npm
Introduction à l'intégration numérique
Partie B du chapitre
Nous entamons maintenant la Partie B de ce chapitre, consacrée à l'intégration numérique (quadratures). Les trois premières leçons portaient sur la dérivation ; les leçons suivantes portent sur l'intégration.
Dans les trois premières leçons, nous avons vu comment dériver numériquement une fonction connue par des points discrets. Nous avons aussi découvert que la dérivation numérique est intrinsèquement instable : les erreurs d'arrondi sont amplifiées. L'intégration numérique, que nous abordons maintenant, est un problème fondamentalement différent — et bien plus stable.
Objectifs d'apprentissage
À la fin de cette leçon, vous serez en mesure de :
- Comprendre pourquoi l'intégration numérique est nécessaire
- Distinguer les différentes familles de méthodes de quadrature
- Identifier les sources d'erreur en intégration numérique
- Comparer intégration et dérivation du point de vue de la stabilité
Prérequis
- Calcul intégral (intégrales définies)
- Interpolation polynomiale (chapitre 4)
- Dérivation numérique et instabilité (Partie A de ce chapitre)
Pourquoi l'intégration numérique ?
Limites du calcul symbolique
Beaucoup d'intégrales n'ont pas de primitive exprimable en termes de fonctions élémentaires :
Même quand une primitive existe, elle peut être :
- Trop complexe à évaluer
- Instable numériquement
- Inconnue (fonction tabulée ou données expérimentales)
Applications typiques
| Domaine | Exemple d'intégrale |
|---|---|
| Physique | Travail d'une force, énergie potentielle |
| Statistiques | Fonctions de répartition, probabilités |
| Ingénierie | Moments d'inertie, centres de masse |
| Équations différentielles | Méthodes intégrales, convolution |
| Traitement du signal | Transformées de Fourier, énergie |
En fait, l'intégration numérique intervient bien plus souvent que la dérivation en pratique. Pourquoi ? D'abord parce que les intégrales apparaissent naturellement dans presque tous les modèles physiques (énergie = intégrale de la puissance, probabilité = intégrale de la densité, etc.). Ensuite, parce que l'intégration est une opération stable (comme nous le verrons plus bas), ce qui la rend fiable numériquement — contrairement à la dérivation, qui amplifie le bruit.
C'est pour ces raisons que la Partie B de ce chapitre (intégration) est deux fois plus longue que la Partie A (dérivation) : il y a beaucoup plus de méthodes, de variantes et de cas d'utilisation.
Le problème de la quadrature
Formulation
Étant donné une fonction sur un intervalle , on cherche à approximer :
Idée générale
Toutes les méthodes de quadrature reposent sur le même principe :
Principe de la quadrature
On remplace l'intégrale par une somme pondérée de valeurs de en des points choisis, avec des poids .
Les différentes méthodes se distinguent par :
- Le choix des points (équidistants ou non)
- Le choix des poids (dérivés de l'interpolation)
- Le nombre de points utilisés
Familles de méthodes
Classification
| Famille | Points | Caractéristique |
|---|---|---|
| Newton-Cotes | Équidistants | Simple, formules classiques (trapèze, Simpson) |
| Gauss-Legendre | Optimaux (racines de Legendre) | Précision maximale pour n points |
| Romberg | Équidistants + Richardson | Amélioration itérative |
| Adaptatives | Selon l'erreur locale | Raffinement automatique |
Lien avec l'interpolation
La plupart des méthodes de quadrature se basent sur l'interpolation polynomiale :
- Construire un polynôme passant par les points
- Intégrer ce polynôme :
Le résultat donne les poids de la formule de quadrature.
Intégration vs Dérivation : stabilité
Comparaison fondamentale
| Propriété | Dérivation | Intégration |
|---|---|---|
| Stabilité | ❌ Instable | ✅ Stable |
| Effet du bruit | Amplifié (division par h) | Atténué (moyenne) |
| Réduire h | Améliore puis dégrade | Améliore toujours (pratiquement) |
| Pas optimal | Existe et crucial | Pas de limite inférieure pratique |
Pourquoi cette différence ?
- La dérivation est une opération de haute fréquence : elle amplifie les petites oscillations
- L'intégration est une opération de basse fréquence : elle lisse et moyenne les fluctuations
Mathématiquement : la dérivation divise par , l'intégration multiplie par .
Conséquence pratique
En intégration numérique, on peut généralement réduire le pas autant qu'on veut pour améliorer la précision, sans craindre l'amplification des erreurs d'arrondi (contrairement à la dérivation). Il n'y a pas de « pas optimal » en intégration : plus est petit, mieux c'est.
C'est une excellente nouvelle ! Cela signifie que le seul ennemi de l'intégration numérique est l'erreur de troncature (remplacement de par un polynôme), et nous allons voir dans les leçons suivantes comment la réduire efficacement.
Sources d'erreur
Erreur de troncature
C'est l'erreur due au remplacement de par un polynôme d'interpolation. Elle dépend de :
- L'ordre de la méthode (degré du polynôme)
- La régularité de (existence des dérivées)
- La largeur de l'intervalle
Erreur d'arrondi
Beaucoup moins problématique qu'en dérivation :
- Les opérations sont des additions (stables)
- Les coefficients sont généralement positifs
- Pas de division par des petites quantités
Erreur de méthode
Certaines fonctions sont mal adaptées à certaines méthodes :
- Fonctions avec singularités aux bornes
- Fonctions oscillantes (beaucoup de points nécessaires)
- Fonctions avec pics localisés (méthodes adaptatives préférables)
Notation et conventions
Conventions utilisées
Dans ce chapitre, nous utiliserons :
- : nombre de sous-intervalles
- : pas de discrétisation
- : points équidistants
- : valeurs de la fonction
Degré d'exactitude
Définition
Une formule de quadrature a un degré d'exactitude si elle intègre exactement tous les polynômes de degré , mais pas tous les polynômes de degré .
Le degré d'exactitude est un indicateur clé de la qualité d'une méthode.
Résumé
- L'intégration numérique (quadrature) approxime par une somme pondérée
- Contrairement à la dérivation, l'intégration est stable : les erreurs sont atténuées
- Les méthodes se basent sur l'interpolation polynomiale
- Le degré d'exactitude caractérise la précision d'une formule
Pour aller plus loin
Dans la prochaine leçon, nous étudierons les formules de Newton-Cotes (trapèze, Simpson), qui sont les méthodes de quadrature les plus classiques.