Vous êtes sur la page 1sur 20

Intégration numérique

Motivations des méthodes


numériques d’intégration
• Il existe deux situations où l’on a besoin de
formules pour approcher l’intégrale d’une
fonction f :
 b
 I(f) =∫f(t) dt
 a
 – On ne connaît la valeur de f qu’en certains
points t0, t1, ….,tn, et il n’est pas possible
d’avoir d’autres valeurs que celles-ci (c’est le
cas quand la fonction f est tabulée).

 – Il est possible de calculer f(t) pour un t


quelconque, mais la primitive de f n’est pas
connue, ou bien l’expression analytique de f est
trop compliquée pour être explicitée (f(t) est
Principe des méthodes
numériques d’intégration
• Dans ces deux situations, on doit donc
chercher à approcher I(f) à l’aide d’un
nombre fini de
• valeurs de f en certains points t0; t1; : : :
; tn qui sont soit imposés, soit à choisir
de façon optimale
• pour que l’approximation soit la
meilleure possible. Plus précisément
on aura recours
• à des combinaisons linéaires de valeurs
de la fonction à intégrer en des points
de l’intervalle
Principe des méthodes
numériques d’intégration
• Les points ti sont appelés les nœuds
de la formule, les wi sont les
poids (weights, en anglais),
parfois aussi dénommés coefficients
de la formule. L’application



• qui à f fait correspondre une valeur
‘approchée’ de son intégrale sur
l’intervalle considéré définit une
formule (ou méthode)
d’intégration numérique. On dit
Méthodes utilisant le
polynôme d’interpolation
• Méthodes polynomiales
– On connaît la fonction sur n+1 points
– 2 solutions :
• calculer le polynôme d'interpolation de
degré n : Pn(x)
calculer l'intégrale du polynôme de
degré n
➨problème = les polynômes de degré
élevé oscillent énormément

• regrouper les n+1 points en sous-
intervalles de p+1 points
(avec p+1 faible)
Intégration numérique
• Méthode des trapèzes : p+1=2 points
– polynôme d'interpolation=droite

b−a
– A= ( f ( a) + f ( b) )
– 2

–n −1
x i +1 − xi
I =– ∑ ( y i + y i +1 )
 i =0 2
– soit h = xi+1 - xi


 y0 n −1 yn 
I = h + ∑ yi + 
 2 i =1 2  A

0 0.5 1 1.5 2 2.5


Intégration numérique
• Méthode de Simpson: p+1=3 points
– polynôme d'interpolation de degré 2
n− 2

h–
I = ∑ ( yi + 4 yi + 1 + yi + 2 )
i= 0 3

 i va de 0 à n-2
avec un pas de 2

0 0.5 1 1.5 2 2.5


Intégration numérique
• Méthode générale Newton-Cotes: p+1
points
– polynôme
t=xp
d'interpolation de degré p:
A = PPp(x)
∫ ( t )dt
p
– t=x 0
p
–A = ∑ α i y i
– i =0

– A
– comment trouver
les α i ? 0 0.5 1 1.5 2 2.5
Intégration numérique
• Méthode générale Newton-Cotes: p+1
points
– calcul des α i = décomposition de
1 1  l'intégrale
1  α 0  ν 0 dans
x x1
la
 x α  base
  {1,
ν  t, … t p}
 0 p  1  =  1 
    
 p p    
 x0 x1p x p  α p  v p 
t=xp

νk = ∫ dt
k A
t
t = x0
0 0.5 1 1.5 2 2.5 3
Intégration numérique
• Exercice :
– Utiliser la méthode de Newton-Cotes
pour :
• retrouver la méthode des trapèzes
• retrouver la méthode de Simpson
• trouver la méthode de Simpson "3/8"
(p+1=4)
Intégration numérique
• Soit f : [a; b] → IR une fonction donnée. On construit le
polynôme pn(t) qui interpole les valeurs de f aux
points t0; t1; : : : ; tn (ti ∈ [a,b]), ce qui conduit à
poser pn(ti) = f(ti) pour i = 0, … , n. On a ainsi
approché la fonction f par le polynôme pn. La
question est alors la suivante :
 quelle erreur commet-on quand on approche f par
pn ?


• Hypothèses et notations. Dans ce qui suit nous
supposerons que f est (n + 1) fois continûment
dérivable sur [a, b] et nous noterons en(t) l’erreur
d’interpolation définie par :
 en(t) = f(t) - pn(t)
• Soient alors Int(t; t0, … , tn) le plus petit intervalle fermé
contenant les points t, t0, … , tn et π n(t) la fonction
définie par :
 π n(t) = (t- t0)(t - t1)(t - t2) … (t - tn)
Majoration de l’erreur de
quadrature
• L’erreur de quadrature est donnée
par
Intégration numérique
• Intégrales multiples ?
– Ex avec la méthode de Simpson
x y 2 2

A ,=y ∫) ∫ f ( x , y ) dxdy
• en dimension 2 : zij = f(xi j
x0 y0
x2
k 
A = ∫  ( f ( x , y0 ) + 4 f ( x , y1 ) + f ( x , y 2 ) ) dx k = yi+1 - yi

x0 
3  h = xi+1 - xi

k  2 
x

A= ∫ f ( x , y0 ) dx + 4 ∫ f ( x , y1 ) dx + ∫ f ( x , y 2 ) dx 
3  x0 

hk
A= ( z00 + z02 + z 20 + z 22 + 4( z01 + z10 + z12 + z 21 ) + 16 z11 )
9
Exercice
Solution
• Question 1

Question 2
• On écrit que l’approximation est exacte
c’est à dire que J = I pour les polynômes
de degré inférieur ou égal à 2, c’est à
dire que J = I pour les polynômes de la
base (1, t, t2).
• Ecrire les équations obtenues.
Question 3
• On utilise un changement de variable affine pour
se ramener à une intégrale de -1 à 1.
• On utilise un changement de variable affine :


Question 5
Question 5
Question 6
• On doit retrouver la valeur exacte
car l’approximation est exacte
pour les polynômes de degré
inférieur ou égal à 2 en x et en
y.