INTRODUCTION LANALYSE NUMRIQUE

Rsum du cours
Jean-Antoine Dsidri, INRIA
Version compile le 7 septembre 2009

Table des matires

1

Complments dAlgbre Linaire

1.1 Disques de Gershgorin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Thorme de Bendixon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

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

Diffrentiation et Intgration Numriques

3.1 Introduction . . . . . . . . . . . . . . . .
3.2 Diffrentiation Numrique . . . . . . . .
3.2.1 Drive premire . . . . . . . . .
3.2.2 Drives dordre suprieur : . . .
3.3 Intgration Numrique . . . . . . . . . .
3.3.1 Rgles dintgration lmentaires
3.3.2 Rgles dintgration composes .
3.3.3 Rgles dintgration de Gauss . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

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[)

les entiers naturels

les rels
les complexes
les fonctions de ]a, b[ dans R n fois continment drivables

Chapitre 1

Complments dAlgbre Linaire

1.1 Disques de Gershgorin
Dfinition 1.1 Disques de Gershgorin. Etant donn une matrice carre A dont les lments {ajk } (j = 1, 2, ..., n ; k =
1, 2, ..., n) sont des complexes, on associe chaque ligne j le disque fermPDj dont le centre est llment diagonal
ajj et le rayon la somme des modules des lments extra-diagonaux Rj = nk=1; k6=j |ajk |.
Thorme 1.1 Thorme de Gershgorin. Avec les notations prcdentes :
Toute valeur propre de la matrice A appartient lun au moins des disques de Gershgorin, i.e. :
Sp (A) , j tel que Dj .
De manire quivalente, ce thorme prcise que le spectre de A, not Sp (A), est globalement inclus dans la runion
des disques de Gershgorin, ce qui permet dexclure la rgion du plan complexe qui est extrieure cette runion :
Sp (A)

n
[

Dj .

j=1

Exemple 1.1 La matrice relle

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

1.2 Thorme de Bendixon

Dfinition 1.2 Matrice Adjointe. Etant donn une matrice carre A dont les lments sont complexes, la matrice
adjointe de A est note A et sobtient par transposition et conjugaison de la matrice A :
A = AT
(En dautres termes, si on pose A = {ajk } et A = {a jk } (j = 1, 2, ..., N , k = 1, 2, ..., N ), alors j , k , a jk =
a
kj .)
En particulier, si les lments de A sont rels, A = AT (matrice transpose).
Dfinition 1.3 Matrice Hermitienne. Une matrice carre H dont les lments sont complexes est dite hermitienne si elle est gale sa matrice adjointe :
H = H
En particulier, une matrice relle hermitienne S est une matrice relle-symtrique (S T = S).
Dfinition 1.4 Matrice Unitaire. Une matrice U est dite unitaire si elle est inversible et si son inverse est gal
son adjoint, ou de manire quivalente ssi :
U U = U U = I .
Ceci signifie que les vecteurs colonnes de la matrice U sont orthonorms (orthogonaux et normaliss) ; ils forment
donc une base orthonormale. En particulier, une matrice relle unitaire O est une matrice orthogonale (OT O =
O OT = I).
Thorme 1.2 Toute matrice hermitienne H est diagonalisable par une transformation unitaire et ses valeurs propres
sont relles :
H = U U (U U = U U = I , diagonale et relle)
De plus, si on dfinit pour tout vecteur non-nul z CN , le quotient de Rayleigh suivant
R(z) =
8

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

(O, D relles, OT O = O OT = I , D diagonale)

De plus, si on dfinit pour tout vecteur non-nul x RN , le quotient de Rayleigh suivant

R(x) =

xT Sx
xT x

et si on note min et max la plus petite et la plus grande valeurs propres de S, on a :

min =

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

de sorte que H1 et H2 sont des matrices hermitiennes et

A = H1 + i H2 .
Soient a, b, c, d les rels suivants :
a = min (H1 ) , b = max (H1 )
c = min (H2 ) , d = max (H2 ) .
Alors, pour toute valeur propre de la matrice A, on a :
a () b
c () d .
les matrices H1 et iH2 sont les parties symtrique et anti-symtrique de
Dans le cas dune matrice relle A = A,
A:
H1 =

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

F IG . 1.1 Illustration du thorme de Bendixon dans le cas dune matrice relle

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)!

(x y)m1 f (m) (y) dy

pour tout x [0, T ]. (Reste intgral).

Dfinition 2.1 Soient u et v des fonctions de la variable relle x dfinies dans un voisinage de x = a (a est un rel
ou lun des symboles +, ou ). De plus, v est valeurs dans R.
(1) Grand O. On dit que
u(x) = O (v(x))
quand x a, ssi le rapport u(x)/v(x) reste born dans cette limite, i.e. il existe un rel positif B et un voisinage Va
de a tels que :
x Va : ku(x)k B |v(x)| .
(2) Petit o. On dit que

u(x) = o v(x)

quand x a, ssi le rapport u(x)/v(x) tend vers 0 dans cette limite.

Thorme 2.2 (Mmes hypothses sur f .) On a
f (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

quand x 0. (Attention la sommation va jusqu m.)

11



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) (t) dt = (c)

(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!

2.2 Interpolation de Lagrange

Thorme 2.6 Soit f une fonction de la variable relle x, valeurs dans R et dfinie sur lintervalle [a, b] ; soit n un
entier et {x0 , x1 , ..., xn } n + 1 points distincts de [a, b] ; il existe un polynme et un seul Pn (x) de degr au plus gal
n tel que :
i N et i n : Pn (xi ) = f (xi )
Dfinition 2.2 Le polynme Pn (x) est appel polynme dinterpolation de Lagrange de la fonction f aux points
{x0 , x1 , ..., xn }. (Le PIL.)
Expression du PIL :
Pn (x) =

n
X

f (xi ) Li (x)

i=0

o :
Li (x) =

(x x0 )(x x1 )...(x xi1 )(x xi+1 )...(x xn )

=
(xi x0 )(xi x1 )...(xi xi1 )(xi xi+1 )...(xi xn )

j=0,...,n

Thorme 2.7 Mmes hypothses, mais on suppose de plus que f C n+1 [a, b] . Alors :

x [a, b] , c ]a, b[ t-q. : f (x) Pn (x) = (x x0 )(x x1 )...(x xn )

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.)

2.3 Forme de Newton

Dfinition 2.3 (Diffrences divises) Soient y0 , y1 , ... des symboles reprsentant des abscisses toutes distinctes du
domaine de dfinition [a, b] de la fonction f . On introduit rcursivement les dfinitions suivantes :
f [y0 ] = f (y0 )
f [y0 , y1 ] =

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

f [y0 , y1 , ..., yk+1 ] =

( y0 , y1 , y2 [a, b] distincts)

f [y1 , y2 , ..., yk+1 ] f [y0 , y1 , ..., yk ]

yk+1 y0

( y0 , y1 , ..., yk+1 [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)

= f [x0 ] + f [x0 , x1 ] (x x0 ) + f [x0 , x1 , x2 ] (x x0 )(x x1 ) + ...

+f [x0 , x1 , ..., xn ] (x x0 )(x x1 )...(x xn1 )
i1
n
Y
X
(x xj )
f [x0 , x1 , ..., xi ]
=
j=0

i=0

o par convention

Q1

j=0

(x xj ) = 1.

Thorme 2.9 Soit [a, b] une valeur particulire de x. On pose

ai = f [x0 , x1 , ..., xi ]
et on construit la suite {bi } comme suit :

b n = an
bi = ai + ( xi ) bi+1

(i = n 1, n 2, ..., 1, 0)

Alors :
b0 = Pn () .

2.4 Polynmes orthogonaux

Dans cette section, w est une fonction dfinie-continue et valeurs strictement positives sur ]a, b[. De plus, lintgrale
Z b
w(x) dx
a

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 =

u(x) v(x) w(x) dx .

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 .

2.4.1 Polynmes de Legendre

Notation : Lk (x). Ces polynmes correspondent au cas o [a, b] = [1, 1] et
w(x) = 1
de sorte quici :
< u, v >=

u(x) v(x) dx .

Ils satisfont la relation de rcurrence suivante :

Lk+1 (x) =

(2k + 1)xLk (x) kLk1 (x)

.
k+1

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

2.4.2 Polynmes de Tchebychev

Notation : Tk (x). Ces polynmes correspondent au cas o [a, b] = [1, 1] et
1
w(x) =
1 x2
de sorte quici :
< u, v >=

u(x) v(x)

dx .
1 x2

Ils satisfont la relation de rcurrence suivante :

Tk+1 (x) = 2x Tk (x) Tk1 (x) .
On a galement :
k N , R : Tk (cos ) = cos k .

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

2.5 Approximation par Moindres Carrs

Thorme 2.15 Soit f C ([a, b]). Il existe un polynme p de degr au plus gal k qui ralise un minimum global
de la quantit :
Z b
2
2
(f (x) p(x)) w(x) dx ;
E(p) = kf pk =< f p , f p >w =
a

ce polynme sexprime de la manire suivante dans la base orthogonale {i (x)} :

p (x) =

k
X

i i (x)

i=0

o :
i =

< f , i >w
Si

(o Si =< i , i >w ).
15

2.6 Meilleure Approximation

Soit f une fonction (au moins) dfinie-continue sur [a, b]. On souhaiterait identifier le choix des points dinterpolation {xi } (i n) pour lequel le PIL, Pn (x), ralise la meilleure approximation de f au sens de la norme infinie,
cest--dire le minimum de la quantit :
e(x0 , x1 , ..., xn ) = max |f (x) Pn (x)|
x[a,b]

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)

o 0 , 1 , ...n sont les zros du polynme de Tchebychev de degr n + 1, savoir :

i = cos

(2i + 1)
2(n + 1)

16

(i = 0, 1, ..., n) .

2.7 Oscillations de Gibbs

On examine lapproximation dune fonction f sur [-1,1] par une suite de PIL de degr n = 2, 4, 8 et 16. Les points
dinterpolation (au nombre de 3, 5, 9 et 17) sont :
(a) uniformment rpartis ( gauche), et
(b) les zros de Tn+1 ( droite).
Les qui reprsentent les 17 valeurs interpoles pour n = 16, servent aussi visualiser la fonction f .

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

Cas III : f (x) =

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

Agrandissement du cas III.(a) :

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

Diffrentiation et Intgration Numriques

3.1 Introduction
Ce chapitre traite de lapproximation numrique dune quantit de la forme
L(f )


o f C k [a, b] (k n + 1) (au moins) et L est un oprateur linaire. En particulier, on sintresse aux problmes
gnraux suivants :
- approximation de drives telles que f (a), f (a), etc : diffrentiation numrique ;
Rb
Rb
- approximation dintgrales dfinies telles que a f (x) dx, a f (x) w(x) dx,
R
1 2
f (x) sin (kx) dx, etc : intgration numrique.
0

La mthode gnrale consiste dabord approcher f par un polynme dinterpolation :

f (x) = Pn (x) + en (x) .

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)!

(Exceptionnellement on considrera plutt une interpolation hermitienne.) Par linarit de loprateur L on a :

L (f ) = L (Pn ) + En
o
L (Pn ) =

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).

3.2 Diffrentiation Numrique

Il convient de noter que la diffrentiation numrique est une opration instable en gnral ; la justification des for

mules qui suivent repose donc sur une hypothse de rgularit aussi, et suivant le cas, plus forte que f C n+2 [a, b] .

3.2.1 Drive premire

En appliquant la mthode gnrale au cas o :

L (f ) = f (xk )
on obtient :
f (xk ) = Pn (xk ) + En (xk )

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

3.2.2 Drives dordre suprieur :

Les formules dapproximation des drives dordre suprieur sobtiennent gnralement par manipulation directe
de dveloppements limits (formule de Taylor avec reste de Lagrange). On obtiendra par exemple, les deux formules
20

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

3.3 Intgration Numrique

3.3.1 Rgles dintgration lmentaires
Ce sont des formules dapproximation de lintgrale dfinie
Z

I(f ) =

f (x) dx

dans lesquelles on utilise un nombre fixe de valeurs de f (x).

La mthode gnrale donne :
I(f ) = I(Pn ) + En
o :
Z

I(Pn ) =

Pn (x) dx

est lapproximation numrique de lintgrale, et

En =

en (x) dx ,

est lerreur dintgration.

Notons que lintgration numrique est une opration stable : il suffit que linterpolation soit prcise pour que
lintgration le soit. En effet, on a limplication :
> 0 tel que x [a, b] , |en (x)| = |En | (b a) .
Pour diffrents choix du type et du degr de linterpolation et des points dinterpolation, on obtient diffrentes
rgles dintgration classiques :

21

Rgle du Rectangle
I(Pn ) = (b a) f (a)
En = 21 f (c)(b a)2

Rgle du Point Milieu

I(Pn ) = (b a) f ( a+b
2 )
1
En = 24
f (c)(b a)3

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

Rgle du Trapze Corrige

I(Pn ) = (b a) [f (a) + f (b)] /2
1
+ 12
(b a)2 [f (a) f (b)]
1
f (c) (b a)5
En = 720

Nota Bene : Dans le cas de la rgle du trapze corrige, on a utilis une interpolation hermitienne.

3.3.2 Rgles dintgration composes

Il sagit encore dapprocher numriquement lintgrale dfinie
I(f ) =

f (x) dx

mais ici, on subdivise dabord lintervalle [a, b] :

xi = a + ih ,

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

Rgle compose du point central :

I(f ) = h

N
X

fi 12 +

i=1

(b a)f (2 ) 2
h
24

Rgle compose du trapze :

I(f ) = h

N
1
X

fi +

i=1

(b a)f (3 ) 2
h
(f0 + fN )
h
2
12

Rgle compose de Simpson :

h
I(f ) =
6

"

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

Rgle compose et "corrige" du trapze :

I(f ) = h

N
1
X
i=1

fi +

h
h2
(b a)f (4) (5 ) 4
(f0 + fN ) +
[f (a) f (b)] +
h
2
12
720

3.3.3 Rgles dintgration de Gauss

Pour aboutir aux formules des deux sections prcdentes, on a suppos implicitement que la fonction f intgrer
tait continment drivable sur [a, b] au moins une fois et gnralement plusieurs fois. Or on sait bien que lintgrale
dfinie
Z
b

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

u, v C ([a, b]) : < u, v >w =

u(x) v(x) w(x) dx ,

on peut aussi crire

I(f ) =< g, 1 >w .
La technique de quadrature gaussienne pour approcher I(f ) consiste alors effectuer les tapes suivantes :
1. Construire la suite {0 (x), 1 (x), ..., n+1 (x)} des polynmes orthogonaux au sens du produit scalaire dfini
ci-dessus.
2. Choisir les n + 1 zros du polynme n+1 (x) (dont on sait quils appartiennent tous ]a,b[) comme points
dinterpolation :
x0 = 0 , x1 = 1 , ..., xn = n ,
et construire le polynme dinterpolation Pn (x) de g :
g(x) Pn (x) = g(x0 ) L0 (x) + g(x1 ) L1 (x) + ... + g(xn ) Ln (x)
o

Li (x) =

j/0jn, j6=i

x xj
xi xj

Alors :
I(f ) = Jw (g) Jw (Pn )

= A0 g(0 ) + A1 g(1 ) + ... + An g(n )

= a0 f (0 ) + a1 f (1 ) + ... + an f (n )
o :

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

- Du point de vue de la prcision de lapproximation, le rsultat suivant sapplique :

Thorme 3.1 Si g C 2n+2 ([a, b]), lerreur commise sur lintgrale de f peut se mettre sous la forme :
En = cn

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

En dautres termes, les choix suivants sont imposs :

a = 1 , b = 1 , w(x) = 1 .
Le cas chant, on doit donc au pralable, se ramener ce cas par changement de variable, et crire I(f ) sous la
forme :
Z 1
I(f ) =
g(t) dt
1

Alors la formule de quadrature gaussienne scrit comme suit :

I(f ) A0 g(0 ) + A1 g(1 ) + ... + Ak g(n )

o les {Ai } et les {i } sont fournis ci-dessus.

25

A titre dillustration, considrons lexemple suivant tir de Conte & De Boor :

Soit calculer une approximation de lintgrale
I=

ex dx .

Lintgrande nayant aucune singularit, on peut choisir la fonction poids

w(x) = 1
de sorte que g = f est bien une fonction rgulire. De plus, afin que a = 1 et b = 1, on se ramne lintervalle
dintgration [a, b] = [1, 1] par le changement de variable x = (t + 1)/2, de sorte que :


g(t) = (1/2) exp (t + 1)2 /4 .

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

Ai g(i ) = (0.56888889) [g(0)] + (.23692689) [g(.90617985) + g(.90617985)]

i=0

+(.47862867) [g(.53846931) + g(.53846931)]

= .74682413

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

Exemple : Equation du pendule :


J + mg sin = 0
(0) = 0 , (0) = 0

(n = 2, 2 conditions)

(Plus gnralement le problme :


()
(n1)
y(a) = ya , y (a) = ya , , y (n1) (a) = ya
ou bien

()
Y (a) = Ya

est appel problme de Cauchy)

- aux limites
Exemple :

y = (x, y, y )
y(0) = , y(1) =

(n = 2, 2 conditions)

4.1.3 Equation diffrentielle linaire homogne

:
Dfinitions :
(*) est linaire homogne lorsque est linaire par rapport y, y , , y (n1) , ou de manire quivalente,
(**) est linaire homogne lorsque (x, Y ) est linaire par rapport Y
(x, Y ) = A(x)Y
NB : Cette dfinition nexclut pas la possibilit que (ou ) dpende de x.
Lquation diffrentielle peut alors scrire sous la forme :
df

Ly = an (x)y (n) + an1 (x)y (n1) + + a0 (x)y = 0

Thorme : Lensemble des solutions est un espace vectoriel de dimension n,

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.

4.1.4 Equation diffrentielle linaire homogne coefficients constants

:
On rajoute lhypothse de linarit celle dindpendance de x. (*) peut alors scrire sous la forme
df

Ly = an y (n) + an1 y (n1) + + a0 y = 0

o les coefficients an , an1 , , a0 sont ici des constantes, et (**) devient :
Y = AY
28

A =

1
0

1
..
.

aan0 aan1
= matrice constante

..

.
0

1
aan1
n

Dans ce cas on cherche des solutions particulires de la forme :

y(x) = erx

(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

P (r) = an rn + an1 rn1 + + a0 = 0

ce qui constitue lquation caractristique.
Lorsque les solutions r1 , r2 , , rn en sont distinctes, on obtient n solutions indpendantes y1 (x), y2 (x), , yn (x)
avec yi (x) = eri x qui forment une base de lespace vectoriel de dimension n des solutions. La solution gnrale est
une combinaison linaire arbitraire de ces solutions particulires.
Dans le cas contraire, notons r1 , r2 , ..., rk (k < n) les racines distinctes et 1 , 2 , ...,k leurs multiplicits
respectives de sorte que :
1 + 2 + + k = n
On peut montrer (Exo.) que les fonctions :
er1 x , xer1 x , x2 er1 x , , x1 1 er1 x ,
er2 x , xer2 x , x2 er2 x , , x2 1 er2 x ,
..
.
erk x , xerk x , x2 erk x , , xk 1 erk x ,
sont en nombre n, sont indpendantes, et sont solutions de (*), et forment donc une base de lespace vectoriel de
dimension n des solutions. La solution gnrale est une combinaison linaire arbitraire de ces solutions particulires.
Exo. : Etablir le lien entre les solutions de lquation caractristique et les valeurs propres de la matrice A.

4.1.5 Equation diffrentielle linaire non homogne.

Si
df

Ly = an (x)y (n) + an1 (x)y (n1) + + a0 (x)y = 0

est une quation diffrentielle linaire homogne, lquation
Ly = b(x)

( )

o b est une fonction donne, est dite linaire non homogne.

Si y0 (x) est une solution particulire,
Ly0 (x) = b(x)
et si y1 (x), y2 (x), , yn (x) sont n solutions indpendantes de lquation linaire homogne associe,
Ly1 (x) = Ly2 (x) = = Lyn (x) = 0
29

alors la solution gnrale de (***) est donne par :

y(x) = y0 (x) + C1 y1 (x) + C2 y2 (x) + + Cn yn (x)
cest--dire :

solution gnrale de lquation linaire non-homogne

=
solution particulire de lquation linaire non-homogne
+
solution gnrale de lquation linaire homogne associe

4.1.6 Analogie quations diffrentielles/quations aux diffrences

Etant donne une suite {yi } (i N, yi R), on dfinit loprateur de diffrence avance par :
yi = yi+1 yi
de sorte que :
2 yi = (yi ) = yi+1 yi = yi+2 2yi+1 + yi
yi = (2 yi ) = 2 yi+1 2 yi = yi+3 3yi+2 + 3yi+1 yi
..
.
3

n yi = n1 yi = n1 yi+1 n1 yi = yi+n nyi+n1 +

n(n+1)
yi+n2
2

+ + (1)n yi

Exo. : Vrifier les formules.

On appelle quation aux diffrences dordre n toute quation de la forme :
n yi = (i, yi , yi , , n1 yi )
dans laquelle la suite {yi } est linconnue, et qui doit tre satisfaite pour tout i.
Cas particulier : Equation linaire homogne coefficients constants.
Aprs quelques manipulations, lquation scrit :
an yi+n + an1 yi+n1 + + a0 yi = 0 (an 6= 0)
dont on cherche des solutions particulires de la forme
yi = ri (r C)
Aprs substitution et simplification, la condition sur r devient :
df

P (r) = an rn + an1 rn1 + + a0 = 0

qui constitue lquation caractristique.
Si les racines r1 , r2 , , rn sont distinctes, on obtient ainsi n solutions indpendantes et la solution gnrale en
dcoule :
yi = C1 r1i + C2 r2i + + Cn rni
30

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 :

solution gnrale de lquation linaire non-homogne

=
solution particulire de lquation linaire non-homogne
+
solution gnrale de lquation linaire homogne associe

4.2 Intgration numrique

Remarque prliminaire : nous avons vu quune quation diffrentielle dordre n gnrale :

pouvait par le changement de variable



y (n) = x, y, y , , y (n1)

se ramener la forme canonique suivante :

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

Intgration numrique par dveloppement de Taylor

.
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 :

y (x) = (x, y(x))

y (x) = (x, y(x))

y (x) = (x, y(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!

de sorte que pour la solution exacte on a :

y(x0 + h) = y0 + hTk (x0 , y0 ) + E
o
E=

hk+1 (k+1)
y
()
(k + 1)!
32

On est amen considrer lalgorithme dintgration approch suivant :

ALGORITHME DE TAYLOR DORDRE k :
1. Initialisation : Choisir un pas h =

ba
N .

Poser x0 = a, xn = a + nh, xN = b de sorte que y(xn ) = y(a + nh).

2. Intgration : Calculer des approximations yn de y(xn ) en appliquant la formule de rcurrence suivante :

yn+1 = yn + hTk (xn , yn )
(n = 0, 1, 2, , N 1)
La quantit
df

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

Eglo = en+1 = y(xn+1 ) yn+1

cest--dire lcart qui existe vraiment entre la valeur exacte et la valeur calcule.
A cette fin, on considre le cas particulier trs important qui correspond k = 1. On obtient la
METHODE DEULER :
yn+1 = yn + h(xn , yn )
pour laquelle lerreur locale se rduit :
Eloc =

h2
y () = 0(h2 )
2

Nous allons estimer lerreur de troncature de cette mthode

en = y(xn ) yn
On a :
yn+1 = yn + h(xn , yn )
par dfinition de la mthode, et
y(xn+1 ) = y(xn ) + h (xn , y(xn )) +

h2
y (n )
2

o le dernier terme est lerreur locale. Par soustraction :

en+1

= en + h ( (xn , y(xn )) (xn , yn )) +

2
= en + hy (xn , yn )en + h2 y (n )

h2
2 y (n )

o yn est une valeur intermdiaire satisfaisant

M in (yn , y(xn )) < yn < M ax (yn , y(xn ))
33

(thorme des accroissements finis).

On considre le cas normal o les fonctions qui interviennent sont sans pathologie spciale et sont en particulier
continues. Elle admettent alors des bornes suprieures sur lintervalle dtude. Pour fixer les ides, on suppose que
|y (x, y)| < A

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

Courbe y = log(1 + x), son asymptote et sa tangente lorigine.

Etant donn la concavit uniformment ngative de cette courbe, on en conclut que :
x > 0 ,

log(1 + x) x et (1 + x)n enx .

Ceci nous permet dobtenir lingalit suivante :

(1 + hA)n enhA = eA(xn x0 )
34

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.

4.2.2 Mthodes de Runge-Kutta

En remplacement de lalgorithme de Taylor dordre 2 on propose la formule de rcurrence suivante :
yn+1 = yn + a k1 + b k2
o

k1 = h(xn , yn )
k2 = h(xn + h, yn + k1 )

et a, b, et sont des constantes reglables.

Un dveloppement de Taylor de k2 /h nous donne :
k2 /h

= (xn + h, yn + k1 )
= (xn , yn ) + hx + k1 y +

2 h2
2 xx

+ hk1 xy +

2 k12
2 yy

En effectuant les substitutions correspondantes, on obtient :

2
yn+1 = yn + (a
 + b)h + bh (x + y )

+bh3

2
2 xx

+ xy +
35

2 2
2 yy


+ 0(h4 )

+ 0(h3 )

Ce dveloppement est comparer celui (dj obtenu) de la solution exacte :

y(xn+1 )

= 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

ce qui donne la mthode suivante :

METHODE DE RUNGE-KUTTA DORDRE 2 :
1
yn+1 = yn + (k1 + k2 )
2
o
k1 = h (xn , yn )
k2 = h (xn + h, yn + k1 )
En examinant nouveau les dveloppements limits de yn+1 et de y(xn+1 ) on voit que lerreur locale (cest--dire
ce que vaudrait la diffrence y(xn+1 ) yn+1 si linformation provenant du pas n tait exacte, cest--dire si on avait
yn = y(xn )) est de la forme :
Eloc = 0(h3 )
Il en rsulte que
|en | = |y(xn ) yn | = 0(h2 )
(erreur globale), et la mthode est du second-ordre.
Gnralisation : En utilisant la mme technique dajustement de coefficients, on peut obtenir une famille de mthodes prcises au troisime-ordre et une famille de mthodes prcises au quatrime-ordre. La plus utilise est la
suivante :
METHODE DE RUNGE-KUTTA DORDRE 4.
1
yn+1 = yn + (k1 + 2k2 + 2k3 + k4 )
6
o
k1
k2
k3
k4

= 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

On peut donc utiliser la procdure habituelle dapproximation numrique des intgrales.

Supposons que les n premiers pas de lintgration numrique aient dj t effectus de sorte que lon dispose des
approximations
y0 (donn), y1 , y2 , , yn
de la fonction inconnue y(x) aux points
x0 = a, x1 = a + h, x2 = a + 2h, , xn = nh
(o h est le pas), mais aussi de la fonction (x) = (x, y(x)) = y (x) :
0 = (x0 , y0 ), 1 = (x1 , y1 ), 2 = (x2 , y2 ), , n = (xn , yn )
En vue de lintgration numrique de (x) sur lintervalle [xn , xn+1 ] approchons cette fonction par le polynme
dinterpolation de Lagrange Pm (x) (m N fix) aux (m + 1) points de discrtisation prcdant xn+1 cest--dire :
xn , xn1 , xn2 , , xnm (en pratique on prendra m = 3) :
Pm (x) = n + [xn , xn1 ](x xn ) + [xn , xn1 , xn2 ](x xn )(x xn1 )
+ + [xn , xn1 , , xnm ](x xn )(x xn1 ) (x xnm+1 )
Pour simplifier lcriture on posera
k = (xk ) = (xk , yk )
de sorte que
n = n

n n1
h
n 2n1 + n2
[xn , xn1 , xn2 ] =
2h2
n 3n1 + 3n2 + n3
[xn , xn1 , xn2 , xn3 ] =
6h3
..
.
[xn , xn1 ] =

On est donc conduit dfinir la mthode dintgration par lquation :

Z xn+1
Pm (x) dx
yn+1 = yn +
xn

37

On obtient donc dans le cas gnral :

yn+1

= 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 , xn1 , , xnm ]

xn+1

xn

(x xn )(x xn1 ) (x xnm+1 ) dx

On fait le changement de variable x = xn + h (0 1) afin dobtenir :

yn+1 = yn + h

{ 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 , .

Cas Particulier : METHODE MULTIPAS A 4 PAS :

Dans le cas particulier o m = 3, yn+1 dpend des valeurs de y aux 4 pas prcdents. On obtient :

n n1 1 n 2n1 + n2 5
. +
yn+1 = yn +h n +
1
2
6
 2
n 3n1 + 3n2 n3 9
+
6
4
soit
yn+1 = yn +

h
24

(55n 59n1 + 37n2 9n3 )

Erreur locale - Prcision

Si toutes les informations sur [x0 , xn ] taient exactes, on aurait :
(x) = y (x) = Pm (x) +

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

ce qui fournit lerreur locale :

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 =

( + 1)( + 2)( + 3)d

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.

4.2.4 Mthodes prdicteur-correcteur

Dans les mthodes multipas examines dans la section prcdente, le polynme dinterpolation de Lagrange de
(x) = y (x) = (x, y(x)) est bas sur linformation en amont du point calcul cest--dire sur les valeurs aux
points xn , xn1 , , xnm pour un certain m.
Pour des raisons lies la prcision mais aussi la stabilit, une notion que nous examinerons dans une section
ultrieure, il est souvent prfrable de construire un polynme dont la forme dpend aussi de valeur en xn+1 .
Par exemple si dans la formule :
Z
xn+1

(x, y(x)) dx

yn+1 = yn +

xn

on approche lintgrale par la formule du trapze on obtient :

yn+1 = yn +

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

o est un nombre petit prcisant la tolrance.

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)

o uk = yn+1 et G(uk ) = const. + h2 (xn+1 , uk1 ).

Le thorme du point fixe qui nest pas au programme de ce cours, nous rvle quune condition suffisante pour
quune telle itration converge est que la fonction G satisfasse une hypothse de contraction du type :
K < 1
Ici G (u) =

|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

4.2.5 Notion de stabilit

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))

Or la formule dintgration du point central nous donne :

R xn+1
xn1

y (x) dx

= 2hy (xn ) +
= 2hy (xn ) +
| {z }

(2h)3 (y )
(n )
24
y (n ) 3
h
3

Do :

y(xn+1 ) = y(xn1 ) + 2hn +

40

y (n ) 3
h
3

Ceci nous conduit dfinir la

METHODE DADAMS-BASHFORTH DORDRE 2 :
yn+1 = yn1 + 2hn
o n = (xn , yn ).

erreur locale Eloc = y 3(n ) h3 .

erreur globale Eglo = |e(xn )| = |y(xn ) yn | = 0(h2 ).
Intgration numrique dun exemple
A titre dexemple, on rsout numriquement le problme diffrentiel suivant :

y = 2y + 1 (x [0, +]
y(0) = 1
dont la solution exacte est connue,

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

Exemple dintgration numrique instable par la mthode dAdams-Bashforth

(trait continu : solution exacte ; points : solution numrique pour h = 0.25).
41

Analyse du phnomne et dfinition de la stabilit

Dans ce cas particulier linaire, la suite des valeurs calcules au moyen du schma numrique, {yn } satisfait
lquation rcurrente linaire non-homogne suivante
yn+1 + 4hyn yn1 = 2h
ainsi que les conditions initiales suivantes :
y0 = 1,

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 les constantes C1 et C2 telles que les conditions initiales sont satisfaites.

Soit xn = nh fix. On a :
Log r1n = n Log r1

et

r1n

= xhn Log(1 2h + 0(h2 ))

= xhn [2h + 0(h2 )] (h 0)
= 2xn + 0(h) (h 0)

= e2xn e0(h)
= e2xn [1 + 0(h)]

Les coefficient C1 et C2 tant dtermin par les conditions initiales, le terme

la solution exacte : cest le mode principal.
Par contre,
Log|r2 |n = xhn Log(1 + 2h + 0(h2 ))
= xhn [2h + 0(h2 )]
= +2xn + 0(h)
do
|r2 |n = e2xn [1 + 0(h)]
et, comme r2 < 0,

r2n = (|r2 |)n = (1)n e2xn [1 + 0(h)]

Le terme C2 r2n napproche aucun terme de la solution exacte : cest un

mode parasite.
42

1
2

+ C1 r1n approche lorsque h 0

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).

Evaluation pratique de la stabilit

On examinera lapplication de la mthode propose une EDO linaire. Pour un schma numrique linaire, la
solution satisfait une quation rcurrente linaire gnralement non homogne + 1 niveaux :
a yn+ + a1 yn+1 + + a0 yn = bn
que lon associe lquation rcurrente linaire homogne suivante :
a zn+ + a1 zn+1 + + a0 zn = 0
dont la solution gnrale est
zn = c1 (r1 )n + c2 (r2 )n + + c (r )n
o r1 , r2 , , r sont les racines complexes de lquation caractristique :
a r + a1 r1 + + ao = 0
On imposera la condition suivante de STABILITE FORTE

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

4.2.6 Un exemple danalyse de mthode

On se propose de rsoudre numriquement le problme diffrentiel suivant :
y = (x, y) = y (x IR+ )
y(0) = 1
par la mthode prdicteur/correcteur suivante :
RUNGE-KUTTA 2 LINEARISE :

Prdicteur :
Correcteur :

yn+1/2 = yn + h2 (xn , yn )


yn+1 = yn + h xn + h2 , yn+1/2

Il sagit danalyser la prcision et la stabilit de la mthode.

Analyse


h
yn+1/2 = yn h2 yn = 1
 2 yn
yn+1
= yn h yn+1/2 = 1 h 1
2
yn+1
= (1 h + h2 )yn
Prcision
On value dabord lerreur locale, cest--dire ce que vaudrait la quantit
y(xn+1 ) yn+1 si on avait y(xn ) = yn .
y(xn+1 )

h
2



yn

= y(xn + h) = y(xn ) + y (xn )h + y (xn ) h2 + y (xn ) h6 +

3
2
= y(xn ) hy(xn ) + h2 y(xn ) h6 y(xn ) +

o on a utilis lquation diffrentielle y = y pour obtenir

y = (y ) = (y) = y,

y = (y ) = (y) = y,

etc...

On voit donc que dans le cas o y(xn ) = yn on a :

y(xn+1 ) = yn+1 + O(h3 )
Lerreur locale est donc O(h3 ) ; lerreur globale O(h2 ) : la mthode est du second-ordre.
Stabilit
Lquation aux diffrences est ici seulement 2 niveaux


h2
yn = 0
yn+1 1 h +
2
Son quation caractristique associe est donc du 1er ordre :


h2
= 0
r 1 h +
2
do lunique racine :
r1 = 1 h
Ici r1 est un rel et la condition de stabilit forte
se rduit
Soit

|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