Documente Academic
Documente Profesional
Documente Cultură
Rsum du cours
Jean-Antoine Dsidri, INRIA
Version compile le 7 septembre 2009
Approximation Polynomiale
2.1 Formule(s) de Taylor . . . . . . . .
2.2 Interpolation de Lagrange . . . . . .
2.3 Forme de Newton . . . . . . . . . .
2.4 Polynmes orthogonaux . . . . . .
2.4.1 Polynmes de Legendre . .
2.4.2 Polynmes de Tchebychev .
2.5 Approximation par Moindres Carrs
2.6 Meilleure Approximation . . . . . .
2.7 Oscillations de Gibbs . . . . . . . .
7
7
8
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
11
12
12
13
14
15
15
16
17
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
19
19
20
20
20
21
21
22
23
Equations Diffrentielles
4.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Equation diffrentielle dordre n . . . . . . . . . . . . . . . . . .
4.1.2 Forme canonique . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.3 Equation diffrentielle linaire homogne . . . . . . . . . . . .
4.1.4 Equation diffrentielle linaire homogne coefficients constants
4.1.5 Equation diffrentielle linaire non homogne. . . . . . . . . . .
4.1.6 Analogie quations diffrentielles/quations aux diffrences . . .
4.2 Intgration numrique . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Intgration numrique par dveloppement de Taylor . . . . . . .
4.2.2 Mthodes de Runge-Kutta . . . . . . . . . . . . . . . . . . . . .
4.2.3 Mthodes Multipas . . . . . . . . . . . . . . . . . . . . . . . .
4.2.4 Mthodes prdicteur-correcteur . . . . . . . . . . . . . . . . . .
4.2.5 Notion de stabilit . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.6 Un exemple danalyse de mthode . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
27
27
27
27
28
28
29
30
31
32
35
37
39
40
44
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Nota Bene
Les chapitres 1, 2 et 3 qui suivent ne constituent pas un cours mais rassemblent les principaux rsultats (gnralement
sans dmonstration, ni illustration) dun premier cours sur lapproximation numrique des fonctions, de leurs drives
et de leurs intgrales, et prparent au chapitre 4 portant sur la rsolution numrique des quations diffrentielles.
Notations densembles :
N
R
C
C n (]a, b[)
Chapitre 1
n
[
Dj .
j=1
4
A= 1
2
2 1
5 3
4 7
est diagonale dominante stricte car chaque lment diagonal dpasse strictement la somme (des valeurs absolues)
des lments extra-diagonaux de la mme ligne. En construisant les disques de Gershgorin,
D1 : disque de centre 4 de rayon 2+1=3
D2 : disque de centre 5 de rayon 1+3=4
D3 : disque de centre 7 de rayon 2+4=6
on constate ici que D1 D2 D3 . Par consquent, Sp (A) D3 et en particulier = 0 nest pas une valeur
propre de A. La matrice A est donc inversible.
7
8
D3
D2
D1
-2
-4
-6
-8
-5
10
15
z Hz
z z
(o z est le vecteur ligne zT ), et si on note min et max la plus petite et la plus grande valeurs propres de H, on a :
min =
min
zCN , z6=0
R(z) ,
max =
max
zCN , z6=0
R(z) ,
le minimum (resp. maximum) tant atteint lorsque le vecteur z est prcisement un vecteur propre non-nul de H
associ la valeur propre min (resp. max ).
Thorme 1.3 (Corollaire.) Toute matrice relle-symtrique S est diagonalisable par une transformation orthogonale
et ses valeurs propres sont relles :
S = O D OT
xT Sx
xT x
min
xRN , x6=0
R(x) ,
max =
max
xRN , x6=0
R(x) ,
le minimum (resp. maximum) tant atteint lorsque le vecteur x est prcisment un vecteur propre non-nul de S associ
la valeur propre min (resp. max ).
Thorme 1.4 (Bendixson.) Soit A une matrice carre quelconque dont les lments sont complexes. On pose :
H1 =
A + A
,
2
H2 =
A A
2i
A AT df
A + AT df
= S , iH2 =
= ,
2 T
2
S = S , T = .
Le rectangle [a, b] [c, d] est alors symtrique par rapport laxe des imaginaires, comme le schmatise la figure
ci-dessous :
Rectangle contenant Sp(A)
d
Sp()
Sp(S)
c = d
10
Chapitre 2
Approximation Polynomiale
2.1 Formule(s) de Taylor
Thorme 2.1 Si f C m ([0, T ]) on a
f (x) =
m1
X
k=0
xk (k)
1
f (0) +
k!
(m 1)!
u(x) = o v(x)
m1
X
k=0
xk (k)
f (0) = O xm
k!
quand x 0.
Thorme 2.3 (Mmes hypothses sur f .) On a
f (x)
m
X
xk (k)
f (0) = o xm
k!
k=0
Thorme 2.4 (Thrm de la moyenne) Soient et C [a, b] , valeurs dans R, et 0. On a :
c [a, b] t-q.
(t) dt.
Thorme 2.5 (Mmes hypothses sur f .) On suppose de plus que f est valeurs dans R. Alors :
x [0, T ], c [0, x], t-q. f (x)
m1
X
k=0
xm (m)
xk (k)
f (0) =
f (c) .
k!
m!
n
X
f (xi ) Li (x)
i=0
o :
Li (x) =
j=0,...,n
Thorme 2.7 Mmes hypothses, mais on suppose de plus que f C n+1 [a, b] . Alors :
et j6=i
x xj
xi xj
f (n+1) (c)
(n + 1)!
(La quantit en (x) = f (x) Pn (x) est appele erreur dinterpolation de f au point x.)
f [y1 ] f [y0 ]
y1 y0
f [y0 , y1 , y2 ] =
..
.
( y0 [a, b])
( y0 , y1 [a, b] distincts)
f [y1 , y2 ] f [y0 , y1 ]
y2 y0
( y0 , y1 , y2 [a, b] distincts)
La quantit f [y0 , y1 , ..., yk ] ainsi calcule est appele k-me diffrence divise de f aux points y0 , y1 , ..., yk .
12
A partir dune suite particulire de valeurs deux deux distinctes {xi }, on peut construire ainsi une Table des Diffrences Divises
comme suit :
xi
f [.]
x0
f [x0 ]
x1
f [x1 ]
f [., .]
f [., ., .]
f [., ., ., .]
f [x0 , x1 ]
f [x0 , x1 , x2 ]
f [x1 , x2 ]
x2
f [x2 ]
x3
f [x3 ]
f [x0 , x1 , x2 , x3 ]
f [x1 , x2 , x3 ]
f [x2 , x3 ]
Thorme 2.8 Le polynme dinterpolation de Lagrange de la fonction f aux points {x0 , x1 , ..., xn }, Pn (x), peut se
mettre sous la forme suivante dite forme de Newton du PIL base sur les points {x0 , x1 , ..., xn1 } :
Pn (x)
i=0
o par convention
Q1
j=0
(x xj ) = 1.
(i = n 1, n 2, ..., 1, 0)
Alors :
b0 = Pn () .
existe.
Dfinition 2.4 (Produit Scalaire) Etant donn deux fonctions continues sur [a,b], on dfinit leur produit scalaire
comme suit :
Z
b
< u, v >w =
13
Dfinition 2.5 (Orthogonalit) Deux fonctions u et v dfinies-continues sur [a, b] sont dites orthogonales ssi :
< u, v >w = 0 .
Thorme 2.10 Il existe une suite infinie de polynmes (deux deux) orthogonaux {i (x)} tels que deg (i (x)) =
i, i. Cette suite est unique une normalisationprs.
Construction : (Processus dorthogonalisation de Gram-Schmidt) On cherche i (x) sous la forme
i (x) = Ki xi + ci,i1 i1 (x) + ci,i2 i2 (x) + ... + ci,0 0 (x)
Les constantes ci,i1 , ci,i2 , ..., ci,0 sont dtermines de manire unique par les conditions :
< i , i1 >w =< i , i2 >w = ... =< i , 0 >w = 0
et la constante (non-nulle) de normalisation Ki est arbitraire.
Thorme 2.11 La famille {0 (x), 1 (x), ..., k (x)} forment une base des polynmes de degr au plus gal k.
Thorme 2.12 Si p est un polynme de degr strictement infrieur k, alors p est orthogonal k .
Thorme 2.13 Les k zros du polynme k sont simples, rels et appartiennent lintervalle ouvert ]a, b[.
Thorme 2.14 Les polynmes orthogonaux satisfont la relation de rcurrence trois niveaux suivante :
i+1 (x) = Ai (x Bi ) i (x) Ci i1 (x)
o :
(i = 0, 1, ..., k 1)
Ai = Ki+1 /Ki
1 (x) = 0 (conventionnellement)
Bi =< x i , i >w /Si
Ci = Ai Si / (Ai1 Si1 )
Si =< i , i >w .
u(x) v(x) dx .
Lk (x)
0
1
2
3
4
1
x
(3/2) (x2 1/3)
(5/2) [x3 (3/5) x]
(35/8) [x4 (6/7) x2 + 3/35]
14
u(x) v(x)
dx .
1 x2
0
1
2
3
4
5
6
7
xk
Tk (x)
1
T0
x
T1
2x2 1
(T0 + T2 )/2
4x3 3x
(3T1 + T3 )/22
4
2
8x 8x + 1
(3T0 + 4T2 + T4 )/23
5
3
16x 20x + 5x
(10T1 + 5T3 + T5 )/24
6
4
2
32x 48x + 18x 1
(10T0 + 15T2 + 6T4 + T6 )/25
7
5
3
64x 112x + 56x 7x (35T1 + 21T3 + 7T5 + T7 )/26
k
X
i i (x)
i=0
o :
i =
< f , i >w
Si
(o Si =< i , i >w ).
15
La solution de ce problme nest pas connue en gnral. Cependant, lorsque f C n+1 ([a, b]), la forme connue de
lerreur dinterpolation en (x) = f (x) Pn (x) suggre dintroduire dans ce cas la dfinition suivante :
Dfinition 2.6 (Meilleure Approximation.) On appelle meilleure approximation de f par un polynme de degr
au plus gal n, le PIL de f , Pn (x), associ aux points dinterpolation {x0 , x1 , ..., xn } pour lesquels la quantit
suivante est minimale :
max |(x x0 )(x x1 )...(x xn )| .
x[a,b]
Thorme 2.16 La meilleure approximation de f par un polynme de degr au plus gal n est ralise par le choix
suivant des points dinterpolation :
xi =
b+a ba
+
i
2
2
(i = 0, 1, ..., n)
(2i + 1)
2(n + 1)
16
(i = 0, 1, ..., n) .
Cas I : f (x) =
1
1 + x2
2
fort.1
fort.2
fort.3
fort.4
1.8
[1,2]
[1,2]
[1,2]
[1,2]
fort.11
fort.12
fort.13
fort.14
1.8
1.6
1.6
1.4
1.4
1.2
1.2
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
[1,2]
[1,2]
[1,2]
[1,2]
0
-1
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
-1
Cas II : f (x) =
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
fort.11
fort.12
fort.13
fort.14
[1,2]
[1,2]
[1,2]
[1,2]
1
1 + 5 x2
2
fort.1
fort.2
fort.3
fort.4
1.8
[1,2]
[1,2]
[1,2]
[1,2]
1.8
1.6
1.6
1.4
1.4
1.2
1.2
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0
-1
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
-1
17
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
1
1 + 20 x2
2
fort.1
fort.2
fort.3
fort.4
1.8
[1,2]
[1,2]
[1,2]
[1,2]
fort.11
fort.12
fort.13
fort.14
1.8
1.6
1.6
1.4
1.4
1.2
1.2
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
[1,2]
[1,2]
[1,2]
[1,2]
0
-1
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
-1
-0.8
-0.6
-0.4
-0.2
0.2
0.4
fort.1
fort.2
fort.3
fort.4
[1,2]
[1,2]
[1,2]
[1,2]
0.6
0.8
-2
-4
-6
-8
-10
-1
-0.8
-0.6
-0.4
-0.2
18
0.2
0.4
0.6
0.8
Chapitre 3
On considrera presque toujours une interpolation de Lagrange aux points {x0 , x1 , ... , xn } :
Pn (x) =
n
X
f (xi ) Li (x)
i=0
Li (x) =
j=0,1,...,n; j6=i
en (x) =
n
Y
i=0
(x xi )
x xj
xi xj
f n+1 ()
(n + 1)!
n
X
i=0
19
ai f (xi )
est lapproximation de L(f ) dans laquelle interviennent les coefficients ou poids suivants :
ai = L(Li )
et
En = L(en )
est lerreur commise. Cette erreur sanalysera cas par cas en faisant une hypothse de rgularit plus ou moins forte
sur f .
Dun point de vue algorithmique, on note que dans lapproximation L (Pn ), les poids ai ne dpendent pas de f ,
mais seulement du type et du degr de linterpolation et de la localisation des points dinterpolation : en ce sens, on dit
que la formule est une rgle (de diffrentiation, dintgration, etc).
En (xk ) = en (xk ) =
i / 0in, i6=k
(xk xi )
f n+1 (k )
(n + 1)!
Ltudiant est invit identifier les valeurs de n, k et {xi } pour lesquelles la formule ci-dessus fournit les rsultats
suivants :
f (a + h) f (a) h
f (c1 )
f (a) =
h
2
=
3f (a) + 4f (a + h) f (a + 2h) h2
+ f (c2 )
2h
3
f (a + h) f (a h) h2
f (c3 )
2h
6
suivantes :
f (a) =
=
f (a h) 2f (a) + f (a + h) h2 (4)
f (c4 )
h2
12
f (a + 2h) 2f (a + h) + f (a)
f (c5 )h
h2
I(f ) =
f (x) dx
I(Pn ) =
Pn (x) dx
En =
en (x) dx ,
21
Rgle du Rectangle
I(Pn ) = (b a) f (a)
En = 21 f (c)(b a)2
Rgle du Trapze
I(Pn ) = (b a) [f (a) + f (b)] /2
1
En = 12
f (c)(b a)3
o
o
Rgle de Simpson
1
I(P
n ) = 6 (b a)
f (a) + 4 f ( a+b
2 ) + f (b)
5
1
En = 90 f (c) ba
2
Nota Bene : Dans le cas de la rgle du trapze corrige, on a utilis une interpolation hermitienne.
f (x) dx
h=
ba
,
N
22
i = 0, 1, ..., N ,
et on note :
1
fi 12 = f a + (i )h .
2
fi = f (xi ) ,
On applique alors une rgle dintgration lmentaire chaque sous-intervalle [xi1 , xi ] et on somme les quations
obtenues pour obtenir la rgle dintgration compose (dans laquelle le terme derreur est simplifi au moyen du thorme de la moyenne).
Rgle compose du rectangle :
I(f ) = h
N
X
(b a)f (1 )
h
2
fi1 +
i=1
N
X
fi 12 +
i=1
(b a)f (2 ) 2
h
24
N
1
X
fi +
i=1
(b a)f (3 ) 2
h
(f0 + fN )
h
2
12
"
f0 + 2
N
1
X
fi + fN + 4
N
X
i=1
i=1
fi 12
(b a)f (4) (4 )
180
4
h
2
N
1
X
i=1
fi +
h
h2
(b a)f (4) (5 ) 4
(f0 + fN ) +
[f (a) f (b)] +
h
2
12
720
I(f ) =
f (x) dx
existe sous des hypothses bien moins fortes. Par exemple, il est suffisant que :
f C 0 (]a, b[) , et
+
, < 1 , et
dans un voisinage de x = a : f (x) = O
(x a)
, < 1.
dans un voisinage de x = b : f (x) = O
(b x)
Plaons-nous donc dans le cadre o ces hypothses sont vrifies et choisissons une fonction poids w(x) de la
forme :
(x)
w(x) =
(x a) (b x)
23
o la fonction (x) est continue sur [a, b], valeurs strictement positives et suffisamment simple pour que les intgrales
dfinies
Z
b
xi w(x) dx
(i N) dont les hypothses garantissent lexistence, aient des valeurs connues. Supposons enfin que la fonction
quotient
f (x)
g(x) =
w(x)
(dont on sait quelle est borne) soit une fonction rgulire cest--dire au moins continue sur lintervalle ferm [a, b]
et de prfrence de classe C ([a, b]).
Ainsi I(f ) apparat comme lintgrale pondre suivante :
I(f ) = Jw (g) =
g(x) w(x) dx .
En introduisant sur les fonctions continues sur [a, b] le produit scalaire suivant :
0
Li (x) =
j/0jn, j6=i
x xj
xi xj
Alors :
I(f ) = Jw (g) Jw (Pn )
Ai = Jw (Li ) =
Li (x) w(x) dx ; ai =
Ai
w(xi )
Consquences :
- Dun point de vue algorithmique, si a, b, w(x) ont des valeurs "standard", les polynmes {i (x)} et {Li (x)} sont
connus lavance indpendamment de f . De mme pour les coefficients Ai (ou ai ) de la formule finale que lon
trouve dans une table douvrage spcialis. Seules les valeurs de g (ou de f ) sont calculer (= notion de rgle).
24
o cn =
g 2n+2 ()
(2n + 2)!
[n+1 (x)/Kn+1 ]2 w(x) dx, Kn+1 est le coefficient du terme en xn+1 de n+1 (x) et ]a, b[.
En particulier, la formule est exacte lorsque g est un polynme quelconque de degr au plus gal 2n + 1.
Zros des polynmes de Legendre, i , et poids de Gauss, Ai ,
associs la formule de quadrature en ces points
Le tableau suivant est tir de Conte & de Boor. Il donne les zros {i } des premiers polynmes de Legendre et les
poids {Ai } qui interviennent dans la formule de quadrature de Gauss associe ces points :
Points et Poids de Gauss pour n = 1, 2, 3, 4.
{i } (i = 0, 1, ..., n)
{Ai } (i = 0, 1, ..., n)
1
2
1 = 0 = 0.57735027
1 = 0
2 = 0 = .77459667
2 = 1 = .33998104
3 = 0 = .86113631
2 = 0
4 = 0 = .90617985
3 = 1 = .53846931
A1 = A0 = 1.
A1 = .88888889
A2 = A0 = .55555556
A2 = A1 = .65214515
A3 = A0 = .34785485
A2 = .56888889
A4 = A0 = .23692689
A3 = A1 = .47862867
3
4
(Des donnes plus compltes sont fournies par les ouvrages donnant des tables numriques.)
Ces donnes sont utilisables lorsque la famille de polynmes orthogonaux est bien celle des polynmes de Legendre. Ceci exige que le produit scalaire soit dfini comme suit :
Z 1
< u, v >w =
u(x) v(x) dx .
1
25
ex dx .
Dans le cas de n = 4, on prend comme points dintgration les 5 zros du polynme de Legendre de degr 5,
L5 (x) ; ceux-ci sont fournis par le tableau prcdent, et la formule de quadrature gaussienne scrit :
I
4
X
i=0
Daprs Conte et De Boor, les 8 chiffres aprs la virgule de cette approximation sont exacts, et pour atteindre une
prcision comparable il aurait fallu subdiviser lintervalle en 20 dans le cas dune application de la rgle de Simpson,
et en 2800 dans le cas dune application de la rgle du trapze, alors quici, seulement 5 valuations de la fonction ont
suffi. (Ltudiant est invit vrifier ce rsultat partir des expressions connues des termes derreur.)
26
Chapitre 4
Equations Diffrentielles
4.1 Rappels
4.1.1 Equation diffrentielle dordre n
(n N )
On dit que la fonction y = f (x) est une solution de lquation diffrentielle dordre n
y (n) = x, y, y , , y (n1)
()
dans laquelle est une fonction rgulire de ses arguments, sur lintervalle [a, b], ssi :
f C n (]a, b[), et
x ]a, b[, (*) est vrifie lorsquon substitue f (x) y, f (x) y , ..., f (n) (x) y (n) .
4.1.2
Forme canonique
En posant
Y =
y
y
..
.
y (n1)
Rn
on ramne (*) une quation diffrentielle dordre 1 dans laquelle linconnue est une application de R dans Rn
Y : R Rn
Y = (x, Y )
()
o
(x, Y ) =
y
y
..
.
y (n1)
(x, y, y , , y (n1) )
Remarque : Pour dfinir compltement un problme diffrentiel, il convient dadjoindre lquation diffrentielle
un systme compatible et complet de conditions qui peuvent tre :
- initiales
27
(n = 2, 2 conditions)
()
Y (a) = Ya
y = (x, y, y )
y(0) = , y(1) =
(n = 2, 2 conditions)
Si y1 (x), y2 (x), , yn (x) sont n solutions indpendantes de lquation diffrentielle (*) suppose linaire, alors la
solution gnrale de cette quation est de la forme :
y(x) = C1 y1 (x) + C2 y2 (x) + + Cn yn (x)
o C1 , C2 , , Cn sont des constantes arbitraires.
A =
1
0
1
..
.
aan0 aan1
= matrice constante
..
.
0
1
aan1
n
(r C)
Par simple substitution dans lquation diffrentielle on obtient la condition sur r pour que y(x) soit une solution.
Cette condition scrit aprs simplification
df
( )
n(n+1)
yi+n2
2
+ + (1)n yi
Exo. : Par analogie avec les quations diffrentielles linaires homognes, trouver n solutions indpendantes dans
le cas o les racines ne sont pas distinctes, et donner la forme de la solution gnrale.
Equation non homogne :
Une telle quation scrit :
an yn+n + an1 yi+n1 + + a0 yi = bi (an 6= 0)
dans laquelle la suite {bi } (i IN, bi IR) est donne.
Alors si yi est une solution particulire,
an yi+n + an1 yi+n1 + + a0 yi = bi
la solution gnrale est de la forme :
yi = yi + zi
o zi est la solution gnrale de lquation linaire homogne associe gnralement de la forme :
zi = C1 r1i + C2 r2i + + Cn rni
A nouveau :
y (n) = x, y, y , , y (n1)
Y =
y
y
..
.
y (n1)
Y = (x, Y )
(pour une dfinition approprie de (x, Y )), cest--dire une quation diffrentielle du 1er ordre o cette fois-ci
linconnue est une application Y (x) de R dans Rn .
On rappelle que lon distingue alors deux types de problme :
(a) Problmes de Cauchy : le vecteur Y est spcifi initialement, disons en x = x0 ; pour ces problmes il est suffisamment gnral de traiter le cas n = 1.
(b) Problmes aux limites : k (k < n) composantes du vecteur Y sont spcifis en x = a, et n k en x = b ; ces
problmes peuvent sapprocher par exemple par des mthodes de diffrences finies ou des mthodes de tir.
31
Dans ce cours, on se limite l ETUDE DES PROBLEMES DE CAUCHY. Les mthodes numriques que lon
prsente sappliquent aussi bien au cas o linconnue est un vecteur quau cas scalaire. Pour ces raisons, il est suffisamment gnral de traiter le cas o lquation est du 1er ordre :
y = (x, y)
y(a) = y0
intgrer sur [a, b]. La solution exacte de ce problme de Cauchy sera note y(x).
4.2.1
.
On suppose que la fonction (x, y) est suffisamment diffrentiable par rapport ses variables x et y et que la
solution exacte du problme, y(x), est de classe C (k+1) ([a, b]). Un dveloppement limit lordre k de la solution
y(x) autour dun point quelconque x0 [a, b] scrit :
y(x)
o ]x0 , x[.
Or
y (x)
y (x)
0)
= y0 + (x x0 )y (x0 ) + (xx
y (x0 ) +
2!
k
k+1
(x x0 ) (k)
(x x0 )
+
y (x0 ) +
y (k+1) ()
k!
(k + 1)!
= (x, y(x))
= x (x, y(x)) + y (x, y(x)) y (x)
= (x + y ) (x, y(x))
df
y (x)
etc ...
= (x, y(x))
= (xx + xy y ) + (yx + yy y ) + y (x + y y )
= xx + 2xy + yy 2 + x y + 2y
df
= (x, y(x))
On obtient donc les drives successives de y en fonction de x et de y(x) en prenant les drives totales de
(x, y(x)) par rapport x :
..
etc ...
On cherche faire avancer la solution pas pas. Le pas, ou incrment spatial, est not h = x. On est conduit
introduire loprateur suivant :
Tk (x, y)
df
h
(x, y) + h3! (x, y)
= (x, y) + 2!
k1
h
(k1) (x, y)
++
k!
hk+1 (k+1)
y
()
(k + 1)!
32
ba
N .
Eloc =
hk+1 (k+1)
y
()
(k + 1)!
est appel erreur locale. En gnral, Eloc 6= E, car en principe on a accumul des erreurs aux pas prcdents et
yn 6= y(xn ). Eloc est au contraire lerreur hypothtique qui serait commise sur yn+1 si linformation provenant du pas
n, cest--dire yn , tait exacte. Nous allons voir comment cette erreur locale saccumule en une erreur globale (ou
erreur de troncature, ou erreur de discrtisation)
df
h2
y () = 0(h2 )
2
h2
y (n )
2
h2
2 y (n )
et |y (x)| < B
Alors :
|en + 1| |en | + hA|en | + B
et
|en+1 | (1 + hA)|en | +
Ceci donne :
|e1 |
|e2 |
|e3 |
On aboutit :
h2
2
Bh2
2
car e0 = y(a) y0 = 0
Bh
2
2
(1 + hA)|e1 | + Bh
2 2
2
Bh
(1 + hA) Bh
2 + 22
Bh
[1 + (1 + hA)] 2
2
(1 + hA)|e2 | + Bh
2
2
2
(1 + hA)[1 + (1 + hA)] Bh
+ Bh
2
2
2
1 + (1 + hA) + (1 + hA)2 Bh
2
etc...
2
|en | 1 + (1 + hA) + + (1 + hA)n1 Bh
2
(1 + hA)n 1 Bh2
|en |
(1 + hA) 1
2
|
{z
}
hA
B
[(1 + hA)n 1] h
|en |
2A
NOTER QUE la sommation a fait apparatre un h au dnominateur, ce qui a pour effet de diminuer dune unit lexposant de h.
Remarque : La tangente lorigine de la courbe dquation y = log(1 + x) est la droite y = x :
y
1
-1
2
x
-1
Finalement :
|en |
B
A(xn x0 )
2A [e
1] h
Le terme [eA(xn x0 ) 1] est born lorsquon raffine la discrtisation (h 0), et cette majoration nous permet de
conclure :
CONCLUSION : Lerreur locale est en O(h2 ) ; son accumulation produit une erreur globale en 0(h). On dit que la
mthode dEuler est du 1er ordre.
Remarques :
La borne que nous venons dtablir ne constitue pas ncessairement une estimation prcise de lerreur, ce nest
quune borne.
Dune manire gnrale nous dirons quune mthode est prcise lordre k si lerreur locale Eloc est de la forme :
Eloc = const. hk+1 y (k+1) ()
et nous admettrons que ceci implique que lerreur globale ou erreur de troncature
Eglo = en = y(xn ) yn = O(hk )
ce qui est vrai de lalgorithme de Taylor dordre k, outil thorique auquel on compare les autres mthodes pour mesurer
leur prcision.
On voit que la mthode dEuler qui est du 1er ordre, converge lentement puisquil faut grosso modo doubler le
nombre de pas de discrtisation pour diviser lerreur par 2. On est tent dutiliser une mthode dordre plus lev et notamment lalgorithme de Taylor dordre k, pour lequel lerreur globale qui est en O(hk ) est asymptotiquement divise
par 2k par doublement du nombre dintervalles de discrtisation. Cependant, cet algorithme est souvent trs compliqu
mettre en oeuvre cause de la ncessit dvaluer formellement les drives successives , , , . Pour cette
raison, bien quil garde un intrt thorique essentiel car il nous a permis de dfinir la notion dordre de prcision, on
lui prfre en pratique des mthodes de Runge-Kutta, ou des mthodes multipas.
k1 = h(xn , yn )
k2 = h(xn + h, yn + k1 )
= (xn + h, yn + k1 )
= (xn , yn ) + hx + k1 y +
2 h2
2 xx
+ hk1 xy +
2 k12
2 yy
+bh3
2
2 xx
+ xy +
35
2 2
2 yy
+ 0(h4 )
+ 0(h3 )
= y(xn ) + h(xn , yn ) + h2 (x + y )
h3
2
2
4
6 (xx + 2xy + yy + x y + y ) + 0(h )
On voit que lon est amen choisir les constantes de telle sorte que
a+b=1
b = b = 12
ce qui permet didentifier les trois premiers termes. On constate quaucun rglage des coefficients ne permet didentifier le terme suivant.
On a donc plusieurs solutions. On choisit gnralement :
a=b=
1
2
==1
= h (xn , yn )
= h xn + h2 , yn + 21 k1
= h xn + h2 , yn + 21 k2
= h (xn + h, yn + k3 )
Lerreur locale est ici en O(h5 ) et lerreur globale 0(h4 ) ; il en rsulte que la mthode est du 4me ordre. Cette
prcision accrue est au prix de quatre valuations de la fonction par pas.
36
4.2.3
Mthodes Multipas
On a vu dans la mthode de Runge-Kutta quune prcision globale du 4me ordre (erreur locale = 0(h5 )) pouvait
df
tre atteinte par une formule combinant judicieusement quatre approximations de la fonction (x) = (x, y(x)).
Ces approximations obtenues lors dtapes intermdiaires du passage de (xn , yn ) (xn+1 , yn+1 ) sont inutilises par
la suite, ce qui est une source dinefficacit.
Dans une mthode multipas au contraire, on cherche construire une formule utilisant (en mme nombre) les
valeurs de dj calcules aux pas prcdents.
Pour cela on remarque quen intgrant lquation diffrentielle :
y = (x, y(x)) = (x)
de xn xn+1 on obtient :
yn+1 yn =
xn+1
(x, y(x)) dx
| {z }
xn
ce qui quivaut :
yn+1 = yn +
(x)
xn+1
(x) dx
xn
n n1
h
n 2n1 + n2
[xn , xn1 , xn2 ] =
2h2
n 3n1 + 3n2 + n3
[xn , xn1 , xn2 , xn3 ] =
6h3
..
.
[xn , xn1 ] =
37
= yn
+ n .h
xn+1
(x xn ) dx
Z xn+1
(x xn )(x xn1 ) dx
+ [xn , xn1 , xn2 ]
+ [xn , xn+1 ]
xn
xn
xn+1
xn
{ n
+ h [xn , xn1 ]
d
Z
+ h2 [xn , xn1 , xn2 ]
0
( + 1) d
Z 1
+ h3 [xn , xn1 , xn2 , xn3 ]
( + 1)( + 2) d
0
Z 1
( + 1) ( + m 1) d
+ + hm [xn , xn1 , , xnm ]
0
On a
R1
0
d = 12 ,
R1
0
R1
( + 1)d = 65 ,
( + 1)( + 2) d = 94 , .
h
24
y (5) ()
(x xn )(x xn1 ) (x xn3 )
4!
do par intgration
y(xn+1 ) = yn +
|
Z xn+1 (5)
y ()
Pm (x) dx +
(x xn ) (x xn3 ) dx
4!
xn
{z
} |
{z
}
xn+1
xn
yn+1
Eloc =
xn+1
xn
Eloc
y (5) ()
(x xn ) (x xn3 ) dx
4!
38
Or sur [xn , xn+1 ] tous les facteurs (x xn ), , (x xn3 ) sont positifs de sorte que la formule de la moyenne
sapplique :
Eloc
y (5) ()
=
4!
xn+1
xn
h5 y (5) ()
(x xn ) (xn3 ) dx =
4!
Finalement :
Eloc =
251 5 (5)
h y () = 0(h5 )
720
Lerreur globale est donc en 0(h4 ). La mthode est prcise au 4me ordre.
Son inconvnient majeur rside dans le fait quelle ne peut sappliquer qu partir du 4me pas, les 3 premires
approximations devant tre obtenues par une autre mthode. Lautre inconvnient rside dans la ncessit de stocker
plusieurs valeurs de ce qui peut tre prohibitif dans le cas vectoriel (y Rp , ou Rp , p 1). Son avantage
principal est que lon value quune seule fois la fonction par pas.
(x, y(x)) dx
yn+1 = yn +
xn
h
[(xn , yn ) + (xn+1 , yn+1 )]
2
Ce qui constitue une quation implicite cest--dire dans laquelle linconnue yn+1 apparat gauche mais aussi
droite, et gnralement nonlinairement, et quil faut donc rsoudre par rapport cette inconnue, directement ou
(0)
(1)
(k)
itrativement. Dans ce dernier cas, au pas n, on cherche construire une suite yn+1 , yn+1 , , yn+1 , , qui converge
vers la solution yn+1 de lquation prcdente.
(0)
On peut appliquer la mthode dEuler pour dfinir le premier lment de la suite yn+1 . Cest le
Prdicteur :
(0)
yn+1 = yn + h(xn , yn )
Aux itrations suivantes, on dfinite le
Correcteur : (k 1) :
(k)
yn+1 = yn +
i
hh
(k1)
(xn , yn ) + (xn+1 , yn+1
2
Litration au correcteur est prolonge jusqu satisfaction dun critre de convergence qui peut tre de la forme :
(k)
(k1)
y
n+1 yn+1
arrt si :
<
(k)
y
n+1
39
Erreur locale A convergence lerreur locale est celle de la formule dintgration du trapze cest--dire de la forme :
= 0(h3 ). Par accumulation, lerreur globale est donc en O(h2 ) : il en rsulte que la mthode est donc du second-ordre.
3
h12 y ()
Convergence du correcteur
Litration intervenant au correcteur est de la forme :
uk = G(uk1 )
(k)
|G (u)| K < 1
tel que u,
h f
2 y (xn+1 , u). Il en rsulte le thorme suivant :
Si (x, y) et
y sont continues en x et y sur lintervalle
Thorme :
ferm [a, b], litration intervenant au correcteur
converge pourvu que h soit suffisamment petit pour que limplication suivante soit vraie :
h
(0)
|y yn+1 | |yn+1 yn+1 | = (xn+1 , y) < 1
y
2
Afin deffectuer une analyse simple et complte dans un cas particulier, on commence par dfinir une mthode
dAdams-Bashforth du second-ordre plus simple.
Une mthode dAdams-Bashforth du second-ordre
Z
y(xn+1 ) = y(xn1 ) +
xn+1
y (x) dx
| {z }
xn1
(x,y(x))
y (x) dx
= 2hy (xn ) +
= 2hy (xn ) +
| {z }
(2h)3 (y )
(n )
24
y (n ) 3
h
3
Do :
y (n ) 3
h
3
e2x + 1
2
par la mthode dAdams-Bashforth de la section prcdente :
y(x) =
yn+1
= yn1 + 2hn
= yn1 + 2h(2yn + 1)
que lon applique pour n = 1, 2, aprs avoir spcifi non seulement y0 = 1 mais aussi y1 = y(h).
On constate que la solution numrique initialement proche de la solution exacte, oscille autour de celle-ci et sen
loigne de plus en plus quand x croit :
cest le phnomne dinstabilit
1.4
1.2
0.8
y
0.6
0.4
0.2
0.5
1.5
2.5
y1 = y(h)
Or, on connat une solution particulire de lquation non-homogne : yn = 1/2. On est donc amen poser :
yn =
1
+ zn
2
de sorte que la suite {zn } ainsi dfinie est solution de lquation linaire homogne associe :
zn+1 + 4hzn zn1 = 0
avec les conditions initiales suivantes :
z0 =
1
,
2
z1 = y(h)
1
2
On sait que
zn = C1 r1n + C2 r2n
o r1 , r2 sont les racines de lquation caractristique :
r2 + 4hr 1 = 0
cest--dire :
r1 = 2h + 1 + 4h2 = 1 2h + 0(h2 )
r2 = 2h 1 + 4h2 = (1 + 2h) + 0(h2 )
et
r1n
= e2xn e0(h)
= e2xn [1 + 0(h)]
1
2
Dans ce cas particulier qui illustre le phnomne dinstabilit, on constate que pour h fix, le mode parasite croit
avec x pour devenir prpondrant par rapport au mode principal.
Exo. : Comment explique-t-on que la solution numrique oscille autour de la solution exacte ?
On remarque quau dpart on avait une quation diffrentielle du 1er ordre dont la solution gnrale tait constitue dun seul mode (une seule exponentielle). Afin dobtenir une mthode prcise au second-ordre, on a introduit une
formule trois niveaux (n+ 1, n et n 1) reprsente par une quation aux diffrences du 2nd ordre ; on a donc accru
artificiellement lordre, en approchant une quation diffrentielle du 1er ordre par une quation aux diffrences du 2nd
ordre ; la solution gnrale de cette dernire est la superposition dun mode principal approchant la solution exacte
et dun mode parasite qui dans le cas particulier examin est instable. Ceci conduit poser la dfinition suivante :
Dfinition (Stabilit)
On dit quune mthode numrique applique une EDO linaire est stable pour un certain pas h fix, si le ou les
modes parasites prsents dans la solution numrique et superposs aux modes principaux sont attnus par lintgration (lorsque x ou n croit), et instable dans le cas contraire.
En gnral, les mthodes usuelles sont conditionnellement stable, cest--dire stables lorsque le pas h est suffisamment petit. Mais il existe aussi des mthodes inconditionnellement stables (enfin dautres, inutilisables, inconditionnellement instables).
i,
|ri | < 1
En gnral, cette condition quivaut une restriction sur le pas davancement h du type
h < hmax
La mthode est alors conditionnellement stable. Cependant, pour certaines quations diffrentielles, il peut exister des
mthodes dintgration pour lesquelles la condition de stabilit (SF ) est satisfaite h ; on dit alors que la mthode est
inconditionnellement stable. (De telles mthodes sont gnralement implicites.)
43
yn+1/2 = yn + h2 (xn , yn )
yn+1 = yn + h xn + h2 , yn+1/2
h
2
yn
y = (y ) = (y) = y,
etc...
|r1 | < 1
1 < r1 < 1
1 < 1 h
ce qui quivaut
h
1
2
h
<1
1
2
0<h<2
44
Bibliographie
Quelques rfrences
Mathmatiques de lingnieur : de trs nombreux ouvrages dont :
J. Bass, Mathmatiques, Tome I, II, III,...Masson.
Interpolation, approximation, intgration, quations diffrentielles : tout ouvrage introductif danalyse numrique. En particulier :
S. D. Conte et Carl de Boor, "Elementary Numerical Analysis - An algorithmic Approach", McGraw-Hill.
P. Henrici, "Discrete Variable Methods in ODEs", John Wiley.
M. Crouzeix, A. L. Mignot, "Analyse numrique des quations diffrentielles", Masson.
Analyse matricielle, optimisation :
P. G. Ciarlet, Introduction lanalyse matricielle et loptimisation, Masson.
P. Lascaux, R. Thodor, Analyse Numrique matricielle applique lart de lingnieur, Masson.
Ainsi que de trs nombreux autres ouvrages que lon trouve aux rubriques : Analyse Numrique, Approximation,
Calcul Matriciel, Equations diffrentielles, Mthodes Directes/Itratives, Optimisation, Programmation Dynamique,
Contrle Optimal, etc.
45