
e) Exemples : les 1ères quadratures de Gauss-Legendre.
Les premières quadratures de Gauss-Legendre s’obtiennent très facilement.
∗∗∗ Exemple 5.1 : Quadrature de Gauss-Legendre à 1 nœud sur [ a, b ], i.e. Q[Leg,
a,b ]
1.
Que ce soit par un raisonnement de symétrie ou intuitif, ou par calcul à partir des formules précédentes
(Théorème D.V.2-1 et Propo. D.V.2-3), on voit facilement que la quadrature de Gauss-Legendre à 1 point
[ a,b ] [ a,b ]
sur un intervalle [ a, b ] n’est rien d’autre que la quadrature du point central, i.e. Q Leg, 1 = Q C .
Ainsi, la quadrature du point central est la seule quadrature élémentaire à 1 nœud qui soit d’ordre r = 1.
Toutes les quadratures élémentaires à 1 nœud x0 sur [ a, b ], avec x0 ̸= (a + b)/2, sont d’ordre r = 0.
◃ Exercice Exo-V:2 Justifier graphiquement ces dernières assertions.
∗∗∗ Exemple 5.2 : Quadrature de Gauss-Legendre à 2 nœuds sur [ a, b ], i.e. Q[Leg,
a,b ]
2.
[ a,b ] a+b b−a
Les 2 nœuds de la quadrature Q Leg, 2 sont : xi = + · ti , pour i ∈ {1, 2},
2 2
1 1 1
où t1 , t2 sont les 2 racines du polynôme Leg2 (x) = x2 − , i.e. t1 = − √ , t2 = √ .
3 3 3
- 28 - VI - Majoration de l’erreur d’une quadrature d’intégration numérique
[ a,b ]
Pour trouver les poids respectifs ω1 et ω2 des 2 nœuds x1 et x2 dans Q Leg, 2 , on peut utiliser (5.1j). Mais
[ a,b ]
il est plus simple de remarquer que comme Q Leg, 2 est une quadrature symétrique par rapport à (a + b)/2, alors
ω1 = ω2 . De plus, on sait que ω1 + ω2 = b − a. Il s’ensuit que : ω1 = ω2 = (b − a)/2.
∫ b
[ a,b ] [ a,b ]
Ainsi, la quadrature Q Leg, 2 est donnée par : f (x) dx ≈ Q Leg, 2 (f ),
a
[ a,b ] b−a[ (a+b b−a) (a+b b − a )]
avec : Q Leg, 2 (f ) = f − √ +f + √ .
2 2 2 3 2 2 3
C’est la seule quadrature élémentaire à 2 nœuds qui soit d’ordre r = 2 × 2 − 1 = 3 sur [ a, b ]. Toutes les autres
quadratures élémentaires à 2 nœuds sont d’ordre r 6 2.
∗∗∗ Exemple 5.3 : Quadrature de Gauss-Legendre à 3 nœuds sur [ a, b ], i.e. Q[Leg, a,b ]
3.
[ a,b ] a+b b−a
Les 3 nœuds de la quadrature Q Leg, 3 sont : xi = + · ti , pour i ∈ {1, 2, 3},
2 2 √ √
3 3 3
où t1 , t2 , t3 sont les 3 racines du polynôme Leg3 (x) = x − x, i.e. t1 = −
3 , t2 = 0, t3 = .
5 5 5
[ a,b ]
Pour trouver les poids ω1 , ω2 , ω3 des nœuds x1 , x2 , x3 dans la quadrature Q Leg, 2 , utilisons (5.1j), soit :
b−a
ωi = [ ]2 , pour i ∈ {1, 2, 3},
( 1 − ti2 ) · L3′ (ti )
[ a,b ]
mais tout en sachant que Q Leg, 3 est une quadrature symétrique par rapport à (a + b)/2, et donc ω1 = ω3 .
5 x3 − 3 x 3 (5 x2 − 1) 3
Comme L3 (x) = , alors L3′ (x) = . D’où : L3′ (t1 ) = L3′ (t3 ) = 3, L3′ (t2 ) = − .
2 2 2
b−a 5 b−a 4
=⇒ ω1 = ω3 = ( = (b − a) et ω2 = = (b − a).
3) 18 32 9
1− × 32 (1 − 0) ×
5 ∫ b 2 2
[ a,b ] [ a,b ]
Ainsi, la quadrature Q Leg, 3 est donnée par : f (x) dx ≈ Q Leg, 3 (f ),
a
[ ( √ ) (a+b) (a+b √ )]
[ a,b ] b−a a+b b−a 3 b−a 3
avec : Q Leg, 3 (f ) = 5f − + 8f + 5f + .
18 2 2 5 2 2 2 5
C’est la seule quadrature élémentaire à 3 nœuds qui soit d’ordre r = 2 × 3 − 1 = 5 sur [ a, b ]. Toutes les autres
quadratures élémentaires à 3 nœuds sont d’ordre r 6 4.
◃ Exercice Exo-V:3 Construire les quadratures de Gauss-Legendre sur [ a, b ], respect. à 4 et 5 nœuds.
3◦ ) Compléments : autres quadratures de Gauss.
Les quadratures de Gauss-Legendre sont une sous-famille de la famille des quadrature dites de Gauss,
laquelle est un sous-produit de la très élégante théorie des polynômes orthogonaux . Comme membres d’autres
sous-familles importantes de quadratures de Gauss, nous pouvons citer :
[ a,b ]
1. quadrature de Gauss-Lobatto Q Lob, n ( n > 2) : unique quadrature à n points, parmi lesquels les 2
bornes a, b, et ayant l’ordre maximal possible 2n − 3. Les deux 1ères sont Q Lob, 2 = Q T et Q Lob, 3 = Q S ;
[ a,b ]
2. quadrature de Gauss-Radau à gauche Q Rad.G, n ( n > 1) : unique quadrature à n points, parmi
lesquels la borne inférieure a, et ayant l’ordre maximal possible 2n − 2 ;
[ a,b ]
3. quadrature de Gauss-Radau à droite Q Rad.D, n ( n > 1) : unique quadrature à n points, parmi
lesquels la borne b, et ayant l’ordre maximal possible 2n − 2 ;
[ a,b ]
4. quadrature de Gauss-Kronrod Q Kro, 2n+1 ( n > 1) : unique quadrature à 2n + 1 points, parmi lesquels
[ a,b ]
les n nœuds de Q Leg, n , et ayant l’ordre maximal possible 3n + 1.
VI – Majoration de l’erreur d’une quadrature d’intégration numérique.

Pour approcher efficacement la valeur d’une intégrale par une quadrature élémentaire d’intégration numérique,
il est absolument impératif de savoir comment se comporte l’erreur associée à cette quadrature. Dans la présente
Partie VI , le but est de majorer cette erreur, et examiner les conséquences qui découlent de cette majoration
lorsque la longueur b − a de l’intervalle d’intégration [ a, b ] est «petite».
1◦ ) Préliminaires.
a) Formule de Taylor-Lagrange et autres rappels utiles d’Analyse Réelle.
Les 2 principaux résultats énoncés dans cette Partie VI sont des conséquences de la notion d’ordre d’une
quadrature d’intégration numérique (introduite et étudiée au III ) et de la Formule de Taylor avec reste de
Lagrange. Nous rappelons, ci-après, ce résultat classique de l’Analyse Réelle, précédé des notions associées de
polynôme et reste de Taylor , ainsi que 3 autres résultats et notions également utiles ici.
∗∗∗ Rappel n◦ 9 (Polynôme de Taylor - Reste de Taylor - Formule de Taylor )

Soient m ∈ IN et f : I −→ IR, avec I, intervalle de IR d’intérieur non vide, et α0 ∈ I.
• Si f est m fois dérivable en α0 , alors on appelle, respectivement :
1. polynôme de Taylor d’ordre m de f centré en α0 (ou relativement à α0 ), le polynôme :
∑
m
f (k) (α0 ) f ′′ (α0 ) f (m) (α0 )
Pm, f, α0 (x) = (x−α0 )k = f (α0 )+f ′ (α0 )(x−α0 )+ (x−α0 )2 +. . .+ (x−α0 )m ;
k! 2 m!
k=0
2. reste de Taylor d’ordre m de f centré en α0 (ou relativement à α0 ), la fonction :
∑
m
f (k) (α0 )
∀ x ∈ I, Rm, f, α0 (x) = f (x) − Pm, f, α0 (x) = f (x) − (x − α0 )k ;
k!
k=0
3. formule de Taylor d’ordre m de f centrée en α0 (ou relativement à α0 ), toute manière,
«d’interprétation simple», d’exprimer Rm, f, x0 , notamment quand x −→ α0 (x ∈ I).
Notre intérêt dans la suite portera sur la formule de Taylor avec reste de Lagrange, encore appelée
formule de Taylor-Lagrange.
∗∗∗ Rappel n◦ 10 (Formule de Taylor-Lagrange d’ordre m centrée en un réel α0 )

Soient m ∈ IN et f : I −→ IR, avec I, intervalle de IR d’intérieur non vide.
• Si f est m + 1 fois dérivable dans I, alors ∀ α0 , x ∈ I, ∃ θx ∈ [ ^
α0 , x ] a /
∑
m
f (k) (α0 ) f (m+1) (θx ) f (m+1) (θx )
f (x) = (x − α0 )k + (x − α0 )m+1 , i.e. Rm, f, α0 (x) = (x − α0 )m+1 .
k! (m + 1) ! (m + 1) !
k=0
• C’est la formule de Taylor-Lagrange d’ordre m centrée en α0 , que nous notons FT-Lag m (α0 ).
a. Où on a posé : [ ^
α0 , x ] = [ α0 , x ] si α0 6 x, et [ ^
α0 , x ] = [ x, α0 ], sinon.
Voici 2 rappels d’Analyse Réelle également utiles dans la Preuve du Lemme de base de cette Partie VI .
∗∗∗ Rappel n◦ 11 (Fonction continue et fonction bornée sur un intervalle [ a, b ])

Soit une fonction f : [ a, b ] −→ IR, avec [ a, b ] ⊂ IR. Si f est continue sur [ a, b ], alors
1. ∃ c, d ∈ IR / f ([ a, b ]) = [ c, d ], et donc f est bornée sur [ a, b ] et atteint ses bornes, avec :
déf
c = inf f (x) ∈ IR et d = sup f (x) = M0 (f ; [ a, b ]) ∈ IR.
x ∈ [ a,b ] x ∈ [ a,b ]
2. la fonction | f | est continue sur [ a, b ], donc est aussi bornée et atteint ses bornes, d’où :
∀ x ∈ [ a, b ], | f (x) | 6 M, avec M = M0 (| f | ; [ a, b ]) = sup | f (x) | ∈ IR+ .
x ∈ [ a,b ]
∗∗∗ Rappel n◦ 12 (Fonction de classe C k sur un intervalle de IR)

Soient k ∈ IN et une fonction f : I −→ IR, avec I, intervalle de IR d’intérieur non vide.
On dit que f est k fois continûment dérivable sur I, ou f est de classe C k sur I, ou f ∈ C k (I),
lorsque f est k fois dérivable sur I, et f (k) , sa dérivée d’ordre k, est une fonction continue sur I.
∗∗∗ Rappel n◦ 13 (Fonction f ∈ C k ([ a, b ]) et notation Mk (f ; [ a, b ]))

Si f ∈ C k ([ a, b ]) (a < b), alors, par le Rappel n◦ 11 :
1. la fonction | f (k) | est bornée et atteind ses bornes sur [ a, b ] ;
( )
2. et nous poserons : Mk (f ; [ a, b ]) = M0 f (k) ; [ a, b ] = sup f (k) (x) , réel > 0.
x ∈ [ a,b ]
Il est aussi utile de se rappeler la notion ci-après sur la comparaison du comportement de 2 fonctions de
IR −→ IR au voisinage de 0.
∗∗∗ Rappel n◦ 14 (Fonction g = O(φ) quand x −→ 0)

Soient g et φ, deux fonctions de A −→ IR, avec A ⊂ IR.
1. On dit que la fonction g est « au plus de l’ordre de φ au voisinage de 0 dans A » lorsque :
∃ δ > 0 et M > 0 / ∀ x ∈ A, 0 < | x | 6 δ =⇒ | g(x) | 6 M · | φ(x) |.
Notation : g = O(φ) quand x −→ 0 (x ∈ A), ou g(x) = O [φ(x)] quand x −→ 0 (x ∈ A), ou
g = O(φ) (x −→ 0, x ∈ A), où O(φ) se lit « grand O de φ ».
2. On a : si g = O(φ) quand x −→ 0 (x ∈ A) et lim φ(x) = 0, alors lim g(x) = 0.
x→0 x→0
x∈A x∈A
Dans ce cas, la fonction g tend vers 0 quand x −→ 0 (x ∈ A) au moins aussi vite que φ.
b) Une généralisation de la notation « g = O(φ) » au cas g et φ fonctions de IR × IR −→ IR.

Pour interpréter l’ordre de grandeur de l’erreur d’intégration d’une quadrature sur un petit intervalle [ a, b ],
et utiliser correctement les résultats y relatifs, on aura davantage besoin de la généralisation suivante, aux
fonctions de IR × IR −→ IR, de la notion de O pour les fonctions de IR −→ IR au voisinage de 0.
Définition-Propriété D.VI-d 1 (Fonction g(a, b) = O[ φ(a, b) ] quand b − a −→ 0)

Pour Ω ⊂ IR × IR, soient g et φ, deux fonctions de Ω −→ IR.
1. On dit que la fonction g est « au plus de l’ordre de φ quand b − a −→ 0 » lorsque :
∃ δ > 0 et M > 0 / ∀ (a, b) ∈ Ω, 0 < | b − a | 6 δ =⇒ | G(a, b) | 6 M · | φ(a, b) |.
On écrit : g = O(φ) ou g(a, b) = O [φ(a, b)], quand b − a −→ 0 (avec (a, b) ∈ Ω).
2. Si g = O(φ) quand b − a −→ 0 (avec (a, b) ∈ Ω), alors on a l’implication :
lim φ(a, b) = 0 =⇒ lim g(a, b) = 0. (6.1a)
b−a −→ 0 b−a −→ 0
(a,b) ∈ Ω (a, b) ∈ Ω
La fonction g tend alors vers 0 quand b − a −→ 0 (avec (a, b) ∈ Ω) au moins aussi vite φ.
3. Pour la manipulation, on a les propriétés usuelles de O, ici quand b − a −→ 0 ((a, b) ∈ Ω) :
O(φ) + O(φ) = O(φ) ; (6.1b)
O(φ) − O(φ) = O(φ) ; (6.1c)
α · O(φ) + β · O(φ) = O(φ) (avec α, β ∈ IR, constantes) ; (6.1d)
O(α · φ) = O(φ) (avec α ∈ IR, constante) ; (6.1e)
α · O(φ) = O(φ), (avec α ∈ IR, constante) ; (6.1f)
φ = O(φ) ; (6.1g)
ψ · O(φ) = O(ψ · φ), (avec ψ fonction de Ω −→ IR) ; (6.1h)
ψ · O(φ) = O(φ), pour ψ fonction de Ω −→ IR, bornée quand b − a −→ 0 ( (a, b) ∈ Ω) ; (6.1i)
O(φ1 ) · O(φ2 ) = O(φ1 · φ2 ), (avec φ1 , φ2 fonctions de Ω −→ IR). (6.1j)
La remarque suivante précise le contexte d’utilisation de cette généralisation de O dans ce qui suivra pour
étudier l’erreur d’une quadrature élémentaire d’intégration numérique sur un intervalle [ a, b ].
• • • Remarque 4 (Application de la Définition D.VI-d 1 dans notre contexte)

L’utilisation de la Définition-P. D.VI-d 1 dans la suite de ce VI se fera dans les conditions suivantes :
1. les réels a et b désigneront les 2 bornes d’un intervalle d’intégration potentiel [ a, b ] (avec a < b) ;
[ a,b ]
2. Q x, ω = Q u, λ , une quadrature élémentaire d’intégration numérique sur [ a, b ] ;
3. [ A, B ] sera un intervalle fixé de IR / a, b, x0 , · · · , xn ∈ [ A, B ] ;
4. Ω = {(a, b) ∈ IR × IR / a, b ∈ [ A, B ] et a < b} ;
5. on aura une fonction f : IR −→ IR, fixée, définie au moins sur [ A, B ], et à intégrer sur [ a, b ] ;
( )
6. g(a, b) = E f ; [ a, b ] QEu, λ , l’erreur d’intégration de f sur [ a, b ] par la quadrature QEu, λ ;
7. b − a sera la longueur de l’intervalle [ a, b ] ;
( )
8. φ(a, b) = (b − a)k , servira pour évaluer l’ordre de grandeur de l’erreur E f ; [ a, b ] QEu, λ ,
où k sera un entier > 1 choisi en fonction de la quadrature QEu, λ et des propriétés de f .
c) Une notation utile.

Voici une notation utile pour exprimer la majoration de l’erreur d’intégration d’une quadrature élémentaire :
• • • Remarque 5 (Notation Ck (u, λ) pour une quadrature élémentaire QEu, λ et k ∈ IN)
1 ∑ n
Pour QEu, λ , quadrature élémentaire, on pose, ∀ k ∈ IN : Ck (u, λ) = + | λi | · | 2 ui − 1 | k .
k+1
i=0
Avec cette notation, on a la propriété remarquable suivante pour les nombres Ck (u, λ) :
Lemme D.VI-ℓ1 (Majoration de Ck (u, λ) lorsque λi > 0 et ui ∈ [ 0, 1 ], ∀ i)

1
Si λi > 0 et ui ∈ [ 0, 1 ], ∀ i = 0 (1) n, alors : ∀ k ∈ IN, Ck (u, λ) 6 1 + .
k+1
Preuve Rappelons que λ0 + · · · + λn = 1. Supposons alors que λi > 0 et ui ∈ [ 0, 1 ], ∀ i = 0 (1) n.

Il s’ensuit que : ∀ i = 0 (1) n, | λi | = λi et 2 ui − 1 ∈ [ − 1, 1 ], i.e. | 2 ui − 1 | 6 1 ;
∑
n ∑
n ∑
n
=⇒ | λi | · | 2 ui − 1 | k
= λi · | 2 ui − 1 | k
6 λi = 1. Cqfd
i=0 i=0 i=0
2◦ ) Lemme fondamental sur la majoration de l’erreur d’une quadrature sur [ a, b ].

Tous les résultats sur le comportement de l’erreur d’intégration numérique sont des conséquences du :
Lemme D.VI-ℓ2 (Majoration de l’erreur d’intégration d’un reste de Taylor sur [ a, b ])

Soient ν ∈ IN, [ a, b ] ⊂ IR, et αm = (a + b)/2.
On considère une quadrature élémentaire QEu, λ sur [ a, b ], de nœuds x0 , · · · , xn .
• Si f : IR −→ IR, est de classe C ν+1 sur un intervalle [ A, B ] ⊃ {a, b, x0 , · · · , xn }, alors :
( )
E Rν, f, α ; [ a, b ] QE 6 Cν+1 (u, λ) · Mν+1 (f ; [ A, B ]) · (b − a)ν+2 . (6.2a)
m u, λ
(ν + 1) ! · 2 ν+1
Preuve Supposons que f : IR −→ IR, est de classe C ν+1 sur [ A, B ] ⊃ {a, b, x0 , · · · , xn }.

D’après la Formule de Taylor-Lagrange centrée en αm = (a + b)/2, on a, sur l’intervalle [ A, B ] :
φν,f, αm ^
Rν,f, αm = , où φν,f, αm (x) = f (ν+1) (θx ) · (x − αm )ν+1 , avec θx ∈ [ α m, x ] ;
(ν + 1) !
( )
E ) E φν,f, αm ; [ a, b ] QEu, λ
(
=⇒ (par la Proposition D.III.1-1) E Rν,f, αm ; [ a, b ] Q u, λ = . (6.2b)
(ν + 1) !
Par ailleurs, par définition de l’erreur d’intégration numérique de la quadrature élémentaire QEu, λ sur [ a, b ],
∫ b ∑
( E ) n

E φν,f, αm ; [ a, b ] Q u, λ = φν,f, αm (x) dx − ωi · φν,f, αm (xi ) ;
a i=0
∫ ∑
( ) b n
=⇒ E φν,f, αm ; [ a, b ] QEu, λ 6 | φν,f, αm (x) | dx + | ωi · φν,f, αm (xi ) |. (6.2c)
a i=0
∫ b ∫ b ∫ b
Or, | φν,f, αm (x) | dx = |f (ν+1)
(θx ) | · | x − αm | ν+1
dx 6 Mν+1 (f ; [ a, b ]) · | x − αm | ν+1 dx. (6.2d)
a a a
a+b b−a
Mais, par le C.V. t = x − αm = x − , il vient, avec h = et t 7−→ | t | ν+1 , fonction paire :
2 2
∫ b ∫ h ∫ h ∫ h
2 ( b − a )ν+2
| x − αm | ν+1 dx = | t | ν+1 dt = 2 | t | ν+1 dt = 2 t ν+1 dt = . (6.2e)
a −h 0 0 ν+2 2
D’autre part, ∀ i = 0 (1) n, ωi = (b − a) · λi et :
[ a + b ] ν+1
φν,f, αm (xi ) = f (ν+1) (θxi ) · (xi − αm )ν+1 = f (ν+1) (θxi ) · a + (b − a) ui −
2
( b − a ) ν+1
= f (ν+1) (θxi ) · (2 ui − 1)ν+1 · ,
2
∑
n ( b − a )ν+2 ∑n
=⇒ | ωi · φν,f, αm (xi ) | = 2 · · | f (ν+1) (θxi ) | · | λi | · | 2 ui − 1 | ν+1
2
i=0 i=0
( b − a )ν+2 ∑n
6 2 · Mν+1 (f ; [ A, B ]) · · | λi | · | 2 ui − 1 | ν+1 . (6.2f)
2
i=0
Par ailleurs, a, b ∈ [ A, B ] =⇒ [ a, b ] ⊂ [ A, B ] =⇒ Mν+1 (f ; [ a, b ]) 6 Mν+1 (f ; [ A, B ]). Compte tenu de
cela et de (6.2b), on obtient (6.2a) en injectant (6.2d)-(6.2e)-(6.2f) dans (6.2c). Cqfd
3◦ ) Ordre d’une quadrature élémentaire et majoration de son erreur sur [ a, b ].
a) Majoration de l’erreur d’une quadrature élémentaire sur [ a, b ] : Résultat de base.
Ce résultat de base sera une conséquence immédiate du résultat plus général suivant :
Théorème D.VI.3-1 (Majoration de l’erreur d’une quadrature élémentaire sur [ a, b ])

Soit ν ∈ IN. Si QEu, λ est exacte pour intégrer sur [ a, b ] tout polynôme de degré 6 ν, alors :
• ∀ f : IR −→ IR, de classe C ν+1 sur un intervalle [ A, B ] ⊃ {a, b, x0 , · · · , xn }, on a :
( )
E f ; [ a, b ] QE 6 Cν+1 (u, λ) · Mν+1 (f ; [ A, B ]) · (b − a)ν+2 . (6.3a)
u, λ
(ν + 1) ! · 2 ν+1
Preuve Pour ν ∈ IN et f : IR −→ IR, supposons que :

• f est de classe C ν+1 sur un intervalle [ A, B ] ⊃ {a, b, x0 , · · · , xn } ; (6.3b)
• QEu, λ est exacte pour intégrer sur [ a, b ] tout polynôme de degré 6 ν. (6.3c)
Par la Formule de Taylor-Lagrange d’ordre ν centrée en αm = (a + b)/2, (6.3b) implique que :
∀ x ∈ [ A, B ], f (x) = Pν,f, αm (x) + Rν,f, αm (x), (6.3d)
∑
ν
f (j ) (α m) f (ν+1) (θ · (x − αm
x) )ν+1
où Pν,f, αm (x) = (x − αm )j et Rν,f, αm (x) = ^
, avec θx ∈ [ α m, x ] .
j! (ν + 1) !
j =0
Puisque a, b ∈ [ A, B ] =⇒ [ a, b ] ⊂ [ A, B ], alors (6.3d) et la Proposition D.III.1-1 entraînent :

( ) ( ) ( )
E f ; [ a, b ] QEu, λ = E Pν,f, αm ; [ a, b ] QEu, λ + E Rν,f, αm ; [ a, b ] QEu, λ .
( )
Mais comme Pν,f, αm est un polynôme de degré 6 ν, alors (6.3c) =⇒ E Pν,f, αm ; [ a, b ] QEu, λ = 0,
( ) ( )
=⇒ E f ; [ a, b ] QEu, λ = E Rν,f, αm ; [ a, b ] QEu, λ .
D’où (6.3a), par le Lemme D.VI-ℓ2. Cqfd

En prenant, en particulier, dans le Théorème ci-dessus, la valeur maximale possible ν = r, l’ordre de la
quadrature élémentaire QEu, λ , on en déduit le résultat fondamental suivant établissant la relation entre cet ordre
et la majoration de l’erreur d’intégration numérique de QEu, λ sur un intervalle [ a, b ] :
Corollaire D.VI.3-2 (Ordre et majoration de l’erreur d’une quad. élémentaire sur [ a, b ])

Soit QEu, λ , une quadrature élémentaire d’ordre r ∈ IN, on a :
• Si f : IR −→ IR, est de classe C r+1 sur un intervalle [ A, B ] ⊃ {a, b, x0 , · · · , xn }, alors :
( )
E f ; [ a, b ] QE 6 Cr+1 (u, λ) · Mr+1 (f ; [ A, B ]) · (b − a)r+2 . (6.3e)
u, λ
(r + 1) ! · 2 r+1
◃ Exercice Exo-VI:1 Déduite du résultat du Lemme D.VI-ℓ2, la majoration d’erreur d’intégration (6.3e)
de la fonction f sur [ a, b ], par la quadrature élémentaire QEu, λ , a été obtenue à partir de la Formule de
Taylor-Lagrange de f centrée au point αm = (a + b)/2.
1◦ ) Quelle majoration d’erreur obtient-on en partant de cette Formule, mais centrée plutôt en α0 = a ?
2◦ ) a) Utiliser le résultat obtenu pour majorer les erreurs respectives des quadratures du point central, du
trapèze et de Simpson pour intégrer f sur [ a, b ].
b) Comparer ces majorations avec celles obtenues, plus loin, par (6.3e) dans les Exemples 6.1, 6.2, 6.3.
3◦ ) Expliquer pourquoi, comparée à la majoration issue de tout autre choix du centre α0 dans la Formule de
Taylor-Lagrange, l’avantage sera, en général, en termes de petitesse, à la majoration (6.3e).
• • • Remarque 6 (A propos de Mr+1 et Cr+1 dans la majoration (6.3e) de l’erreur )

Dans le Corollaire D.VI.3-2,
• le réel Mr+1 (f ; [ A, B ]) dépend de la fonction f , de l’intervalle [ A, B ] ⊃ {a, b, x0 , · · · , xn }, et de
l’ordre r de la quadrature élémentaire QEu, λ considérée ;
• le réel Cr+1 (u, λ) dépend, lui, de l’ordre r et des 2 suites de n + 1 réels u, λ, mais pas du tout de
f , ni de a, b. C’est donc une caractéristique de la quadrature élémentaire considérée, indépendante
de la fonction f et de l’intervalle [ a, b ].
Par la suite, il pourra arriver qu’on les note Mr+1 (f ) et Cr+1 , respectivement, pour alléger les notations.
Cependant, dans ce cas, le/la lecteur/lectrice aura intérêt à garder ces dépendantes cachées à l’esprit lors
de l’utilisation du résultat de ce Théorème.
b) Intérêt pratique de la majoration (6.3e) de l’erreur d’une quadrature élémentaire sur [ a, b ].

La majoration (6.3e) de l’erreur d’intégration numérique d’une quadrature élémentaire QEu, λ sur [ a, b ]
n’impose pas de contrainte sur les bornes a et b de l’intervalle d’intégration [ a, b ] (autre que a < b). Cependant,
l’objectif d’une approximation numérique, c’est qu’elle soit bonne, et donc que l’erreur associée
∫ b
soit petite. Ainsi, dans le cas présent où l’objectif est de calculer une valeur approchée de l’intégrale f (x) dx,
a
en le faisant par la quadrature QEu, λ , on veut que l’erreur correspondante soit petite. Il est clair que la majoration
(6.3e) a surtout un intérêt pratique lorsque la longueur b − a de l’intervalle [ a, b ] est petite. En effet, elle montre
qu’on a, sous les hypothèses du Corollaire D.VI.3-2 :
( )
E f ; [ a, b ] QEu, λ−−−−→ 0, comme O(b − a) r+2 , quand b − a −→ 0. (6.3f)
La précision « comme O(b − a) r+2 » ci-dessus n’est pas un simple détail technique. Au contraire,
elle est absolument cruciale. En effet, rappelons que, par définition de l’erreur d’intégration numérique, on a :
∫ b ∑ ∑
( E ) n n

E f ; [ a, b ] Q u, λ =
[ a,b ] [ a,b ]
f (x) dx − Q u, λ (f ), avec Q u, λ (f ) = ωi · f (xi ) = (b − a) · λi · f (xi ).
a i=0 i=0
∫ b
Or, f étant continue sur [ a, b ], si, de plus, f (a) ̸= 0, alors f (x) dx ∼ f (a) · (b − a) quand b − a −→ 0 ;
∫ b a
=⇒ quand b − a −→ 0, la valeur de l’intégrale f (x) dx est de plus en plus proche d’être proportionnelle à
a
la longueur b − a de l’intervalle [ a, b ], donc tend elle même vers 0, mais exactement à la vitesse de b − a.
Il s’ensuit qu’une approximation de cette intégrale ne peut être de plus en plus précise quand b− a −→ 0 que
si, pendant ce temps, l’erreur de cette approximation tend vers 0 aussi certes, mais plus vite que la longueur
b − a (de telle sorte que cette erreur soit de plus en plus négligeable devant la valeur exacte de
l’intégrale). C’est exactement ce que garantit le «comme O(b − a) r+2 » dans (6.3f), car il indique que l’erreur
[ a,b ]
de la quadrature Q u, λ tend vers 0 quand b − a −→ 0, et ce au moins aussi vite que (b − a) r+2 donc au moins
à la vitesse de (b − a) 2 , car r ∈ IN =⇒ r + 2 > 2, et, en fait, r + 2 fois plus vite que b − a lui même.
c) Majoration de l’erreur des quadratures du point central, trapèze et de Simpson.
∗∗∗ Exemple 6.1 : Majoration de l’erreur de la quadrature du point central (ou du point-milieu).
On a vu, dans l’Exemple 2.1, que c’est la quadrature élémentaire donnée sur un intervalle [ a, b ] par :
∫ b
[ a,b ] [ a,b ] (a+b)
f (x) dx ≈ Q C (f ), avec Q C (f ) = (b − a) · f ;
a 2
a+b 1
=⇒ n = 0, x0 = ∈ [ a, b ] et ω0 = b − a, =⇒ u0 = et λ0 = 1.
2 2
Par ailleurs, on a trouvé, dans l’Exemple 3.1, que cette quadrature est d’ordre r = 1,
=⇒ r + 1 = 2 et r + 2 = 3 ; =⇒ d’après le Corollaire D.VI.3-2, si f ∈ C 2 ([ a, b ]), alors
( )
E f ; [ a, b ] Q C 6 C2 · M2 (f ) · (b − a)3 , avec M2 (f ) = sup f ′′ (x) ,
2! · 22 x ∈ [ a,b ]
1 1 1
et C2 = + | 2 u0 − 1 | 2 = + 0, i.e. C2 = .
2+1 3 3
( ) M2 (f )
D’où, finalement : Si f ∈ C 2 ([ a, b ]), alors E f ; [ a, b ] Q C 6 · (b − a)3 . (6.4a)
24
∗∗∗ Exemple 6.2 : Majoration de l’erreur de la quadrature du trapèze.

Il a été vu, dans l’Exemple 2.2, que c’est la quadrature élémentaire donnée sur un intervalle [ a, b ] par :
∫ b
[ a,b ] [ a,b ] b−a
f (x) dx ≈ Q T (f ), avec Q T (f ) = [ f (a) + f (b) ] ;
a 2
b−a 1
=⇒ n = 1, x0 = a, x1 = b ∈ [ a, b ], ω0 = ω1 = , =⇒ u0 = 0, u1 = 1 et λ0 = λ1 = .
2 2
D’autre part, il a été trouvé, dans l’Exemple 3.2, que cette quadrature est d’ordre r = 1,
( )
E f ; [ a, b ] Q T 6 C2 · M2 (f ) · (b − a)3 , avec M2 (f ) = sup f ′′ (x) ,
2! · 22 x ∈ [ a,b ]
1 | 2 u0 − 1 | 2 | 2 u1 − 1 | 2 1 1 1 4
et C2 = + + = + + , i.e. C2 = .
2+1 2 2 3 2 2 3
( ) M2 (f )
D’où, finalement : Si f ∈ C 2 ([ a, b ]), alors E f ; [ a, b ] Q T 6 · (b − a)3 . (6.4b)
6
∗∗∗ Exemple 6.3 : Majoration de l’erreur de la quadrature du Simpson.

L’Exemple 2.3 a établi que c’est la quadrature élémentaire donnée sur un intervalle [ a, b ] par :
∫ b
[ a,b ] [ a,b ] b−a[ (a+b) ]
f (x) dx ≈ Q S (f ), avec Q S (f ) = f (a) + 4 f + f (b) ;
a 6 2
a+b b−a b−a

=⇒ n = 2, x0 = a, x1 = , x2 = b, ω0 = ω2 = et ω1 = 2 ,
2 6 3
1 1 2
=⇒ x0 , x1 , x2 = b ∈ [ a, b ], u0 = 0, u1 = , u2 = 1 et λ0 = λ2 = , λ1 = .
2 6 3
D’autre part, on a trouvé, dans l’Exemple 3.3, que cette quadrature est d’ordre r = 3,
( )
E f ; [ a, b ] Q S 6 C4 · M4 (f ) · (b − a)5 , avec M4 (f ) = sup f (4) (x) ,
4! · 2 4
x ∈ [ a,b ]
1 | 2 u0 − 1 | 4 2 | 2 u 2 − 1 | 4 1 1 1 8
et C4 = + + | 2 u1 − 1 | 4 + = + + , i.e. C4 = .
4+1 6 3 6 5 6 6 15
( ) M4 (f )
D’où, finalement : Si f ∈ C 4 ([ a, b ]), alors E f ; [ a, b ] Q S 6 · (b − a)5 . (6.4c)
720
◃ Exercice Exo-VI:2
1◦ ) Majorer l’erreur de chacune des quadratures sur [ a, b ] construites dans l’ Exo-II:3 .
2◦ ) Majorer l’erreur de chacune des quadratures sur [ a, b ] construites dans l’ Exo-II:4 .
d) Majoration optimale de l’erreur d’intégration numérique sur [ a, b ] ???

On peut montrer que la majoration (6.4a) de l’erreur d’intégration numérique d’une fonction f sur [ a, b ]
par la quadrature du point central est optimale, en ce sens qu’on ne peut pas trouver une borne plus petite qui
marche pour toute fonction f ∈ C 2 ([ a, b ]). Par contre, il n’en va pas de même pour les majorations (6.4b) et
(6.4c) de l’erreur d’intégration numérique dans les quadratures du trapèze et de Simpson respectivement. En
effet, dans les documents plus spécialisés, on trouvera les majorations suivantes :
( ) M2 (f )
si f ∈ C 2 ([ a, b ]), alors E f ; [ a, b ] Q T 6 · (b − a)3 ; (6.4d)
12
( ) M4 (f )
si f ∈ C 4 ([ a, b ]), alors E f ; [ a, b ] Q S 6 · (b − a)5 . (6.4e)
2880
Ainsi, par des analyses mathématiques plus fines, on peut, pour certaines quadratures, obtenir une majoration
de leur erreur plus petite que celle donnée par (6.3e). Et souvent même la plus petite possible, et donc la
majoration optimale de cette erreur. On peut ainsi montrer que (6.4d) et (6.4e) sont des majorations optimales
de l’erreur d’intégration numérique pour les quadratures du trapèze et de Simpson, respectivement. En fait,
comme (6.4a), ce sont des cas particuliers d’un résultat général de majoration optimale de cette erreur qu’on
peut démontrer pour toutes les quadratures de Gauss.
Cependant, la majoration (6.3e) du Corollaire D.VI.3-2 a un double avantage :
1. elle est valable pour n’importe quelle quadrature élémentaire d’ordre r,
2. et, comme on l’a vu, sa démonstration n’utilise que des arguments élémentaires d’Analyse Réelle.
A contrario, il n’y a pas de méthode systématique simple pour obtenir la majoration optimale de l’erreur d’une
quadrature élémentaire arbitraire sur un intervalle [ a, b ].
De plus, le point de vue de l’auteur est que pour la plupart des applications en Intégration numérique, une
majoration simple et relativement efficace de l’erreur d’intégration comme (6.3e) est amplement suffisante pour
démontrer certaines propriétés d’intérêt d’une quadrature. Si on veut avoir une information plus précise sur le
comportement de cette erreur, au lieu de chercher une majoration optimale, il est plus pertinent d’essayer de
calculer une approximation de cette erreur, ce qui, on va le voir (dans la Partie VII qui va suivre), est toujours
possible pour b − a petit, et sous les mêmes hypoyhèses que pour obtenir (6.3e) dans le Corollaire D.VI.3-2.
e) Majoration de l’erreur d’intégration quand la quadrature est d’ordre r et f ∈ C ν+1 / ν < r.

A travers (6.3e), le Corollaire D.VI.3-2 donne une majoration de l’erreur d’intégration sous l’hypothèse que
la quadrature élémentaire utilisée soit d’ordre r et la fonction f à intégrer soit de classe C r+1 . Une préoccupation
légitime est alors la suivante : quid si cette fonction est seulement de classe C ν+1 , avec ν < r ?
La réponse est apportée par le Théorème D.VI.3-1 précédant le Corollaire D.VI.3-2. Il y est dit que
l’erreur d’intégration de f sur [ a, b ] est alors un O(b − a)ν+2 , ce qui, comme ν < r, est évidemment moins bon
que le O(b − a)r+2 garanti par le Corollaire D.VI.3-2 lorsque f est de classe C r+1 .
- 36 - VII - D.L. de l’erreur d’une quadrature sur [ a, b ] quand b − a −→ 0
VII – D.L. de l’erreur d’une quadrature sur [ a, b ] quand b − a −→ 0.

La majoration d’une erreur est utile. Mais obtenir une valeur approchée calculable de la dite erreur, si c’est
possible, c’est encore beaucoup mieux. On montrera, dans la Partie VIII qui suivra, que, pour une quadrature
élémentaire sur un intervalle [ a, b ], ceci est possible pour b − a «petit», du moment que, là encore, on a d’abord
déterminé l’ordre de cette quadrature. Ceci se déduira d’un développement limité (D.L.) de cette erreur
valable pour b − a −→ 0, et plus précisément, d’un développement limité principal (D.L.P.), i.e. dont la
partie régulière est réduit au terme dominant (ou partie principale du D.L.). Montrer comment obtenir ce genre
de D.L.P. de l’erreur d’intégration numérique d’une quadrature élémentaire est l’objet de cette Partie VII .
1◦ ) Deux notations utiles et un lemme préliminaire.
Les 2 notations suivantes seront utiles pour exprimer le résultat de base à suivre sur le D.L.P. de l’erreur
d’intégration numérique d’une quadrature élémentaire.
• • • Remarque 7 (Notation Ek0 (QEu, λ ) pour une quadrature élémentaire QEu, λ et k ∈ IN)
Soit QEu, λ , une quadrature élémentaire. Pour tout entier k ∈ IN, nous posons :
[∫ 1 ]
1 ( ) 1 [ −1,1 ] Ek0 (QEu, λ )
Ek0 (QEu, λ ) = E xk ; [ − 1, 1 ] QEu, λ = xk dx − Q u, λ (xk ) , Ck0 (QEu, λ ) = .
2 2 −1 (k !) · 2 k
Avec ces notations, on a le Lemme suivant :

[( a + b )k ]
Lemme D.VII-ℓ1 (Expression de Ek0 (QEu, λ ) et relation avec E x− ; [ a, b ] QEu, λ )
2
Dans les conditions de la Remarque 7 ,
1 + (−1)k ∑n
1. Ek0 (QEu, λ ) = − λi (2 ui − 1) k ;
2 (k + 1)
i=0
[( a + b )k ] (b − a) k+1
2. ∀ a, b ∈ IR/ a 6 b, on a : E x − ; [ a, b ] QEu, λ = · Ek0 (QEu, λ ).
2 2k
Preuve
[ a,b ]
1. Lorsque [ a, b ] = [ − 1, 1 ] dans la quadrature élémentaire Q x, ω = Q u, λ , on a :
[ −1,1 ]
∑
n ∑
n
∀ i = 0 (1) n, xi = 2 ui − 1 et ωi = 2 λi , d’où Q u, λ (xk ) = ωi (xi ) k = 2 λi (2 ui − 1) k .
i=0 i=0
∫
1−
1
1 + (−1)k
(−1)k+1
D’où les expressions données de Ek0 (QEu, λ ), car, par ailleurs, xk dx = = .
−1 k+1 k+1
[( ∫ b( [( ]
a + b )k E ]
a + b )k [ a,b ] a + b )k
2. Par définition, E x − ; [ a, b ] Q u, λ = x− dx − Q u, λ x− .
2 a 2 2
∫ b( ( b − a )k+1 ∫ 1
a+b b−a a + b )k
Or, par le C.V. x = + t, il vient : x− dx = · tk dt.
2 2 a 2 2 −1
[( )k ] ∑ n ( )k
[ a,b ] a + b a + b
Tandis que Q u, λ x− = ωi · xi − ; d’où, par la Définition D.II-d 1 :
2 2
i=0
[( ]
a + b )k ∑ [ a + b ]k
n
[ a,b ]
Q u, λ x− = (b − a) λi · a + (b − a) ui −
2 2
i=0
∑n ( b − a )k ( b − a ) k+1 ∑
n
= (b − a) λi · · (2 ui − 1) k
= 2 λi (2 ui − 1) k ;
2 2
i=0 i=0
[ ]
[( a + b )k ] ( b − a ) k+1 ∫ 1 ∑
n
=⇒ E x− ; [ a, b ] QE
u, λ = t dt − 2
k
λi (2 ui − 1) k
. Cqfd
2 2 −1 i=0
2◦ ) D.L.P. de l’erreur d’une quadrature élémentaire sur [ a, b ] quand b − a −→ 0.

a) D.L.P. de l’erreur d’une quadrature élémentaire : Résultat de base.
Tout ce que nous ferons par la suite en termes d’approximation d’erreur d’une quadrature élémentaire sur
un petit intervalle sera la conséquence du :
Théorème D.VII.2-1 (D.L.P. de l’erreur d’une quad. élt. sur [ a, b ], quand b − a −→ 0)

Pour QEu, λ , une quadrature élémentaire d’ordre r ∈ IN, on a :
• Si f ∈ C r+2 ([ A, B ]), avec [ A, B ] ⊃ {a, b, x0 , · · · , xn }, alors, quand b − a −→ 0 ( a, b ∈ [ A, B ]) :
( )
E f ; [ a, b ] QEu, λ = Cr+1
0
(QEu, λ ) · f (r+1) (α0 ) · (b − a) r+2 + O(b − a)r+3 , (7.1a)
∫ b
[ a,b ]
i.e. 0
f (x) dx = Q u, λ (f ) + Cr+1 (QEu, λ ) · f (r+1) (α0 ) · (b − a) r+2 + O(b − a)r+3 , (7.1b)
a
et ce ∀ α0 ∈ [ a, b ].
Preuve Supposons que f ∈ C r+2 ([ A, B ]), avec [ A, B ] ⊃ {a, b, x0 , · · · , xn }. Distinguons 2 cas :

• Cas 1 : α0 = αm = (a + b)/2.
Alors, par la FT-Lag r+1 (αm ), on a : ∀ x ∈ [ A, B ], f (x) = Pr+1,f, αm (x) + Rr+1,f, αm (x).
Cela entraîne, par la Proposition D.III.1-1, puisque [ a, b ] ⊂ [ A, B ] :
( ) ( ) ( )
E f ; [ a, b ] QEu, λ = E Pr+1,f, αm ; [ a, b ] QEu, λ + E Rr+1,f, αm ; [ a, b ] QEu, λ . (7.1c)
Mais, par le Lemme D.VI-ℓ2, toujours du fait que f est de classe C r+2 sur [ A, B ] ⊃ {a, b, x0 , · · · , xn },
( E )
E Rr+1,f, αm ; [ a, b ] Q u, λ = O(b − a) .
r+3
(7.1d)
∑
r+1
f (k) (αm ) f (r+1) (αm )
D’autre part, Pr+1,f, αm (x) = (x − αm )k = Pr,f, αm (x) + (x − αm )r+1 .
k! (r + 1) !
k=0
=⇒ Toujours par la Proposition D.III.1-1,
( ) ( ) f (r+1) (αm ) ( )
E Pr+1,f, αm ; [ a, b ] QEu, λ = E Pr,f, αm ; [ a, b ] QEu, λ + E (x − αm )r+1 ; [ a, b ] QEu, λ .
(r + 1) ! ( )
Or, (Q u, λ d’ordre r sur [ a, b ] et Pr,f, αm polynôme de degré 6 r) =⇒ E Pr,f, αm ; [ a, b ] QEu, λ = 0.
E
D’où, en utilisant le Lemme D.VII-ℓ1 avec k = r + 1 :

( ) f (r+1) (αm ) (b − a) r+2
E Pr+1,f, αm ; [ a, b ] QEu, λ = · · Er+1
0
(QEu, λ ). (7.1e)
(r + 1) ! 2 r+1
D’où (7.1a) avec α0 = αm = (a + b)/2, en injectant (7.1d)-(7.1e) dans (7.1c), et en utilisant la définition des
nombres Ck0 (QEu, λ ) donnée dans la Remarque 7 pour k = r + 1.
• Cas 2 : α0 ∈ [ a, b ], avec α0 ̸= αm .
Alors, d’après le Cas 1 , on a, quand b − a −→ 0 ( a, b ∈ [ A, B ]) :
( )
E f ; [ a, b ] QEu, λ = Cr+1
0
(QEu, λ ) · f (r+1) (αm ) · (b − a) r+2 + O(b − a)r+3 . (7.1f)
Montrons que cela entraîne que (7.1a) est aussi vrai quand b − a −→ 0 ( a, b ∈ [ A, B ]).
Notons que f ∈ C r+2 ([ A, B ]) =⇒ f (r+1) ∈ C 1 ([ A, B ]). Ainsi, comme αm , α0 ∈ [ a, b ] ⊂ [ A, B ], il vient,
par la Formule de Taylor-Lagrange pour la fonction f (r+1) , d’ordre 0, centrée en α0 , et appliquée en αm :
f (r+1) (αm ) = f (r+1) (α0 ) + f (r+2) (θ) · (αm − α0 ), avec θ ∈ [ α^ 0 , αm ]. (7.1g)
(r+2) (r+2)
Or, f
(θ) · (αm − α0 ) = f
(θ) · | αm − α0 | 6 Mr+2 (f ; [ A, B ]) · (b − a),
=⇒ f (r+2) (θ) · (αm − α0 ) = O(b − a), quand b − a −→ 0 ( a, b ∈ [ A, B ]) ; (7.1h)
(7.1g) − (7.1h) =⇒ f (r+1) (αm ) = f (r+1) (α0 ) + O(b − a), quand b − a −→ 0 ( a, b ∈ [ A, B ]). (7.1i)
En injectant (7.1i) dans (7.1f), il vient, quand b − a −→ 0 ( a, b ∈ [ A, B ]) :
( ) [ ]
E f ; [ a, b ] QE = Cr+1
u, λ
0
(QE ) · f (r+1) (α0 ) + O(b − a) · (b − a) r+2 + O(b − a)r+3
u, λ
= 0 E
Cr+1 (Q u, λ ) · f (r+1) (α0 ) · (b − a) r+2 + O(b − a) r+3 + O(b − a)r+3
= 0
Cr+1 (QEu, λ ) · f (r+1) (α0 ) · (b − a) r+2 + O(b − a)r+3 ,
où on a successivement utilisé (6.1f), (6.1h), (6.1b) du Rappel n◦ 14 et de la Définition-P. D.VI-d 1. Cqfd
- 38 - VII - D.L. de l’erreur d’une quadrature sur [ a, b ] quand b − a −→ 0
b) Conséquence : notion de constante d’erreur d’une quadrature élémentaire.

Dans (7.1a)-(7.1b) du Théorème D.VII.2-1, le coefficient Cr+1 0 (QE ) est indépendant à la fois de la
u, λ
fonction f à intégrer, et des bornes a et b de l’intervalle d’intégration [ a, b ]. C’est donc une caractéristique
intrinsèque de la quadrature élémentaire QEu, λ , au même titre que son ordre r. D’après (7.1a)-(7.1b), connaissant
0 (QE ), on peut en déduire comment se comporte l’erreur d’intégration de QE
cet ordre et Cr+1 u, λ u, λ sur n’importe
quel petit intervalle, du moment que la fonction est au moins r + 2 fois continûment dérivable.
Définition D.VII-d 1 (Constante d’erreur d’un quadrature élémentaire)

u, λ d’ordre r ∈ IN.
0 (QE ) est appelé constante d’erreur de la quadrature élémentaire QE
Le réel Cr+1 u, λ
• • • Remarque 8 (Constante d’erreur et majoration d’erreur d’une quad. élt.)

Soit QEu, λ , une quadr. élémentaire d’ordre r ∈ IN. Dans les conditions du Théorème D.VII.2-1 :
( )
1. Si on a une majoration d’erreur : E f ; [ a, b ] QEu, λ 6 K · Mr+1 (f ; [ A, B ]) · (b − a)r+2 ,
où K est une constante réelle > 0 ne dépendant ni de la fonction f , ni des bornes a et b,
0
alors le D.L. (7.1a) entraîne que K vérifie, nécessairement : Cr+1 (QEu, λ ) 6 K.
2. Le D.L. (7.1a) implique aussi que si on montre que :
( ) 0
E f ; [ a, b ] QE 6 Cr+1 (QEu, λ ) · Mr+1 (f ; [ A, B ]) · (b − a)r+2 ,
u, λ
alors cette majoration de l’erreur d’intégration numérique de la quadrature élémentaire est optimale.
3◦ ) D.L.P. de l’erreur d’intégration : Cas des quadratures symétriques.

a) D.L.P. de l’erreur d’une quadrature élémentaire symétrique
En adaptant la Preuve du Théorème D.VII.2-1, en y combinant les Lemmes D.III-ℓ5 et D.VI-ℓ1 avec
la Remarque 5 , on arrive au résultat remarquable suivant :
Théorème D.VII.3-1 (D.L.P. de l’err. d’une quad. élt. sym. sur [ a, b ], qd. b − a −→ 0)
Soit QEu, λ , une quadrature élémentaire symétrique d’ordre r ∈ IN.
• Si f ∈ C r+3 ([ A, B ]), avec [ A, B ] ⊃ {a, b, x0 , · · · , xn }, alors, quand b − a −→ 0 ( a, b ∈ [ A, B ]) :
( )
E f ; [ a, b ] QEu, λ = Cr+10
(QEu, λ ) · f (r+1) (αm ) · (b − a) r+2 + O(b − a)r+4 , (7.2a)
∫ b
[ a,b ]
i.e. 0
f (x) dx = Q u, λ (f ) + Cr+1 (QEu, λ ) · f (r+1) (αm ) · (b − a) r+2 + O(b − a)r+4 . (7.2b)
a
• • • Remarque/Commentaire n◦ 11 (A propos du reste en O(b − a)r+4 dans (7.2a)-(7.2b))

Ce résultat montre que, pour une quadrature élémentaire symétrique d’ordre r, le reste du D.L.P. de
l’erreur d’intégration tend vers 0 en O(b−a)r+4 quand b−a −→ 0. Cela est plus rapide que le O(b−a)r+3
garanti, par le Théorème D.VII.2-1, pour une quadrature élémentaire non symétrique de même ordre.
Il en résulte que le terme dominant du D.L. de l’erreur d’une quadrature symétrique sur [ a, b ], quand
b − a −→ 0, devient une bien meilleure approximation de cette erreur plus vite que cela ne se passe pour
une quadrature non symétrique du même ordre.
Mais bien noter que (7.2a)-(7.2b) n’est plus vrai si on y remplace αm par un autre réel α0 ∈ [ a, b ].
b) D.L.P. de l’erreur et constante d’erreur des quad. du point central, trapèze et de Simpson.
Ce sont, toutes les trois, des quadratures symétriques. Ci-après, nous notons toujours αm = (a + b)/2.
∗∗∗ Exemple 7.1 : D.L.P. de l’erreur et constante d’erreur de la quadrature du point central .
a+b 1
Ici, n = 0, x0 = ∈ [ a, b ] et ω0 = b − a, =⇒ u0 = et λ0 = 1 (Exemple 6.1).
2 2
Cette quadrature est d’ordre r = 1 (Exemple 3.1), =⇒ d’après le Théorème D.VII.3-1, si f est de
classe C 4 sur [ A, B ] ⊃ [ a, b ], alors on a, quand b − a −→ 0 ( a, b ∈ [ A, B ]) :
( )
E f ; [ a, b ] Q C = C20 · f ′′ (αm ) · (b − a) 3 + O(b − a)5 ,
E20 E20 1 1 1
où C20 = = , avec E20 = − (2 u0 − 1) 2 = − 0= ,
2! · 22 8 2+1 3 3
1
=⇒ La constante d’erreur de la quadrature du point central est C20 = .
24
( ) f ′′ (αm ) a+b
=⇒ E f ; [ a, b ] Q C = · (b − a) 3 + O(b − a)5 , avec αm = . (7.3a)
24 2
Ceci prouve aussi que (6.4a) est la majoration optimale de l’erreur de la quadrature du point central.
∗∗∗ Exemple 7.2 : D.L.P. de l’erreur et constante d’erreur de la quadrature du trapèze.

b−a 1
Ici, n = 1, x0 = a, x1 = b ∈ [ a, b ], ω0 = ω1 = , =⇒ u0 = 0, u1 = 1 et λ0 = λ1 = .
2 2
( )
E f ; [ a, b ] Q T = C20 · f ′′ (αm ) · (b − a) 3 + O(b − a)5 ,
[ ] ( 1
E20 E20 1 (2 u0 − 1) 2 (2 u1 − 1) 2 1 1 ) 2
où C20 = = , avec E 0 = − + = − + = − ,
2 ! · 22 8 2
2+1 2 2 3 2 2 3
1
=⇒ La constante d’erreur de la quadrature du trapèze est C20 = − .
12
( ) f ′′ (αm ) a+b
=⇒ E f ; [ a, b ] Q T = − · (b − a) 3 + O(b − a)5 , avec αm = . (7.3b)
12 2
Ceci confirme aussi que (6.4d) est la majoration optimale de l’erreur de la quadrature du trapèze.
∗∗∗ Exemple 7.3 : D.L.P. de l’erreur et constante d’erreur de la quadrature de Simpson.

a+b b−a b−a
Ici, n = 2, x0 = a, x1 = , x2 = b ∈ [ a, b ], ω0 = ω2 = et ω1 = 2 ,
2 6 3
1 1 2
=⇒ u0 = 0, u1 = , u2 = 1 et λ0 = λ2 = , λ1 = .
2 6 3
( ) E40 E40
E f ; [ a, b ] Q S = C40 · f (4) (αm ) · (b − a) 5 + O(b − a)7 , où C40 = = ,
4 ! · 24 384
[ ] ( 1
1 (2 u0 − 1) 4 2 (2 u2 − 1) 4 1 1 ) 2
0
avec E4 = − + (2 u1 − 1) + 4
= − + = − ,
4+1 6 3 6 5 6 6 15
1
=⇒ La constante d’erreur de la quadrature de Simpson est C40 = − .
2880
( ) f (4) (αm ) a+b

=⇒ E f ; [ a, b ] Q S = − · (b − a) 5 + O(b − a)7 , avec αm = 2
. (7.3c)
2880
Ceci confirme aussi que (6.4e) est la majoration optimale de l’erreur de la quadrature de Simpson.
◃ Exercice Exo-VII:1 Trouver le D.L.P. de l’erreur, ainsi que la constante d’erreur, de chacune des quadra-
tures élémentaires construites dans les Exercices Exo-II:3 et Exo-II:4 .
- 40 - VIII - Calcul approché de l’erreur d’une quadrature sur [ a, b ] « petit »
c) D.L.P. de l’erreur et constante d’erreur des quadratures de Gauss-Legendre.

On admet le résultat suivant, et dont (7.3a) est le cas particulier pour n = 1 :
Proposition D.VII.3-2 (D.L.P. de l’err. d’une quad. de Gauss-Legendre quand b − a −→ 0)

Si f ∈ C 2n+2 ([ A, B ]) (avec n ∈ IN∗ ), alors on a, quand b − a −→ 0 ( a, b ∈ [ A, B ]) :
( )
E f ; [ a, b ] Q Leg, n = CnLeg · f (2n) (αm ) · (b − a) 2n+1 + O(b − a)2n+3 , (7.3d)
∫ b
[ a,b ]
i.e. f (x) dx = Q Leg, n (f ) + CnLeg · f (2n) (αm ) · (b − a) 2n+1 + O(b − a)2n+3 , (7.3e)
a
a+b [ n ! ]4
avec αm = et CnLeg = .
2 (2n + 1) · [ (2n) ! ]3
VIII – Calcul approché de l’erreur d’une quadrature sur [ a, b ] « petit ».

A partir d’un D.L.P. de l’erreur d’une quadrature élémentaire sur [ a, b ] quand b − a −→ 0 tel qu’obtenu
dans la partie précédente, l’objectif de cette Partie VIII est de montrer comment on peut concrètement calculer
une valeur approchée satisfaisante de cette erreur pour une intégrale donnée sur [ a, b ]. La valeur approchée ainsi
calculée sera alors d’autant plus bonne que la longueur b − a de l’intervalle d’intégration [ a, b ] est « petite ».
Mais ce genre d’approximation de l’erreur d’intégration numérique sur un petit intervalle servira aussi de base
pour gérer la situation plus réaliste d’un intervalle d’intégration [ a, b ] fixé quelconque, dans la Partie X , à
travers les algorithmes d’intégration numérique adptative qui y seront présentés, comme conséquence de
l’étude des quadratures composites dans la Partie IX qui suivra celle-ci.
Dans toute cette Partie, on considère QEu, λ , une quadrature élémentaire d’ordre r ∈ IN. Et l’objectif spé-
( )
cifique est donc d’obtenir, analytiquement, une valeur approchée aisément calculable de E f ; [ a, b ] QEu, λ ,
l’erreur d’intégration numérique de cette quadrature sur un intervalle [ a, b ] arbitraire, valeur approchée qui doit
être d’autant plus bonne que la longueur b − a de l’intervalle est petite.
1◦ ) Motivation et Introduction.
a) Approximation intiale de l’erreur d’une quadrature élémentaire : Inconvénients.
On déduit, du Théorème D.VII.2-1, que si f ∈ C r+2 ([ A, B ]), avec [ A, B ] ⊃ {a, b, x0 , · · · , xn }, alors on
a l’approximation, d’autant plus bonne que b − a est «petit» :
( )
E f ; [ a, b ] QEu, λ ≈ Cr+1
0
(QEu, λ ) · f (r+1) (α0 ) · (b − a) r+2 , (8.1)
( E )
avec α0 ∈ [ a, b ], arbitraire. Notons, cependant, que, strictement parlant, à moins que l’erreur E f ; [ a, b ] Q u, λ
ne soit exactement nulle, l’approximation (8.1) n’est valable que si on a :
f (r+1) (α0 ) ̸= 0. (8.2)
Le cas de figure «f (r+1) (α 0 ) = 0» étant plutôt exceptionnel,
( nous
E allons
) considérer, dans toute la suite, que (8.2)

est toujours réalisé. Ce qui entraîne que l’erreur E f ; [ a, b ] Q u, λ tend à être de plus en plus proportionnelle
à (b − a) r+2 quand b − a −→ 0.
L’inconvénient de l’approximation (8.1) de l’erreur de QEu, λ pour intégrer f sur [ a, b ] réside dans la présence
de f (r+1) (α0 ). En effet, le calcul de f (r+1) , la dérivée d’ordre r + 1 de f , pourra s’avérer très fastidieux dès que
1. f a une expression analytique non triviale en fonction de la variable,
2. et l’ordre r de la quadrature QEu, λ est même seulement un peu grand.
Et quand bien même ce ne serait pas le cas, ce calcul de f (r+1) dépendra trop de l’expression de la fonction
particulière f à intégrer, et sera donc à refaire, à chaque fois, à la main, pour toute nouvelle f . Il serait préférable
d’éviter un tel calcul. A long terme, il est plutôt souhaitable d’avoir une méthode d’approximation de l’erreur
dont la mise ne œuvre soit quasi-automatique (et algorithmisable), quelque soit l’expression de la fonction f
à intégrer, et une méthode qui n’utilise que cette expression de f , sans faire appel à celle d’une de ses dérivées.
Ici, on adopte une approche « quadrature contre quadrature », plus appropriée. L’idée est d’utiliser, en
plus de QEu, λ , une autre quadrature (dite alors «auxiliaire», et peut-être construite à partir de QEu, λ elle même)
( )
pour trouver une approximation facile à calculer de l’erreur E f ; [ a, b ] QEu, λ . Nous examinerons 3 méthodes
de ce type ci-après. Nous les présenterons pour QEu, λ = Q T , la quadrature du trapèze. Le/la lecteur/lectrice ne
devrait pas avoir de mal pour les adapter à toute autre quadrature élémentaire. ∫
b
Mais, avant de procéder, précisons que, dans toute la suite, on posera : I = f (x) dx.
a
D’autre part, A et B désigneront 2 réels fixés/ A 6 a < b 6 B, y compris quand b − a −→ 0.
• • • Remarque/Commentaire n◦ 12 (Quad. élt. + Approx. de l’erreur =⇒ Amélioration)

( )
b est une approximation calculable de l’erreur E f ; [ a, b ] QE
Notons que si E = I −Q
[ a,b ]
(f ), alors
u, λ u, λ
Ib = QEu, λ (f ) + Eb est une meilleure approximation de la valeur de l’intégrale I que la valeur approchée
E
Q u, λ (f ) fournie par la quadrature. Ceci compensera, en partie, l’inévitable surcoût numérique imposé par
[ a,b ]
toute méthode de calcul approché de l’erreur, comparé au coût du seul calcul de Q u, λ (f ).
2◦ ) Estimation de l’erreur d’intégration numérique par « Quadrature contre quadrature » :

Cas de la quadrature (ou formule) du trapèze.
b−a [ a,b ]
Rappelons que la quadrature du trapèze est donnée par (Exemple 2.2) : I ≈ Q T [f (a)+f (b)]. (f ) =
2
Posons C1 = −1/12. Par (7.3b), si f ∈ C 4 ([ A, B ]), alors l’erreur associée vérifie, quand b − a −→ 0 :
( )
E f ; [ a, b ] Q T = C1 · f ′′ (αm ) · (b − a) 3 + O(b − a)5 ,
( )
=⇒ E f ; [ a, b ] Q T ≈ C1 · f ′′ (αm ) · (b − a) 3 , (8.3)
avec αm = (a+b)/2. Mais une telle formule ne présente pas un grand intérêt pratique pour estimer concrètement
cette erreur. En effet, le calcul de f ′′ peut être malaisé. Pour l’estimation pratique et automatique d’erreur visée
ici, on utilise plutôt l’approche quadrature contre quadrature. Pour celle-ci, nous examinons 3 possibilités :
a) Utilisation d’une quadrature d’ordre plus élevé : Exemple avec celle de Simpson.
On sait que si f ∈ C 4 ([ A, B ]), alors (6.4c) est aussi vrai et donc, quand b − a −→ 0 :
( )
E f ; [ a, b ] Q S = O(b − a)5 ;
( ) ( )
=⇒ E f ; [ a, b ] Q T − E f ; [ a, b ] Q S = C1 · f ′′ (αm ) · (b − a) 3 + O(b − a)5 + O(b − a)5 ,
= C1 · f ′′ (αm ) · (b − a) 3 + O(b − a)5 ,
(f ) = C1 · f ′′ (αm ) · (b − a) 3 + O(b − a)5 ,
[ a,b ] [ a,b ]
=⇒ Q S (f ) − Q T
(f ) ≈ C1 · f ′′ (αm ) · (b − a) 3 .
[ a,b ] [ a,b ]
=⇒ Q S (f ) − Q T (8.4)
( )
Mais (8.3) et (8.4) =⇒ Q S (f ) − Q T (f ) ≈ E f ; [ a, b ] Q T .
[ a,b ] [ a,b ]
Par conséquent, pour b − a «petit», la quantité aisément calculable :

( )
b f ; [ a, b ] Q
E
[ a,b ] [ a,b ]
(f ) − Q T (f ) (8.5)
T = QS
( )
est une bonne valeur approchée de E f ; [ a, b ] Q T , l’erreur dans la formule du trapèze pour f sur [ a, b ].
b) Utilisation d’une quadrature de même ordre : Exemple avec celle de point central .
Posons C2 = 1/24. Alors, si f ∈ C 4 ([ A, B ]), (7.3a) est aussi vrai, et donc, quand b − a −→ 0 :
( )
E f ; [ a, b ] Q C = C2 · f ′′ (αm ) · (b − a) 3 + O(b − a)5 ;
( ) ( )
=⇒ E f ; [ a, b ] Q T − E f ; [ a, b ] Q C = (C1 − C2 ) · f ′′ (αm ) · (b − a) 3 + O(b − a)5 ,
(f ) = (C1 − C2 ) · f ′′ (αm ) · (b − a) 3 + O(b − a)5 ,
[ a,b ] [ a,b ]
=⇒ Q C (f ) − Q T
C1 − C2 3
=⇒ Q C (f ) − Q T (f ) ≈ (C1 − C2 ) · f ′′ (αm ) · (b − a) 3 . avec
[ a,b ] [ a,b ]
= . (8.6)
C1 2
C1 − C2 ( )
· E f ; [ a, b ] Q T .
[ a,b ] [ a,b ]
Mais (8.3) et (8.6) =⇒ Q C (f ) − Q T (f ) ≈
C1
Par conséquent, pour b − a «petit», la quantité facile à calculer :
b
(

) 2 [ [ a,b ] [ a,b ]
]
E f ; [ a, b ] Q T = · Q C (f ) − Q T (f ) (8.7)
3
( )
est une bonne valeur approchée de E f ; [ a, b ] Q T , l’erreur dans la formule du trapèze pour f sur [ a, b ].
- 42 - VIII - Calcul approché de l’erreur d’une quadrature sur [ a, b ] « petit »
c) Quadrature sur [ a, b ] contre elle même sur les 2 moitiés de [ a, b ] : Procédé de Richardson.
On utilise ici le « procédé d’extrapolation de Richardson », une procédure, très connue en Analyse
Numérique, permettant d’accélérer certains types de convergence. La procédure est d’applicabilité très étendue.
Nous la décrivons ici en nous limitant à nos besoins présents, tels que spécifiés au début de cette Partie VIII .
• • Construction analytique. ∫ ∫
αm b
a+b
On part de la relation de Chasles : I = J1 + J2 , avec J1 = f (x) dx, J2 = f (x) dx, où αm =
.
a αm 2
Cette décomposition de I suggère 2 manières différentes de calculer une valeur approchée de I en utilisant Q T :
Ie1 = Q T (f )
[ a,b ]
et Ie2 = Je1 + Je2 , avec Je1 = Q T m (f )
[ a,α ]
et Je2 = Q T m (f ) .
[ α ,b ]
(8.8)
Pour chacune de ces 2 approximations de la valeur de l’intégrale I, examinons le comportement de son erreur
quand b − a −→ 0, sous l’hypothèse que la fonction f ∈ C 3 ([ A, B ]). Nous prendrons, à chaque fois, α0 = αm .
1. Erreur de Ie1 = Q T (f ) quand b − a −→ 0.
[ a,b ]
( )
Par le Théorème D.VII.2-1, I − Ie1 = E f ; [ a, b ] Q T = C1 · f ′′ (αm ) · (b − a)3 + O(b − a)4 . (8.9)
2. Erreur de Ie2 = Q T m (f ) + Q T m (f ) quand b − a −→ 0.

[ a,α ] [ α ,b ]
• Encore par le Théorème D.VII.2-1, mais appliqué à Q T sur [ a, αm ], on a :

( ) ( b − a )3 ( b − a )4
J1 − Je1 = E f ; [ a, αm ] Q T = C1 ·f ′′ (αm )·(αm −a)3 + O(αm −a)4 = C1 ·f ′′ (αm )· +O ,
2 2
=⇒ J1 − Je1 = 2 −3 · C1 · f ′′ (αm ) · (b − a)3 + O(b − a)4 (où (6.1e) a été utilisé). (8.10)
• Toujours par le Théorème D.VII.2-1, mais appliqué à Q T sur [ αm , b ] cette fois, il vient :
( ) ( b − a )3 ( b − a )4
J2 − Je2 = E f ; [ αm , b ] Q T = C1 ·f ′′ (αm )·(b−αm )3 + O(b−αm )4 = C1 ·f ′′ (αm )· +O ,
2 2
=⇒ J2 − Je2 = 2 −3 · C1 · f ′′ (αm ) · (b − a)3 + O(b − a)4 par (6.1e) a encore été utilisé). (8.11)
(8.10) + (8.11) =⇒ I − Ie2 = 2 · 2 −3 · C1 · f ′′ (αm ) · (b − a)3 + O(b − a)4 + O(b − a)4 ,

=⇒ I − Ie2 = 2 −2 · C1 · f ′′ (αm ) · (b − a)3 + O(b − a)4 , par (6.1b). (8.12)
La différence (8.9) − (8.12) donne : Ie2 − Ie1 = (1 − 2 −2 ) · C1 · f ′′ (αm ) · (b − a)3 + O(b − a)4 ,
ce qui, compte tenu de (8.9), entraîne, en utilisant (6.1f) et (6.1b) :
[ ( ) ] ( )
Ie2 − Ie1 = (1 − 2 −2 ) · E f ; [ a, b ] Q T + O(b − a)4 + O(b − a)4 = (1 − 2 −2 ) · E f ; [ a, b ] Q T + O(b − a)4 ,
=⇒ Ie2 − Ie1 ( )
Q T + O(b − a)4 . (8.13)
= E f ; [ a, b ]
1 − 2 −2
( )
Or, par (8.3), l’erreur E f ; [ a, b ] Q T tend à être de plus en plus proportionnelle à (b−a)3 quand b−a −→ 0.
Et comme (b − a)4 −→ 0 plus vite que (b − a)3 quand b − a −→ 0, (il s’ensuit que,)dans le même temps, le
terme en O(b − a)4 dans (8.13) est de plus en plus négligeable devant E f ; [ a, b ] Q T . D’où l’approximation :
( ) e e
b , pour b − a «petit», avec
E f ; [ a, b ] Q T ≈ E Eb = I2 − I1 = 4 · (Ie2 − Ie1 ) . (8.14)
1−2 −2 3
( )
On a obtenu, ainsi, une autre approximation calculable de l’erreur E f ; [ a, b ] Q T .
• • • Remarque 9 (Ordre de l’erreur dans (8.13) si f ∈ C 4 ([ a, b ])

Si f est de classe C 4 , on peut montrer qu’alors le reste dans (8.13) devient un O(b − a)5 .
◃ Exercice Exo-VIII:1 Montrer que les 3 méthodes ci-dessus donnent, en fait, la même approximation de
( )
l’erreur E f ; [ a, b ] Q T . N.B. Cependant, ne pas extrapoler ce résultat. En effet, pour des quadra-
tures élémentaires autres que celle du trapèze, les 3 méthodes donnent des résultats, en général,
différents (bien qu’étant d’autant plus proches entre eux que b − a est « petit »).
IX – Quadratures composites d’intégration numérique.

Nous nous intéressons ici à un type de quadratures d’intégration numérique, les quadratures composites,
dont on montrera, (dans la Partie X qui suivra), qu’elles sont, en définitive, les plus appropriées pour calculer
une valeur approchée d’une intégrale définie sur un intervalle [ a, b ] fixé avec une précision imposée d’avance.
1◦ ) Rappels : Subdivision de [ a, b ] et notions associées - Sommes de Riemann.

Une quadrature composite d’intégration numérique pour une intégrale sur [ a, b ] se construit en divisant cet
intervalle en une réunion d’un certain nombre fini de sous-intervalles sans chevauchement et en appliquant, sur
chacun de ces derniers, une quadrature élémentaire choisie, puis en donnant la somme des résultats obtenus
comme valeur approchée de l’intégrale. Pour présenter les quadratures composites, il est alors utile de faire
d’abord les 3 rappels suivants d’Analyse Réelle.
∗∗∗ Rappel n◦ 15 (Subdivision de [ a, b ] et notions associées)

1. Une subdivision de [ a, b ] est toute suite finie et strictement croissante σ d’éléments de cet inter-
valle, commençant par la borne inférieure a et se terminant par la borne supérieure b.
NOTATION : σ = (a = a0 < a1 < · · · < aN = b) .
2. Les nombres réels a0 , · · · , aN sont les nœuds de la subdivision σ.
3. Les nombres réels a1 , · · · , aN −1 sont les nœuds intérieurs ou (internes) de la subdivision σ.
4. L’ensemble des nœuds est appelé support de σ. NOTATION : Supp(σ) = {a0 , · · · , aN }.
5. Les N intervalles [ a, a1 ], [ a1 , a2 ], . . . , [ aN −1 , b ] sont les σ−sous-intervalles a de [ a, b ].
6. L’entier N est appelé taille de la subdivision σ. C’est le nombre de σ−sous-intervalles de [ a, b ].
7. Les pas successifs de σ sont les N réels h1 , · · · , hN > 0 définis par : ∀ k, hk = ak − ak−1 .
8. Le diamètre de la subdivision est la longueur du plus grand des σ−sous-intervalles de [ a, b ], i.e. le
nombre réel > 0 : δσ = max hk .
k = 1, ··· , N
a. Un sous-intervalle de l’intervalle [ a, b ] est un intervalle de IR contenu dans [ a, b ]. Un σ−sous-intervalle de [ a, b ]

est donc un sous-intervalle [ ak−1 , ak ] dont les 2 bornes sont 2 nœuds consécutifs de la subdivision σ.
Les subdivisions les plus simples d’un intervalle [ a, b ] de IR sont obtenues de la manière suivante.
∗∗∗ Rappel n◦ 16 (Subdivision à pas constant ou équisubdivision de [ a, b ])

1. Une subdivision à pas constant d’un intervalle [ a, b ] ⊂ IR ( a < b) est une subdivision σ = (a =
a0 < a1 < · · · < aN = b) vérifiant : ∀ k = 1 (1) N, hk = ak − ak−1 = constante = h.
2. On a alors : ∀ k = 0 (1) N , ak = a + k h.
b−a
3. Nécessairement, h = > 0 et est appelé pas de la subdivision σ. De plus, on a : δσ = h.
N
4. On dit alors aussi que σ est une équisubdivision de pas h de [ a, b ].
5. Comme elle est entièrement déterminée par la donnée de l’entier N , on écrira souvent : σ = σN .
Les sommes de Riemann sont les objets mathématiques de base pour définir l’intégrale d’une fonction sur
[ a, b ], au sens de Riemann.
∗∗∗ Rappel n◦ 17 (Sommes de Riemann)

Soient [ a, b ] ⊂ IR et f : [ a, b ] −→ IR.
∑
N
1. Une somme de Riemann de f dans [ a, b ] est toute somme Sσ (f ) = (ak − ak−1 ) · f (ξk ),
k=1
où σ = (a = a0 < a1 < · · · < aN = b) et ∀ k = 1 (1) N , ξk ∈ [ ak−1 , ak ]. ∫ b
2. Si f est intégrable (au sens de Riemann) sur [ a, b ], alors : lim Sσ (f ) = f (x) dx.
δσ → 0 a
- 44 - IX - Quadratures composites d’intégration numérique
2◦ ) Quadratures composites : Motivation, Introduction et Propriété fondamentale.

a) Motivation derrière les quadratures composites.
Il existe des sous-domaines spécialisés de l’Analyse Numérique dans lesquels on a réellemeent besoin d’ap-
proximer des valeurs d’intégrales sur des intervalles dont la longueur peut être rendue, a priori, aussi petite que
possible dans la discrétisation 3 d’un problème continu. Il s’agit, notamment des :
1. méthodes de résolution numérique des équations différentielles (c’est, en particulier, dans cette
classe de méthodes numériques qu’on a besoin, parfois, de quadratures d’intégration numérique utilisant
des nœuds externes à l’intervalle d’intégration) ;
2. méthodes des volumes finis pour la résolution numérique des équations aux dérivées partielles.
Pour cette catégorie de problèmes d’Analyse Numérique, la majoration de l’erreur d’intégration numérique d’une
quadrature élémentaire du Corollaire D.VI.3-2 est pertinente pour contrôler la qualité de l’approximation
numérique des intégrales considérées dans ces applications de l’Intégration numérique.
Cependant, dans la majorité des applications de l’Intégration numérique, on souhaite calculer une «bonne»
∫ b
valeur approchée d’une intégrale définie I = f (x) dx, où les 2 bornes a et b sont 2 réels donnés. Or,
a
les réels a et b étant fixés, cela n’a aucun sens de prétendre les faire bouger pour que la différence b − a −→ 0.
Mais, dans ces conditions, comment alors espérer calculer une valeur approchée de I avec une bonne précision ?
Réponse : utiliser une « quadrature composite ».
C’est ce type de quadratures que nous allons étudier dans la suite de cette Partie IX .
b) Construction d’une quadrature composite d’intégration numérique : Principe d’action.

La notion de quadrature composite résulte d’une application, au problème du calcul approché des in-
tégrales, du classique principe d’action « Diviser pour mieux régner ». En effet, comme on ne sait contrôler
directement (Corollaire D.VI.3-2) que l’erreur d’une quadrature élémentaire sur un « petit » intervalle, alors
pour approcher la valeur d’une intégrale définie arbitraire comme I, on la découpe préalablement en somme
d’intégrales sur des sous-intervalles (qu’on voudra « petits ») de l’intervalle [ a, b ], selon le principe de Chasles.
Plus précisément :
1. On fixe une quadrature élémentaire QEu, λ .
2. Découpage de l’intervalle [ a, b ] en une réunion de sous-intervalles [ ak−1 , ak ] par une subdivision σ :
σ = (a = a0 < a1 < · · · < aN = b), avec ak − ak−1 = hk , ∀ k = 1 (1) N. (9.1a)
3. Décomposition de l’intégrale I par la Relation de Chasles, suivant la subdivision σ :

∫ b ∫ aN ∫ a1 ∫ a2 ∫ aN −1 ∫ aN
f (x) dx = f (x) dx = f (x) dx + f (x) dx + · · · + f (x) dx + f (x) dx,
a a0 a0 a1 aN −2 aN −1
∑
N ∫ ak
i.e. I = Ik , avec Ik = f (x) dx, ∀ k = 1 (1) N . (9.1b)
k=1 ak−1
4. Calcul d’une valeur approchée Iek de chaque sous-intégrale Ik par la quadrature élémentaire QEu, λ ,
∑
n
Iek = Q u,k−1
[a ,ak ]
i.e. calcul des N nombres réels λ (f ) = hk · λi · f (ak + hk ui ), pour k = 1 (1) N .
i=0
∑
N
5. Du fait de (9.1b), on calcule, comme valeur approchée finale de l’intégrale I : Ie = Iek .
k=1
3. « Discrétiser un problème continu », c’est le transformer en un problème approché dans lequel « tout est fini » : nombre de
données nécessaires, nombre d’équations de modélisation, quantité de calculs à faire, nombre de résultats à produire. Dans les sous-
domaines de l’Analyse numérique dont il est question ici, c’est souvent une étape préliminaire indispensable pour résoudre le
problème concerné par ordinateur.
D’où la définition suivante :
Définition D.IX-d 1 (Quadrature composite sur [ a, b ])

Soient QEu, λ , une quadrature élémentaire, [ a, b ] ⊂ IR, et σ, la subdivision (9.1a) de [ a, b ].
1. On appelle quadrature composite d’intégration numérique sur [ a, b ] s’appuyant sur la sub-
division σ et basée sur la quadrature élémentaire QEu, λ , la méthode d’intégration numérique
∫ b
sur [ a, b ] qui consiste à calculer comme valeur approchée de toute intégrale définie I = f (x) dx,
a
∑ [ a ,a ]
N
le nombre : Ie = Q u,k−1
λ
k
(f ).
k=1
[ a,b ],σ
2. Cette quadrature composite sera notée Q u, λ , avec :
[ a,b ],σ
∑
N
[a ,ak ]
Q u, λ (f ) = Q u,k−1
λ (f ) . (9.1c)
k=1
∫ b ∑
N ∫ b ∑
N
[a ,ak ] [a ,ak ]
3. On écrira : f (x) dx ≈ Q u,k−1
λ (f ) ou f (x) dx = Q u,k−1
λ (f ) + E .
a k=1 a k=1
[ a,b ],σ
4. La quadrature élémentaire QEu, λ est la quadrature de base de la quadrature composite Q u, λ .
• • • Remarque 10 (Expression en extension d’une quadrature composite)

[ a,b ],σ
Avec les notations de la Définition D.II-d 1, Q u, λ (f ) s’écrit aussi, en extension :
N [
∑ ∑
n ]
[ a,b ],σ
Q u, λ (f ) = hk · λi · f (ak + hk ui ) . (9.1d)
k=1 i=0
Cependant, pour la plupart des manipulations, il vaut mieux utiliser l’expression structurelle (9.1c). Comme
on le verra, cette dernière permet notamment de déduire, assez immédiatement, les propriétés de la qua-
[ a,b ],σ
drature composite Q u, λ à partir de celles de la quadrature élémentaire QEu, λ qui a servi à la construire.
c) Hypothèse de base pour les quadratures composites.

Les quadratures composites les plus simples à manipuler sont celles qui vérifient l’hypothèse suivante :
⋆ ⋆ ⋆ Hypothèse H2 (Hypothèse de base pour les quadratures composites)

La quadrature élémentaire de base QEu, λ d’une quadrature composite vérifie (dans les notations de la
Définition D.II-d 1) : ∀ i = 0 (1) n, ui ∈ [ 0, 1 ].
• • • Remarque/Commentaire n◦ 13 (A propos de l’hypothèse de base des qu. composites)

Par le Proposition D.I.5-1, la condition « ∀ i = 0 (1) n, ui ∈ [ 0, 1 ] » signifie que, sur tout intervalle
[ a, b ], tous les points d’intégration x0 , · · · , xn de QEu, λ sont dans [ a, b ].
Cette contrainte est, par conséquent, plutôt faible, i.e. facile à vérifier.
En pratique, nous ne considérerons donc que des quadratures composites satisfaisant cette contrainte.
d) Propriété fondamentale : Convergence d’une quadrature composite quand δσ −→ 0.

D’après la majoration de l’erreur d’une quadrature élémentaire (Corollaire D.VI.3-2), plus [ ak−1 , ak ] est
petit, plus Iek = Q u,k−1
[a ,ak ]
λ (f ) est une meilleure approximation de l’intégrale de f sur [ ak−1 , ak ].
[ a,b ],σ
Avec la formule de Chasles (9.1b), l’espoir alors derrière la construction de la quadrature composite Q u, λ
est que plus les sous-intervalles [ ak−1 , ak ] ( k = 1 (1) N ) sont simultanément tous petits, plus Ie = Q u, λ (f )
[ a,b ],σ
serait une bonne approximation de la valeur de l’intégrale I. Cet espoir est validé par le :
Théorème D.IX.2-1 (Convergence d’une quadrature composite quand δσ −→ 0)

∫ b
Si I = f (x) dx est une intégrale définie, et l’Hypothèse H2 est satisfaite, alors :
a
[ a,b ],σ
Q u, λ (f ) −−
−−→ I quand δσ −→ 0 . (9.2a)
Preuve Supposons que l’Hypothèse H2 est satisfaite et I est une intégrale définie. On a :
[ a,b ],σ
∑n
[ ] ∑
N
(9.1d) ⇐⇒ Q u, λ (f ) = λi · Sσi (f ) , avec, ∀ i = 0 (1) n, Sσi (f ) = hk · f (ak + ui hk ). (9.2b)
i=0 k=1
Or, ∀ i = 0 (1) n, on a : H2 =⇒ ui ∈ [ 0, 1 ] =⇒ ∀ k = 1 (1) N , ak + ui hk ∈ [ ak−1 , ak ] ;
=⇒ Sσi (f ) est une somme de Riemann de la fonction f sur [ a, b ] ;
=⇒ Sσi (f ) −−−−→ I quand δσ −→ 0, car I est une intégrale définie (au sens de Riemann). (9.2c)
Comme n, u0 , · · · , un , λ0 , · · · , λn sont des constantes fixées, il vient, par (9.2b) et (9.2c), quand δσ −→ 0 :
[ a,b ],σ
∑n ∑n
Q u, λ (f ) −−−−→ (λi · I) = I · λi = I. Cqfd
i=0 i=0
• • • Remarque/Commentaire n◦ 14 (Convergence d’une quadrature composite)

Comme on l’a vu (Remarque/Commentaire n◦ 13 ), l’Hypothèse H2 est plutôt faible, donc facile à
satisfaire. Par conséquent, on peut retenir que (9.2a) est essentiellement toujours vraie pour une quadrature
composite. On dit ainsi qu’elle est convergente. C’est la motivation même derrière l’utilisation de ce type
de quadrature pour espérer calculer une valeur approchée précise (autant que possible) d’une intégrale défi-
nie donnée, comme on le verra, dans la Partie X , lors de l’étude des algorithmes d’intégration numérique
adaptative construits à cet effet.
e) Exemples : quadratures composites des points centraux, des trapèzes et de Simpson.

∗∗∗ Exemple 9.1 : Quadrature composite des points centraux (ou des points-milieux ).
C’est la quadrature composite obtenue en approchant l’intégrale de f sur chaque sous-intervalle [ ak−1 , ak ]
par la quadrature du point central (Exemple 2.1) :
∫ ak
[a ,a ] [a ,a ] ak−1 + ak
f (x) dx ≈ Q C k−1 k (f ), avec Q C k−1 k (f ) = hk · f (ak − 1/2 ), où ak − 1/2 = .
ak−1 2
∫ b ∑
N ∑
N
[ a,b ], σ [ a,b ], σ [a ,a ]
D’où f (x) dx ≈ QC (f ), avec QC (f ) = Q C k−1 k (f ) = hk · f (ak − 1/2 ) . (9.2d)
a k=1 k=1
C’est la quadrature composite des points centraux (ou des points-milieux ) s’appuyant sur σ.
∗∗∗ Exemple 9.2 : Quadrature (composite) des trapèzes.

par la quadrature du trapèze (Exemple 2.2) :
∫ ak
[a ,a ] [a ,a ] hk [ ]
f (x) dx ≈ Q T k−1 k (f ), avec Q T k−1 k (f ) = · f (ak−1 ) + f (ak ) .
2
ak−1 ∫ b
[ a,b ], σ
D’où l’approximation, appelée quadrature (composite) des trapèzes : f (x) dx ≈ Q T (f ),
a
[ a,b ], σ
∑
N
[a , ak ] 1 ∑
N
[ ]
avec QT (f ) = Q T k−1 (f ) = hk · f (ak−1 ) + f (ak ) . (9.2e)
2
k=1 k=1
∗∗∗ Exemple 9.3 : Quadrature composite de Simpson.

par la quadrature du Simpson (Exemple 2.3) :
∫ ak
[a ,a ] [a ,a ] hk [ ]
f (x) dx ≈ Q S k−1 k (f ), avec Q S k−1 k (f ) = · f (ak−1 ) + 4 f (ak−1/2 ) + f (ak ) .
ak−1 6
∫ b
[ a,b ], σ
D’où l’approximation, appelée quadrature composite de Simpson : f (x) dx ≈ Q S (f ),
a
[ a,b ], σ
∑
N
[a , ak ] 1 ∑
N
[ ]
avec QS (f ) = Q S k−1 (f ) = hk · f (ak−1 ) + 4 f (ak−1/2 ) + f (ak ) . (9.2f)
6
k=1 k=1
◃ Exercice Exo-IX:1 Construire les 2 quadratures composites utilisant comme quadratures de base, les qua-
dratures de Gauss-Legendre des Exemples 5.2 et 5.3.
3◦ ) Erreur d’intégration numérique d’une quadrature composite.

a) Etude de l’erreur d’intégration numérique d’une quadrature composite.
On étudie l’erreur d’intégration numérique d’une quadrature composite en partant du résultat suivant :
Proposition D.IX.3-1 (Erreur d’intégration numérique d’une quadrature composite)

Dans la Définition D.IX-d 1, on a :
( [ a,b ],σ ) ∑
N
( )
E f ; [ a, b ] Q u, λ = E f ; [ ak−1 , ak ] QEu, λ ; (9.3a)
k=1
( [ a,b ],σ ) ∑
N
( )
et donc E f ; [ a, b ] Q u, λ 6 E f ; [ ak−1 , ak ] QE
u, λ . (9.3b)
k=1
Preuve Par définition de l’erreur d’une quadrature sur [ a, b ], on a :

∫ N ∫
∑ ∑
( [ a,b ],σ ) b ak N
E f ; [ a, b ] Q u, λ
[ a,b ],σ [a ,ak ]
= f (x) dx − Q u, λ (f ) = f (x) dx − Q u,k−1
λ (f )
a k = 1 ak−1 k=1
[∫ ]
∑
N ak ∑
N
( )
E f ; [ ak−1 , ak ] QEu, λ . Cqfd
[a ,ak ]
= f (x) dx − Q u,k−1
λ (f ) =
k=1 ak−1 k=1
Définition-Propriété D.IX-d 2 (Erreur globale/erreurs locales d’une quadrature composite)

Dans les conditions de la Définition D.IX-d 1,
( [ a,b ],σ )
1. E f ; [ a, b ] Q u, λ
[ a,b ],σ
est appelée erreur globale de la quadrature composite Q u, λ sur [ a, b ] ;
( )
2. pour k = 1 (1) N , E f ; [ ak−1 , ak ] QEu, λ est appelée erreur locale de la quadrature composite
[ a,b ],σ
Q u, λ sur le sous-intervalle [ ak−1 , ak ] de [ a, b ].
[ a,b ],σ
3. L’erreur globale de Q u, λ sur [ a, b ] est donc la somme de ses erreurs locales sur les [ ak−1 , ak ].
b) Lemme de base pour la majoration de l’erreur d’une quadrature composite.

[ a,b ],σ
La manière dont se comporte l’erreur d’une quadrature composite Q u, λ lorsque le diamètre de la subdi-
vision σ tend vers 0 découle du fait suivant :
Lemme D.IX-ℓ1 (Préliminaire pour la majoration de l’erreur d’une quad. composite)

∑
N ∑
N
Avec la subdivision (9.1a) de [ a, b ], on a : hk = b − a, et ∀ s ∈ IN∗ , 0 < hsk 6 (b − a) · δσs−1 .
k=1 k=1
∑
N ∑
N
Preuve On a : hk = (ak − ak−1 ) = aN − a0 = b − a. Soit alors un entier s > 1.
k=1 k=1
( )
On a, ∀ k = 1 (1) N : ak−1 < ak et hk = ak − ak−1 =⇒ 0 < hk 6 δσ ,
=⇒ 0 < hs−1
k 6 δσs−1 , car s − 1 > 0. Or, hsk = hk · hs−1
k ; d’où : 0 < hsk 6 hk · δσs−1 ;
∑
N (∑
N ) ∑
N
=⇒ 0 < hsk 6 hk · δσs−1 , i.e. 0 < hsk 6 (b − a) · δσs−1 . Cqfd
k=1 k=1 k=1
c) Majoration de l’erreur d’une quadrature composite sur [ a, b ].
[ a,b ],σ
Par le Théorème D.IX.2-1, on sait qu’une quadrature composite Q u, λ sur [ a, b ] converge toujours
vers l’intégrale de la fonction sur cet intervalle lorsque δσ −→ 0. Mais alors question du plus haut intérêt :
convergence à quelle vitesse ? La réponse est apportée par les 2 résultats qui suivent.
Théorème D.IX.3-2 (Majoration de l’erreur d’une quadrature composite sur [ a, b ])

Soit ν ∈ IN. On considère QEu, λ , une quadrature élémentaire vérifiant l’Hypothèse H2 , et exacte pour
intégrer les polynômes de degré 6 ν.
• Si une fonction f : IR −→ IR, est de classe C ν+1 sur [ a, b ], alors :
( )
E f ; [ a, b ] Q[ a,b ],σ 6 (b − a) · Cν+1 (u, λ) · Mν+1 (f ; [ a, b ]) · δσν+1 . (9.3c)
u, λ (ν + 1) ! · 2 ν+1
( [ a,b ],σ )
• Ainsi, quand δσ −→ 0, l’erreur E f ; [ a, b ] Q u, λ −→ 0 au moins en O(δσν+1 ).
Preuve Soit f ∈ C ν+1 ([ a, b ]).

Par hypothèse, la quadrature élémentaire QEu, λ est exacte pour intégrer tout polynôme de degré 6 ν. En
faisant alors jouer, dans le Théorème D.VI.3-1, à [ a, b ] le rôle de [ A, B ], et à [ ak−1 , ak ] celui de [ a, b ], il
vient, ∀ k = 1 (1) N , puisque [ ak−1 , ak ] ⊂ [ a, b ] et u0 , · · · , un ∈ [ 0, 1 ] (Hypothèse H2 ) :
( )
E f ; [ ak−1 , ak ] QE 6 Cν+1 (u, λ) · Mν+1 (f ; [ a, b ]) · hν+2 ;
u, λ
(ν + 1) ! · 2 ν+1 k
∑
N
( E ) Cν+1 (u, λ) · Mν+1 (f ; [ a, b ]) ∑ ν+2
N
=⇒
E f ; [ a, b ] Q u, λ 6 · hk .
(ν + 1) ! · 2 ν+1
k=1 k=1
D’où le résultat par (9.3b) et en prenant s = ν + 2 dans le Lemme D.IX-ℓ1. Cqfd
Corollaire D.IX.3-3 (Ordre et majoration de l’erreur d’une quadr. composite sur [ a, b ])

Soit QEu, λ , une quadrature élémentaire d’ordre r ∈ IN et vérifiant l’Hypothèse H2 .
• Si une fonction f : IR −→ IR, est de classe C r+1 sur [ a, b ], alors :
( )
E f ; [ a, b ] Q[ a,b ],σ 6 (b − a) · Cr+1 (u, λ) · Mr+1 (f ; [ a, b ]) · δσr+1 . (9.3d)
u, λ (r + 1) ! · 2 r+1
( [ a,b ],σ )
• Ainsi, quand δσ −→ 0, l’erreur E f ; [ a, b ] Q u, λ −→ 0 en O(δσr+1 ).
d) Majoration de l’erreur : quadr. compo. des points centraux, des trapèzes et de Simpson.
∗∗∗ Exemple 9.4 : Majoration de l’erreur de la quadrature composite des points centraux .
Cette quadrature composite a été construite dans l’Exemple 9.1.
En tenant compte de l’Exemple 6.1, le Théorème D.IX.3-2 entraîne que :
( [ a,b ], σ )
Si f ∈ C 2 ([ a, b ]), alors E f ; [ a, b ] Q C 6 (b − a) · M2 (f ) · δσ2 . (9.3e)
24
∗∗∗ Exemple 9.5 : Majoration de l’erreur de la quadrature (composite) des trapèzes.

( [ a,b ], σ )
Si f ∈ C 2 ([ a, b ]), alors E f ; [ a, b ] Q T 6 (b − a) · M2 (f ) · δσ2 . (9.3f)
6
∗∗∗ Exemple 9.6 : Majoration de l’erreur de la quadrature composite de Simpson.

( [ a,b ], σ )
Si f ∈ C 4 ([ a, b ]), alors E f ; [ a, b ] Q S 6 (b − a) · M4 (f ) · δσ4 . (9.3g)
720
◃ Exercice Exo-IX:2 Majoration de leur erreur, avec hypothèse à préciser, pour chacune des quadratures
composites construites dans l’ Exo-IX:1
.
4◦ ) Quadratures composites à pas constant.

a) Introduction.
Les quadratures composites du type suivant sont les plus simples à construire, à utiliser et à étudier, mais
pas nécessairement les plus efficaces pour le calcul approché des intégrales définies.
Définition D.IX-d 3 (Quadrature composite à pas constant)

1. Une quadrature composite à pas constant sur [ a, b ] ( a < b) est une quadrature composite sur
[ a, b ] s’appuyant sur une subdivision σ = σN à pas constant de [ a, b ].
2. Le pas de σ = σN est alors aussi appelé pas de cette quadrature composite à pas constant.
• • • Remarque/Commentaire n◦ 15 (A propos des quadratures composites à pas constant)

Les quadratures composites à pas constant sont les plus simples à manipuler analytiquement, et à
programmer algorithmiquement. Mais (voir plus loin), ce ne sont pas les plus efficaces, en termes de coût
numérique, pour calculer une valeur approchée d’une intégrale avec une précision fixée d’avance.
b) Convergence d’une quadrature composite à pas constant.

Pour une subdivision σ à pas constant de taille N , on a l’équivalence : δσ −→ 0 ⇐⇒ N −→ +∞.
De ce fait, le Corollaire suivant du Théorème D.IX.2-1 est immédiat :
Corollaire D.IX.4-1 (Conv. d’une quadr. composite à pas constant quand N −→ +∞)
∫ b
Si I = f (x) dx est une intégrale définie, et l’Hypothèse H2 est satisfaite, alors :
a
[ a,b ], σN
Q u, λ (f ) −−
−−→ I quand N −→ +∞ . (9.4a)
c) Majoration de l’erreur d’une quadrature composite à pas constant sur [ a, b ].

[ a,b ], σ
Par le Corollaire D.IX.4-1, on sait qu’une quadrature composite à pas constant Q u, λ N sur [ a, b ]
converge toujours vers l’intégrale de la fonction sur cet intervalle lorsque N −→ +∞. La vitesse de cette
convergence se déduit des Théorème D.IX.3-2 et Corollaire D.IX.3-3 :
Corollaire D.IX.4-2 (Majoration de l’erreur d’une quadr. composite à pas constant)

Soit ν ∈ IN. On considère QEu, λ , une quadrature élémentaire vérifiant l’Hypothèse H2 , et exacte pour
intégrer les polynômes de degré 6 ν.
• Si une fonction f : IR −→ IR, est de classe C ν+1 sur [ a, b ], alors on a, avec h = (b − a)/N :
( )
E f ; [ a, b ] Q[ a,b ], σN 6 (b − a) · Cν+1 (u, λ) · Mν+1 (f ; [ a, b ]) · h ν+1 . (9.4b)
u, λ (ν + 1) ! · 2 ν+1
( [ a,b ], σ )
• Ainsi, quand N −→ +∞, l’erreur E f ; [ a, b ] Q u, λ N −→ 0 en O(h ν+1 ) = O(1/N ν+1 ).
Corollaire D.IX.4-3 (Ordre et major. de l’erreur d’une quadr. comp. à pas constant)
Soit QEu, λ , une quadrature élémentaire d’ordre r ∈ IN et vérifiant l’Hypothèse H2 .
• Si une fonction f : IR −→ IR, est de classe C r+1 sur [ a, b ], alors on a, avec h = (b − a)/N :
( )
E f ; [ a, b ] Q[ a,b ], σN 6 (b − a) · Cr+1 (u, λ) · Mr+1 (f ; [ a, b ]) · h r+1 . (9.4c)
u, λ (r + 1) ! · 2 r+1
( [ a,b ], σ )
• Ainsi, quand N −→ +∞, l’erreur E f ; [ a, b ] Q u, λ N −→ 0 en O(h r+1 ) = O(1/N r+1 ).
d) Quadratures composites des points centraux, des trapèzes et de Simpson à pas constant.
∗∗∗ Exemple 9.7 : Quadrature composite des points centraux à pas constant.
Dans l’Exemple 9.1, avec un pas h = (b − a)/N constant, (9.2d) devient :
∫ b ∑
N
[ a,b ], σN [ a,b ], σN
f (x) dx ≈ QC (f ), avec QC (f ) = h· f (ak − 1/2 ) . (9.4d)
a k=1
En tenant compte de l’Exemple 9.4, le Corollaire D.IX.4-3 entraîne que :

( [ a,b ], σN )
6 (b − a) · M2 (f ) · h2 = (b − a) · M2 (f ) .
3
Si f ∈ C 2 ([ a, b ]), alors E f ; [ a, b ] Q C (9.4e)
24 24 N 2
∗∗∗ Exemple 9.8 : Quadrature (composite) des trapèzes à pas constant. ∫
b
[ a,b ], σN
Dans l’Exemple 9.2, avec un pas h = (b − a)/N constant, (9.2e) devient : f (x) dx ≈ Q T (f ),
a
h ∑[
N
] [ f (a) + f (b) N∑
−1 ]
[ a,b ], σN
avec QT (f ) = f (ak−1 ) + f (ak ) = h · + f (ak ) . (9.4f)
2 2
k=1 k=1

( [ a,b ], σN )
6 (b − a) · M2 (f ) · h2 = (b − a) · M2 (f ) .
3
Si f ∈ C 2 ([ a, b ]), alors E f ; [ a, b ] Q T (9.4g)
6 6 N2
∗∗∗ Exemple 9.9 : Quadrature composite de Simpson à pas constant. ∫ b
[ a,b ], σN
Dans l’Exemple 9.3, avec un pas h = (b − a)/N constant, (9.2f) devient : f (x) dx ≈ Q S (f ),
a
h ∑[ ]
N
[ a,b ], σN
avec QS (f ) = f (ak−1 ) + 4 f (ak−1/2 ) + f (ak ) . (9.4h)
6
k=1

( [ a,b ], σN )
6 (b − a) · M4 (f ) · h4 = (b − a) · M4 (f ) .
5
Si f ∈ C 4 ([ a, b ]), alors E f ; [ a, b ] Q S (9.4i)
720 720 N 4
◃ Exercice Exo-IX:3 Donner chacune des quadratures composites construites dans l’ Exo-IX:1 dans le cas
du pas constant et la majoration de son erreur, avec hypothèse à préciser.
5◦ ) Mise en œuvre des quadratures composites d’intégration numérique : Aspects pratiques.

a) Choix de la subdivision σ dans une quadrature composite ???
[ a,b ],σ
Il ressort, du Théorème D.IX.2-1, qu’une quadrature composite Q u, λ est d’autant plus précise pour
∫ b
calculer une valeur approchée d’une intégrale définie I = f (x) dx que le diamètre δσ de la subdivision σ
a
est petit. Plus, précisément, ce Théorème signifie que, si l’Hypothèse H2 est satisfaite, alors on a :
( [ a,b ],σ )
∀ ErrTol > 0, ∃ δ > 0 / ∀ σ, subdivision de [ a, b ], δσ 6 δ =⇒ E f ; [ a, b ] Q u, λ 6 ErrTol,
∫
b
i.e. 6 ErrTol.
[ a,b ],σ
f (x) dx − Q u, λ (9.5)
a
La question d’intérêt devient alors :
Pour une « petite » tolérance d’erreur ErrTol > 0, fixée d’avance (par exemple ErrTol = 10−7 ),
comment trouver, en pratique, une subdivision σ de points de [ a, b ] (de taille N aussi petite que
possible) telle que (9.5) soit satisfait ?
On ne peut, malheureusement, énoncer aucun résultat systématique permettant de répondre à cette question.
En effet, choisir une subdvision de points de l’intervalle [ a, b ] revient à
1. choisir sa taille N ,
2. et sélectionner ses nœuds internes a1 , · · · , aN −1 / a < a1 < a2 < · · · < aN −1 < b, sachant que, par
définition d’une subdivision de [ a, b ] (Rappel n◦ 15 ), on a toujours : a0 = a et aN = b.
Or, cette taille N et ce choix des nœuds internes d’une «bonne» subdivision σ de [ a, b ] vérifiant (9.5) dépendent
1. de l’ordre r de la quadrature élémentaire de base QEu, λ ,
2. et, surtout, de la manière dont évoluent les valeurs prises par la fonction f le long de l’in-
tervalle [ a, b ].
Evidemment, ce dernier point varie considérablement d’une intégrale à l’autre, et il est impossible
d’en énoncer une règle caractéristique générale.
Par rapport à la question posée ci-dessus, il y a donc un « os » sur le plan théorique. Mais la question, elle,
est d’ordre pratique. On contourne cette difficulté théorique de manière pratique justement, par une approche
algorithmique itérative. Le principe général de cette approche est, pour l’intégrale I qu’on a en mains, de
construire itérativement (séquentiellemnt ou récursivement) une subdivision σ de [ a, b ], en y incluant des
nœuds ak au fur et à mesure, à base d’un critère d’inclusion fixé d’avance, pour que, à la sortie de l’algorithme,
(9.5) soit à peu près réalisé. C’est ce qu’on appelle un algorithme d’intégration numérique adaptative. La
description de ce type d’algorithmes sera faite dans la Partie X à suivre.
b) Calcul approché de l’erreur d’une quadrature composite.

Pour la construction des algorithmes d’intégration numérique adaptative auxquels nous venons de faire allu-
sion, une majoration d’erreur d’une quadrature composite sur [ a, b ] comme (9.3c) est, paradoxalement, de peu
de secours. Motif : la présence du facteur Mr+1 (f ; [ a, b ]), dont la difficulté du calcul, en pratique, a déjà été
débattu précédemment.
( [ a,b ],σ )
Il est, en fait, plus utile de pouvoir calculer une valeur approchée de l’erreur globale E f ; [ a, b ] Q u, λ de
[ a,b ],σ
la quadrature composite Q u, λ sur [ a, b ]. Par (9.3a) de la Proposition D.IX.3-1, on voit que ceci passe par
( )
le calcul préalable de valeurs approchées des erreurs locales E f ; [ ak−1 , ak ] QEu, λ sur les σ−sous-intervalles
[ ak−1 , ak ] de [ a, b ], pour k = 1 (1) N . Ces sous-intervalles ayant pour ambition finale de devenir tous petits
pour que (9.5) puisse être satisfaite, on estime l’erreur de la quadrature élémentaire QEu, λ sur chacun d’eux par
l’une des techniques vues dans la Partie VIII .
- 52 - X - Calcul d’une intégrale avec une précision fixée d’avance
X – Pratique effective de l’intégration numérique :

Calcul d’une intégrale avec une précision fixée d’avance.
1◦ ) Pratique effective de l’intégration numérique : Introduction.
a) Le problème. ∫ b
Pour calculer une valeur approchée d’une intégrale définie donnée I = f (x) dx avec une précision fixée
a
d’avance, l’étude des quadratures composites d’intégration numérique effectuée dans la Partie IX qui précède
suggère d’appliquer la démarche générale suivante :
1. Choisir une quadrature élémentaire d’intégration numérique : QEu, λ ;
2. Découper [ a, b ] par une subdivision σ = (a = a0 < a1 < · · · < aN = b) appropriée ;
∫ ak
[a ,ak ]
3. Approcher chaque intégrale f (x) dx par Q u,k−1
λ (f ) ;
ak−1
[ a,b ],σ
∑
N
[a ,ak ]
4. Fournir comme approximation de l’intégrale I : Q u, λ (f ) = Q u,k−1
λ (f ).
k=1
∗∗∗ Question : Comment choisir la subdivision σ (taille, disposition des nœuds internes a1 , · · · , aN −1 )
[ a,b ],σ
pour que Q u, λ (f ) soit une approximation de l’intégrale I avec une précision fixée d’avance ?
Question difficile. La réponse dépend intrinsèquement des variations de la fonction f dans l’intervalle [ a, b ].
Choix le plus commode pour les calculs : σ équisudivision. Mais il est très loin d’être le plus efficace.
Par ailleurs, on rappelle que, sous une hypothèse plutôt faible, on a (Théorème D.IX.2-1) :
[ a,b ],σ
Q u, λ (f ) −→ I quand δσ −→ 0 , où δσ = max (ak − ak−1 ). (10.1)
16k6N
2◦ ) Pratique effective de l’intégration numérique avec des équisubdivisions.

a) Quadratures composites : à pas constant ???
Il faut signaler que le 1er réflexe (et mode d’action historique) pour construire une quadrature composite sur
un intervalle [ a, b ] donné est de s’appuyer sur une équisubdivision de [ a, b ], i.e. une subdivision σ = σN de
[ a, b ] à pas constant, autrement dit vérifiant : ∀ k = 1 (1) N , hk = constante = δσ . Raison : c’est l’approche
la plus simple. Et, probablement aussi la plus aisément gérable avant l’ère des ordinateurs.
Cependant, après la discussion (à la fin de la Partie IX ) sur l’impact, a priori, des variations de la fonction
f dans l’intervalle [ a, b ] sur une « bonne » subdivision σ réalisant (9.5), il est clair qu’il n’arrivera que très
miraculeusement qu’une équisubdivision soit un bon choix tout en étant taille la plus petite possible. A cet
égard, le point de vue de l’auteur est que pour l’intégration numérique directe, et au vu des algorithmes adaptatifs
disponibles, les quadratures composites à pas constant n’ont plus qu’un intérêt limité. 4
Néanmoins, les quadratures composites à pas constant ont une particularité très remarquable. En effet,
chacune d’entre elles se prête, par combinaisons linéaires appropriées de son application sur plusieurs pas diffé-
rents, à un calcul en grande précision de la valeur d’une intégrale définie, en utilisant des techniques classiques
d’accélération de la convergence en Analyse numérique. Ceci se fait, cependant, au prix d’un coût numérique
très élevé. Nous explicitons l’approche ci-après.
b) Quadratures composites à pas constant : une observation cruciale.

Lorsque σ = σN , une équisubdivision de [ a, b ] de taille N , la donnée de l’entier N détermine entièrement
[ a,b ],σ [ a,b ],σ
Q u, λ (f )= Q u, λ N (f ). Cette quantité est, par conséquent, une fonction (au sens mathématique du terme)
[ a,b ],σN
de N , et donc du pas h = (b − a)/N , i.e. il existe une fonction F : IR −→ IR/ Q u, λ (f ) = F (h).
Or, (10.1) =⇒ lim F (h) = I =⇒ par prolongement par continuité, on a : F (0) = I.
h −→ 0
4. Même si, par ailleurs, après certaines transformations judicieuses dans l’intégrale à calculer, une quadrature composite à pas
constant, lorsqu’on la corrige par un D.L. approprié de son erreur, peut produire des résultats d’une précision remarquable pour
intégrer des fonctions suffisamment dérivables. Ce type de corrections a été particulièrement développé pour la quadrature composite
des trapèzes corrigée par la Formule sommatoire d’Euler-MacLaurin, mais ceci va très au-delà des ambitions de ce document.
c) Accélération d’une quadrature composite à pas constant : approche générale.

De l’observation ci-dessus que I = F (0) pour une certaine fonction F : IR −→ IR, on peut interpréter le
calcul d’une valeur approchée de I comme le problème de l’approximation numérique de la valeur de la fonction
F au point h = 0. Un tel calcul peut se faire par interpolation de la fonction F au voisinage de 0 en
calculant sa valeur en des abscisses hn relativement proches de 0. Ainsi, on choisit une suite strictement croissante
d’entiers naturels non nuls (Nn )n ∈ IN , et, par l’algorithme d’Aitken, on construit le tableau d’Aitken :
b−a [ a,b ],σN0
N0 −→ h0 = : y0 = F (h0 ) = Q u, λ (f )
N0
↘
b−a [ a,b ],σN1
N1 −→ h1 = : y1 = F (h1 ) = Q u, λ (f ) −→ (pLh0 h1 F )(0)
N1
↘ ↘
b−a [ a,b ],σN2
N2 −→ h2 = : y2 = F (h2 ) = Q u, λ (f ) −→ (pLh1 h2 F )(0) −→ (pLh0 h1 h2 F )(0)
N2
↘ ↘
b−a [ a,b ],σN3
N3 −→ h3 = : y3 = F (h3 ) = Q u, λ (f ) −→ (pLh2 h3 F )(0) −→ (pLh1 h2 h3 F )(0) · · ·
N3
.. .. .. .. ..
. . . . .
[ a,b ],σ
Dans ce tableau, les réels hn = (b − a)/Nn sont les points d’interpoaltion et les yn = F (hn ) = Q u, λ Nn (f )
sont les valeurs de leurs images respectives par la fonction F . On numérote les colonnes de gauche à droite à
partir de celle des yn , laquelle porte le numéro 0. On note souvent Tn,p , l’élément sur la ligne n dans la colonne
p (sachant que, sur cette colonne, le 1er élément se trouve à la ligne p), i.e. :
∀ n, p ∈ IN/ n > p, Tn,p = (pLhn−p hn−p+1 ··· hn F )(0). (10.2a)
Et donc le tableau s’écrit souvent :
b−a
N0 −→ h0 = : T0,0 = F (h0 )
N0
↘
b−a
N1 −→ h1 = : T1,0 = F (h1 ) −→ T1,1 = ...
N1
↘ ↘
b−a
N2 −→ h2 = : T2,0 = F (h2 ) −→ T2,1 = . . . −→ T2,2 = . . .
N2
↘ ↘
b−a
N3 −→ h3 = : T3,0 = F (h3 ) −→ T3,1 = . . . −→ T3,2 = . . . −→ T3,3 = ...
N3
.. .. .. .. .. ..
. . . . . .
Pour les colonnes p > 1, le calcul des nombres Tn,p se fait en utilisant la formule de récurrence d’Aitken
pour calculer la valeur, au point h = 0, du p.i.L. de la fonction F (h), i.e. ∀ n, p ∈ IN/ n > p > 1,
(0 − hn−p ) · (pLhn−p+1 hn−p+2 ··· hn F )(0) − (0 − hn ) · (pLhn−p hn−p+1 ··· hn−1 F )(0)
(pLhn−p hn−p+1 ··· hn F )(0) =
hn − hn−p
hn · (pLhn−p hn−p+1 ··· hn−1 F )(0) − hn−p · (pLhn−p+1 hn−p+2 ··· hn F )(0)
= .
hn − hn−p
D’où la formule de récurrence finale de calcul des nombres Tn,p dans les colonnes p > 1 du tableau :
hn · Tn−1,p−1 − hn−p · Tn,p−1 Tn−1,p−1 − Tn,p−1
∀ n, p ∈ IN/ n > p > 1, Tn,p = = Tn,p−1 + hn . (10.2b)
hn − hn−p hn − hn−p
On montre que si f est suffisamment dérivable, alors chaque colonne du tableau converge vers la valeur
de l’intégrale I, chacune plus vite que la précédente. La convergence la plus rapide est donc observée sur la
diagonale du tableau. Ainsi, on peut itérer les calculs jusqu’à un rang n ∈ IN∗ tel que
| Tn,n − Tn−1,n−1 | 6 ErrTol, avec ErrTol réel > 0 et «petit» fixé d’avance. (10.2c)
E
Cependant, si la quadrature élémentaire de base Q u, λ est d’ordre r, la convergence dans le tableau est plus
rapide si on place en abscisses du tableau les hr+1
n plutôt que les hn , et on construit le tableau d’Aitken avec les
images yk = F (hk ) inchangées.
d) Avantage de cette approche.

Elle est mathématiquement conceptuellement très élégante.
e) Inconvénients de cette approche.

1. Difficile de choisir a priori, ou de construire efficacement, une suite d’entiers > 0, (Nn ), pertinente pour
que la diagonale du tableau converge vite, et donc permette d’approcher rapidement la valeur de l’intégrale
avec une précision choisie d’avance.
2. Coût numérique élevé, car les subdivisions successives utilisées ne sont pas forcément imbriquées, d’ou le
risque d’évaluation de la fonction f en un grand nombre de points.
Donc méthode de portée généralement limitée, et que l’auteur ne recommande pas en pratique pour faire de
l’intégration numérique effective, si ce n’est à titre d’expérimentation pour «voir» comment elle fonctionne.
f ) Un cas particulier classique : la méthode de Romberg .
La méthode ci-dessus est, dans sa version la plus courante, utilisée avec :
QEu, λ = Q T comme quadrature élémentaire de base et Nn = 2n , ∀ n ∈ IN ( =⇒ hn = (b − a)/2n ),
et en prenant comme abscisses les h2n (car la quadrature Q T est d’ordre 1). On obtient ainsi la méthode de
Romberg. Le tableau des Tn,p se construit alors plus précisément suivant les règles :
[ a,b ], σNn 4p · Tn,p−1 − Tn−1,p−1
∀ n, p ∈ IN, Tn,0 = Q T (f ) et si n > p > 1, Tn,p = , (10.2d)
4p − 1
[ a,b ], σ
Nn
ou Q T (f ) est l’approximation de l’intégrale I fournie par la formule composite des trapèzes basée sur
une équisubdividion de [ a, b ] en Nn = 2n sous-intervalles.
Méthode généralement rapidement convergente, mais au prix du doublement, d’une ligne à l’autre
du tableau, du nombre de points en lesquels la fonction f est évaluée. Donc méthode coûteuse, surtout si la
fonction oscille beaucoup et rapidement dans certaines zones de [ a, b ].
3◦ ) Cas du pas non constant : Algorithmes d’intégration numérique adaptative.
L’objectif ici est d’écrire des procédures algorithmiques qui, prenant comme donnés la fonction f , l’intervalle
[ a, b ] et les 2 vecteurs u, λ, construisent une subdivision σ (de taille aussi petite que possible) telle que le
[ a,b ],σ
nombre réel Q u, λ (f ) soit une approximation de I avec une précision fixée d’avance.
a) Double catégorisation des algorithmes d’intégration numérique adaptative.
Dans leurs manières respectives de construire la subdivision d’appui σ, on peut catégoriser les algorithmes
d’intégration numérique adaptative selon 2 angles différents :
1. Dans une 1ère catégorisation, on peut séparer les algorithmes d’intégration numérique adaptative entre
1.1. ceux qui construisent σ en contrôlant l’erreur globale d’intégration sur [ a, b ], i.e. en visant à avoir :
( [ a,b ],σ )
| E f ; [ a, b ] Q u, λ | 6 ErrTol (contrôle de l’erreur absolue globale), (10.3a)
ou alors la variante plus exigeante :

( [ a,b ],σ )
| E f ; [ a, b ] Q u, λ | 6 ErrTol · | I| (contrôle de l’erreur relative globale) ; (10.3b)
1.2. ceux qui construisent σ en contrôlant les erreurs locales d’intégration sur les σ–sous-intervalles
[ ak−1 , ak ] de [ a, b ], i.e. en visant à obtenir σ = (a = a0 < a1 < · · · < aN = b) telle que :
( )
∀ k = 1 (1) N, | E f ; [ ak−1 , ak ] QEu, λ | 6 ErrTol , (10.3c)
ou alors la variante plus exigeante :

∫
( E ) ak

∀ k = 1 (1) N, | E f ; [ ak−1 , ak ] Q u, λ | 6 ErrTol · Ik , avec Ik = f (x) dx. (10.3d)
ak−1
En (10.3c), on vise à contrôler l’erreur absolue locale sur chaque sous-intervalle [ ak−1 , ak ], alors
qu’en (10.3d), on vise à le faire plutôt pour l’erreur relative locale.
2. Dans une 2nde catégorisation, les algorithmes d’intégration numérique adaptative se répartissent entre
2.1. ceux qui construisent σ de manière récursive, en ajoutant successivement, à une subdivision initiale
arbitraire σ0 (de petite taille) de [ a, b ], des nouveaux nœuds ak choisis suivant un critère approprié
jusqu’à ce que la condition (10.3a) (ou sa variante (10.3b)) soit à peu près satisfaite ;
2.2. ceux qui construisent σ de manière séquentielle, i.e. en choisissant séquentiellement les nœuds ak
d’une borne à l’autre de l’intervalle, par exemple dans l’ordre (on peut aussi aller en sens inverse . . . )
a = a0 −→ a1 −→ a2 −→ · · · −→ aN = b,
le calcul d’un nouveau nœud ak (à partir de ak−1 ) se faisant suivant un critère de choix approprié
pour que l’objectif (10.3c) (ou sa variante (10.3d)) soit réalisé.
• • • Remarque 11 (A propos de la double catégorisation)

Ci-dessus, les catégories d’une catégorisation croisent ou pas celles de l’autre. Ainsi :
1. N’obtenant une subdivision σ de l’intervalle [ a, b ] qu’à sa toute fin, lorsqu’il a convergé, un algo-
rithme d’intégration numérique adaptative par subdivision séquentielle ne peut opérer qu’en contrô-
lant les erreurs locales d’intégration sur les σ–sous-intervalles [ ak−1 , ak ] de [ a, b ].
2. Par contre, pour chaque type d’algorithme d’intégration numérique adaptative par subdivision récur-
sive, on peut en décliner une version qui opère en contrôlant l’erreur globale d’intégration sur [ a, b ]
et une autre qui contrôle pluôt les erreurs locales sur les σ–sous-intervalles de [ a, b ].
• • • Remarque/Commentaire n◦ 16 (Contrôle erreurs locales/erreur globale)

En pratique, les plus utilisés sont les algorithmes d’intégration numérique adaptative par subdivision
récursive et contrôle de l’erreur globale d’intégration car ils visent effectivement à calculer une valeur
approchée de l’intégrale avec une incertitude absolue (pour (10.3a)) ou relative (pour (10.3b)) fixée d’avance.
Il est important de noter qu’à la sortie d’un algorithme qui contrôle les erreurs locales, on a plutôt :
( [ a,b ],σ )
(10.3c) =⇒ | E f ; [ a, b ] Q u, λ | 6 N · ErrTol. (10.4)
Ainsi, la majoration garantie de l’erreur absolue globale dans l’approximation de la valeur de l’intégrale I
par Ib = Q u, λ (f ) est proportionnelle à la taille de la subdivision σ construite par l’algorithme. Par contre,
[ a,b ],σ
il n’est pas garanti que cette erreur globale soit inférieure à la tolérance d’erreur ErrTol fixée d’avance.
Par (10.3c), seules les erreurs locales sur les sous-intervalles [ ak−1 , ak ] sont garanties être inférieures à
ErrTol. On peut voir cela comme un défaut de ce type d’algorithmes d’intégration numérique adaptative
comparativement à ceux opérant par contrôle de l’erreur globale.
◃ Exercice Exo-X:1
1◦ ) Trouver la majoration analogue à celle de (10.4), mais déduite plutôt de (10.3d).
2◦ ) Expliquer alors pourquoi, en général, les algorithmes utilisant (10.3d) ne souffrent pas vraiment du handicap
souligné dans la Remarque ci-dessus pour ceux basés sur (10.3c).
• • • Remarque 12 (Un 1er bémol en faveur des algos. de contrôle des erreurs abs. locales)
Ce qui a motivé de parler aussi ici des algorithmes d’intégration numérique adaptative par contrôle
des erreurs locales est le fait qu’on peut émettre un premier bémol relativement à leur apparent handicap
signalé dans la Remarque précédente. En effet, il faut se rappeler (Cf. Partie VIII ) que si Ibk est une
approximation de Ik , et E bk est une estimation de l’erreur de cette approximation, alors l’approximation
corrigée Ik = Ik + Ek sera, a priori, une bien meilleure valeur approchée de Ik que Ibk . De ce fait, soit :
e b b
∑N
e b b b
I = I + E, avec E = Ebk = E
b1 + · · · + E
bN .
k=1
A la sortie d’un tel algorithme, du fait de (10.4), il y a de fortes chances que le nombre réel Ie soit une
valeur approchée de I avec une incertitude absolue 6 ErrTol ou de l’ordre de ErrTol.
Un autre bémol sera donné relativement à la problématique abordée dans la Section 8◦ )-e).
b) Préliminaires pour chaque algorithme d’intégration numérique adaptative.

Dans les Sections qui suivront, nous présenterons les principaux types d’algorithmes d’intégration numé-
rique adaptative, et ce dans la logique de leur double catégorisation détaillée ci-dessus. Pour construire un tel
algorithme, il faut toujours commencer par effectuer les 2 choix préliminaires suivants :
1. choix d’une quadrature élémentaire QEu, λ à utiliser sur chaque sous-intervalle d’une subdvision de [ a, b ] ;
2. définition d’une méthode de calcul d’une valeur approchée de l’erreur d’intégration numérique de QEu, λ
sur un tel sous-intervalle (Cf. Partie VIII ).
Dans la présentation de chacun des algorithmes, on supposera que ces 2 choix ont déjà été opérés.
4◦ ) Algorithmes d’intégration numérique par subdivision récursive de [ a, b ] : Version 1.

Comme annoncé plus haut, pour chaque type d’algorithme par subdivision récursive, nous aurons une variante
qui opère par contrôle de l’erreur globale d’intégration et une autre par contrôle plutôt des erreurs locales.
a) Algorithmes par subdivision récursive 1 de [ a, b ] : Contrôle de l’erreur globale d’intégration.

• • • Objectif : Trouver une subdivision σ de [ a, b ] (aussi petite que possible) vérifiant (10.3a),
où ErrTol > 0 est une tolérance d’erreur absolue globale fixée d’avance.
∗∗∗ Algorithme A-1 (Algorithme par subdivision récursive de [ a, b ] : Version 1.G)

1. Choix d’une petite équisubdivision initiale σ = σ0 de [ a, b ], par ex. de taille Nmin = 7 ; N ←− Nmin ;
2. Application de la quadrature élémentaire QEu, λ sur chaque sous-intervalle [ ak−1 , ak ] de la subdivision
σ, ce qui va donner les N nombres réels : Ibk = Q u,k−1
[a ,ak ]
λ (f ), k = 1 (1) N ; ∫
ak
3. Pour chaque k ∈ [ 1 (1) N ], estimation de l’erreur de l’approximation de Ik = f (x) dx par Ibk ,
a
( E ) k−1
i.e. on calcule une approximation Ek de Ek = E f ; [ ak−1 , ak ] Q u, λ = Ik − Ibk ;

b
∑N
( )
b
4. Calcul de E = Ebk , approximation de l’erreur globale inconnue E = E f ; [ a, b ] Q[ a,b ],σ ;
u, λ
k=1
∑
N
b | 6 ErrTol (ou variante plus exigeante :
5. Si | E bk | 6 ErrTol),
|E
k=1
∑
N
alors Arrêt des calculs en fournissant comme approximation de I : Ib = Q u, λ (f ) = Ibk .
[ a,b ],σ
k=1
bk | =
sinon 5.1. Détermination de k 0 ∈ [ 1 (1) N ]/ | E bk | ;
max | E
0
16k6N
5.2. Division du sous-intervalle [ ak 0 −1 , ak 0 ] en 2 sous-intervalles de même longueur,
i.e. ajouter le point (ak 0 −1 + ak 0 )/2 à la subdivision ; N ←− N + 1 ;
5.3. Aller à 2., mais en ne reprenant évidemment pas les calculs qui ont déjà été effectués ;
finSi ;
6. Renvoyer ( Ib ).
b) Algorithmes par subdivision récursive 1 de [ a, b ] : Contrôle des erreurs locales d’intégration.

• • • Objectif : Trouver une subdivision σ de [ a, b ] (aussi petite que possible) vérifiant (10.3c),
où ErrTol > 0 est une tolérance d’erreur absolue locale fixée d’avance.
∗∗∗ Algorithme A-2 (Algorithme par subdivision récursive de [ a, b ] : Version 1.L)

C’est le même que l’Algorithme A-1, mais avec les points 4. et 5. remplacés par :
bmax = max | E
4’. Calcul de E bk |, approximation de la plus grande des incertitudes locales | Ek | ;
16k6N
bmax 6 ErrTol,
5’. Si E
5◦ ) Algorithmes d’intégration numérique par subdivision récursive de [ a, b ] : Version 2 .

L’aspect récursif dans l’Algorithme A-1 et sa variante A-2 réside dans ce que pour intégrer un nouveau
nœud dans la subdivision courante σ de [ a, b ], il divise, à chaque fois, un σ-sous-intervalle de [ a, b ] pour en
créer 2 nouveaux. Cependant, ces 2 algorithmes ne sont pas récursifs au sens usuel de l’algorithmique, car aucun
d’eux ne s’appelle lui même en son sein. Néanmoins, il est possible de concevoir une variante purement récursive
(au sens usuel) de chacun d’eux.
• • • Remarque 13 (Algorithme purement récursif : Intérêt ??? )

Cependant, le fait que les Algorithme A-1 et A-2 ne soient pas récursifs au sens usuel ne représente pas
un défaut en soi, car ils évitent ainsi d’éventuels problèmes liés à la profondeur maximale permise de la pile
de récursivité dans un algorithme purement récursif, selon l’ordinateur ou le langage de programmation. Et
ce probème est très susceptible de se manifester pour les intégrales compliquées à approcher numériquement
dont on parlera dans la Section 8◦ ). Ceci contre-balance, dans notre contexte, l’avantage de l’élégance
conceptuelle typique des algorithmes purement récursifs tels que les 2 que nous allons décrire.
a) Algorithmes par subdivision récursive 2 de [ a, b ] : Contrôle de l’erreur globale d’intégration.
• • • Objectif : Trouver une subdivision σ de [ a, b ] (aussi petite que possible) vérifiant (10.3a),
où ErrTol > 0 est une tolérance d’erreur absolue globale fixée d’avance.
• On peut concevoir une variante purement récursive (au sens usuel) de l’Algorithme A-1 en opérant comme :
1. Application de la quadrature élémentaire QE sur [ a, b ], ce qui va donner : Ib = Q
[ a,b ]
u, λ (f ) ;
u, λ
2. Estimation de l’erreur de l’approximation de l’intégrale I par I, b
( E )
b de E f ; [ a, b ] Q b
i.e. on calcule une approximation E u, λ = I − I (Cf. Partie VIII ) ;
3. Si | Eb | > ErrTol,
alors 3.1. αm ←− (a + b)/2 ; ErrTol ←− ErrTol/2 ;
3.2. Appliquer 1.-2.-3., mais en remplaçant [ a, b ] par [ a, αm ], ce qui va donner Ib1 ;
3.3. Appliquer 1.-2.-3., mais en remplaçant [ a, b ] par [ αm , b ], ce qui va donner Ib2 ;
3.4. Ib ←− Ib1 + Ib2 ;
finSi ;
4. Renvoyer ( Ib ).
• Mais ceci est mieux traduit en utilisant une fonction algorithmique récursive :
∗∗∗ Algorithme A-3 (Algorithme par subdivision récursive de [ a, b ] : Version 2.G)

• Pour calculer une valeur approchée Ib de l’intégrale définie I à ErrTol près, on fait :
1. N ←− 1 ; Nmin ←− 7 ;
2. Ib ←− AppIntSubRec (a, b, u, λ, f , ErrTol) ; avec :
• Fonction AppIntSubRec (a, b, u, λ, f , ErrTol) : réel ;

1. Application de la quadrature élémentaire QE sur [ a, b ], ce qui va donner : Ib = Q[ a,b ] (f ) ;
u, λ u, λ
b
2. Estimation de l’erreur de l’approximation de l’intégrale I par I,
( )
b de E f ; [ a, b ] QE b
i.e. on calcule une approximation E u, λ = I − I (Cf. Partie VIII ) ;
b | > ErrTol) ou (N < Nmin ),
3. Si (| E

alors 3.1. αm ←− (a + b)/2 ; ErrTol ←− ErrTol/2 ; N ←− N + 1 ;

3.2. Ib1 ←− AppIntSubRec (a, αm , u, λ, f , ErrTol) ;

3.3. Ib2 ←− AppIntSubRec (αm , b, u, λ, f , ErrTol) ;

3.4. Ib ←− Ib1 + Ib2 ;

finSi ;

4. Renvoyer ( Ib ).
−
• • • Remarque 14 (A propos du rôle de N et Nmin dans l’Algorithme A-3)

Dans l’Algorithme A-3, N et Nmin jouent le même rôle que dans l’Algorithme A-1, à savoir :
1. N sera la taille de la subdivision σ de [ a, b ] construite par l’algorithme ;
2. Nmin sera la taille minimale de cette subdivision.
Ce dernier paramètre est utilisé dans l’Algorithme A-3 pour, d’une part, limiter les risques d’une
convergence prématurée dès N = 2 et, d’autre part, permettre une comparaison sur une base plus objective
avec l’Algorithme A-1 lors du calcul d’une valeur approchée d’une intégrale définie donnée.
b) Algorithmes par subdivision récursive 2 de [ a, b ] : Contrôle des erreurs locales d’intégration.

∗∗∗ Algorithme A-4 (Algorithme par subdivision récursive de [ a, b ] : Version 2.L)

C’est le même que l’Algorithme A-3, mais en supprimant l’instruction «ErrTol ←− ErrTol/2».
6◦ ) Algorithmes d’intégration numérique par subdivision séquentielle de [ a, b ].

Le type d’algorithme dont il va être question ici étant moins intuitif et un peu plus élaboré, dans sa conception,
que les précédents, il est utile de prendre du temps pour en décrire d’abord le mode opérationnel. Toutefois,
comme on s’en rendra compte, l’algorithme final produit au terme de cette analyse est plutôt court.
a) Construction de l’algorithme.
• Principes d’action.
Partant de a0 = a, on détermine successivement les nœuds internes a1 , a2 , · · · , aN −1 ∈ ] a, b [ jusqu’à arriver
à un dernier nœud aN = b pour que (10.3c) soit satisfaite, avec N aussi petite que possible. Sur le plan
opérationnel, le point clé est alors de voir comment, arrivé à un nœud ak−1 (k > 1), procéder pour trouver le
nœud suivant ak .
Quant à l’objectif d’avoir la taille N de la subdivision construite σ de [ a, b ] aussi petite que possible, on
essaie de s’en approcher en s’arrangeant pour que, dans (10.3c), chacune des inégalités
( )
| E f ; [ ak−1 , ak ] QE
u, λ | 6 ErrTol (10.5a)
soit assez proche d’être, en fait, une égalité. Ceci s’obtient en essayant, lors du calcul de ak à partir de ak−1 ,
d’effectuer un pas hk = ak − ak−1 le plus grand possible, mais tout en garantissant la satisfaction de (10.5a).
• Formule de base.
Pour déterminer le «bon» pas hk à effectuer à partir de ak−1 pour obtenir ak = ak−1 + hk vérifiant (10.5a),
on s’appuiera essentiellement sur le fait que le Théorème D.VII.2-1 implique que, pour hk «petit», on a :
( )
| E f ; [ ak−1 , ak ] QEu, λ | ≈ Ck · hr+2
k , (10.5b)
où r ∈ IN est l’ordre de la quadrature élémentaire QEu, λ alors que Ck est un nombre réel ne dépendant que de
ak−1 , f , r, et donc pas de hk . Ceci étant vrai lorsque f ∈ C r+2 ([ a, b ]). ( )
Cependant, on sait qu’on ne pourra pas calculer la valeur exacte de l’erreur Ek = E f ; [ ak−1 , ak ] QEu, λ .
En pratique, on en calculera plutôt une valeur approchée E bk d’autant plus bonne que hk est petit, et ce par
l’une des techniques vues dans la Partie VIII . Mais on sait qu’on aura alors aussi :
bk | ≈ Ck · hr+2 .
|E (10.5c)
k
• Une valeur nécessaire : l’ordre r de la quadrature élémentaire QEu, λ .

Ainsi, contrairement aux algorithmes d’intégration numérique précédents, celui qu’on développe ici utilisera
explicitement la valeur r de l’ordre de la quadrature QEu, λ . Plus précisément, il fera appel à l’entier :
s=r+2 . (10.5d)
• Pas générique : passage de ak−1 −→ ak .

Pour un rang k > 1, supposons qu’on vient d’inclure le nœud ak−1 dans la subdivision σ de [ a, b ]. Si
ak−1 = b, alors, évidemment, la construction de σ est terminée. On se place donc ici dans le cas où ak−1 < b,
et il faut déterminer le nœud suivant ak ∈ ] ak−1 , b ] pour qu’il vérifie (10.5a). Ceci revient à trouver le pas
hk ∈ ] 0, b − ak−1 ] à faire, à partir du nœud ak−1 , pour qu’en prenant ak = ak−1 + hk , l’inégalité (10.5a) soit
satisfaite. Pour cela, supposons qu’en sortant de ak−1 , on a calculé hk,0 , un réel > 0 à utiliser comme 1ère valeur
à tenter pour le pas hk . Alors on procède comme suit pour obtenir hk afin que ak = ak−1 +hk vérifie (à peu près)
(10.5a), puis hk+1,0 (valeur d’essai à utiliser pour hk+1 en ak quand on ira déterminer ak+1 au pas suivant) :
1. hk ←− hk,0 ;
2. ak ←− ak−1 + hk ;
3. Si ak > b, alors ak ←− b ; finSi ;
4. Application de la quadrature élémentaire QEu, λ sur [ ak−1 , ak ], ce qui va donner Ibk = Q u,k−1
[a ,ak ]
(f ) ;
( E ) λ
5. Calcul d’une approximation Ebk de l’erreur Ek = E f ; [ ak−1 , ak ] Q (Cf. Partie VIII ) ;
u, λ
bk | 6 ErrTol
6. Si | E
alors On accepte ak comme nouveau nœud de la subdivision σ.
6.1. Si ak = b, c’est terminé. Aller à 7.
6.2. Sinon, il faut calculer hk+1,0 , la valeur d’essai à utiliser pour hk+1 en ak au pas suivant. On va
essayer de prendre, pour celle ci, le pas qu’on aurait dû faire en ak−1 (au lieu de hk ) pour que (10.5a)
soit à peu près une égalité. Ceci s’obtient en observant que, d’après (10.5c) et (10.5d) :
bk | ≈ Ck · hs , alors que hk+1,0 devrait être tel que ErrTol ≈ Ck · hs
|E (10.6a)
k k+1,0 ;
(h ) √ √
déf ErrTol k+1,0 s hk+1,0
=⇒ ρk = ≈ . D’où : ≈ s ρk =⇒ hk+1,0 ≈ s ρk · hk .
b
| Ek | hk hk
Ceci suggérerait donc de prendre : √
hk+1,0 = s ρk · hk . (10.6b)
Cependant, il faut noter que | E bk | 6 ErrTol =⇒ ρk > 1. Et si | E bk | ≪ ErrTol, alors ρk ≫ 1, et
donc, avec (10.6b), on aura hk+1,0 ≫ hk . Mais il serait dangereux de s’autoriser une telle augmentation
du pas, vu que tout ceci est fait en s’appuyant sur les 2 approximations (10.5b) et (10.5c), lesquelles
sont issues de D.L. valables au voisinage de ak−1 . Pour éviter ce risque potentiel d’extrapolation
intempestive, au lieu de (10.6b), on prendra plutôt :
√
hk+1,0 = min{ s ρk , R1 } · hk , (10.6c)
où R1 est un réel fixé d’avance > 1, mais du même ordre de grandeur, par exemple : R1 = 7.
sinon | E bk | > ErrTol. Motif : le pas hk effectué à partir de ak−1 pour obtenir ak est trop grand.
6.3. On rejette alors ak comme nœud possible de la subdivision σ. Pour obtenir un nœud ak approprié,
il faut diminuer la valeur du pas hk . Pour cela, posons d’abord hk,0 = hk . Pour déterminer la nouvelle
valeur de hk , partons de ce que, d’après (10.5c) :
|E bk | ≈ Ck · hs , alors que le bon hk devrait être tel que ErrTol ≈ Ck · hs ; (10.7a)
k,0 k
( h )s hk √ √
déf ErrTol k
=⇒ ρk = ≈ . D’où : ≈ s ρk =⇒ hk ≈ s ρk · hk,0 .
b
| Ek | hk,0 hk,0
Ceci suggérerait donc de prendre : √
hk = s ρk · hk,0 . (10.7b)
Notons alors que | E bk | > ErrTol =⇒ ρk < 1 =⇒ hk < hk+1,0 . Mais le raisonnement précédent
résultant d’approximations, ceci ne garantit pas que la nouvelle erreur locale d’intégration qui s’ensui-
vra vérifiera automatiquement | E bk | 6 ErrTol. Pour essayer de garantir cette majoration, on prendra
plutôt ainsi : √
hk = min{ s ρk , R0 } · hk,0 , (10.7c)
où R0 est un réel fixé d’avance ∈ ] 0, 1 [ , mais pas trop inférieur à 1, par exemple : R0 = 0.7.
6.4. Aller à 2.
7. Renvoyer ( ak , Ik ).
b) Initialisation de l’algorithme : Calcul du 1er pas d’essai h1,0 en a0 = a.

Dans l’analyse précédente, lorsque k = 1 et donc ak−1 = a0 = a, l’algorithme est en train de démarrer, et
donc on n’a pas de 1ère valeur d’essai h1,0 pour le pas h1 à effectuer pour calculer le nœud suivant a1 . On va
déterminer h1,0 par un raisonnement empirique qui part de ce qu’on aimerait avoir, au pire :
( )
| E f ; [ a0 , a1 ] QEu, λ | ≈ ErrTol.
Or, par (10.5b) avec k = 1, on sait que :
( )
| E f ; [ a0 , a1 ] QEu, λ | ≈ C1 · hs1 . (10.8a)
Ainsi, on aimerait prendre le pas h1 / C1 · hs1 = ErrTol. Cependant, ne connaissant pas la valeur de C1 , on fait
comme si C1 = 1, pour calculer alors, non pas h1 , mais plutôt la 1ère valeur d’essai h1,0 de h1 par :
√
s
hs1,0 = ErrTol =⇒ h1,0 = ErrTol . (10.8b)
c) Fin de l’algorithme.
L’algorithme sera terminé lorsqu’on aura intégré un nœud ak = b dans la subdivision σ, ce qui achèvera la
construction de cette dernière. Cette subdivision de [ a, b ] sera, ainsi, de taille N = k et vérifiera (à peu près)
(10.3c). A la fin de l’algorithme, on pourra calculer, comme valeur approchée de l’intégrale I :
∑
N
Ib = Q u, λ (f ) = Ibk .
[ a,b ],σ
k=1
d) L’algorithme final.
∗∗∗ Algorithme A-5 (Algorithme par subdivision séquentielle de [ a, b ], avec QEu, λ d’ordre r)
√
1. R0 ←− 0.7 ; R1 ←− 7 ; s ←− r + 2 ; a0 ←− a ; k ←− 1 ; h ←− s ErrTol ;
2. Tant que ak−1 < b faire
3. ak ←− ak−1 + h ; ak ←− min{b, ak } ;
Application de la quadrature élémentaire QEu, λ sur [ ak−1 , ak ], ce qui va donner Ibk = Q u,k−1
[a ,ak ]
4. λ (f ) ;
( E )
5. b
Calcul d’une approximation Ek de l’erreur Ek = E f ; [ ak−1 , ak ] Q u, λ (Cf. Partie VIII ) ;
6. bk | 6 ErrTol
Si | E
{ √ }
7. bk | > 0 alors h ←− h · min R1 , s ErrTol ; finSi ;
alors Si | E
bk |
|E
8. k ←− k + 1 ;
{ √
ErrTol }
9. sinon h ←− h · min R0 , s ;
bk |
|E
10. finSi ;
11. finTantque ;
∑
N
12. N ←− k − 1 ; Ib ←− Ibk ;
k=1
b
13. Renvoyer ( I).
e) Algorithmes par subdivision séquentielle et résolution numérique des équations différentielles.

Ceux/celles qui s’y connaissent en matière de résolution numérique des équations différentielles (édfs) auront
reconnu tout de suite que l’Algorithme A-5 est directement inspiré du principe sur lequel sont basés les
algorithmes de résolution numérique adaptative des édfs avec condition initiale (voir [2]).
Toutefois, une différence importante réside dans le fait que, contrairement à ce qui est inévitable dans ces
derniers, il n’y a pas ici de propagation des erreurs d’intégration numérique locales, pendant l’algorithme, d’un
bout à l’autre de l’intervalle d’intégration [ a, b ]. En effet ici, le calcul d’une valeur approchée de l’intégrale de la
fonction sur chaque σ– sous-intervalle [ ak−1 , ak ] se fait, essentiellement, indépendamment du calcul sur les autres
σ– sous-intervalles de [ a, b ]. Par conséquent, contrairement au cas de la résolution numérique des édfs ayant
une condition initiale, l’impact de toutes ces erreurs locales sur la valeur approchée finale de l’intégrale se fait
de manière strictement additive, sans effet d’amplification d’une extrémité à l’autre de l’intervalle d’intégration.
Une autre différence importante avec les algorithmes de résolution numérique adaptative des édfs est qu’ici,
la subdivision σ de [ a, b ] peut aussi se construire en partant de la borne supérieure b vers la borne inférieure a.
Alors que lors de la résolution numérique d’une édf sur un intervalle [ t0 , t0 + T ] avec condition initiale en t0 ,
on est, évidemment, obligé de partir de t = t0 . Il n’est pas possible d’évoluer en sens inverse.
• • • Remarque 15 (Algorithmes par subdivision séquentielle dans le sens b −→ a)

Comme cela a été dit ci-dessus, dans un algorithme d’intégration numérique adaptative par subdivision
séquentielle de [ a, b ], la subdivision σ de [ a, b ] peut aussi se construire en partant de b vers a. Cependant,
il est utile de signaler que ceci ne requiert pas la conception d’un nouvel algorithme. En fait, il
suffit d’appliquer l’Algorithme A-5 pour calculer une valeur approchée de l’intégrale :
∫ b
J= g(x) dx, avec g(x) = f (a + b − x), car :
a
– grâce au changement de variable t = a + b − x, on voit que J = I ;
– quand la variable x croît de a vers b, la variable t, elle, décroît de b vers a.
7◦ ) Calcul de la valeur approchée d’une intégrale avec une tolérance d’erreur fixée d’avance :
Quelques spects pratiques pour la mise en œuvre.
• Algorithmes d’intégration numérique : 1ers tests d’évaluation.
Tout programme informatique doit d’abord être testé sur des données pour lesquelles on connaît d’avance
le(s) résultat(s) qu’il devrait produire, pour voir s’il renvoie effectivement ce qui est attendu pour ces données là.
Ceci permet de voir si la conception de l’algorithme est correcte ou pas. Un algorithme d’intégration numérique
n’échappe pas à cette règle : il faut d’abord le tester sur des intégrales dont on connaît la valeur exacte (obtenue
par un calcul analytique «à la main»).
• Tests d’un algorithme d’intégration numérique : Cas général.
Quant aux intégrales pour lesquelles ce type d’algorithme est réellement conçu (i.e. celles qu’on ne peut pas
calculer analytiquement), comment évaluer la qualité d’approximation de la valeur approchée Ib d’une intégrale I
renvoyée par un algorithme d’intégration numérique ? La démarche généralement recommandée est d’appliquer
plusieurs algorithmes d’intégration numérique différents à I et de comparer les différentes valeurs approchées de
I ainsi obtenues, par exemple en examinant jusqu’à quelle décimale elles coïncident quand on va de la gauche
vers la droite. Pour cela, on peut considérer des algorithmes de types différents et/ou les mêmes algorithmes mais
avec des quadratures élémentaires de base différentes. Dans le cas d’un algorithme par subdivision séquentielle,
on peut comparer son résultat quand on construit la subdivision de la borne inférieure vers la borne supérieure
de l’intervalle d’intégration avec celui quand on la contruit dans le sens inverse.
• Algorithme d’intégration numérique adaptative et ordre de la quadrature élémentaire de base.
Pour un objectif de vitesse de convergence rapide, et donc de recherche d’un temps d’exécution court par
ordinateur, il est déconseillé d’utiliser une quadrature élémentaire de base d’ordre r < 3 dans un algorithme
d’intégration numérique adaptative, si ce n’est pour des raisons d’analyse académique du comportement et de la
performance des algorithmes.
• Algorithme d’intégration numérique adaptative et tracé de la courbe de f sur [ a, b ].
Il est souvent utile de tracer préalablement la courbe de la fonction sur l’intervalle d’intégration, ce qui est
facile aujourd’hui avec la marmaille de logiciels de Calcul Scientifique disponibles (R, MATLAB, Mathematica,
etc). L’examen de l’allure de cette courbe permet souvent d’anticiper comment un algorithme d’intégration
numérique va se comporter sur le calcul de cette intégrale, notamment en termes de vitesse de convergence.
• Erreur estimée par Richardson et algorithmes d’intégration numérique par subdivision récursive.
Comme il a été vu (Cf. Partie VIII ), appliqué pour estimer l’erreur d’une quadrature Q sur un intervalle
[ a, b ], le procédé de Richardson est très coûteux, car on doit calculer Q sur [ a, b ] et ses 2 moitiés [ a, (a + b)/2 ]
et [ (a + b)/2, b ]. En tout cas plus coûteux que si cela est fait en s’appuyant sur 2 quadratures différentes Q1 et
Q2 l’une contre l’autre, car alors on applique seulement chacune des 2 sur [ a, b ].
Cependant, dans le cadre d’un algorithme d’intégration numérique adaptative par subdivision récursive, ce
surcoût du procédé de Richardson peut être pratiquement éliminé. En effet, après la construction de la petite
subdivision initiale σ0 de [ a, b ], on peut écrire la suite de l’algorithme de manière à ne faire que 2 évaluations
de la quadrature Q par passage dans la boucle itérative. Pour cela, il suffit de remarquer que quand on va diviser
un sous-intervalle [ ak , ak+1 ] en ses 2 moitiés [ ak , ak+1/2 ] et [ ak+1/2 , ak+1 ], on ira ensuite estimer l’erreur de Q
sur chacune d’elles. Or, pour cela, on aura besoin des valeurs respectives de Q sur [ ak , ak+1/2 ] et [ ak+1/2 , ak+1 ],
lesquelles auront déjà été calculées lors de l’estimation de l’erreur de Q sur [ ak , ak+1 ]. Par conséquent, pour
estimer l’erreur de Q sur [ ak , ak+1/2 ], on aura juste besoin de calculer Q sur ses 2 moitiés [ ak , ak+1/4 ] et
[ ak+1/4 , ak+1/2 ]. Et travail analogue sur [ ak+1/2 , ak+1 ].
• A propos des algorithmes par contrôle de l’erreur relative d’intégration numérique.
Tous les algorithmes d’intégration numérique adaptative que nous avons présentés sont basés sur un contrôle
de l’erreur absolue d’intégration numérique, soit globale, soit locale. Cependant, pour chacun d’entre eux, il
est assez facile d’en écrire la version analogue utilisant plutôt le contrôle correspondant de l’erreur relative
d’intégration numérique. La règle générale est que si, à un stade d’un algorithme, E b est l’estimation de l’erreur
absolue calculée pour une valeur approchée Jb d’une intégrale donnée J, alors toute inégalité du type «| E
b | > tol»
b b
doit être transformée en «| E | > tol · | J |».
8◦ ) Pour terminer : une difficulté pratique qu’il faut gérer.
a) Le problème : intégrale difficile à calculer et taille de la subdivison σ.
Malgré les algorithmes présentés ci-dessus, il ne faut, cependant, pas se bercer d’illusions : il n’est pas possible
de concevoir un algorithme d’intégration numérique «universel», i.e. qui serait capable de calculer, dans un délai
de temps raisonnable, une valeur approchée satisfaisante de n’importe quelle intégrale définie.
En effet, il existe des intégrales définies à la fois incalculables à la main et très difficiles à approcher
numériquement. Cela ne signifie pas que pour ces intégrales là le Théorème D.IX.2-1 ne s’applique pas. Non,
[ a,b ],σ
c’est plutôt que, pour elles, la convergence énoncée dans (10.1), quand δσ −→ 0, de Q u, λ (f ) vers la vraie
valeur de l’intégrale I est extrêmement lente. Cela a pour conséquence que même pour une tolérance d’erreur
globale (ou locale) ErrTol > 0 pas trop petite, une subdivision σ de [ a, b ] réalisant (10.3a) ou (10.3b) (resp.
(10.3c) ou (10.3d)) doit avoir une taille N exhorbitante (peut-être de l’ordre de 106 , voire plus). On n’aura alors
peut-être pas le temps d’attendre devant l’écran de l’ordinateur que notre algorithme d’intégration numérique
arrive à identifier une subdivision d’une telle taille pour pouvoir calculer une valeur approchée de l’intégrale avec
la précision visée. Il vaut mieux alors inclure dans l’algorithme un mécanisme de contrôle pour identifier, aussi
vite que possible, qu’on est potentiellement dans ce genre de situation et alors arrêter l’exécution de l’algorithme.
Cela se fait souvent en introduisant, au début de l’algorithme, un entier naturel Nmax , «grand», représentant
la taille maximale que l’algorithme pourra tolérer, pendant son exécution, pour une subdivision de [ a, b ]. Alors,
selon le type d’algorithme d’intégration numérique utilisé, on a 2 cas de figure pour détecter son échec potentiel :
1. Cas d’un algorithme d’intégration numérique adaptative par subdivision récursive.
Dans ce cas, l’échec de l’algorithme sera décidé dès qu’il obtiendra, en cours d’exécution, une subdivision
σ de taille N > Nmax sans que le critère d’arrêt visé ne soit réalisé.
2. Cas d’un algorithme d’intégration numérique adaptative par subdivision séquentielle.
Ici, l’échec de l’algorithme pourrait être décidé dès qu’il aura intégré, dans la subdivision σ, un nœud
ak vérifiant : k = Nmax , mais ak < b. Mais il faut aussi tenir compte de ce qu’il y a ici des pas hk tentés
et rejetés. Or, pour les intégrales difficiles, ils seront nombreux et donc feront perdre beaucoup de temps
à l’algorithme. De ce fait, il vaut mieux arrêter l’algorithme lorsque le nombre total de pas déjà tentés
(acceptés ou rejetés) depuis le début (à a0 = a) a atteint Nmax alors qu’on est encore en un nœud ak < b.
Dans tous les cas, une fois son échec potentiel détecté, l’algorithme arrêtera son exécution en renvoyant un
message d’annonce de son échec dans la tentative de calcul d’une valeur approchée de l’intégrale I avec la
précision visée. Libre, ensuite, à l’utilisateur/trice :
– soit de relancer l’algorithme en augmentant Nmax , par exemple en le remplaçant par 2Nmax , mais attention
au risque réel (pour les raisons qu’on expliquera plus bas) qu’on puisse alors obtenir certains sous-intervalles
tellement petits qu’ils entraînent une amplification catastrophique des erreurs d’arrondi lors de l’exécution
de l’algorithme par ordinateur, et donc un résultat final aberrant ;
– soit il/elle abandonne cet algorithme pour voir s’il en existerait un, ou s’il ne serait pas possible d’en
élaborer un pour ce type spécifique d’intégrale, notamment compte tenu du comportement de la fonction
f le long de l’intervalle [ a, b ].
Par rapport à ce dernier point, il faut dire que beaucoup d’intégrales qui produisent le genre de difficulté
évoquée ici correspondent au cas de figure où la fonction f , bien que continue, prend des valeurs qui varient et/ou
oscillent très rapidement et très fortement dans une zone (au moins) de l’intervalle [ a, b ]. Et des algorithmes
d’intégration numérique spécifiques ont pu être développés pour gérer certaines de ces situations. Mais signalons
que, dans les cas les plus heureux, parfois un changement de variable approprié peut suffire pour transformer l’in-
tégrale à calculer I en une intégrale J, de même valeur, mais pour laquelle un algorithme standard d’intégration
numérique (comme ceux que nous avons présentés ci-dessus) pourra facilement calculer une valeur approchée
avec la précision visée.
Pour ce qui est de comment fixer la valeur de la taille maximale Nmax à imposer aux subdivisions manipulées
dans un algorithme d’intégration numérique, évidemment il est impossible de faire une recommandation générale
en la matière. Cela dépend de chacun(e), en tenant compte des capacités de la machine à sa disposition pour faire
les calculs et du temps qu’on est prêt à y consacrer. Pour les exemples traités ci-après, nous avons pris Nmax =
27027, mais ceci est donné juste pour information. Cependant, comme le/la lecteur/trice a pu le constater, aucune
allusion à Nmax n’a été faite dans la présentation des algorithmes d’intégration numérique décrits ci-dessus. Cela
a été fait ainsi pour simplifier la présentation de ces algorithmes. Néanmoins, les un(e)s et les autres doivent
être conscient(e)s que dans la programmation effective et systématique de ces algorithmes dans un langage de
programmation, il est plus que souhaitable, voire impératif, d’introduire un Nmax et de le gérer en conséquence
selon les considérations mises en évidence ci-dessus.
b) Cas des algorithmes d’intégration numérique adaptative par subdivison récursive.
En cas d’échec, les algorithmes d’intégration numérique adaptative par subdivison récursive présentent une
particularité intéressante (que n’ont pas ceux par subdivision séquentielle). En effet, rappelons que pendant son
exécution, un algorithme de ce type maintient, à tout instant, une subdivision de l’intervalle d’intégration [ a, b ].
De ce fait, même lorsqu’il échoue, il peut toujours renvoyer les résultats issus de la dernière subdivision σ de
[ a, b ] qu’il a construite, notamment l’approximation Ib correspondante de l’intégrale I, ainsi que l’estimation
d’erreur globale associée E. b Libre, ensuite, à l’utilisateur/trice de décider s’il/elle peut se contenter d’une telle
qualité d’approximation. Ou alors de simplement apprécier à quelle distance Ib se trouve de la vraie valeur de I.
c) Cas des algorithmes purement récursifs d’intégration numérique adaptative.
L’échec d’un algorithme purement récursif d’intégration numérique adaptative se manifeste souvent bien
avant que la taille N de la subdivision σ construite de [ a, b ] n’approche la valeur maximum fatidique Nmax
fixée d’avance. En effet, cela se manifeste souvent par le fait qu’un tel algorithme n’arrête pas de diviser un même
sous-intervalle [ ak , ak+1 ] dont il est parti, dans une succession d’appels récursifs imbriqués, précisément parce
qu’il n’arrive pas à atteindre la précision visée à chaque appel.
Or, il faut savoir que tous les ordinateurs ont une limite prédéfinie pour la taille de la pile de récursivité,
i.e. le nombre de fois qu’une fonction ou procédure récursive peut s’appeler elle même dans une succession
d’appels récursifs imbriqués. Et lorsque ce nombre atteind cette limite, le programme s’arrête tout simplement.
C’est pour cette raison que lors de la conception d’une fonction ou procédure récursive, si on n’est pas sûr
d’avance que le nombre d’appels récursifs imbriqués sera petit, il est recommandé d’introduire, dans l’en-tête
de la fonction ou procédure, un paramètre entier nRec indiquant, à l’exécution de chaque appel récursif, la
profondeur à laquelle cet appel aura été fait. Ce paramètre pourra partir de 0 au premier appel de la fonction ou
procédure, et être incrémenté de +1 dans chaque nouvel appel. Dans le programme principal, on aura introduit
une constante maxRec, valeur maximale possible de nRec. Ainsi, dès que nRec atteind la valeur maxRec au cours
d’une succession d’appels récursifs imbriqués sans que la chaîne de récursivité en cours ne soit terminée (i.e. un
nouvel appel récursif doit être fait), on force l’arrêt de la chaîne et on arrête le programme en renvoyant un
message d’erreur.
Pour, là aussi, simplifier la présentation, on n’a pas tenu compte des considérations précédentes dans nos
algorithmes purement récursifs d’intégration numérique présentés ci-dessus. Ceci est OK pour la plupart des
intégrales. Mais pour anticiper le cas des intégrales difficiles dont il est question ici, il faut bel et bien introduire
maxRec et nRec lors de la programmation effective de ces algorithmes. Ainsi, nous avons fixé maxRec = 30.
Toutefois, dans ce cas, vu qu’il y a déjà une limite globale Nmax sur la taille possible de la subdivision σ de
[ a, b ] à construire, nous déconseillons d’arrêter l’exécution de l’algorithme parce que nRec aura atteint la valeur
maxRec dans un appel sur un sous-intervalle [ ak , ak+1 ]. Arrêter seulement la chaîne récursive en cours en ne
divisant pas [ ak , ak+1 ], mais en renvoyant la valeur de la quadrature élémentaire sur cet intervalle. Evaluer
s’il y a échec ou pas uniquement à la fin de l’algorithme global et selon le même critère que pour tout autre
algorithme d’intégration numérique adaptative par subdivison récursive. Et, en cas d’échec final, tenir compte
des considérations de la sous-section précédente pour la sortie des résultats.
d) Un exemple illustratif.
∫ 6
Soit I = cos(x4 ) dx. C’est une intégrale incalculable analytiquement. D’où l’idée d’essayer d’approcher
1
sa valeur numériquement. Mais on se rend rapidement compte qu’elle met en sérieuse difficulté, voire en échec,
certains algorithmes d’intégration numérique standard auxquels on la soumet. Ceci est illustré par les résultats
du Tableau 1. Le fait que le résultat de l’avant-dernière ligne soit totalement différent (même le signe !!! ) de
ceux des autres lignes est une indication que quelque chose ne va pas dans ces résultats 5 .
quad. quad.
algorithmes ErrTol approx. de I N éval.f temps
base Q1 aux. Q2
Q1 : −0, 108 281 453 537 349 0
réc-V1.G Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 108 281 453 537 356 6 1 085 23 793 2, 03s
b
I : −0, 108 281 453 537 352 5
Q1 : −0, 108 281 453 537 437 9
réc-V1.L Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 108 281 453 537 249 1 1 422 31 207 3, 35s
Ib : −0, 108 281 453 537 352 1
Q1 : −0, 348 774 811 887 770 4
27 027
réc-V2.G Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 143 905 979 978 987 4 594 583 15, 82s
(Echec)
b
I : −0, 255 652 615 565 596 3
Q1 : −0, 108 281 453 537 427 9
b
I : −0, 108 281 453 537 351 2
Q1 : −0, 108 281 453 537 427 8
1 208
séq. (a −→ b) Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 108 281 453 537 264 3 20 658 0, 49s
(670)
b
I : −0, 108 281 453 537 353 5
Q1 : −0, 108 281 453 537 372 4
1 205
séq. (b −→ a) Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 108 281 453 537 322 8 20 339 0, 60s
(644)
b
I : −0, 108 281 453 537 349 9
Mathca 3.1 -V1 ??? ??? default Ib : 0, 046 615 467 689 455 34 ??? ??? 0, 06s
Mathca 3.1 -V2 ??? ??? default Ib : −0, 108 281 453 537 352 9 ??? ??? 0, 38s
∫ 6
Table 1 – Calcul numérique approché de I = cos(x4 ) dx par diverses méthodes
1
En examinant le graphique de la fonction f (x) = cos(x4 ) sur [ 1, 6 ] dans la Figure 1, on détecte tout de suite
la cause de ces difficultés : les oscillations de plus en plus rapides de la fonction f plus on s’éloigne de l’abscisse
x = 1 en allant vers la droite, et qui rendent le graphique carrément illisible après x = 4. Pour comprendre
l’origine de ce phénomène, notons que les minima/maxima de f ont lieu aux abscisses x telles f (x) = ±1, et
2 telles abscisses consécutives sont de plus en plus proches l’une de l’autre plus x augmente. Graphiquement,
5. Tous les algorithmes ont été programmés dans Mathematica 3.1. Dans les tableaux, la ligne «Mathca 3.1 -V1» donne le résultat
de la fonction NIntegrate de Mathematica 3.1 avec les options par défaut. La ligne « Mathca 3.1 -V2 » donne le résultat de cette
même fonction avec les options par défaut, sauf MaxRecursion (qui correspond à notre maxRec) pris égal à 10 au lieu de la valeur
par défaut 6. D’autre part, notons que Q Leg, 5 et Q Lob, 6 sont 2 quadratures élémentaires d’ordre 9. Pour une meilleure précision et
une convergence plus rapide des algorithmes, on aurait pu prendre des quadratures élémentaires d’ordre plus grand. Mais on ne l’a
pas fait pour des besoins illustratifs, car alors les résultats de tous les algorithmes auraient été quasi identiques et la comparaison
entre eux de peu d’intérêt.
ceci se traduit par le fait que, quand on évolue vers la droite, la courbe de f présente ce qui ressemble de plus
en plus à des pics, et de plus en plus rapprochés pour 2 consécutifs d’entre eux. D’où ces oscillations rapides qui
peuvent donner l’impression à un algorithme d’intégration numérique essayant de calculer une valeur approchée
de I qu’il a affaire à une fonction non dérivable et ayant une multitude de points de non dérivabilité (les minima
et maxima de f ). Et ce malgré que f soit bien dérivable, et même de classe C ∞ , sur l’intervalle [ 1, 6 ].
Cette apparente non dérivabilité (pour le domaine discret qu’est la mémoire de l’ordinateur) ne correspond pas
aux conditions requises pour qu’un tel algorithme puisse performer valablement. Ceci vient de ce que l’algorithme
ne peut alors pas estimer correctement l’erreur d’intégration numérique sur les sous-intervalles de [ 1, 6 ] contenant
ces abscisses de non dérivabilité apparente de la fonction. En effet, dans la Partie VIII , on a pu constater que
chaque technique d’estimation de l’erreur locale d’intégration par une quadrature élémentaire s’appuye sur une
hypothèse de dérivabilité de la fonction f jusqu’à l’ordre r + 2, où r ∈ IN est l’ordre de cette quadrature. Ainsi,
lorsque cette hypothèse n’est pas concrètement vérifiée en mémoire d’ordinateur, l’approximation de l’erreur
d’intégration produite par cette technique sera systématiquement peu crédible, et il en sera donc de même de
la valeur approchée de I résultant d’un algorithme d’intégration numérique utilisant ce genre de technique
d’estimation de l’erreur locale d’intégration. D’où la nécessité, pour un algorithme d’intégration numérique, de
diviser [ 1, 6 ] en des sous-intervalles suffisamment petits, et donc en grand nombre, soit ne contenant pas ces
pics, soit en ayant un comme borne. Ceci pour obtenir des estimations d’erreurs locales valables et petites.
Mais en fait, dans les résultats du Tableau 1, un seul de nos algorithmes a réellement raté la cible (ligne
réc-V2.G) : l’Algorithme A-3. Cependant, lorsqu’on impose la tolérance d’erreur absolue ErrTol = 10−13 et
non ErrTol = 10−14 , on obtient plutôt les résultats du Tableau 2, lesquels sont d’une précision comparable
à celles obtenues dans le Tableau 1 pour tous nos autres algorithmes. Ceci semble indiquer que l’échec total
de l’Algorithme A-3 pour ErrTol = 10−14 est lié au fait que les fortes oscillations de f décrites ci-dessus
ne permettent pas un calcul approché de l’intégrale I avec une tolérance d’erreur visée aussi petite. Ceci est
dû au problème des inévitables erreurs d’arrondi dans les calculs par ordinateur sur les nombres réels. Ainsi,
on a là une manifestation concrète du problème de l’antagonisme des erreurs en Analyse numérique : vouloir
réduire l’erreur d’intégration numérique en dessous du seuil ErrTol = 10−14 a entraîné une explosion de l’effet
des erreurs d’arrondi sur le résulat de l’approximation de I, rendant ce résultat totalement aberrant.
quad. quad.
algorithme ErrTol approx. de I N éval.f temps
base Q1 aux. Q2
Q1 : −0.108 281 453 537 349 8
réc-V2.G Q Leg, 5 Q Lob, 6 10−13 Q2 : −0.108 281 453 537 349 1 5 452 119 933 3, 57s
Ib : −0.108 281 453 537 349 5
∫ 6
Table 2 – Calcul numérique approché de I = cos(x4 ) dx par l’Algorithme A-3 avec ErrTol = 10−13
1
Cela dit, dans le cas présent, il est facile d’identifier la source de ces oscillations rapides de la fonction f
sur [ 1, 6 ]. Elles proviennent de ce que la fonction continue φ(x) = x4 croît très rapidement à droite de l’abscisse
x = 1. Et comme le cosinus oscille entre −1 et 1 entre 2 multiples entiers du nombre π, alors la fonction
composée f (x) = cos [ φ(x) ] affiche le type de comportement oscillatoire observé dans la Figure 1. Maintenant,
cela suggère que pour éliminer ces oscillations rapides dans l’intégrale I, il suffit d’y effectuer le changement de
variable θ = x4 . Ceci transforme I en l’intégrale définie de même valeur :
∫ 1296
cos θ
J= g(θ) dθ, avec g(θ) = et 1296 = 64 .
1 4 · θ 3/4
Le graphe de la fonction g sur [ 1, 150 ] apparaît dans la Figure 2. On s’est arrêté à x = 150 pour bien faire voir
l’allure de la courbe (laquelle se prolonge ainsi jusqu’à θ = 1296). On y voit certes g osciller sur cet intervalle,
mais ces oscillations n’ont pas la rapidité de fréquence de celles de f sur [ 1, 6 ], car la distance entre 2 extrema
consécutifs de g est constante (= π). Mieux même : l’amplitude de ces oscillations décroît vers 0 quand θ −→ ∞.
Dans ces conditions, il faut s’attendre à ce que tout algorithme d’intégration numérique crédible soit en mesure
de calculer la valeur de J (qui est donc aussi celle de I) avec une excellente précision. Cela semble confirmé par
les résultats du Tableau 3.
En définitive, on peut conclure que : I = J ≃ −0, 108 281 453 537 35 ± 5 · 10−15 .
1.0
0.5
f(x)
0.0
−0.5
−1.0
1 2 3 4 5 6
Figure 1 – Courbe de la fonction f (x) = cos(x4 ) sur [ 1, 6 ].

−0.05 0.00 0.05 0.10 0.15
g(x)
−0.15
0 50 100 150
x
cos θ
Figure 2 – Courbe de la fonction g(θ) = sur [ 1, 150 ].
4 · θ3/4
e) Un 2ème bémol en faveur des algorithmes par subdivision séquentielle.
Un phénomène a priori surprenant peut être observé dans le calcul numérique approché des 2 intégrales I et
J : à chaque fois, les 2 algorithmes par subdivision séquentielle ont convergé plus vite que ceux par subdivision
récursive. Ceci traduit le fait que les 1ers ont été beaucoup moins affectés par le caractère oscillatoire de la
fonction à intégrer que les 2nds .
Ceci est une observation concrète d’ordre général : un algorithme d’intégration numérique adaptative par
subdivision séquentielle peut s’en sortir et arriver à calculer une valeur approchée acceptable d’une intégrale
comme I ci-dessus, dans un temps raisonnable, pourvu qu’on l’autorise à effectuer un nombre maximal Nmax
de pas (rejetés ou acceptés) suffisamment grand pendant son exécution par ordinateur. Ceci est en contraste
avec les algorithmes par subdivision récursive qui, eux, donnent parfois l’impression d’être perdus face à ce type
d’intégrale. Les raisons derrière cette double observation, apparemment inattendue, peuvent se voir comme suit :
1. En intégrant les nœuds dans la subdivision en allant de la gauche vers la droite (ou de la droite vers
la gauche) de l’intervalle d’intégration, un algorithme d’intégration numérique adaptative par subdivision
quad. quad.
algorithmes ErrTol approx. de J N éval.f temps
base Q1 aux. Q2
Q1 : −0, 108 281 453 537 359 7
réc-V1.G Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 108 281 453 537 337 9 940 20 603 1, 65s
b
J : −0, 108 281 453 537 349 8
Q1 : −0, 108 281 453 537 334 6
b
J : −0, 108 281 453 537 350 8
Q1 : −0, 108 281 453 537 350 9
réc-V2.G Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 108 281 453 537 350 9 2 884 63 437 2, 25s
Jb : −0, 108 281 453 537 350 9
Q1 : −0, 108 281 453 537 321 9
b
J : −0, 108 281 453 537 351 0
Q1 : −0, 108 281 453 537 425 8
1 206
séq. (a −→ b) Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 108 281 453 537 261 5 20 405 0, 61s
(649)
Jb : −0, 108 281 453 537 351 1
Q1 : −0, 108 281 453 537 384 8
1 208
séq. (b −→ a) Q Leg, 5 Q Lob, 6 10−14 Q2 : −0, 108 281 453 537 317 3 (659) 20 537 0, 72s
Jb : −0, 108 281 453 537 354 2
Mathca 3.1 -V1 ??? ??? default Jb : −0, 108 281 454 0987 876 3 ??? ??? 0, 27s
Mathca 3.1 -V2 ??? ??? default Jb : −0, 108 281 453 537 894 0 ??? ??? 0, 28s
∫ 1296
cos θ
Table 3 – Calcul numérique approché de J = dθ par diverses méthodes
1 4 · θ3/4
séquentielle va gérer les éventuelles singularités (numériques) 6 de la fonction essentiellement une à la fois.
Il traite la difficulté relative à l’une avant d’avancer, et donc de la laisser derrière « pour de bon », avant
d’arriver à la suivante, s’il y en a. Et, du fait du processus d’acceptation-rejet des pas, une singularité
numérique va se retrouver comme nœud de la subdivision σ finale, et donc jamais comme point intérieur
d’un σ–sous-intervalle.
2. A contrario, en divisant au milieu, à chaque pas, un sous-intervalle de la subdivision σ courante, un

algorithme d’intégration numérique adaptative par subdivision récursive va, presque automatiquement,
maintenir toute éventuelle singularité (numérique) de la fonction comme point intérieur d’un σ–sous-
intervalle. Il est alors difficile d’estimer correctement l’erreur d’intégration numérique locale dans un tel
sous-intervalle. Ce dernier n’arrêtera donc pas d’être divisé, pendant l’exécution de l’algorithme, jusqu’à
ce que sa longueur devienne numériquement quasi nulle. Ceci étant répété pour chaque singularité, on
comprend l’impact que cela produira sur la taille de la subdivision σ finale et le temps d’exécution de
l’algorithme.
6. Pour faire simple, une singularité d’une fonction f relativement à un intervalle [ a, b ] est un nombre réel x0 ∈ [ a, b ] en
lequel, même en changeant la valeur de f en x0 :
– soit f n’est pas continue et ne peut pas être prolongée par continuité en x0 (relativement à [ a, b ]) ;
– soit f est continue, mais f n’est pas dérivable (relativement à [ a, b ]).
Maintenant, une singularité numérique de f est un réel x0 ∈ [ a, b ] qui, bien que n’étant pas une singularité de f au sens de la
définition ci-dessus, se comporte pourtant, dans les calculs sur f par ordinateur, comme s’il en était une. L’existence de ce genre de
point pour certaines fonctions est causée par la précision limitée de l’ordinateur, due au fait que sa mémoire est un domaine discret
et fini, ne pouvant donc stocker qu’un certain nombre fini de chiffres significatifs d’un nombre réel donné.
Références
[1] Abramowitz, M. and Stegun, A. (1964). Handbook of Mathematical Functions With Formulas, Graphs, and
Mathematical Tables, NBS Applied Mathematics Series 55, National Bureau of Standards, Washington, DC.
[2] Crouzeix, M. and Mignot, A.L. (1984). Analyse numérique des équations différentielles, Masson, Paris.

AnumII-Ch4 IntNum

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

AnumII-Ch4 IntNum

Transféré par

Droits d'auteur :

Formats disponibles

INTEGRATION NUMERIQUE

NDONG NGUEMA E.-P.

∗∗∗ Rappel n◦ 1 (Polynôme dans IR)

∗∗∗ Rappel n◦ 2 (L’espace des polynômes IR[x])

∗∗∗ Rappel n◦ 3 (L’espace de polynômes IRn [x], pour n ∈ IN ﬁxé)

∗∗∗ Rappel n◦ 5 (Polynômes ℓ0 , · · · , ℓn et bases de Lagrange de IRn [x])

∗∗∗ Rappel n◦ 6 (Polynôme d’interpolation de Lagrange, et notation pLx0 ,··· ,xn f )

∗∗∗ Rappel n◦ 7 (Données nécessaires pour le calcul de pLx0 ,··· ,xn f )

b) Remarque : données nécessaires pour calculer l’intégrale J.

b) Résultat fondamental pour l’Intégration numérique.

Théorème D.I.2-2 (Intégrale sur [ a, b ] de P ∈ IRn [x] en fonction de P (x0 ), · · · , P (xn ))

On en déduit le Corollaire fondamental suivant sur l’intégration du polynôme d’interpolation de Lagrange.

Corollaire D.I.2-3 (Intégrale sur [ a, b ] de pLx0 ,··· ,xn f )

où les n + 1 réels ω0 , · · · , ωn sont ceux du Théorème D.I.2-2.

∗∗∗ Conséquence : Motivation de la suite.

=⇒ Point-clé : Comment calculer ω0 , · · · , ωn à partir de de la donnée de a, b et x0 , · · · , xn ?

Théorème D.I.3-1 (Système linéaire pour les réels ω0 , · · · , ωn du Théorème D.I.2-2)

∗∗∗ Remarques : A propos du système linéaire (S).

• • • Remarque 1 (A propos du calcul des réels ω0 , · · · , ωn du Théorème D.I.2-2)

Toutefois, il faut aussi noter que :

• • • Remarque 2 (A propos de la résolution du système linéaire (S))

4◦ ) Cas particulier important : x0 , · · · , xn réels symétriques par rapport à (a + b)/2.

Déﬁnition D.I-d 1 (Réels symétriques par rapport à un autre)

b) Les coeﬃcients ω0 , · · · , ωn lorsque x0 , · · · , xn sont symétriques par rapport à (a + b)/2.

Théorème D.I.4-2 ( ω0 , · · · , ωn quand x0 , · · · , xn sont symétriques p/r (a + b)/2)

5◦ ) Forme usuelle des réels x0 , · · · , xn en Intégration numérique.

⋆ ⋆ ⋆ Hypothèse H1 (Forme des nœuds x0 , · · · , xn en Intégration numérique)

où u0 , · · · , un sont des constantes réelles indépendantes des bornes a et b .

Notons tout de suite que :

Proposition D.I.5-1 (Propriétés basiques de x0 , · · · , xn sous l’Hypothèse H1 )

Théorème D.I.5-2 (Coeﬃcients ω0 , · · · , ωn sous l’Hypothèse H1 )

c) Conséquence 1 : recommandations pratiques pour obtenir ω0 , · · · , ωn sous l’Hypothèse H1 .

3. Avec les valeurs de x0 , · · · , xn obtenues par (1.6b), calculer ω0 , · · · , ωn du Théorème D.I.2-2, et ce en

où les réels λ0 , · · · , λn sont ceux du Théorème D.I.5-2, donc sont indépendants de a, b et P .

Corollaire D.I.5-4 (Intégrale sur [ a, b ] de pLx0 ,··· ,xn f sous l’Hypothèse H1 )

où les réels λ0 , · · · , λn sont ceux du Théorème D.I.5-2, donc sont indépendants de a, b et f .

e) Les 2 choix les plus usuels pour l’intervalle d’intégration de base [ c, d ] : [ 0, 1 ] ou [ − 1, 1 ].

(xi )k · ωi + (xn−i )k · ωn−i = 0, ∀ i = 0 (1) n. (1.8h)

f ) Un exemple de base en vue de l’Intégration numérique. ∫ b

II – Quadratures élémentaires d’intégration numérique.

Déﬁnition D.II-d 1 (Quadrature élémentaire d’intégration numérique sur [ a, b ])

où le nombre réel E (inconnu) représente l’erreur de l’approximation de l’intégrale I par la quadrature.

6. On parle aussi de formule élémentaire d’intégration numérique sur [ a, b ] de nœuds (ou

• • • Remarque/Commentaire n◦ 5 (Quadrature élémentaire : intervalle [ a, b ] « petit » ??? )

• • • Remarque/Commentaire n◦ 6 (Mise en œuvre d’une quadrature et coût numérique)

Proposition D.II.1-1 (Linéarité de Q x, ω (f ) p/r à la fonction f )

2◦ ) Premiers exemples de quadratures élémentaires : point central , trapèze, Simpson.

3◦ ) Quadratures symétriques sur un intervalle.

Déﬁnition D.II-d 2 (Quadrature symétrique sur un intervalle [ a, b ])

∀ i ∈ {0, 1, · · · , n}, ∃ j ∈ {0, 1, · · · , n} / xi + xj = a + b et ωi = ωj . (2.4a)

De la Déﬁnition D.II-d 2 et du Théorème D.I.4-2, on déduit directement la caractérisation des quadra-

Proposition D.II.3-1 (Quadrature élémentaire et symétrique sur un intervalle [ a, b ])

b) Exemples de quadratures élémentaires et symétriques : les quadratures de Newton-Cotes.

III – Erreur et ordre d’une quadrature d’intégration numérique sur [ a, b ].

Déﬁnition D.III-d 1 (Erreur d’intégration numérique associée à une quadrature sur [ a, b ])

b) Linéarité de l’erreur d’intégration numérique par rapport à la fonction.

Proposition D.III.1-1 (Linéarité de l’erreur d’une quadrature)

Déﬁnition D.III-d 2 (Quadrature exacte pour intégrer une fonction sur [ a, b ])

Comme conséquence de cette Déﬁnition et de la Proposition D.III.1-1, on déduit immédiatement :

Proposition D.III.1-2 (Quadrature exacte et linéarité)

Proposition D.III.1-3 (Quadrature exacte et fonction nulle)

2◦ ) Un concept fondamental : Ordre d’une quadrature d’intégration numérique.

Déﬁnition D.III-d 3 (Ordre d’une quadrature d’intégration numérique)