EDO Beta4 PDF

a
Introduction à la résolution des E.D.O.
Support de cours
Ingénieurs Sup'Galilée
Energétique - 1ère année
a. Version beta 0.3 du 11 Mars 2011
par Cuvelier François
Université Paris Nord - Institut Galilée - LAGA

Av. J.-B. Clément 93430 Villetaneuse
email : cuvelier@math.univ-paris13.fr
Table des matières
1 Introduction 3
1.1 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Météorologie . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Biologie . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Chimie : La réaction de Belousov-Zhabotinsky . . . . . 5
1.1.4 Mécanique . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Dénition des E.D.O. . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Formulation générale : le problème de Cauchy . . . . . . . . . 10
1.4 Dérivation numérique . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Méthode des diérences nies pour le problème de Cauchy en
dimension d 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.6 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
dimension d . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 Méthode à un pas ou à pas séparés 19

2.1 Schéma général . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4 Consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Méthode de Runge-Kutta 20
3.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2 Formules explicites de Runge-Kutta d'ordre 2 . . . . . . . . . 21
3.3 Méthodes de Runge-Kutta d'ordre 4 . . . . . . . . . . . . . . 22
4 Méthodes à pas multiples 23

4.1 Exemple : schéma de point milieu . . . . . . . . . . . . . . . . 23
4.2 Le principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.3 Méthodes d'Adams-Bashforth . . . . . . . . . . . . . . . . . . 24
4.4 Méthodes d'Adams-Moulton . . . . . . . . . . . . . . . . . . . 25
4.5 Schéma prédicteur-correcteur . . . . . . . . . . . . . . . . . . 25
4.5.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.5.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.5.3 Comparaison avec Runge-Kutta . . . . . . . . . . . . . 26
5 Exercices corrigés 26
1 INTRODUCTION
1 Introduction
1.1 Exemples
1.1.1 Météorologie
Modèle de Lorentz :
Source Wikipedia Mathématiquement, le couplage de l'atmosphère avec
l'océan est décrit par le système d'équations aux dérivées partielles cou-
plées de Navier-Stokes de la mécanique des uides. Ce système d'équa-
tions était beaucoup trop compliqué à résoudre numériquement pour
les premiers ordinateurs existant au temps de Lorenz. Celui-ci eut donc
l'idée de chercher un modèle très simplié de ces équations pour étu-
dier une situation physique particulière : le phénomène de convection
de Rayleigh-Bénard. Il aboutit alors à un système dynamique diéren-
tiel possédant seulement trois degrés de liberté, beaucoup plus simple
à intégrer numériquement que les équations de départ.
$ 1
& x ptq σxptq σyptq
y 1 ptq xptqyptq ρxptq yptq (1.1)
% z 1 ptq xptqyptq βzptq
avec σ 10, ρ 28, β 8{3 et les données initales xp0q 8,
y p0q 8 et z p0q ρ 1.
Dans ces équations, σ ,ρ - respectivement le nombre de Prandtl et le
rapport du nombre de Rayleigh sur un Rayleigh critique - et β sont
trois paramètres réels.
xptq est proportionnel à l'intensité du mouvement de convection, y ptq
est proportionnel à la diérence de température entre les courants as-
cendants et descendants, et z ptq est proportionnel à l'écart du prol
de température vertical par rapport à un prol linéaire (Lorenz 1963
p.135).
La résolution numérique de ce modèle donne
3
1.1 Exemples 1 INTRODUCTION
Modele de Lorentz
20
x(t)
0
−20
0 10 20 30 40 50 60 70 80 90 100
t
50
y(t)
−50
0 10 20 30 40 50 60 70 80 90 100
t
40
z(t)
20
0
0 10 20 30 40 50 60 70 80 90 100
t
Modele de Lorentz
50
45
40
35
30
z(t)
25
20
15
50
10
5 0
0
−50
−20 −15 −10 −5 0 5 10 15 20 y(t)
x(t)
1.1.2 Biologie
Considérons une population y d'animaux dans un milieu ambient où au
plus B animaux peuvent coexister. On suppose que initialement la popula-
tion soit y0 B et que le facteur de croissance des animaux soit égal à
une constante C. Dans ce cas, l'évolution de la population au cours du temps
sera proportionnelle au nombre d'animaux existants, sans toutefois que ce
nombre ne dépasse la limite B. Cela peut s'exprimer à travers l'équation

1 y ptq
y ptq Cy ptq 1 , t ¡ 0, y p0q y0. (1.2)
B
La résolution de cette équation permet de trouver l'évolution de la population
au cours du temps.
4
On considère maintenant deux populations, y1 et y2 , où y1 sont les proies

et y2 sont les prédateurs. L'évolution des deux populations est alors décrite
par le système d'équations diérentielles
" 1
y1 ptq C1y1ptqr1 b1y1ptq d2y2ptqs, (1.3)
y 1 ptq
2 C2y2ptqr1 d1y1ptqs,
où C1 et C2 sont les facteurs de croissance des deux populations, d1 et d2
tiennent compte de l'interaction entre les deux populations, tandis que b1
est lié à la quantité de nourriture disponible pour la population des proies
y1 . Ce système d'équations diérentielles est connu comme modèle de Lotka-
Volterra.
1.1.3 Chimie : La réaction de Belousov-Zhabotinsky

Sous certaines conditions, des réactions chimiques peuvent être oscil-
lantes. Par exemple, le mélange d'une solution de bromate de potassium
et d'acide sulfurique avec une solution d'acide manolique et de bromure de
sodium peut entrainer une oscillation de la couleur de la solution mélange
du rouge au bleue avec une période de 7 secondes.
Le modéle associé est nommé modèle du bruxelator basé sur les équa-
tions chimiques :
A ÝÑ X p M1 q
2X Y ÝÑ 3X p M2 q
B X ÝÑ Y C pM3 q
X ÝÑ D p M4 q
On note ki , i P v1, 4w les vitesses de réations des équations pMi q. On obtient
alors le système diérentielle suivant :
$ 1
'
' A pt q k1Aptq
& B 1 pt q k3B ptqX ptq
'
' X 1 pt q k1Aptq k2X 2ptqY ptq k3B ptqX ptq k4X ptq
% 1
Y ptq k2X 2ptqY ptq k3B ptqX ptq
Exemple 1 Dans cet exemple, on étudie le problème simplié du Bruxela-
tor. Lorsque les réactions de (??) ont des constantes de réactions k1 , . . . , k4
égales respectivement à 1, α ¡ 0, 1 et 1, et que les concentrations de A et
B sont constantes, repectivement égales à 1 et β ¡ 0, on est alors amené à
résoudre l'E.D.O. @t Ps0, T s,
" 1
X ptq 1 αX 2 ptqY ptq pβ 1qX ptq
(1.4)
Y 1 ptq αX 2 ptqY ptq βX ptq
Par exemple, avec le jeu de données α 1, β 3.5 et les contitions initiales

X p0q 3 et Y p0q 2 on obtient des oscillations :
5
Brusselator simplifie − Concentrations

6
X(t)
Y(t)
0
0 5 10 15 20 25 30 35 40
t
Brusselator simplifie
6
4
Y(t)
0
0 1 2 3 4 5 6
X(t)
1.1.4 Mécanique
Le pendule pesant le plus simple est constitué d'un petit objet pesant
accroché à une tige de masse négligeable devant celle de l'objet. L'autre
extrémité de la tige est l'axe de rotation du pendule. Un tel pendule, sans
viscosité, est appelé pendule pesant simple. On note θptq l'angle que fait le
6
pendule par rapport à l'axe vertical, à un instant t, L la longueur de la tige,

m sa masse et g l'accélération de la pesanteur. L'équation diérentielle est
donnée par
θ2 ptq sinpθptqq 0.
g
(1.5)
L
Si le pendule est soumis à un frottement visqueux de coecient ν , l'ex-
pression de l'accélération angulaire devient :
θ 2 pt q
ν 1
sinpθptqq θ ptq 0.
g
(1.6)
L mL2
Exemple 2 Dans cet exemple, on étudie le problème du pendule pesant sans
viscosité décrit au paragraphe 1.1.4. On est donc ramené à résoudre l'E.D.O.
θ2 ptq sinpθptqq 0, @t Ps0, T s,

g
(1.7)
L
avec les conditions initiales
"
θp0q θ0 , position angulaire initiale,
(1.8)
θ1 p0q θ0 , vitesse angulaire initiale,
Par exemple, avec le jeu de données g

3 et les conditions initiales θ0 5π6
et θ01 0 on obtient
L
Pendule pesant − valeur angulaire

3
1
θ(t)
−1
−2
−3
0 2 4 6 8 10 12 14 16 18 20
t
Pendule pesant − vitesse angulaire

4
2
θ’(t)
−2
−4
0 2 4 6 8 10 12 14 16 18 20
t
7
1.2 Dénition des E.D.O. 1 INTRODUCTION
Pendule pesant
4
1
θ’(t)
−1
−2
−3
−4
−3 −2 −1 0 1 2 3
θ(t)

1.2 Dénition des E.D.O.

Soit une fonction y dénie sur un intervalle de R à valeurs dans Rm de
classe C p (continûment dérivable d'ordre p) et on note y ppq la dérivée d'ordre
p de y .
Dénition 1.1 On appelle équation diérentielle ordinaire (E.D.O.)

d'ordre p une équation de la forme :
F pt, y ptq, y p1q ptq, y p2q ptq, . . . , y ppq ptqq 0.
Dénition 1.2 On appelle forme canonique d'une E.D.O. une expres-

sion du type :
y ppq ptq G pt, y ptq, y p1q ptq, y p2q ptq, . . . , y pp1q ptqq. (1.9)

Toute équation diérentielle d'ordre p sous forme canonique peut s'écrire
comme un système de p équations diérentielles d'ordre 1. En eet, en in-
troduisant p fonctions dénies par
$
'
' z r1s ptq y p0q ptq
'
& z r2s ptq y p1q ptq
' ..
'
' .
% rps
z ptq y pp1q ptq
8
1.2 Dénition des E.D.O. 1 INTRODUCTION
on obtient $
dzz r1s
'
'
' pt q y p1q ptq z r2s ptq,
' dzz r2s
dt
&
dt pt q y p2q ptq z r3s ptq,
' ..
'
' .
'
% dzz rps
dt ptq y ppq ptq.
Or
y ppq ptq G pt, y ptq, y p1q ptq, y p2q ptq, . . . , y pp1q ptqq
G pt, z r1s ptq, z r2s ptq, . . . , z rps ptqq.
On obtient alors le système diérentiel d'ordre 1 suivant :
$ r1s
r2s
dt ptq z ptq,
'
' dzz
'
' r s
& dzz ptq z r3s ptq,
2
dt
.. (1.10)
'
' .
'
'
% dzz rps ptq G pt, z r1s ptq, z r2s ptq, . . . , z rps ptqq.
dt
Exemple
1
(suite) Pour obtenir la forme canonique de (1.4), on pose
y1 ptq
y pt q avec y1 ptq X ptq et y2 ptq Y ptq. On obtient alors
y2 ptq
p1q
p 1q y1 ptq X p1q ptq

y ptq p1q Y p1qptq
y2 ptq

2 αX ptqY ptq pβ 1qX ptq

1
αX 2ptqY ptq βX ptq

αy12 ptqy2 ptq pβ 1qy1 ptq

1
αy12ptqy2ptq βy1ptq
Avec p 1 et
$
& G b : R R2 ÝÑ
R 2

αz12 z2 pβ 1qz1
% pt, z q ÞÝÑ 1
αz12z2 βz1
la forme canonique est donnée par
y p1q ptq G b pt, y ptqq. (1.11)

Exemple 2 (suite) Pour obtenir la forme canonique de (1.7),on prend
p2 et "
Gp : R R R ÝÑ R
pt, u, vq ÞÝÑ Lg sinpuq .
La forme canonique est alors donnée par

θp2q ptq Gp pt, θptq, θp1q ptqq. (1.12)

9
1.3 Formulation générale : le problème de Cauchy 1 INTRODUCTION
1.3 Formulation générale : le problème de Cauchy

Dénition 1.3 (problème de Cauchy) Soit f l'application continue dé-
nie par
f : rt0, t0 T s Rd ÝÑ Rd
pt, y q ÞÝÑ f pt, y q
avec T Ps0, 8s. Le problème de Cauchy revient à chercher une fonction
y dénie par
y : rt0, t0 Ts ÝÑ Rd
t ÞÝÑ y ptq
continue et dérivable, telle que
y 1 pt q f pt, y ptqq, @t P rt0, t0 Ts (1.13)
y pt0 q y r0s P Rd. (1.14)

On supposera qu'une telle solution existe.
Exemple 1.4 Un problème de Cauchy peut être linéaire, comme par

exemple : " 1
y ptq 3y ptq 3t, si t ¡ 0
y p0 q 1
pour lequel f pt, vq 3v 3t et dont la solution est yptq p1 1{3qe3t
t 1{3.
On peut avoir aussi des problèmes non-linéaires, comme :
" 1 a
y ptq 3 y ptq, si t ¡ 0
y p0q 0
?
avec f pt, vq 3 v.
a Ce problème admetales trois solutions suivantes :
y ptq 0, y ptq 8t3 {27 et y ptq 8t3 {27.
Le problème suivant :
" 1
y ptq 1 y 2 ptq, si t ¡ 0
y p0 q 0
admet comme solution la fonction yptq tanptq avec 0 t π

2 ,
c'est-à-dire une solution locale.
Exemple 1 (suite) La forme canonique (1.11) est d'ordre on obtient 1,

alors directemnt le problème de Cauchy associé : chercher une fonction y
dénie par
y : r0, T s ÝÑ R2
t ÞÝÑ y ptq
10
1.3 Formulation générale : le problème de Cauchy 1 INTRODUCTION

y 1 ptq f pt, y ptqq, @t P rt0, t0 Ts (1.15)
y p0 q y0 PR 2
(1.16)

avec f G b et y p0q 3
2
.
Exemple 2 (suite) La forme canonique (1.12) est d'ordre 2. On se ra-

mène à un système diérentiel du 1er ordre en posant :

y 1 pt q θptq
y ptq θp1qptq
y 2 pt q
On a alors, en dérivant l'expression précédente :

p1q
p 1q y1 ptq θp1q ptq

y ptq p1q
y2 ptq θp2q ptq

θp1q ptq
G pt, θptq, θp1qptqq
p

y 2 pt q
Gp pt, y1 ptq, y2 ptqq
.
On pose
fp : r0, T s R2 ÝÑ
R 2

pt, z q ÞÝÑ z2
Gp pt, z1 , z2 q
.
Le problème de Cauchy revient à chercher une fonction y dénie par

y : r0, T s ÝÑ R2
t ÞÝÑ y ptq
y 1 ptq f p pt, y ptqq, @t P r0, T s (1.17)
y p0q y0 PR 2
(1.18)

y p0 q
θ0
avec
θ1
.
0
Dans de nombreux cas, la variable t représente le temps et les compo-

santes du vecteur y , une famille de paramètres décrivant l'état d'un système
matériel donné. L'équation diérentielle (1.17) traduit physiquement la loi
d'évolution du système considéré.
En général, il est impossible de trouver des solutions exactes à ces pro-
blèmes. Il faut alors construire des méthodes numériques pour obtenir des
11
1.4 Dérivation numérique 1 INTRODUCTION
solutions approchées. Toutefois, il faudra vérier l'existence et l'unicité de la

solution. Pour cela, on a le
" 1
y pt q
f pt, y ptqq
pPC q y pt0 q
y 0 P Rm .
avec f : U ÝÑ Rm , U un ouvert de R Rm et pt0 , y r0s q P U .
Théorème 1.5 (Cauchy-Lipschitz) On suppose que la fonction f est conti-

nue sur U et quelle est localement lipschitzienne en y : @pt, y q P U, DW
voisinage t , DV voisinage y , DL ¡ 0 tels que
@s P W, @pu, v q P V 2, }f ps, uq f ps, v q} ¤ L }u v } (1.19)
Sous ces hypothèses le problème de Cauchy pPC q admet une unique solution.
Bf
Proposition 1.6 Si pt, y q est continue et bornée, alors f satisfait la
By
condition de Lipschitz (1.19) en y .
1.4 Dérivation numérique

Soit y : ra, bs ÝÑ R, de classe C 1 et t P ra, bs. La dérivée y 1 ptq est donnée
par
y pt hq y ptq
y 1 pt q lim
hÑ0 h
y ptq y pt hq
lim
hÑ0 h
y pt hq y pt hq
lim
hÑ0 2h
a nh, n P v0, N w et h pb aq{N une discrétisation
On note tn
régulière de ra, bs. Soit pDyqn une approximation de y1 ptn q. On appelle
diérence nie progressive l'approximation
pDyqP ypt q ypt q , @n P v0, N 1w
n 1 n
n (1.20)
h
diérence nie rétrograde l'approximation
n1
pDyqR ypt q ypt q , @n P v1, N w
n
n (1.21)
h
diérence nie centrée l'approximation
n1
pDyqC ypt q ypt q , @n P v1, N 1w
n 1
n (1.22)
2h
12
1.4 Dérivation numérique 1 INTRODUCTION
Pour calculer l'erreur commise par ces approximations, on rappelle le

developpement de Taylor
Proposition 1.7 (Développement de Taylor) Soit f une application f :
ra, bs ÝÑ R. Si f P C r 1pra, bsq alors @px, yq P ra, bs2 il existe un ξ Psx, yr tel
que
f p k q py q f pr q pξ q
ŗ 1
f pxq f py q p x y qk px y q r 1
(1.23)
k0
k! pr 1 q!

Exercice 1.1 Q. 1 Soit y P C 2 pra, bsq.

1. Montrer qu'il existe ηPn Pstn, tn 1r et ηRn Pstn1, tnr tels que
pDyqPn yp1qptnq h p2q n
2
y pη P q
et
pDyqRn yp1qptnq h2 yp2qpηRn q
2. En déduire que
|yp1qptnq pDyqPn | ¤ Ch, avec C
1
max
2 tPrtn ,tn 1 s
|yp2qptq|
et
|y1ptnq pDyqRn | ¤ Dh, avec D
1
max |y p2q ptq|
2 tPrtn1 ,tn s
Q. 2 Soit y P C 3 pra, bsq.

1. Montrer qu'il existe η1n Pstn , tn 1 r et η2n Pstn1, tnr tels que
pDyqCn yp1qptnq h12 pyp3qpη1nq y p3q pη2n qq
2
2. En déduire que
|yp1qptnq pDyqCn | ¤ Eh2, avec E
1
max
6 tPrtn1 ,tn 1 s
|yp3qptq|
Dénition 1.8 La diérence τ phq |y1 ptn qpDyqn | est appelée erreur de
troncature au point tn . On dira que τ est d'ordre p ¡ 0 si il existe une
constance C ¡ 0 telle que
τ phq ¤ Chp .
Les erreurs de troncature des diérences nies progressive et rétrograde

sont d'ordre 1 et l'erreur de troncature de la diérence nie centrée est d'ordre
2.
13
dimension d 1 1 INTRODUCTION
1.5 Méthode des diérences nies pour le problème de Cau-

chy en dimension d 1
On veut résoudre numériquement le problème de Cauchy (1.13)-(1.14) en
utilisant les diérences nies progressive, rétrograde ou centrée.
On note tn t0 nh, n P t0, . . . , N u une discrétisation régulière de
rt , t0 T s avec h T {N le pas de temps. On a
0
y 1 ptq f pt, y ptqq, @t P rt0, t0 Ts

ce qui entraine
y 1 ptn q f ptn , y ptn qq, @n P v0, N w. (1.24)
En utilisant la formule des diérences nies progressive, on a @n P v0, N 1w,
Dηn P rtn, tn 1s tels que
y ptn 1 q y ptn q h 2
h
f ptn, yptnqq 2
y pηn q
ou encore
h2 2
y ptn 1
q yptnq hf ptn , y ptn qq
y p η n q.
2
On note y rns une approximation de y ptn q pour n P v0, N w.
La méthode d'Euler progressive est donnée par le schéma
" rn 1s
y yrns hf ptn , y rns q, @n P v0, N 1w (1.25)
y r0s ypt0q
Ce schéma est explicite, car il permet le calcul direct de y rn 1s en fonction
de y rns .
De la même manière, la méthode d'Euler régressive est donnée par le
schéma
" rn 1s
y yrns hf ptn r
1, y n 1 s q, @n P v0, N 1w
(1.26)
y r0s ypt0q
Ce schéma est implicite, car y rn 1s est dénit implicitement en fonction de
y rns . Il faut donc résoudre à chaque pas de temps une équation non-linéaire
en utilisant des méthodes de point xe par exemple.
Exercice 1.2 On veut résoudre numériquement le problème pP q suivant :
trouver y telle que
" 1
y ptq cosptq 1, @t P r0, 4πs
pP q y p0 q
0.
dont la solution exacte est yptq sinptq t.
On rappelle le schéma d'Euler progressif pour la résolution d'un problème
de Cauchy " rn 1s rns n rns
pS q yyr0s ydonné.hf pt , y q,
14
1.6 Exemple 1 INTRODUCTION
Q. 1 Expliquer en détail comment utiliser le schéma d'Euler progressif pour

résoudre le problème pP q en précisant entre autres les données, les inconnues,
les dimensions des variables, lien entre yrns et la fonction y, ...
Q. 2 (algorithmique) Soit a, b, a b deux réels. Ecrire une fonction Dis-

Reg retournant une discrétisation de l'intervalle ra; bs avec N pas (constant)
de discrétisation.
Q. 3 (algorithmique) Ecrire une fonction REDEP retournant l'ensemble

des couples ptn , yrns q calculés par le schéma d'Euler progressif.
Q. 4 (algorithmique) Ecrire un algorithme complet de résolution de pP q

par le schéma d'Euler progressif.
1.6 Exemple
Soit l'E.D.O. suivante
" 1
y ptq y pt q t2 y 2 ptq, pour t P r0, 5s,
y p0q 1
de solution exacte
y ptq 1{pet t2 2t 2q.
Les résolutions numériques avec les schémas d'Euler progressif et rétrograde
sont représentés en gure 1.
1.7 Stabilité
Pour illustrer la notion de stabilié (absolue) d'un schéma numérique, on
étudie le problème modèle suivant :
Soit λ 0, Soit l'E.D.O. suivante
" 1
y pt q λy ptq, pour t P R ,
y p0 q y0
où λ 0 est donné. La solution exacte est
y ptq y0 eλt .
En particulier, on a
lim y ptq 0
t Ñ 8
15
1.7 Stabilité 1 INTRODUCTION
y’(t)=y(t)+t2 y2(t) avec y(0)=−1 et N=20

0
−0.2
exacte
−0.4
Euler Progressive
Euler Régressive
−0.6
−0.8
−1
−1.2
−1.4
−1.6
−1.8
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t
Figure 1 résolutions avec Euler progressif et rétrograde
Dénition 1.9 On pose tn nh, où le pas de temps h ¡ 0 est donné et

r s
y une approximation de y ptn q par un schéma donné. On dit alors que le
n
schéma associé à ce problème est absolument stable si

lim y rns 0.
nÑ 8
Ce n'est malheureusement pas toujours le cas comme illustré en gure2 avec

le schéma d'Euler progressif et h 20
19 1.05. Par contre, avec h 21
20
0.95, le même schéma est stable (voir gure3).

Pour comprendre ce phénomène, on écrit le schéma d'Euler progressif :
y rn s yrns
1
hf ptn , y rns q y rns λhy rns p1 λhqy rns
d'où
y rns p1 λhqn y r0s , @n ¥ 0.
On remarque alors que si |1 λh| ¡ 1 alors limnÑ 8 |y rns | 8, le schéma
d'Euler progressif est alors instable. Pour assurer la stabilité, il faut ici im-
poser une condition sur h :
|1 λh| 1 d'où 0 h .
2
λ
On dit alors que le schéma d'Euler progressif est conditionnellement stable.
16
1.7 Stabilité 1 INTRODUCTION
y’(t)=−2y(t) avec y(0)=1 et h=1.0526

8
exacte
6 Euler Progressive
Euler Regressive
−2
−4
−6
−8
0 2 4 6 8 10 12 14 16 18 20
t
Figure 2 Instabilité Euler progressif - Stabilité Euler rétrograde
y’(t)=−2y(t) avec y(0)=1 et h=0.95238

1
exacte
Euler Progressive
0.8 Euler Regressive
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
−1
0 2 4 6 8 10 12 14 16 18 20
t
Figure 3 Stabilité Euler progressif - Stabilité Euler rétrograde
17
dimension d 1 INTRODUCTION
De la même manière, pour le schéma d'Euler rétrograde on obtient

y rn 1s y rns
1
1 λh
et donc
n
y rns y r0s , @n ¥ 0.
1
1 λh
Dans ce cas limnÑ 8 y rns 0 sans condition : on dit que le schéma d'Euler
rétrograde est inconditionnellement stable.
1.8 Méthode des diérences nies pour le problème de Cau-

chy en dimension d
On veut résoudre le problème de Cauchy :
" 1
y ptq f pt, y ptqq, @t P rt0, t0 Ts
pPC q y p q y 0 P Rd .
t0
La fonction f étant dénie par
f : rt0, t0 T s Rd ÝÑ Rd
f 1 pt, z q
pt, z q ÞÝÑ
w f pt, z q ...

f d pt, z q
En notant
y1 ptq f1 pt, y ptqq

y ptq ... et f pt, y ptqq ..
.
yd ptq fd pt, y ptqq
le problème de Cauchy peut aussi s'écrire sous la forme
$ 1
'
' y1 ptq f1 pt, y ptqq,
'
&. ..
'
'
' yd1 ptq fd pt, y ptqq, @t P rt0 , t0 Ts
% avec y pt0 q y 0 P Rd .
Après discrétisation et utilisation de la formule des diérences nies progres-
sive on obtient $
'
'
rn 1s yrns hf ptn , y rns q
'
'
y1 1 1
& ..
.
'
' rn 1s rns hfd ptn , y rns q
'
' yd yd
% avec y pt0 q y 0 P Rd .
18
2 MÉTHODE À UN PAS OU À PAS SÉPARÉS
rns
y1

où y rns ... et y rns q y ptn q.
y
rns
d
On obtient alors la méthode d'Euler progressive sous forme vectorielle :
" rn 1s
y y rns hff ptn , y rns q, @n P v0, N 1w (1.27)
y r0s y pt0q
Ce schéma est explicite, car il permet le calcul direct de y rn 1s en fonction
de y rns .
De la même manière, la méthode d'Euler régressive sous forme vecto-
rielle est donnée par le schéma
" rn 1s
y y rns hff ptn r
1, y n 1 s q, @n P v0, N 1w
(1.28)
y r0s y pt0q
Ce schéma est implicite, car y rn 1s est dénit implicitement en fonction de
y rns .
2 Méthode à un pas ou à pas séparés
Pour simplier on prend h hn (pas constant)
2.1 Schéma général

Les méthodes à un pas utilisent la formule générale :
y rn s y rns
1
Φptn , y rns , hq
hΦ (2.1)
Pour la méthode d'Euler, la fonction Φ pt, y , hq est f pt, y q.
2.2 Convergence
La méthode converge sur l'intervalle rt0 , t0 T s si, pour la suite des y rns
calculés, l'écart maximum avec la solution exacte diminue quand le pas h
diminue :
lim

max y rns y ptn q 0
h NT Ñ0 nPt0,...,N u
2.3 Stabilité
La méthode est stable si une petite perturbation sur y r0s ou Φ n'entraîne
qu'une petite perturbation sur la solution approchée, et cela quel que soit le
pas h.
Souvent , lorsque la méthode n'est pas stable, l'amplication des erreurs
est exponentielle et, au bout de quelques calculs, les résultats entraînent des
dépassements de capacité.
19
2.4 Consistance 3 MÉTHODE DE RUNGE-KUTTA
Théorème 2.1 Si Φ pt, y , hq vérie la condition de Lipschitz en y alors la

méthode est stable.
2.4 Consistance
Le schéma de calcul (2.1) est consistant avec l'équation diérentielle si
n
y pt
lim max
1 q y ptnq Φptn, y ptnq, hq 0
h T Ñ0 n h
N
Cela signie que le schéma doit être une approximation vraisemblable, bien
construite.
Théorème 2.2 Le schéma est consistant si Φpt, y, 0q f pt, yq.
Théorème 2.3 Si la méthode est stable et consistante, alors elle converge

pour n'importe quelle valeur initiale.
2.5 Ordre
La méthode itérative est d'ordre p si pour toute solution :
n
y pt
max
1 q y ptnq Φptn, y ptnq, hq ¤ Chp
n h
3 Méthode de Runge-Kutta
3.1 Principe
Pour simplier, on suppose hn h. L'idée fondamentale des méthodes
de Runge-Kutta est d'intégrer l'équation (??) sur rtn , tn 1 s et de calculer :
» tn 1
y pt
n 1
q y pt q n
f pt, y ptqqdt,
tn
en utilisant une formule d'intégration numérique à q points intermédiaires

tn,i 1 tn hi pour calculer l'intégrale.
La fonction Φ associée à une méthode de Runge-Kutta à q évaluations
de f peut s'écrire sous la forme :
¸
q
Φ pt, y , hq cik ris pt, y , hq

i 1
avec

ris
¸
q
rjs
k pt, y , hq f t hai , y h bi,j k pt, y , hq , 1 ¤ i ¤ q

j 1
20
3.2 Formules explicites de Runge-Kutta
3 MÉTHODE
d'ordre 2 DE RUNGE-KUTTA
que l'on peut représenter sous la forme d'un tableau dit tableau de But-
cher :
a B
(3.1)
ct
avec B pbi,j qi,j Pv1,qw P Mq,q pRq, a paiqiPv1,qw P Rq et c pciqiPv1,qw P Rq
Remarque 3.1 1. Une méthode de Runge-Kutta est d'ordre 0 si
¸q
ai bij .
j 1
2. Une méthode de Runge-Kutta est d'ordre 1 (et donc consistante) si elle
est d'ordre 0 et si
¸q
ci 1.
i 1
3. Une méthode de Runge-Kutta est d'ordre 2 si elle est d'ordre 1 et si

¸q
ci ai 1{2.
i 1
4. Une méthode de Runge-Kutta est explicite si la matrice B est triangu-

laire inférieure à diagonale nulle :
@pi, j q P v1, qw, j ¥ i, bij 0.
5. Les méthodes de Runge-Kutta explicites sont stables si f est contrac-
tante en y.
3.2 Formules explicites de Runge-Kutta d'ordre 2

0 0 0
1
0 1
(3.2)
1α α
2α 2α
Φ pt, y , hq p1 αqf pt, y q αff pt f pt, y qq

h h
,y
2α 2α
Avec α 21 , on obtient la méthode de Heun :
h n
y rn s y rns h n rns
1
f pt , y q f t 1
, y rns hff ptn , y rns q .
2 2
Avec α 1, on obtient la méthode d'Euler modiée ou méthode
du point milieu :

y rn 1s y rns
h rns h n rns
hff t n
,y f pt , y q .
2 2
21
3.3 Méthodes de Runge-Kutta d'ordre
3 4MÉTHODE DE RUNGE-KUTTA
Exercice 3.1 la méthode de Heun est donnée par

h n
1
f pt , y q f t 1
2 2
Q. 1 Ecrire la fonction algorithmique permettant de ré-
REDHeunVec
soudre un problème de Cauchy (vectoriel par la méthode de Heun en utilisant
au plus 2N évaluation de f .
Pour des valeurs plus élevées de p, ces méthodes sont plus précises que
la méthode d'Euler, et d'autant plus que p augmente. On se limite dans la
pratique à p 4. Cette méthode est connue sous le nom de Runge-Kutta 4.
Remarquons que dans ces méthodes le pas peut être adapté à chaque étape.
3.3 Méthodes de Runge-Kutta d'ordre 4

La méthode explicite la plus utilisée est donnée par le tableau de Buchler
suivant
0 0 0 0 0
1{2 1{2 0 0 0
1{2 0 1{2 0 0 (3.3)
1 0 0 1 0
1{6 2{6 2{6 1{6
Ce qui donne le schéma explicite de Runge-Kutta d'ordre 4 :
rns
k1 f ptn , y rns q
k2
rns f ptn h2 , y rns h2 k 1 q
rns
k3
rns (3.4)
k4
rns f ptn h, y rns hkk 3 q
rns
y rn s
1 y rns h6 pk 1
rns 2kk rns 2kk rns k4
rns q.
2 3
Exercice 3.2 la méthode de Runge-Kutta d'ordre 4 est donnée par

rns
k1 f ptn , y rns q
k2
rns
k3
rns
k4
rns
y rn s
1 y rns h6 pk 1
rns 2kk rns 2kk rns k rns q.
h n 1 rns
2 3 4
1
f pt , y q f t ,y hff ptn , y rns q .
2 2
Q. 1 Ecrire la fonction algorithmique REDRK4Vec permettant de résoudre
un problème de Cauchy (vectoriel par la méthode de Runge-Kutta d'ordre 4.
22
4 MÉTHODES À PAS MULTIPLES
4 Méthodes à pas multiples
4.1 Exemple : schéma de point milieu

Considérons la méthode à deux pas dénie par la récurrence :
y rn s y rn1s
1
2hff ptn , y rns q. (4.1)
Cette méthode est d'ordre 2.

De manière évidente, ces méthodes à pas multiples posent des problèmes
de démarrage : ici, on ne peut calculer directement y r1s . Les premières valeurs
doivent être calculées par un autre schéma.
4.2 Le principe
Dans tous les schémas présentés, la valeur de y rn 1s était déterminée
à chaque pas de façon explicite en fonction uniquement du point y rns . On
peut tenir compte de plusieurs valeurs y ris précédemment calculées et ainsi
travailler sur un nombre de pas multiples.
Les méthodes à pas multiples s'écrivent sous la forme générale :
ķ ķ
αiy rn is h βif ptn i , y rn i sq (4.2)

i 0
i 0
où k est le nombre de pas, αk 0 et |α0| |β0| ¡ 0.

Remarque 4.1 Si βk 0 le schéma est explicite, sinon il est implicite.
Dénition 4.2 (ordre) Soit y la solution du problème de Cauchy (??) et
y rn ks la valeur obtenue par le schéma (4.2) en prenant y rn is y ptn iq,
@i P v0, k 1w. Alors, l'erreur locale est
τ pn k q y pt n k
q y rn k s.
Le schéma (4.2) est d'ordre p si

τ pn k q Ophp 1
q.
Théorème 4.3 Un schéma à pas multiple de type (4.2) est d'ordre p si et
seulement si
ķ
αi 0,

i 0
ķ ķ
αi i q
q βi iq1 , @q P v1, pw.

i 0
i 0
23
4.3 Méthodes d'Adams-Bashforth 4 MÉTHODES À PAS MULTIPLES
ķ
Propriété 4.4 (Stabilité) Soit P le polynôme déni par P pλq αi λi .

Une méthode à pas multiple est stable, si
i 0
1. toutes les racines de P sont de module inférieur ou égal à 1,

2. une racine de module égal à 1 est une racine simple de P.
2 et
Pour le schéma (4.1), on a k
$ $
1 & β0 0
& α0
α 0 β 2
% α1 1 % β1 0
2 2
On obtient donc P pλq 1 λ2 pλ 1qpλ 1q : le schéma (4.1) est stable.

Théorème 4.5 (Convergence) On suppose que les k valeurs initiales vé-
rient,
y pti q y ris ¤ C hp , @i P v0, k 1w.
0
Si le schéma (4.2) est d'ordre p et stable, alors il est convergent d'ordre p :

y ptn q y rns ¤ Chp , @n P v0, N w.

Pour obtenir, à partir d'un schéma à k pas, un schéma d'ordre p il faut
obligatoirement initialiser les k premières valeurs à l'aide d'un schéma d'ordre
p au moins.
4.3 Méthodes d'Adams-Bashforth

On note f rns f ptn, y rnsq
h rns rn1s

y rn s
1
y rns3f
f f . (4.3)
2

y rn 1s y rns 23ff rns 16ff rn1s 5ff rn2s .
h
(4.4)
12
h
y rn 1s y rns 55ff rns 59ff rn1s 37ff rn2s 9ff rn3s . (4.5)
24
Ces schémas sont explicites et leur ordre correspond au nombre de pas.
Exercice 4.1 La méthode de Adam-Bashforth d'ordre 4 explicite est
donnée par

y rn 1s y rns h
24 55ff rns 59ff rn1s 37ff rn2s 9ff rn3s .
avec f rns f ptn , y rns q.

Q. 1 Ecrire la fonction algorithmique REDAB4Vec permettant de résoudre
un problème de Cauchy (vectoriel) par cette méthode.
24
4.4 Méthodes d'Adams-Moulton 4 MÉTHODES À PAS MULTIPLES
4.4 Méthodes d'Adams-Moulton
h rn 1s
y rn 1 s y rns f f rns . (4.6)
2
h rn 1s
y rn 1 s y rns 5ff 8ff rns f rn1s . (4.7)
12
h rn 1s
y rn 1 s y rns 9ff 19ff rns 5ff rn1s f rn2s . (4.8)
24
Ces schémas sont implicites et leur ordre correspond au nombre de pas plus
un.
4.5 Schéma prédicteur-correcteur

4.5.1 Principe
Il s'agit là d'une des méthodes les plus employées. Une méthode de
prédiction-correction procède en deux temps : on fournit explicitement une
valeur approchée de la solution au nième pas (soit y rn 1s ), puis on calcule
rn 1s
la valeur correspondante de f (soit f ) et enn, on subsitue cette valeur
dans un schéma implicite (on obtient alors une valeur corrigée ).
pour n variant de 0 à N 1 faire
Calculer une valeur approchée y rn 1 s par un schéma explicite ;
rn 1s
Evaluer f f ptn 1, y rn 1sq;
y rn 1s q à l'aide d'un schéma implicite en remplaçant l'inconnue par y rn s q;
1
npour
4.5.2 Exemple
Choisissons la méthode d'Euler explicite pour prédicteur et la méthode
implicite des trapèzes comme correcteur.
Euler explicite : y rn 1s y rns hff ptn , y rns q
Trapèze implicite : y rn 1s y rns h2 pf ptn , y rns q f ptn 1 , y rn 1s qq
On obtient :
$ rns
'
'
'
f f ptn, y rnsq;
& y rn 1s y rns hff rns;
rn 1s
'
'
' f
% rn 1s
f ptn 1, y rn 1sq;
y y rns h2 py rn 1s f rns q
Remarque 4.6 On retrouve ici, pour ce cas simple, une formule de Runge-
Kutta 2.
En pratique, on peut utiliser un schéma d'Adams explicite (??) pour la

prédiction et un autre implicite (??) pour la correction.
25
5 EXERCICES CORRIGÉS
Exercice 4.2 On pose f rns f ptn , y rns q. La méthode de Adams-Bashforth

d'ordre 4 explicite est donnée par
h
y rn 1 s y rns 55ff rns 59ff rn1s 37ff rn2s 9ff rn3s
24
et la méthode de Adams-Moulton d'ordre 4 implicite par
h rn s

y rn s y rns
1
9ff 1
19ff rns 5ff rn1s f rn2s
24
avec f rns f ptn , y rns q.
Q. 1 Ecrire la fonction algorithmique REDPreCor4Vec permettant de
résoudre un problème de Cauchy (vectoriel) par une méthode de prédiction-
correction utilisant ces deux schémas.
Remarque 4.7 1. La stabilité du prédicteur intervient peu.

2. Le choix du pas dans ces méthodes est un problème dicile.
4.5.3 Comparaison avec Runge-Kutta

L'intérêt d'une méthode de résolution numérique d'équations diéren-
tielles se mesure principalement suivant deux critères :
son coût pour obtenir une précision donnée (c'est à dire le nombre
d'évaluations de fonctions par étapes).
sa stabilité.
La caractéristique des méthodes de Runge-Kutta est que le pas est assez
facile à adapter, la mise en oeuvre informatique plus aisée. Mais pour des mé-
thodes du même ordre de consistance, les méthodes de Runge-Kutta exigent
plus d'évaluations de fonctions. Quand on sait que la solution de l'équa-
tion n'est pas sujette à de brusques variations de la dérivée, on prendra une
méthode de type prédicteur-correcteur mais, si le pas doit être adapté plus
précisément, on préfèrera une méthode de Runge-Kutta.
5 Exercices corrigés
Exercice 1

1. Montrer qu'il existe ηPn Pstn, tn 1r et ηRn Pstn1, tnr tels que
pDyqPn yp1qptnq h p2q n
2
y pη P q
et
pDyqRn yp1qptnq h2 yp2qpηRn q
26
2. En déduire que
|yp1qptnq pDyqPn | ¤ Ch, avec C

1
max
2 tPrtn ,tn 1 s
|yp2qptq|
et
|y1ptnq pDyqRn | ¤ Dh, avec D
1
max |y p2q ptq|
2 tPrtn1 ,tn s

1. Montrer qu'il existe η1n Pstn , tn 1 r et η2n Pstn1, tnr tels que
pDyqCn yp1qptnq h12 pyp3qpη1nq y p3q pη2n qq
2
2. En déduire que
|yp1qptnq pDyqCn | ¤ Eh2, avec E

1
max
6 tPrtn1 ,tn 1 s
|yp3qptq|
Correction
Q. 1 1. Soit n P v0, N 1w, on a
pDyqPn ypt qh ypt q .
n 1 n
D'après la formule de Taylor, il existe ηPn P rtn, tn 1s tel que

hy p1q ptn q
h2 p2q n
y ptn 1
q yptnq y pη P q (5.1)
2!
d'où
pDyqPn ypt qh ypt q yp1qptnq h p2q n
n 1 n
y pη P q . (5.2)
2!
On a
n1
pDyqRn ypt q hypt q .
n
D'après la formule de Taylor, il existe ηR n P rtn1 , tn s tels que
y ptn1 q y ptn q hy p1q ptn q

phq2 yp2qpηn q (5.3)
R
2!
d'où
n1
pDyqRn ypt q hypt q yp1qptnq h2 yp2qpηRn q
n
(5.4)

27
2. Soit n P v0, N 1w, comme ηPn P rtn, tn 1s on a

|yp2qpηPn q| ¤ tPrtmax
,t s
|yp2qptq|
n n 1
d'où, en utilisant (5.2),
|pDyqPn yp1qptnq| h2 |yp2qpηPn q| ¤ h2 tPrtmax

,t s
|yp2qptq|.
n n 1
De même, comme ηR
n P rtn1, tns on a
|yp2qpηRn q| ¤ tPrtmax
,t s
n 1 nn
|yp2qptq|
d'où, en utilisant (5.4),
|pDyqRn yp1qptnq| h2 |yp2qpηRn q| ¤ h2 tPrtmax

,t s
|yp2qptq|.
n 1 n
Q. 2 1. Soit n P v0, N 1w, on a

n 1 y ptn1 q
pDyqCn ypt q 2h .
D'après la formule de Taylor, il existe η1n P rtn, tn 1s et η2n P rtn1, tns

tels que
hy p1q ptn q
h2 p2q n h3 p3q n
y ptn 1
q yptnq y pt q y pη 1 q (5.5)
2! 3!
et
y ptn1 q y ptn q hy p1q ptn q

h2 p2q n
y pt q y p2q pη2n q
h3
(5.6)
2! 3!

En soustrayant (5.6) à (5.5), on obtient
y ptn 1
q yptn1q 2hyp1qptnq h3 p3q n
6
p y pη 1 q y p3q pη2n qq
d'où
y p1q ptn q
y ptn 1 q yptn1q h2 pyp3qpηnq y p3q pη2n qq.
1
2h 12
2. Comme η1n P rtn, tn 1s rtn1, tn 1s, on en déduit que
|yp3qpη1nq| ¤ tPrt max
,t s
|yp3qptq|.
n 1 n 1
De même, comme η2n P rtn1, tns rtn1, tn 1s on a

|yp3qpη2nq| ¤ tPrt max
,t s
|yp3qptq|.
n 1 n 1
28
Exercice 2
On veut résoudre numériquement le problème pP q suivant : trouver y
telle que " 1
pP q yypp0tqq cos
0.
ptq 1, @t P r0, 4πs
dont la solution exacte est y ptq sinptq t.
On rappelle le schéma d'Euler progressif pour la résolution d'un problème
de Cauchy " rn 1s rns n rns
pS q yyr0s ydonné.hf pt , y q,

les dimensions des variables, lien entre yrns et la fonction y, ...
Q. 2 (algorithmique) Soit a, b, a b deux réels. Ecrire une fonction Dis-

Reg retournant une discrétisation de l'intervalle ra; bs avec N pas (constant)
de discrétisation.
Q. 3 (algorithmique) Ecrire une fonction REDEP retournant l'ensemble

des couples ptn , yrns q calculés par le schéma d'Euler progressif.
Q. 4 (algorithmique) Ecrire un algorithme complet de résolution de pP q

Correction
Q. 1 On commence par écrire le problème de cauchy associé à pP q :
" 1
y ptq f pt, yptqq, @t P rt0, t0 T s
pPC q y pt0 q y0 P R.

avec t0 0, T 4π, y0 0 et
f : rt0 , t0 T s R ÝÑ R
pt, zq ÞÝÑ cosptq 1 .
Les données du problème de Cauchy sont donc les réels t0 , T, y0 et la fonction
f. L'inconnue est la fonction y : rt0 , t0 T s ÝÑ R.
Pour résoudre numériquement le problème de Cauchy, on utilise le schéma
pS q où les données sont celles du problème de Cauchy plus le nombre de
discrétisations N P N On peux alors calculer
29
tn , n P v0, N w qui sont les points de la discrétisation régulière à N

intervalles :
tn t0 nh, @n P v0, N w, avec h

T
N
.
y rns , n P v0, N w déterminés par le schéma pS q. On a y r0s y0, puis on

calcule
y rn 1s yrns hf ptn , y rns q, pour i 0 à N 1

Q. 2 Une discrétisation régulière de l'intervalle ra, bs avec N pas (constant)
de discrétisation est donnée par
ba
tn a nh, @n P v0, N w, avec h
N
.
Algorithme 1 Fonction DisReg retournant une discrétisation régulière de

l'intervalle ra, bs
Données : a, b : deux réels, a b
N : un entier non nul (nombre de pas de discrétisation).
Résultat : t : vecteur de RN 1
1: Fonction t Ð DisReg( a, b, N )
2: h Ð pb aq{N
3: Pour n Ð 0 à N faire
4: t pn 1q Ð a n h
5: Fin Pour
6: Fin Fonction
Q. 3 L'algorithme de la fonction REDEP est :
30
Algorithme 2 Fonction REDEP : résolution d'un problème de Cauchy

scalaire par le schéma d'Euler progressif
Données : f : f : rt0 , t0 T s R ÝÑ R fonction d'un
problème de Cauchy (scalaire)
t0 : réel, temps initial
T : réel ¡ 0
y 0 : réel, donnée initiale
Résultat : t : vecteur de RN 1 , t pnq tn1 , @n P v1, N 1w
Y : vecteur de RN 1 , Y pnq y rn1s , @n P v1, N 1w
1: Fonction rt , Y s Ð REDEP( f, t0 , T, y0 , N )
2: tÐ p
DisReg t0 , t0T, N q
3: h Ð pb aq{N
4: Y p1q Ð y 0
6: Y pn 1q Ð Y pnq h f pt pnq, Y pnqq
7: Fin Pour
8: Fin Fonction
Q. 4 Il faut tout d'abord écrire la fonction fCauchy correspondant à la

fonction f :
Algorithme 3 Fonction fCauchy : fonction f du problème de Cauchy

associé à pP q
Données : t : un réel
z : un réel
Résultat : w : un réel
1: Fonction w Ð fCauchy( t, y )
2: w Ð cosptq 1
3: Fin Fonction
L'algorithme de résolution est :
Algorithme 4 résolution numérique du problème pP q

1: t0 Ð 0
2: T Ð 4π
3: y0 Ð 0
4: rt, Y s Ð REDEP( fCauchy, t0 , T, y 0 , 500)
31
Exercice 3
On veut résoudre numériquement le problème du pendule pesant sans
viscosité : $ p2q
& θ ptq Lg sinpθptqq, @t P r0, 100s
pP q % θp0q π
θp1q p0q 1
avec g 9.81 et L 1.
On rappelle le schéma d'Euler progressif (vectoriel) pour la résolution d'un
problème de Cauchy
" rn 1s
y rns hff ptn , y rns q,
pS q y
y r0s donné.

les dimensions des variables, lien entre y rns et la fonction y , ...
On suppose par la suite le fonction DisReg retournant une discrétisation
régulière de l'intervalle ra, bs en N intervalles déjà écrite.
Q. 2 (algorithmique) Ecrire une fonction REDEPvec retournant l'en-
semble des couples ptn , y rns q calculés par le schéma d'Euler progressif.
Q. 3 (algorithmique) Ecrire un algorithme complet de résolution d pP q
Correction
Q. 1 On a déjà écrit le problème de cauchy associé à pP q :
" 1
y ptq f pt, y ptqq, @t P rt0, t0 Ts
pPC q y p q y 0 P R2 .
t0

θptq
avec y ptq 0, T 100, y 0 π
et
θp1q ptq
, t0
1
f : rt0, t0 T s R2 ÝÑ
R 2

pt, z q ÞÝÑ z2
Lg sinpz 1q
.
Les données du problème de Cauchy sont donc les réels t0 , T, le vecteur

y 0 P R2 et la fonction f . L'inconnue est la fonction y : rt0 , t0 T s ÝÑ R2 .
Pour résoudre numériquement le problème de Cauchy, on utilise le schéma
pS q où les données sont celles du problème de Cauchy plus le nombre de
discrétisations N P N On peux alors calculer
32
tn , n P v0, N w qui sont les points de la discrétisation régulière à N

intervalles :
tn t0 nh, @n P v0, N w, avec h

T
N
.
y rns, n P v0, N w déterminés par le schéma pS q. On a y r0s y 0, puis on

calcule
y rn 1s y rns hff ptn , y rns q, pour i 0 à N 1

Q. 2 L'algorithme de la fonction REDEPvec est :
Algorithme 5 Fonction REDEPvec : résolution d'un problème de Cauchy

par le schéma d'Euler progressif
Données : f : f : rt0 , t0 T s Rd ÝÑ Rd fonction d'un
T : réel ¡ 0
y 0 : un vecteur de Rd , donnée initiale
Y : matrice réelle de dimension d pN 1q, Y p:, nq y rn1s , @n P v1, N 1w
1: Fonction rt , Y s Ð REDEPvec( f, t0 , T, y 0 , N )
2: t Ð DisRegpt0 , t0 T, N q
3: h Ð pb aq{N
4: Y p:, 1q Ð y 0
6: Y p:, n 1q Ð Y p:, nq h f pt pnq, Y p:, nqq
7: Fin Pour
8: Fin Fonction
Q. 3 Il faut tout d'abord écrire la fonction fP correspondant à la fonction

f :
33
Algorithme 6 Fonction fP : fonction f du problème de Cauchy associé à

pP q
Données : t : un réel
z : un vecteur de R2 ,
Résultat : w : un vecteur de R2
1: Fonction w Ð fP( t, z )
2: g Ð 9.81
3: LÐ1
4: w p1 q Ð z p2 q
5: w p2q Ð pg {Lq sinpz p1qq
6: Fin Fonction
L'algorithme de résolution est :
Algorithme 7 résolution numérique du problème pP q

1: t0 Ð 0
2: T Ð 100
y Ð
0 π
3:
1
4: rt, Y s Ð REDEPvec( fP, t0 , T, y 0 , 2000)
5: Plotpt , Y p1, :qq Representation de pt, θptqq
6: Plotpt , Y p2, :qq Representation de pt, θ1ptqq
Exercice 4
la méthode de Heun est donnée par
h n
1
f pt , y q f t 1
2 2
Q. 1 Ecrire la fonction algorithmique permettant de ré-
REDHeunVec
soudre un problème de Cauchy (vectoriel par la méthode de Heun en utilisant
au plus 2N évaluation de f .
Correction
Q. 1 Le schéma de Heun peut s'écrire sous la forme
y rn s y rns pk k n2 q
1 h n
2 1
34
avec
k n1 f ptn, y rnsq
k n2 f ptn 1, y rns hkk 1 q
L'algorithme de la fonction REDEPvec s'écrit alors :
Algorithme 8 Fonction REDEPvec : résolution d'un problème de Cauchy

par le schéma de Heun
T : réel ¡ 0
1: Fonction rt , Y s Ð REDHeunVec( f, t0 , T, y 0 , N )
3: h Ð pb aq{N
4: Y p:, 1q Ð y 0
6: k 1 Ð f pt pnq, Y p:, nqq
7: k 2 Ð f pt pn 1q, Y p:, nq hkk 1 q
8: Y p:, n 1q Ð Y p:, nq ph{2q pk 1 k 2q
9: Fin Pour
10: Fin Fonction
Exercice 5
la méthode de Runge-Kutta d'ordre 4 est donnée par
rns
k1 f ptn , y rns q
k2
rns
k3
rns
k4
rns
y rn s
1 y rns h6 pk 1
rns 2kk rns 2kk rns k rns q.
h n 1 rns
2 3 4
1
f pt , y q f t ,y hff ptn , y rns q .
2 2
Q. 1 Ecrire la fonction algorithmique REDRK4Vec permettant de résoudre
un problème de Cauchy (vectoriel par la méthode de Runge-Kutta d'ordre 4.
35
Correction
Q. 1 L'algorithme de la fonction REDRK4Vec s'écrit alors :
Algorithme 9 Fonction REDRK4Vec : résolution d'un problème de Cau-

chy par le schéma de RK4
T : réel ¡ 0
1: Fonction rt , Y s Ð REDRK4Vec( f, t0 , T, y 0 , N )
2: tÐ p
DisReg t0 , t0 T, N q
3: h Ð pb aq{N
4: Y p:, 1q Ð y 0
7: k 2 Ð f pt pnq h{2, Y p:, nq ph{2qk 1 q
8: k 3 Ð f pt pnq h{2, Y p:, nq ph{2qk 2 q
9: k 4 Ð f pt pnq h, Y p:, nq hkk 3 q
10: Y p:, n 1q Ð Y p:, nq ph{6q pk 1 2kk 2 2kk 3 k 4q
11: Fin Pour
12: Fin Fonction
Exercice 6
La méthode de Adam-Bashforth d'ordre 4 explicite est donnée par

y rn 1s y rns h
24 55ff rns 59ff rn1s 37ff rn2s 9ff rn3s .
avec f rns f ptn, y rnsq.

Q. 1 Ecrire la fonction algorithmique REDAB4Vec permettant de résoudre
un problème de Cauchy (vectoriel) par cette méthode.
Correction
36
Q. 1 On utilise le schéma de Runge-Kutta d'ordre 4 pour initialiser les 4

premières valeurs.
L'algorithme de la fonction REDAB4Vec s'écrit alors :
Algorithme 10 Fonction REDAB4Vec : résolution d'un problème de Cau-

chy par le schéma explicite d'Adams-Bashforth d'ordre 4
T : réel ¡ 0
1: Fonction rt, Y s Ð REDAB4Vec( f, t0 , T, y 0 , N )

3: h Ð pb aq{N
4: rtini, Y inis Ð REDRK4Vecpf, t0, t0 3 h, y 0 , 3q
5: Pour n Ð 1 à 4 faire
6: Y p:, nq Ð Y ini p:, nq
7: Fin Pour
8: k1Ð f ptp3q, Y p:, 3qq
13: Y p:, n 1q Ð Y p:, nq ph{24qp55 k 0 59 k 1 37 k 2 9 k 3 q
14: k3 Ð k2
15: k2 Ð k1
16: k1 Ð k0
17: Fin Pour
18: Fin Fonction
Exercice 7
On pose f rns f ptn , y rns q. La méthode de Adams-Bashforth d'ordre
4 explicite est donnée par
h
y rn s y rns
1
55ff rns 59ff rn1s 37ff rn2s 9ff rn3s
24
37
et la méthode de Adams-Moulton d'ordre 4 implicite par

h rn s

y rn s y rns
1
9ff 1
19ff rns 5ff rn1s f rn2s
24
avec f rns f ptn, y rnsq.

Q. 1 Ecrire la fonction algorithmique REDPreCor4Vec permettant de
résoudre un problème de Cauchy (vectoriel) par une méthode de prédiction-
correction utilisant ces deux schémas.
Correction
Q. 1 On utilise le schéma de Runge-Kutta d'ordre 4 pour initialiser les 4
premières valeurs.
Ensuite on utilise comme prédicteur le schéma explicte et comme correcteur
le schéma implicite. Le principe est donc
Calcul à l'aide du prédicteur :
h
ŷ rn 1 s y rns 55ff rns 59ff rn1s 37ff rn2s 9ff rn3s
24
Calcul à l'aide du correcteur :
rn s r sq
fˆ
1
f ptn 1 , ŷ n 1
rn 1s
y rn 1 s y rns h
24
ˆ
9f 19ff rns 5ff rn1s f rn2s
L'algorithme de la fonction REDPreCor4Vec s'écrit alors :
38
Algorithme 11 Fonction REDPreCor4Vec : résolution d'un problème

de Cauchy par prédiction-correction (Adams-Bashforth/Adams-Moulton)
d'ordre 4
T : réel ¡ 0
1: Fonction rt , Y s Ð REDPreCor4Vec( f, t0 , T, y 0 , N )
3: h Ð pb aq{N
4: rtini, Y inis Ð REDRK4Vecpf, t0, t0 3 h, y 0 , 3q
5: Pour n Ð 1 à 4 faire
6: Y p:, nq Ð Y ini p:, nq
7: Fin Pour
13: Ŷ Ð Y p:, nq ph{24q p55 k 0 59 k 1 37 k 2 9 k 3 q
14: F̂ Ð f pt pn 1q, Ŷ q
15: Y p:, n 1q Ð Y p:, nq ph{24q p9 F̂ 19 k 0 5 k 1 k 2 q
16: k3 Ð k2
17: k2 Ð k1
18: k1 Ð k0
19: Fin Pour
20: Fin Fonction
39

EDO Beta4 PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

EDO Beta4 PDF

Încărcat de

Drepturi de autor:

Formate disponibile

a

Introduction à la résolution des E.D.O.

Energétique - 1ère année

a. Version beta 0.3 du 11 Mars 2011

par Cuvelier François

Université Paris Nord - Institut Galilée - LAGA

2 Méthode à un pas ou à pas séparés 19

4 Méthodes à pas multiples 23

On considère maintenant deux populations, y1 et y2 , où y1 sont les proies

1.1.3 Chimie : La réaction de Belousov-Zhabotinsky

Par exemple, avec le jeu de données α  1, β  3.5 et les contitions initiales

Brusselator simplifie − Concentrations

pendule par rapport à l'axe vertical, à un instant t, L la longueur de la tige,

θ2 ptq sinpθptqq  0, @t Ps0, T s,

Par exemple, avec le jeu de données g

Pendule pesant − valeur angulaire

Pendule pesant − vitesse angulaire

1.2 Dénition des E.D.O.

Dénition 1.1 On appelle équation diérentielle ordinaire (E.D.O.)

Dénition 1.2 On appelle forme canonique d'une E.D.O. une expres-

p 1q y1 ptq X p1q ptq

2 αX ptqY ptq pβ 1qX ptq

αy12 ptqy2 ptq pβ 1qy1 ptq

La forme canonique est alors donnée par

1.3 Formulation générale : le problème de Cauchy

Exemple 1.4 Un problème de Cauchy peut être linéaire, comme par

admet comme solution la fonction yptq  tanptq avec 0 t π

Exemple 1 (suite) La forme canonique (1.11) est d'ordre on obtient 1,

continue et dérivable, telle que

Exemple 2 (suite) La forme canonique (1.12) est d'ordre 2. On se ra-

On a alors, en dérivant l'expression précédente :

p 1q y1 ptq θp1q ptq

Le problème de Cauchy revient à chercher une fonction y dénie par

Dans de nombreux cas, la variable t représente le temps et les compo-

solutions approchées. Toutefois, il faudra vérier l'existence et l'unicité de la

Théorème 1.5 (Cauchy-Lipschitz) On suppose que la fonction f est conti-

1.4 Dérivation numérique

Pour calculer l'erreur commise par ces approximations, on rappelle le

Exercice 1.1 Q. 1 Soit y P C 2 pra, bsq.

Q. 2 Soit y P C 3 pra, bsq.

Les erreurs de troncature des diérences nies progressive et rétrograde

1.5 Méthode des diérences nies pour le problème de Cau-

y 1 ptq  f pt, y ptqq, @t P rt0, t0 Ts

Q. 1 Expliquer en détail comment utiliser le schéma d'Euler progressif pour

Q. 2 (algorithmique) Soit a, b, a b deux réels. Ecrire une fonction Dis-

Q. 3 (algorithmique) Ecrire une fonction REDEP retournant l'ensemble

Q. 4 (algorithmique) Ecrire un algorithme complet de résolution de pP q

où λ 0 est donné. La solution exacte est

y’(t)=y(t)+t2 y2(t) avec y(0)=−1 et N=20

Figure 1  résolutions avec Euler progressif et rétrograde

Dénition 1.9 On pose tn  nh, où le pas de temps h ¡ 0 est donné et

schéma associé à ce problème est absolument stable si

Ce n'est malheureusement pas toujours le cas comme illustré en gure2 avec

0.95, le même schéma est stable (voir gure3).

y’(t)=−2y(t) avec y(0)=1 et h=1.0526

Figure 2  Instabilité Euler progressif - Stabilité Euler rétrograde

y’(t)=−2y(t) avec y(0)=1 et h=0.95238

Figure 3  Stabilité Euler progressif - Stabilité Euler rétrograde

De la même manière, pour le schéma d'Euler rétrograde on obtient

1.8 Méthode des diérences nies pour le problème de Cau-

2 Méthode à un pas ou à pas séparés

Pour simplier on prend h  hn (pas constant)

2.1 Schéma général

Par exemple, avec le jeu de données α 1, β 3.5 et les contitions initiales

θ2 ptq sinpθptqq 0, @t Ps0, T s,

1.2 Dénition des E.D.O.

Dénition 1.1 On appelle équation diérentielle ordinaire (E.D.O.)

Dénition 1.2 On appelle forme canonique d'une E.D.O. une expres-

admet comme solution la fonction yptq tanptq avec 0 t π

Le problème de Cauchy revient à chercher une fonction y dénie par

solutions approchées. Toutefois, il faudra vérier l'existence et l'unicité de la

Les erreurs de troncature des diérences nies progressive et rétrograde

1.5 Méthode des diérences nies pour le problème de Cau-

y 1 ptq f pt, y ptqq, @t P rt0, t0 Ts

Figure 1 résolutions avec Euler progressif et rétrograde

Dénition 1.9 On pose tn nh, où le pas de temps h ¡ 0 est donné et

Ce n'est malheureusement pas toujours le cas comme illustré en gure2 avec

0.95, le même schéma est stable (voir gure3).

Figure 2 Instabilité Euler progressif - Stabilité Euler rétrograde

Figure 3 Stabilité Euler progressif - Stabilité Euler rétrograde

1.8 Méthode des diérences nies pour le problème de Cau-

Pour simplier on prend h hn (pas constant)

Théorème 2.1 Si Φ pt, y , hq vérie la condition de Lipschitz en y alors la

Théorème 2.2 Le schéma est consistant si Φpt, y, 0q f pt, yq.

Φ pt, y , hq p1 αqf pt, y q αff pt f pt, y qq

où k est le nombre de pas, αk 0 et |α0| |β0| ¡ 0.

On obtient donc P pλq 1 λ2 pλ 1qpλ 1q : le schéma (4.1) est stable.

avec f rns f ptn , y rns q.

Exercice 4.2 On pose f rns f ptn , y rns q. La méthode de Adams-Bashforth

|yp1qptnq pDyqPn | ¤ Ch, avec C

|yp1qptnq pDyqCn | ¤ Eh2, avec E

y ptn1 q y ptn q hy p1q ptn q

|pDyqPn yp1qptnq| h2 |yp2qpηPn q| ¤ h2 tPrtmax

|pDyqRn yp1qptnq| h2 |yp2qpηRn q| ¤ h2 tPrtmax

y ptn1 q y ptn q hy p1q ptn q

De même, comme η2n P rtn1, tns rtn1, tn 1s on a

tn t0 nh, @n P v0, N w, avec h

y rns , n P v0, N w déterminés par le schéma pS q. On a y r0s y0, puis on

y rn 1s yrns hf ptn , y rns q, pour i 0 à N 1

tn t0 nh, @n P v0, N w, avec h

y rns, n P v0, N w déterminés par le schéma pS q. On a y r0s y 0, puis on

y rn 1s y rns hff ptn , y rns q, pour i 0 à N 1