Cours GIL 1819
Cours GIL 1819
Cours GIL 1819
Pr Hamid El Ouardi
Email : [email protected]
2
Table des matières
1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 L'algorithme de dichotomie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4 Méthode de la sécante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 Interpolation polynômiale 19
1 Exemples et motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Pr Hamid El Ouardi
4 TABLE DES MATIÈRES
1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Interpolation polynômiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5 Méthodes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
7 Pr Hamid El Ouardi
8 TABLE DES MATIÈRES
Chapitre 1
Sommaire
1 Exemples et motivations . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 L'algorithme de dichotomie . . . . . . . . . . . . . . . . . . . . . . 11
9 Pr Hamid El Ouardi
10 CHAPITRE 1. RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS NON LINÉAIRES
1 Exemples et motivations
1.1 Exemple 1
(Equation d'état d'un gaz). On veut déterminer le volume V occupé par un gaz de tem-
molécules contenues dans le volume V et k est la constante de Boltzmann. Il faut donc résoudre
une équation non linéaire d'inconnue V : chercher V solution de
" 2 #
N
f (V ) = p + a (V − N b) − kN T,
V
1.2 Exemple 2
On veut chercher le taux de placement moyen d'un taux t d'un fond de placement sur
plusieurs années. On a investi chaque année une somme a = 1000 dhs et on se retrouve aprés
7
X 1+t 1+t
A = a (1 + t)i = a (1 + t)7 − 1 : f (t) = A − a (1 + t)7 − 1 = 0,
t t
i=1
C'est une équation non linéaire, dont on est incapable de trouver une solution exacte.
existent, tels que f (α) = 0; on les appellera solutions de f (x) = 0 ou encore zéros de f.
Le problème posé est de discuter l'existence, voire l'unicité des solutions de l'équation f (x) et
est naturel alors d'etudier les performances (convergence, ecacité, souplesse d'utilisation)
des algorithmes pour diverses classes de fonctions. Le cadre sera souvent le suivant : on se
la précision et l'ecacité.
2 L'algorithme de dichotomie
Soient x1 , x2 , ..........., xn les n racines réelles d'une équation f (x) = 0, rangées dans l'ordre
croissant. Séparer les racines de l'équation c'est trouver (n−1) nombres a1 , a2 , ............, an−1 tels
que l'on ait : x1 < a1 < x2 < a2 ........... < an−1 < xn . Si l'on connait les zéros de f 0 (x), le
théorème de Rolle permet de séparer les racines de l'équation f (x) = 0. En pratique, cette
éventualité est rarement utilisée et l'on réduit à transposer dans le domaine du calcul le pro-
cédé graphique consistant à tracer la courbe y = f (x) et à évaluer les intersections avec l'axe
des x.
Soit alors α une racine de f (x) = 0 comprise dans [a, b], a et b tels que f (a)f (b) < 0.
a+b
Soit x0 = 2 , on calcule f (x0 ),
si f (x0 )f (a) < 0 ⇒ on pose a1 = a, b1 = x0 ,
si f (x0 )f (b) < 0 ⇒ on pose a1 = x0 , b1 = b,
si f (x0 ) = 0 ⇒ x0 est racine.
Exemple : On veut trouver le zéro de la fonction f (x) = sin(2x) − 1 + x dans [−3, 3] . Avec
le code Matlab ( tolérence ε = 10−8 ), on trouve α = 0.35228846
Nous avons justié l'algorithme de dichotomie sur la classe des fonctions continues sur un
segment et de signes opposés aux extremités du segment. Lorsque f est plus régulière, on peut
on peut prendre
F (x) = x2 − 2
√
F (x) = x+2
2
F (x) = 1 +
x
x2 − x − 2
F (x) = x − , pour tout λ 6= 0.
λ
La méthode itérative consiste à utiliser l'algorithme suivant :
Algorithme 1 :
Choisir x0 arbitrairement et générer la suite (xn ) par la relation
Mais nous ne pouvons pas être sûr que cet algorithme soit toujours bien déni. D'aprés le
théorème du point xe, nous savons que si F est contractante d'un intervalle [a, b] dans lui -
même ie ∃k < 1 : |F (x) − F (y)| ≤ k |x − y| , alors il existe un élément et un seul α de [a, b] tel
que F (α) = α.
par l'algorithme 1.
Théorème 1 : Soit I = [a, b] un intervalle xé et soit f une fonction satisfaisant les
conditions suivantes :
ii) ∀x ∈ I f(x)∈ I,
Alors ∀x0 ∈ I, la suite (xn ) dénie par l'algorithme (1) converge vers la solution unique α
de l'équation x = f (x).
Preuve : D'aprés le théorème du point xe, il existe un unique α tel que α = f (α). De
|xn+1 − l| ≤ k |xn − l| ,
Dénition : Soit la suite (xn ) convergente vers l. S'il existe un nombre p et une constante
c 6= 0 tels que lim |xn+1 −l|
p = c, on dit que la convergence est d'ordre p; c est la constante
n→+∞ |xn −l|
d'erreur asypmptotique.
S'il existe une constante c et un réel p positif : |xn+1 − l| ≤ c |xn − l|p pour tout n assez
Remarque : La convergence est d'autant plus rapide que son ordre p est grand.
En eet si |xn − l| est petit, |xn − l|2 est encore plus petit.
14 CHAPITRE 1. RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS NON LINÉAIRES
Si la méthode converge, les éléments de la suite (xn ) sont de plus en plus proche de la
solution α. Un critère d'arrêt est pour (tolérence) donné : |xn − xn−1 | < et nous prendrons
xn comme valeur approchée de la solution.
Remarque importante : Si on suppose que F ∈ C 1 ((a, b)) et |F 0 (x)| < 1, alors F est
4 Méthode de la sécante
Il s'agit d'une méthode à trois niveaux : approcher les racines de F se ramène à calculer
x1 et x2 tels que F (x1 )F (x2 ) < 0 et déterminer la suite (xn ) par la relation
−xn−1
xn+1 = xn − F (xn ) F (xxnn)−F (xn−1 ) , n = 2, .....
Théorème : Soit F deux fois continument diérentiable sur un intervalle ouvert de centre
l vériant :
F (l) = 0, F 0 (l) 6= 0.
−xn−1
xn+1 = xn − F (xn ) F (xxnn)−F (xn−1 ) ∀n ≥ 2
Si nous posons F (x) = f (x) − x, le problème est de trouver x tel que F (x) = 0 et
F (xn )
l'algorithme s'écrit xn+1 = xn − F 0 (xn ) qui est la formulation de la méthode de Newton -
Raphson.
F (xn )
xn+1 = xn − F 0 (xn ) , n = 0, 1.....
5. MÉTHODE DE NEWTON - RAPHSON 15
1
F (x) − F (y) − F 0 (y)(x − y) ≤ |x − y| (∗)
2λ
F (xn )
Nous montrons par récurrence que si x1 , ........, xn sont défnies par xn+1 = xn − F 0 (xn ) et
c
|xn − xn−1 | ≤ (**)
2n
F (xn−1 ) = −(xn − xn−1 )F 0 (xn−1 ), d'où F (xn ) = F (xn ) − F (xn−1 ) − (xn − xn−1 )F 0 (xn−1 )
1 c
et en utilisant (∗), il vient : |F (xn )| ≤ 2λ |xn − xn−1 | ≤ λ2n+1
.
F (xn ) cλ c
D'autre part, on a : |xn+1 − xn | = F 0 (xn ) ≤ λ2n+1
= 2n+1
. Nous pouvons en déduire que :
|xn+1 − x0 | ≤ |xn+1 − xn | + |xn − xn−1 | + ...... |x1 − x0 | ≤ c( 12 + 1
22
+ ............ + 1
2n+1
) ≤ c.
Donc xn+1 ∈ [x0 − c, x0 + c] .
De (∗∗), on déduit que la série de terme général xn − xn−1 est absolument convergente
donc la suite xn tend vers une limite α ∈ [x0 − c, x0 + c] quand n → +∞. D'aprés la relation
16 CHAPITRE 1. RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS NON LINÉAIRES
c
|F (xn )| ≤ λ2n+1
et de la continuité de F, on en déduit que F (α) = 0. On applique la formule
Remarque : Il est clair qu'il faut se placer dans une zone où F 0 (x) ne risque pas de
s'annuler. Enn, la méthode converge lentement dans le cas des racines multiples.
modiée :
xn+1 = xn − p FF0(xn)
(xn ) , n = 0, 1.....
Méthode de Dichotomie
Avantages : la convergence est assurée, on a l'encadement de la solution et un seul calcul
Méthode de la sécante
Avantages : un seul calcul de la fonction à chaque itération. Convergence rapide. Inconvé-
nient : peut diverger si les données initiales sont mal choisies, le calcul de F (xn ) − F (xn−1 )
peut produire des erreurs de chute.
Méthode de Newton
Avantages : la convergence est rapide.
F : RN → RN , F = (f1 , f2 , ......, fN ).
∂f1 ∂f1
∂x1 ... ∂xN
∂fi
DF (x) = (x) = . .
∂xj ij
∂fN ∂fN
∂x1 ... ∂xN
3. Choisir x0 = 0.7 et utiliser la méthode de Newton pour trouver une autre approxima-
tion.
−xn
xn+1 = e 2 , x0 ∈ I
Interpolation polynômiale
Sommaire
1 Exemples et motivations . . . . . . . . . . . . . . . . . . . . . . . . 20
1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Interpolation polynômiale . . . . . . . . . . . . . . . . . . . . . . . 20
19 Pr Hamid El Ouardi
20 CHAPITRE 2. INTERPOLATION POLYNÔMIALE
1 Exemples et motivations
1.1 Exemple 1
Le tableau suivant donne le recensement de l'éspérance de vie pour les années 1975, 1980,
1985 et 1990.
1.2 Exemple 2
Les masses volumiques du matériau pour diérentes températures sont données par le
◦ ◦ ◦
2. Trouver les masses volumiques du sodium pour T = 251 C, T = 305 C et T = 800 C
en utilisant l'interpolation de Lagrange.
2 Interpolation polynômiale
P(xi ) = yi , i = 0, ......n
2. INTERPOLATION POLYNÔMIALE 21
n
Preuve : Soit P (x) = αi xi
P
le polynome cherché. Pour chaque xi on doit avoir P (xi ) =
i=0
yi ⇔ α0 + α1 xi + α2 (xi )2 + ...................αn (xi )n = yi .
Ceci fournit un système de (n + 1) inconnues α0 , α1 , α2 , αn .
Le déterminant est celui de VAN DER MONDE :
1 x0 x20 . . xn0
1 x1 x21 . . xn1
1 x2 x22 . . xn2 Y
= (xi − xj ) 6= 0
. . . . . . i>j
i=0,n
j=0,n
. . . . .
1 xn x2n . . xnn
sur ]a, b[ . Pour a = x0 < x1 < x2 ............. < xn = b, il existe un polynôme unique Pn de degré
f . Le théorème de Rolle s'applique (n + 1) fois à φ entre deux de ses zéros consécutifs. Il existe
22 CHAPITRE 2. INTERPOLATION POLYNÔMIALE
alors (n + 1) zéros distincts de φ0 dans ]a, b[. Le théorème de Rolle s'applique n fois à φ0 pour
fournir n zéros de φ00 ................, enn il existe un nombre c ∈ ]a, b[ tel que φ(n+1) (c) = 0. Or :
2.3 Exemples
facilement que
f (b) − f (a)
P1 (x) = f (a) + (x − a)
b−a
(x − a)(x − b) 00
et f (x) = P1 (x) + f (c).
2
a+b
2) n = 2, x0 = a, x1 = 2 , x2 = b ;on cherche P2 tel que P1 (a) = f (a), P2 ( a+b
2 ) =
f ( a+b ◦ (P
2 ), P2 (b) = f (b) et d 2) = 2. Pour le trouver, on peut écrire par exemple : P2 (x) =
◦ (P f (b)−f (a) f ( a+b )−f (a)
f (a) + (x − a)P1 (x) où d 1) =1 et P1 (b) = b−a , P1 ( a+b
2 ) =2 2
b−a et on a :
( )
a + b 2f (b) − f ( a+b
−
2 a+b 2 ) f (a)
P2 (x) = f (a) + (x − a) f( ) − f (a) + 2(x − ) .
b−a 2 2 b−a
Polynôme de Lagrange
n n n
Preuve : Soient (λi ) tels que
P P P
λi Li = 0 dans Pn ⇒ λi Li (xi ) = 0 = λi δij = λj = 0
i=0 i=0 i=0
3. TRAVAUX DIRIGÉS (CORRECTION EN CLASSE) 23
x 0 2 3 5
f (x) −1 2 9 87
Exercice 2.2 :
1. Déterminer le polynôme d'interpolation de Lagrange pour les points d'appui d'abs-
1
cisses : −2, −1, 0, 1, 2. de la fonction f (x) = 1+x2
Exercice 2.3 :
√
Soit f (x) = 2+x
24 CHAPITRE 2. INTERPOLATION POLYNÔMIALE
1. Déterminer le polynôme P (x) d'interpolation de Lagrange basé sur les points d'abscisses
0, 1 et 2.
2. Calculer P (0.1) et P (0.9), et comparer aux valeurs exactes. Evaluer l'erreur d'interpo-
Exercice 2.4 : Les masses volumiques du matériau pour diérentes températures sont
i 1 2 3
Température T (en
◦ C) 94 205 371
Masse volumique R(T) : (enkg/m3) 929 902 860
◦ ◦ ◦
2. Trouver les masses volumiques du sodium pour T = 251 C, T = 305 C et T = 800 C
en utilisant l'interpolation de Lagrange.
Chapitre 3
Sommaire
1 Exemples et motivations . . . . . . . . . . . . . . . . . . . . . . . . 26
1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2 Quelques méthodes d'intégrations numériques . . . . . . . . . . . 26
25 Pr Hamid El Ouardi
26 CHAPITRE 3. APPROXIMATIONS DES INTÉGRALES
1 Exemples et motivations
R1 x
On trouve souvent des intégrales dont le calcul est trés compliqué par exemple : √e dx,
0 1+x2
R1 R1 2
0 cos(x2 )dx, 0 e−x dx, .....
1.1 Exemple 1
On veut calculer l'énergie émise dans le spectre (infrarouge) compris entre les longueurs
d'ondes de 3µm et 14µm par un corps noir, objet capable d'émettre dans tout le spectre, à la
Z 0,0014
1
E(T ) = 2, 39.10−11 dx,
0,0003 x5 (−1 + e(1,432/(T x)) )
où x est la longeur d'onde et T la température du corps noir. On désire calculer E(T ) pour
compris entre - 60 et 90 degré Celsius.
1.2 Exemple 2
Il n'existe pas d'expression analytique de la primitive de la fonction à intégrer :
Z x
2
Er(x) = exp(−t2 )dt.
π 0
Rb Rb Rb
Par approximation de
a f (x)dx, on retiendra
a P1 (x)dx, c'est à dire
a P1 (x)dx =
f (b)+f (a)
2 (b − a).
Rb Rb Rb (x−a)(x−b) 00
L'erreur est ε= a f (x)dx− a P1 (x)dx = a 2 f (c)dx, ∀x ∈ [a, b] :
(x−a)(x−b) 00 (x−a)(x−b)
2 f (c) ≤ sup |f 00 (c)| × 2 , il vient
x∈[a,b]
2. QUELQUES MÉTHODES D'INTÉGRATIONS NUMÉRIQUES 27
b
(x − a)(x − b)
Z
00
|ε| ≤ M dx
a 2
M 00 (b − a)3
≤
2 6
où M 00 = sup |f 00 (x)| .
x∈[a,b]
b−a
Plus généralement, posons h= m , il vient : formule des trapèzes
b
h2
Z
f (a) + f (b)
f (x)dx − h + f (a + h) + f (a + 2h)......... ≤ M 00 (b − a) .
a 2 12
La méthode des trapèzes a consisté à remplacer f localement par des fonctions anes.
L'erreur sera sans doute plus faible si on remplace f par des polynômes de degrés plus élevées :
c'est l'objet d'une autre méthode approchée trés ecace : la méthode de Simpson.
(x − x0 )(x − x1 )(x − x2 ) 4
f (x) = P2 (x) + f (c), f 4 (c) ≤ M 4 .
4!
On a :
x2 x2
M4
Z Z
h
f (t)dt − [f (x0 ) + 4f (x1 ) + f (x2 )] ≤ |(x − x0 )(x − x1 )(x − x2 )| dx
x0 3 4! x0
M 4
≤ h5 .
90
28 CHAPITRE 3. APPROXIMATIONS DES INTÉGRALES
b−a
Plus généralement, posons h= m , il vient : formule de Simpson
n
hX
[f (x0 ) + 4f (x1 + 2f (x2 ) + .... + f (xn )] .
3
k=0
Exercice 3.1 :
π
2
1. Déterminer par la méthode des trapèzes une valeur approchée de =int0 f (x)dx sur la
π π
x 0 8 4 3 π8 π
2
3 Ces points d'appui sont ceux donnant sinx, comparer alors les résultats obtenus avec
la valeur exacte.
Exercice 3.2 :
On lance une fusée verticalement du sol et l'on mesure pendant les premières 80 secondes
l'accélération γ:
t(en s) 0 10 20 30 40 50 60 70 80
γ(en m/s2 ) 30 31.63 33.44 35.47 37.75 40.33 43.29 46.70 50.67
Calculer la vitesse V de la fusée à l'instant t = 80s, par les Trapèzes puis par Simpson.
Exercice 3.4 :
Calculer à l'aide de la méthode des Trapèzes, l'intégrale
Z π
I= sin(x2 )dx
0
√ p √
3. Comparer avec la valeur exacte de I = 5 + ln 2 + 5 = 2, 9578857151
30 CHAPITRE 3. APPROXIMATIONS DES INTÉGRALES
Chapitre 4
Sommaire
1 Exemples et motivations . . . . . . . . . . . . . . . . . . . . . . . . 33
1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5 Méthodes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . 36
31 Pr Hamid El Ouardi
32 CHAPITRE 4. RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS DIFFÉRENTIELLES
1 Exemples et motivations
Bien souvent, on ne sait pas résoudre exactement une équation diérentielle. C'est à dire
qu'on ne sait pas donner la forme explicite des solutions. Il faut alors recourir à des méthodes
qui donnent des solutions approchées. Celles ci reposent sur des notions d'analyse numérique
que vous rencontrerez dans votre future formation d'ingénieur. Nous nous contenterons d'abor-
der dans ce chapitre deux des méthodes les plus simples à mettre en oeuvre ; celle d'Euler et
le domaine de l'analyse numérique où les applications sont les plus nombreuses. Que ce soit
1.1 Exemple 1
Considérons une population y d'animaux dans un milieu ambiant où au plus B animaux
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 par l'équation diérentielle suivante :
y 0 (t) = Cy(t) 1 − y(t) , t > 0,
B
y(0) = y0 .
temps.
1.2 Exemple 2
On considère deux populations, y et z , où y sont les proies et z les prédateurs. L'évolution
des deux populations est alors décrite par le système d'équations diérentielles suivant :
y 0 (t) = C1 y(t) [(1 − b1 y(t) − d2 z(t))] ,
z 0 (t) = −Cz(t) [(1 − d y(t))] ,
1
34 CHAPITRE 4. RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS DIFFÉRENTIELLES
de l'interaction entre les deux populations. b1 est liée à la quantité de nourriture disponible
pour la population des proies y1 . Ce modèle est connu sous le nom de LOTKA-VOLTERRA.
2 Position du problème
seulement si
Une équation diérentielle peut avoir plusieurs solutions. Pour préciser, on introduit des
conditions particulières. Il est évident que pour une équation d'ordre p , p conditions sont
Exemple :
y(a) = η0
y 0 (a) = η1
où η0 , ..............., ηp−1 sont des constantes données.
.
y (p−1) (a) = η
p−1
la forme :
y 0 = f (x, y)
y(a) = η (η constante donnée),
car on peut montrer que les équations d'ordre supérieur se ramenent à un système d'équa-
tions dierentielles d'ordre 1 en posant : z1 (x) = y 0 (x), z2 (x) = z10 (x) = y 00 (x)...............etc.
3. PROBLÈME D'EXISTENCE ET D'UNICITÉ 35
y 0 = f (t, y(t)) vériant la condition initiale
y(t0 ) = y0
Pour formuler le problème de façon précise, nous allons faire des hypothèses sur f (t, y).
Hypothèse 1 : La fonction f (t, y) est à valeurs réelles et elle est continue sur un domaine
D du plan (t, y) déni par t0 − α < t < t0 + α, y0 − β < y < y0 + β où α et β sont positifs.
Cette hypothèse montre que f (t, y) est continue sur D donc f (t, y) est borné dans D ,
β
c'est à dire : ∃M ∈ R tel que sup |f (t, y| = M. On peut poser h = min α, M .
(t,y)∈D
Hypothèse 2 : f (t, y) satisfait à la condition de Lipschitz relativement à y dans D ie
On va dénir une suite yn (t) qui converge uniformément vers la solution y(t) sur |t − t0 | ≤
h, soit la suite dénie par de la façon suivante sur |t − t0 | ≤ h :
Rt Rt
y0 (t) = y0 , y1 (t) = y0 + t0 f (x, y0 (x))dx, .................., yn (t) = y0 + t0 f (x, yn−1 (x))dx.
Théorème de Picaro :
La suite {yn (t)} converge uniformément sur le segment |t − t0 | ≤ h vers y(t) vériant :
y 0 = f (t, y(t))
y(t0 ) = y0
er
4 Généralisations aux systèmes du 1 ordre
y 0 = f (t, y(t)) t ∈ [a, b] , f : [a, b] × Rn → Rn
y(t0 ) = y0 .
5 Méthodes numériques
Dans les deux cas, un principe de base essentiel est le suivant : le problème mathématique,
quel qu'il soit, traite les fonctions à valeurs dans R, ayant pour support un intervalle de
R; donc un nombre de points ayant la puissance du continu ; or, sur un calculateur, nous
sommes obligés de travailler sur un nombre ni de points judicieusement choisis et répartis
Donc il faut discrétiser le domaine de travail. Les points ainsi formés pourront être repères
Donc 1
◦ temps R → ξ
(∞ points) N points.
Dans tous les cas, une méthode discrète consiste pour chaque point xn à trouver une
valeur yn qui est une valeur approchée de y(xn ) solution exacte de l'équation au point xn .
Dans une méthode à 1 pas , la valeur yn peut être trouvée si et seulement si yn−1 est connu ;
la connaissance de yn−2 , yn−3 n'est pas nécéssaire. Une méthode à k pas nécessite en mémoire
yn−1 , yn−2 , ..........., yn−k pour calculer yn . Dans les méthodes à un pas, le point de départ
ne joue pas un rôle spécial ce qui rend facile le changement du pas h. Les méthodes à pas
multiples nécéssitent une procédure de départ spéciale. Une des principales questions qui se
posent est la valeur de la quantité e(tn ) = yn − y(tn ) : erreur de discrétisation. Ces méthodes
sont presque toujours applicables. La seule condition nécésaire pour pouvoir les appliquer est
la possibilté de calculer une bonne approximation de la valeur de f (t, y) pour un (t, y) donné.
5. MÉTHODES NUMÉRIQUES 37
Les erreurs commises à chaque pas de calcul se propagent et nalement l'erreur obtenue
ek = ky(tk ) − yk k = O(h)
bilité. En eet si la largeur du pas de calcul h est trop importante, la méthode peut ne pas
converger.
Nous étudierons complétement cette méthode car c'est la plus simple de toutes les mé-
y 0 = f (t, y(t))
y(t0 ) = y0
On considère une subdivision de [a, b] en N intervalles égaux ti = a + ih.
y(ti + h) = y(ti ) + hy 0 (ti ) + 0(h2 ) or y 0 (ti ) = f (ti , yi )
y(ti + h) = y(ti ) + hf (ti , yi ) + 0(h2 ).
On aura donc une approximation de y au point ti+1 par la formule
yi+1 = yi + hf (xi , yi ) ,i≥ 0
y0 donnée
y0 = t0 = a
n= nombre de pas
b−a
h= n
Pour k de 1 à n Faire
tk = tk−1 + h
Fin Pour
Ce sont les schémas dénis par une équation de récurrence et qui permettent de calculer
yi+1 = yi + hΦ(ti , yi , h),i≥ 0
(4)
y0 = η h donnée
Dénition : Nous dirons que la méthode (4) est consistante avec l'équation diérentielle
si :
max |[y(tn+1 ) − y(tn )] − Φ(tn , y(tn ), h)| → 0, quand h → 0 , n = 0, ........, N −1, pour toute
solution continue sur [a, b] de l'équation diérentielle.
Donc on voit que la méthode approche la solution dans un certain sens, la dénition
Dénition : Soient {yn } et {zn } les solutions respectives des systèmes suivants :
yn+1 = yn + hΦ(tn , yn , h)
y xé quelconque dans R
0
6. LES SCHÉMAS UN PAS 39
zn+1 = zn + h [Φ(tn , yn , h) + εn ]
z xé quelconque dans R
0
Nous dirons que la méthode (4) est stable s'il existe deux constantes M1 et M2 indépen-
Cette notion de stabilité siginie qu'une petite perturbation sur les données n'entraine
quons que la stabilité est une propriété intrinséque du schéma de résolution numérique.
Dénition :
Nous dirons que la méthode (4) est convergente si ∀ζ ∈ R, si ηh → ζ quand h→0 et si
{yn } est la solution de y 0 (t) = f (t, y(t)), nous avons max |yn − y(tn )| → 0 quand h→0
n=0,....,N
où y ∈ C 1 ([a, b]) est la solution de l'équation diérentielle.
Nous allons relier ces trois notions de consistance , de stabilité et de convergence à l'aide
1. Φ continue en t et en y au voisinage de h = 0.
2. Φ est Lipschitzienne en y.
3. ∃A et p tels que |Φ(t, y, h) − 4(t, y, h)| ≤ Ahp .
Alors l'erreur de discrétisation est d'order p et l'on a
eL(t−a) − 1
|en | = |yn − y(tn )| ≤ Ahp ,
L
une estimation de l'erreur mais ne permet pas le contrôle de celle - ci, pour cela il faudrait
y(t + h) − y(t) h
= y 0 (t) + y 00 + o(h2 ) = 4(t, y(t), h).
h 2
∂y 0
Mais y 0 = f (t, y), y 00 = ∂t = fx0 + fy0 × f, 4(t, y, h) = f (t, y) + h2 ft0 + h2 fy0 × f + o(h2 ).
On aura donc un schéma d'ordre 2 et en choisissant comme fonction d'accroissement :
h 0 h
Φ(t, y, h) = f (t, y) + ft (t, y + fy0 (t, y × f (t, y),
2 2
on peut montrer que ce schéma est stable et consistant. La compléxité des expressions
analytiques des dérivées augment, cette méthode est donc en général à éviter sauf dans des
cas simples (équations linéaires). On est donc amenée à rechercher un schéma d'ordre p qui
D'autre part : 4(x, y, h) = f (x, y) + h2 fx0 (x, y) + h2 fy0 (x, y) × f (x, y) + o(h2 ), pour que le
a1 + a2 = 1
1 1 1
a2 p 1 = 2 d'où a2 = α, a1 = 1 − α, p1 = 2α , p2 = 2α
1
a2 p 2 = 2
h h
yn+1 = yn + h (1 − α)f (xn , yn ) + αf (xn + , yn + f (xn , yn ) .
2α 2α
Cette méthode est consistante et stable. Elle est actuellement universellement utilisée et
Cas particuliers
La méthode d'Euler n'est qu'un exemple de méthodes plus générales de résolution, les
méthodes dites de Runge - Kutta. Elles consistent à écrire une solution approchée y où in-
terviennent uniquement des évaluations de la fonction f (et pas de ses dérivées !) de manière
à ce que ce que cette solution algébrique conduise à une erreur du même ordre que celle du
Chaque méthode de Runge - Kutta consiste à écrire y(t + 1), solution approchée du pro-
blème de Cauchy, sous la forme d'une combinaison linéaire de y(t) et de valeurs de la fonction
f de telle manière que le développement en série de Taylor de cette combinaison linéaire
b−a
h= n
Pour k de 1 à n Faire
K1 = f (tk−1 , yk−1 )
K2 = f (tk−1 + 12 h, yk−1 + h2 K1 )
yk = yk−1 + h2 (K1 + K2 )
tk = tk−1 + h
Fin Pour
b−a
h= n
Pour k de 1 à n Faire
K1 = f (tk−1 , yk−1 )
K2 = f (tk−1 + 12 h, yk−1 + h2 K1 )
K3 = f (tk−1 + 21 h, yk−1 + h2 K2 )
K4 = f (tk−1 + h, yk−1 + hK1 )
yk = yk−1 + h6 (K1 + 2K2 + 2K3 + K4 )
tk = tk−1 + h
Fin Pour
3. Comparer.
t
y 0 (t) = y(t) − 2 , y(0) = 1
y
1. Approcher la solution de cette équation en t = 0.2 à l'aide de la méthode de Runge
3. Comparer.
1. Ecrire cette équation diérentielle sous forme d'un système diérentiel de deux équa-
y 00 (t) + 3 sin(y 0 (t)) = 2y(t) , t ∈ [a, b]
y(a) = 1 et y 0 (a) = 2
1. Ecrire cette équation diérentielle sous forme d'un système diérentiel de deux équa-
1. Montrer que f (t, y(t) est lipshitzienne par rapport à y uniformément par rapport à t,
et donner une constante de Lipshitz.
h = 0.1.
de y(0.2); commentaires ?
Travail à faire :
1. Vérier que la solution exacte est y(t) = 2.5 exp(−2t) − 1.5 exp(−4t).
5. Pour comparer l'erreur commise, tracer les courbes des deux solutions.