Calcul de l’integrale de Gauss par theoreme de convergence dominée
Estimez et visualisez l’intégrale gaussienne de la forme ∫ e-a x² dx, sur tout ℝ ou sur un intervalle symétrique [-L, L], avec rappel théorique et graphique interactif.
Pour I(a) = ∫ e-a x² dx, la valeur exacte sur ℝ est √(π/a).
Le mode borné utilise la formule avec la fonction erf.
Exemple: L = 2 donne ∫-22 e-a x² dx.
Plus il y a de points, plus la courbe affichée est lisse.
La courbe sera tracée de -R à R.
Ajoute la courbe f(x) = √(a/π)e-a x².
Guide expert : comprendre le calcul de l’integrale de Gauss par theoreme de convergence dominée
L’intégrale de Gauss est l’une des formules les plus célèbres de l’analyse mathématique. Elle apparaît en probabilités, en physique statistique, en théorie du signal, en apprentissage automatique et dans l’étude de l’équation de la chaleur. Sous sa forme la plus classique, on cherche à évaluer l’intégrale
Plus généralement, pour tout paramètre réel strictement positif a > 0, on a la formule
Cette identité est simple à écrire, mais sa justification rigoureuse mobilise des outils puissants. Beaucoup d’expositions classiques passent par le changement de variables en coordonnées polaires, après avoir étudié le carré de l’intégrale. Cependant, quand on veut comprendre le passage des intégrales tronquées vers l’intégrale sur tout l’axe réel, le théorème de convergence dominée joue un rôle essentiel. Il ne remplace pas toujours la méthode polaire pour trouver la valeur finale, mais il permet de légitimer proprement les passages à la limite qui interviennent dans le calcul.
1. Quelle est l’idée centrale ?
La difficulté vient du fait qu’on intègre sur un domaine infini. Une stratégie naturelle consiste à approcher l’intégrale sur ℝ par une suite d’intégrales sur des intervalles bornés :
Puis on fait tendre L vers +∞. Intuitivement, comme la fonction gaussienne décroît très vite, l’aire située à l’extérieur de [-L, L] devient négligeable. Le théorème de convergence dominée fournit le cadre rigoureux pour écrire
Pour le montrer, on introduit la suite de fonctions
où 1[-L,L](x) désigne l’indicatrice de l’intervalle [-L, L]. Pour chaque x fixé, dès que L est assez grand, on a x ∈ [-L, L], donc
De plus, pour tout L et tout x,
Or la fonction dominante e-a x² est elle-même intégrable sur ℝ dès que a > 0. On peut alors appliquer le théorème de convergence dominée :
- la suite fL(x) converge presque partout vers e-a x²,
- elle est dominée par une fonction intégrable indépendante de L,
- donc les intégrales convergent vers l’intégrale de la limite.
2. Pourquoi le résultat vaut-il √(π/a) ?
Une fois le passage à la limite admis, il reste à déterminer la valeur exacte. La méthode standard consiste à poser
puis à calculer le carré :
On passe alors en coordonnées polaires, puisque x² + y² = r² et dx dy = r dr dθ. On obtient
Comme I(a) > 0, il vient
Le théorème de convergence dominée intervient ensuite très naturellement lorsque l’on veut relier ce calcul global à des approximations finies. Dans une pratique numérique, on ne calcule jamais vraiment une intégrale sur ℝ : on travaille toujours sur une grande fenêtre [-L, L]. La convergence dominée garantit que cette approximation est légitime, et elle explique pourquoi la masse hors de la fenêtre tend vers zéro.
3. Intégrale tronquée, fonction erf et interprétation pratique
Lorsque l’on n’intègre que sur un intervalle symétrique, on obtient la formule
Ici, erf est la fonction d’erreur, omniprésente en statistique et en théorie des probabilités. Elle permet de mesurer la part de l’aire gaussienne incluse dans la fenêtre choisie. Le rapport
représente exactement la proportion de masse capturée. C’est un point très important dans les applications : si cette proportion est déjà très proche de 1, alors l’intégrale tronquée constitue une excellente approximation de l’intégrale totale.
| Fenêtre autour de la moyenne | Part de la masse normale standard | Interprétation statistique |
|---|---|---|
| ±1 écart-type | 68,27 % | Près des deux tiers des observations d’une loi normale standard sont dans cet intervalle. |
| ±2 écarts-types | 95,45 % | Seule une petite fraction reste dans les queues de distribution. |
| ±3 écarts-types | 99,73 % | C’est la règle empirique très utilisée en contrôle statistique. |
| ±4 écarts-types | 99,9937 % | La masse extérieure devient extrêmement faible. |
Ces pourcentages sont des statistiques classiques de la loi normale standard. Ils montrent à quel point la gaussienne concentre sa masse près de l’origine. Dans la pratique du calcul numérique, cela signifie qu’une plage modérément grande suffit souvent pour obtenir une précision excellente.
4. Où intervient exactement le théorème de convergence dominée ?
Le théorème de convergence dominée ne sert pas seulement à faire joli dans une démonstration. Il répond à une question essentielle : a-t-on le droit d’intervertir limite et intégrale ? En analyse, cette opération n’est jamais automatique. Le fait qu’une suite de fonctions converge point par point ne suffit pas en général.
Dans notre contexte, on considère par exemple la suite
Alors :
- fn(x) converge vers e-a x² pour tout x,
- |fn(x)| ≤ e-a x²,
- la fonction e-a x² est intégrable sur ℝ.
Le théorème s’applique donc immédiatement. Cette rigueur est capitale dès qu’on manipule des familles de fonctions dépendant d’un paramètre, par exemple pour dériver sous le signe intégral, pour échanger limite et intégrale, ou pour justifier la convergence d’approximation numériques.
5. Cas général avec paramètre a et effet de l’échelle
Le paramètre a contrôle l’étalement de la cloche gaussienne :
- si a augmente, la fonction e-a x² devient plus concentrée près de 0 ;
- si a diminue, la courbe s’aplatit et s’étale davantage.
Ce comportement se reflète exactement dans la formule √(π/a). Une courbe plus resserrée possède une aire totale plus petite ; une courbe plus étalée possède une aire plus grande.
| Valeur de a | Intégrale totale ∫ℝ e-a x² dx | Lecture intuitive |
|---|---|---|
| 0,25 | ≈ 3,5449 | Courbe très étalée, aire totale importante. |
| 0,5 | ≈ 2,5066 | Cas fréquent en probabilités et en normalisation. |
| 1 | ≈ 1,7725 | Cas canonique de l’intégrale de Gauss. |
| 2 | ≈ 1,2533 | Courbe plus concentrée autour de zéro. |
| 4 | ≈ 0,8862 | Concentration forte, queue plus rapidement négligeable. |
6. Lien avec la densité normale
La densité de la loi normale centrée de variance σ² s’écrit
On reconnaît immédiatement une gaussienne. Le facteur devant l’exponentielle est choisi de façon que l’intégrale totale soit égale à 1. C’est exactement la normalisation rendue possible par la formule de l’intégrale de Gauss. Sans ce résultat, il serait impossible de construire proprement la loi normale en tant que densité de probabilité.
C’est aussi pour cela que le calcul de cette intégrale est si central. Il ne s’agit pas d’une simple curiosité d’analyse : c’est un fondement de la statistique moderne, des intervalles de confiance, de nombreux modèles d’erreurs de mesure et d’une grande partie de l’inférence paramétrique.
7. Méthode pratique pour utiliser le calculateur
- Choisissez le paramètre a.
- Sélectionnez le mode sur tout ℝ ou sur [-L, L].
- Si vous travaillez sur un intervalle borné, entrez la valeur de L.
- Définissez la plage de tracé et le nombre de points pour la courbe.
- Cliquez sur Calculer maintenant.
Le résultat affichera la valeur exacte, la formule utilisée, la masse capturée dans la fenêtre et la différence entre l’intégrale totale et l’intégrale tronquée. Le graphique vous aidera à visualiser l’effet du paramètre a sur la concentration de la fonction et l’effet de L sur la qualité de l’approximation.
8. Erreurs fréquentes à éviter
- Prendre a ≤ 0 : dans ce cas, l’intégrale sur ℝ ne converge pas de la même manière, et la formule √(π/a) n’a plus de sens réel direct.
- Confondre l’intégrande et la densité normalisée : e-a x² n’est pas une densité tant qu’on n’a pas ajouté la constante de normalisation adaptée.
- Oublier le rôle de la domination : une convergence point par point seule ne permet pas toujours de passer à la limite sous le signe intégral.
- Utiliser une fenêtre trop petite pour une gaussienne très étalée : l’approximation peut alors perdre en précision.
9. Pourquoi cette approche reste moderne
Dans les mathématiques contemporaines, la convergence dominée reste un outil fondamental. Elle intervient dans le calcul des transformées de Fourier, dans les modèles probabilistes continus, dans les méthodes de Monte Carlo, dans les preuves d’existence et dans de nombreuses étapes d’approximation numérique. Le cas de l’intégrale de Gauss est un excellent exemple pédagogique parce qu’il combine une formule élégante, un contenu théorique profond et des applications concrètes immédiates.
10. Ressources académiques et institutionnelles recommandées
- NIST/SEMATECH e-Handbook of Statistical Methods
- MIT OpenCourseWare
- Penn State STAT 414: Probability Theory
En résumé, le calcul de l’integrale de Gauss par theoreme de convergence dominée est une manière rigoureuse et conceptuellement solide de relier l’intégration sur des domaines bornés à l’intégration sur l’axe réel tout entier. La formule finale est simple, mais sa portée est immense : elle rend possible la normalisation de la loi normale, clarifie la structure des approximations numériques, et illustre parfaitement la puissance des grands théorèmes de convergence en intégration de Lebesgue.