Chapitre 4

Intégration numérique

Analyse Numérique 67 3IL-I2, Année 2020-2021

Analyse Numérique 68 3IL-I2, Année 2020-2021
 Table des Matières

Table des matières

Chapitre 4 .................................................................................................................... 67
1 Introduction ......................................................................................................... 71
2 Méthode des trapèzes .......................................................................................... 71
3 Méthode de Simpson ........................................................................................... 72
4 Exemple : .............................................................................................................. 74
5 Formules de Newton-Cotes ................................................................................. 75
5.1 Principe ...................................................................................................................... 75
5.2 Généralisation de la méthode de Newton-Cotes........................................................ 76
6 Méthode de Monté-Carlo .................................................................................... 78
6.1 Introduction ............................................................................................................... 78
6.2 Présentation de la méthode de Monté-Carlo.............................................................. 78
6.3 Méthode de Monté-Carlo 1D ..................................................................................... 78
6.3.1 Description de la méthode.................................................................................. 78
6.3.2 Algorithme pour une intégration 1D par Monté-Carlo. .................................... 79
6.4 Méthode de Monté-Carlo 2D ..................................................................................... 79
6.4.1 Description de la méthode.................................................................................. 79
6.4.2 Algorithme pour une intégration 2D par Monté-Carlo. .................................... 81
6.5 Méthode de Monté-Carlo 3D ..................................................................................... 81
6.5.1 Description de la méthode.................................................................................. 81
6.5.2 Algorithme pour une intégration 3D par Monté-Carlo. .................................... 82
TP : Intégration Numérique ...................................................................................... 83
Exercice 1 ..................................................................................................................... 83
Exercice 2 ..................................................................................................................... 83

Analyse Numérique 69 3IL-I2, Année 2020-2021

 Table des Matières

Analyse Numérique 70 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

1 Introduction
Ce chapitre s’intéresse au calcul numérique d’intégrales du type :

b
I =  f ( x) dx
a

Connaissant un intervalle [a;b] et la fonction f, nous allons donc chercher à approcher

numériquement une intégrale définie. Toutes les méthodes envisagées dans ce cours peuvent
s’écrire sous la forme :

n −1
I =  H i f ( xi ) + E
i =0

où E est l’erreur de troncation, les xi sont des abscisses (pivots ou noeuds) et les H i des
«poids».

2 Méthode des trapèzes

Cette méthode consiste à remplacer la courbe f(x) par une ligne brisée et à calculer l’aire de
chaque trapèze, ensuite faire la somme des aires sur l’intervalle sur lequel la fonction est
définie.

Dans ce cas, on a :

n −1
I = 
xi+1
f ( x)dx
xi
i =0

Analyse Numérique 71 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

Si [a,b] est l’intervalle d’intégration de f(x), qui est divisé en n intervalles, on a :

n −1
f ( xi +1 ) + f ( xi )
I = ⋅ ∆xi
i =0 2

Dans la suite, on suppose que tous les points sont régulièrement espacés :

b−a ∆x n −1
∆xi = = ∆x  I = ⋅  [ f ( xi ) + f ( xi +1 )]
n 2 i =0

Ainsi, l’intégrale précédente devient :

∆x  n −1 n −1
 ∆x  n −1 n −1

I= ⋅   f ( xi ) +  f ( xi +1 )   I = ⋅  f ( x0 ) + f ( xn ) +  f ( xi ) +  f ( xi ) 
2  i =0 i =0  2  i =1 i =1 

Finalement, on obtient la formule des trapèzes :

∆x  n −1

I= ⋅  f (a) + f (b) + 2 f ( xi ) 
2  i =1 

3 Méthode de Simpson
Cette méthode consiste à remplacer, entre xi −1 et xi +1 , la fonction par l’arc de parabole passant
par fi −1 , f i et fi +1 .

Un développement en série de Taylor permet de démontrer la formule de Simpson. Pour cela,

on pose :

b dL( x)
I =  f ( x) dx = L( x) où = f ( x)
a dx

Analyse Numérique 72 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

Dans ce cas, on obtient :

∆x 2 ' ∆x 3 ''
L( xi +1 ) ≃ L( xi + ∆x) = L( xi ) + ∆x ⋅ f ( xi ) + ⋅ f ( xi ) + ⋅ f ( xi ) + ⋯
2 3!
∆x 2 ' ∆x3 ''
L( xi −1 ) ≃ L( xi − ∆x) = L( xi ) − ∆x ⋅ f ( xi ) + ⋅ f ( xi ) − ⋅ f ( xi ) + ⋯
2 3!

avec L' ( xi ) = f ( xi )

L’aire de 2 tranches Ai d’intervalles [ xi −1 , xi ] et [ xi , xi +1 ] s'écrit

∆x3 ''
Ai = L( xi +1 ) − L( xi −1 )  Ai ≃ 2 ⋅ ∆x ⋅ f ( xi ) + 2 ⋅ f ( xi )
3!

On remplace f '' ( xi ) par son expression utilisant les différences centrales :

f ( xi −1 ) − 2 ⋅ f ( xi ) + f ( xi +1 )
f '' ( xi ) =
∆x 2

On obtient :

∆x
Ai = 2 ⋅ ∆x ⋅ f ( xi ) + [ f ( xi −1 ) − 2 f ( xi ) + f ( xi +1 )]
3

soit :

∆x
Ai ≃ [ f ( xi −1 ) + 4 f ( xi ) + f ( xi +1 )]
3

L’aire sur l’intervalle [a,b] est alors obtenue par :

b
a
f ( x) dx = A1 + A3 + A5 + ⋯

Analyse Numérique 73 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

Cette intégrale nécessite que le nombre d’intervalles soit pair. En remplaçant dans l’intégrale
précédente les Ai par leurs expressions, on trouve :

 
∆x  n −1 n −1
I≃ ⋅ f (a) + f (b) + 4  f ( xi ) + 2  f ( xi ) 
3  i =1 i =2

 i impair i pair 

4 Exemple :
Soit l’intégrale
π
I =  sin( x)dx
0
π π
a) Calculez I à l’aide de la formule des trapèzes en posant ∆x = puis ∆x = .
2 4
π π
b) Calculez I à l’aide de la formule de Simpson en posant ∆x = puis ∆x = .
2 4
c) Estimez l’erreur dans les deux cas.

Analyse Numérique 74 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

5 Formules de Newton-Cotes
5.1 Principe
L’idée est de remplacer la fonction f par un polynôme d’interpolation p facile à intégrer.
Comme f ( x) est proche de p ( x) , on a :

f ( x) ≈ p ( x)

Soient les points d’interpolations ( xi , yi = f ( xi ) ) , pour i = 0,1,… , n tel que

a ≤ x0 < x1 < ⋯ < xn ≤ b . Nous allons calculer l’intégrale de f ( x) sur le segment [a;b].

b b
I =  f ( x)dx  I ≃  p( x)dx
a a

où p(x) représente le polynôme d’interpolation de Lagrange donnée par :

n n
 x − xk 
p( x) =  Li ( x) ⋅ yi et i
L ( x ) = ∏  
k = 0  xi − xk 
i =0
k ≠i

polynôme élémentaire de Lagrange

L’intégrale de p(x) est une approximation de I. On approche l’intégrale par

( )
n n n
I ≃  p( x)dx =  yi ⋅  Li ( x)dx =  H i ⋅ yi =  H i ⋅ f ( xi )
b b

a a
i =0 i =0 i =0

Avec

 n 
 x − xk 
 Hi =   ∏ 
b b
H i =  Li ( x)dx   dx
a 
 kk =≠0j  xi − xk 
a
 

Les «nombres de Cotes» H i peuvent être calculés une fois pour toutes pour n donné et pour
un intervalle [a,b] donné.

Analyse Numérique 75 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

5.2 Généralisation de la méthode de Newton-Cotes

On utilise le fait que

n −1
f ( x)dx =  
b xi+1
 a
i =0
xi
f ( x)dx avec x0 = a et xn = b

De cette manière, on est ramené au calcul de plusieurs intégrales pour lesquelles la longueur
de l’intervalle d’intégration est relativement petite.

Prenons une de ces intégrales et notons la longueur de l’intervalle par hi = xi +1 − xi . Un

changement de variable nous donne alors

En posant x = xi + thi  dx = hi dt
xi+1 1

xi
f ( x)dx = hi  f ( xi + thi )dt
0

Notons enfin g (t ) = f ( xi + thi ) , il reste alors à calculer une approximation de

1

0
g (t )dt

g (t ) peut être approximé par un polynôme de degrés n.

n n
 t − tk 
0 g (t )dt ≃   g (t ) ⋅ 1 L (t ) dt 
∏
1
=
 i 0 i  
L
avec i (t )
i =0   k = 0  ti − t k 
k≠ j

Pour un polynôme de degrés 1 on trouve :

1
( g (0) + g (1) ) avec t0 = 0 et t1 = 1
1
 0
g (t )dt ≃
2

Pour un polynôme de degrés 2 on trouve :

1
( g (0) + 4 g (1/ 2) + g (1) ) avec avec t0 = 0 , t1 = 1 2 et t3 = 1
1
0
g (t )dt ≃
6

Analyse Numérique 76 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

Pour un polynôme de degrés 3 on trouve :

1
( g (0) + 3g (1/ 3) + 3g (2 / 3) + g (1) )
1
0
g (t )dt ≃
8

En généralisant cette méthode, on remarque que pour estimer l’intégrale de g(t) passant par s
points équidistants entre 0 et 1 grâce à une interpolation polynomiale (de degrés s-1), la
forme de la solution est toujours la même.

Pour une fonction g (t ) passant par les s points équidistants entre 0 et 1 : on obtient :

s
 i −1 
g (t )dt ≃  bi ⋅ g 
1
 0
i =1

 s −1 

On obtient donc une formule généralisée :

n −1 s
 i −1 
I =  Aj avec Aj = h j ⋅  bi ⋅ f  x j + hj 
j =1 i =1  s −1 

Pour s < 8 , les coefficients de ces formules sont donnes dans le tableau ci dessous :avec le
nom des méthodes correspondantes.

Remarque : les méthodes ne vont pas au-delà de s = 7 car après cette valeur, les
interpolations engendrent trop d’erreurs. Pour diminuer l’erreur, mieux vaut diminuer les
intervalles de départ.

Analyse Numérique 77 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

6 Méthode de Monté-Carlo
6.1 Introduction

L'expression "Simulation de Monte-Carlo" recouvre une série de techniques destinées à

résoudre des problèmes complexes mais le plus souvent déterministes par l'introduction
d'échantillonnages aléatoires.
On a recours à une simulation de Monte-Carlo lorsque le problème :
• Est trop complexe pour qu'une résolution par voie purement mathématique soit
envisageable.
• Est trop volumineux (en particulier, contient un trop grand nombre de variables) pour
que les techniques d'approximation numérique puissent conduire à un résultat
précis dans un temps acceptable.

6.2 Présentation de la méthode de Monté-Carlo

L’idée est simple mais très efficace :

Nous avons remarqué qu'une intégrale n'est, à peu de chose près, que la somme des valeurs de
la fonction prises sur des points régulièrement répartis dans la région d'intégration. Dans cette
phrase, remplaçons "régulièrement répartis" par "répartis selon une distribution de probabilité
uniforme", et nous avons notre première simulation de Monte-Carlo.

6.3 Méthode de Monté-Carlo 1D

6.3.1 Description de la méthode

Cette méthode consiste à approcher l’intégrale I définie sur un intervalle borné [a,b] continue.

I =  f ( x)dx ≃  f ( xi )∆xi
b

a
i

en écrivant I sous la forme

I = E ( f (U ) ) ⋅ ( b − a )

et en approchant E ( f (U ) ) . Ici, U est une variable aléatoire suivant une loi uniforme sur [a,b].

E ( f (U ) ) représente l'espérance mathématique de la variable aléatoire f (U ) .

Analyse Numérique 78 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

Pour ce faire on utilise la loi des grands nombres : si (U i ), ∀i ∈ N est une suite de variables
aléatoires mutuellement indépendantes et indépendantes de U , de loi uniforme sur [a,b], alors

1 n
E ( f (U ) ) =  f (ui )
n i =1
En d'autres termes, si u1 , u2 ,⋯ un sont des nombres tirés au hasard uniformément dans [a,b],

1 n 
I =   f (ui )  ⋅ ( b − a )
 n i =1 

6.3.2 Algorithme pour une intégration 1D par Monté-Carlo.

sum ← 0
pour i = 1 … n faire
u = a + (b - a ) ⋅ rand (1,1)
sum ← sum + f (u )
fin
sum
I← ⋅ (b − a )
n

6.4 Méthode de Monté-Carlo 2D

6.4.1 Description de la méthode
L’intégrale à estimer est :

I =  f ( x, y )dxdy
∆

Où f une fonction définie et continue sur Δ. On suppose également que le domaine

d’intégration est borné :

( x, y ) ∈∆, tel que a < x < b et c < y < d

Analyse Numérique 79 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

Représentation graphique :

On peut donc considérer que le domaine Δ est compris dans un rectangle R défini par ses
bornes [a,b]x[c,d].
On définit une fonction f * telle que :

 f ( x, y ) si ( x, y ) ∈ ∆
f * ( x, y ) = 
 0 sinon

Ainsi l'intégrale I peut-elle s’écrire :

I = E ( f (U ) ) ⋅ ( b − a )( d − c )

Avec U variable aléatoire suivant une loi uniforme sur R et E ( f * (U ) ) l'espérance

mathématique de la variable aléatoire f * (U ) . L'analyse mathématique se poursuit comme
dans le cas monodimensionnel, les n tirages uniformes étant faits, ici, sur le rectangle R.

Soient u1 , u2 ,⋯ un ces nombres tirés uniformément au hasard. Alors

1 n 
I =   f (ui )  ⋅ ( b − a )( d − c )
 n i =1 

est, pour n assez grand, une bonne approximation de I/aire(R).

Analyse Numérique 80 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

6.4.2 Algorithme pour une intégration 2D par Monté-Carlo.

sum ← 0
pour i = 1 … n faire
x = a + (b - a ) × rand (1,1)
y = c + (d - c) ⋅ rand (1,1)
si ( x, y ) ∈ ∆ , alors
sum ← sum + f ( x, y )
fin si
fin pour
sum
I← ⋅ (b − a ) ⋅ (d − c)
n

6.5 Méthode de Monté-Carlo 3D

6.5.1 Description de la méthode

L'intégrale à approcher est :

I =  f ( x, y, z )dxdydz
Ω

Avec f une fonction intégrable sur Ω borné de R 3 . En général on suppose f définie et continue
sur Ω.
I peut donc représenter une intégrale convergente.
Soit R un pavé fermé de R 3 contenant Ω. On prolonge f sur ℝ par 0 ; soit f * la fonction
obtenue. Ainsi a-t-on les égalités :

b d g
I =  f ( x, y, z )dxdydz  I =   f * ( x, y, z )dxdydz
Ω a c e

 I = E ( f (U ) ) ⋅ ( b − a )( d − c )( g − e )

avec U variable aléatoire suivant une loi uniforme sur le pavé ℝ , E ( f * (U ) ) l'espérance de
la variable aléatoire f * (U ) et vol( R ) le volume de R .

Analyse Numérique 81 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

Si u1 , u2 ,⋯ un sont des nombres tirés uniformément au hasard dans R ,

1 n
E ( f (U ) ) ≃  f (ui )
n i =1

est une approximation de E ( f (U ) ) qui est convergente lorsque n tend vers l'in ni. Le reste
de l'analyse se fait comme dans les cas mono ou bidimensionnel.

1 n 
I =   f (ui )  ⋅ ( b − a )( d − c )( g − e )
 n i =1 

6.5.2 Algorithme pour une intégration 3D par Monté-Carlo.

sum ← 0
pour i = 1 … n faire
x = a + (b - a ) × rand (1,1)
y = c + (d - c) ⋅ rand (1,1)
z = e + ( g - e) ⋅ rand (1,1)
si ( x, y, z ) ∈ Ω , alors
sum ← sum + f ( x, y, z )
fin si
fin
sum
I← ⋅ (b − a ) ⋅ (d − c) ⋅ ( g − e)
n

Analyse Numérique 82 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

TP : Intégration Numérique
Exercice 1
Soit l’intégrale
π
I =  sin( x)dx
0

1. Calculez analytiquement la valeur de I.

π π
2. Pour, ∆x = et ∆x = , calculez I à l’aide de la
10 200
a) méthode des trapèzes,
b) méthode de Simpson.

3. Calculez I à l’aide de la formule de Newton-Cotes (ordre 4 ou Boole).

4. Estimez l’erreur dans chacun des cas.

Exercice 2
On cherche à intégrer sur une surface Δ, quart de cercle de rayon 1 et de centre (0,0), la
fonction f(x,y).

1. Résoudre à l’aide la méthode de Monte-Carlo l’intégrale

I =   f ( x, y ) dx dy
∆

Pour f(x,y) = 1 puis f(x,y) = exp(-x2 – y2).

2. Représenter graphiquement la surface Δ dont on veut calculer la valeur.

3. Comparer les résultats pour différents nombres de tirages aléatoires.

Analyse Numérique 83 3IL-I2, Année 2020-2021

 CHAPITRE 4. Intégration numérique

Analyse Numérique 84 3IL-I2, Année 2020-2021