Vous êtes sur la page 1sur 345

C

O L L E C T I O N

R E N O B L E

C I E N C E S

DIRIGE PAR JEAN BORNAREL

ANALYSE NUMRIQUE ET QUATIONS DIFFRENTIELLES


Nouvelle dition

Jean-Pierre DEMAILLY

ANALYSE NUMRIQUE ET QUATIONS DIFFRENTIELLES

Grenoble Sciences
Grenoble Sciences poursuit un triple objectif!: ! raliser des ouvrages correspondant un projet clairement dfini, sans contrainte de mode ou de programme, ! garantir les qualits scientifique et pdagogique des ouvrages retenus, ! proposer des ouvrages un prix accessible au public le plus large possible. Chaque projet est slectionn au niveau de Grenoble Sciences avec le concours de referees anonymes. Puis les auteurs travaillent pendant une anne (en moyenne) avec les membres dun comit de lecture interactif, dont les noms apparaissent au dbut de louvrage. Celui-ci est ensuite publi chez lditeur le plus adapt. (Contact!: Tl.!: (33)4 76 51 46 95 - E-mail!: Grenoble.Sciences@ujf-grenoble.fr) Deux collections existent chez EDP Sciences!: ! la Collection Grenoble Sciences, connue pour son originalit de projets et sa qualit ! Grenoble Sciences!-!Rencontres Scientifiques, collection prsentant des thmes de recherche dactualit, traits par des scientifiques de premier plan issus de disciplines diffrentes. Directeur scientifique de Grenoble Sciences Jean BORNAREL, Professeur l'Universit Joseph Fourier, Grenoble 1 Comit de lecture pour Analyse numrique et quations diffrentielles ! M. ARTIGUE, Professeur l'IUFM de Reims ! A. DUFRESNOY, Professeur l'Universit Joseph Fourier - Grenoble 1 ! J.R. JOLY, Professeur l'Universit Joseph Fourier - Grenoble 1 ! M. ROGALSKI, Professeur l'Universit des Sciences et Techniques - Lille 1

Grenoble Sciences bnficie du soutien du Ministre de l'ducation nationale, de l'Enseignement suprieur et de la Recherche et de la Rgion Rhne-Alpes. Grenoble Sciences est rattach l'Universit Joseph Fourier de Grenoble.

Illustration de couverture : Alice GIRAUD

ISBN 2-86883-891-X EDP Sciences, 2006

ANALYSE NUMRIQUE ET QUATIONS DIFFRENTIELLES


Jean-Pierre DEMAILLY

17, avenue du Hoggar Parc dActivit de Courtabuf - BP 112 91944 Les Ulis Cedex A - France

Ouvrages Grenoble Sciences dits par EDP Sciences


Collection Grenoble Sciences
Chimie. Le minimum savoir (J.!Le!Coarer) Electrochimie des solides (C.!Dportes et!al.) Thermodynamique chimique (M.!Oturan & M.!Robert) CD de Thermodynamique chimique (J.P.!Damon & M.!Vincens) Chimie organomtallique (D.!Astruc) De l'atome la raction chimique (sous la direction de R.!Barlet) Introduction la mcanique statistique (E.!Belorizky & W.!Gorecki) Mcanique statistique. Exercices et problmes corrigs (E.!Belorizky & W.!Gorecki) La cavitation. Mcanismes physiques et aspects industriels (J.P.!Franc et al.) La turbulence (M.!Lesieur) Magntisme!: I!Fondements, II!Matriaux et applications (sous la direction dE.!du Trmolet de Lacheisserie) Du Soleil la Terre. Aronomie et mtorologie de lespace (J.!Lilensten & P.L.!Blelly) Sous les feux du Soleil. Vers une mtorologie de lespace (J.!Lilensten & J.!Bornarel) Mcanique. De la formulation lagrangienne au chaos hamiltonien (C.!Gignoux & B.!Silvestre-Brac) Problmes corrigs de mcanique et rsums de cours. De Lagrange Hamilton (C.!Gignoux & B.!Silvestre-Brac) La mcanique quantique. Problmes rsolus, T.!1!et!2 (V.M.!Galitsky, B.M.!Karnakov & V.I.!Kogan) Description de la symtrie. Des groupes de symtrie aux structures fractales (J.!Sivardire) Symtrie et proprits physiques. Du principe de Curie aux brisures de symtrie (J.!Sivardire) Exercices corrigs d'analyse, T.!1!et!2 (D.!Alibert) Introduction aux varits diffrentielles (J.!Lafontaine) Mathmatiques pour les sciences de la vie, de la nature et de la sant (F. ! & J.P.!Bertrandias) Approximation hilbertienne. Splines, ondelettes, fractales (M.!Attia & J.!Gaches) Mathmatiques pour ltudiant scientifique, T.!1!et!2 (Ph.J.!Haug) Analyse statistique des donnes exprimentales (K.!Protassov) Nombres et algbre (J.Y.!Mrindol) Bactries et environnement. Adaptations physiologiques (J.!Pelmont) Enzymes. Catalyseurs du monde vivant (J.!Pelmont) Endocrinologie et communications cellulaires (S.!Idelman & J.!Verdetti) Elments de biologie l'usage d'autres disciplines (P.!Tracqui & J.!Demongeot) Bionergtique (B.!Gurin) Cintique enzymatique (A.!Cornish-Bowden, M.!Jamin & V. Saks) Biodgradations et mtabolismes. Les bactries pour les technologies de l'environnement (J.!Pelmont) Enzymologie molculaire et cellulaire, T.!1!et 2 (J.!Yon-Kahn & G.!Herv) La plonge sous-marine l'air. L'adaptation de l'organisme et ses limites (Ph.!Foster) L'Asie, source de sciences et de techniques (M.!Soutif) La biologie, des origines nos jours (P. ! Vignais) Naissance de la physique. De la Sicile la Chine (M. ! Soutif) Le rgime omga!3. Le programme alimentaire pour sauver notre sant (A.!Simopoulos, J.!Robinson, M.!de!Lorgeril & P.!Salen) Gestes et mouvements justes. Guide de l'ergomotricit pour tous (M.!Gendrier) Science exprimentale et connaissance du vivant. La mthode et les concepts (P.!Vignais, avec la collaboration de P.!Vignais) Listening Comprehension for Scientific English (J. ! Upjohn) Speaking Skills in Scientific English (J.!Upjohn, M.H.!Fries & D.!Amadis) Minimum Competence in Scientific English (S.!Blattes, V.!Jans & J.!Upjohn)

Grenoble Sciences - Rencontres Scientifiques


Radiopharmaceutiques. Chimie des radiotraceurs et applications biologiques (sous la direction de M.!Comet & M.!Vidal) Turbulence et dterminisme (sous la direction de M.!Lesieur) Mthodes et techniques de la chimie organique (sous la direction de D.!Astruc) Lnergie de demain. Techniques, environnement, conomie (sous la direction de J.L.!Bobin, E.!Huffer & H.!Nifenecker) Physique et biologie. Une interdisciplinarit complexe (sous la direction de B.!Jacrot)

Le pr esent ouvrage reprend avec beaucoup de compl ements un cours de Licence de Math ematiques ex troisi` eme ann ee dUniversit e donn e ` a lUniversit e de Grenoble I pendant les ann ees 1985-88. Le but de ce cours etait de pr esenter aux etudiants quelques notions th eoriques de base concernant les equations et syst` emes d equations di erentielles ordinaires, tout en explicitant des m ethodes num eriques permettant de r esoudre eectivement de telles equations. Cest pour cette raison quune part importante du cours est consacr ee ` a la mise en place dun certain nombre de techniques fondamentales de lAnalyse Num erique : interpolation polynomiale, int egration num erique, m ethode de Newton ` a une et plusieurs variables. Loriginalit e de cet ouvrage ne r eside pas tant dans le contenu, pour lequel lauteur sest inspir e sans vergogne de la litt erature existante en particulier du livre de Crouzeix-Mignot pour ce qui concerne les m ethodes num eriques, et des livres classiques de H. Cartan et J. Dieudonn e pour la th eorie des equations di erentielles mais plut ot dans le choix des th` emes et dans la pr esentation. Sil est relativement facile de trouver des ouvrages sp ecialis es consacr es soit aux aspects th eoriques fondamentaux de la th eorie des equations di erentielles et ses applications (Arnold, Coddington-Levinson) soit aux techniques de lAnalyse Num erique (Henrici, Hildebrand), il y a relativement peu douvrages qui couvrent simultan ement ces di erents aspects et qui se situent ` a un niveau accessible pour ete etudiant de second cycle. Nous avons en particulier consacr e deux l honn chapitres entiers ` a l etude des m ethodes el ementaires de r esolution par int egration explicite et a ` l etude des equations di erentielles lin eaires ` a coecients constants, ces questions etant g en eralement omises dans les ouvrages de niveau plus avanc e. Par ailleurs, un eort particulier a et e fait pour illustrer les principaux r esultats par des exemples vari es. La plupart des m ethodes num eriques expos ees avaient pu etre eectivement mises en uvre par les etudiants au moyen de programmes ecrits en Turbo Pascal ` a une epoque remontant maintenant a ` la pr ehistoire de linformatique. Aujourdhui, les environnements disponibles sont beaucoup plus nombreux, mais nous recommandons certainement encore aux etudiants dessayer dimpl ementer les algorithmes propos es dans ce livre sous forme de programmes ecrits dans des langages de base

Analyse num erique et equations diff erentielles

comme C ou C++, et particuli` erement dans un environnement de programmation libre comme GCC sous GNU/Linux. Bien entendu, il existe des logiciels libres sp ecialis es dans le calcul num erique qui impl ementent les principaux algorithmes utiles sous forme de librairies toutes pr etes Scilab est lun des plus connus mais dun point de vue p edagogique et dans un premier temps au moins, il est bien plus formateur pour les etudiants de mettre vraiment la main dans le cambouis en programmant eux-m emes les algorithmes. Nous ne citerons pas denvironnements ni de logiciels propri etaires equivalents, parce que ces logiciels dont le fonctionnement intime est inaccessible ` a lutilisateur sont contraires a ` notre ethique scientique ou educative, et nous ne souhaitons donc pas en encourager lusage. Lensemble des sujets abord es dans le pr esent ouvrage d epasse sans aucun doute le volume pouvant etre trait e en une seule ann ee de cours m eme si jadis nous avions pu en enseigner lessentiel au cours de la seule ann ee de Licence. Dans les conditions actuelles, il nous para t plus judicieux denvisager une r epartition du contenu sur lensemble des deux ann ees du second cycle universitaire. Ce texte est probablement utilisable aussi pour les el` eves d ecoles ding enieurs, ou comme ouvrage de synth` ese au niveau de lagr egation de math ematiques. Pour guider le lecteur dans sa s election, les sous-sections de chapitres les plus diciles ainsi que les d emonstrations les plus d elicates sont marqu ees dun ast erisque. Le lecteur pourra trouver de nombreux exemples de trac es graphiques de solutions d equations di erentielles dans le livre dArtigue-Gautheron : on y trouvera en particulier des illustrations vari ees des ph enom` enes qualitatifs etudi es au chapitre X, concernant les points singuliers des champs de vecteurs. Je voudrais ici remercier mes coll` egues grenoblois pour les remarques et am eliorations constantes sugg er ees tout au long de notre collaboration pendant les trois ann ees qua dur e ce cours. Mes plus vifs remerciements sadressent egalement a Mich` ` ele Artigue, Alain Dufresnoy, Jean-Ren e Joly et Marc Rogalski, qui ont bien voulu prendre de leur temps pour relire le manuscrit original de mani` ere tr` es d etaill ee. Leurs critiques et suggestions ont beaucoup contribu e` a la mise en forme d enitive de cet ouvrage. Saint-Martin dH` eres, le 5 novembre 1990

La seconde edition de cet ouvrage a b en eci e dun bon nombre de remarques et de suggestions propos ees par Marc Rogalski. Les modications apport ees concernent notamment le d ebut du chapitre VIII, o` u la notion d elicate derreur de consistance a et e plus clairement explicit ee, et les exemples des chapitres VI et XI traitant du mouvement du pendule simple. Lauteur tient ` a remercier de nouveau Marc Rogalski pour sa pr ecieuse contribution. Saint-Martin dH` eres, le 26 septembre 1996

La troisi` eme edition de cet ouvrage a et e enrichie dun certain nombre de compl ements th eoriques et pratiques : comportement g eom etrique des suites it eratives en dimension 1, th eor` eme des fonctions implicites et ses variantes g eom etriques dans le chapitre IV ; crit` ere de maximalit e des solutions dans le chapitre V ; calcul de g eod esiques dans le chapitre VI ; quelques exemples et exercices additionnels dans les chapitres suivants ; notions el ementaires sur les ots de champs de vecteurs dans le chapitre XI. Saint-Martin dH` eres, le 28 f evrier 2006

Lobjet de ce chapitre est de mettre en evidence les principales dicult es li ees ` a la pratique des calculs num eriques sur ordinateur. Dans beaucoup de situations, il existe des m ethodes sp eciques permettant daccro tre a ` la fois lecacit e et la pr ecision des calculs.

La capacit e m emoire dun ordinateur est par construction nie. Il est donc n ecessaire de repr esenter les nombres r eels sous forme approch ee. La notation la plus utilis ee ` a lheure actuelle est la repr esentation avec virgule ottante : un nombre r eel x est cod e sous la forme x m bp o` u b est la base de num eration, m la mantisse, et p lexposant. Les calculs internes sont g en eralement eectu es en base b = 2, m eme si les r esultats ach es sont nalement traduits en base 10. La mantisse m est un nombre ecrit avec virgule xe et poss edant un nombre maximum N de chires signicatifs (impos e par le choix de la taille des emplacements m emoires allou es au type r eel) : suivant les machines, m s ecrira
N

m = 0, a1 a2 . . . aN =
k=1

ak b k ,

b1 m < 1 ;

m = a0 , a1 a2 . . . aN 1 =
0k<N

ak bk , 1 m < b.

Ceci entra ne que la pr ecision dans lapproximation dun nombre r eel est toujours une pr ecision relative : x m bN = 1 = b1N . x m b

Analyse num erique et equations diff erentielles

On notera = b1N cette pr ecision relative. En Langage C standard (ANSI C), les r eels peuvent occuper pour le type oat , 4 octets de m emoire, soit 1 bit de signe, 23 bits de mantisse et 8 bits dexposant (dont un pour le signe de lexposant). Ceci permet de repr esenter les r eels avec une mantisse de 6 ` a 7 chires signicatifs apr` es la virgule, dans une a 2127 soit environ de 1038 = 1 E 38 a ` 1038 = 1 E + 38. echelle allant de 2128 ` 7 La pr ecision relative est de lordre de 10 . pour le type double , 8 octets de m emoire, soit 1 bit de signe, 51 bits de mantisse et 12 bits dexposant (dont un pour le signe de lexposant). Ceci permet de repr esenter les r eels avec une mantisse de 15 chires signicatifs apr` es la virgule, a 22047 soit environ de 10616 = 1 E 616 a ` dans une echelle allant de 22048 ` ecision relative est de lordre de 1015 . 10616 = 1 E + 616. La pr

Supposons par exemple que les r eels soient calcul ees avec 3 chires signicatifs et arrondis a ` la d ecimale la plus proche. Soit a ` calculer la somme x + y + z avec x = 8, 22, y = 0, 00317, z = 0, 00432

(x + y ) + z donne : x + y = 8, 22317 8, 22 (x + y ) + z 8, 22432 8, 22 x + (y + z ) donne : y + z = 0, 00749 x + (y + z ) = 8, 22749 8, 23. Laddition est donc non associative par suite des erreurs darrondi !

On se propose d etudier quelques m ethodes permettant de majorer les erreurs darrondi dues aux op erations arithm etiques. Soient x, y des nombres r eels suppos es repr esent es sans erreur avec N chires signicatifs : x = 0, a1 a2 . . . aN bp , b1+p x < bp y = 0, a1 a2 . . . aN bq , b1+q y < bq Notons (x + y ) lerreur darrondi commise sur le calcul de x + y . Supposons par exemple p q . Sil ny a pas d ebordement, cest-` a-dire si x + y < bp , le calcul de x + y saccompagne dune perte des p q derniers chires de y correspondant aux puissances bk+q < bN +p ; donc (x + y ) bN +p , alors que x + y x b1+p . En cas de d ebordement x + y bp (ce qui se produit par exemple si p = q et ecimale correspondant ` a la puissance bN +p est elle aussi perdue, a1 + a1 b), la d 1N +p . Dans les deux cas : do` u (x + y ) b (x + y ) (|x| + |y |), ecision relative d ecrite au 1.1. Ceci reste vrai quel que soit le o` u = b1N est la pr signe des nombres x et y .

I Calculs num eriques approch es

En g en eral, les r eels x, y ne sont eux-m emes connus que par des valeurs approch ees x , y avec des erreurs respectives x = |x x|, y = |y y |. A ces erreurs sajoute lerreur darrondi (x + y ) (|x | + |y |) (|x| + |y | + x + y ). Les erreurs x, y sont elles-m emes le plus souvent dordre par rapport a ` |x| et |y |, de sorte que lon pourra n egliger les termes x et y . On aura donc : (x + y ) x + y + (|x| + |y |).
n

Soit plus g en eralement ` a calculer une somme


k=1

uk de r eels positifs. Les sommes

partielles sk = u1 + u2 + . . . + uk vont se calculer de proche en proche par les formules de r ecurrence s0 = 0 s k = s k 1 + uk , k 1. Si les r eels uk sont connus exactement, on aura sur les sommes sk des erreurs sk telles que s1 = 0 et sk sk1 + (sk1 + uk ) = sk1 + sk . Lerreur globale sur sn v erie donc sn (s2 + s3 + . . . + sn ), soit sn (un + 2un1 + 3un2 + . . . + (n 1)u2 + (n 1)u1 ). Comme ce sont les premiers termes somm es qui sont aect es des plus gros coecients eduit la r` egle g en erale suivante (cf. exemple 1.2). dans lerreur sn , on en d

R` egle g en erale Dans une sommation de r eels, lerreur a tendance ` a etre


minimis ee lorsquon somme en premier les termes ayant la plus petite valeur absolue.

Le produit de deux mantisses de N chires donne une mantisse de 2N ou 2N 1 chires dont les N ou N 1 derniers vont etre perdus. Dans le calcul dun produit xy (o` u x, y sont suppos es repr esent es sans erreur) il y aura donc une erreur darrondi (xy ) |xy |, o` u = b1N .

Si x et y ne sont eux-m emes connus que par des valeurs approch ees x , y et si x = |x x|, y = |y y |, on a une erreur initiale |x y xy | = |x(y y ) + (x x)y | |x|y + x|y | |x|y + x|y | + xy.

10

Analyse num erique et equations diff erentielles

A cette erreur sajoute une erreur darrondi (x y ) |x y | (|x| + x)(|y | + y ). En n egligeant les termes xy , x, y , on obtient la formule approximative (xy ) |x|y + x|y | + |xy |. ()

es repr esent es sans erreur. La Soit plus g en eralement des r eels x1 , . . . , xk , suppos formule () entra ne (x1 x2 . . . xk ) (x1 . . . xk1 )|xk | + |x1 . . . xk1 xk |, do` u par une r ecurrence ais ee : (x1 x2 . . . xk ) (k 1)|x1 x2 . . . xk |. Lerreur sur un quotient est donn ee de m eme par (x/y ) |x/y |. On en d eduit en erale pour tous exposants i Z la formule g
k k 1 2 1 2 (x 1 x2 . . . xk ) (|1 | + . . . + |k | 1)|x1 x2 . . . xk | ;

erations requises on observera que |1 | + . . . + |k | 1 est exactement le nombre dop k 1 2 x . . . x par multiplications ou divisions successives des xi . pour calculer x 1 2 k Contrairement au cas de laddition, la majoration de lerreur dun produit ne d epend pas de lordre des facteurs.

On sint eresse ici au probl` eme de l evaluation dun polyn ome


n

P (x) =
k=0

a k xk .

ve qui vient a ` lesprit consiste a ` poser x0 = 1, s0 = a0 , La m ethode la plus na puis a ` calculer par r ecurrence k k 1 x x = x pour k 1. uk = a k xk s k = s k 1 + uk Pour chaque valeur de k , deux multiplications et une addition sont donc n ecessaires. Il existe en fait une m ethode plus ecace :

R` egle de H orner On factorise P (x) sous la forme :


P (x) = a0 + x(a1 + x(a2 + . . . + x(an1 + xan ) . . .)).

I Calculs num eriques approch es

11

Si lon pose

pk = ak + ak+1 x + . . . + an xnk , pn = an pk1 = ak1 + xpk ,

cette m ethode revient a ` calculer P (x) = p0 par r ecurrence descendante : 1 k n.

On eectue ainsi seulement une multiplication et une addition a ` chaque etape, ce qui economise une multiplication et donc une fraction substantielle du temps dex ecution. Comparons maintenant les erreurs darrondi dans chacune des deux m ethodes, en esent es sans erreur. supposant que les r eels x, a0 , a1 , . . . , an sont repr M ethode na ve . On a ici P (x) = sn avec

(ak xk ) k|ak ||x|k , sk sk1 + k|ak ||x|k + (|sk1 | + |uk |) sk1 + k|ak ||x|k + (|a0 | + |a1 ||x| + . . . + |ak ||x|k ). Comme s0 = 0, il vient apr` es sommation sur k :
n n

sn
k=1 n

k|ak ||x|k + k|ak ||x|k +


k=1

(|a0 | + |a1 ||x| + . . . + |ak ||x|k )


k=1 n

(n + 1 k )|ak ||x|k .
k=0

On obtient par cons equent


n

P (x) (n + 1)
k=0

|ak ||x|k .

R` egle de H orner. Dans ce cas, on a pk1 (xpk ) + (|ak1 | + |xpk |) (|x|pk + |xpk |) + (|ak1 | + |xpk |) = (|ak1 | + 2|x||pk |) + |x|pk . En d eveloppant P (x) = p0 , il vient p0 (|a0 | + 2|x||p1 |) + |x| |a1 | + 2|x||p2 | + |x| |a2 | + . . . do` u P (x)
k=0 n n n

|ak ||x|k + 2
k=1 n

|x|k |pk |, (|ak ||x|k + . . . + |an ||x|n ),


k=1

P (x)
k=0 n

|ak ||x|k + 2 (2k + 1)|ak ||x|k .


k=0

P (x)

12

Analyse num erique et equations diff erentielles

On voit que la somme des coecients derreur aect es aux termes |ak ||x|k , soit
n

(2k + 1) = (n + 1)2 , est la m eme que pour la m ethode na ve ; comme


k=0

2k + 1 2(n + 1), lerreur commise sera dans le pire des cas egale ` a 2 fois celle de la m ethode na ve. N eanmoins, les petits coecients portent sur les premiers termes calcul es, de sorte que la pr ecision de la m ethode de H orner sera nettement meilleure si le terme |ak ||x|k d ecro t rapidement : cest le cas par exemple si P (x) est le d ebut dune s erie convergente.

Exercice Evaluer dans les deux cas lerreur commise sur les sommes partielles
de la s erie exponentielle
n k=0

xk , k!

x0
1 k! .

en tenant compte du fait quon a une certaine erreur darrondi sur ak =

ethode na ve, tandis que R eponse. On trouve P (x) (1 + (n + x)ex ) pour la m la factorisation P (x) = 1 + x 1 + x x x x 1+ 1 + ... 1 + 1+ 2 3 n1 n ...

donne P (x) (1 + 3xex ), ce qui est nettement meilleur en pratique puisque n doit etre choisi assez grand.

Les majorations derreurs que nous avons donn ees plus haut p echent en g en eral par exc` es de pessimisme, car nous navons tenu compte que de la valeur absolue des erreurs, alors quen pratique elles sont souvent de signe al eatoire et se compensent donc partiellement entre elles. elev e dune Supposons par exemple quon cherche a ` calculer une somme sn de rang + etant des r eels 0 suppos es repr esent es sans s erie convergente S = k=0 uk , les uk erreur. On pose donc s k = s k 1 + uk , erient et les erreurs sk v sk = sk1 + k avec s0 = 0 et |k | (sk1 + uk ) = sk S. On en d eduit donc sn = 1 + 2 + . . . + n et en particulier |sn | nS . Dans le pire des cas, lerreur est donc proportionnelle ` n. On va voir quon peut en fait esp a erer beaucoup mieux sous des hypoth` eses raisonnables. s0 = u0 ,

I Calculs num eriques approch es

13

Hypoth` eses
(1) Les erreurs k sont des variables al eatoires globalement ind ependantes les unes eatoirement). des autres (lorsque les uk sont choisis al (2) Lesp erance math ematique E (k ) est nulle, ce qui signie que les erreurs darrondi nont aucune tendance a ` se faire par exc` es ou par d efaut. Lhypoth` ese (2) entra ne E (sn ) = 0 tandis que lhypoth` ese (1) donne var(sn ) = var(1 ) + . . . + var(n ). Comme E (k ) = 0 et |k | S , on a var(k ) 2 S 2 , do` u (sn ) = var(sn ) nS Lerreur quadratique moyenne cro t seulement dans ce cas comme lin egalit e de Bienaym e-Tchebychev on a : P (|sn | (sn )) 2 . La probabilit e que lerreur d epasse 10 nS est donc inf erieure ` a 1%. n. Dapr` es

Les ph enom` enes de compensation se produisent lorsquon tente deectuer des soustractions de valeurs tr` es voisines. Ils peuvent conduire a ` des pertes importantes de pr ecision. Les exemples suivants illustrent les dicult es pouvant se pr esenter et les rem` edes ` a apporter dans chaque cas.

x2 1634x + 2 = 0

Supposons que les calculs soient eectu es avec 10 chires signicatifs. Les formules habituelles donnent alors 816, 9987760 = 667 487, 1633, 998776, x1 = 817 + 0, 0012240. x2 = 817 On voit donc quon a une perte de 5 chires signicatifs sur x2 si lon eectue la soustraction telle quelle se pr esente naturellement ! Ici, le rem` ede est simple : il u sut dobserver que x1 x2 = 2, do` x2 = 2 x1 1, 223991125 103 .

Cest donc lalgorithme num erique utilis e qui doit etre modi e.

14

Analyse num erique et equations diff erentielles

e10

Supposons quon utilise pour cela la s erie


n

e10

(1)k
k=0

10k , k!

les calculs etant toujours eectu es avec 10 chires signicatifs. Le terme g en eral |uk | = 10k /k! est tel que |uk | 10 = 1 d` es que |uk1 | k On a donc 2 termes de valeur absolue maximale |u9 | = |u10 | = tandis que e10 1010 10! 2, 755 103 k 10.

4, 5 105 . Comparons u10 et e10 :

u10 : e10 :

5, 0,

Ceci signie quau moins 8 chires signicatifs vont etre perdus par compensation es. Un rem` ede simple consiste ` a utiliser la relation des termes uk de signes oppos
n

e10 = 1/e10

avec e10
k=0

10k . k!

On essaiera dans la mesure du possible d eviter les sommations dans lesquelles des termes de signes oppos es se compensent.

Soit Pn le demi-p erim` etre du polygone r egulier a ` n c ot es inscrit dans un cercle de rayon 1. Le c ot e de ce polygone vaut 2 R sin /n = 2 sin /n, do` u Pn = n sin , n 1 3 Pn = 2 + o 3 . 6n n

On obtient donc une approximation de avec une pr ecision de lordre de 6/n2 .

I Calculs num eriques approch es

15

R=1
/n

ethode de dichotomie permettant de calculer par Pour evaluer Pn , on utilise une m r ecurrence xk = P2k = 2k sin k . 2 Si est un angle compris entre 0 et 2 on a sin = 2 1 (1 cos ) = 2 1 (1 2 1 sin2 ). ()

eduit les formules En substituant = /2k , on en d xk+1 = 2k x1 = 2, 2(1 1 (xk /2k )2 )

et dapr` es ce quon a dit plus haut lim xk = .


k +

Ce nest pourtant pas du tout ce quon va observer sur machine ! D` es que (xk /2k )2 sera inf erieur ` a la pr ecision relative des calculs, lordinateur va donner 1 (xk /2k )2 = 1 do` u xk+1 = 0.

Pour eviter cette dicult e, il sut de remplacer () par sin do` u sin = 2 1 1 cos2 = 2 1 + cos = 2 sin 2(1 + 1 sin )
2

sin 2(1 + cos )

()

On obtient alors la formule de r ecurrence xk+1 = 2(1 + 2xk 1 (xk /2k )2 )

qui evite le ph enom` ene de compensation pr ec edent, de sorte que le calcul des xk peut etre pouss e beaucoup plus loin.

16

Analyse num erique et equations diff erentielles

On obtiendra une m ethode plus ecace encore en observant quon peut evaluer sin 2 . Ceci donne cos dans () par la formule cos = 2 sin sin = sin 2 sin , 2 sin + sin 2 do` u

xk+1 = xk

2xk . x k + xk 1

Deux valeurs emarrer, par exemple x1 = 2 dinitialisation sont alors requises pour d et x2 = 2 2.

Il sagit de ph enom` enes damplication des erreurs darrondi. Une telle amplication se produit assez fr equemment dans le cas de calculs r ecurrents ou it eratifs.

Supposons a ` titre dexemple quon cherche a ` evaluer num eriquement lint egrale In = Un calcul imm ediat donne
1

xn , 10 + x

n N.

I0 = In = =

dx = ln (10 + x) 10 + x x xn1 dx = 10 + x x
n1 1 0

1 0

= ln 1

11 , 10

10 xn1 dx 10 + x

dx 10

1 0

1 xn1 dx = 10 In1 . 10 + x n

Ceci permet de calculer In par r ecurrence avec I0 = ln 11 10 1 In = n 10 In1 . Ce probl` eme apparemment bien pos e math ematiquement conduit num eriquement a des r ` esultats catastrophiques. On a en eet In 10 In1 ,

m eme si on n eglige lerreur darrondi sur 1/n. Lerreur sur In explose donc etant multipli ee par 10n ` a l etape n. exponentiellement, lerreur initiale sur I0 etant d ecroissante Comment faire alors pour calculer par exemple I36 ? La suite xn

I Calculs num eriques approch es

17 Comme

eme d ecroissante. pour x [0, 1], on voit que la suite In est elle-m 10 10 + x 11, on a de plus 1 1 In . 11(n + 1) 10(n + 1) Lapproximation In
In In

erreur relative satisfaisant. Lid ee est alors de renverser la r ecurrence en posant In1 = 1 1 In . 10 n

1 1 11(n+1) donne une erreur absolue 110(n+1) et donc 1 10 . Ceci donne lordre de grandeur mais nest pas

une tr` es

1 1 , on a donc cette fois In1 En n egligeant lerreur sur n 10 In , estimation qui 1 va dans le bon sens. Si lon part de I46 11.47 , on obtiendra pour I36 une erreur relative sans doute meilleure que 1010 .

Exercice Montrer que 0 In In+1


la formule exprimant In en fonction de In+1

1 10(n+1)(n+2) ,

et en d eduire a ` partir de que lon a en fait lestimation

1 1 1 In + , 11(n + 1) 11(n + 1) 110(n + 1)(n + 2) donc In


1 11(n+1)

avec erreur relative

1 10(n+2) .

On voit donc le r ole fondamental jou e par le coecient damplication de lerreur, 10 dans le premier cas, 1/10 dans le second. En g en eral, si on a un coecient damplication A > 1, il est imp eratif de limiter le nombre n d etapes en sorte que es inf erieur ` a 1, si est la pr ecision relative des calculs. An reste tr`

Soit a ` calculer une suite (un ) d enie par sa valeur initiale u0 et par la relation de r ecurrence un+1 = f (un ), u f n = f f . . . f est la o` u f est une fonction donn ee. On a donc un = f n (u0 ) o` n-i` eme it er ee de f . On consid` ere par exemple la suite (un ) telle que u0 = 2, un+1 = | ln (un )|,

dont on cherche a ` evaluer le terme u30 . Un calcul eectu e` a la pr ecision 109 sur un ordinateur nous a donn e u30 0, 880833175. A la lumi` ere de lexemple pr ec edent, il est n eanmoins l egitime de se demander si ce calcul est bien signicatif, compte tenu de la pr esence des erreurs darrondi. En es voisines de 2, on obtient en fait les r esultats suivants partant de valeurs de u0 tr`

18

Analyse num erique et equations diff erentielles

(arrondis a ` 109 pr` es, sur la m eme impl ementation de calcul que ci-dessus) : u0 u5 u10 u15 u20 u24 u25 u26 u30 2,000000000 5,595485181 0,703934587 1,126698502 1,266106839 1,000976376 0,000975900 6,932150628 0,880833175 2,000000001 5,595484655 0,703934920 1,126689382 1,266256924 1,001923276 0,001921429 6,254686211 0,691841353 1,999999999 5,595485710 0,703934252 1,126707697 1,265955552 1,000022532 0,000022532 10,700574400 1,915129896 5 1010 9 108 5 107 8 106 104 103 100% 50% 100%

e La derni` ere colonne donne lordre de grandeur de l ecart relatif un /un observ entre la deuxi` eme ou troisi` eme colonne et la premi` ere colonne. On voit que cet ecart augmente constamment pour atteindre environ 103 sur u24 . Pour le calcul eritable catastrophe num erique : l ecart relatif devient de u25 , il se produit une v voisin de 100% ! Il en r esulte que toutes les valeurs calcul ees ` a partir de u25 sont certainement non signicatives pour une pr ecision des calculs de 109 . Pour comprendre ce ph enom` ene, il sut dobserver quune erreur x sur la variable x entra ne une erreur f (x) sur f (x), approximativement donn ee par f (x) = |f (x)| x. Ceci se voit bien s ur en approximant f (x + x) f (x) par sa di erentielle f (x)x, lorsque f est d erivable au point x. Le coecient damplication de lerreur absolue etre est donc donn e par la valeur absolue de la d eriv ee |f (x)| ; ce coecient peut parfois assez grand. Souvent dans les calculs num eriques (et ici en particulier), il est plus pertinent de consid erer les erreurs relatives. La formule |f (x)||x| x f (x) = |f (x)| |f (x)| |x| montre que le coecient damplication de lerreur relative est |f (x)||x|/|f (x)|. Dans le cas f (x) = ln (x) qui nous int eresse, ce coecient vaut 1/| ln x| ; il devient tr` es grand lorsque x est proche de 1, comme cest le cas par exemple pour u24 .


2 4.1. Soit x 0 ; on note F (x) =
x 0

et dt.

(a) Encadrer F (x) par deux entiers cons ecutifs. eveloppement en s erie enti` ere de x, exprimer F (x) (b) En rempla cant et par un d comme somme dune s erie. On choisit x = 3 ; calculer les 10 premiers termes
2

I Calculs num eriques approch es

19

de la s erie. En d eduire que pour x 3 on a un ph enom` ene de compensation dans le calcul de la somme des premiers termes de la s erie. (c) On d enit g (x) par F (x) = ex g (x). Montrer que g est solution dune equation di erentielle. Exprimer g (x) comme somme dune s erie enti` ere en x. u les an (x) sont tous positifs. (d) En d eduire lexpression F (x) = n=0 an (x) o` ecurrence entre an (x) et an1 (x). D eterminer a0 (x) et donner la solution de r Montrer lin egalit e
+ +
2

an (x) aN
n=N +1

x2 N x2

(pour N > x2 )

(e) En utilisant les r esultats pr ec edents, ecrire un programme en langage informatique qui, a ` la lecture de x et dun entier k 1 calcule une valeur approch ee de es. F (x) a ` 10k pr` 4.2. Soit (In )nN la suite des int egrales
1

In =

xn dx. 6 + x x2

(a) Montrer que In v erie une relation de r ecurrence de la forme In+1 = In + In1 + cn o` u , sont des constantes et (cn ) une suite num erique explicite. a partir de I0 et I1 par la formule (). (b) On envisage le calcul r ecurrent de In ` On suppose que les valeurs de I0 et I1 sont aect ees derreurs darrondis 0 et esulte sur In (on n eglige ici lerreur sur le 1 , et on note n lerreur qui en r calcul de cn et les erreurs darrondi pouvant intervenir dans lapplication de la formule ()). () D eterminer n en fonction de 0 et 1 . ed e avec un ordinateur donnant ( ) Est-il possible de calculer I50 par ce proc une pr ecision relative de 1010 ? 4.3. Etant donn e une suite xk , k = 1, . . . , n de r eels, on note n = n 1 2 2 2 la moyenne et n = n l ecart type avec n = n k=1 (xk n ) . (a) Soit qn =
n k=1 2 x2 k . Exprimer n en fonction de qn et de n . 1 n n k=1

()

xk

(b) Ecrire un programme qui calcule les moyennes et l ecart type dun nombre ind etermin e de r eels. Les donn ees r eelles sont entr ees au clavier ; apr` es chaque entr ee on achera la moyenne et l ecart type de la suite des nombres d ej` a entr es.

20

Analyse num erique et equations diff erentielles

(c) On suppose que pour k = 1, . . . , n on a xk = + k avec |k | < o` u est petit n 2 3. devant . Montrer que lon a lin egalit e qn En d eduire que la m ethode de calcul de n utilisant la formule du (a) est inadapt ee pour une telle suite. (d) On veut obtenir un algorithme de calcul de n plus stable. Etablir les egalit es :
2 2 2 2 (n + 1)n +1 = nn + n(n+1 n ) + (xn+1 n+1 ) , (n + 1)n+1 = nn + xn+1 . 2 En d eduire n +1 = n n+1 2 n + 1 n

(xn+1 n+1 )2 .

(e) Reprendre la question (b) avec le nouvel algorithme. (f) On consid` ere une suite de r eels xk = 1 + moyenne et son ecart type.
2kn1 n1 ,

k = 1, . . . , n. D eterminer sa

eels xk , k = 1, . . . , 2n telle que pour (g) M eme question pour la suite des 2n r p n p egaux a ` + 2 (On pourra remarquer que p = 0, . . . , n on ait Cn termes n
p 1 p2 Cp n = pnCn1 ).


Les fonctions les plus faciles ` a evaluer num eriquement sont les fonctions polyn omes. Il est donc important de savoir approximer une fonction arbitraire par des polyn omes. Dans ce cadre, lun des outils de base est la m ethode dinterpolation de Lagrange.

Notations Dans toute la suite, on d esignera par Pn lespace vectoriel des

fonctions polyn omes sur R ` a coecients r eels, de degr e inf erieur ou egal ` a n. On a donc dim Pn = n + 1. Par ailleurs, si f est une fonction d enie sur un intervalle [a, b] R ` a valeurs dans R ou C, la norme uniforme de f sur [a, b] sera not ee f
[a,b]

= sup |f (x)|
x[a,b]

o` u m eme simplement f sil ny a pas dambigu t e. Enn C([a, b]) d esignera lespace des fonctions continues sur [a, b] a ` valeurs dans R.

Soit f : [a, b] R une fonction continue. On se donne n + 1 points x0 , x1 , . . . , xn dans [a, b], deux a ` deux distincts, non n ecessairement rang es par ordre croissant.

Probl` eme Existe-t-il un polyn ome pn Pn tel que pn (xi ) = f (xi ),


i = 0, 1, . . . , n ? Un tel polyn ome sera appel e polyn ome dinterpolation (de Lagrange) de f aux points x0 , x1 , . . . , xn . Posons li (x) =
j =i

(x xj ) , (xi xj )

0 i n,

22

Analyse num erique et equations diff erentielles

o` u le produit est eectu e sur les indices j tels que 0 j n, j = i. Il est clair que li Pn et que li (xj ) = 0 si j = i, li (xi ) = 1. Le probl` eme ci-dessus admet donc au moins une solution
n

pn (x) =
i=0

f (xi )li (x),

pn Pn .

()

Th eor` eme Le probl` eme dinterpolation pn (xi ) = f (xi ), 0 i n, admet une


solution et une seule, donn ee par la formule ().

Il reste ` a prouver lunicit e. Supposons que qn Pn soit une autre solution du probl` eme. Alors pn (xi ) = qn (xi ) = f (xi ), donc xi est racine de qn pn . Par suite le polyn ome
n

n+1 (x) =

(x xj )
j =0

divise qn pn . Comme deg n = n + 1 et qn pn Pn , la seule possibilit e est que qn pn = 0.

Remarque 1 On a n+1 (x) = (x xi )


n+1 (xi ) =
j =i

j =i (x

xj ), do` u

(xi xj ).

Ceci donne la formule li (x) = n+1 (x) . (x xi )n+1 (xi )

Remarque 2 Pour d emontrer le th eor` eme, on peut egalement poser pn (x) =


n j =0

aj xj et r esoudre un syst` eme lin eaire de n + 1 equations


n

a j xj i = f (xi ),
j =0

0 i n,

eterminant du syst` eme est un d eterminant en les n +1 inconnues a0 , a1 , . . . , an . Le d dit de Van der Monde : 1 1 = . . . x0 x1 . . . x2 0 x2 1 x2 n ... ... ... xn 0 xn 1 xn n

1 xn

II Approximation polynomiale des fonctions num eriques

23

ome de Il sagit de montrer que = 0 si les xi sont distincts. Or est un polyn +1) en les variables x0 , x1 , . . . , xn . Il est clair que degr e total 1 + 2 + . . . + n = n(n2 = 0 chaque fois que xi = xj pour un couple (i, j ) tel que 0 j < i n. est donc divisible par le polyn ome 0j<in (xi xj ), qui est lui aussi de
+1) . Le quotient est donc une constante, donn ee par exemple par le degr e total n(n2 n . . . x dans , qui vaut 1. Par suite coecient de x1 x2 2 n

(xi xj ).
0j<in

Il nest pas recommand e de r esoudre num eriquement le syst` eme pr ec edent pour ethode beaucoup plus ecace (cf. 1.3). obtenir pn . Nous verrons plus loin une m

Exercice On se propose de donner deux autres d emonstrations des r esultats


ci-dessus, gr ace ` a des arguments dalg` ebre lin eaire. eaire. En (a) Montrer que lapplication n : Pn Rn+1 , p (p(xi ))0in est lin d eduire que n est injective si et seulement si elle est surjective. Traduire ces r esultats en terme dexistence et dunicit e du polyn ome dinterpolation. esultat (b) Montrer par r ecurrence sur n que n est surjective [Indication : si le r a laide du polyn ome de degr e n est vrai pour n 1, ajuster la valeur p(xn ) ` (x x0 ) . . . (x xn1 )]. Conclure. (c) Montrer directement que les polyn omes (li )0in forment une famille libre. En d eduire que cest une base de Pn et que n est un isomorphisme.

Lerreur dinterpolation est donn ee par la formule th eorique suivante.

Th eor` eme On suppose que f est n + 1 fois d erivable sur [a, b]. Alors pour tout x [a, b], il existe un point x ] min (x, xi ), max (x, xi )[ tel que
f (x) pn (x) = 1 n+1 (x)f (n+1) (x ). (n + 1)!

On a besoin du lemme suivant, qui d ecoule du th eor` eme de Rolle.

Lemme Soit g une fonction p fois d erivable sur [a, b]. On suppose quil existe
p + 1 points c0 < c1 < . . . < cp de [a, b] tels que g (ci ) = 0. Alors il existe ]c0 , cp [ tel que g (p) ( ) = 0. Le lemme se d emontre par r ecurrence sur p. Pour p = 1, cest le th eor` eme de Rolle. Supposons le lemme d emontr e pour p 1. Le th eor` eme de Rolle donne des points ese de r ecurrence, 0 ]c0 , c1 [, . . . , p1 ]cp1 , cp [ tels que g (i ) = 0. Par hypoth` il existe donc ]0 , p1 [ ]c0 , cp [ tel que (g )(p1) ( ) = g (p) ( ) = 0.

24

Analyse num erique et equations diff erentielles

D emonstration du th eor` eme Si x = xi , on a n+1 (xi ) = 0, tout point x convient. Supposons maintenant x distinct des points xi . Soit pn+1 (t) le polyn ome dinterpolation de f (t) aux points x, x0 , . . . , xn+1 , de sorte ome que pn+1 Pn+1 . Par construction f (x) pn (x) = pn+1 (x) pn (x). Or le polyn e n + 1 et sannule aux n + 1 points x0 , x1 , . . . , xn . On a pn+1 pn est de degr donc pn+1 (t) pn (t) = c n+1 (t), c R. Consid erons la fonction g (t) = f (t) pn+1 (t) = f (t) pn (t) cn+1 (t). Cette fonction sannule en les n + 2 points x, x0 , x1 , . . . , xn donc dapr` es le lemme il existe x ] min (x, xi ), max (x, xi )[ tel que g (n+1) (x ) = 0. Or
n+1) p( = 0, n

n+1 = (n + 1)!

(n+1)

On a par cons equent g (n+1) (x ) = f (n+1) (x ) c (n + 1)! = 0, do` u f (x) pn (x) = pn+1 (x) pn (x) = cn+1 (x) = f (n+1) (x ) n+1 (x). (n + 1)!

En prenant la borne sup erieure de la valeur absolue des deux membres dans la formule derreur, on obtient en particulier :

Corollaire

f pn

1 n+1 (n + 1)!

f (n+1) .

epend Ces formules montrent que la taille de lerreur dinterpolation f (x) pn (x) d etre grande si f oscille trop vite, et de la ` la fois de la quantit a e f (n+1) , qui peut ee ` a la r epartition des points xi dans lintervalle [a, b]. quantit e n+1 , qui est li

On va d ecrire ici une m ethode simple et ecace permettant de calculer les ome dinterpolation de f aux polyn omes dinterpolation de f . Soit pk le polyn points x0 , x1 , . . . , xk .

Notation On d esigne par f [x0 , x1 , . . . , xk ] le coecient directeur du polyn ome


pk ( = coecient de tk dans pk (t)). Alors pk pk1 est un polyn ome de degr e k , sannulant aux points x0 , x1 , . . . , xk1 , et admettant f [x0 , x1 , . . . , xk ] pour coecient directeur. Par suite : pk (x) pk1 (x) = f [x0 , x1 , . . . , xk ](x x0 ) . . . (x xk1 ). Comme p0 (x) = f (x0 ), on en d eduit la formule fondamentale

II Approximation polynomiale des fonctions num eriques


n

25 ()

pn (x) = f (x0 ) +
k=1

f [x0 , x1 , . . . , xk ](x x0 ) . . . (x xk1 ).

Pour pouvoir exploiter cette formule, il reste bien entendu a ` evaluer les coecients f [x0 , x1 , . . . , xk ]. On utilise a ` cette n une r ecurrence sur le nombre k de points xi , en observant que f [x0 ] = f (x0 ).

Formule de r ecurrence Pour k 1, on a


f [x0 , x1 , . . . , xk ] = f [x1 , . . . , xk ] f [x0 , . . . , xk1 ] . xk x0 ()

ee di erence divis ee A cause de cette formule, la quantit e f [x0 , x1 , . . . , xk ] est appel dordre k de f aux points x0 , . . . , xk . V erication de (). D esignons par qk1 Pk1 le polyn ome de f aux points x1 , x2 , . . . , xk . Posons pk (x) = (x x0 )qk1 (x) (x xk )pk1 (x) . xk x0

Alors pk Pk , pk (x0 ) = pk1 (x0 ) = f (x0 ), pk (xk ) = qk1 (xk ) = f (xk ) et pour 0 < i < k on a pk (xi ) = (xi x0 )f (xi ) (xi xk )f (xi ) = f (xi ). xk x0

Par cons equent pk = pk . Comme le coecient directeur de qk1 est f [x1 , . . . , xk ], e on obtient la formule () cherch ee en egalant les coecients de xk dans lidentit pk (x) = (x x0 )qk1 (x) (x xk )pk1 (x) . xk x0

Algorithme pratique On range les valeurs f (xi ) dans un tableau TAB, puis
on modie ce tableau en n etapes successives, en proc edant par indices d ecroissants : Tableau TAB [n] TAB [n 1] TAB [n 2] . . . TAB [2] TAB [1] TAB [0] Etape 0 f (xn )
n2

Etape 1 f [xn1 , xn ]

Etape 2

...

Etape n

f [x , x ] f (xn1 ) n2 n1 f (x )
. . . f (x2 ) f (x1 ) . . . f [x1 , x2 ] f [x0 , x1 ]

f [xn2 , xn1 , xn ] . . .

f [x0 , . . . , xn ]

f (x0 )

. . . f [x0 , x1 , x2 ]

26

Analyse num erique et equations diff erentielles

A lissue de la n-i` eme etape, la case m emoire TAB[k ] contient le coecient e, et on peut alors utiliser la formule (). Il est commode f [x0 , . . . , xk ] cherch dappliquer ici la r` egle de H orner : pn (x) = TAB [0] + (x x0 )(TAB [1] + (x x1 )(TAB [2] + . . . + (x xn1 )TAB [n]))) On eectue donc une r ecurrence descendante un = TAB [n] uk = TAB [k ] + (x xk )uk+1 , qui aboutit a ` u0 = pn (x). 0 k < n,

Remarque Dapr` es l egalit e pr ec edant () on a


pk (xk ) pk1 (xk ) = f [x0 , x1 , . . . , xk ](xk x0 ) . . . (xk xk1 ). Or la formule derreur 1.2 donne pk (xk ) pk1 (xk ) = f (xk ) pk1 (xk ) = 1 k (xk )f (k) ( ) k!

avec k (x) = (x x0 ) . . . (x xk1 ) et ] min(x0 , . . . , xk ), max (x0 , . . . , xk )[. En comparant les deux egalit es il vient f [x0 , x1 , . . . , xk ] = 1 (k ) f ( ), k! ] min(xi ), max(xi )[.

Si lon suppose que f, f , . . . , f (n) existent et sont continues, on voit que les ees ind ependamment du choix des xi , di erences divis ees f [x0 , . . . , xk ] sont born m eme si certains de ces points sont tr` es voisins.


b a n .

On consid` ere la subdivision de lintervalle [a, b] de pas constant h = dinterpolation sont donc xi = a + ih = a + i ba , n 0 i n.

Les points

On note fi = f (xi ) les valeurs de f correspondantes, et on introduit un op erateur not e , appel ee op erateur aux di erences nies, d eni par : (f0 , f1 , . . . , fn ) (f0 , f1 , . . . , fn1 ) avec fi = fi+1 fi , 0 i n 1. Lorsquon it` ere lop eration , on obtient des r eels k fi , 0 i n k , d enis par la formule de r ecurrence k fi = k1 fi+1 k1 fi , k 1, 0 i n k,

II Approximation polynomiale des fonctions num eriques

27

o` u lon convient que 0 fi = fi , 0 i n.

Exercice V erier que k fi =

k j j j =0 (1) Ck fi+j ,

Il est alors facile de montrer par r ecurrence que les di erences divis ees sont donn ees par k fi . f [xi , xi+1 , . . . , xi+k ] = k !hk R ecrivons avec ces notations la formule fondamentale (). eectuons le changement de variable x = a + sh, On a alors (x x0 ) . . . (x xk1 ) = sh(sh h) . . . (sh (k 1)h) = hk s(s 1) . . . (s k + 1). On obtient la formule de Newton suivante, dans laquelle s = (x a)/h :
n

Pour x [a, b],

s [0, n].

pn (x) =
k=0

k f0 s 1

s(s 1) . . . (s k + 1) k! s1 2 2 f0 + . . . + sn+1 n f0 . . . . n

= f0 +

1 f0 +

Les coecients k f0 se calculent suivant le sch ema d ecrit au 1.3 : fn fn1 fn2 f2 f1 f0

fn2 f0
f1

fn1

2 fn2 . . . n1 f1 n1 f0
2

n f0

f0

. . .

A lissue de la n-i` eme etape, le tableau contient les coecients k f0 cherch es.

Estimation de lerreur dinterpolation On a


n+1 (x) = (x x0 ) . . . (x xn ) = hn+1 s(s 1) . . . (s n), do` u f (x) pn (x) = s(s 1) . . . (s n) n+1 (n+1) h f (x ). (n + 1)!

28

Analyse num erique et equations diff erentielles

La fonction (s) = |s(s 1) . . . (s n)|, s [0, n], v erie (n s) = (s), donc elle . Comme ( s 1) /(s) = (n + 1 s)/s > 1 pour atteint son maximum dans 0, n 2 1s n , on voit que atteint en fait son maximum dans [0, 1], do` u 2 max = max (s) n!
[0,n] s[0,1]

1 max |f (n+1) |. n + 1 [x0 ,...,xn ] Une application typique de ces formules est le calcul dune valeur approch ee de limage f (x) au moyen dune table num erique donnant les valeurs successives f (xi ) avec un pas constant h. Supposons par exemple que h = 102 et que lon cherche a ` evaluer f (x) a ` 108 pr` es. Une interpolation lin eaire (cas n = 1) donnerait une 2 e n = 3, erreur en h = 104 beaucoup trop grande. On doit ici aller jusquau degr ce qui permet dobtenir un erreur h4 = 108 pourvu que max |f (4) | 4. |f (x) pn (x)| hn+1

Il en r esulte

Remarque Dapr` es lexpression de n+1 donn ee plus haut, on voit que


n+1
[a,b]

= hn+1 max (s) hn+1 n! = 2n


s[0,n] n n e

n! (b a)n+1 nn+1

et la formule de Stirling n! est n+1 Comme

montre que lordre de grandeur de n+1


n+1

= O

ba e

quand

n +.

1 1 1 1 3 1 = ... n 1 2 . . . (n 1) 2 2 2 2 2 4 1 1 1 nn nn 2 n! 6n n n+1 4n 4n e e pour n grand, on voit en fait que ba nn 2 1 = 3/2 . n +1 e e n Nous obtiendrons au 2.2 des estimations beaucoup plus pr ecises. Lexercice suivant montre lint er et de la formule de Newton en arithm etique. n+1 hn+1
1

n+1

Exercice
(a) Montrer que les polyn omes de Newton Nk (s) = s(s 1) . . . (s k + 1) , k! 0kn

forment une base de Pn et que pour tout s Z on a Nk (s) Z k ou une r ecurrence a ` partir de la relation [Indication : utiliser les Cn Nk (s) Nk (s 1) = Nk1 (s)]. (b) Montrer quun polyn ome p Pn est tel que p(s) Z pour tout s Z si et seulement si p est combinaison lin eaire a ` coecients dans Z de N0 , . . . , Nn .

II Approximation polynomiale des fonctions num eriques

29

x [1, 1]

On d enit les polyn omes de Tchebychev par tn (x) = cos(n Arccos x),

Il nest pas evident a priori que tn est un polyn ome ! Pour le voir, on proc` ede comme suit. Posons = Arc cos x, cest-` a-dire x = cos avec [0, ]. Il vient alors tn (x) = cos n, tn+1 (x) + tn1 (x) = cos ((n + 1)) + cos ((n 1)) = 2 cos n cos = 2xtn (x). La fonction tn se calcule donc par les formules de r ecurrence t0 (x) = 1, t1 (x) = x tn+1 (x) = 2x tn (x) tn1 (x). Il en r esulte que tn est un polyn ome de degr e n, dont le coecient directeur est eterminons les racines de tn . Si x = cos [1, 1] avec [0, ], 2n1 si n 1. D 2i+1 on a tn (x) = cos n = 0 si et seulement si n = 2 + i , soit = 2n avec 0 i n 1. Le polyn ome tn admet donc exactement n racines distinctes : cos 2i + 1 ] 1, 1[, 2n 0 i n 1.

Comme tn est de degr e n, il ne peut avoir dautres racines.

D enition Les points dinterpolation de Tchebychev dordre n sont les points


xi = cos
2i+1 2n+2

, 0 i n, racines du polyn ome tn+1 .

Les points xi sont r epartis sym etriquement autour de 0 (avec xni = xi ), de fa con plus dense au voisinage de 1 et 1 : x11 x9 1 x10 x8 x7 x6 0 x5 x4 x3 x2 x0 x1 1

n = 11

Puisque le coecient directeur de tn+1 est 2n , il vient


n

tn+1 (x) = 2

(x xi ) = 2n n+1 (x).
i=0

Pour se ramener ` a un intervalle [a, b] quelconque au lieu de [1, 1], on utilisera la bijection lin eaire [1, 1] [a, b] a+b ba + u u x = 2 2

30

Analyse num erique et equations diff erentielles

qui envoie 1 sur a et 1 sur b. Les images des points dinterpolation de Tchebychev es par ui ] 1, 1[ sont donn xi = 2i + 1 a+b ba + cos , 2 2 2n + 2 0 i n.

Ces points sont encore appel es points dinterpolation de Tchebychev dordre n de a lintervalle [a, b]. Dans ce cas, on a x xi = b ome n+1 2 (u ui ), donc le polyn est donn e par
n

n+1 (x) = o` u i=0 (u ui ) = obtient donc n+1 (x) =


n 1 2n tn+1 (u)

(x xi ) =
i=0

ba 2

n+1 n

(u ui )
i=0

est le polyn ome n+1 (u) correspondant a ` [1, 1]. On 2 ba x a+b 2

(b a)n+1 (b a)n+1 t ( u ) = tn+1 n +1 22n+1 22n+1

Par d enition des polyn omes de Tchebychev on a tn+1 n+1 = 2 ba 4


n+1

= 1, donc

Cette valeur est beaucoup plus petite que lestimation (b a/e)n+1 obtenue pour equidistants, surtout lorsque n est assez grand : pour n+1 avec des points xi n = 30 par exemple, on a (e/4)n+1 < 7 106 . Il en r esulte que linterpolation aux points de Tchebychev est en g en eral consid erablement plus pr ecise que linterpolation en des points equidistants, do` u son int er et pratique. Nous reviendrons sur ces questions au 3.

pn n +

Soit f : [a, b] R une fonction continue. Pour chaque entier n N, on se donne une ` deux distincts et on consid` ere suite de n + 1 points xi,n [a, b], 0 i n, deux a le polyn ome dinterpolation pn de f aux points x0,n , x1,n , . . . , xn,n .

Probl` eme A quelle(s) condition(s) (portant sur la nature de la fonction f etre s ur que pn converge uniform ement et/ou le choix des points xi,n ) pourra-t-on vers f quand n + ?
Si lon ne dispose daucune information sur la r epartition des points xi,n , la meilleure majoration de n+1 (x) dont on dispose a priori est
n

|n+1 (x)| =
i=0

|x xi,n | (b a)n+1 ,

x [a, b],

II Approximation polynomiale des fonctions num eriques

31

u les points xi sont equidistants ou en majorant |x xi,n | par b a. Dans le cas o` sont les points de Tchebychev, on a bien entendu une meilleure estimation n+1 ba e
n+1

resp. n+1

ba 4

n+1

Comme lerreur dinterpolation d epend par ailleurs de f (n+1) dapr` es le 1.2, on est amen e` a chercher une majoration des d eriv ees successives de f .

Une fonction analytique est par d enition une fonction qui est somme dune s erie enti` ere au voisinage de tout point o` u elle est d enie. + u la s erie a un rayon de convergence R > 0. La Supposons f (x) = k=0 ak xk , o` fonction f est donc d enie sur ] R, R[ au moins. Pour tout r < R, la s erie ak r k est convergente, donc la suite ak rk est born ee (et tend vers 0), cest-` a-dire quil existe une constante C (r) 0 telle que |ak | C (r) , rk k N.

On peut alors d eriver terme ` a terme f (x) sur ] r, r[ ] R, R[, ce qui donne f (n) (x) =
+

ak
k=0

dn (xk ), dxn 1 dn (xk ) si x 0 rk dxn


+ k=0

|f (n) (x)| C (r) = C (r)

+ k=0

dn dxn

x r
x r

1 dn = C (r) n dx 1 n!rC (r) = . (r x)n+1

= C (r)

r dn dxn r x

Sur tout intervalle [, ] avec < r < R, on a donc 1 f (n) n!


[,]

rC (r) . (r )n+1

Supposons maintenant que f : [a, b] R soit somme dune s erie enti` ere de centre b b a b a c = a+ et de rayon R > = . Pour tout r tel que < r < R et tout n N 2 2 2 on a alors dapr` es ce qui pr ec` ede 1 f (n) n!
[a,b]

rC (r) r
b a 2

n+1 .

32

Analyse num erique et equations diff erentielles

Lerreur dinterpolation admet donc la majoration f pn 1 n+1 (n + 1)! 2rC (r) a r b 2 f (n+1)
n+1

ba

n+1

rC (r) r
b a 2 n+2

b a a b 2

avec respectivement = 1 si les points xi,n sont quelconques, = e sils sont equidistants, = 4 si ce sont les points de Tchebychev. Lerreur va converger vers 1 +1 0 si lon peut choisir r tel que (b a)/ < r (b a)/2, soit r > 2 (b a). Ceci est possible d` es que le rayon de convergence R v erie lui-m eme cette minoration. On peut donc enoncer :

Th eor` eme Soit f : [a, b] R une fonction analytique donn ee par une s erie b . Alors pour des points enti` ere de rayon de convergence R centr ee au point c = a+ 2 equidistants et = e, de dinterpolation xi,n quelconques et = 1 (respectivement, Tchebychev et = 4), les polyn omes dinterpolation pn aux points xi,n convergent 1 +1 uniform ement vers f pourvu que R > 2 (b a). Exercice
c=
a+b 2 ,

Si les points xi,n sont r epartis syst ematiquement par rapport a ` montrer que lon peut prendre = 2.

Indication : en supposant c = 0 pour simplier, utiliser le fait que |(x xi,n )(x + xi,n )| pour tout x [a, b] et tout i = 0, 1, . . . , n. Ces r esultats sont en fait un peu grossiers, car ils fournissent des conditions susantes de convergence qui sont en g en eral tr` es loin d etre n ecessaires. Par ailleurs, ce sont des r esultats purement th eoriques qui ne tiennent aucun compte des erreurs darrondi. Nous allons maintenant faire des calculs plus ns sur des equidistants. exemples, en estimant de fa con pr ecise le produit n+1 pour des points 1 (b a)2 4

n(z ) z C
Posons h =
b a n ,

xj = aj + jh, 0 j n, et soit z C, |n+1 (z )| = |z xi |


j =1

|z xj |, ln |z xj |
j =i

ln |n+1 (z )| = ln n (z ) +

o` u n (z ) = |z xi | est la distance de z au plus proche point xi . La derni` ere sommation appara t comme une somme de Riemann de la fonction x ln |z x|. On va donc comparer cette sommation ` a lint egrale correspondante.

II Approximation polynomiale des fonctions num eriques

33

Lemme 1 Pour tout a C, on pose (a) =


1 h 1 h
xj +1 xj xj +1 xj

ln |1 at| dt. Alors lint egrale converge et la fonction est continue sur C. De plus : (i) ln |z x|dx ln |z xj | = h , 0j i1 ; z xj h , i j n 1. z xj +1

1 0

(ii)

ln |z x|dx ln |z xj +1 | =

D emonstration. Si a [1, +], la fonction t ln |1 at| est d enie et continue sur [0, 1]. Soit Log la d etermination principale du logarithme complexe, d enie sur C ] , 0]. Comme ln |z | = Re(Log z ), on en d eduit ais ement (0) = 0, (a) = Re 1 1 a Log (1 a) 1 si a {0} [1, +[

gr ace ` a une int egration par parties. Si a [1, +[, un calcul analogue donne 1 ln (a 1) 1 pour a > 1. La continuit e de se v erie (1) = 1 et (a) = 1 a sur ces formules (exercice !) Egalit e (i) : on eectue le changement de variable x = xj + ht, Il vient : 1 h
xj +1 xj

dx = h dt,

t [0, 1].

ln |z x| dx = =

1 0 1 0

ln |z xj ht| dt ln |z xj | 1 h h . t dt = ln |z xj | + z xj z xj

Egalit e (ii) : sobtient de m eme en posant x = xj +1 ht. En sommant les di erentes egalit es (i) et (ii), on obtient 1 h
b i 1

ln |z x|dx
a j =i

ln |z xj | =
j =0

h z xj

+
j =i+1

h . z xj

()

x0

x1

xj

xi 1

xi

xi+1

xn

34

Analyse num erique et equations diff erentielles

Si 0 j < i, le fait que |z xi | = min |z xk | implique Re z xi |z xj | Re(z xj ) xi car


1 2

h 2

do` u

h 1 1 xj = i j h (i j )h 2 2 2

1 eduit donc : 2 (i j ). Comme Re w > 0 implique Re (1/w ) > 0, on en d Re h z xj > 0, h 2 2. z xj ij


h 2

Si i < j n, on obtient de m eme Re z xi + |z xj | Re(xj z ) xj xi Re h z xj > 0,

et

1 1 h = ji h (j i)h, 2 2 2 2 h 2. z xj ji

Lemme 2 Pour a C tel que Re a 0 et |a| 2 on a


(a) = 1 ln |1 + a| + O(|a|2 ). 2

D emonstration. Les deux membres etant continus sur Re a 0, il sut de montrer lestimation lorsque a est voisin de 0. On sait que Log (1 + z ) = z + O(|z |2 ) do` u ln |1 + z | = Re Log(1 + z ) = Re Log(1 + z ) = Re z + O(|z |2 ),
1

(a) =
0

( Re a t + O(|a|2 t2 ))dt =

1 Re a + O(|a|2 ), 2

tandis que ln |1 + a| = Re a + O(|a|2 ). Le lemme sensuit.


h L egalit e () ci-dessus et le lemme 2 appliqu e avec a = z xj = O alors 1 j i

impliquent

ln |z xj |
j =i

1 h

ln |z x|dx =
a

1 2

i 1

ln 1 +
j =0

1 h h + ln 1 z xj 2 j =i+1 z xj +O 1 1 + ... + 12 (n i)2 .

+O
+

1 1 1 + + ... + 2 i2 (i 1)2 1

1 ementaires sont born es, Comme la s erie n=1 n 2 est convergente, les termes compl cest-` a-dire O(1). De plus

z xj + h z xj 1 h = = , z xj z xj z xj z xj h z xj +1 h 1 = = . z xj z xj z xj 1+

II Approximation polynomiale des fonctions num eriques

35

Dans les deux sommations, les logarithmes se simplient alors mutuellement, ce qui donne ln |z xj |
j =i

1 h

ln |z x|dx =
a

z x1 z xn+1 1 + O(1) ln 2 z xi1 z xi+1

avec x1 = a h et xn+1 = b + h. En prenant lexponentielle et en multipliant par |z xi |, on obtient |z xj | = |z xi | exp O(1)+ 1 h


b

ln |z x|dx
a

|z x1 | |z xn+1 | . () |z xi1 | |z xi+1 |

La quantit e sous la racine est comprise entre 1 et (1 + 2n)2 . En eet on a 1 |z xi1 | + ih |z x1 | 1 + 2i, |z xi1 | |z xi1 |

car |z xi1 | Re(z xi1 ) h etant egal ` a 1 si i = 0. 2 si i = 0, le premier quotient Le deuxi` eme quotient est major e de m eme par 1 + 2(n i). Comme exp(O(1)) est 1 n = b encadr e par deux constantes positives et h a , on obtient lestimation suivante.

Estimation de n+1 On pose A(z ) = exp


Alors il existe des constantes C1 , C2 > 0 telles que

1 ba

ln |z x|dx .
a

C1 n (z )A(z )n |n+1 (z )| C2 nn (z )A(z )n .

On voit donc que le terme dominant du comportement de |n+1 (z )| est le facteur evaluer n+1 [a,b] , il sut de calculer A(x) lorsque exponentiel A(z )n . Pour x [a, b] : b 1 ln |x t|dt . A(x) = exp ba a La fonction t ln |t x| est discontinue en t = x, mais le lecteur pourra sassurer que lint egration par parties suivante est l egitime :
b a

ln |t x|dt = [(t x) ln |t x|]b a

dt t x a = (b x) ln (b x) + (x a) ln (x a) (b a), (t x)

car la fonction t (t x) ln |t x| est continue sur [a, b] et on peut passer a ` la limite sur chacun des intervalles [a, x ] et [x + , b]. Il en r esulte xa bx 1 A(x) = (x a) ba (b x) ba e A(a) = A(b) = 1 (b a). e si x ]a, b[,

36

Analyse num erique et equations diff erentielles

Une etude de x A(x) donne lallure du graphe :

y
1 e (b 1 2e (b

a) a)

A(x)

a+b 2

La fonction A atteint donc son maximum A = 1 e (b a) en x = a ou b et son 1 a+b esulter minimum 2e (b a) en x = 2 . Dun point de vue pratique, il va en r en eral beaucoup moins bonne au voisinage des que la convergence de pn (x) est en g extr emit es a, b quau centre de lintervalle.

Lobjet de ce paragraphe est de donner un exemple concret de fonction analytique f pour laquelle les polyn omes dinterpolation ne forment pas une suite convergente. Nous consid erons pour cela la fonction f (x) = o` u > 0 est un param` etre. y 1/2 1 , + 2 x [1, 1],

x2

pn (n = 14)

1 Soit pn le polyn ome dinterpolation de f aux points xj = 1 + j n , 0 j n.

II Approximation polynomiale des fonctions num eriques

37

On a ici f (x) = 1 1 1 = 2 x2 2 1 + 2

(1)k
k=0

x2 2

avec rayon de convergence R = . Dapr` es le 2.1, on voit donc que pn converge 1 1, 74. Quen est-il si est petit ? es que > 2 1 + uniform ement vers f d` 2 e

Calcul de pn(x) Lerreur dinterpolation est donn ee ici par


f (x) pn (x) = 1 1 (x2 + 2 )pn (x) p ( x ) = . n x2 + 2 x2 + 2

e n + 2, nul aux points x0 , . . . , xn Le polyn ome 1 (x2 + 2 )pn (x) est de degr (puisque pn interpole f ) et egal ` a 1 aux points i. En particulier 1 (x2 + 2 )pn (x) etant de degr e 0 ou 1. Examinons est divisible par n+1 (x) = (x xj ), le quotient la parit e de ce quotient. epartis sym etriquement par rapport a ` 0, le polyn ome pn Comme les points xj sont r est toujours pair, tandis que n+1 est pair si n est impair et vice-versa. Le quotient equent est un bin ome c0 + c1 x, pair si n est impair, impair si n est pair. Par cons 1 (x2 + 2 )pn (x) = c0 n+1 (x) c1 x n+1 (x) si n est impair, si n est pair.

En substituant x = i, on trouve c0 = 1/n+1 (i) et c1 = 1/in+1 (i), do` u 1 n+1 (x) si n est impair, x2 + 2 n+1 (i) f (x) pn (x) = x n+1 (x) si n est pair. i(x2 + 2 ) n+1 (i) On va maintenant etudier tr` es pr ecis ement la convergence ponctuelle de pn (x), en utilisant les estimations du 2.2.

1 Si x = 1, pn (x) = pn (1) = f (1) = 1+ 2 est une suite constante. On suppose donc dans la suite que x est un point x e dans ] 1, 1[ et on cherche ` a obtenir une estimation de |n+1 (x)/n+1 (i). Pour x = i, la formule () du 2.2 montre quil existe des constantes C3 , C4 > 0 telles que

Etude de la convergence ponctuelle de la suite pn(x)

C3 A(i)n |n+1 (i)| C4 A(i)n car |i xj | 2 + 4 pour tout j {1, . . . , n + 1}. De m eme pour eme ordre de z = x ] 1, 1[, les quantit es |z xi1 | et |z xi+1 | sont du m 2 , tandis que |z x1 | et |z xn+1 | tendent respectivement vers grandeur que h = n 1 + x et 1 x. On a donc des constantes positives C5 , C6 , . . . telles que C5 nn (x)A(x)n |n+1 (x)| C6 nn (x)A(x)n , C7 nn (x) A(x) A(i)
n n

|f (x) pn (x)| C8 nn (x)

A(x) A(i)

38 Les calculs du 2.2 donnent

Analyse num erique et equations diff erentielles

1+x 1x 1 (1 + x) 2 (1 x) 2 , e 1 1 A(i) = exp ln |i x|dx = exp 2 1

A(x) =

1 4

1 1

ln (x2 + 2 )dx 1 ,

= exp

1 2

1 0

ln(x2 + 2 )dx =

1 e

1 + 2 exp Arctg

ln (x2 + 2 ) ayant pour primitive x ln (x2 + 2 ) 2x + Arctg x/. La fonction A(i) est strictement croissante sur ]0, +[, avec lim A(i) = 1 , e lim A(i) = +.

La valeur critique est la valeur 0 telle que A(i0 ) = sup A(x) =


x[1,1]

2 , e

soit 0 0, 526. Pour > 0 , la suite (pn ) converge ponctuellement (et m eme ema suivant : uniform ement) vers f sur [1, 1]. Pour < 0 , on a le sch

y 2/e A(i) 1/e A(x)

x 1

Si A(x) < A(i) (intervalle ouvert hachur e), pn (x) converge vers f (x). Si x ] 1, 1[ et A(x) A(i), la suite (pn (x)) diverge comme on le voit ` a laide du lemme suivant.

Lemme Pour tout n N ,


max (nn (x), (n + 1)n+1 (x)) 1 min(1 + x, 1 x) > 0. 2

II Approximation polynomiale des fonctions num eriques

39

Il existe en eet des indices j, k tels que n (x) = |x xj,n | = x n+1 (x) = |x xk,n | = x On obtient donc max (nn (x), (n + 1)n+1 (x)) 1 (nn (x) + (n + 1)n+1 (x)) 2 1+j 1+k 2 n , .

2 n+1

1 2 1 2 1 2 1 = 2

|n(x + 1) 2j | + |(n + 1)(x + 1) 2k | |di erence| = 1 |x + 1 2k + 2j | 2

distance (x, entiers impairs dans Z) min(|x 1|, |x + 1|).

Gr ace au lemme, on voit que max |f (x) pn (x)| , |f (x) pn+1 (x)| C A(x) A(i)
n

donc la suite (|f (x) pn (x)|)nN nest pas born ee si A(x) > A(i) et ne tend pas vers 0 si A(x) = A(i). Cet exemple montre donc que, m eme pour une fonction f parfaitement r eguli` ere, il ne faut pas sattendre a ` ce que les polyn omes dinterpolation pn aux points equidistants convergent vers f sur lintervalle dinterpolation.

On munit lespace vectoriel C([a, b]) des fonctions continues f : [a, b] R de la norme uniforme f = sup |f (x)|,
x[a,b]

et de la distance uniforme associ ee d(f, g ) = f g . On note donc d(f, Pn ) = inf


pPn

f p .

40

Analyse num erique et equations diff erentielles

Th eor` eme et d enition Pour tout n N, il existe un unique polyn ome ealise le minimum de la distance qn Pn qui r
f qn = d(f, Pn ) Ce polyn ome est appel ee polyn ome de meilleure approximation uniforme de f ` a lordre n. D emontrons dabord lexistence de qn . En approximant f par p = 0, on voit que omes p Pn tels que f p f est d(f, Pn ) f . Lensemble des polyn une partie ferm ee et born ee K Pn , non vide puisque 0 K . Comme Pn est de dimension nie, K est une partie compacte, donc la fonction continue p f p atteint son inf en un point p = qn K . Avant de prouver lunicit e, nous introduisons une d enition commode.

D enition On dit quune fonction g C([a, b]) equioscille sur (k + 1) points


de [a, b] sil existe des points x0 < x1 < . . . < xk dans [a, b] tels que i = 0, 1, . . . , k, |g (xi )| = g et i = 0, 1, . . . , k 1, g (xi+1 ) = g (xi ).

y g

g
0 a x0 x1 x2 x3 x4 b x

Preuve de lunicit e.* Montrons que si p Pn est un polyn ome r ealisant le minimum de la distance f p , alors g = f p equioscille sur n + 2 points de [a, b]. Si ce nest pas le cas, soit x0 = inf {x [a, b] ; |g (x)| = g } le premier point en lequel g atteint sa valeur absolue maximum, puis x1 le premier point > x0 en lequel g (x1 ) = g (x0 ), . . . , xi+1 le premier point > xi en lequel ete en i = k n. Dapr` es le g (xi+1 ) = g (xi ). Supposons que cette suite sarr th eor` eme des valeurs interm ediaires, g sannule n ecessairement sur chaque intervalle

II Approximation polynomiale des fonctions num eriques

41

eel de cet intervalle tel que g (ci ) = 0, [xi1 , xi ]. Soit ci [xi1 , xi ] le plus grand r de sorte que a x0 < c1 < x1 < c2 < . . . < xk1 < ck < xk b. Supposons par exemple g (x0 ) > 0 et posons (x) = (c1 x)(c2 x) . . . (ck x), Pn , g (x) = g (x) (x) = f (x) (p(x) + (x)). e On va montrer que g < g pour > 0 assez petit, ce qui contredira la minimalit de f p . Par construction, on a signe(g (xi )) = (1)i et g < g (x) g
i

sur [a, x0 ], sur [xi1 , ci ]

g (1) g (x) < g

(si on avait seulement au lieu de <, alors on aurait xi ci ), 0 (1)i g (x) g sur [ci , xi ]

(si on avait une valeur < 0, g (x) sannulerait sur ]ci , xi [), g < (1)k g (x) g sur [xk , b]

(si on avait seulement au lieu de <, il y aurait un point xk+1 ). Il existe donc une constante A < g positive telle que g (x) A sur [a, x0 ], (1)i g (x) A sur [xi1 , ci ] et (1)k g (x) A sur [xk , b]. En notant M = sup[a,b] | (x)| et en tenant compte du fait que signe( (x)) = (1)i sur ]ci , ci+1 [, on obtient donc sur [a, x0 ], A M g (x) < g g < (1)i g (x) A + M sur [xi1 , ci ], sur [ci , xi ], M (1)i g (x) < g sur [xk , b], A M (1)k g (x) < g es que est assez petit. Cette contradiction entra ne ce qui implique g < g d` k n + 1, ce quil fallait d emontrer. Pour v erier lunicit e de p, il sut de montrer que pour tout polyn ome q Pn , q = p, il existe un point xi avec 0 i n + 1 tel que (1)i (f (xi ) q (xi )) > (1)i (f (xi ) p(xi )) ; ceci entra nera en particulier f q > f p . Sinon, pour tout i = 0, 1, . . . , n + 1 on aurait (1)i (p(xi ) q (xi )) 0. Dapr` es le th eor` eme des valeurs interm ediaires, il existerait un point i [xi , xi+1 ] tel que p(i ) q (i ) = 0 pour i = 0, 1, . . . , n. Si les i sont tous distincts, alors p q aurait n + 1 racines, donc p = q contrairement a ` lhypoth` ese. Or, on peut choisir ome (1)i (p(x) q (x)) ne i1 < i , sauf si dans lintervalle [xi1 , xi+1 ] le polyn

42

Analyse num erique et equations diff erentielles

sannule quen x = xi , auquel cas on doit prendre i1 = xi = i . Dans ce cas (1)i (p(x) q (x)) reste 0 sur [xi1 , xi+1 ] car son signe est positif en x = xi1 et ne que i = xi est racine au moins double de p q , par suite x = xi+1 . Ceci entra p q aurait encore n + 1 racines compte tenu des multiplicit es, contradiction. Observons en outre que dapr` es la d emonstration pr ec edente, le polyn ome de meilleure approximation uniforme se caract erise comme suit :

Caract erisation Pour f C([a, b]), le polyn ome de meilleure approximation


ome de degr e n tel que f qn equioscille uniforme qn Pn de f est lunique polyn sur au moins (n + 2) points de [a, b].

les polyn omes de Tchebychev sous la forme Exemple Ecrivons 2n tn+1 (x) = xn+1 qn (x) avec qn de degr e n. Comme tn+1 (cos ) = cos (n + 1) equioscille sur les n + 2 , 0 i n +1, on en d eduit que qn (x) est le polyn ome de meilleure points i = i n+1 n+1 approximation uniforme a ` lordre n de x sur [1, 1]. Autrement dit, 2n tn+1 est le polyn ome unitaire de degr e n + 1 ayant la plus petite norme uniforme possible sur [1, 1] : cette norme vaut 2n .

C([a, b])

Il est malheureusement tr` es dicile en g en eral de d eterminer le polyn ome de etudier ici une meilleure approximation uniforme qn . Cest pourquoi nous allons m ethode beaucoup plus explicite dapproximation.

D enition Si f C([a, b]), le module de continuit e de f est la fonction


enie par f : R+ R+ d f (t) = sup {|f (x) f (y )| ; x, y [a, b] avec |x y | t}.

Pour tous x, y [a, b], on a alors |f (x) f (y )| f (|x y |), de sorte que f mesure quantitativement la continuit e de f .

Propri et es du module de continuit e


(i) t f (t) est une fonction croissante. f (t) = 0. (ii) lim +
t0

(iii) Pour tous t1 , t2 R+ , f (t1 + t2 ) f (t1 ) + f (t2 ). (iv) Pour tout n N et tout t R+ , f (nt) n f (t). (v) Pour tout R+ et tout t R+ , f (t) ( + 1)f (t).

II Approximation polynomiale des fonctions num eriques

43

D emonstration. (i) est evident, (ii) r esulte du fait que toute fonction continue sur [a, b] y est uniform ement continue. (iii) Soient x, y [a, b] quelconques tels que |x y | t1 + t2 . Il existe alors z [x, y ] u tel que |x z | t1 et |z y | t2 , do` |f (x) f (y )| |f (x) f (z )| + |f (z ) f (y )| f (t1 ) + f (t2 ). Lin egalit e (iii) sen d eduit en prenant le sup sur x, y . (iv) se d eduit imm ediatement de (iii) et (v) sobtient en appliquant (iv) a ` n = E () + 1. Nous allons maintenant introduire les polyn omes dits de Jackson, donnant une assez bonne approximation dune fonction continue quelconque. Pour tout entier n 2, e n2 on consid` ere le polyn ome trigonom etrique Jn 0 de degr Jn () = cn
1kn2

1 cos

2k + 1 n

1 o` u cn > 0 est x ee telle que Jn ot n = 2 . En changeant k en n 1 k on voit aussit +1 = 0 si k 0 ou que Jn () = Jn (). De plus, pour tout k Z, on a Jn 2kn 1 1 (mod n), tandis que Jn n = 2 . Nous avons besoin du lemme suivant.

Lemme Soit P () =
degr e au plus n 1. Alors

|j |n1

aj eij , j Z, un polyn ome trigonom etrique de 2 n

( R)
0kn1

P k

= na0 .

En eet
0kn1

eij (k2/n) = eij

1 eijn2/n = 0 si j 0 (mod n), et la somme 1 eij 2/n

vaut n si j = 0. Comme Jn () et Jn ()(1 cos ) sont des polyn omes trigonom etriques de degr e n 2 et n 1 respectivement, on en d eduit que 2 Jn k = 1, n
0kn1

Jn k
0kn1

2 n

1 cos k

2 n

= 1 cos

; n

en eet, dapr` es le lemme, ces sommes sont des constantes et pour = n la = 0 sauf pour k = 0 et k = n 1, d enition de Jn () montre que Jn k 2n =1 auquel cas Jn k 2n 2 . Observons de plus que cos cos k 2 n
2

= Re (ei eik 2/n ) ei eik 2/n


2

2 2

= ei 2 n

k 2/n

= 2 1 cos k

44

Analyse num erique et equations diff erentielles

En appliquant lin egalit e de Cauchy-Schwarz | quantit es ak = Jn k on en d eduit Jn k


0kn1

ak b k | ( 2 n
1/2

1/2 a2 ( k)

1/2 b2 aux k)

2 n

1/2

bk = Jn k

cos cos k

2 , n

2 n

cos cos k 2 k n 2 n
1/2 1/2

2 n Jn 2 k n 2 n 2 cos cos k n
1/2 2 1/2

Jn

Jn k n

1 cos k = 2 sin . 2n n

2 1 cos

()

Soit maintenant f C([1, 1]) une fonction continue quelconque. On lui associe le polyn ome trigonom etrique de degr e n2 n () =
0kn1

f cos k

2 2 Jn k . n n

En changeant k en n k pour 1 k n 1, on voit que n () = n (), eaire des fonctions paires 1, cos , . . ., par cons equent n () est combinaison lin cos (n 2). Comme celles-ci sont pr ecis ement donn ees par les polyn omes de ome pn2 de degr e n2 Tchebychev tk (cos ), on voit quil existe un polyn ome tel que n () = pn2 (cos ). Pour des raisons similaires, il existe un polyn e n 2 tel que jn,k (x) de degr 1 2 Jn + k 2 2 + Jn k n n = jn,k (cos ).

En observant que pn2 (cos ) = 1 2 n ( ) + n ( ) et en substituant x = cos , a partir des jn,k : on peut exprimer explicitement le polyn ome pn2 ` pn2 (x) =
0kn1

f cos k

2 jn,k (x), n

x [1, 1].

Ce polyn ome sera appel e polyn ome dapproximation de Jackson de degr e n 2 de f . Cela etant, nous avons le :

Th eor` eme de Jackson Pour tout f C([a, b]), les polyn omes dapproximation de Jackson v erient f pn 3 f ba . n+2

II Approximation polynomiale des fonctions num eriques

45

D emonstration. Le cas dun intervalle [a, b] quelconque se ram` ene facilement au cas o` u [a, b] = [1, 1], en utilisant le m eme changement de variable quau 1.5. On suppose donc f C([1, 1]) et on cherche ` a majorer f pn2 La propri et e Jn k
2 n [1,1]

= sup |f (cos ) n ()|.


[0, ]

= 1 permet d ecrire f (cos )Jn k


0kn1

f (cos ) =

2 , n

do` u f (cos ) n () =
0kn1

f (cos ) f cos k

2 n

Jn k

2 n
2 n

par d enition de n . La propri et e (v) du module de continuit e avec t = =


n 2

et

cos cos

k 2n

implique 2 k f (t) 1+ 2 n cos cos k 2 n f 2 , n

f (cos ) f cos k

par cons equent lin egalit e () donne |f (cos ) n ()|


0kn1

Jn 2 k n 2 n cos cos k 1+ 2 n f 2 n

1+ On obtient donc nalement

2 n f . 2 n n

f pn2 1 +

2 2 f 3 f . 2 n n

Il r esulte du th eor` eme de Jackson que (pn ) converge uniform ement vers f quand n tend vers +. Comme le polyn ome de meilleure approximation qn satisfait par eduit que (qn ) converge uniform ement vers d enition f qn f pn , on en d f quand n tend vers +. Ceci equivaut a ` l enonc e suivant :

Th eor` eme de Weierstrass


C([a, b]) pour la norme uniforme.

Lespace P des polyn omes est dense dans

46

Analyse num erique et equations diff erentielles

Soient x0 , x1 , . . . , xn [a, b] des points 2 a ` 2 distincts. On consid` ere lop erateur dinterpolation de Lagrange Ln : C([a, b]) Pn f pn . Dans la pratique, la fonction f ` a interpoler nest pas connue exactement : on ne dispose que dune valeur approch ee f = f + g , o` u g est un terme derreur. Au lieu de calculer pn = Ln (f ), on va donc calculer pn = Ln (f ) = Ln (f )+ Ln (g ) = pn + Ln (g ). Si g est lerreur commise sur f , lerreur sur pn sera donc Ln (g ). Dun point de vue num erique, il va etre tr` es important de pouvoir estimer Ln (g ) en fonction de g . Rappelons la formule dinterpolation (*) d emontr ee au 1.1 : si Ln (g ) = rn , alors
n

rn (x) =
i=0

g (xi )li (x).

On a donc |rn (x)|

|li (x)|
i=0

g .

Th eor` eme et d enition La norme de lop erateur dinterpolation Ln est


n = sup |li (x)| .
i=0

x[a,b]

Le nombre n est appel e constante de Lebesgue associ ee ` a x0 , x1 , . . . , xn . D emonstration. Dapr` es ce qui pr ec` ede, on a Ln (g ) = rn n g , donc eciproquement, la continuit e des li entra ne quil existe un point |||Ln ||| n . R
n

[a, b] tel que n =


i=0

|li ( )|. On peut trouver une fonction g C([a, b]) ane

par morceaux, telle que g = 1 et g (xi ) = 1 = signe (li ( )). Alors


n

Ln (g )( ) =
i=0

|li ( )| = n ,

de sorte que Ln (g ) n et |||Ln ||| n . Intuitivement, la constante n peut sinterpr eter comme le facteur damplication de lerreur dans le proc ed e dinterpolation de Lagrange. On va voir que n est

II Approximation polynomiale des fonctions num eriques

47

egalement li ee au probl` eme de la convergence des polyn omes dinterpolation, gr ace a lin ` egalit e suivante :

Th eor` eme Pour tout f C([a, b]), on a


f Ln (f ) (1 + n )d(f, Pn ).

ome de meilleure approximation uniforme de f , D emonstration. Soit qn le polyn de sorte que f qn = d(f, Pn ). Puisque qn Pn , on a Ln (qn ) = qn , donc f Ln (f ) = f qn Ln (f qn ) f Ln (f ) f qn + Ln (f qn ) f qn + n f qn = (1 + n )d(f, Pn ).

xi


b a n .

Posons xi = a + ih, 0 i n et x = a + sh, o` u s [0, n], h = li (x)


j =i

On a alors

(x xj ) = (xi xj )

j =i

sj ij

= (1)ni

s(s 1) . . . (s i) . . . (s n) , i!(n i)!

o` u s i d esigne un facteur omis. On peut d emontrer a ` partir de l` a que n 2n+1 . en ln (n)

Nous nous contenterons de d emontrer une minoration de n . Pour s = 1 a2 , cest-` h dire pour x = a + 2 , il vient
1 2

|li (x)| = On en d eduit

1 2

3 2

... i

1 2

... n

1 2

i!(n i)! 1 n! 1 1 2 . . . (i 1) . . . (n 1) 2 . 4 i!(n i)! 4n i!(n i)!


n

n
i=0

|li (x)|

1 4n2

n i Cn = i=0

1 n 2 . 4n2

Comme n tend vers + assez rapidement, on voit que linterpolation de Lagrange en des points equidistants nest pas une m ethode num erique tr` es stable : les erreurs en eral nettement sont fortement ampli ees lorsque n est grand. Comme n tend en g eor` eme plus vite vers + que d(f, Pn ) ne tend vers 0 (cf. Th. de Jackson), le th

48

Analyse num erique et equations diff erentielles

ci-dessus donne egalement une indication de la raison pour laquelle le ph enom` ene de Runge se produit.

Exercice
|li (x)|

(nk)!(k+1)! i!(ni)!

Si x = a + sh avec s [k, k + 1], 0 k < n, montrer que n! i!(n eduire que n 2n . i)! . En d

Il est facile de voir que la constante n reste inchang ee si lon eectue un changement ane de coordonn ees x x + . On se placera donc pour simplier sur lintervalle es le 1.5, le polyn ome [1, 1]. Dans ce cas, comme n+1 (x) = 2n tn+1 (x) dapr` dinterpolation dune fonction f C([1, 1]) est donn e par Pn (x) =
i=0

f (xi )li (x)

avec li (x) =

tn+1 (x) n+1 (x) = . (x xi )n+1 (xi ) (x xi )tn+1 (xi )

Estimation de la constante de Lebesgue On peut montrer que


n 2 ln (n) quand n +.

Nous nous contenterons de v erier que n C ln (n), o` u C est une constante positive, et laisserons au lecteur linitiative de raner la m ethode pour obtenir le r esultat plus pr ecis ci-dessus. Posons x = cos , xi = cos i o` u i = 2i + 1 , 2n + 2 0 i n.

La relation tn+1 (cos ) = cos (n + 1) entra ne par d erivation sin tn+1 (cos ) = (n + 1) sin (n + 1).
i Comme sin (n + 1) i = sin (2i + 1) 2 = (1) , il vient

(1)i , sin i (1)i sin i cos (n + 1) li (cos ) = , (n + 1)(cos cos i ) | sin i cos (n + 1) | |li (cos )| = . (n + 1)| cos cos i | tn+1 (xi ) = (n + 1) Minorons la quantit e cos cos i = 2 sin + i i sin . 2 2

II Approximation polynomiale des fonctions num eriques

49

y y= 1 y = sin t
2

0 Pour t 0, 2 on a sin t
2

/2 t, or donc
i 2

i , , 2 2 2 Par ailleurs
+i 2

sin et

2 | i | i . 2 2
2,

i i + 2, 2

avec sin
i 2

i + 2

donc sin i i , cos . 2 2

sin

+ i min 2
i 2

i i + , sin 2 2

= min

Comme sin i = 2 sin

cos

2 min sin

i i 2 , cos 2

, on obtient ()

|li (cos )|

| cos (n + 1)| . (n + 1)| i |

Dapr` es le th eor` eme des accroissements nis cos (n + 1) = cos (n + 1) cos (n + 1)i = (n + 1)( i )( sin ), | cos (n + 1)| (n + 1)| i |, e si = i . donc |li (cos )| , [0, ] \ {i }, et ceci est encore vrai par continuit Fixons [0, ] et soit j le point le plus proche de . Si on note h = n+1 = i+1 i , alors on a | j | h , 2 | i | |j i | | j | (|j i| 1)h.

Lin egalit e () donne


n

|li (cos )|
i=0

(n + 1)h

j =i,i+1,i1

1 + 3, |j i| 1

do` u n 2 1 +

1 2

+ ... +

1 n

+ 3 C ln (n).

50

Analyse num erique et equations diff erentielles

Exercice Montrer inversement que


n

|li (1)| =
i=0

1 n+1

cotan
i=0

2 i 2

/2 0 /2

cotan t dt

2 ln (n).

Dapr` es le th eor` eme du 4.1 et le th eor` eme de Jackson, on obtient pour tout f C([a, b]) : f Ln (f ) (1 + n )d(f, Pn ) C ln (n) f ba . n+2

Corollaire On suppose que f est lipschitzienne, cest-` a-dire quil existe une constante K 0 telle que x, y [a, b] on ait |f (x) f (y )| K (x y ). omes dinterpolation de Tchebychev converge uniAlors la suite Ln (f ) des polyn form ement vers f sur [a, b].
Sous ces hypoth` eses on a en eet f (t) Kt, donc f Ln (f ) KC (b a) ce qui tend vers 0 quand n tend vers +. Ces r esultats montrent que linterpolation aux points de Tchebychev est consid erablement plus able que linterpolation en des points equidistants. Le sch ema ci-dessous compare ` a titre dexemple les polyn omes dinterpolation de degr e 6 as soci es ` a la fonction fx (x) = 1/(x2 + 2 ) pour = 8 (voir aussi le 2.3). ln (n) , n+2

y Points dinterpolation : equidistants de Tchebychev f 1/2

pn

(n = 6)

II Approximation polynomiale des fonctions num eriques

51


Soit ]a, b[ un intervalle ouvert born e ou non dans R. On se donne un poids sur ]a, b[, cest-` a-dire une fonction w : ]a, b[ ]0, +[ continue. On suppose en outre
b

que pour tout entier n N lint egrale


b a

|x|n w(x)dx est convergente ; cest le cas w(x)dx converge. Sous ces hypoth` eses, on

par exemple si ]a, b[ est born e et si


a

consid` ere lespace vectoriel E des fonctions continues sur ]a, b[ telles que
b

=
a

|f (x)|2 w(x)dx < +.

Gr ace aux hypoth` eses faites ci-dessus, E contient lespace vectoriel des fonctions polyn omes. Lespace E est muni dun produit scalaire naturel
b

f, g =
a

f (x)g (x)w(x)dx,

et ee ` a ce produit scalaire ; cette norme est appel ee norme 2 est la norme associ L2 ou norme moyenne quadratique. On notera d2 (f, g ) = f g 2 la distance associ ee.

Th eor` eme 1 Il existe une suite de polyn omes unitaires (pn )nN , deg(pn ) = n,
orthogonaux 2 ` a 2 pour le produit scalaire de E . Cette suite est unique. Les es polyn omes orthogonaux pour le poids w. polyn omes pn sont appel D emonstration. On construit pn par r ecurrence ` a laide du proc ed e dorthogonaetre unitaire. lisation de Schmidt. On a p0 (x) = 1, puisque p0 doit Supposons p0 , p1 , . . . , pn1 d ej` a construits. Comme deg pi = i, ces polyn omes forment une base de Pn1 . On peut donc chercher pn sous la forme
n1

pn (x) = xn
j =0

j,n pj (x).

La condition pn , pk = 0 pour k = 0, 1, . . . , n 1 donne


n1

pn , pk = 0 = xn , pk
j =0

j,n pj , pk
2 2.

= xn , pk k,n pk On a donc un et un seul choix possible, a ` savoir k,n = xn , pk . pk 2 2

52

Analyse num erique et equations diff erentielles

Remarque La suite pn ainsi construite nest pas orthonorm ee en g en eral. 1 p est une base orthonorm e e de lespace P des La suite normalis ee pn = pn n 2 polyn omes. Th eor` eme 2 Les polyn omes pn v erient la relation de r ecurrence
pn (x) = (x n )pn1 (x) n pn2 (x), avec n = xpn1 , pn1 , pn1 2 2 n = pn1 pn2 n2
2 2 2. 2

D emonstration. Le polyn ome xpn1 est unitaire de degr e n, donc on peut ecrire
n1

xpn1 = pn +
k=0 2 2,

k pk ,

o` u xpn1 , pk = k pk

0 k n 1. Par d enition du produit scalaire, on a


b

xpn1 , pk = pn1 , xpk =


a

x pn1 (x)pk (x)w(x) dx.

Si k n 3, xpk Pn2 , donc pn1 , xpk = 0. Il y a donc au plus deux coecients non nuls : n1 = xpn1 , pn1 = n , pn1 2 2 n2 = pn1 , xpn2 . pn2 2 2

Or xpn2 = pn1 + q , q Pn2 , donc pn1 , xpn2 = pn1 ce qui donne n2 = n et xpn1 = pn + n pn1 + n pn2 .
2 2

+ pn1 , q = pn1 2 2,

Exemples Certains cas particuliers ont donn e lieu ` a des etudes plus pouss ees. Mentionnons entre autres les cas suivants :
]a, b[ = ]0, +[, ]a, b[ = ] 1, 1[, ]a, b[ = ] 1, 1[, w(x) = ex ,
x2

pn = polyn omes de Laguerre ; , pn = polyn omes de Hermite ; omes de Legendre ; pn = polyn pn = polyn omes de Tchebychev.

]a, b[ = ] , +[, w(x) = e w(x) =

w(x) = 1,
1 , 1x2

II Approximation polynomiale des fonctions num eriques

53

` 2 orthogonaux V erions en eet que les polyn o mes de Tchebychev tn sont 2 a relativement au poids w(x) = 1/ 1 x2 . Le changement de variable x = cos , [0, ] donne :
1 dx = tn (cos 1 x2 1 0 si 0 cos n cos k d = = si 2 0 si 1

tn (x)tk (x)

)tk (cos ) d n=k n = k = 0. n=k=0

Comme tn a pour coecient directeur 2n1 si n 1, on en d eduit p0 (x) = t0 (x) = 1 pn (x) = 21n tn (x)

si n 1.

On sait que tn a n z eros distincts dans ] 1, 1[. On va voir que cest une propri et e g en erale des polyn omes orthogonaux.

Th eor` eme 3 Pour tout poids w sur ]a, b[, le polyn ome pn poss` ede n z eros
distincts dans lintervalle ]a, b[.

eros distincts de pn contenus dans ]a, b[ D emonstration. Soient x1 , . . . , xk les z es respectives. On a m1 + . . . + mk deg pn = n. et m1 , . . . , mk leurs multiplicit Posons i = 0 si mi est pair, i = 1 si mi est impair, et
k

q (x) =

(x xi )i ,
i=1

deg q k n.

eros xi avec multiplicit e paire mi + i , donc Le polyn ome pn q admet dans ]a, b[ les z equent pn q est de signe constant dans ]a, b[ \ {x1 , . . . , xk }. Par cons
b

pn , q =
a

pn (x)q (x)w(x)dx = 0.

Comme pn est orthogonal a ` Pn1 , on a n ecessairement deg q = n, donc k = n et m1 = . . . = mk = 1. Plusieurs m ethodes dapproximation de fonctions continues par des polyn omes ont d ej` a et e vues. En voici encore une autre.

Th eor` eme 4 Soit f E . Alors il existe une unique polyn ome rn Pn tel

e polyn ome de meilleure approximation que f rn 2 = d2 (f, Pn ) ; rn est appel quadratique de f a ` lordre n.

54

Analyse num erique et equations diff erentielles

E 0 Pn rn

Puisquon travaille dans un espace euclidien, le point de Pn le plus proche de f nest ecrit rn = k pk , il vient autre que la projection orthogonale de f sur Pn . Si on , do` u la formule f, pk = rn , pk = k pk 2 2
n

rn (x) =
k=0

f, pk pk (x). pk 2 2

On va maintenant etudier la convergence de rn quand n tend vers +. Lin egalit e evidente


b a

|f (x)|2 w(x)dx (sup |f (x)|)2


a b

w(x)dx

entra ne f
2

Cw f ,
2

o` u

Cw =
a

w(x)dx

1/2

Ceci permet de contr oler

a laide de la norme uniforme. `


n+

Th eor` eme 5 Si ]a, b[ est born e, alors lim

f rn

= 0 pour tout f E .

Remarque Le th eor` eme 5 peut etre faux si ]a, b[ est non born e.
D emonstration Supposons dabord que f C([a, b]). Dans ce cas, soit qn le polyn ome de meilleure approximation uniforme de f . On a f rn et on sait que lim
n+ 2

f qn

Cw f qn ,

f qn = 0.

enie par Supposons maintenant f E quelconque. Soit la fonction plateau d le sch ema ci-dessous :

II Approximation polynomiale des fonctions num eriques

55

y 1

a+/2

a+

b/2 b

Comme f C(]a, b[), on a f C([a, b]) si lon convient que f (a) = f (b) = 0. De plus f f de sorte que lim
0+ 2 2

a 2

a+

|f (x)|2 w(x)dx +

b b

|f (x)|2 w(x)dx,

f f

= 0. Soit r,n le polyn ome de meilleure approximation

quadratique de f . On a f rn
2

f r,n

f f

+ f r,n 2 .

; etant Soit > 0 x e. On peut dabord choisir > 0 tel que f f 2 < 2 ne f r,n 2 < 2 et donc ainsi x e, on peut choisir n0 tel que n > n0 entra f r n 2 < .

Mise en uvre num erique Si les polyn omes pn sont connus, le calcul
es lors quon sait evaluer les int egrales f, pk : les m ethodes des rn est possible d` dint egration num erique feront pr ecis ement lobjet du prochain chapitre. Si les eriquement par la formule polyn omes pn ne sont pas connus, on peut les calculer num de r ecurrence du th eor` eme 2. Le co ut global de ces calculs est en g en eral beaucoup plus elev e que celui des m ethodes dinterpolation.


6.1. On note C([a, b], R) lespace des fonctions continues sur lintervalle [a, b] a ` ere valeurs dans R, muni de la norme de la convergence uniforme. On consid` lapplication : C([a, b], R) Rn+1 f (m0 (f ), m1 (f ), . . . , mn (f )) telle que mi (f ) =
1 2

(f (xi ) + f (xi )), o` u x0 < x0 < x1 < x1 < . . . < xn < xn

sont des points x es de [a, b].

56

Analyse num erique et equations diff erentielles

(a) Soit f C([a, b], R) telle que (f ) = 0. Montrer que pour tout i il existe i [xi , xi ] tel que f (i ) = 0. a lespace Pn des polyn omes de (b) Montrer que la restriction : Pn Rn+1 de ` degr e n est injective. En d eduire que pour tout f C([a, b]), R) il existe un unique polyn ome Pn P tel que (pn ) = (f ). (c) On suppose ici que f est de classe C n+1 . En utilisant (a), majorer pn f en fonction de f (n+1) et b a.

(d) Calculer explicitement p2 en fonction de m0 (f ), m1 (f ), m2 (f ) pour la subdivision x0 < x0 < x1 < x1 < x2 < x2 de [a, b] = [1, 1] de pas constant 2 5. 6.2. On note tn le polyn ome de Tchebychev de degr e n et c un r eel tel que |c| < 1. (a) Montrer quil existe une fonction continue ` a valeurs r eelles, d enie sur [0, ] avec (0) = ( ) = 0 et v eriant ei() = 1 cei . 1 cei

(b) Pour n N on note g () = (n + 1) + (). () Soit 1 = . Calculer g (1 ) n et g (0) n . En d eduire quil existe 2 v eriant 0 < 2 < 1 et g (2 ) = n . ( ) Montrer quil existe une suite strictement d ecroissante k de [0, ] telle que g (k ) = (n k + 2) pour k = 1, . . . n + 2. ( ) On note n (x) = Re ei(n+1)
1cei 1cei

avec = Arc cos x, x [1, 1].

Calculer n . Montrer que n equioscille sur n + 2 points de [1, 1].


k ement sur [1, 1] (c) () Montrer que la s erie 1 k=0 c tk (x) converge uniform 2 + vers une fonction fc (x) que lon explicitera. +

1 ( ) On note pn (x) = + 2

n1

ck tk (x) +
k=0

cn tn (x). 1 c2

Montrer que pn est le polyn ome de meilleure approximation uniforme de degr e n de fc . Calculer fc pn . (d) () Montrer que lon peut choisir c et tels que pour tout x [0, 1] on ait fc (2x 1) = 1+ x. ( ) Montrer quil existe une suite de polyn omes qn de Pn tels que la suite n = Supx[0,1]
n+

1 qn (x) 1+x

v erie pour tout k N, lim nk n = 0.

II Approximation polynomiale des fonctions num eriques

57

6.3. Soit f : [a, b] R une fonction continue, ind eniment d erivable sur ]a, b[. Soient x0 , x1 , . . . , xn [a, b]. Pour chaque i {0, 1, . . . , n}, soit i un entier positif. On cherche un polyn ome P (x) de degr e < = (i + 1) tel que : P (j ) (xi ) = f (j ) (xi ) pour o` u (j ) d esigne lordre de d erivation. (a) D emontrer lunicit e de P , puis son existence gr ace ` a un raisonnement dalg` ebre lin eaire. (b) On suppose P solution du probl` eme. Soient Ri (x) et pi (x) des polyn omes v eriant les relations Ri (x) = pi (x) + (x xi )i +1 Ri+1 (x), R0 (x) = P (x), Rn+1 (x) = 0. () Montrer que pi (xi ) = Ri (xi ) pour
(j ) (j )

i = 0, 1, . . . , n et j = 0, 1, . . . , i ,

deg pi i ,

j = 0, 1, . . . , i .

( ) Montrer que lon peut ecrire pi (x) sous la forme :


i

pi (x) =
k=0

aik (x xi )k .
(k )

Calculer les coecients aik en fonction de Ri (xi ). ( ) Montrer que P (x) peut s ecrire :
n i 1

P (x) = p0 (x) +
i=1

pi (x)
r=0

(x xr )r +1 .

( ) Indiquer une m ethode de r ecurrence pour calculer p0 (x), puis R1 (x) et eriv ees f (j ) (xi ). a1k , . . ., puis Rj (x) et ajk en fonction de f et de ses d Montrer que lon peut ainsi calculer P (x) en fonction des donn ees du probl` eme. () Que se passe-t-il dans le cas particulier o` un=0? (c) On suppose que les i sont rang es par ordre croissant. Montrer quil existe t [a, b] tel que : f (x) = P (x) + (x x0 )0 +1 (x x1 )1 +1 . . . (x xn )n +1 Indication : on pourra consid erer la fonction g (x) = f (x) P (x) (x x0 )0 +1 . . . (x xn )n +1 K, et examiner combien de fois sannulent g (x), g (x) . . ., g (0 ) (x), . . ., g (n ) (x), . . . , g ( ) (x). f ( ) (t) !


Lobjet de ce chapitre est de d ecrire quelques m ethodes num eriques classiques (Newton-Cotes, Gauss, Romberg) permettant d evaluer des int egrales de fonctions dont les valeurs sont connues en un nombre ni de points. On sattachera a ` expliciter le plus compl` etement possible les formules derreurs dans chacun des cas.

Soit f : [, ] R une fonction continue. On se propose de chercher des formules approch ees pour lint egrale f (x)dx. Pour cela, on choisit dabord une subdivision = 0 < 1 < . . . < k = de lintervalle [, ]. La formule de Chasles donne
k 1 i+1

f (x)dx =
i=0 i

f (x)dx.

On est donc ramen e au probl` eme d evaluer lint egrale de f sur un petit intervalle [i , i+1 ]. Ce calcul est eectu e au moyen de formules approch ees (qui peuvent ees m ethodes de etre a priori di erentes sur chacun des intervalles [i , i+1 ]), appel quadrature el ementaires, du type suivant :

M ethodes de quadrature el ementaires


i+1 li

f (x)dx
i

(i+1 i )
j =0 li j =0

i,j f (i,j ),

o` u i,j [i , i+1 ], 0 j li

et

i,j = 1.

60

Analyse num erique et equations diff erentielles

La sommation peut etre interpr et ee comme une valeur moyenne de f sur [, i+1 ]. Le probl` eme est de choisir convenablement les points i,j et les coecients i,j de fa con ` a minimiser lerreur. Ceci se fera en g en eral en evaluant lint egrale i+1 f ( x ) dx au moyen dune interpolation de f aux points . i,j i La m ethode de quadrature compos ee associ ee sera
k 1 li

f (x)dx
i=0

(i+1 i )
j =0

i,j f (i,j )

D enition On dit quune m ethode de quadrature ( el ementaire ou compos ee) est dordre N si la formule approch ee est exacte pour tout f PN et inexacte pour au moins un f PN +1 .
On observera que les formules sont toujours exactes pour f (x) = 1 a ` cause de = 1. Par lin e arit e , elles sont donc exactes au moins pour lhypoth` ese j i,j f P0 .


(a) Cas le plus simple : li = 0, quel que soit i. On choisit alors un seul point i [i , i+1 ] et on remplace f sur [i , i+1 ] par le polyn ome de degr e 0 : p0 (x) = f (i ). On a alors
i+1

f (x)dx
i

(i+1 i )f (i ),
k 1

f (x)dx
i=0

(i+1 i )f (i ),

cest-` a-dire quon approxime lint egrale par une somme de Riemann relative ` a la subdivision (i ). Voici les choix les plus courants : ethode des rectangles ` a gauche i = i : m
k 1

f (x)dx
i=0

(i+1 i )f (i ).

i = i+1 : m ethode des rectangles ` a droite


k 1

f (x)dx
i=0

(i+1 i )f (i+1 ).

III Int egration num erique

61 y

i = i

i = i+1

i i+1

i i+1

Ces m ethodes sont dordre 0. i =


i +i+1 2

: m ethode du point milieu y

f (i )

i+1

Laire du rectangle co ncide avec laire du trap` eze indiqu e en gris e. La formule approch ee est donc exacte si f est une fonction ane, par suite la m ethode est dordre 1. (b) Cas dune interpolation lin eaire : on choisit li = 1, i, i,0 = i , i,1 = i+1

et on remplace f sur [i , i+1 ] par la fonction lin eaire p1 qui interpole f aux points i , i+1 : (x i )f (i+1 ) (x i+1 )f (i ) . p1 (x) = i+1 i On obtient les formules suivantes, correspondant a ` la m ethode dite des trap` ezes :
i+1 i+1

f (x)dx
i i k 1

p1 (x)dx = (i+1 i )

1 1 f (i ) + f (i+1 ) 2 2

f (x)dx
i=0

(i+1 i )

1 1 f (i ) + f (i+1 ) 2 2

62 y

Analyse num erique et equations diff erentielles

i i+1

Lordre de cette m ethode est 1 comme dans le cas pr ec edent. (c) M ethodes de Newton-Cotes Dans la m ethode de Newton-Cotes de rang l, quon d esignera dans la suite par N Cl , on prend li = l pour tout i, et les points i,j , 0 j l, sont les points equidistants i,j = i + j i+1 i l

divisant [i , i+1 ] en l sous-intervalles egaux. Pour d eterminer la formule de quadrature el ementaire, on se ram` ene par changement de variable a ` lintervalle e par les points j = 1 + j 2 . Le polyn ome [i , i+1 ] = [1, 1], subdivis l dinterpolation dune fonction f C([1, 1]) est donn e par
l

pl (x) =
j =0

f (j )Lj (x)

avec Lj (x) =
k =j

x k . On a donc j k
1 1 l

f (x)dx
1 1 2 1 1 1

pl (x)dx = 2
j =0

j f (j )

avec j =

Lj (x)dx. Par suite de la sym etrie des points j autour de 0, on a lj = j , Llj (x) = Lj (x), l j = j .

Pour l = 2 par exemple, il vient 0 = 1, 1 = 0, 2 = 1, L1 (x) = 1 x2 , 1 = 1 2


1 1

(1 x2 )dx =

2 , 3

1 do` u 0 = 2 = 1 es changement de variable, les coecients 2 (1 1 ) = 6 . Apr` es (le lecteur le v eriera a ` titre dexercice), donc on obtient les j restent inchang

III Int egration num erique

63

formules
i+1 l

f (x)dx
i

(i+1 i )
j =0 k 1

j f (i,j ),
l

f (x)dx
i=0

(i+1 i )
j =0

j f (i,j ).

Si f Pl , alors pl = f , donc la m ethode de Newton-Cotes de rang l est dordre l. De plus, lorsque f C[1, 1]) est un polyn ome impair, on a
1 l

f (x)dx = 0 = 2
1 j =0

j f (j ).

Si l est pair, les formules sont donc encore exactes pour f (x) = xl+1 , et plus earit e. On d emontre en fait le r esultat suivant g en eralement pour f Pl+1 par lin que nous admettrons :

Proposition Si l est pair, lordre de N Cl est l + 1,


si l est impair, lordre de N Cl est l. Ceci fait que, hormis le cas l = 1, les m ethodes de Newton-Cotes ne sont utilis ees que pour l pair : l = 1 : m ethode des trap` ezes (ordre 1) 0 = 1 = l = 2 : m ethode de Simpson (ordre 3) 0 = 2 = 1 , 6 1 = 2 . 3 1 2

l = 4 : m ethode de Boole-Villarceau (ordre 5) 0 = 4 = 7 , 90 1 = 3 = 16 , 45 2 = 2 15

l = 6 : m ethode de Weddle-Hardy (ordre 7) 0 = 6 = 41 , 840 1 = 5 = 9 , 35 2 = 4 = 9 , 280 3 = 34 . 105

Pour l 8, il appara t des coecients j < 0, ce qui a pour eet de rendre les formules beaucoup plus sensibles aux erreurs darrondis (cf. 1.3). Les m ethodes ees en pratique que dans les 4 cas ci-dessus. N Cl ne sont donc utilis

64

Analyse num erique et equations diff erentielles

Supposons que les valeurs de f soient calcul ees avec des erreurs darrondi de valeur absolue . Lerreur qui va en r esulter par application dune m ethode de quadrature compos ee sera major ee par
k 1 li

i=0

(i+1 i )
j =0

|i,j |.

Si les coecients i,j sont 0, on a


li li

|i,j | =
j =0 j =0

i,j = 1.

Lerreur est donc major ee par ( ); ce r esultat est manifestement optimal ` une erreur ( ) si lerreur puisque le calcul exact de f (x)dx peut conduire a sur f est constante de valeur absolue . Si par contre les coecients i,j ne sont pas tous 0, alors j |i,j | > epasser ( ). donc lerreur due aux arrondis des f (i,j ) peut d
j

i,j = 1,

Le r esultat th eorique suivant de convergence justie en partie lint er et des m ethodes compos ees.

Th eor` eme On suppose que les m ethodes de quadrature el ementaire font intervenir un nombre de points li = l xe et que les coecients i,j = j ne d ependent pas de i, k. Alors lapproximation donn ee par la m ethode compos ee, soit
k 1 l

Tk (f ) =
i=0

(i+1 i )
j =0

j f (i,j )

converge vers hmax =


max (i+1

f (x)dx quand k + et quand le maximum du pas, a ` savoir i ), tend vers 0.


l j =0

D emonstration. On peut ecrire Tk (f ) =


k 1

j Sj,k (f ) o` u

Sj,k (f ) =
i=0

(i+1 i )f (i,j )

est une somme de Riemann de f relative a ` la subdivision (i ). Pour tout j = 0, 1, . . . , l x e, Sj,k (f ) converge vers f (x)dx quand hmax tend vers 0. Par cons equent Tk (f ) converge aussi vers

f (x)dx quand hmax tend vers 0.

III Int egration num erique

65

Exercice Montrer que dans le cas g en eral


k 1 li

(i+1 i )
i=0 j =0

i,j f (i,j )

converge encore vers f (x)dx quand hmax tend vers 0, pourvu que i,j 0. [ Indication : revenir a ` la d enition de lint egrale en encadrant f par des fonctions en escalier.]

Remarque Dans le cas de la m ethode N Cl el ementaire


1 l

f (x)dx
1

2
j =0

j f (j )

on peut donner des exemples montrant quil ny a pas n ecessairement convergence quand l + (ceci est li e au ph enom` ene de Runge II 2.3). Cest une des principales raisons pour lesquelles on est amen e` a consid erer des m ethodes compos ees avec k assez grand, plut ot que daugmenter lentier l.

Nous allons montrer que lorsque la fonction f ` a int egrer est susamment r eguli` ere, lerreur dint egration num erique peut sexprimer de mani` ere assez simple en fonction dune certaine d eriv ee de f . Auparavant, nous aurons besoin de quelques rappels dAnalyse.


Enon cons tout dabord une version de la formule de Taylor fournissant une expression exacte du reste. Ceci est possible ` a laide dint egrations par parties successives, permettant dexprimer le reste comme une int egrale o` u gurent les d eriv ees de la fonction consid er ee.

Formule de Taylor avec reste int egral Soit f une fonction de classe
C N +1 sur [, ]. Alors pour tout x [, ]
N

f (x) =
k=0

1 (k ) f ()(x )k + k!

1 (x t)N f (N +1) (t)dt. N!

D emonstration. simplement ` a

Par r ecurrence sur N . f (x) = f () +

Pour N = 0, la formule se r eduit


x

f (t)dt.

66

Analyse num erique et equations diff erentielles

Si la formule est vraie a ` lordre N 1, le reste int egral s ecrit, apr` es int egration par parties :
x

1 (x t)N 1 f (N ) (t)dt (N 1)! x x 1 1 (x t)N f (N ) (t) (x t)N f (N +1) (t)dt = N! N ! x 1 1 (x )N f (N ) () + (x t)N f (N +1) (t)dt. = N! N !

La formule est donc encore vraie a ` lordre N . Notons x+ = max (x, 0) = x si x 0, x+ = 0 si x 0. Avec la convention x0 + = 1 si x 0, x0 = 0 si x < 0, la formule se r e crit +

f (x) = pN (x) +

1 (N +1) (x t)N (t)dt +f N!

o` u pN est le polyn ome de Taylor de f dordre N au point .

Formule de la moyenne Soit w 0 une fonction int egrable sur ], [ telle


que w(x)dx converge. Alors pour toute f C([, ]), il existe un point ], [ tel que

f (x)w(x)dx = f ( )

w(x)dx.

D emonstration. Soient m, M respectivement le minimum et le maximum de f sur [, ]. Comme w 0, il vient


w(x)dx

f (x)w(x)dx M

w(x)dx Supposons donc

Si

w(x)dx = 0, le r esultat est vrai pour quelconque. w(x)dx > 0 et soit alors q le quotient

q=

f (x)w(x)dx

w(x)dx [m, M ].

Le th eor` eme des valeurs interm ediaires montre que f (], [) est un intervalle ayant pour bornes m, M . Si q ]m, M [, il existe donc ], [ tel que q = f ( ). Restent les cas q = m et q = M . Si q = m et si f ( ) > m pour tout ], [, alors

(f (x) m)w(x)dx > 0

puisque w(x)dx > 0, ce qui est contradictoire. Il existe donc dans ce cas ], [ tel que f ( ) = m. Le cas q = M est analogue.

III Int egration num erique

67

En vue de l etude des m ethodes de Gauss au 3, on se place ici dans une situation un peu plus g en erale.

Situation etudi ee

On se donne un poids w sur ], [, cest-` a-dire une fonction continue > 0 telle que w(x)dx converge. On cherche ` a evaluer lint egrale f ( x ) w ( x ) dx par une formule approch e e
l

f (x)w(x)dx
j =0

j f (xj ),

xj [, ].

On notera que les formules du 1 rentrent dans ce cadre (avec w 1); en g en eral, ` la m ethode est donn ee par : on a j = 1. Lerreur due a
l

E (f ) =

f (x)w(x)dx
j =0

j f (xj ).

Th eor` eme et d enition On suppose que la m ethode est dordre N 0. Si


f est de classe C N +1 sur [, ], alors E (f ) = 1 N!

KN (t)f (N +1) (t)dt,

ee noyau de Peano associ e ` a la m ethode, o` u KN est une fonction sur [, ], appel d enie par t [, ]. KN (t) = E x (x t)N + , D emonstration. On observe dabord que f E (f ) est une forme lin eaire sur C([, ]). Si g : (x, t) g (x, t) est une fonction int egrable sur [, ] I , le th eor` eme de Fubini implique par ailleurs E x g (x, t)dt =
tI tI

E x g (x, t) dt.

La formule de Taylor avec reste int egral donne 1 (N +1) (x t)N (t)dt. +f N! PN , on a E (pN ) = 0 par hypoth` ese, do` u f (x) = pN (x) +

Comme pN

E (f ) = E x

1 (N +1) (x t)N (t)dt +f N! 1 (N +1) (x t)N (t) dt +f N!

E x

1 (N +1) f (t) E x (x t)N + dt N!


1 = N!

KN (t)f (N +1) (t)dt.

68

Analyse num erique et equations diff erentielles

Notons que si N 1, la fonction (x, t) (x t)N + est continue sur [, ] [, ], en eral si N = 0. donc KN est continue sur [, ]. Ceci nest pas vrai en g

Corollaire 1 On a la majoration
E (f ) 1 f (N +1) N!

|KN (t)|dt.

Corollaire 2 On suppose que KN est de signe constant.


Alors pour toute f C N +1 ([, ]) il existe ], [ tel que E (f ) = De plus

1 (N +1) f ( ) N!

KN (t)dt.

KN (t)dt =

1 N +1

E (x xN +1 ), donc 1 f (N +1) ( ) E (x xN +1 ). (N + 1)!

E (f ) =

D emonstration. La premi` ere egalit e r esulte du th eor` eme et de la formule de la moyenne appliqu ee ` a la fonction f (N +1) et au poids w = KN (ou w = KN si eme egalit e sobtient en prenant KN 0). La deuxi` f (x) = xN +1 , qui donne f (N +1) (x) = (N + 1)!.

La troisi` eme d ecoule des 2 premi` eres.


On verra au 2.4 comment on peut d eduire le noyau de Peano dune m ethode compos ee de celui de la m ethode el ementaire utilis ee. On se contentera donc ici de regarder le cas des m ethodes el ementaires sur lintervalle de r ef erence [1, 1]. M ethode du point milieu
1

E (f ) =
1

f (x)dx 2f (0).

Cette m ethode est dordre 1, le noyau de Peano est donn e par : K1 (t) = E x (x t)+
1

=
1 1

(x t)+ dx 2(t)+

=
t

(x t)dx 2t
1 t

1 (x t)2 2

2t =

1 (1 t)2 2t . 2

III Int egration num erique

69

On a donc K1 (t) =

1 2 1 2

(1 t)2 (1 t)2 + 2t =

1 2

(1 + t)

si t 0 si t 0, K1 (t) =
1 (1 0

2 soit K1 (t) = 1 2 (1 |t|) 0 sur [1, 1]. Comme le corollaire 2 implique

1 1

t)2 dt =

1 3,

E (f ) =

1 f ( ), 3

] 1, 1[.

M ethode des trap` ezes (ordre 1)


1

E (f ) =
1 1

f (x)dx (f (1) + f (1)), (x t)+ dx ((1 t)+ + (1 t)+ )

K1 (t) = =

1 1 t

(x t)dx (1 t), sur [1, 1].

1 K1 (t) = (1 t2 ) 0 2 Comme
1 1

K1 (t)dt = 2 eduit 3 , on en d 2 E (f ) = f ( ), 3 ] 1, 1[.

M ethode de Simpson (ordre 3)


1

E (f ) =
1

f (x)dx 2

1 2 1 f (1) + f (0) + f (1) . 6 3 6

K3 (t) = E x (x t)3 +
1

K3 (t) = =

1 1 t

(x t)3 + dx 2 0 +

2 1 (t)3 (1 t)3 ++ + 3 6

(x t)3 dx 2

2 3 1 t + (1 t)3 3 6

Si t 0, on obtient donc K3 (t) = 1 1 (1 t)4 (1 t)3 4 3 1 1 (1 t)3 [3(1 t) 4] = (1 t)3 (1 + 3t). = 12 12

70 Si t 0, on a K3 (t) =

Analyse num erique et equations diff erentielles

1 4 1 (1 t)3 (1 + 3t) + t3 = (1 + t)3 (1 3t). 12 3 12

esulte de lexercice On aurait pu egalement observer que K3 (t) = K3 (t) comme il r suivant.

Exercice Montrer que le noyau de Peano KN dune m ethode el ementaire


1 l

f (x)dx
1

2
j =0

j f (j )

epartis est pair d` es que lj = j et lj = j (points et coecients r sym etriquement autour de 0).
N N Indication : (x + t)N + (x t)+ = (x + t) .

On a donc ici 1 (1 |t|)3 (1 + 3|t|) 0 sur [1, 1], 12 1 1 1 1 1 1 1 (1 t)4 (1 t)3 dt = 2 = , K3 (t) = 2 4 3 20 12 15 1 0 1 E (f ) = f (4) ( ). 15 3! K3 (t) = Nous admettrons le r esultat g en eral suivant.

Th eor` eme de Steensen Dans les m ethodes de Newton-Cotes, le noyau de


Peano est de signe constant. Le corollaire 2 du 2.2 est donc toujours applicable dans ce cas.

On suppose quon sest x e une m ethode de quadrature el ementaire


1 l

g (x)dx
1

2
j =0

j g (j ),

j [1, 1].

Lerreur correspondante est


1 l

Eelem (g ) =

g (x)dx 2
j =0

j g (j ).

e. On notera kn le noyau de Peano associ

III Int egration num erique

71

On consid` ere maintenant une subdivision de [, ] : = 0 < 1 < . . . < k = ethode compos ee associ ee ` a la m ethode de pas hi = i+1 i . Lerreur de la m el ementaire ci-dessus est
k 1 l

Ecomp (f ) =

f (x)dx
i=0

hi
j =0

j f (i,j )

o` u i,j se d eduit de j par le changement de variable [1, 1] [i , i+1 ] hi i + i+1 +u . u x = 2 2 D enissons gi C([1, 1]) par gi (u) = f Comme dx =
hi 2

i + i+1 hi +u . 2 2

du, il vient
k 1

Ecomp (f ) =

hi 2 i=0

1 1

j gi (j ) =

k 1 i=0

gi (u)du hi
j =0

hi Eelem (gi ). 2

Le noyau de Peano de la m ethode compos ee est donc KN (t) = Ecomp x (x t)N +


k 1

=
i=0 k 1

hi hi i + i+2 Eelem u +u t 2 2 2 hi hi Eelem u 2 2 hi 2


N +1 N

N + N + N +

=
i=0 k 1

2 i + i+i t hi 2 2 i + i+1 t hi 2

KN (t) =
i=0

Eelem u u 2 hi

Supposons t [j , j +1 ], et soit i = seulement si i = j . Si i = j on a ou bien i > 1, et (u i )N + 0

i + i+1 . Alors i [1, 1] si et 2

pour u [1, 1] :

N pour u [1, 1]. ou bien i < 1, et (u i )N + (u i )

72

Analyse num erique et equations diff erentielles

Dans les 2 cas u (u i )N ome de degr e N sur [1, 1] donc + est un polyn Eelem u (u i )N + = 0. Dans la sommation, il ny a donc que le terme i = j , do` u: KN (t) =
hj 2 N +1

kN

2 hj

j +j +1 2

t [j , j +1 ].

kN

KN

1 2

3 4

Th eor` eme

On suppose que kN est de signe constant et que le pas hi 1 est constant, egal a ` h = k (t)dt. Alors pour tout k . On note CN = 1 N N +1 ([, ]), il existe un point ], [ tel que f C Ecomp (f ) = CN hN +1 f (N +1) ( )( ). N ! 2N +2

On voit donc que lorsque le pas h tend vers 0 lordre de grandeur de lerreur dans esultat justie une m ethode compos ee dordre N est approximativement hN +1 . Ce r lint er et des m ethodes dordre elev e, qui donnent une pr ecision plus grande pourvu que f soit tr` es r eguli` ere. D emonstration. KN etant lui aussi de signe constant, le corollaire 2 du 2.2 montre lexistence de ], [ tel que Ecomp (f ) = 1 (N +1) f ( ) N!

KN (t)dt.

Dapr` es lexpression de KN , on obtient


1

KN (t)dt = k
0

KN (t)dt h 2
N +1 1

=k Le changement de variable t =

kn
0 h 2

2 0 + 1 t h 2
h 2

dt

0 + 1 2

u, dt =
1 1

du fournit

KN (t)dt = k

h 2

N +2

kn (u)du

= kh

CN hN +1 CN = N +2 hN +1 ( ), 2N +2 2

III Int egration num erique

73

do` u le th eor` eme. Les exemples du 2.3 donnent en particulier : Point milieu : Trap` ezes : Simpson : N = 1, C1 = 1 , 3 2 N = 1, C1 = , 3 1 N = 3, C3 = , 15 Ecomp (f ) = 1 2 h f ( )( ), 24 1 Ecomp (f ) = h2 f ( )( ), 12 1 Ecomp (f ) = h4 f (4) ( )( ). 2880

Les m ethodes de Gauss concernent le calcul num erique dint egrales faisant intervenir un poids. Elles constituent une application directe de la th eorie des polyn omes orthogonaux.

Soit w une fonction poids x ee sur ], [. On etudie les m ethodes dint egration approch ee du type
l

f (x)w(x)dx
j =0

j f (xj ),

xj [, ].

Th eor` eme 1 Il existe un choix et un seul des points xj et des coecients j


de sorte que la m ethode soit dordre N = 2l + 1. Les points xj appartiennent ` a ], [ et sont les racines du (l + 1)-i` eme polyn ome orthogonal pour le poids w. Unicit e. Supposons quon ait des points xj et des coecients j pour lesquels la m ethode est dordre 2l + 1. Posons
l

l+1 (x) =
j =0

(x xj ).

Pour tout p Pl , deg(pl+1 ) 2l + 1, donc


l

p(x)l+1 (x)w(x)dx =
j =0

j p(xj )l+1 (xj ) = 0.

Ceci entra ne que l+1 est orthogonal a ` Pl . Comme l+1 est unitaire, cest donc le (l + 1)-i` eme polyn ome orthogonal associ e au poids w. Les points xj ne sont autres que les racines de ce polyn ome.

74 Soit Li Pl tel que

Analyse num erique et equations diff erentielles

Li (xj ) = 1 si i = j, Li (xj ) = 0 si i = j.

es n ecessairement par Les coecients i sont donn


l

i =
j =0

j Li (xj ) =

Li (x)w(x)dx.

Ces coecients sont donc eux aussi uniques. Existence. On sait que le polyn ome orthogonal l+1 Pl+1 poss` ede l + 1 racines distinctes dans ], [. Soient x0 , . . . , xl ces racines et soit

j =

Lj (x)w(x)dx.

Si f C([, ]), le polyn ome dinterpolation de Lagrange est


l

pl (x) =
j =0

f (xj )Lj (x);

par d enition des coecients j il vient donc


l

pl (x)w(x) =
j =0

j f (xj ).

Si f Pl alors pl = f , donc la m ethode est dordre l. Montrons que lordre est en fait 2l + 1. En eet, lorsque f P2l+1 , la division euclidienne de f par l+1 donne f (x) = q (x)l+1 (x) + r(x), avec deg q l, deg r l. Comme l+1 Pl , il vient

q (x)l+1 (x)w(x)dx = 0, do` u


l

f (x)w(x)dx =

r(x)w(x)dx =
j =0

j r(xj )

Comme f (xj ) = r(xj ), on a donc bien E (f ) = 0. Il reste seulement ` a voir que lordre nest pas > 2l + 1, ce qui r esulte du th eor` eme ci-dessous.

Th eor` eme 2 Le noyau de Peano K2l+1 est 0, et pour tout f C 2l+2 ([, ]),
il existe ], [ tel que f (2l+2) ( ) (2l + 2)!

E (f ) =

l+1 (x)2 w(x)dx.

On notera en particulier que ceci entra ne E (x x2l+2 ) =


l+1 (x)2 w(x)dx > 0,

III Int egration num erique

75

donc la m ethode nest pas dordre 2l + 2. D emonstration.* Dapr` es le 2.2, on a E (f ) = 1 (2l + 1)!

K2l+1 (t)f (2l+2) (t)dt.

Inversement, si C([, ]), on obtient

K2l+1 (t)(t)dt = (2l + 1)! E ()

o` u est une primitive dordre 2l + 2 de . Supposons par labsurde quil existe t0 [, ] tel que K2l+1 (t0 ) < 0. Notons K2 l+1 = max (K2l+1 , 0) C([, ]) la partie n egative de la fonction K2l+1 , et soit un polyn ome qui approche K2 l+1 + uniform ement ` a pr` es sur [, ]. On a donc en particulier
0 K2 l+1 < < K2l+1 + 2,

K2l+1 (t)(t)dt

K2l+1 (t)K2 l+1 (t)dt 2

|K2l+1 (t)|dt.

Comme petit :

K2l+1 (t)K2 l+1 (t)dt =

2 (K2 l+1 (t)) dt

< 0, on en d eduit pour assez

K2l+1 (t)(t)dt < 0.

Soit une primitive dordre 2l + 2 de ; est un polyn ome. Ecrivons la division 2 euclidienne de par l+1 :
2 (x) = l +1 (x)q (x) + r (x) 2 avec deg r deg (l u +1 ) 1 = 2l + 1. Il vient E (r ) = 0 do` 2 E () = E (l +1 q ) = 2 l +1 (x)q (x)w (x)dx 0.

La formule de la moyenne implique quil existe ], [ tel que

E () = q ()

2 l +1 (x)w (x)dx,

et par ailleurs E () = 1 (2l + 1)!

K2l+1 (t)(t)dt < 0.

On va obtenir une contradiction en montrant que q () > 0. Consid erons le polyn ome
2 2 g (x) = (x) r(x) l +1 (x)q ( ) = l+1 (x)(q (x) q ( )).

76

Analyse num erique et equations diff erentielles

g admet x0 , . . . , xl comme z eros de multiplicit e 2, et de multiplicit e 1, cest-` adire au moins 2l + 3 z eros. Il existe donc un point interm ediaire entre les points xj , , tel que g (2l+2) ( ) = 0. Par suite 0 = g (2l+2) ( ) = (2l+2) ( ) (2l + 2)! q () = ( ) (2l + 2)! q () et comme ( ) > 0 on en d eduit bien q () > 0, contradiction. Par suite K2l+1 0 et le corollaire 2 du 2.2 donne E (f ) = 1 f (2l+2) ( ) E (x x2l+2 ). (2l + 2)!

Comme l+1 est unitaire, on a x2l+2 = l+1 (x)2 + r(x) o` u r P2l+1 , donc 2 2 E (x x2l+2 ) = E (l ) = ( x ) w ( x ) dx , ce qui d e montre le th eor` eme. l +1 +1

Lint er et des m ethodes de Gauss est de r ealiser lordre N maximal pour un nombre x e l + 1 de points dinterpolation. N eanmoins, la complexit e du calcul des polyn omes orthogonaux fait que les m ethodes de Gauss ne sont gu` ere utilis ees que dans les deux cas suivants. w(x) = 1 sur [1, 1] : m ethode de Gauss-Legendre. es Les polyn omes orthogonaux successifs et les points xj correspondant sont donn par le tableau :

l 1 0 1 2 1 x x2 x3

l+1 (x)

x0 , . . . , xl 0

0 , . . . , l 2 1, 1 5 8 5 , , 9 9 9 6 5 10 7 1 1 2 6 5 1 1 , + 6 2 6 5 6

ordre N 1 3 5

1 3 3 x 5

1 1 , 3 3 3 , 0, 5 3 2 7 7 5 2 9 9 3 5

6 3 x4 x2 + 7 35 x5 10 3 5 x + x 9 21

0,

compliqu es !

w(x) =

1 sur ] 1, 1[ : m ethode de Gauss-Tchebychev. 1 x2 Les points xj sont alors les points dinterpolation de Tchebychev dans lintervalle ] 1, 1[ : 2j + 1 , 0 j l, xj = cos 2l + 2

III Int egration num erique

77

et on peut d emontrer (voir par exemple le livre de Crouzeix-Mignot, exercice 2.4) . On obtient donc une m ethode approch ee dordre 2l + 1 s ecrivant : que j = l+1 dx f (x) 1 x2 1
1

l+1

f cos
j =0

2j + 1 . 2l + 2

Nous allons quitter ici quelque peu le l directeur des paragraphes pr ec edents. Notre objectif est dobtenir une formule th eorique pour le calcul du d eveloppement limit e des approximations num eriques en fonction du pas de la subdivision. Ceci conduit, pour des fonctions susamment r eguli` eres, ` a des proc ed es num eriques en g en eral tr` es performants.

Soit f une fonction de classe C sur [0, 1] avec p 1. Une int egration par parties donne 1 1 1 1 1 x f (x) f (x)dx, f (x)dx = x 2 2 0 0 0 ce qui peut se r ecrire 1 1 f (0) + f (1) = 2 2
1 1

f (x)dx +
0 0 1 0

B1 (x)f (x)dx

er et que B1 (x)dx = 0. Lid ee consiste ` a avec B1 (x) = x 1 2 , ce choix ayant lint r ep eter les int egrations par parties en introduisant des primitives successives de B1 dont lint egrale sur [0, 1] est nulle. De fa con pr ecise, on choisit Bp en sorte que
1

Bp (x) = pBp1 (x),

Bp (x)dx = 0,

la deuxi` eme condition permettant de xer la constante dint egration de mani` ere unique. On trouve ainsi
1 0 1 0

Bp1 (x)f (p1) (x)dx =

1 Bp (x)f (p1) (x) p

1 0

1 0

1 Bp (x)f (p) (x)dx, p


1 0

Bp1 (x) (p1) bp f (x)dx = f (p1) (1) f (p1) (0) (p 1)! p!

Bp (x) (p) f (x)dx, p!


1

enition (noter que Bp (1) Bp (0) = 0 pBp1 (x)dx o` u bp = Bp (0) = Bp (1) par d est nulle pour p 2). De ceci on d eduit facilement par r ecurrence la formule 1 1 f (0) + f (1) = 2 2
1 b

f (x)dx +
0

(1)m
m=2

bm f (m1) (1) f (m1) (0) m!


1

+ (1)p+1

Bp (x) (p) f (x)dx. p!

()

78

Analyse num erique et equations diff erentielles

Calculons par exemple B2 . On a par d enition B2 (x) = 2B1 (x) = 2x 1, B2 (x) = x x + C,


1 2

do` u

x [0, 1],

et la condition 0 B2 (x)dx = 0 implique C = 1 ecurrence 6 . On voit facilement par r ome unitaire de degr e p ` a coecients rationnels, tel que que Bp est un polyn etendre Bp ` a R en posant Bp (0) = Bp (1) pour p 2. On convient d Bp (x) = Bp (x E (x)) si x [0, 1[.

On obtient ainsi une fonction p eriodique de p eriode 1 qui est un polyn ome en restriction a ` [0, 1[ (mais qui, bien entendu, nest pas un polyn ome sur R tout entier).

1/2 B1 2 1 0 1/2 1/2 1 2 x

1/6 2 1 1/12 1

B2 2 x

Th eor` eme et d enition

Les polyn omes Bp sont appel es polyn omes de enis par Bernoulli. Les nombres de Bernoulli sont les r eels bp d b0 = 1, 1 b1 = , 2 bp = Bp (0) si p 2.

On a les formules :
p

(1) (2) (3) (4)

Bp (x) =
m=0 p

m Cp b m xp m

, p 1, , p 2. , p 1.

x [0, 1[.

bp =
m=0

m Cp bm

Bp (1 x) = (1)p Bp (x) bm = 0 si m est impair 3.

III Int egration num erique

79

D emonstration (1) La formule est vraie pour p = 1 dapr` es la d enition de b0 , b1 . Supposons la formule vraie a ` lordre p 1 :
p 1

Bp1 (x) =
m=0

m p1m Cp . 1 bm x

On a alors Bp (x) = pBp1 (x) =

p 1 m=0

m p1m pCp , 1 bm x

Bp (x) = Bp (0) +
p 1

p m p m Cp 1 bm x p m m=0
m Cp b m xp m ,

p 1

= bp +
m=0

donc la formule est encore vraie a ` lordre p. (2) Dapr` es ce qui pr ec` ede, Bp est continue sur R pour tout p 2 et v erie equent (2) est un cas particulier de (1). Bp (1) = Bp (0) = bp , par cons (3) Par r ecurrence sur p, on voit que (1)p Bp (1 x) a pour d eriv ee (1)p Bp (1 x) = p(1)p1 Bp1 (1 x) = pBp1 (x) = Bp (x). egrale nulle sur [0, 1], on en d eduit que Comme (1)p Bp (1 x) est dint ncident. (1)p Bp (1 x) et Bp (x) co (4) Pour p 2 et x = 0, (3) donne bp = (1)p bp , donc bp = 0 si p est impair. La relation (2) appliqu ee ` a p = 2k + 1 donne
2k2 2k 2 1 0 = C2 k+1 b2k + C2k+1 b2k2 + . . . + C2k+1 b2 + C2k+1 b1 + 1.

Ceci permet de calculer par r ecurrence les nombres de Bernoulli successifs : 1 1 1 1 1 5 , b8 = , b10 = ,... b0 = 1, b1 = , b2 = , b4 = , b6 = 2 6 30 42 30 66 Supposons maintenant donn ee une fonction f de classe C p sur [, ] o` u , sont des entiers. Gr ace ` a la p eriodicit e des fonctions Bp , la formule () ci-dessus est vraie sur chaque intervalle [, + 1], . . . , [ 1, ]. Par sommation, on en d eduit 1 1 f () + f ( + 1) + . . . + f ( 1) + f ( ) = 2 2
p

f (x)dx

+
m=2

(1)m

bm m!

f (m1) ( ) f (m1) () + (1)p+1

Bp (x) (p) f (x)dx. p!

80

Analyse num erique et equations diff erentielles

En appliquant ceci pour p = 2k et en tenant compte du fait que bm = 0 si m est impair 3, on obtient la

Formule dEuler-Maclaurin Soit f une fonction de classe C k sur [, ]


o` u , Z et soit T (f ) = 1 2 f () + f ( + 1) + . . . + f ( 1) + des trap` ezes associ ees ` a f . Alors
1 2

f ( ) la somme

T (f ) =

f (x)dx +

b2m (2 m)! m=1


f (2m1) ( ) f (2m1) ()

B2k (x) (2k) f (x)dx. (2k )!

Pour pouvoir exploiter cette formule a ` des ns num eriques, il importe de savoir egral. majorer la fonction B2k (x) qui intervient dans le reste int

Bp

Comme Bp est p eriodique de p eriode 1, il est tentant de rechercher un d eveloperie de Fourier. Dapr` es la formule () du 4.1 appliqu ee ` a pement de Bp en s f (x) = e2inx , il vient
1

1=
0

e2inx dx + 0 (2in)p

1 0

Bp (x) 2inx e dx, p!

et la premi` ere int egrale est nulle pour n = 0. On en d eduit que le coecient de Fourier dindice n de Bp est Bp (n) = Bp (0) =
0

p! (2in)p
1

si n = 0,

Bp (x) = 0 si n = 0.

Pour p 2, la s erie de Fourier est absolument convergente et Bp est continue, donc Bp (x) = p!
nZ

e2inx , (2in)p

(x R).

Pour p = 1, la fonction B1 est de classe C 1 par morceaux, donc la s erie converge 1 vers B1 (x) en tout point x Z et vers 2 B1 (x + 0) + B1 (x 0) = 0 si x Z. La formule ci-dessus peut se r ecrire B2k (x) = B2k+1 (x) = (1)k+1 2(2k )! (2 )2k
k+1 + n=1

cos 2nx , n2k


+ n=1

2(2k + 1)! (1) (2 )2k+1

sin 2nx . n2k+1

III Int egration num erique

81

En particulier, si lon introduit la fonction de Riemann (s) = on obtient b2k = Comme (s) 1 + particulier on a
+ 1

1 , s n n=1

(1)k+1 2(2k )! (2k ). (2 )2k

dx/xs = 1 + 1/(s 1), on voit que lims+ (s) = 1 et en (1)k+1 2(2k )! (2 )2k quand k +.

b2k

Les coecients |b2k | tendent donc vers + assez vite. Par ailleurs, il est clair que B2k (x) atteint sa valeur absolue maximum pour x = 0 ; on obtient donc |B2k (x)| |b2k |, x R.
x

()

Comme B2k+1 (0) = 0 pour k 1, on a dautre part B2k+1 (x) = (2k + 1)


0

B2k (t)dt

donc |B2k+1 (x)| (2k + 1)|x| |b2k |. On en d eduit lin egalit e |B2k+1 (x)| k + dabord pour x 0, 1 2 , puis pour x pour tout x R par p eriodicit e.
1 2, 1

1 |b2k | 2

gr ace ` a la formule (3) du 4.1, puis

Soit f une fonction de classe C sur [, +[ o` u Z. Pour tout entier n , on cherche ` a obtenir un d eveloppement limit e` a tout ordre de la somme Sn (f ) = f () + f ( + 1) + . . . + f (n) lorsque n tend vers +. Un tel d eveloppement est appel e d eveloppement asymptotique de Sn (f ) ; il permet g en eralement dobtenir de tr` es bonnes valeurs approch ees de Sn (f ) lorsque n est grand.

Th eor` eme On suppose quil existe un entier m0 N et un r eel x0 tels que

eriv ees f (m) (x) soient de signe constant sur [x0 , +[, avec pour m m0 les d ependante de n et k , telle limx+ f (m) (x) = 0. Alors il existe une constante C ind 0 on ait : que pour tout n x0 et tout k > m 2 Sn (f ) = C + 1 f (n) + 2
n

f (x)dx +

b2m f (2m1) (n) + Rn,k (2 m )! m=1 [0, 1].

k 1

avec Rn,k =

b2k f (2k1) (n) = (1er terme omis), (2k )!

82

Analyse num erique et equations diff erentielles

1 D emonstration. On a par d enition Sn (f ) = 1 u T (f ) est 2 f () + 2 f (n) + T (f ) o` la somme des trap` ezes de f sur [, n]. La formule dEuler Maclaurin entra ne

Sn (f ) =

1 1 f () + f (n) + 2 2
k

f (x)dx +

b2m f (2m1) (n) (2 m )! m=1


+

b2m f (2m1) () (2 m )! m=1


+ n

B2k (x) (2k) f (x)dx (2k )!

B2k (x) (2k) f (x)dx. (2k )!

On obtient donc le d eveloppement du th eor` eme avec une constante C = Ck d ependant a priori de k et un reste Rn,k donn es par Ck = b2m (2m1) 1 f () f () 2 (2m)! m=1 Rn,k = b2k f (2k1) (n) + (2k )!
+ n k +

B2k (x) (2k) f (x)dx, (2k )!

B2k (x) (2k) f (x)dx, (2k )!

(2k) 0 ` condition de montrer que les int a egrales convergent. Comme k > m est de 2 , f es lin egalit e () du 4.2, il vient signe constant sur [x0 , +[. Dapr` + n + n

B2k (x) (2k) |b2k | f (x)dx (2k )! (2k )!


N

+ n

f (2k) (x) ,

f (2k) (x)dx =

N +

lim

=
n

N +

lim

f (2k1) (N ) f (2k1) (n) = f (2k1) (n).

On a donc bien convergence et nos estimations montrent par ailleurs que lint egrale gurant dans Rn,k est de valeur absolue plus petite que le premier terme, donc Rn,k = b2k f (2k1) (n), (2k )! [0, 2].

Il reste ` a voir quon a en fait [0, 1] et que Ck ne d epend pas de k . Appliquons ` lordre k . la formule a ` lordre k + 1 et identions avec la formule donnant Sn (f ) a Il vient b2k f (2k+1) (n) + Rn,k+1 . Ck + Rn,k = Ck+1 + (2k )! En faisant tendre n vers +, on trouve Ck = Ck+1 , donc Ck est bien ind ependante de k , et b2k (2k+1) f Rn,k = (n) + Rn,k+1 . (2k )! eme signe que le terme b2k /(2k )!f (2k1) (n) Dapr` es ce qui pr ec` ede, Rn,k est de m e : le 4.2 montre que signe (b2k ) = (1)k+1 , tandis que Rn,k+1 est du signe oppos tandis que signe f (2k+1) = signe f (2k) = signe f (2k1) . On a donc Rn,k b2k (2k1) f (n) 1, (2k )!

III Int egration num erique

83

ce qui implique [0, 1].

Exemple Formule de Stirling avec reste.


On applique la formule a ` f (x) = ln x sur [1, +[ : Sn (f ) = ln 1 + . . . + ln (n) = ln (n!),
n 1

ln xdx = n(ln (n) 1) + 1, (1)m1 (m 1)! , xm do` u


k 1

f (m) (x) =

ln (n!) = C + n! = eC n e

1 b2m 1 ln (n) + n(ln (n) 1) + + Rn,k 2 m 2 2m(2m 1) n 1 m=1


n

exp

On peut v erier que eC = n! = 2n n e

b2m 1 + Rn,k 2 m 2m(2m 1) n 1 m=1 2 (exercice ci-dessous), do` u en particulier exp


/2

k 1

1 1 1 . + 12n 360n3 1260n5 1680n7 sinn x dx, n N. n 2. et I2n I2n+1 .

Exercice On pose In =
(a) Montrer Calculer

1 que In = n n In2 si I0 , I1 puis I2n , I2n+1

ecroissante et que I2n+1 I2n . (b) Montrer que In est d (c) En d eduire (2n)! 22n et la valeur de eC . 2 n! n

On va montrer ici comment ` a partir de la formule dEuler-Maclaurin on peut construire une m ethode dint egration bas ee sur lacc el eration de la convergence de la m ethode des trap` ezes. On obtient ainsi un algorithme de calcul souple et performant, ais e` a programmer et souvent pr ef er e` a tout autre dans la pratique.

On suppose donn ee une fonction A qui admet un d eveloppement limit e` a tout ordre au voisinage de 0 : A(t) = a0 + a1 t + . . . + ak tk + Rk+1 (t)

84

Analyse num erique et equations diff erentielles

avec |Rk+1 | Ck+1 |t|k+1 . La situation est la suivante : on suppose quon a un algorithme permettant de eels tm 0+ , et on cherche ` a extrapoler ces valeurs calculer A(tm ) pour certains r ed e dacc el eration de pour obtenir A(0) = a0 . On construit pour cela un proc la convergence consistant a ` eliminer successivement les termes a1 t, a2 t2 , . . . du d eveloppement limit e de A(t).

Principe de la m ethode Soit r > 1 un r eel x e. On a


A(rt) = a0 + . . . + an rn tn + . . . + ak rk tk + O(tk+1 ). Pour eliminer le terme en tn , il sut de former le quotient rn A(t) A(rt) = a0 + b1 t + . . . + bn1 tn1 + 0 + bn+1 tn1 + . . . rn 1 Si on calcule successivement les quantit es A0 (t) = A(t) rA0 (t) A0 (rt) A1 (t) = ,..., r1 rn An1 (t) An1 (rt) An (t) = , rn 1 alors on elimine successivement t, t2 , . . . , tn . De mani` ere g en erale on aura An (t) = a0 + bn,n+1 tn+1 + . . . + bn,k tk + O(tk+1 ) donc An (t) = A0 + O(tn+1 ) est une meilleure approximation de a0 que la fonction A(t) initiale. Supposons en particulier quon sache calculer les quantit es Am,0 = A(rm t0 ) o` u t0 > 0 est x e (de sorte que limm+ Am,0 = a0 ). On a seulement a priori A(t) = a0 + O(t), donc Am,0 = a0 + O(rm ). Si on pose Am,n = An (rm t0 ), il vient Am,n = a0 + O(rm(n+1) ) quand m +,

de sorte que la convergence est sensiblement (n + 1)-fois rapide que celle de Am,0 . ecurrence Les nombres Am,n se calculent par la formule de r Am,n = rn Am,n1 Am1,n1 . rn 1

Dans la pratique, on commence par ranger les valeurs Am,0 dans un tableau TAB, puis on eectue le calcul des colonnes Am,1 , Am,2 , . . . comme suit :

III Int egration num erique

85 A2,2 A3,3

TAB[0] TAB[1] TAB[2] TAB[3] ...

A0,0 A1,0 A2,0 A3,0 ...

A2,1 A3,2 ... A3,1 ... ...


... ... ... ...

A1,1

... ...

Chaque colonne est une suite convergeant vers a0 , mais la colonne dindice n converge n + 1 fois plus vite a ` linni que celle dindice 0.

Soit f C ([, ]). On consid` ere la subdivision de [, ] en l sous-intervalle egaux u h = , et on note donn ee par les points xj = + jh, 0 j l o` l Tf (h) = h 1 1 f () + f ( + h) + . . . + f ( h) + f ( ) 2 2

la somme des trap` ezes associ ees. Appliquons la formule dEuler-Maclaurin a ` la fonction g (u) = f ( + uh), u [0, l], g (m) (u) = hm f (m) ( + uh). Il vient
l

Tg (1) =

f ( + uh)du +
0

b2m 2m1 (2m1) h ( ) f (2m1) () f 2 m ! m=1


l 0

h2k do` u

B2k (u) (2k) f ( + uh)du 2k !

Tf (h) = hTg (1) =

f (x)dx +

b2m h2m f (2m1) ( ) f (2m1) () (2 m )! m=1


h2k

B2k ((x )/h) (2k) f (x)dx. 2k !

eveloppement limit e On en d eduit que Tf (h) admet le d


k 1

Tf (h) =

f (x)dx +
m=1

am h2m + O(h2k )

avec am =

b2m (2m)!

f (2m1) ( ) f (2m1) () .

On peut donc ecrire Tf (h) = A(h2 ) o` u A(t) = Tf ( t) = a0 + a1 t + . . . + ak1 tk1 + O(tk ),

86 et il sagit de calculer le coecient

Analyse num erique et equations diff erentielles

a0 =

f (x)dx.

On utilise pour cela des dichotomies successives avec les pas h = 2 m . Ceci nous am` ene ` a calculer = A(4m ( )2 . Am,0 = Tf 2m On applique donc le proc ed e dextrapolation de Richardson avec r = 4, ce qui conduit a ` la formule de r ecurrence

Am,n =

4n Am,n1 Am1,n1 . 4n 1

On a alors Am,n = f (x)dx + O(4m(n+1) ) quand m +. La valeur approch ee retenue est celle correspondant aux indices m, n les plus elev es pour lesquels Am,n a et e calcul e.

Remarque 1 On peut gagner du temps dans le calcul de Am,0 en utilisant


Am1,0 pour evaluer Am,0 . Si h = Am,0 = h Am1,0 Il sut de poser Am,0 = h f ( + h) + f ( + 3h) + . . . + f ( h) et alors on obtient Am,0 = 1 Am1,0 + Am,0 . 2
2m ,

on a en eet :

1 1 f () + f ( + h) + . . . + f ( h) + f ( ) 2 2 1 1 f () + f ( + 2h) + . . . + f ( 2h) + f ( ) = 2h 2 2

Remarque 2 Si f C (R) est p eriodique de p eriode , alors f (m) ( ) =


eveloppement limit e` a tout ordre f (m) () pour tout m et on a donc un d

Tf (h) =

f (x)dx + O(h2k )

r eduit a ` son terme constant. Il est inutile dans ce cas dappliquer le proc ed e dextrapolation de Richardson : la derni` ere somme des trap` ezes calcul ee Am,0 donne d ej` a une tr` es bonne approximation de lint egrale.

Exercice V erier que Am,1 (resp. Am,2 ) est la m ethode de Simpson compos ee
sur 2m1 sous-intervalles (resp. Boole-Villarceau sur 2m2 sous-intervalles). ` une m ethode de NewtonPour n 3, on peut v erier que Am,n ne correspond plus a Cotes.

III Int egration num erique

87


6.1. Soient x1 et x2 deux points de [1, 1] et 1 et 2 R. On d esigne par C [1, 1] lespace vectoriel des fonctions continues sur [1, 1] et ` a valeurs r eelles et on d enit T : C [1, 1] R par T (f ) = 1 f (x1 ) + 2 f (x2 ).

ethode (a) Quelles conditions doivent v erier x1 , x2 , 1 , 2 pour que T soit une m dint egration sur [1, 1] exacte pour () Les fonctions constantes ? ( ) Les fonctions anes ? ( ) Les polyn omes de degr e inf erieur ou egal ` a2? (b) Parmi les m ethodes exactes pour les polyn omes de degr e inf erieur ou egal ` a 2, une seule v erie x1 = x2 . Montrer que ce choix de x1 et x2 (et des 1 et 2 correspondants) fournit une m ethode exacte pour les polyn omes de degr e inf erieur ou egal ` a 3 et quil sagit de la seule m ethode dint egration exacte pour les polyn omes de degr e inf erieur ou egal ` a 3 qui soit du type etudi e dans le probl` eme. Quelle est cette m ethode ? 6.2. (a) Montrer que pour un polyn ome trigonom etrique de degr en
n

cp eipx ,
p= n 2 n+1

la m ethode des trap` ezes de pas constant h = [0, 2 ].

est exacte sur lintervalle

(b) Montrer que si f peut etre approch ee par un polyn ome trigonom etrique de degr e fournit un erreur n` a moins de sur [a, b], la m ethode des trap` ezes pour h = n2 +1 inf erieure ` a 4 pour
2 0

f (x)dx.

(c) On consid` ere f (x) = exp 1 2 sin x . Donner une majoration de lerreur pour la 2 m ethode des trap` ezes pour 0 f (x) dx avec h = /2, h = /4. Que pensez-vous de ce dernier r esultat ? 6.3. Soit f : [1, 1] R une fonction de classe C n , o` u n sera suppos e aussi grand que les besoins lexigeront. On consid` ere la m ethode dint egration num erique approch ee donn ee par
1

(M)
1

f (x)dx

f ( ) + f ( ) avec [0, 1].

88 (a) Calculer lerreur E (f ) =

Analyse num erique et equations diff erentielles

1 1

f (x) (f ( ) + f ( ))

pour f (x) = 1, x, x2 respectivement. D eterminer lordre de la m ethode (M) en fonction de . (b) On se place ici dans le cas o` u la m ethode (M) est dordre 1. () Calculer le noyau de Peano K1 (t), et tracer le graphe de K1 pour = 5/8. Pour quelles valeurs de le noyau K1 est-il de signe constant ? ( ) Montrer que lerreur v erie une majoration |E (f )| C ( ) f lorsque K1 est de signe constant ; lorsque = 5/8. (c) Calculer le noyau de Peano dans le cas o` u la m ethode (M) est dordre 3 et v erier que ce noyau est une fonction paire. En d eduire quil existe ] 1, 1[ tel que 1 f (4) ( ). E (f ) = 135 (d) En utilisant le r esultat du (c), estimer lerreur obtenue par la m ethode compos ee associ ee ` a la m ethode (M) pour le calcul dune int egrale
b

o` u C ( ) est une constante dont on d eterminera la valeur optimale :

g (x)dx
a

avec une subdivision de [a, b] de pas constant h = (b a)/k, k N . 6.4. Soit p un entier naturel et soit f (x) = xp . On note
n

Sn,p =
m=1

mp .

On utilise la formule du d eveloppement asymptotique de Sn (f ) avec = 0. eduire une expression (a) Montrer que pour k assez grand, le reste Rn,k est nul. En d de Sn,p ; on calculera la valeur de la constante C en observant que S0,p = 0. (b) Donner une expression factoris ee de Sn,p pour p = 2, 3, 4, 5. 6.5. Soit un r eel > 1. On consid` ere la fonction f (x) = 1 x et on note ( ) = 1 . n n=1
+

III Int egration num erique

89

On utilise la formule du d eveloppement asymptotique de Sn (f ) avec = 1. (a) Exprimer ( ) en fonction de la constante C de la formule ; pour cela, on fera tendre n vers +. (b) D eterminer le d eveloppement limit e de ( ) Sn (f ) avec reste Rn,k . En prenant n = 5 et k = 5, donner un encadrement de (3). 6.6. On applique ici la formule dEuler-Maclaurin a ` la fonction f (x) = eax , a C. (a) Montrer l egalit e a ea + 1 b2m a2m a2k+1 = 1 + 2 ea 1 (2m)! ea 1 m=1
k 1 0

B2k (x) ax e dx (2k )!

(b) Montrer que le reste int egral est major e pour tout a C par |b2k | e| Re a| 1 |a| |a|2k (2k )! | Re a| |ea 1|
a

si

ea = 1.

b2m a e +1 En d eduire que a m=1 (2m)! sur le disque |a| < 2 , et que le 2 ea 1 = 1 + rayon de convergence de la s erie est 2 .

2m

(c) Lorsque a est r eel, montrer que le reste int egral est major e par |b2k |a2k /(2k )!, 2k+2 /(2k + 2)!. ainsi que par 2|b2k+2 |a Utiliser ceci pour trouver une valeur approch ee de (e + 1)/(e 1) en prenant k = 4. V erier que lerreur commise est inf erieure ` a 107 . 6.7. On consid` ere la fonction f (x) = 1 , 1 + x2 x R.

(a) A laide dune d ecomposition en el ements simples, calculer la d eriv ee f (m) et (m) 2 (m+1)/2 . montrer que |f (x)| m! (1 + x ) (b) D eterminer le d eveloppement asymptotique de la suite
n

Sn =
k=0

1 . 1 + k2

(c) Calculer S10 et en d eduire une valeur approch ee ` a 106 pr` es de la somme 1 . 1 + n2 n=0 6.8. On se propose ici d etudier une m ethode dint egration num erique analogue aux m ethodes de Newton-Cotes.
+

90

Analyse num erique et equations diff erentielles

(a) Soit g une fonction continue sur [1, 2]. D eterminer le polyn ome 2 e 3 qui interpole g aux points 1, 0, 1, 2. p(x) = i=1 g (i) i (x) de degr Exprimer lerreur dinterpolation a ` laide du polyn ome (x) = x(x + 1)(x 1)(x 2). (b) Calculer
1 0

p(x)dx et
2 1

0 1

p(x)dx en fonction des valeurs g (i), 1 i 2.

En d eduire
1 0

p(x)dx.
0 1

V erier les formules pour g (x) = 1 (resp. g (x) = x). (c) Calculer | (x)|dx et | (x)|dx.
i+1

En d eduire une majoration (la meilleure possible !) de i |g (x) p(x)|dx, i = 1, 0, 1, en fonction de la norme uniforme dune d eriv ee convenable de g (g est suppos ee susamment d erivable). (d) Soit f une fonction continue sur un intervalle [a, b] avec a < b. On note a = a0 < a1 < . . . < an1 < an = b, la subdivision de pas constant h =
b a n

n8

et on pose fi = f (ai ).

On etudie la m ethode dint egration num erique


b n1 ai+1 n1 ai

f (x)dx =
a i=0 ai

f (x)dx
i=0 ai+1

pi (x)dx

o` u pi d esigne le polyn ome dinterpolation de Lagrange de f aux points ai1 , ai , ecriture p0 = p1 , pn1 = pn2 . ai+1 , ai+2 si 1 i n 2, avec la convention d Montrer que cette m ethode s ecrit
b n

f (x)dx
a

h
i=0

i fi

pour des coecients i que lon explicitera. Que peut-on dire de lordre de la m ethode ? (e) Majorer les erreurs
ai+1 ai

|f (x) pi (x)|dx et
b n

E (f ) =
a

f (x)dx h
i=0

i fi

en fonction de h, b a, et de la norme uniforme dune d eriv ee convenable de f . 6.9. On d esigne par C lespace des fonctions d enies sur lintervalle [1, 1] a ` valeurs dans R, muni de la norme uniforme.

III Int egration num erique

91

(a) Montrer que pour tout f C lint egrale


1 1

f (x) dx 1 x2

est convergente.

ome de Tchebychev de degr e n. (b) On note tn le polyn On rappelle le r esultat Kronecker. Calculer
1 tn (x)tk (x) 1 1x2 1 xn tm (x) dx 1 1x2

dx = pour

n,k o` u n,k est le symbole de

n < m.

(c) On note x0 , x1 , x2 les racines de t3 . D eterminer trois r eels A0 , A1 , A2 tels que pour tout polyn ome P de degr e 2 on ait
1 1

P (x) dx = A0 P (x0 ) + A1 P (x1 ) + A2 P (x2 ). 1 x2

Montrer que l egalit e est encore v eri ee si P est de degr e 5. (d) Montrer que lint egrale sa valeur. (e) Pour n x e non nul, on d esigne par xk les racines de tn et par Ak des nombres r eels (0 k n 1). Pour tout f C on note
n1 1 1 0

4 dx x(1x)

est convergente et, ` a laide de (c), calculer

Sn (f ) =
k=0

Ak f (xk ) et

Rn (f ) =

f (x) dx Sn (f ). 1 x2

() Montrer que lon peut d eterminer les Ak de mani` ere unique de sorte que pour tout polyn ome P de degr e n 1 on ait Rn (P ) = 0. ( ) Montrer que pour 1 p n 1 on a En d eduire que Ak = n pour tout k .
n1 k=0

Tp (xk ) = 0.

ome de degr e 2n 1. ( ) Montrer que Rn (P ) = 0 pour tout polyn (f) Soient f C et P un polyn ome. En supposant f p < , donner un majorant eduire de |Rn (f )| lorsque n +. En d
1 n+

lim Sn (f ) =

f (x) dx. 1 x2

6.10. Le but du probl` eme est d etablir quelques r esultats sur la formule approch ee 1 1 f (x)dx P (x)dx o` u Pn (x) est le polyn ome dinterpolation de degr e n de 1 1 n f aux points de Tchebychev xi = cos i , tels que i =
(2i+1) 2n+2

, 0 i n.

(a) Avec les notations de II 4.3, montrer que le polyn omes li de Lagrange sont donn es par (1)i sin i tn+1 (x) li (x) = , 0 i n. n+1 x xi

92

Analyse num erique et equations diff erentielles

(b) Pour x [1, 1] et n N on note


1

an (x) =

cos(n Arc cos x) cos(n Arc cos y ) dy. xy

Montrer que an est un polyn ome de degr e n et que lon a


1 1 n

Pn (x)dx =
i=0

i f (xi ) avec i =

(1)i sin i an+1 (xi ). n+1

eduire la valeur de (c) Calculer an+1 (x) an1 (x) ; en d an+1 (x) 2xan (x) + an1 (x). (d) En distinguant deux cas suivant la parit e de n, montrer l egalit e sin an (cos ) = 2 sin n 4
1q< n 2

1 sin (n 2q ). 4q 2 1

(e) En d eduire lexpression de i : 2 4 i = Montrer lin egalit e i > 0. (f) On xe n = 10. Ecrire un programme en langage informatique qui permet de calculer tous les coecients i .
1q n+1 2

1 cos 2qi 4q 2 1 .

n+1


Les m ethodes it eratives, et en particulier la m ethode de Newton, gurent parmi les m ethodes num eriques les plus puissantes permettant la r esolution approch ee des equations de toute nature. Lid ee de ces m ethodes est de partir dune valeur approch ee grossi` ere de la solution, et den am eliorer la pr ecision par une application it er ee dun algorithme bien choisi.

Soit (E, d) un espace m etrique complet et : E E une application continue. On dit que a E est un point xe de si (a) = a. On dit que est contractante si est lipschitzienne de rapport k < 1, cest-` a-dire sil existe k < 1 tel que x, y E, d(f (x), f (y )) k d(x, y ).

Th eor` eme Soit : E E une application contractante dun espace m etrique


complet dans lui-m eme. Alors admet un point xe unique a E . De plus, pour er ee (xp ) d enie par xp+1 = (xp ) converge tout point initial x0 E , la suite it vers a. Unicit e du point xe. Si avait deux points xes a = b, alors d((a), (b)) = d(a, b) et d(a, b) = 0, donc ne pourrait etre contractante, contradiction. Existence du point xe. Soit x0 E un point initial quelconque et (xp ) la suite it er ee associ ee. On a alors d(xp , xp+1 ) = d((xp1 ), (xp )) k d(xp1 , xp )

94

Analyse num erique et equations diff erentielles

do` u par r ecurrence d(xp , xp+1 ) k p d(x0 , x1 ). Pour tout entier q > p il vient
q 1 q 1

d(xp , xq )
l =p q 1 +

d(xl , xl+1 )
l =p

k l d(x0 , x1 )

avec
l =p

kl
l =p

kl =

kp . On a donc 1k d(xp , xq ) kp d(x0 , x1 ), 1k p < q

ce qui montre que (xp ) est une suite de Cauchy. Comme (E, d) est complet, la suite egalit e xp+1 = (xp ) et la continuit e (xp ) converge vers un point limite a E . L de impliquent a ` la limite a = (a).

Estimation de la vitesse de convergence Lin egalit e


d(xp , a) = d((xp1 ), (a)) k d(xp1 , a) implique par r ecurrence d(xp , a) k p d(x0 , a). La convergence est donc exponentiellement rapide. Lorsque E = Rm , on dit parfois quil sagit dune convergence lin eaire, dans le sens o` u le nombre de d ecimales exactes t au moins lin eairement avec p. de xp cro

G en eralisation Le th eor` eme pr ec edent reste enti` erement valable si on remplace lhypoth` ese que est contractante par lhypoth` ese que est continue et quil existe une certaine it er ee m = . . . qui soit contractante.
En eet, dans ce cas, lhypoth` ese que m soit contractante implique que m admet a cette egalit e on un unique point xe a. On a donc m (a) = a et en appliquant ` trouve m ((a)) = m+1 (a) = (m (a)) = (a), e du point xe de m de sorte que (a) est encore un point xe de m . Lunicit entra ne (a) = a. Par ailleurs, comme tout point xe de est aussi un point xe ecessairement unique. Enn, pour tout point initial x0 , la de m , ce point xe est n sous-suite xmp = mp (x0 ) = (m )p (x0 ) (correspondant aux indices multiples de m) converge vers a. Il en r esulte que xmp+r = r (xmp ) converge aussi vers r (a) = a eme pour r = 0, 1, . . . m 1, et on en d eduit limq+ xq = a. Voir aussi le probl` 4.1 pour une autre d emonstration de ces r esultats.

IV M ethodes it eratives pour la r esolution d equations

95

Comme premi` ere application el ementaire du r esultat pr ec edent, soit a ` r esoudre une equation f (x) = 0 dune variable r eelle x. Supposons quon ait une fonction di erentiable f : [a, b] R telle que disons f (a) < 0, f (b) > 0, et f strictement e f (a) > 0, f (b) < 0, et croissante, 0 < m f (x) M sur [a, b] dans le cas oppos M f (x) < m < 0 il sura de changer f en f . Si on pose (x) = x Cf (x) avec une constante C = 0, il est clair que l equation f (x) = 0 equivaut a ` (x) = x et donc la r esolution de l equation f (x) = 0 se ram` ene ` a rechercher les points xes de . Lespace E = [a, b] est complet, et il nous faut v erier de plus que envoie bien E dans E , que est bien contractante sur E . Or nous avons (x) = 1 Cf (x), donc 1 CM (x) 1 Cm, et pour le choix C = 1/M , la fonction est bien contractante dans le rapport k = 1 m/M . De plus est croissante et on a (a) > a, (b) < b, donc ([a, b]) [a, b]. Il en ee ` a partir dun point x0 [a, b] r esulte que toute suite it erative xp+1 = (xp ) calcul quelconque va converger vers lunique solution de l equation f (x) = 0. La vitesse de convergence peut etre estim ee par la suite g eom etrique (1 m/M )p , et on voit quon a int er et ` a ce que les bornes m et M de lencadrement m f M soient proches, ce qui est toujours possible si f est continue et si lencadrement initial [a, b] de la solution x cherch ee est susamment n. Lobjet de ce chapitre est d etudier et de g en eraliser ce type de techniques, pour des fonctions dune ou plusieurs variables.

Notre objectif est ici d etudier le comportement it eratif dune fonction au voisinage de ses points xes. Soit I un intervalle ferm e de R et : I I une application de classe C 1 . Soit a I un point xe de . On peut distinguer trois cas : (1) | (a)| < 1. Soit k tel que | (a)| < k < 1. Par continuit e de , il existe un intervalle E = [a h, a + h] sur lequel | | k , donc est contractante de rapport k sur E ; on a n ecessairement (E ) E et par cons equent x0 [a h, a + h],
p +

lim xp = a.

On dit que a est un point xe attractif. Dans ce cas la convergence de la suite (xp ) est au moins exponentiellement rapide : |xp a| k p |x0 a|.

96 Cas particulier : (a) = 0.

Analyse num erique et equations diff erentielles

Supposons de plus que soit de classe C 2 et que | | M sur E . La formule de Taylor donne (x a)2 (c) (x) = (a) + (x a) (a) + 2! 1 c ]a, x[, = a + (c)(x a)2 , 2
2 do` u |(x) a| 1 2 M |x a| , soit encore r ecurrence, on en d eduit successivement 1 2

M |(x) a|
2p

1 2

M |x a| . Par

1 1 M |xp a| M |x0 a| 2 2

|xp a|

2 M

1 2

M |x0 a|
1 5M ,

2p

En particulier si x0 est choisi tel que |x0 a| |xp a|

on obtient

p 2 102 ; M

on voit donc que le nombre de d ecimales exactes double environ ` a chaque it eration ; 10 it erations suraient ainsi th eoriquement pour obtenir plus de 1000 d ecimales exactes ! La convergence est donc ici extraordinairement rapide. Ce ph enom` ene est appel e ph enom` ene de convergence quadratique, et le point xe a est alors appel e parfois point xe superattractif. (2) | (a)| > 1. (x) (a) x 0 xa [a h, a + h] de a tel que Comme lim = | (a)| > 1, on voit quil existe un voisinage

x [a h, a + h] \ {a},

|(x) a| > |x a|.

On dit alors que le point xe a est r epulsif. Dans ce cas, la d eriv ee est de signe constant au voisinage de a, donc il existe h > 0 tel que la restriction |[ah,a+h] admette une application r eciproque 1 d enie sur ([a h, a + h]), qui est un intervalle contenant (a) = a. L equation (x) = x peut se r ecrire x = 1 (x) au 1 voisinage de a, et comme ( ) (a) = 1/ (a), le point a est un point xe attractif pour 1 . (3) | (a)| = 1. On est ici dans un cas douteux, comme le montrent les deux exemples suivants dans lesquels a = 0, (a) = 1 :

IV M ethodes it eratives pour la r esolution d equations

97

Exemple 1 (x) = sin x, x 0, 2 . On a ici sin x < x pour tout x 0, 2 .

er ee (xp ) est strictement d ecroissante minor ee, donc Pour tout x0 0, 2 la suite it convergente. La limite l v erie l = sin l, donc l = 0.

Exemple 2 (x) = sinh x, x [0, +[. Comme sinh x > x pour tout x > 0, on voit que le point xe 0 est r epulsif et que x0 > 0, lim xp = +.
p +

Nous voulons d ecrire ici un peu plus nement le comportement de la suite it erative xp+1 = (xp ) au voisinage dun point xe attractif a. On suppose donc de classe C 1 et | (a)| < 1. On peut de nouveau distinguer plusieurs cas. (1) (a) > 0. Par continuit e de on va avoir 0 < (x) < 1 au voisinage de a, donc il existe un voisinage [a h, a + h] sur lequel x (x) et x x (x) sont strictement croissantes, par suite x < (x) < (a) = a pour x [a h, a[ a = (a) < (x) < x pour x ]a, a + h], ce qui implique en particulier que ([a h, a + h] [a h, a + h]. Il est facile de voir dans ce cas que la suite it erative xp+1 = (xp ) va etre strictement croissante ecroissante si x0 ]a, a + h]. On obtient alors pour x0 [a h, a[ et strictement d typiquement un graphe en escalier : y y=x y = (x) (x0 )

ah

x0

x1 ... xp a

x1

x0

a+h

(2) (a) < 0. Par continuit e de on va avoir 1 < (x) < 0 sur un voisinage [a h, a + h] de a, sur lequel est donc strictement d ecroissante. Si x < a, alors (x) > (a) = a,

98

Analyse num erique et equations diff erentielles

tandis que si x > a, on (x) < (a) = a. Comme est strictement croissante (de d eriv ee < 1) sur [a h, a + h], le cas (1) montre que les suites x2p et x2p+1 sont monotones de limite Il sagit donc de suites adjacentes, et on obtient un graphe en escargot : y y=x

(xp )

y = (x)

ah (3) (a) = 0.

x0

x2

xp a xp+1 x3 x1

a+h

En g en eral, on ne va rien pouvoir conclure. Cependant, si est de classe C 2 et (a) = 0, alors le point a est un extremum local. On choisira h assez petit pour que ne change pas de signe et | | < 1 sur [a h, a + h]. Alors, si (a) < 0 (resp. (a) > 0), le point a est un maximum local (resp. un minimum local), et pour x0 [a h, a + h] {a} quelconque, il est facile de voir que la suite (xp ) est strictement croissante (resp. d ecroissante), mis ` a part peut- etre pour le terme ` un graphe en escalier. initial x0 . On aboutit encore a

Soit a ` r esoudre l equation f (x) = x3 4x + 1 = 0, x R. On a f (x) = 3x2 4 et l etude de f donne :

x f (x) f (x)

2 3

2 3

+ +

0
16 3 3

1+

16 3 3

IV M ethodes it eratives pour la r esolution d equations

99

y 4

y = f (x)

a1 2 1

1 0 2

a2

2 3

a3 2 x

L equation f (x) = 0 admet donc 3 racines r eelles a1 < a2 < a3 . le calcul de quelques valeurs de f donne 2, 5 < a1 < 2, 0 < a2 < 0, 5, 1, 5 < a3 < 2.
1 4

L equation f (x) = 0 peut se r ecrire x = (x) avec (x) = 2 x , do` u : (x) = 3 4 sur [2, 5 ; 2], sur [0 ; 0, 5], sur [1, 5 ; 2], (2) = 3. 0 0, 1875. (1, 5) = 1, 6875.

(x3 + 1). On a

Seul a2 est un point xe attractif de . Lintervalle [0 ; 0, 5] est n ecessairement stable par puisquil contient un point xe et que est contractante et croissante. Pour tout x0 [0 ; 0, 5] on aura donc a2 = lim xp . p + Pour obtenir a1 et a3 , on peut it erer la fonction 1 (x) = 3 4x 1, qui est contractante au voisinage de ces points.
1 = 0, Il sera num eriquement plus ecace de r ecrire l equation sous la forme x2 4+ x soit x = + (x) ou x = (x) avec

+ (x) =

1 , x

(x) = 4

1 , x de sorte que

1 suivant que x est 0 ou 0. on a alors = 2x 4 2

1 1/2 , x

0 + + (1, 5) 0, 122 (2) 0, 059 0

sur [1, 5 ; 2], sur [2, 5 ; 2] ;

La convergence sera donc assez rapide. Nous allons voir quil existe en fait une m ethode g en erale plus ecace et plus syst ematique.

100

Analyse num erique et equations diff erentielles

On cherche ` a evaluer num eriquement la racine a dune equation f (x) = 0, en supposant quon dispose dune valeur grossi` ere x0 de cette racine.

y f

a x1 x0 x

Lid ee est de remplacer la courbe repr esentative de f par sa tangente au point x0 : y = f (x0 )(x x0 ) + f (x0 ). ee Labscisse x1 du point dintersection de cette tangente avec laxe y = 0 est donn par f (x0 ) ; x1 = x0 f (x0 ) en eral une meilleure approximation de a que x0 . On est donc amen e` a x1 est en g it erer la fonction f (x) . (x) = x f (x) Supposons que f soit de classe C 2 et que f (a) = 0. La fonction est alors de classe C 1 au voisinage de a et (x) = 1 f (x)2 f (x)f (x) f (x)f (x) = , 2 f (x) f (x)2

ce qui donne (a) = a, (a) = 0. La racine a de f (x) = 0 est donc un point xe superattractif de . Le r esultat suivant donne une estimation de l ecart |xp a|.

Th eor` eme On suppose que f est de classe C 2 sur lintervalle I = [a r, a + r]


f (x) 1 et h = min r, M . Alors pour tout f (x) x [ah, a+h] on a |(x)a| M |xa|2 , et pour tout point initial x0 [ah, a+h] et que f = 0 sur I . Soit M = max
x I

|xp a|

p 1 (M |x0 a|)2 . M

IV M ethodes it eratives pour la r esolution d equations

101

D emonstration. Introduisons la fonction u(x) = f (x)/f (x). La fonction f est ne monotone sur I , nulle en a, donc f a m eme signe que f (a)(x a), ce qui entra que u(x) a m eme signe que x a. De plus u (x) = 1 f (x)f (x) f (x) u(x), =1 2 f (x) f (x)

donc |u (x)| 1 + M |u(x)| sur I . Cette in egalit e permet dobtenir le

Lemme 1 On a |u(x)|

1 M

(eM |xa| 1) sur I . Posons v (x) = u(x)eM x . Il vient

Montrons-le par exemple pour x a. u u (x) 1 + M u(x), do`

v (x) = (u (x) M u(x))eM x eM x . Comme v (a) = u(a) = 0, on en d eduit par int egration v (x) soit encore u(x)
1 M

1 M a (e eM x ), M

(eM (xa) 1). Le lemme 1 est donc d emontr e.

Lemme 2 Pour |t| 1, e|t| 1 2|t|.


En eet la fonction exponentielle est convexe, donc sur tout intervalle la courbe est u le situ ee sous sa corde. Sur lintervalle [0, 1], ceci donne et 1 + (e 1)t, do` lemme 2 puisque e 1 < 2. On peut maintenant ecrire (x) = u(x) f f
(x) (x) ,

et le lemme 1 implique

| (x)| M |u(x)| eM |xa| 1.


1 . Gr ace au lemme 2, on obtient | (x)| 2M |x a| pour |x a| min r, M Comme (a) = a, on voit par int egration que pour tout x [a h, a + h] on a

|(x) a| M |x a|2 , soit encore M |(x) a| (M |x a|)2 . Lestimation M |xp a| (M |x0 a|)2p sen d eduit aussit ot par r ecurrence.

Exemple Pour la fonction f (x) = x3 4x + 1 du 2.3, on a


(x) = x 2x 3 1 x 3 4x + 1 = 2 . 2 3x 4 3x 4

Par it eration de , on obtient alors les valeurs suivantes :

102

Analyse num erique et equations diff erentielles

x0 x1 x2 x3 x4 x5

2 2, 125 2, 114975450 2, 114907545 2, 114907541 = x4

0 0, 25 0, 254098361 0, 254101688 = x3

2 1, 875 1, 860978520 1, 860805877 1, 860805853 = x4

Ceci donne des valeurs approch ees de a1 , a2 , a3 ` a 109 pr` es environ. Le nombre ethode de dit erations n ecessaires pour obtenir une pr ecision de 109 par la m 3 4 Newton est typiquement 3 ou 4 (102 = 108 , 102 = 1016 . . .). Le lecteur pourra v erier que le nombre dit erations requises avec les fonctions du 2.3 est nettement plus elev e (de 8 ` a 20 suivant les cas).

Dans certaines situations, la d eriv ee f est tr` es compliqu ee ou m eme impossible ` a expliciter (cest le cas par exemple si la fonction f est le r esultat dun algorithme complexe). On ne peut alors utiliser telle quelle la m ethode de Newton. Lid ee est de remplacer f par le taux daccroissement de f sur un petit intervalle. Supposons quon dispose de deux valeurs approch ees x0 , x1 de la racine a de l equation f (x) = 0 (fournies par un encadrement x0 < a < x1 ).

y f s ecante

x0 x2 0 a x1 x

Le taux daccroissement de f sur lintervalle [x0 , x1 ] est 1 = f (x1 ) f (x0 ) x1 x0

et l equation de la s ecante traversant le graphe de f aux points dabscisse x0 et x1 est y = 1 (x x1 ) + f (x1 ).

IV M ethodes it eratives pour la r esolution d equations

103

On obtient ainsi une nouvelle approximation x2 de a en calculant labscisse de lintersection de la s ecante avec laxe Ox : f (x1 ) x2 = x1 . 1 On va bien entendu it erer ce proc ed e` a partir des nouvelles valeurs approch ees x1 et x2 , ce qui conduit a ` poser f (xp ) f (xp1 ) f (xp ) p = , xp+1 = xp . xp xp 1 p La m ethode est donc tout a ` fait analogue a ` celle de Newton, ` a ceci pr` es que lon a remplac e la d eriv ee f (xp ) par le taux daccroissement p de f sur lintervalle eratif ne peut d emarrer que si on dispose [xp , xp1 ]. On notera que lalgorithme it d ej` a de deux valeurs approch ees x0 , x1 de a. ` un ph enom` ene de compensation et de f (xp ) f (xp1 ) et xp xp1 donne lieu a lerreur commise. La donc a ` une perte de pr ecision sur le calcul de p . Etudions formule de Taylor-Lagrange a ` lordre 2 au point xp donne 1 f (xp1 ) f (xp ) = (xp1 xp )f (xp ) + (xp1 xp )2 f (c), 2 1 p f (xp ) = (xp1 xp )f (c) = O(|xp xp1 |) 2 apr` es division de la premi` ere ligne par xp1 xp . Supposons par ailleurs que le calcul des f (xi ) soit eectu e avec une erreur darrondi e dune erreur absolue de lordre de de lordre de . Le calcul de p est alors aect ` calculer p d` es que cette erreur d epasse l ecart |xp xp1 | . Il est inutile de continuer a a-dire |xp xp1 | < . |p f (xp )|, ce qui a lieu si |xp xp1 | > |xp xp1 | cest-` Dans la pratique, si lon dispose dune pr ecision absolue = 1010 par exemple, es que |xp xp1 | < = 105 ; on poursuit alors on arr ete le calcul de p d` a lobtention de la convergence (cest-` a-dire les it erations avec p = p1 jusqu` |xp+1 xp | < ). Dun point de vue th eorique, la convergence de la suite est assur ee par le r esultat ci-dessous, qui donne simultan ement une estimation pr ecise pour |xp a|.

Inconv enient de la m ethode Lorsque xp et xp1 sont trop voisins, le calcul

Th eor` eme On suppose f de classe C 2 et de d eriv ee f = 0 sur lintervalle


eels K , h tels que I = [a r, a + r]. On introduit les quantit es Mi , i = 1, 2, et les r Mi = max |f (i) (x)|,
x I

mi = min |f (i) (x)|,


xI

M1 M2 1+ , K= 2m1 m1

h = min r,

1 . K

enie par sp+1 = sp + sp1 avec s0 = s1 = 1. Soit enn (sp ) la suite de Fibonacci, d Alors quel que soit le choix des points initiaux x0 , x1 [a h, a + h] distincts, on a |xp a| 1 [K max(|x0 a|, |x1 a|)]sp . K

104

Analyse num erique et equations diff erentielles


1+ 5 p+1 2 facteur 1+2 5

Remarque On v erie facilement que sp

1 5

; ceci montre que

le nombre de d ecimales exactes cro t environ du 1, 618 a ` chaque it eration. La convergence est donc tout juste un peu moins rapide que dans le 2.4. D emonstration.* Le lecteur pourra omettre cette d emonstration sans compromettre la compr ehension de la suite du chapitre. On consid` ere le taux daccroissement (x, y ) de f sur I I d eni par (x, y ) =
f (y )f (x) y x

si y = x si y = x.

(x, y ) = f (x) Pour tous (x, y ) I I , on peut ecrire


1

(x, y ) =
0

f (x + t(y x))dt

et le th eor` eme de d erivation sous le signe somme montre que (x, y ) = x (x, y ) = y
1 0

(1 t)f (x + t(y x))dt, tf (x + t(y x))dt.


1

Comme f est de signe constant sur I et comme in egalit es | (x, y )| m1 , Il en r esulte en particulier
y 0

(1 t)dt =

1 , on en d eduit les 2

1 M2 , x 2

1 M2 . y 2

| (x, y ) f (x)| = | (x, y ) (x, x)| =


x

1 (x, t)dt M2 |y x|. y 2

La suite (xp ) est d enie par la formule de r ecurrence xp+1 = (xp , xp1 ) o` u est la fonction de classe C 1 telle que (x, y ) = x Posons hp = xp a. On a hp+1 = (xp , xp1 ) a = (a + hp , a + hp1 ) (a, a) et en particulier h2 = (a + h1 , a + h0 ) (a, a). En int egrant sur [0, 1] la d eriv ee de la fonction t (a + th1 , a + th0 ), on trouve
1

f (x) . (x, y )

h2 =

h1

(a + th1 , a + th0 ) + h0 (a + th1 , a + th0 ) dt. x y

IV M ethodes it eratives pour la r esolution d equations

105

Des calculs imm ediats donnent


f (x) (x, y ) f (x) x (x, y ) f (x) x =1 + f ( x ) = , x (x, y )2 (x, y ) (x, y )2

y = f (x) . y (x, y )2 Comme |f (x)| = |f (x) f (a)| M1 |x a|, les in egalit es ci-dessus impliquent M2 |y x| M2 + M1 |x a| , x 2m1 2m2 1 M2 M1 |x a| . y 2m2 1 u Pour (x, y ) = (a + th1 , a + th0 ), on a |y x| (|h0 | + |h1 |)t et |x a| = |h1 |t, do` M2 M1 M2 (|h0 | + |h1 |) + |h1 | t, x 2m1 2m2 1 M1 M2 |h1 |t, y 2m2 1 |h2 |

1 M2 M1 M2 + | ( | h | + | h | ) tdt | h 1 0 1 2m1 2m2 0 1 K = |h1 |(|h0 | + |h1 |) K |h1 | max(|h0 |, |h1 |). 2 1 K,

Comme |h0 |, |h1 | h

on voit que |h2 | |h1 |. De m eme

|hp+1 | K |hp | max(|hp |, |hp1 |), et ceci entra ne par r ecurrence que la suite (|hp |)p1 est d ecroissante : |hp | |hp1 | . . . |h1 |
1 K

implique |hp+1 | |hp |. On en d eduit p 2.

|hp+1 | K |hp ||hp1 | pour

1 Lin egalit e |hp | K [K max(|h0 |, |h1 |)]sp est triviale si p = 0 ou p = 1, r esulte de en eralise facilement par r ecurrence lestimation d ej` a vue pour h2 si p = 2, et se g pour p 3. Le th eor` eme est d emontr e.

Rm

Rm

Soit E un espace vectoriel de dimension m sur R et u un endomorphisme de E .

106

Analyse num erique et equations diff erentielles

D enition On appelle spectre de u la famille (1 , . . . , m ) de ses valeurs


propres r eelles ou complexes, compt ees avec multiplicit es ( = racines du polyn ome caract eristique). On appelle rayon spectral de u, not e (u), la quantit e (u) = max |i |.
1im

Etant donn e une norme N sur E , on peut dautre part associer a ` u sa norme |||u|||N en tant quop erateur lin eaire sur E : |||u|||N = N (u(x)) . xE \{0} N (x) sup

On notera N (resp. Ne ) lensemble des normes (resp. des normes euclidiennes) d enies sur E .

Th eor` eme Soit u un endomorphisme quelconque de E . Alors


(1) Pour tout N N, (u) |||u|||N . (2) (u) = inf |||u|||N = inf |||u|||N .
N N N Ne

(3) Pour tout N N, (u) = lim |||up |||N .


p +

1/p

Remarque Consid erons lespace R2 muni de sa norme euclidienne canonique


0 a , a R. On a (ua ) = 1 et pourtant 0 1 la norme |||ua ||| nest pas born ee quand |a| + ; lin egalit e (1) na donc pas de r eciproque. Pour m = dim E 2, le rayon spectral nest pas une norme sur L(E, E ) ; il ne v erie dailleurs pas lin egalit e triangulaire, comme le montre lexemple suivant : si u, v sont les endomorphismes de matrices et ua lendomorphisme de matrice Mat(u) = 0 1 0 0 et Mat(v ) = 0 0 1 0 ,

on a (u) = (v ) = 0, mais (u + v ) = 1. D emonstration . Une base de E etant x ee, on peut identier E ` a Rm et u ` a une matrice A carr ee m m. Observons dabord que si (1 , . . . , m ) est le spectre de p A, alors le spectre de Ap est (p 1 , . . . , m ). On a donc (Ap ) = (A)p .

(1) Soit une valeur propre de A. Si R, soit X un vecteur propre associ e, X = 0. Les egalit es AX = X , N (AX ) = ||N (X ) entra nent bien || |||A|||N . Supposons maintenant que = + i soit une valeur propre complexe non r eelle de A. Soit Z = X + iY un vecteur colonne complexe, propre pour la valeur propre .

IV M ethodes it eratives pour la r esolution d equations

107

L egalit e AZ = Z = ( + i )(X + iY ) donne pour les parties r eelles et imaginaires les egalit es AX = X Y , AY = X + Y do` u A(X + Y ) = (2 + 2 )X A(X + Y ) = (2 + 2 )Y. Il sensuit (2 + 2 )N (X ) |||A|||N N (X + Y ) |||A|||N (|| N (X ) + | | N (Y )), (2 + 2 )N (Y ) |||A|||N N (X + Y ) |||A|||N (|| N (Y ) + | | N (X )). Apr` es addition et simplication par N (X ) + N (Y ) on obtient ||2 = 2 + 2 |||A|||N (|| + | |) 2|| |||A|||N , do` u || 2|||A|||N . Par cons equent (A) 2|||A|||N . Dapr` es la remarque initiale et le r esultat pr ec edent appliqu e` a Ap , il vient (A)p = (Ap ) 2|||Ap |||N 2|||A|||p N soit (A) 21/p |||A|||N . En faisant tendre p vers +, la conclusion attendue (A) |||A|||N sensuit. (2) Dapr` es (1) et linclusion Ne N on obtient (A) inf |||A|||N inf |||A|||N .
N N N Ne

Il sut donc de voir que inf |||A|||N (A).


N Ne

Pour cela, consid erons A comme un endomorphisme de Cm , d eni par une matrice a coecients r ` eels. Il existe une base (e1 , . . . , em ) de Cm dans laquelle A devient triangulaire sup erieure : A = a11 0 ... .. . aij a1m . . . , amm j i,

aii = i .

Si on remplace la base (e1 , . . . , em ) par la base (ej ) = (e1 , e2 , 2 e3 , . . . , m1 em ) avec > 0 petit, on voit que le coecient aij de A est remplac e par j i aij . Pour les coecients au-dessus de la diagonale on a j > i, donc j i est petit. Dans une base convenable (e1 , e2 , . . . , em ) de Cm , la matrice A se transforme donc en une matrice A=D+T o` u D est diagonale de valeurs propres 1 , . . . , m et T strictement triangulaire sup erieure avec des coecients O() arbitrairement petits. Soit Nh la norme

108

Analyse num erique et equations diff erentielles

hermitienne sur Cm ayant (e1 , . . . , em ) pour base orthonorm ee et Ne la norme a Rm ). On a alors euclidienne induite sur Rm (restriction de Nh ` |||A|||Ne |||A|||Nh |||D|||Nh + |||T |||Nh . etre rendue arbitrairement Comme |||D|||Nh = (A) et comme |||T |||Nh = O() peut petite, il vient inf |||A|||Ne (A).
N N e 1/p

(3) On a dune part (A) = (Ap )1/p |||Ap |||N . Inversement, etant donn e > 0, on peut choisir gr ace ` a (2) une norme euclidienne N Ne telle que |||A|||N (A) + . Comme toutes les normes sur lespace de dimension nie des matrices carr ees m m sont equivalentes, il existe une constante C 1 telle que |||B |||N C |||B |||Ne pour toute matrice B . Pour B = Ap , on en d eduit p |||Ap |||N C |||Ap |||N C |||A|||p N C ((A) + ) ,
1/p ((A) + ). |||Ap |||N C 1/p = 1, il existe p N tel que Comme lim C p + 1/p

p p |||Ap |||N (A) + 2, et le th eor` eme est d emontr e.

1/p

Soit un ouvert de R et : Rm une fonction de classe C 1 . Soit N = eaire tangente une norme x ee sur Rm . On note (x) L(Rm , Rm ) lapplication lin au point x , de sorte que (x + h) (x) = (x) h + h (h),
h0

lim (h) = 0.

Lemme
(1) Si est k -lipschizienne sur relativement a ` la norme N , alors ||| (x)|||N k pour tout x . (2) Si est convexe et si ||| (x)|||N k pour tout x , alors est k -lipschitzienne sur relativement a ` N. D emonstration (1) Pour tout > 0, il existe r > 0 tel que h r (h) . Par lin earit e de (x), on a (x) h ||| (x)|||N = sup ; h h =r

IV M ethodes it eratives pour la r esolution d equations

109

or (x) h = (x + h) (x) h (h), (x) h (x + h) (x) + h (h) k h + h (h) (k + ) h . Il vient donc ||| (x)|||N k + , et ce quel que soit > 0. (2) Inversement, si est convexe, on peut ecrire (y ) (x) = (1) (0) = (t) = (x + t(y x)), On en d eduit (y ) (x) = (y ) (x)
1 0 1

(t)dt
0

avec

(t) = (x + t(y x)) (y x).

(x + t(y x)) (y x)dt, ||| (x + t(y x))|||N y x dt k y x .

Th eor` eme Soit a un point xe de . Alors les deux propri et es suivantes


sont equivalentes : (i) Il existe un voisinage ferm e V de a tel que (V ) V et une norme N sur Rn telle que |V soit contractante pour N . (ii) ( (a)) < 1. On dit alors que le point xe a est attractif. es la partie D emonstration. Si |V est contractante de rapport k < 1 alors dapr` (1) du lemme on a ( (a)) ||| (a)|||N k < 1. Inversement, si ( (a)) < 1, il existe une norme euclidienne N telle que e de , il existe une boule ferm ee V = B (a, r), r > 0, ||| (a)|||N < 1. Par continuit telle que supV ||| |||N = k < 1. Comme V est convexe, est alors contractante de rapport k sur V ; en particulier (V ) B (a, kr) V .

Remarque Si est de classe C 2 et si (a) = 0, la formule de Taylor montre


quil existe une constante M 0 telle que (x) a M x a 2 , x B (a, r).

Le ph enom` ene de convergence quadratique a donc encore lieu ici.

110

Analyse num erique et equations diff erentielles

Soit a ` r esoudre une equation f (x) = 0 o` u f : Rm est une application de enie sur un ouvert Rm . On cherche a ` evaluer num eriquement une classe C 2 d solution a du syst` eme f (x) = 0, connaissant une valeur approch ee grossi` ere x0 de a. Comme dans la m ethode de Newton usuelle, lid ee est dapproximer f par sa partie lin eaire au point x0 : f (x) = f (x0 ) + f (x0 ) (x x0 ) + o( x x0 ) On r esout alors l equation f (x0 ) + f (x0 ) (x x0 ) = 0. Si f (x0 ) L(Rn , Rm ) est inversible, on a une solution unique x1 telle que x1 x0 = f (x0 )1 f (x0 ), soit x1 = x0 f (x0 )1 f (x0 ). On va donc it erer ici lapplication de classe C 1 (x) = x f (x)1 f (x).

Th eor` eme On suppose que f est de classe C 2 , que f (a) = 0 et que lapplication
lin eaire tangente f (a) L(Rm , Rm ) est inversible. Alors a est un point xe superattractif de . D emonstration. Calculons un d eveloppement limit e` a lordre 2 de (a + h) quand h tend vers 0. On a 1 f (a) (h)2 + o( h 2 ) 2 1 = f (a) h + f (a)1 (f (a) (h)2 ) + o( h 2 ) . 2 f (a + h) = f (a) + f (a) h + o( h ) f (a + h) = f (a) h + = f (a) Id + f (a)1 (f (a) h) + o( h ) , f (a + h)1 = [ ]1 f (a)1 f (a)1 , = Id f (a)1 (f (a) h) + o( h f (a + h)1 f (a + h) = Id f (a)1 (f (a) h) + o( h ) h + =h 1 f (a)1 (f (a) (h)2 ) + o( h )2 , 2 1 f (a)1 (f (a) (h)2 ) + o( h ) 2

do` u nalement (a + h) = a + h f (a + h)1 f (a + h) 1 = a + f (a)1 (f (a) (h)2 ) + o( h 2 ). 2

IV M ethodes it eratives pour la r esolution d equations

111

On en d eduit (a) = 0 et (a) = f (a)1 f (a). En particulier 1 (M + (h)) h 2 o` u M = ||| (a)|||. Le th eor` eme est d emontr e. (a + h) a
2

Exemple Soit a ` r esoudre le syst` eme


x2 + xy 2y 2 = 4 xex + yey = 0. On commence par tracer les courbes C1 : x2 + xy 2y 2 = 4 et C2 : xex + yey = 0 de mani` ere ` a obtenir graphiquement une approximation grossi` ere des solutions. 2 2 C1 est une hyperbole dasymptotes x + xy 2y = (x y )(x + 2y ) = 0 ; cette 2 2 hyperbole passe par les points et . 0 0 La courbe C2 est sym etrique par rapport a ` la droite y = x ; de plus x, y sont n ecessairement de signe oppos es. Supposons par exemple x 0, y 0. Comme la ` chaque point fonction y yey est strictement croissante de [0, +[ sur [0, +[, a x 0 correspond un unique point y 0. Ce point y est la solution de xex + yey = 0, et peut par exemple sobtenir par it eration de la fonction (x) = y xex + yey y 2 xexy , = y (1 + y )e 1+y

fournie par la m ethode de Newton appliqu ee ` a la variable y . Pour x = 0, on a y = 0 ; en d ecr ementant x par pas de 0, 1 avec comme valeur initiale de y0 la valeur de la solution y trouv ee pour la valeur x pr ec edente, on obtient la courbe C2 .

y=
C1 1 S 2 1 2 x C2

x
y= x /2

112

Analyse num erique et equations diff erentielles

On voit que le syst` eme pr ec edent admet une solution S 2 0, 2

a b

unique, avec

a b

tr` es grossi` erement. Pour obtenir une valeur approch ee plus pr ecise, on x y = = 0 0 avec .

cherche ` a r esoudre l equation f f x y

x2 + xy 2y 2 4 xex + yey

Lapplication lin eaire tangente ` a f est donn ee par f x y =


f1 x f2 x f1 y f2 y

2x + y (x + 1)ex

x 4y (y + 1)ey

La condition f (S ) inversible signie que les tangentes fi fi (S )(x a) + (S )(y b) = 0, x y i = 1, 2,

aux courbes C1 , C2 au point S sont distinctes. Cest bien le cas ici. On obtient f x y
1

1 (x, y )

(x + 1)ey (x + 1)ex

x + 4y 2x + y

avec (x, y ) = (2x + y )(y + 1)ey (x 4y )(x + 1)ex . On est alors amen e` a calculer xp+1 xp les it er es = avec yp+1 yp x y = x y 1 (x, y ) x0 y0 (y + 1)ey (x + 1)ex = x + 4y 2x + y x2 + xy 2y 2 4 xex + yey

Partant du point initial

2 , on trouve 0, 2

p 0 1 2 3 4

xp 2 2, 130690999 2, 126935837 2, 126932304 2, 126932304 a b

yp 0, 2 0, 205937784 0, 206277868 0, 206278156 0, 206278156

do` u

S=

2, 126932304 . 0, 206278156

IV M ethodes it eratives pour la r esolution d equations

113

Nous allons ici exploiter le th eor` eme du point xe pour d emontrer quelques r esultats fondamentaux du calcul di erentiel. Notre objectif est dobtenir aussi des estimations quantitatives pour ces th eor` emes, parce que ces estimations sont souvent n ecessaires pour majorer les erreurs commises dans les calculs num eriques.

Nous commen cons par un lemme de perturbation, qui sapplique dans un espace num erique Rm muni dune norme N quelconque.

Lemme Soit f : B (x0 , r) Rm une application d enie sur une boule de rayon
r dans Rm , telle que f (x) = x + u(x) o` u u est une application contractante de rapport k < 1 ( petite perturbation de lidentit e ). Alors (1) f est un hom eomorphisme de B (x0 , r) sur un ouvert V = f (B (x0 , r)) de Rm ; (2) f est (1 + k )-lipschitzienne et son application r eciproque f 1 : V B (x0 , r) est 1 (1 k ) lipschitzienne ; (3) limage V satisfait lencadrement B (f (x0 ), (1 k )r) V B (f (x0 ), (1 + k )r).

D emonstration. Quitte a ` remplacer f par f (x) = f (x + x0 ) f (x0 ) et u par u(x) = u(x + x0 ) u(x0 ), on peut supposer que x0 = 0 et f (0) = u(0) = 0. On a de fa con evidente x2 x1 u(x2 ) u(x1 ) f (x2 ) f (x1 ) x2 x1 + u(x2 ) u(x1 ) , (1 k ) x2 x1 f (x2 ) f (x1 ) (1 + k ) x2 x1 . Il en r esulte que f est injective et (1 + k )-lipschitzienne, et que f (x) (1 + k ) x . Par suite f est une bijection de B (0, r) sur son image V , et V = f (B (0, r)) B (0, (1 + k )r). e, on On consid` ere maintenant un rayon r < r quelconque, et pour y Rm donn introduit lapplication (x) = y + x f (x) = y u(x). De m eme que u, cest une application k -lipschitzienne, et comme (x) y + k x , es lors que y (1 k )r . Le th eor` eme on voit que envoie B (0, r ) dans B (0, r ) d` ede un du point xe appliqu e` a lespace complet E = B (0, r ) implique que poss`

114

Analyse num erique et equations diff erentielles

point xe (x) = x unique, cest-` a-dire que l equation f (x) = y d etermine un unique eduit que f (B (0, r )) B (0, (1 k )r ). Comme ant ec edent x B (0, r ). On en d r < r est arbitraire, on a bien V = f (B (0, r)) B (0, (1 k )r). Ceci d emontre d ej` a (3). En se pla cant en un point x1 B (x0 , r) quelconque et en rempla cant r par > 0 petit, on voit que limage f (B (x1 , )) contient un voisinage B (f (x1 ), (1 k )) de f (x1 ), par suite V = f (B (x0 , r)) est un ouvert. Enn, lin egalit e de gauche dans lencadrement de Lipschitz de f implique (1 k ) f 1 (y2 ) f 1 (y1 ) y2 y1 ne que f 1 est continue (1 k )1 -lipschitzienne pour tous y1 , y2 V , ce qui entra emontr e. et que f est un hom eomorphisme de B (x0 , r) sur V . Le lemme est d enie sur un ouvert de Rm avec k 1. Etant donn e un point x0 , on C k d suppose que lapplication lin eaire tangente = f (x0 ) L(Rm , Rm ) est inversible. Alors (1) Il existe un voisinage U = B (x0 , r) de x0 tel que V = f (U ) soit un ouvert de eomorphisme de classe C k de U sur V . Rm et f un di ee par (2) Pour tout y = f (x), x U , la di erentielle de g = f 1 est donn 1 g (y ) = (f (x)) , soit g (y ) = (f (g (y )))1 ou encore (f 1 ) (y ) = (f (f 1 (y )))1 L(Rm , Rm ). (3) On suppose k 2. Si B (x0 , r0 ) et si M est un majorant de f sur 1 ||| 1 |||1 ). B (x0 , r0 ), on peut choisir U = B (x0 , r) avec r = min(r0 , 1 2M D emonstration. Lapplication u(x) = 1 (f (x)) x est de classe C 1 et on a e de u , il existe une u (x0 ) = 1 f (x0 ) Id = 0 dans L(Rm , Rm ). Par continuit ne que u est contractante boule B (x0 , r) sur laquelle |||u (x)||| k < 1, ce qui entra de rapport k . Le lemme pr ec edent montre alors que f (x) = 1 f (x) = x + u(x) d enit un hom eomorphisme lipschitzien de U = B (x0 , r) sur V = f (V ), donc f = f est un hom eomorphisme lipschitzien de U sur V = (V ), la constante de Lipschitz de f etant major ee par K = (1 + k )|||l||| et celle de g = f 1 = f 1 1 1 1 par K = (1 k ) ||| |||. Maintenant, si f est de classe C 2 et |||f ||| M sur la boule B (x0 , r0 ) , eor` eme des acnous avons u = 1 f , donc |||u ||| M ||| 1 ||| et le th croissements nis nous donne |||u (x)||| M ||| 1 ||| x x0 sur B (x0 , r0 ). Pour 1 ||| 1 |||1 ), on voit que |||u ||| k = 1 r = min(r0 , 1 2M 2 sur B (x0 , r ) et on peut appliquer ce qui pr ec` ede. Pour tous y, V et x = g (y ), = g (x) U = B (x0 , r), lhypoth` ese de di erentiablilit e de f au point x implique y = f ( ) f (x) = f (x)( x) + ( x) x

Th eor` eme dinversion locale Soit f : Rm une application de classe

IV M ethodes it eratives pour la r esolution d equations

115

u |||u (x)||| k < 1 sur avec limh0 (h) = 0. Comme 1 f (x) = Id +u (x) o` eaire 1 f (x) est bien inversible. Par cons equent f (x) B (x0 , r), lapplication lin lest aussi, et nous pouvons ecrire x = f (x)1 y ( x) x soit g ( ) g (y ) = f (x)1 ( y ) f (x)1 (g ( ) g (y ) g ( ) g (y ) avec limy f (x)1 (g ( ) g (y ) = 0 et g ( ) g (y ) K y . On voit ainsi que g = f 1 est bien di erentiable au point y et que g (y ) = f (x)1 = f (g (y ))1 . Linversion dune matrice etant une op eration continue (et m eme ind eniment a-dire que g est de di erentiable), on en d eduit que g est continue sur V , cest-` classe C 1 . erie par r ecurrence que g est aussi de classe C k : Si f est de classe C k , k 2, on v k 1 , g lest aussi par hypoth` ese de r ecurrence, donc g est de f est de classe C a-dire que g est de classe C k . Le th eor` eme est d emontr e. classe C k1 , cest-` ,

Nous allons reformuler le th eor` eme dinversion locale pour en tirer di erentes variantes et di erentes cons equences g eom etriques. La variante la plus importante est le th eor` eme des fonctions implicites. Soit un ouvert de Rp Rm et f : R une application de classe C , k 1. On se donne un point (x0 , y0 ) Rp Rm , et on suppose que

Th eor` eme des fonctions implicites


m

(i) f (x0 , y0 ) = 0 ; (ii) la matrice des d eriv ees partielles fy (x0 , y0 ) = est inversible dans L(Rm , Rm ). fi (x0 , y0 ) yj
1i,j m

Alors il existe un voisinage U V de (x0 , y0 ) dans sur lequel fy (x, y ) est inversible, equation implicite et une application g : U V de classe C k telle que l f (x, y ) = 0 pour (x, y ) U V soit equivalente ` a y = g (x), x U . La d eriv ee de g est donn ee par la formule g (x) = fy (x, g (x))1 fx (x, g (x)).

Autrement dit, le th eor` eme des fonctions implicites dit que lensemble des solutions de l equation f (x, y ) = 0 dans U V peut etre explicit e comme le graphe y = g (x) a o` u fy (x, y ) est inversible. dune fonction g : U V de classe C k , l`

Remarque 1 On voit imm ediatement que le th eor` eme des fonctions implicites contient le th eor` eme dinversion locale. Il sut de poser F (x, y ) = x f (y ),

116

Analyse num erique et equations diff erentielles

(x, y ) = Rm Rm Rm pour obtenir lexistence de la fonction r eciproque u f (y0 ) est inversible. y = g (x) de f au voisinage de tout point y0 o` D emonstration. En sens inverse, nous allons montrer que le th eor` eme dinversion locale implique facilement le th eor` eme des fonctions implicites (ce sont donc des equivalents ). Avec les hypoth` eses faites sur f , consid erons th eor` emes F : Rp Rm , (x, y ) F (x, y ) = (x, f (x, y )).

Nous avons F (x0 , y0 ) = (x0 , 0) et la matrice de la di erentielle de F est donn ee par F (x, y ) = Id 0 fx (x, y ) fy (x, y ) .

Ceci permet de voir aussit ot que F (x, y ) L(Rp+m , Rp+m ) est inversible en tout p point o` u fy (x, y ) L(R , Rp ) lest, avec F (x, y )1 = Id fy (x, y )1 fx (x, y ) 0 fy (x, y )1 .

ese. En particulier, F (x0 , y0 ) est inversible par hypoth` Le th eor` eme dinversion locale montre que F est un di eomorphisme de classe C k dun voisinage T = U1 V1 de (x0 , y0 ) sur un voisinage W de (x0 , 0) dans Rp Rm (Quitte a ` r etr ecir T on peut supposer que T est un produit de boules ouvertes). Lapplication H = F 1 : W U1 V1 , (u, v ) (x, y ) = H (u, v ) est la solution de l equation F (x, y ) = (x, f (x, y )) = (u, v ) pour (x, y ) U1 V1 , donc x = u et on voit que H est de la forme H (u, v ) = (u, h(u, v )) pour une certaine fonction equivalence h : W V1 . Pour (x, y ) U1 V1 et (x, v ) W , nous avons l f (x, y ) = v y = h(x, v ). La fonction g (x) = h(x, 0) donne donc pr ecis ement y = g (x) comme solution del equation f (x, y ) = 0 lorsque (x, y ) U1 V1 et (x, 0) W . D enissons U comme lensemble des x U1 tels que (x, 0) W et V = V1 . Nous obtenons ainsi U, V qui sont des voisinages ouverts de x0 et y0 respectivement, et une application g : U V epond a ` la question. De plus g (x) = hx (x, 0) est la d eriv ee de classe C k qui r partielle en x de la composante h dans H (x, 0) = F (H (x, 0))1 = F (x, g (x))1 , cest-` a-dire g (x) = fy (x, g (x))1 fx (x, g (x)). Dun point de vue num erique, le calcul de y = g (x) au ethode de Newton-Raphson apvoisinage de x0 pourra se faire en utilisant la m pliqu ee ` a la fonction y f (x, y ), cest-` a-dire en calculant les it er es successifs ` partir de la valeur approch ee y0 . yp+1 = yp fy (x, yp )1 (f (x, yp )) a Nous abordons maintenant des enonc es plus g eom etriques.

Remarque 2

IV M ethodes it eratives pour la r esolution d equations

117

D enition Soit un ouvert de Rm et f : Rp une application de classe C k ,


k 1. On dit que (1) f est une immersion en un point x0 si f (x0 ) L(Rm , Rp ) est injective (ce qui implique m p) ; (2) f est une submersion en un point x0 si f (x0 ) L(Rm , Rp ) est surjective (ce qui implique m p) ; (3) f est de rang constant si le rang de f (x) pour x est un entier r constant (ce qui implique r min(m, p)). La structure locale de telles applications est d ecrite respectivement par les trois th eor` emes suivants.

Th eor` eme des immersions Si f est une immersion en un point x0 , il

existe un voisinage U de x0 dans Rm , un voisinage V de y0 = f (x0 ) dans Rp et un C k -di eomorphisme : V U T de V sur un voisinage U T de (x0 , 0) dans Rp = Rm Rpm tel que f (x) = (x, 0) sur U . Autrement dit, au di eomorphisme pr` es dans lespace darriv ee, f = f sidentie a ` linjection triviale x (x, 0) au voisinage de x0 .

Th eor` eme des submersions Si f est une submersion en un point x0 ,

il existe un voisinage U de x0 dans Rm , un voisinage V de y0 = f (x0 ) dans Rp et eomorphisme : U V S de U sur un voisinage V S de (y0 , 0) dans un C k -di Rm = Rp Rmp tel que f 1 (y, s) = y sur V S . Autrement dit, au di eomorphisme pr` es dans lespace de d epart, f = f 1 sidentie a ` la projection triviale (y, s) y au voisinage de (y0 , 0). existe un voisinage U de x0 dans Rm , un voisinage V de y0 = f (x0 ) dans Rp , eomorphisme : U Q S de U sur un voisinage Q S de 0 dans un C k -di eomorphisme : V Q T de V sur un voisinage Rm = Rr Rmr , et un C k -di Q T de 0 dans Rp = Rp Rpr , tels que f 1 (x) = (x1 , . . . , xr , 0, . . . , 0) Rp sur Q S.

Th eor` eme du rang Si f est de rang constant r sur et si x0 , il

Autrement dit, aux di eomorphismes , pr` es a ` la fois au d epart et ` a larriv ee, ` lapplication lin eaire canonique de rang r f = f 1 sidentie a () (x1 , . . . , xr , xr+1 , . . . , xm ) Rm (x1 , . . . , xr , 0, . . . , 0) Rp

au voisinage de 0, et on a le diagramme commutatif U


f

Q S Q T
f

o` u f est lapplication lin eaire ().

118

Analyse num erique et equations diff erentielles

D emonstration du th eor` eme des immersions. Choisissons des vecteurs ecomposition lin eairement ind ependants (a1 , . . . apm ) de Rp de sorte quon ait une d en somme directe Ra i . Rp = Im f (x0 )
1ipm

Cest possible puisque dim Im f (x0 ) = m dapr` es linjectivit e de f (x0 ). Nous d enissons : R p m R p , (x, t) = f (x) +
1ipm

ti a i .

Comme (x, t)/ti = ai , il est clair que Im (x0 , 0) contient a ` la fois Im f (x0 ) et les ai , donc (x0 , 0) est surjective. Mais comme est une application de ne que (x0 , 0) est inversible. Par cons equent d enit Rp dans Rp , ceci entra eomorphisme dun voisinage U T de (x0 , 0) sur un voisinage V de un C k -di y0 = f (x0 ). Nous avons (x, 0) = f (x) par d enition de , donc = 1 r epond a la question. ` D emonstration du th eor` eme des submersions. Soit (a1 , . . . , am ) une base de Rm choisie de telle sorte que (ap+1 , . . . , am ) soit une base de Ker f (x0 ). Nous d enissons : Rp Rm p , (x) = (f (x), sp+1 , . . . , sm )

esignent les coordonn ees de x dans la base (ai ), cest-` a-dire o` u (s1 , . . . , sm ) d x = si ai . Le noyau Ker (x0 ) est lintersection du noyau Ker f (x0 ) avec le e par (a1 , . . . , ap ), et comme ces espaces sous-espace sp+1 = . . . = sm = 0 engendr sont suppl ementaires on a Ker (x0 ) = {0}. Ceci montre que (x0 ) est injective, eomorphisme dun voisinage U et donc bijective. Par cons equent est un C k -di ` r etr ecir ces voisinages, de x0 sur un voisinage V S de (y0 , 0) = (f (x0 ), 0) (quitte a on peut toujours supposer que le voisinage darriv ee est un produit). On voit alors que f = o` u est la projection sur les p-premi` eres coordonn ees, de sorte que eor` eme est d emontr e. f 1 = : (y, sp+1 , . . . , sm ) y . Le th D emonstration du th eor` eme du rang. On construit des di eomorphismes i entre ouverts de Rm et i entre ouverts de Rp de fa con ` a simplier progressivement f : f U V 1 1 U1 V1 2 2 U2 V2 . Le premier niveau (1 , 1 ) consiste simplement en des changements anes de coordonn ees : on choisit respectivement x0 et y0 = f (x0 ) comme nouvelles origines
f2 f1

IV M ethodes it eratives pour la r esolution d equations

119

dans Rm et Rp , ainsi que de nouvelles bases (a1 , . . . , am ) et (b1 , . . . , bp ) de sorte que (ar+1 , . . . , am ) soit une base du noyau de Ker f (x0 ) et bj = f (x0 )(aj ), 1 j r. Dans ces nouveaux rep` eres, la matrice de f (x0 ) devient par construction la matrice de rang r 1 ... 0 0 ... 0 . . . .. . . . . . . . . . . ... 0 ... 1 . 0 ... 0 0 ... . . . . . . . . . . . . 0 ... 0 ... 0
1 Ceci est pr ecis ement la matrice de la d eriv ee f1 (0) de f1 = 1 f a lorigine. 1 ` p r eres coordonn ees, En particulier, si : R R est la projection sur les r-premi` es le th eor` eme des alors f1 est une submersion de Rm dans Rr en 0, et dapr` eomorphisme 2 de Rm ` a lorigine tel que submersions on peut trouver un C k -di 1 f1 2 (x1 , . . . , xm ) = (x1 , . . . , xr )

pr` es de 0. Par cons equent nous avons une ecriture


1 f1 2 (x1 , . . . , xm ) = (x1 , . . . , xr , hr+1 (x), . . . , hp (x)) 1 1 1 au voisinage de 0. Or, par hypoth` ese, f1 2 = 1 f 1 2 est une application de rang constant r, et la matrice de son application lin eaire tangente 1 ... 0 0 ... 0 . . . . . . .. . . . . . . . 0 ... 1 ... 0 ... hr+1 /xr+1 . . . hr+1 /xm . . . . . . . . . . . .

0 ...

hp /xr+1

...

hp /xm

ne peut etre de rang r que si hi /xj = 0 pour i, j > r, ce qui signie que hr+1 , . . . , hp sont en fait des fonctions des seules variables x1 , . . . , xr . On a donc une application de rang constant r (x1 , . . . , xr ) (x1 , . . . , xr , hr+1 (x1 , . . . , xr ), . . . , hp (x1 , . . . , xr )) au voisinage de 0. En dautres termes, cest une immersion de Rr dans Rp en 0, et eomorphisme 2 de Rp en 0 dapr` es le th eor` eme des immersions il existe un C k -di tel que 2 (x1 , . . . , xr , hr+1 (x1 , . . . , xr ), . . . , hp (x1 , . . . , xr )) = (x1 , . . . , xr , 0, . . . , 0) pr` es de 0. Il sensuit que
1 2 f1 2 (x1 , . . . , xm ) = (x1 , . . . , xr , 0, . . . , 0)

au voisinage de 0. Lexistence de petits voisinages U2 = Q S et V2 = Q T est alors imm ediate, et le th eor` eme du rang constant est d emontr e avec = 2 1 , = 2 1 , U = 1 (U2 ), V = 1 (V2 ).

120

Analyse num erique et equations diff erentielles


5.1. Soit (E, d) un espace m etrique et : E E une application continue telle que lit er ee m = . . . soit contractante, avec constante de Lipschitz k ]0, 1[ et m N . erier que la formule (a) On convient de noter 0 = IdE . V d (x, y ) =
0im1

max

k i/m d(i (x), i (y ))

d enit une distance sur E , topologiquement equivalente a ` la distance d (cestemes). Montrer que (E, d ) est a-dire que les ouverts pour d et d sont les m ` complet d` es que (E, d) est complet. eduire que (b) Montrer que est lipschitzienne de rapport k 1/m pour d . En d admet un point xe unique a, et que, pour tout point initial x0 E , il existe une erie d(xp , a) C kp/m . constante C telle que la suite des it er es xp = (xp1 ) v 5.2. On consid` ere la fonction f telle que f (x) = x ln (x), x [1, +[.

On se propose d etudier des algorithmes it eratifs permettant de calculer limage r eciproque f 1 (a) pour un r eel a [0, +[ x e quelconque. (a) Montrer que f est une bijection de [1, +[ sur [0, +[. (b) On pose (x) =
a ln (x) .

Pour a = e, calculer explicitement f 1 (a).

Pour quelles valeurs de a = e le proc ed e it eratif xp+1 = (xp ) converge-t-il lorsque la valeur initiale x0 est choisie assez voisine de f 1 (a) ? eratif fourni par la m ethode de Newton pour (c) Soit xp+1 = (xp ) lalgorithme it la r esolution de l equation x ln (x) a = 0. () Etudier les variations de la fonction et tracer sommairement la courbe repr esentative de . ( ) Etudier la convergence de la suite (xp ) pour a [0, +[ et x0 [1, +[ quelconques. ed e ` a laide dune calculette. On donnera les ( ) Evaluer f 1 (2) par ce proc approximations successives obtenues. 5.3. On consid` ere la fonction f (x) = exp(exp( cos(sin(x + ex )))) + x3 . On donne f (0, 1) 1, 737 ; f (0, 2) 1, 789 a ` 103 pr` es. Ecrire un programme permettant de r esoudre l equation f (x) = 7/4 ` a la pr ecision = 1010 , ceci au

IV M ethodes it eratives pour la r esolution d equations

121

moyen dune m ethode it erative adapt ee (qui permet d eviter des calculs formels trop compliqu es). La justication de la convergence nest pas demand ee. 5.4. On se propose d etudier le comportement des it er es dune fonction au voisinage dun point xe, dans le cas critique o` u la d eriv ee vaut 1 en ce point. Soit : R+ R+ une fonction de classe C 1 . On suppose que (0) = 0, (0) = 1, et que admet un d eveloppement limit e (x) = x axk + xk (x) avec a > 0, k > 1,
x0+

lim (x) = 0.

er ee (a) Montrer quil existe h > 0 tel que pour tout x0 ]0, h] la suite it xp+1 = (xp ) converge vers 0. (b) On pose up = xm u m R. D eterminer un equivalent de up+1 up en fonction p o` de xp . (c) Montrer quil existe une valeur de m pour laquelle up+1 up poss` ede une limite nie non nulle. En d eduire un equivalent de xp . (d) Pour (x) = sin x et x0 = 1, estimer le nombre dit erations n ecessaires pour atteindre xp < 105 . 5.5. Dans tout ce probl` eme, on travaille sur un intervalle [a, b] x e. (a) Soit g : [a, b] R une fonction de classe C 2 telle que g (a) = g (b) = 0, g (x) > 0 pour tout x dans ]a, b[. D emontrer que g (x) ne sannule en aucun x de ]a, b[, puis que g (x) < 0 pour tout x dans ]a, b[. [Raisonner par labsurde et utiliser le th eor` eme de Rolle.] (b) Soit f : [a, b] R une fonction de classe C 2 telle que f (a) < 0, f (b) > 0, f (x) > 0 et f (x) > 0 pour tout x dans ]a, b[. D emontrer () quil existe c (unique) dans ]a, b[ tel que f (c) = 0 ; ( ) quil existe m1 et m2 tels que 0 < m1 f (x), 0 < f (x) m2 pour tout x dans [a, b[.

(c) On conserve d esormais les hypoth` eses de la question (b), et on se propose de calculer c. Soit p le polyn ome de degr e 1 tel que p(a) = f (a), p(b) = f (b), et soit c1 dans ]a, b[ tel que p(c1 ) = 0. ` g (x) = f (x) p(x)]. () D emontrer que a < c1 < c [appliquer la question (a) a

122 ( ) Etablir la majoration

Analyse num erique et equations diff erentielles

|f (c1 )|

1 m2 |(c1 a)(c1 b)|. 2

(d) Soit (cn ), n 0, la suite r ecurrente d enie de la fa con suivante : on pose c0 = a ; etant d ej` a d enie) on note pn lunique polyn ome pour tout n 0 (et cn enit cn+1 par de degr e 1 tel que pn (cn ) = f (cn ), pn (b) = f (b) ; et on d pn (cn+1 ) = 0. () Mettre explicitement cette r ecurrence sous la forme cn+1 = (cn ). ( ) D emontrer que (cn ) est une suite strictement croissante contenue dans lintervalle [a, c]. ( ) D emontrer que la suite (cn ) converge vers c, et que, pour tout n 0, on a |cn c| f (cn ) . m1

(e) Programmation dun exemple. On pose f (x) = x4 + x 1. D emontrer que l equation f (x) = 0 admet une racine c et une seule dans lintervalle [0, 1]. Ecrire un programme permettant de calculer c ` a 108 pr` es. enie par 5.6. On consid` ere lapplication : R2 R2 d x y X Y 3 5 X = x + y + 2 4 1 Y = x + y2 + 3 2 4

(a) D eterminer les points xes de . (b) Ces points xes sont-ils attractifs ? (c) Soit B le point xe non attractif de . Montrer que admet une application r eciproque : V W de classe C , o` u V, W sont des voisinages de B . Le point B est-il attractif pour ? 5.7. On cherche ` a r esoudre num eriquement le syst` eme d equations (S) y ln y x ln x = 3 x4 + xy + y 3 = a

o` u x, y > 0 et o` u a est un param` etre r eel. (a) Etudier sommairement les variations de la fonction x x ln x et montrer que pour a 31 le syst` eme (S) na pas de solution (x, y ) telle que x < 1. Montrer

IV M ethodes it eratives pour la r esolution d equations

123

que pour x 1 la solution y de la premi` ere equation est fonction croissante de x et en d eduire que le syst` eme (S) admet une solution (x, y ) unique pour a 31. (b) Montrer que la solution (x, y ) est telle que y =x+ 3 1 + ln c ` u c ]x, y [.

En d eduire un equivalent de x et y en fonction de a quand a tend vers +. Pouvez-vous raner cet equivalent et donner un d eveloppement plus pr ecis ? (c) Ecrire lalgorithme permettant de r esoudre le syst` eme (S) au moyen de la m ethode de Newton. On prendra a = 104 . 5.8. Soit A une alg` ebre unitaire norm ee de dimension nie sur R, par exemple lalg` ebre des matrices carr ees m m. Soit u A un el ement inversible. (a) Montrer quil existe des r eels , tels que lapplication (x) = x + xux admette x = u1 comme point xe superattractif. (b) Pour les valeurs de , trouv ees au (a), montrer que lon a lin egalit e ||| (x)||| 2 u x u1 . En d eduire que la suite it er ee xp+1 = (xp ) converge es que x0 B (u1 , r) avec r < 2 1 vers u1 d` u . (c) On suppose u = e v avec e = el ement unit e de A et = v < 1. Montrer que u est inversible et que u1 =
+

v k . D eterminer un entier n N tel que


k=0

lalgorithme du (b) converge pour x0 = e + v + . . . + v n . (d) On suppose ici que A est commutative (exemple : A = R ou A = C). Chercher un algorithme permettant de d eterminer une racine carr ee de u (sil en existe), en utilisant uniquement additions et multiplications (Indication : consid erer (x) = x + ux3 ). Si A = R, comment peut-on choisir x0 pour etre assur e dobtenir la convergence ? u est un ouvert de Rm Rp . 5.9 . On suppose f : Rp de classe C k , k 2, o` Soit (x0 , y0 ) un point tel que f (x0 , y0 ) = 0 et = fy (x0 , y0 ) inversible. Donner des estimations pr ecises de la taille des voisinages U , V intervenant dans le th eor` eme eriv ees des fonctions implicites en fonction de ||| |||, ||| 1 ||| et de bornes sur les d premi` eres et secondes de f sur un voisinage B (x0 , r0 ) B (y0 , r0 ) .


Le but de ce chapitre est de d emontrer les th eor` emes g en eraux dexistence et dunicit e des solutions pour les equations di erentielles ordinaires. Il sagit du chapitre central de la th eorie, de ce fait n ecessairement assez abstrait. Sa bonne compr ehension est indispensable en vue de la lecture des chapitres ult erieurs.

Soit U un ouvert de R Rm et f : U Rm une application continue. On consid` ere l equation di erentielle (E) y = f (t, y ), (t, y ) U, t R, y Rm .

D enition Une solution de (E) sur un intervalle I R est une fonction


d erivable y : I Rm telle que (t I ) (t I ) (t, y (t)) U y (t) = f (t, y (t)). (ii) (i)

equation (E) est donc en fait une fonction. Le qualicatif L inconnue de l ordinaire pour l equation di erentielle (E) signie que la fonction inconnue y eriv ees d epend dune seule variable t (lorsquil y a plusieurs variables ti et plusieurs d equations aux d eriv ees partielles). y/ti , on parle d

126

Analyse num erique et equations diff erentielles

les fonctions a ` valeurs dans Rm en Ecriture en coordonn ees Ecrivons


termes de leurs fonctions composantes, cest-` a-dire y = (y1 , . . . , ym ), f = (f1 , . . . , fm ).

L equation (E) appara t comme un syst` eme di erentiel du premier ordre a ` m fonctions inconnues y1 , . . . , ym : y1 (t) = f1 (t, y1 (t), . . . , ym (t)) (E) ... ym (t) = fm (t, y1 (t), . . . , ym (t)).

donn e un point (t0 , y0 ) U , le probl` Probl` eme de Cauchy Etant eme de Cauchy consiste ` a trouver une solution y : I Rm de (E) sur un intervalle I erieur, telle que y (t0 ) = y0 . contenant t0 dans son int

Dans de nombreuses situations concr` etes, la etres variable t repr esente le temps et y = (y1 , . . . , ym ) est une famille de param` d ecrivant l etat dun syst` eme mat eriel donn e. L equation (E) traduit physiquement la loi d evolution du syst` eme consid er e en fonction du temps et de la valeur des param` etres. R esoudre le probl` eme de Cauchy revient ` a pr evoir l evolution du eme est d ecrit par les syst` eme au cours du temps, sachant quen t = t0 le syst` ees initiales du param` etres y0 = (y0,1 , . . . , y0,m ). On dit que (t0 , y0 ) sont les donn probl` eme de Cauchy.

Interpr etation physique

(m = 1)

Si on note x = t, l equation (E) se r ecrit (E) y = dy = f (x, y ), dx (x, y ) U R R.

y U y (x) y0

x0

V Equations diff erentielles. R esultats fondamentaux

127 courbe int egrale de (E)

R esoudre le probl` eme de Cauchy revient ` a trouver une passant par un point donn e (x0 , y0 ) U .

Champ des tangentes A tout point M = (x0 , y0 ), on associe la droite DM


passant par M et de coecient directeur f (x0 , y0 ) : DM : y y0 = f (x0 , y0 )(x x0 ) ee champ des tangentes associ e` a l equation (E). Lapplication M DM est appel Une courbe int egrale de (E) est une courbe di erentiable C qui a pour tangente en chaque point M C la droite DM du champ des tangentes. Lexemple ci-dessous correspond a ` l equation y = f (x, y ) = x y 2 . y 1 M DM

Lignes isoclines de (E) Par d enition, ce sont les courbes


p : f (x, y ) = p ee p. correspondant a ` lensemble des points M o` u la droite DM a une pente donn La courbe 0 joue un r ole int eressant. On a en eet un r egionnement de U : u U = U+ U 0 o` U+ = {M U ; f (M ) > 0}, U = {M U ; f (M ) < 0}.

Les courbes int egrales sont croissantes dans U+ , d ecroissantes dans U , stationnaires (souvent extr emales) sur 0 .

Exemple Les lignes isoclines de l equation y = f (x, y ) = x y 2 sont les


paraboles x = y 2 + p.

128

Analyse num erique et equations diff erentielles

3/2 1

0 U+


Nous introduisons dabord le concept de prolongement dune solution. Lexpression solution maximale est alors entendue implicitement au sens de la relation dordre fournie par le prolongement des solutions.

D enition 1 Soient y : I Rm , y : I Rm des solutions de (E). On dit que


y est un prolongement de y si I I et y |I = y . pas de prolongement y : I Rm avec I

D enition 2 On dit quune solution y : I Rm est maximale si y nadmet


I.

Th eor` eme Toute solution y se prolonge en une solution maximale y (pas


n ecessairement unique). D emonstration.* Supposons que y soit d enie sur un intervalle I = |a, b| (cette notation d esigne un intervalle ayant pour bornes a et b, incluses ou non dans I ). Il sura de montrer que y se prolonge en une solution y : |a, b| Rm (b b) maximale ` a droite, cest-` a-dire quon ne pourra plus prolonger y au del` a de b. Le m eme raisonnement sappliquera a ` gauche. Pour cela, on construit par r ecurrence des prolongements successifs y(1) , y(2) . . . de y ej` a construite avec y(k) : |a, bk [ Rm . On pose y(1) = y , b1 = b. Supposons y(k1) d

V Equations diff erentielles. R esultats fondamentaux

129

pour un indice k 1. On pose alors ck = sup{c ; y(k1) se prolonge sur |a, c[ }. enition de la borne sup erieure, il existe bk tel que On a ck bk1 . Par d bk1 bk ck et un prolongement y(k) : |a, bk [ Rm de y(k1) avec bk arbitrairement voisin de ck ; en particulier, on peut choisir ck b k < bk > k
1 k

si si

ck < +, ck = +.

ecroissante, car lensemble des prolongements de y(k1) contient La suite (ck ) est d lensemble des prolongements de y(k) ; au niveau des bornes sup erieures on a donc a partir dun certain rang, les suites ck ck+1 . Si ck < + ` b 1 b 2 . . . b k . . . ck ck 1 . . . c 1 sont adjacentes, tandis que si ck = + quel que soit k on a bk > k. Dans les deux cas, on voit que b = lim bk = lim ck .
k + k +

eventuellement Soit y : |a, b| Rm le prolongement commun des solutions y(k) , m prolong e au point b si cela est possible. Soit z : |a, c| R un prolongement de y . enition de ck il sensuit c ck . A la limite il vient Alors z prolonge y(k1) et par d c c, ce qui montre que la solution y est maximale ` a droite.

On suppose ici que louvert U est de la forme U = J o` u J est un intervalle de R et un ouvert de Rm .

D enition Une solution globale est une solution d enie sur lintervalle J tout
entier. y U y(1) y(2)

Attention : toute solution globale est maximale, mais la r eciproque est fausse.

130

Analyse num erique et equations diff erentielles

Sur le sch ema ci-dessus par exemple, y(1) est globale tandis que y(2) est maximale mais non globale. Donnons un exemple explicite de cette situation.

Exemple (E) y = y 2 sur U = R R.


Cherchons les solutions t y (t) de (E). On a dune part la solution y (t) = 0. Si y ne sannule pas, (E) s ecrit
y y2

= 1, do` u par int egration y (t) = 1 . t+C

1 = t + C, y (t)

Cette formule d enit en fait deux solutions, d enies respectivement sur ] , C [ et sur ] C, +[ ; ces solutions sont maximales mais non globales. Dans cet exemple y (t) = 0 est la seule solution globale de (E).

Rappelons quune fonction de plusieurs variables est dite de classe C k si elle admet des d eriv ees partielles continues jusqu` a lordre k .

Th eor` eme Si f : R Rm U Rm est de classe C k , toute solution de (E)


y = f (t, y ) est de classe C k+1 . D emonstration. On raisonne par r ecurrence sur k . k = 0 : f continue. Par hypoth` ese y : I Rm est d erivable, donc continue. Par cons equent y (t) = f (t, y (t)) est continue, donc y est de classe C 1 . Si le r esultat est vrai a ` lordre k 1, alors y est au moins de classe C k . Comme k ee de fonctions f est de classe C , il sensuit que y est de classe C k comme compos de classe C k , donc y est de classe C k+1 .

Calcul des d eriv ees successives dune solution y On suppose pour


simplier m = 1. En d erivant la relation y (x) = f (x, y (x)) il vient y (x) = fx (x, y (x)) + fy (x, y (x))y (x), y = fx (x, y ) + f (x, y )f (x, y ) = f [1] (x, y ) avec f [1] = fx + fy f . Notons de mani` ere g en erale lexpression de la d eriv ee k -i` eme (k ) y en fonction de x, y sous la forme y (k) = f [k1] (x, y ) ;

V Equations diff erentielles. R esultats fondamentaux

131

erivant une nouvelle fois, on dapr` es ce qui pr ec` ede f [0] = f , f [1] = fx + fy f . En d trouve y (k+1) = (f [k1] )x (x, y ) + (f [k1] )y (x, y ) y = (f [k1] )x (x, y ) + (f [k1] )y (x, y ) f (x, y ). On obtient donc les relations de r ecurrence y (k+1) = f [k] (x, y ) f [k] = (f [k1] )x + (f [k1] )y f, avec f [0] = f.

En particulier, le lieu des points dinexion des courbes int egrales est contenu dans la courbe f [1] (x, y ) = 0.

Dans tout ce paragraphe, on consid` ere une equation di erentielle (E) y = f (t, y )

o` u f : U Rm est continue et U est un ouvert de R Rm .

Le lemme tr` es simple ci-dessous montre que la r esolution de (E) est equivalente a ` la r esolution dune equation int egrale :

Lemme Une fonction y : I Rm est une solution du probl` eme de Cauchy de


donn ees initiales (t0 , y0 ) si et seulement si (i) y est continue et (t I ) (t, y (t)) U ,
t

(ii) (t I )

y (t) = y0 +
t0

f (u, y (u))du.

En eet si y v erie (i) et (ii) alors y est di erentiable et on a y (t0 ) = y0 , eduit y (t) = f (t, y (t)). Inversement, si ces deux relations sont satisfaites, (ii) sen d par int egration.

Pour r esoudre l equation di erentielle (E), on va plut ot chercher ` a construire des solutions de l equation int egrale 2.1 (ii), et en premier lieu, on va montrer quune eloigner trop vite de y0 . solution passant par un point (t0 , y0 ) U ne peut s

132

Analyse num erique et equations diff erentielles

On note une norme quelconque sur Rm et B (x, r) (resp. B (x, r)) la boule e ouverte (resp. ferm ee) de centre x et de rayon r dans Rm . Comme U est suppos ouvert, il existe un cylindre C0 = [t0 T0 , t0 + T0 ] B (y0 , r0 ) de longueur 2T0 et de rayon r0 assez petit, tel que C0 U . Lensemble C0 est ferm e ne que f est born ee sur C0 , cest-` a-dire born e dans Rm+1 , donc compact. Ceci entra M= sup
(t,y )C0

f (t, y ) < +.

Soit C = [t0 T, t0 + T ] B (y0 , r0 ) C0 un cylindre de m eme diam` etre que C0 et de demi-longueur T T0 .

D enition On dit que C est un cylindre de s ecurit e pour l equation (E) si toute
eme de Cauchy y (t0 ) = y0 avec I [t0 T, t0 + T ] solution y : I Rm du probl` reste contenue dans B (y0 , r0 ). Rm

C y0 C0 y (t) U

r0

t 0 T0

t0 2T 2T0

t 0 + T0

Sur le sch ema ci-dessus, C est un cylindre de s ecurit e mais C0 nen est pas un : la solution echappe de C0 avant le temps t0 + T0 . y s Supposons que la solution y s echappe de C sur lintervalle [t0 , t0 + T ]. Soit le premier instant o` u cela se produit : = inf {t [t0 , t0 + T ] ; y (t) y0 > r0 }.

V Equations diff erentielles. R esultats fondamentaux

133

e de y Par d enition de on a y (t) y0 r pour t [t0 , [, donc par continuit on obtient y ( ) y0 = r0 . Comme (t, y (t)) C C0 pour t [t0 , ], il vient y (t) = f (t, y (t)) M et

r0 = y ( ) y0 =
t0

y (u)du M ( t0 )

equent si T r0 /M , aucune solution ne peut donc t0 r0 /M . Par cons s echapper de C sur [t0 T, t0 + T ].

Corollaire Pour que C soit un cylindre de s ecurit e, il sut de prendre


T min T0 ,
r0 Le choix T = min T0 , M

r0 . M

convient par exemple.

Remarque Si C C0 est un cylindre de s ecurit e, toute solution du probl` eme


erie y (t) M , donc y est lipschitzienne de Cauchy y : [t0 T, t0 + T ] Rm v de rapport M .

On cherche ` a construire une solution approch ee de (E) sur un intervalle [t0 , t0 + T ]. On se donne pour cela une subdivision t0 < t1 < t2 . . . < tN 1 < tN = t0 + T. Les pas successifs sont not es hn = tn+1 tn , et on pose hmax = max(h0 , . . . , hN 1 ). La m ethode dEuler (ou m ethode de la tangente) consiste ` a construire une solution approch ee y ane par morceaux comme suit. Soit yn = y (tn ). On confond la courbe int egrale sur [tn , tn+1 ] avec sa tangente au point (tn , yn ) : y (t) = yn + (t tn )f (tn , yn ), t [tn , tn+1 ]. 0 n N 1,

Partant de la donn ee initiale y0 , on calcule donc yn par r ecurrence en posant yn+1 = yn + hn f (tn , yn ) tn+1 = tn + hn , 0 n N 1.

La solution approch ee y sobtient graphiquement en tra cant pour chaque n les segments joignant les points (tn , yn ), (tn+1 , yn+1 ).

134

Analyse num erique et equations diff erentielles

y y3 y2

y1 y0

t0

t1

t2

t3 . . . tN = t0 + T t

On construit de m eme une solution approch ee sur [t0 T, t0 ] en prenant des pas hn < 0.
r0 , toute solution approch ee y donn ee par la m ethode dEuler tel que T min T0 , M est contenue dans la boule B (y0 , r0 ).

Proposition 1 Si C = [t0 T, t0 + T ] B (y0 , r0 ) est un cylindre de s ecurit e

D emonstration. On v erie par r ecurrence sur n que y ([t0 , tn ]) B (y0 , r0 ) y (t) y0 M (t t0 ) pour t [t0 , tn ].

Cest trivial pour n = 0. Si cest vrai pour n, alors on a en particulier (tn , yn ) C , equent donc f (tn , yn ) M , et par cons y (t) yn = (t tn ) f (tn , yn ) M (t tn ) ese de r ecurrence pour t [tn , tn+1 ]. Par hypoth` yn y0 = y (tn ) y0 M (tn t0 ). Lin egalit e triangulaire entra ne alors t [tn , tn+1 ] : y (t) y0 M (t tn ) + M (tn t0 ) M (t t0 ). u En particulier y (t) y0 M T r0 , do` y ([t0 , tn+1 ]) B (y0 , r0 ).

D enition Soit y : [a, b] Rm une fonction de classe C 1 par morceaux (ceci


signie quil existe une subdivision a = a0 < a1 < . . . < aN = b de [a, b] telle que pour tout n la restriction y[an ,an+1 ] soit de classe C 1 ; on suppose donc seulement la continuit e et lexistence dune d eriv ee ` a droite et ` a gauche de y aux points an ). On dit que y est une solution -approch ee de (E) si (i) (t [a, b]) (t, y (t)) U ; y (t) f (t, y (t)) . (ii) (n), (t ]an , an+1 [)

V Equations diff erentielles. R esultats fondamentaux

135

Autrement dit, y est une solution -approch ee si y v erie (E) avec une erreur .

Majoration de lerreur pour les solutions approch ees dEuler Soit


e de f sur C , d eni par f le module de continuit f (u) = max{ f (t1 , y1 ) f (t2 , y2 ) ; |t1 t2 | + y1 y2 u} o` u u [0, +[ et o` u les points (t1 , y1 ), (t2 , y2 ) parcourent C . Comme C est compact, la fonction f est uniform ement continue sur C , par cons equent
u0+

lim f (u) = 0.

On suppose dans la suite que C = [t0 T, t0 + T ] B (y0 , r0 ) est un cylindre de r0 s ecurit e tel que T min T0 , M . Soit y : [t0 T, t0 + T ] Rm une solution approch ee erie construite par la m ethode dEuler avec pas maximum hmax . Alors lerreur v f ((M + 1)hmax ).

Proposition 2

En particulier, lerreur tend vers 0 quand hmax tend vers 0. D emonstration. Majorons par exemple y (t) f (t, y (t)) pour t [t0 , t0 + T ], o` u y est la solution approch ee associ ee ` a la subdivision t0 < t1 < . . . < tN = t0 + T . Pour t ]tn , tn+1 [, on a y (t) = f (tn , yn ) et y (t) yn = (t tn ) f (tn , yn ) M hn , |t tn | hn . Par d enition de f , il vient f (tn , yn ) f (t, y (t)) f (M hn + hn ), y (t) f (t, y (t)) f ((M + 1)hmax . Montrons nalement un r esultat sur la convergence des solutions approch ees. Soit y(p) : [t0 T, t0 + T ] Rm une suite de solutions ees contenues dans le cylindre de s ecurit e C , telles que y(p) (t0 ) = y0 et p -approch ement sur [t0 T, t0 + T ] limp+ p = 0. On suppose que y(p) converge uniform vers une fonction y . Alors y est une solution exacte du probl` eme de Cauchy pour l equation (E).

Proposition 3

es int egration D emonstration. Comme y(p) (t) f (t, y(p) (t) p , il vient apr`
t

y(p) (t) y0

t0

f (u, y(p) (u))du p |t t0 |.

136 Si p = max

Analyse num erique et equations diff erentielles

[t0 T,t0 +T ]

y y(p) , on voit que f (u, y(p) (u)) f (u, y (u)) f (p )

tend vers 0, do` u, gr ace ` a la convergence uniforme :


t

y (t) y0
t0

f (u, y (u))du = 0,

t [t0 T, t0 + T ].

Comme la limite uniforme y est continue, le lemme du d ebut du 2 entra ne que y est une solution exacte de (E).

Il sagit dun r esultat pr eliminaire de nature topologique que nous allons formuler dans le cadre g en eral des espaces m etriques. Si (E, ) et (F, ) sont des espaces m etriques, rappelons que par d enition une suite dapplications (p) : E F converge uniform ement vers : E F si la distance uniforme d((p) , ) = sup ((p) (x), (x))
x E

tend vers 0 quand p tend vers +.

Th eor` eme (Ascoli) On suppose que E, F sont des espaces m etriques compacts. u k 0 est une Soit (p) : E F une suite dapplications k -lipschitziennes, o` ement constante donn ee. Alors on peut extraire de (p) une sous-suite (pn ) uniform convergente, et la limite est une application k -lipschitzienne.
Soit Lipk (E, F ) lensemble des applications E F lipschitziennes de rapport k . Une autre mani` ere dexprimer le th eor` eme dAscoli est la suivante.

Corollaire Si E, F sont compacts, alors (Lipk (E, F ), d) est un espace m etrique


compact. D emonstration. On construit par r ecurrence des parties innies S0 = N S1 . . . Sn1 Sn . . . telles que la sous-suite ((p) )pSn ait des oscillations de plus en plus faibles. Supposons Sn1 construite, n 1. Comme E , F sont compacts, il existe des recouvrements nis de E (resp. de F ) par des boules ouvertes (Bi )iI , resp. (Bj )j J , 1 de rayon n . Notons I = {1, 2, . . . , N } et xi le centre de Bi . Soit p un indice x e. Pour tout i = 1, . . . , N il existe un indice j = j (p, i) tel que (p) (xi ) Bj (p,i) . On consid` ere lapplication Sn1 J N , p (j (p, 1), . . . , j (p, N )).

V Equations diff erentielles. R esultats fondamentaux

137

el ements (l1 , . . . , lN ) J N Comme Sn1 est inni et que J N est ni, lun des admet pour image r eciproque une partie innie de Sn1 : on note Sn cette partie. Ceci signie que pour tout p Sn on a (j (p, 1), . . . , j (p, N )) = (l1 , . . . , lN ) et donc (p) (xi ) Bli . En particulier (p, q Sn ) ((p) (xi ), (q) (xi )) diam Bli 2 . n
1 n.

Soit x E un point quelconque. Il existe i I tel que x Bi , do` u (x, xi ) < ne Lhypoth` ese que les (p) sont k -lipschitziennes entra ((p) (x), (p) (xi )) < k , n ((q) (x), (q) (xi )) < k . n

Lin egalit e triangulaire implique alors (p, q Sn ) ((p) (x), (q) (x)) k 2k + 2 2 +2 = . n n n

D esignons par pn le n-i` eme el ement de Sn . Pour N n on a pN SN Sn , donc ((pn ) (x), (pN ) (x)) 2k + 2 . n ()

Ceci entra ne que (pn ) (x) est une suite de Cauchy dans F pour tout x E . Comme F est compact, F est aussi complet, donc (pn ) (x) converge vers une limite (x). +2 . On voit donc que Quand N +, () implique a ` la limite d((pn ) , ) 2kn ement vers . Il est facile de voir que Lipk (E, F ). (pn ) converge uniform

Exercice On pose E = [0, ], F = [1, 1], p (x) = cos px. Calculer


0

(p (x) q (x))2 dx

et en d eduire que d(p , q ) 1 si p = q . Lespace Lip (E, F ) = est-il compact ?


k 0

Lipk (E, F )

Lid ee est dutiliser le th eor` eme dAscoli pour montrer lexistence dune sous-suite uniform ement convergente de solutions approch ees. On obtient ainsi le un cylindre de s ecurit e pour l equation (E) : y = f (t, y ). Alors il existe une solution y : [t0 T, t0 + T ] B (y0 , r0 ) de (E) avec condition initiale y (t0 ) = y0 .
r0 Th eor` eme Soit C = [t0 T, t0 + T ] B (y0 , r0 ) avec T min T0 , M

138

Analyse num erique et equations diff erentielles

D emonstration. Soit y(p) la solution approch ee donn ee par la m ethode dEuler en utilisant la subdivision avec pas constant h = T /p des intervalles [t0 , t0 + T ] et ee avec erreur p f ((M +1) T /p) tendant [t0 T, t0 ]. Cette solution est p -approch vers 0. Chaque application y(p) : [t0 T, t0 + T ] B (y0 , r0 ) est lipschitzienne de rapport M , donc dapr` es le th eor` eme dAscoli on peut extraire de (y(p) ) une sousement vers une limite y . Dapr` es la proposition 3 suite (y(pn ) ) convergeant uniform du 2.3, y est une solution exacte de l equation (E).

Corollaire Par tout point (t0 , y0 ) U , il passe au moins une solution maximale
enition I de toute solution maximale y : I Rm de (E). De plus, lintervalle de d est ouvert (mais en g en eral, il ny a pas unicit e de ces solutions maximales).

On vient de voir en eet quil existe une solution locale z d enie sur un intervalle es le th eor` eme du 1.3, z se prolonge en une solution [t0 T, t0 + T ]. Dapr` etait d enie au point b, il existerait une maximale y = z : |a, b| Rm . Si y eme de Cauchy avec donn ee initiale solution y(1) : [b , b + ] Rm du probl` ncidant avec y sur |a, b] et avec y(1) (b, y (b)) U . La fonction y : |a, b + ] Rm co sur [b, b + ] serait alors un prolongement strict de y , ce qui est absurde.

Exemple

Pour donner un exemple de non unicit e, il sut de consid erer eme de Cauchy de condition initiale y (0) = 0 l equation y = 3|y |2/3 . Le probl` admet alors au moins 2 solutions maximales : y(1) (t) = 0, y(2) (t) = t3 , t R.

Nous allons voir ici une condition g eom etrique n ecessaire et susante permettant darmer quune solution est maximale.

Th eor` eme U un ouvert de R Rm et y : I = [t0 , b[ Rm une solution de


u f est une fonction continue sur U . Alors y (t) peut l equation (E) y = f (t, y ), o` se prolonger au del` a de b si et seulement si il existe un compact K U tel que la courbe t (t, y (t)), t [t0 , b[, reste contenue dans K . Autrement dit, y est non prolongeable au del` a du temps b si et seulement si (t, y (t)) equence suivante est s echappe de tout compact K de U quand t b . La cons imm ediate. si et seulement si t (t, y (t)) s echappe de tout compact K de U quand t a+ ou quand t b . Puisque les compacts sont les parties ferm ees born ees, ceci signie encore que (t, y (t)) sapproche du bord de U ou tend vers , cest-` a-dire |t| + y (t) + 1/d (t, y (t)), U ) + quand t a+ ou t b . D emonstration du th eor` eme. La condition de prolongement est evidemment n ecessaire, puisque si y (t) se prolonge a ` [t0 , b], alors limage du compact [t0 , b] par lapplication continue t (t, y (t)) est un compact K U .

Crit` ere de maximalit e Une solution y : ]a, b[ Rm de (E) est maximale

V Equations diff erentielles. R esultats fondamentaux

139

Inversement, supposons quil existe un compact K de U tel que (t, y (t)) K pour tout t [t0 , b[. Posons M = sup f (t, y ) < +
(t,y )K

qui est ni par continuit e de |f et compacit e de K . Ceci entra ne que t y (t) est ement continue, et le crit` ere de cauchy montre lipschitzienne sur [t0 , b[, donc uniform e en que la limite = limtb y (t) existe. Nous pouvons prolonger y par continuit b en posant y (b) = , et nous avons (b, y (b)) K U puisque K est ferm e. La relation y (t) = f (t, y (t)) montre alors que y est de classe C 1 sur [t0 , b]. Maintenant, le th eor` eme dexistence locale des solutions implique quil existe une solution locale z d probl` eme de Cauchy de donn ee initiale z (b) = = y (b) sur un intervalle [b, b+]. On obtient alors un prolongement y de y sur [t0 , b + ] en posant y (t) = z (t) pour t [b, b + ]. Le th eor` eme est d emontr e.

Reprenons les notations du d ebut du 2. On suppose ici en outre que f est localement lipschitzienne en y : cela signie que pour tout point (t0 , y0 ) U il existe un cylindre C0 = [t0 T0 , t0 + T0 ] B (y0 , r0 ) U et une constante k = k (t0 , y0 ) 0 tels que f soit k -lipschitzienne en y sur C0 : (t, y1 ), (t, y2 ) C0 f (t, y1 ) f (t, y2 ) k y1 y2 .

Remarque Pour que f soit localement lipschitzienne en y sur U , il sut que fi , 1 i, j m, continues sur U . Soit en eet f admette des d eriv ees partielles y j
A= max sup
1i,j m (t,y )C0

fi (t, y ) . yj

Le nombre A est ni puisque C0 est compact. Le th eor` eme des accroissement nis appliqu es ` a fi sur C0 donne fi (t, y1 ) fi (t, y2 ) =
j

fi (t, )(y1,j y2,j ) yj

avec ]y1 , y2 [. On a donc max |fi (t, y1 ) f (t, y2 )| mA max |y1,j y2,j |.
i j

Sous ces hypoth` eses sur f , nous allons montrer que la solution du probl` eme de Cauchy est n ecessairement unique, et que de plus toute suite de solutions -approch ees avec tendant vers 0 converge n ecessairement vers la solution exacte. Compte tenu de limportance de ces r esultats, nous donnerons ensuite une deuxi` eme d emonstration assez di erente bas ee sur le th eor` eme du point xe (chapitre IV, 1.1).

140

Analyse num erique et equations diff erentielles

Soit C0 = [t0 T0 , t0 + T0 ] B (y0 , r0 ) U un cylindre sur lequel f est k -lipschitzienne en y et soit M = supC0 f . On se donne > 0 et on consid` ere des solutions ee et 2 -approch ee du probl` eme de Cauchy de y(1) et y(2) respectivement 1 -approch donn ee initiale (t0 , y0 ), avec 1 , 2 . On a alors y(i) (t) M + , et un raisonnement analogue a ` celui du 2.1 montre que les graphes de y(1) , y(2) restent contenus dans le cylindre C = [t0 T, t0 + T ] B (y, r0 ) C0
r0 esormais. d` es que T min T0 , M + , ce quon suppose d

Lemme de Gronwall Sous les hypoth` eses pr ec edentes, on a


y(2) (t) y(1) (t) (1 + 2 ) ek|tt0 | 1 , k t [t0 T, t0 + T ].

D emonstration. Quitte a ` changer lorigine du temps on peut supposer t0 = 0 et, par exemple, t [0, T ]. Posons alors
t

v (t) =
0

y(2) (u) y(1) (u) du.

Comme y(i) satisfait l equation di erentielle ` a i pr` es, on obtient par soustraction y(2) (t) y(1) (t) f (t, y(2) (t) f (t, y(1) (t) + 1 + 2 k y(2) (t) y(1) (t) + 1 + 2 , en utilisant lhypoth` ese que f est k -lipschitzienne en y . De plus
t

y(2) (t) y(1) (t) =

(y(2) (u) y(1) (u))du

eduit puisque y(2) (0) = y(1) (0) = y0 . On en d


t

y(2) (t) y(1) (t) k cest-` a-dire

y(2) (u) y(1) (u) du + (1 + 2 )t

()

v (t) kv (t) + (1 + 2 )t. Apr` es soustraction de kv (t) et multiplication par ekt , on trouve (v (t) kv (t))ekt = d (v (t)ekt ) (1 + 2 )tekt . dt

V Equations diff erentielles. R esultats fondamentaux

141

Gr ace ` a une nouvelle int egration (noter que v (0) = 0), il vient v (t)ekt
t 0

(1 + 2 )ueku du = (1 + 2 ) ekt (1 + kt) , k2

1 (1 + kt)ekt , k2

v (t) (1 + 2 )

tandis que la premi` ere in egalit e int egr ee () donne y(2) (t) y(1) (t) kv (t) + (1 + 2 )t (1 + 2 ) ekt 1 . k

Le cas o` u t [T, 0] sobtient par un changement de variable t t.

Th eor` eme (Cauchy-Lipschitz) Si f : U Rm est localement lipschitzienne


en y , alors pour tout cylindre de s ecurit e C = [t0 T, t0 + T ] B (y0 , r0 ) comme ci-dessus, le probl` eme de Cauchy avec condition initiale (t0 , y0 ) admet une unique solution exacte y : [t0 T, t0 + T ] U . De plus, toute suite y(p) de solutions ees avec p tendant vers 0 converge uniform ement vers la solution exacte p -approch y sur [t0 T, t0 + T ].

Existence. Soit y(p) une suite quelconque de solutions p approch ees avec ethode dEuler. Le lemme de lim p = 0, par exemple celles fournies par la m Gronwall montre que d(y(p) , y(q) ) (p + q ) ekT 1 k sur [t0 T, t0 + T ],

par cons equent y(p) est une suite de Cauchy uniforme. Comme les fonctions y(p) sont toutes a ` valeurs dans B (y0 , r0 ) qui est un espace complet, y(p) converge vers une limite y . Cette limite y est une solution exacte de l equation (E) dapr` es la proposition 3 du 2.3. Unicit e. Si y(1) , y(2) sont deux solutions exactes, le lemme de Gronwall avec 1 = 2 = 0 montre que y(1) = y(2) .


un cylindre de

r0 Soit C = [t0 T, t0 + T ] B (y0 , r0 ) C0 avec T min T0 , M s ecurit e pour (E).

Notons F = C([t0 T, t0 + T ], B (y0 , r0 )) lensemble des applications continues de [t0 T, t0 + T ] dans B (y0 , r0 ), muni de la distance d de la convergence uniforme. A toute fonction y F, associons la fonction (y ) d enie par
t

(y )(t) = y0 +
t0

f (u, y (u))du,

t [t0 T, t0 + T ].

142

Analyse num erique et equations diff erentielles

Dapr` es le lemme du 2.1, y est une solution de (E) si et seulement si y est un point xe de . On va donc essayer dappliquer le th eor` eme du point xe. Observons que
t

(y )(t) y0 =
t0

f (u, y (u))du M |t t0 | M T r0 ,

donc (y ) F. Lop erateur envoie donc F dans F. Soient maintenant y, z F et y(p) = p (y ), z(p) = p (z ). On a
t

y(1) (t) z(1) (t) =

(f (u, y (u)) f (u, z (u))) du


t0 t

k y (u) z (u) du k |t t0 | d(y, z ).


t0

De m eme
t

y(2) (t) z(2) (t)

0 t t0

k y1 (u) z1 (u) du k k |u t0 |d(y, z )du = k2 |t t0 |2 d(y, z ). 2

Par r ecurrence sur p, on v erie aussit ot que y(p) (t) z(p) (t) kp en particulier d(p (y ), p (z )) = d(y(p) , z(p) )
p p

|t t0 |p d(y, z ), p! kp T p d(y, z ) p!
p p

()

k T et p est lipschitzienne de rapport k pT ! sur F . Comme limp+ p! = 0, il existe p p p p assez grand tel que k pT ! < 1 ; pour une telle valeur de p, est une application contractante de F dans F. Par ailleurs, F est un espace m etrique complet. Le th eor` eme du point xe d emontr e au chapitre IV (dans sa version g eneralis ee au cas dapplications dont une it er ee est contractante) montre alors que admet un point xe unique y . Nous avons donc bien red emontr e le th eor` eme de Cauchy-Lipschitz armant lexistence et dunicit e de la solution du probl` eme de Cauchy.

Remarque Dapr` es (), on voit que pour toute fonction z F la suite it er ee ement vers la solution exacte y du probl` eme de z(p) = p (z ) converge uniform Cauchy.

Le th eor` eme dunicit e locale entra ne facilement un r esultat dunicit e globale, au e . moyen dun raisonnement de connexit

V Equations diff erentielles. R esultats fondamentaux

143

Th eor` eme Soient y(1) , y(2) : I Rm deux solutions de (E), avec f localement
ncident en un point de I , alors y(1) = y(2) lipschitzienne en y . Si y(1) et y(2) co sur I .

D emonstration. Supposons y(1) (t0 ) = y(2) (t0 ) en un point t0 I . Montrons par erons le exemple que y(1) (t) = y(2) (t) pour t t0 . Sil nen est pas ainsi, consid u y(1) et y(2) bifurquent : premier instant t0 o` t0 = inf {t I ; t t0 et y(1) (t) = y(2) (t)}

On a par d enition y(1) (t) = y(2) (t) pour t [t0 , t0 [ et par continuit e il sensuit que y(1) (t0 ) = y(2) (t0 ). Soit y0 ce point et soit C = [t0 T , t0 + T ] B (y0 , r0 ) un cylindre eor` eme dunicit e locale implique que y(1) = y(2) de s ecurit e de centre (t0 , y0 ). Le th sur [t0 T , t0 + T ], ce qui contredit la d enition de t0 . Lunicit e est d emontr ee.

Corollaire Si f est localement lipschitzienne en y sur U , pour tout point


(t0 , y0 ) U il passe une solution maximale y : I Rm et une seule.

Interpr etation g eom etrique Le th eor` eme dunicit e signie g eom etriquement que des courbes int egrales distinctes ne peuvent se couper.

Exemple y = 3|y |2/3 sur U = R R.


D eterminons lensemble des solutions maximales. On a ici f (t, y ) = 3|y |2/3 , f 1/3 pour y = 0. La d eriv ee y = 0 la d eriv ee f y = signe (y ) 2|y | y est continue sur les demi-plans y > 0 et y < 0, mais discontinue en y = 0. La fonction f est localement lipschitzienne en y sur {y > 0} et {y < 0}, mais il est facile de voir quelle ne lest pas au voisinage de tout point (t0 , 0) R {0} (on a vu dailleurs quil ny a pas dunicit e locale en ces points). Sur {y > 0} (resp. sur {y < 0}) l equation equivaut a `
2 1 y y 3 = 1 (resp. 3

2 1 y (y ) 3 = 1) 3

do` u y 3 = t + C1 (resp. (y ) 3 = (t + C2 )) soit y (t) = (t + Ci )3 . Si y est une solution maximale dans U = R R, alors y 0, donc y est croissante. Notons a = inf {t, y (t) = 0}, b = sup{t ; y (t) = 0}.

eme Si a = , on a y (a) = 0 et y (t) < 0 pour t < a, donc y (t) = (t a)3 . De m y (t) = (t b)3 pour t > b si b = +.

144

Analyse num erique et equations diff erentielles

(t0 , y0 )

e de solutions maximales : si On voit que pour tout point (t0 , y0 ) il passe une innit 1/3 y0 > 0, b = t0 y0 est impos e, mais le choix de a [, b] est arbitraire. Noter que ce ph enom` ene se produit bien quon ait unicit e locale au point (t0 , y0 ) !

Nous donnons ici des conditions susantes dexistence pour les solutions globales, reposant sur des hypoth` eses de croissance de f (t, y ) lorsque y tend vers +. On peut cependant obtenir des conditions susantes nettement plus faibles (voir lexercice (b) ci-dessous, ainsi que le probl` eme 5.9). u J R est un intervalle ouvert. On fait lune ou lautre des deux U = J Rm , o` hypoth` eses suivantes : (1) Il existe une fonction continue k : J R+ telle que pour tout t J x e, lapplication y f (t, y ) soit lipschitzienne de rapport k (t) sur Rm . (2) Il existe des fonctions c, k : J R+ continues telles que lapplication y f (t, y ) satisfasse une croissance lin eaire a ` linni du type f (t, y ) c(t) + k (t) y . Alors toute solution maximale de l equation di erentielle y = f (t, y ) est globale (cest-` a-dire d enie sur J tout entier ). D emonstration. Il est evident que lhypoth` ese (1) entra ne lhypoth` ese (2) (avec c(t) = f (t, 0) ), il surait donc de donner la preuve pour (2). Cependant, il y a une d emonstration sensiblement plus simple sous lhypoth` ese (1). D emonstration sous lhypoth` ese (1). Soit (t0 , y0 ) J Rm , et [t0 T, t0 + T ] un intervalle compact quelconque contenu dans J . Reprenons la d emonstration du th eor` eme de Cauchy-Lipschitz.

Th eor` eme Soit f : U Rm une application continue sur un ouvert produit

V Equations diff erentielles. R esultats fondamentaux

145

ecurit e de rayon r0 = +. Comme U = J Rm , on peut choisir un cylindre de s Lapplication d enie au 3.2 op` ere donc sur lespace complet F = C([t0 T, t0 + T ], Rm ). Soit K=
t[t0 T,t0 +T ]

max

k (t).

Lapplication f est par hypoth` ese K -lipschitzienne en y sur [t0 T, t0 + T ] Rm . Dapr` es le raisonnement du 3.2, lapplication p est lipschitzienne de rapport 1 p p p! K (max(T, T )) sur F , donc contractante pour p assez grand. Ceci implique que la solution (unique) du probl` eme de Cauchy est d enie sur tout intervalle [t0 T, t0 + T ] J . D emonstration sous lhypoth` ese (2). Lid ee est dutiliser le crit` ere de maximalit e des solutions d emontr e au 2.6. Supposons quon ait une solution y : [t0 , b[ Rm avec erieure de J ). Posons t0 , b J (autrement dit, telle que b ne soit pas la borne sup C = supt[t0 ,b] c(t) et K = supt[t0 ,b] k (t). Nous obtenons y (t) = f (t, y (t)) C + K y (t) . On utilise alors un raisonnement de type lemme de Gronwall pour majorer la t norme y (t) . Nous avons y (t) = y (t0 ) + t0 y (u) du, donc
t

y (t) v (t) = y (t0 ) +


t0

y (u) du

avec

v (t) = y (t) C + K y (t) C + Kv (t). Ceci donne la majoration d v (t)eK (tt0 ) = v (t) K v (t) eK (tt0 ) CeK (tt0 ) . dt Par int egration sur [t0 , t], on obtient v (t)eK (tt0 ) v (t0 ) et comme v (t0 ) = y (t0 ) , il vient sup
t[t0 ,b[

C (1 eK (tt0 ) ), K

y (t) sup v (t) R =


t[t0 ,b[

C K (bt0 ) e 1 + y (t0 ) eK (bt0 ) . K

Par cons equent (t, y (t)) d ecrit une partie compacte K = [t0 , b] B (0, R) dans etre une solution maximale. Toute solution maximale U = J Rm , et y ne peut est donc globale. Le lecteur pourra etudier lexercice 5.9 pour un g en eralisation a ` une hypoth` ese de croissance plus faible que (2), tenant compte uniquement de la direction radiale du vecteur f (t, y ) .

146

Analyse num erique et equations diff erentielles

Exercices
(a) Montrer que toute solution maximale de l equation di erentielle y = t t2 + y 2 , (t, y ) R R, est globale. (b) On d enit f : R R par f (y ) = e si y e et f (y ) = y ln y si y e. Montrer que f nest pas lipschitzienne au voisinage de 0. D eterminer explicitement les solutions maximales de l equation y = f (y ). Les conditions susantes du th eor` eme pr ec edent sont-elles n ecessaires ?

(E)


y (p) = f (t, y, y , . . . , y (p1) )

Un syst` eme di erentiel dordre p dans Rm est une equation de la forme enie sur un ouvert U R (Rm )p . o` u f : U Rm est une application continue d Une solution de (E) sur un intervalle I R est une application y : I Rm p-fois d erivable, telle que (i) (t I ) (t, y (t), y (t), . . . , y (p1) (t)) U , (ii) (t I ) y (p) (t) = f (t, y (t), y (t ), . . . , y (p1) (t)). Le r esultat suivant se d emontre par r ecurrence dune mani` ere enti` erement analogue a celle utilis ` ee pour les equations di erentielles dordre 1. Le d etail de largument est laiss e au lecteur.

R egularit e des solutions Si f est de classe C k , les solutions y sont de


classe C k+p .

Il est clair que le syst` eme (E) est equivalent au syst` eme di erentiel dordre 1 dY0 dt = Y1 dY 1 dt = Y2 ... (E1 ) dYp2 dt = Yp1 dYp1 = f (t, Y0 , Y1 , . . . , Yp1 ) dt eme (E1 ) peut encore s ecrire si lon pose Y0 = y , Y1 = y , . . .. Le syst` (E1 ) avec Y = F (T, Y ) Y = (Y0 , Y1 , . . . , Yp1 ) (Rm )p F = (F0 , F1 , . . . , Fp1 ) : U (Rm )p F0 (t, Y ) = Y1 , . . . , Fp2 (t, Y ) = Yp1 , Fp1 (t, Y ) = f (t, Y ).

V Equations diff erentielles. R esultats fondamentaux

147

equivalent a ` un syst` eme Tout syst` eme di erentiel (E) dordre p dans Rm est donc esulte que les th eor` emes dexistence et di erentiel (E1 ) dordre 1 dans (Rm )p . Il en r dunicit e d emontr es pour les syst` emes dordre 1 sont encore vrais pour les syst` emes dordre p, avec des preuves qui sont des transpositions directes du cas dordre 1. En voici les principaux enonc es :

Pour tout point (t0 , y0 , y1 , . . . , yp1 ) U le probl` eme de Cauchy de conditions initiales y (t0 ) = y0 , y (t0 ) = y1 , . . . , y (p1) (t0 ) = yp1 admet au moins une solution maximale y : I Rm , d enie sur un intervalle ouvert.

Remarque tr` es importante On voit ainsi que pour un syst` eme dordre p,
la condition initiale requiert non seulement la donn ee de la valeur y0 de y au temps egalement la donn ee de ses (p 1) premi` eres d eriv ees. t0 , mais

Si de plus f est localement lipschitzienne en (y0 , . . . , yp1 ) sur U , cest-` a-dire si (t0 , y0 , . . . , yp1 ) U il existe un voisinage [t0 T0 , t0 + T0 ] B (y0 , r0 ) . . . B (yp1 , rp1 ) contenu dans U sur lequel f (t, z0 , . . . , zp1 ) f (t, w0 , . . . , wp1 ) k ( z0 w0 + . . . + zp1 wp1 ), alors le probl` eme de Cauchy 4.3 admet une solution maximale et une seule.

Si U = J (Rm )p et sil existe une fonction k : J R+ continue telle que (t J ) f (t, z0 , . . . , zp1 ) f (t, w0 , . . . , wp1 ) k (t)( z0 w0 + . . . + zp1 wp1 ), alors les solutions maximales sont d enies sur J tout entier.


5.1. On consid` ere l equation di erentielle y = y 2 x. (a) Quelles sont les lignes isoclines ? ` la pente nulle. On notera I0 lisocline correspondant a u la pente des solutions est strictement Soit P lensemble des points du plan o` n egative. D ecrire P . Montrer que si une solution entre dans P , alors elle y

148

Analyse num erique et equations diff erentielles

reste (cest-` a-dire : si une solution y (x) a un point (x0 , y (x0 )) dans P , alors si x1 > x0 , (x1 , y (x1 )) P ). (b) Etudier et tracer le graphe de la courbe I ensemble des points dinexion des solutions de l equation di erentielle. Quelles sont les r egions du plan o` u y > 0, respectivement y < 0 ? On notera I1 la partie de I ext erieure ` a P , et I2 la partie de I qui se trouve dans P . (c) Soit C une courbe solution rencontrant I1 en un point (x, y ). () Montrer quen ce point, la pente de I1 est strictement inf erieure ` a la pente de C. ( ) En d eduire que C ne coupe I1 quen ce point, que C ne rencontre pas P , et que C na quun point dinexion. ( ) Montrer que C poss` ede 2 branches innies a ` direction asymptotique verticale. ( ) Soit (x0 , y0 ) un point de C. Comparer en ce point, la pente de C et la 2 pente de la solution de l equation di erentielle y = y2 . En d eduire que les branches innies de C correspondent a ` des asymptotes verticales. (d) Soit D une courbe solution rencontrant I0 . () Montrer que D poss` ede une asymptote verticale. ( ) Montrer que D a un point dinexion et un seul. ( ) Montrer que lorsque x , D est asymptote ` a I0 . (e) Soit A (resp. B ) lensemble des points de laxe Oy par o` u passe une courbe solution qui rencontre I1 (resp. I0 ). () Montrer quil existe a tel que A = {0} ]a, +[. ( ) Montrer quil existe b tel que B = {0} ] , b[. ( ) Montrer que a = b. Quelle est lallure de la solution passant par le point de coordonn ees (0, a) ? 5.2. On consid` ere l equation di erentielle y = f (t, y ), o` u f et f y sont continues. u t1 peut eventuellement Soit une fonction r eelle d enie sur un intervalle [t0 , t1 [ o` etre inni ; on suppose continue et d erivable par morceaux. On dit que est une barri` ere inf erieure [respectivement : sup erieure] pour l equation di erentielle si (t) < f (t, (t)) [resp : (t) > f (t, (t))] pour tout t tel que (t) existe, et, aux points o` u nest pas d erivable, pour la d eriv ee ` a gauche et pour la d eriv ee ` a droite. (a) Montrer que si est une barri` ere inf erieure pour t0 t t1 et si u est une solution de l equation di erentielle v eriant (t0 ) u(t0 ), alors (t) < u(t) pour esultat analogue pour une barri` ere sup erieure. tout t ]t0 , t1 [. Montrer un r

V Equations diff erentielles. R esultats fondamentaux

149

ere (b) On suppose que est une barri` ere inf erieure sur [t0 , t1 [, que est une barri` sup erieure sur [t0 , t1 [, et que (t) < (t) pour tout t [t0 , t1 [. Lensemble des e entonnoir. points (t, x) tels que t0 t t1 et (t) x (t) est appel () Montrer que si une solution u de l equation di erentielle est telle que (s, u(s)) soit dans lentonnoir pour un s [t0 , t1 [, alors (t, u(t)) est dans lentonnoir pour tout t [s, t1 [. ( ) Si est une barri` ere inf erieure et une barri` ere sup erieure, et si (t) > (t) pour t [t0 , t1 [, on dit que lensemble des (t, x) tels que t0 t t1 et (t) x (t) est un anti-entonnoir. Montrer quil existe une solution u(t) de l equation di erentielle, telle que (t) u(t) (t) pour tout t [t0 , t1 [. (c) Dans la suite du probl` eme, on prend f (t, y ) = sin(ty ). On se restreindra aux solutions v eriant y > 0. () D eterminer les isoclines correspondant aux pentes 1, 0, 1. ( ) Pour quelles valeurs de t ces isoclines sont-elles des barri` eres inf erieures ? sup erieures ? Quels sont les entonnoirs form es par ces isoclines ? ( ) Soit u une solution de l equation di erentielle ; soit la fonction continue, d erivable par morceaux, d enie pour t 0 par : (0) = u(0) > 0 ; est ane de pente 1 depuis t = 0 jusqu` a ce que son graphe rencontre la premi` ere isocline de pente 0, puis est ane de pente 0 jusqu` a lisocline de pente 0 suivante, puis est ane de pente 1 jusqu` a lisocline de pente 0 suivante, et ainsi de suite. Montrer que le graphe de rencontre la droite y = t. ( ) Montrer que est une barri` ere sup erieure. () En d eduire que toute solution de l equation di erentielle rencontre la droite y = t, puis reste dans un entonnoir. ( ) Dessiner lallure des solutions de l equation di erentielle y = sin(ty ). 5.3. On consid` ere l equation (appel ee equation de Van der Pol) : (E) x (t) = y (t) x3 (t) + x(t), y (t) = x(t), t R.

(a) Montrer que le probl` eme de Cauchy correspondant admet une solution globale unique (on pourra utiliser le r esultat de lexercice 5.9). (b) On appelle trajectoire associ ee ` a une solution de (E), lensemble parcouru dans le plan Euclidien par le point de coordonn ees (x(t), y (t)) lorsque t parcourt R. Montrer que les trajectoires associ ees ` a deux solutions distinctes de (E) co ncident ou nont aucun point commun ; montrer que par chaque point du plan passe une trajectoire et une seule ; montrer que si une trajectoire a un point double (cest-` a-dire correspondant a ` deux valeurs distinctes de t), les solutions associ ees de (E) sont p eriodiques (et tous les points sont alors doubles). Quelles sont les trajectoires r eduites ` a un point ?

150

Analyse num erique et equations diff erentielles

(c) Montrer que la courbe sym etrique dune trajectoire par rapport a ` (0, 0) est encore une trajectoire. (d) On consid` ere maintenant les sous-ensembles du plan D+ = {(0, y ) ; y > 0); E1 = {(x, y ) ; x > 0 et E2 = {(x, y ) ; x > 0 et E3 = {(x, y ) ; x < 0 et E4 = {(x, y ) ; x < 0 et D = {(0, y ) ; y < 0} ; y > x3 x)}; y < x3 x} ; y < x3 x}; y > x3 x}. = {(x, x3 x) ; x < 0} ; + = {(x, x3 x) ; x > 0)} ;

Soit (x(t), y (t)) une solution de (E) ; montrer que, si (x(t0 ), y (t0 )) D+ , il existe t4 > t3 > t2 > t1 > t0 tels que (x(t), y (t)) Ei pour t ]ti1 , ti [, i = 1, 2, 3, 4, et (x(t1 ), y (t1 )) + , (x(t2 ), y (t2 )) D , (x(t3 ), y (t3 )) ; (x(t4 ), y (t4 )) D+ . (e) Soit y0 > 0 et t0 R ; il existe une solution de (E) telle que (x(t0 ), y (t0 )) = epend que de y0 (et non (0, y0 ) ; on pose (y0 ) = y (t2 ) ; montrer que (y0 ) ne d de t0 ) et que est une application monotone continue de R+ dans R . (f) En utilisant le (c), montrer que (0, y0 ) appartient a ` la trajectoire dune solution p eriodique si et seulement si (y0 ) = y0 . (g) Soit > 0 tel que pour la solution de (E) v eriant (x(t0 ), y (t0 )) = (0, ) on ait 2 > 0 (regarder (x(t1 ), y (t1 )) = (1, 0). Montrer que pour y0 < , on a (y0 )2 y0 t2 d [x(t)2 + y (t)2 ]dt). t0 dt (h) Soit y0 grand. Soit C la courbe form ee des arcs suivants : le segment (0, y0 ), (1, y0 ) ; larc de cercle de centre O passant par (1, y0 ) et coupant (y = x3 x) en (x1 , y1 ) avec x1 > 1. le segment (x1 , y1 ), (x1 , 0). larc de cercle de centre O passant par (x1 , 0) et coupant (x = 1) en (x1 , y1 ). ` cet arc de cercle qui recoupe Oy en (0, y2 ). la tangente en (x1 , y1 ) a Montrer que la solution de (E) passant par (0, y0 ) est ` a lint erieur de C . En 2 < 0. d eduire que (y0 )2 y0 (i) En d eduire quil existe une trajectoire et une seule correspondant a ` des solutions p eriodiques de (E). Montrer que les trajectoires non r eduites ` a (0, 0) convergent asymptotiquement vers cette trajectoire quand t tend vers +. 5.4. Soit t une variable r eelle 0. On consid` ere le probl` eme de Cauchy y = ty, y (0) = 1.

V Equations diff erentielles. R esultats fondamentaux

151

(a) D emontrer que pour tout T > 0, ce probl` eme admet une solution et une seule sur [0, T ], et indiquer comment la m ethode dEuler permet den trouver une approximation. (b) D eduire de ce qui pr ec` ede la formule
N 1

y (t) =

N +

lim PN (t) avec PN (t) =


n=0

1+

nt2 N2

(c) Pour > 0, etudier les variations de la fonction f (x) = x ln (1 + /x) sur ]0, +[ ; on montrera que f (x) < 0. En d eduire lencadrement 1+ t2 N
n N

1+

nt2 t2 1 + N2 N2

si 0 n N 1.

(d) Calculer la limite du (b), et en d eduire y (t). 5.5. On consid` ere l equation di erentielle y = |y |3/4 y + t sin t = f (t, y )

a laide de prolongements par continuit e. On o` u le second membre est d eni sur R2 ` note Y (t) la solution approch ee d enie sur R, obtenue par la m ethode dEuler pour 1 u n N , et v eriant Y (0) = 0. On suppose dans un premier le pas h = n+1 /2 o` temps que n est pair. (a) Calculer Y (h), Y (2h) et Y (3h). D emontrer les in egalit es Y (3h) >
h3/2 2

>

(3h)3/2 16 . 1 2

(b) D eterminer c > 0 tel que 0 < t < c on ait de plus h t et c assez petit v erier la formule de Taylor).
(t+h)

3/2

t3/8 t >
t
3/2

<

8 5

1 3/8 . 10 t 3/8

En supposant

(on pourra utiliser

(c) On suppose que pour m N on a mh < c et Y (m, h) > D emontrer les in egalit es f (mh, Y (mh)) > Y (mh)1/4 mh > En d eduire Y ((m + 1)h) >
((m+1)h)3/2 . 16

(mh)3/2 . 16

1 1 (mh)3/8 mh > (mh)3/8 . 2 10

Montrer que si p entier v erie 0 < ph c, on a Y (ph) > (ph)3/2 . 16

152

Analyse num erique et equations diff erentielles

(d) On suppose ici que n est impair. Calculer Y (h), Y (2h) et Y (3h). Montrer
) lin egalit e Y (3h) < (3h 16
3/2

.
3/2

) On suppose que pour mh < c on a Y (mh) < (mh 16

; montrer comme ci3/2

dessus que Y ((m + 1)h) < entier p tel que 0 < ph c.

h)3/2 ((m+1) , 16

) puis que Y (ph) < (ph 16

pour tout

(e) Pour 0 < t < c, montrer que les solutions approch ees Y (t) ne tendent vers aucune limite n tend vers +. eni par 5.6. Soit le syst` eme di erentiel dans R2 d dx = 2(x ty ) dt dy = 2y. dt

(S)

(a) D eterminer la courbe int egrale qui passe par le point (x0 , y0 ) au temps t = 0. (b) On utilise la m ethode dEuler avec pas constant h, d emarrant au temps t0 = 0. Soit (xn , yn ) le point atteint au temps tn = nh (n N). () Ecrire la relation qui lie (xn+1 , yn+1 ) a ` (xn , yn ). ( ) Calculer explicitement (xn , yn ) en fonction de n, h, x0 , y0 . ( ) Sans utiliser les th eor` emes g en eraux du cours, v erier que la solution approch ee qui interpole lin eairement les points (xn , yn ) converge sur R+ vers la solution exacte de (S). 5.7. Soit f : [a, b] R R une fonction continue et lipschitzienne de rapport k en sa deuxi` eme variable. On d enit une suite de fonctions yn : [a, b] R en posant y0 (t) = et
t

yn+1 (t) = +
a

f (u, yn (u))du,

n N.

On sait dapr` es V 3.2 que yn converge uniform ement vers la solution exacte de etudie ici le cas particulier de l equation y = f (t, y ) telle que y (a) = . On l equation dy = 2y + t, t [0, +[. dt (a) Montrer que yn peut s ecrire sous la forme yn (t) = Pn (t) + Qn (t) omes que lon explicitera. o` u Pn , Qn sont des polyn erier ce r esultat en r esolvant directe(b) Calculer limn+ Pn et limn+ Qn . V ment l equation.

V Equations diff erentielles. R esultats fondamentaux

153

5.8. Soit T un r eel positif et f : [0, T ] R R une application continue lipschitzienne de rapport k en la deuxi` eme variable. On consid` ere l equation di erentielle (E) y = f (t, y ).

Soit un r eel h ]0, T [. On dira que z est une solution retard ee de retard h si z est une fonction continue sur [0, T ], d erivable sur ]h, T ] et si z (t) = f (t, z (t h)), t ]h, T ].

eel x e. Montrer que (E) admet une solution retard ee de retard h (a) Soit y0 un r et une seule, not ee zh , telle que zh (t) = y0 pour tout t [0, h]. (b) Soit z une solution retard ee de retard h. On pose A = max |f (t, 0)|,
t[0,T ]

m(t) = max |z (u)|.


u[0,t]

() Montrer que pour tout t [h, T ] on a


t

m(t) m(h) +
h

(A + km(u))du.

( ) En d eduire que m(t) A A + m(h) ek(th) , k k t [h, T ].


t (A h

[Indication : etudier la d eriv ee de la fonction M (t) = ekt

+ km(u))du.]

( ) Montrer quil existe une constante B ind ependante de h, que lon explicitera, telle que zh B pour tout h > 0, si zh d esigne la solution retard ee du (a). (c) On se propose ici d etudier la convergence de zh quand h tend vers 0. () Montrer que les fonctions zh sont C -lipschitziennes avec une constante C ind ependante de h. ( ) Soit y la solution exacte (non retard ee) de (E) telle que y (0) = y0 . On pose (t) = max |zh (u) y (u)|.
u[0,t]

Montrer que v erie lin egalit e int egrale


t

(t) (h) +
h

(kCh + k (u))du.

o` u C est la constante de la question (c) ).

154

Analyse num erique et equations diff erentielles

( ) En d eduire une majoration de

et conclure.

(d) On construit maintenant une m ethode de r esolution approch ee de (E) utilisant les solutions retard ees zh . Pour tout entier n N, n T /h, on pose tn = nh, dans la formule zn+1 = zn +
tn

zn = zh (tn ) ;
tn+1

f (t, zh (t h))dt

on remplace la valeur exacte de lint egrale par sa valeur approch ee calcul ee au moyen de la m ethode des trap` ezes el ementaires. () Ecrire la relation de r ecurrence d enissant la suite (zn ). ( ) Exprimer lerreur de consistance relative ` a une solution exacte y ; en calculer un d eveloppement limit e` a lordre 2 en fonction de h et des d eriv ees partielles de f au point (t, y ). Quel est lordre de la m ethode ? (voir chapitre VIII pour les d enitions). 5.9. Soit J un intervalle ouvert de R et f : J Rm Rm une application continue. On se propose de d emontrer que toute solution maximale de l equation di erentielle erie lhypoth` ese suivante : y = f (t, y ) est globale si f v (H) Il existe des fonctions a, b : I R+ continues telles que f (t, y ), y a(t) y
2

+ b(t),

(t, y ) J Rm ,

o` u , et d esignent respectivement le produit scalaire et la norme euclidienne standards sur Rm . ` droite passant par un point (a) Soit y : [t0 , t1 [ Rm une solution maximale a (t0 , y0 ) et soit r(t) = y (t) 2 . Montrer que r (t) 2a(t)r(t) + 2b(t). En d eduire que y (t) 2 (t) o` u : J R est la solution (toujours globale) de l equation lin eaire = 2a(t) + 2b(t), telle que (t0 ) = y0 2 . [Indication : soit A(t) une primitive de a(t) ; etudier le signe de la d eriv ee de (r(t) (t))e2A(t) . (b) D eterminer un majorant explicite de y (t) lorsque a et b sont des constantes. ees sur [t0 , t1 [ et (c) On suppose que t1 < sup J . Montrer que y (t), y (t) sont born que ces fonctions se prolongent par continuit e en t1 . Montrer que ceci conduit a une contradiction. Conclure. `


On se propose d etudier un certain nombre de types classiques d equations di erentielles du premier et du second ordre pour lesquelles on sait ramener le calcul des solutions ` a des calculs de primitives. Ceci fournira loccasion dillustrer les r esultats g en eraux du chapitre V par des exemples.

On consid` ere une equation di erentielle (E) dy = f (x, y ) dx

o` u f : U R est une fonction continue sur un ouvert U R2 , localement lipschitzienne en y . Les di erentes solutions de l equation (E) s ecrivent en g en eral sous la forme y = (x, ) en erale d epend dun o` u est un param` etre r eel : on dit parfois que la solution g seul param` etre. Pour comprendre ce ph enom` ene, il sut dappliquer le th eor` eme de Cauchy-Lipschitz : si on cherche les solutions d enies au voisinage dun point x0 , on sait quil existe une solution y et une seule telle que y (x0 ) = y0 ; on peut etrer les solutions. Dans la pratique, le param` etre donc choisir = y0 pour param appara t souvent comme constante dint egration. Il arrive parfois quen plus de la solution g en erale on ait des solutions particuli` eres y = 0 (x), y = 1 (x), . . . qui ne sobtiennent pour aucune valeur de : on dit que ce sont des solutions singuli` eres (ou courbes int egrales singuli` eres) de (E).

156

Analyse num erique et equations diff erentielles

On va maintenant d ecrire une situation un peu plus g en erale qui se ram` ene au cas dune equation du type consid er e ci-dessus.

Syst` emes di erentiels autonomes dans un ouvert U R2 On


suppose donn e un champ de vecteurs dans U , cest-` a-dire une application continue M x y V (M ) a(x, y ) b(x, y ) , M U.

On appelle syst` eme autonome associ e au champ de vecteurs V (M ) le syst` eme di erentiel dx = a(x, y ) dM dt (S) . = V (M ) dt dy = b(x, y ) dt Si V (M ) repr esente un champ de vecteurs vitesse (associ e par exemple ` a l ecoulement dune nappe de uide sur une surface plane), r esoudre (S) revient a ` chercher la trajectoire et la loi du mouvement des particules de uide en fonction du temps. Le mot autonome signie que le champ de vecteurs ne d epend pas du temps t (cas dun ecoulement stationnaire). Si t M (t) est solution, toute fonction t M (t + T ) obtenue par un d ecalage dans le temps est encore solution. Dans louvert U = M (x, y ) ; a(x, y ) = 0 on a (S) (E) o` u (E) b(x, y ) dy = = f (x, y ). dx a(x, y )

R esoudre (E) permet de trouver la trajectoire des particules (mais pas la loi du mouvement en fonction du temps).

Ce sont les equations dans lesquelles on peut regrouper x, dx dune part et y, dy dautre part. Nous allons examiner 3 cas. a) Equations y = f (x), avec f : I R continue. Les solutions sont donn ees par y (x) = F (x) + , R,

o` u F est une primitive de f sur I . Les courbes int egrales se d eduisent les unes des autres par translations dans la direction Oy . b) Equations y = g (y ), avec g : J R continue. L equation peut se r ecrire
dy dx

= g (y ), ou encore

dy g (y )

= dx ` a condition que g (y ) = 0.

VI M ethodes de r esolution explicite

157

Notons yj les racines de g (y ) = 0 dans lintervalle J . Alors y (x) = yj est une solution (singuli` ere) evidente de l equation. Dans louvert U = {(x, y ) R J ; g (y ) = 0}, on a (E) Les solutions sont donn ees par G(y ) = x + , R dy = dx. g (y )

1 sur chacun des intervalles ouverts [yj , yj +1 [ o` u G est une primitive quelconque de g d elimit es par les racines de g . Dans chaque bande R ]yj , yj +1 [, les courbes int egrales se d eduisent les unes des autres par translations dans la direction Ox ; ceci est ` a relier au fait que les lignes isoclines sont les droites y = m = constante. 1 Comme G = g et que g est de signe constant sur ]yj , yj +1 [, on en d eduit que G est une application strictement monotone bijective

G : ]yj , yj +1 [ ]aj , bj [ eoriquement) avec aj [, +[, bj ] , +]. On peut donc (au moins th exprimer y en fonction de x : y = G1 (x + ), R.

Supposons par exemple g > 0, et par suite G croissante sur ]yj , yj +1 [. Si yjj gdy equent x = G(y ) quand (y ) diverge, on a aj = , par cons y yj + 0. Dans ce cas, la courbe est asymptote ` a la droite y = yj . Si yjj gdy (y ) converge, alors aj R et x aj quand y yj + 0, avec de plus y = g (y ) 0 ; la courbe vient rejoindre la droite y = yj au point (aj , yj ) et admet la droite y = yj pour tangente en ce point. Cette situation montre quil ny a pas unicit e du probl` eme de Cauchy en cas de convergence de lint egrale.
y + y +

Exercice V erier que

est bien toujours divergente en tout point yj tel que g (yj ) = 0, lorsque g est localement lipschitzienne.

dy g (y )

Lallure des courbes int egrales est la suivante (dans le sch ema ci-dessous, on suppose quil y a convergence en y2 0, divergence en y1 0 et y2 + 0) :

158

Analyse num erique et equations diff erentielles

y g (y ) < 0

y = y2

g (y ) > 0 x

y = y1 g (y ) < 0

c) Cas g en eral des equations ` a variables s epar ees : (E) y = f (x)g (y ) avec f, g continues.

Si g (yj ) = 0, la fonction constante y (x) = yj est solution singuli` ere. Sur louvert U = {(x, y ) ; g (y ) = 0} on a (E) dy = f (x)dx g (y )

do` u G(y ) = F (x) + , R, o` u F est une primitive de f et G une primitive de 1/g . Comme G est continue strictement monotone sur chaque intervalle [yj , yj +1 [, lapplication G admet une application r eciproque G1 et on obtient y = G1 (F (x) + ).

Exemple Soit l equation y =

1 y2 . Le domaine de d enition est la r eunion 1 x2 {|x| > 1 et |y | 1}.

{|x| < 1 et |y | 1} On va donc se placer dans louvert U = {|x| < 1 et |y | < 1}

{|x| > 1 et |y | > 1}.

VI M ethodes de r esolution explicite

159

Dans le carr e {|x| < 1 et |y | < 1} l equation s ecrit : dy 1 y2 = dx , 1 x2

do` u Arc sin y = Arc sin x + , R. Comme Arcsin est une bijection de ] 1, 1[ ecessairement ] , [. On doit avoir de plus sur 2 , 2 , on a n , 2 2 Arc sin x , , = 2 2 2 2 , 2 2 De m eme Arc sin y est dans
2

si si

0, 0.

+ , 2 si 0, et dans 2 , 2 + si 0.

Les courbes int egrales admettent pour equation y = sin(Arc sin x + ) = x cos + avec x ] 1, cos [, x ] cos , 1[, y ] cos , 1[ si 0, y ] 1, cos [ si 0. 1 x2 sin

L equation ci-dessus implique (y x cos )2 + x2 sin2 = sin2 , donc les courbes int egrales sont des arcs dellipse. Louvert {|x| > 1 et |y | > 1} est form e de 4 composantes connexes. Pla cons-nous par exemple dans {x > 1 et y > 1}. On a (E ) dy y2 1 = dx , x2 1

do` u Arg cosh y = Arg cosh x + , R. Arg cosh est une bijection de ]1, +[ sur ]0, +[ ; en raisonnant comme ci-dessus, on obtient y = x cosh + avec x ]1, +[, y ] cosh , +[ x ] cosh , +[, y ]1, +[ si 0, si 0, x2 1 sinh

equation dune par suite (y x cosh )2 x2 sinh2 + sinh2 = 0, ce qui est l 1 1 1 2 conique. Comme x 1 = |x| 1 x2 = |x| 2|x| + O x3 , on voit que la conique admet des asymptotes y = (cosh sinh )x = e x (pour la branche ` des arcs dhyperbole. x > 1 qui nous int eresse, cest y = e x). On a donc aaire a

160

Analyse num erique et equations diff erentielles

x = cos y= e x

cosh 1

e y=

1 y = cos

1 cosh x y = cos

On a gur e ici > 0, < 0.

(E)

Supposons quon cherche a ` r esoudre une equation y = f (x, y ) dx dt = a(x, y ) dy = b(x, y ) dt

ou un syst` eme di erentiel

(S)

dans un ouvert U R2 . Dans les deux cas on a une ecriture sous forme di erentielle : (E) f (x, y )dx dy = 0, (S) b(x, y )dx a(x, y )dy = 0.

D enition On dit quune fonction V : U R de classe C 1 est une int egrale


premi` ere si (E) (respectivement (S)) implique dV = Vx (x, y )dx + Vy (x, y )dy = 0.

x = cos

VI M ethodes de r esolution explicite

161

Dans ce cas, les courbes int egrales y = (x) v erient Vx (x, (x)) + Vy (x, (x)) (x) = d [V (x, (x)] = 0. dx

Les courbes int egrales sont donc contenues dans les lignes de niveau V (x, y ) = , o` u R est une constante. grad V

V (x, y ) = En tout point o` u grad V = 0 , la ligne de niveau correspondante poss` ede une tangente perpendiculaire a ` grad V . Le champ des tangentes est dirig e par le vecteur k 1 f (x, y ) , resp. k a(x, y ) b(x, y ) dans le cas de (E) (resp. (S)).

La condition dorthogonalit e grad V k equivaut a ` la proportionnalit e de l equation Vx dx + Vy dy = 0 a ` l equation di erentielle (E) (ou (S)). On peut donc enoncer :

Propri et e caract eristique V est une int egrale premi` ere si et seulement si

grad V est orthogonal au champ des tangentes de l equation di erentielle consid er ee.
y x +y 2

Exemple Soit y =
(E)

sur

U = {x + y 2 = 0}. L equation se r ecrit

ydx (x + y 2 )dy = 0.

Cette di erentielle nest pas une di erentielle exacte dV = P dx + Qdy (on devrait Q eanmoins que avoir P y = x , ce qui nest pas le cas). On observe n d x ydx xdy . = y y2
1 y2 ,

Multiplions alors l equation (E) par (E)

en se pla cant dans louvert y = 0 :

ydx xdy x y = 0. dy = 0 d y2 y

Les courbes int egrales y sont donc donn ees par x y = y x = y 2 + y.

162

Analyse num erique et equations diff erentielles

Ce sont des arcs de la parabole daxe y = 2 et de sommet a-dire par les points tels que x + y 2 = 2y 2 + y = 0, cest-`

2 /4 , d elimit es /2

0 et le sommet, qui 0 doivent etre exclus. Par ailleurs, y = 0 est une solution singuli` ere, fournissant deux solutions maximales pour x ] , 0[ et x ]0, +[ respectivement.

Remarque On dit que


ydx (x + y )dy = 0.
2

1 y2

est un facteur int egrant

de la forme di erentielle

y 1

Ce sont les equations de la forme (E) y = a(x)y + b(x)

o` u a, b : I R (ou C) sont des fonctions continues. equation (E). Alors Supposons quon connaisse une solution particuli` ere y(1) de l a-dire que z = y y(1) on obtient par soustraction y y(1) = a(x)(y y(1) ), cest-` v erie l equation lin eaire sans second membre (E0 ) z = a(x)z.

Inversement, si z est solution de (E0 ), alors y = y(1) + z est solution de (E).

Th eor` eme 1 La solution g en erale de (E) s ecrit


y = y(1) + z ere de (E) et o` u z est la solution g en erale de (E0 ). o` u y(1) est une solution particuli`

VI M ethodes de r esolution explicite

163

a) Solutions de (E0 ) Comme f (x, z ) = a(x)z est continue et de d eriv ee partielle f z (x, z ) = a(x) continue, on sait que le probl` eme de Cauchy admet une solution unique en tout es point (x0 , z0 ) I R. Or z (x) 0 est clairement solution de (E0 ). Dapr` lunicit e, aucune autre solution ne peut sannuler en un quelconque point x0 I . Si z = 0, on peut donc ecrire z = a(x), z ln |z | = A(x) + C, o` u A est une primitive de a sur I . On en d eduit |z (x)| = eC eA(x) , z (x) = (x)eC eA(x) avec (x) = 1.

C R,

Comme z est continue et ne sannule pas, le signe de z ne change pas, do` u z (x) = eA(x) avec = eC . Inversement, toute fonction z (x) = eA(x) , R

et visiblement solution de (E0 ). On peut donc enoncer :

Th eor` eme 2 Les solutions maximales de (E0 ) : z = a(x)z forment un espace


vectoriel de dimension 1, ayant pour base x eA(x) .

b) Recherche dune solution particuli` ere y(1) de (E). Si aucune solution evidente nappara t, on peut utiliser la m ethode dite de variation des constantes, cest-` a-dire que lon cherche y(1) sous la forme y(1) (x) = (x)eA(x) , o` u est di erentiable. Il vient y(1) (x) = (x)a(x)eA(x) + (x)eA(x) = a(x)y(1) (x) + (x)eA(x) . y(1) est donc solution de (E) si on prend (x)eA(x) = b(x), (x) = b(x)eA(x) ,
x

(x) =
x0

b(t)eA(t) ,

x0 I.

164

Analyse num erique et equations diff erentielles

On obtient ainsi la solution particuli` ere y(1) (x) = eA(x)


x x0

b(t)eA(t) dt

telle que y(1) (x0 ) = 0. La solution g en erale est donn ee dapr` es le th eor` eme 1 par y (x) = eA(x) +
x x0

b(t)eA(t) dt .

La solution du probl` eme de Cauchy y (x0 ) = y0 est obtenue pour = eA(x0 ) y0 .

Exercice Propri et es g eom etriques li ees aux equations lin eaires (cf. sch ema).
(a) Si y(1) , y(2) , y(3) sont trois solutions dune equation lin eaire, montrer que la ` y(2) y(1) . fonction y(3) y(2) est proportionnelle a (b) Montrer quune equation y = f (x, y ) est lin eaire si et seulement si le champ e, les tangentes aux des tangentes a la propri et e suivante : pour tout x0 x eles. di erents points (x0 , y ) sont concourantes ou toutes parall`

x0


a) Equations de Bernoulli Ce sont les equations de la forme (E)

dy = p(x)y + q (x)y , dx

R \ {1},

VI M ethodes de r esolution explicite

165

avec p, q : I R continues (pour = 1, (E) est lin eaire). On se place dans le demi-plan sup erieur U = R ]0, +[= {(x, y ) ; y > 0}. En multipliant par y , on obtient (E) Posons z = y 1 ; alors
dz dx

dy = p(x)y 1 + q (x) dx

dy = (1 )y dx , do` u

(E)

dz 1 = p(x)z + q (x) 1 dx

On est donc ramen e` a une equation lin eaire en z . b) Equations de Riccati Ce sont les equations de la forme (E) y = a(x)y 2 + b(x)y + c(x)

avec a, b, c : I R continues, cest-` a-dire que f (x, y ) est un polyn ome de degr e 2 en y . Montrons que lon sait r esoudre (E) d` es que lon conna t une solution particuli` ere y(1) . Posons y = y(1) + z . Il vient
2 y(1) + z = a(x)(y(1) + 2y(1) z + z 2 ) + b(x)(y(1) + z ) + c(x) 2 + b(x)y(1) + c(x) + (2a(x)y(1) + b(x))z + a(x)z 2 . = a(x)y(1)

Comme y(1) se simplie, on en d eduit z = (2a(x)y(1) (x) + b(x)) + a(x)z 2 . Cest une equation lin eaire de Bernoulli avec = 2. On la ram` ene ` a une equation 1 . lin eaire en posant w = z 1 = z

Exemple Soit l equation (1 x3 )y + x2 y + y 2 2x = 0.


On remarque que y(1) (x) = x2 est solution particuli` ere. En posant y = x2 + z on se ram` ene ` a (1 x3 )z + 3x2 z + z 2 = 0 ` puis, apr` es division par z 2 , a (1 x3 )w + 3x2 w + 1 = 0 avec soit w = 3x2 1 w+ , 3 1x 1 x3 w= 1 , z

si x = 1.

166

Analyse num erique et equations diff erentielles

L equation lin eaire sans second membre

w w

3x2 1x3

donne w= . 1 x3

ln |w| = ln |1 x3 | + C,

do` u

La m ethode de variation des constantes conduit a ` 1 = 1 x3 1 x3 soit = 1, (x) = x.

La solution g en erale de l equation lin eaire compl` ete est donc w(x) = do` u y = x2 + z = x2 +
1 w

x+ , 1 x3 soit encore

= x2 +

1x3 x + ,

y (x) =

1 + 3 x2 + 1 = x 2 + . x+ x+

Pour = 1, on obtient la droite y = x 1. Pour = 1, il sagit dune hyperbole (y x + 2 )(x + ) = 1 + 3 , admettant pour asymptotes les droites ere y(1) (x) = x2 est la solution limite x = et y = x 2 . La solution singuli` obtenue quand || tend vers +.


y x

Une equation homog` ene est une equation qui peut se mettre sous la forme (E) y =f o` u f :IR est continue.

VI M ethodes de r esolution explicite

167

P (x,y ) u P, Q sont des polyn omes Cest le cas par exemple des equations y = Q (x,y ) o` d erateur et au d enominateur homog` enes de m eme degr e d : une division par x au num P (1,y/x) . nous ram` ene ` ay =Q (1,y/x)

y M ethode On pose z = x , cest-` a-dire y = xz . Il vient

y = z + xz = f (z ), donc z satisfait l equation a ` variables s epar ees z = f (z ) z . x

On a dune part les solutions singuli` eres z (x) = zj , y (x) = zj x (droites passant par 0),

o` u {zj } est lensemble des racines de f (z ) = z . Pour f (z ) = z on peut ecrire dz dx = , f (z ) z x F (z ) = ln |x| + C = ln (x),

R ,

o` u F est une primitive de z 1/(f (z ) z ) sur ]zj , zj +1 [. On en d eduit que u la famille de courbes int egrales z = F 1 (ln (x)), do` C : y = xF 1 (ln (x)), d enies dans le secteur angulaire zj <
y x

< zj +1 , x > 0.

En cas de divergence de F aux points zj , zj +1 , on a F 1 : ] , +[]zj , zj +1 [ y zj ou zj +1 quand x 0 ou . On a donc dune monotone bijective et x part une branche innie de direction asymptotique y = zj +1 x (resp. y = zj x) et une tangente y = zj x (resp. y = zj +1 x) au point 0 si F est croissante (resp. ecessairement asymptote : d ecroissante). Noter que la droite y = zj x nest pas n voir lexemple ci-dessous. Observons enn que les lignes isoclines sont les droites y = mx, la pente correspondante etant f (m). Le champ des tangentes est donc invariant par les homoth eties de centre O. Ceci permet de voir que lhomoth etique dune courbe int egrale est encore une courbe int egrale.

Exercice V erier que C = h1/ (C1 ) o` u h (x, y ) = (x, y ).

168

Analyse num erique et equations diff erentielles

isocline y = mx pente f (m)

y=

x z2

f (m

)=

y=

zx 1

Exemple L equation xy (2y x) = y 2 peut se r ecrire


y = y2 x(2y x) si x = 0, y= x . 2

y est donc une fonction rationnelle en x, y dont le num erateur et le d enominateur sont des polyn omes homog` enes de degr e 2. En divisant le num erateur et d enominateur par x2 on obtient y =
y Posons z = x , soit y = xz . Il vient

(y/x)2 . 2y/x 1

z2 , 2z 1 z z2 z (1 z ) z2 xz = z = = . 2z 1 2z 1 2z 1 y = xz + z = Solutions singuli` eres : z = 0, y = 0, Pour z = 0, z = 1 l equation se r ecrit 2z 1 dx dz = . z (1 z ) x z = 1, y = x.

VI M ethodes de r esolution explicite

169

La fonction

2z 1 z (1 z ) 1 1 = = z (1 z ) z (1 z ) 1z z

admet pour primitive ln |1 z | ln |z | = ln |z (1 z )|, do` u le calcul des courbes int egrales : ln |z (1 z )| = ln |x| + C, y y z (1 z ) = , 1 = , x x x x y (x y ) = x. Les courbes int egrales sont donc des coniques. On peut mettre l equation sous la forme (y )(x y ) = 2 cest-` a-dire XY = avec X = x y et Y = y . Il sagit dune hyperbole dasymptotes y = , y = x (parall` eles aux directions asymptotiques y = 0, y = x donn ees par les droites int egrales singuli` eres).

Exercice Montrer que chaque hyperbole passe par (0, 0) avec tangente x = 0.

Autre M ethode de r esolution Utilisation des coordonn ees polaires.


Pour r > 0 et R on pose x = r cos . y = r sin

170 Il vient

Analyse num erique et equations diff erentielles

dy dr sin + r cos d dr tan + r d = = . dx dr cos r sin d dr r tan d L equation (E) y = f


y x

se transforme alors en

dr tan + r d = (dr r tan d)f (tan ), dr(f (tan ) tan ) = rd(1 + tan f (tan )), dr 1 + tan f (tan ) = d. r f (tan ) tan On aboutit donc a ` une equation a ` variables s epar ees r, . Les int egrales singuli` eres correspondent aux droites = j telles que f (tan j ) = tan j .

Exercice R esoudre y =

la nature des courbes int egrales ?

x +y xy

a laide des deux m ` ethodes propos ees. Quelle est

On appelle equation du premier ordre non r esolue en y une equation de la forme (E) f (x, y, y ) = 0

o` u (x, y, p) f (x, y, p) est une fonction de classe C 1 dans un ouvert U R3 . equation Pla cons-nous au voisinage dun point (x0 , y0 ) R2 . On suppose que l f (x0 , y0 , p) = 0 admet des racines p1 , p2 , . . . , pN et que ces racines sont simples, cest-` a-dire f (x0 , y0 , pj ) = 0. p Dapr` es le th eor` eme des fonctions implicites, on sait alors quil existe un voisinage V de (x0 , y0 ), un r eel h > 0 et une fonction gj : V ]pj h, pj + h[ de classe C 1 , 1 j N , tels que pour tout (x, y, p) V ]pj h, pj + h[ on ait f (x, y, p) = 0 p = gj (x, y ).

L equation di erentielle f (x, y, y ) = 0 nous am` ene alors ` a r esoudre dans V les N equations di erentielles (Ej ) y = gj (x, y ).

Comme gj est de classe C 1 , on voit que par tout point (x, y ) V il passe exactement N courbes int egrales dont les pentes sont les racines p de f (x, y, p) = 0.

VI M ethodes de r esolution explicite

171

pente p2 y pente p1 x

Remarque Dans cette situation, il arrive fr equemment quon ait une famille
a-dire une courbe qui de courbes int egrales C admettant une enveloppe , cest-` est tangente en chacun de ses points ` a lune des courbes C .

La courbe est alors elle-m eme une courbe int egrale, car en chaque point sa tangente appartient au champ des tangentes de l equation (E) (elle co ncide avec la ere. On notera tangente de lune des courbes C ). est donc une solution singuli` quune telle courbe doit satisfaire simultan ement les deux equations f (x, y, y ) = 0 et f /p(x, y, y ) = 0 : chaque point (x, y ) est en eet limite dune suite de points en lesquels deux tangentes du champ viennent se confondre, de sorte que eses faites cip = y est racine double de f (x, y, p) = 0. En particulier les hypoth` dessus pour appliquer le th eor` eme des fonctions implicites ne sont pas satisfaites si (x0 , y0 ) .

M ethode de R esolution Pour r esoudre les equations di erentielles non en eral est de chercher une param etrisation de x, y, y en r esolues en y , le principe g fonction dun param` etre t qui sera alors choisi comme nouvelle variable.

a) Equations du type (E ) : f (x, y ) = 0 Supposons que l equation f (x, p) = 0 admette une param etrisation de classe C 1

172

Analyse num erique et equations diff erentielles

x = (t) p = (t). On a alors dx = (t) dt dy = y dx = (t) dx = (t) (t) dt On en d eduit y=


t0 t

(u) (u)du + = (t) + ,

ce qui donne une param etrisation des courbes int egrales : x = (t) y = (t) + .

b) Equations du type (E ) : f (y, y ) = 0, y = (t) connaissant une param etrisation y = (t).


(t) On obtient dy = (t)dt = (t)dx, do` u dx = egrales sont (t) dt. Les courbes int param etr ees par x = (t) + y = (t) t

avec (t) =
t0

(u) du. (u)

Ce sont les equations pouvant etre mises sous la forme (E) f y ,y x = 0.

Supposons quon connaisse une param etrisation = (t) y = (t). On a alors y = x(t), dy = (t)dx + x (t)dt dy = (t) dx, do` u ( (t) (t)) dx = x (t) dt.
y x

VI M ethodes de r esolution explicite

173

On a dune part des solutions singuli` eres correspondant aux racines tj de (t) = (t), donnant des droites y = x(tj ). Dautre part, pour t = tj on obtient dx (t) = dt, x (t) (t) ce qui donne par int egration de /( ) : ln |x| = (t) + C, x = e(t) , y = x(t) = (t)e(t) R.

Il est clair sur ces derni` eres formules que les courbes int egrales se d eduisent les unes des autres par les homoth eties de centre O.

Exemple Soit l equation x2 (y + 3xy ) = (y + xy )3 .


En divisant par x3 on trouve y y + 3y = +y x x
3

etrisation cest donc une equation homog` ene non r esolue en y . On obtient une param en posant y x +y =t y 3 x + 3y = t , do` u
3 =1 2 (3t t ) 3 y =1 2 (t t). y x 1 2

()

En di erentiant y =

(3t t3 )x on obtient dy = 1 1 (3 3t2 )dt x + (3t t3 ) dx 2 2 1 = y dx = (t3 t) dx, 2 (t3 2t)dx =

do` u l equation 1 (3 3t2 )dt x, 2 3(1 t2 ) dx = dt. x 2t(t2 2) Solutions singuli` eres : t(t2 2) = 0 t = 0, 2, 2. En rempla cant dans () on obtient les droites 2 2 x, y= x. y = 0, y= 2 2

174 Solution g en erale :

Analyse num erique et equations diff erentielles

1 t2 t2 1 t 1 t2 = = , 2 t(t 2) t(t2 2) 2t 2(t2 2) 3(1 t2 ) 3 dt 3 tdt dt = . 2t(t2 2) 4 t 4 t2 2 On en d eduit 3 3 ln |t| ln |t2 2| + C, 4 8 x = |t|3/4 |t2 2|3/8 y 3 3/4 2 y=x x= |t 2|3/8 . 2 (3t t )|t| ln |x| = y

Exercice Montrer que par tout point (x, y ) tel que |y | < |x| il passe exactement trois courbes int egrales, alors quil nen passe quune si |y | > |x|. Combien en passeees a ` t-il si |y | = |x| ? [Indication : etudier le nombre de valeurs de t et y associ une valeur donn ee de y/x].

Cherchons ` a d eterminer les equations di erentielles dont les courbes isoclines sont des droites. La courbe isocline y = p sera une droite y = a(p)x + b(p) (pour equation di erentielle simplier, on ecarte le cas des droites parall` eles ` a y Oy ). L correspondante est donc (E) y = a(y )x + b(y ).

On supposera que a, b sont au moins de classe C 1 .

VI M ethodes de r esolution explicite

175

M ethode de R esolution

On choisit p = y comme nouvelle variable param etrant chaque courbe int egrale ; ceci est l egitime ` a condition que y ne soit pas une constante sur un morceau de la courbe int egrale consid er ee. Dans egrale est contenue dans la le cas contraire, si y = p0 = constante, la courbe int droite y = a(p0 )x + b(p0 ), ce qui nest compatible avec la condition y = p0 que si a(p0 ) = p0 .

u les pj sont les racines de On a donc des solutions singuli` eres y = pj x + b(pj ) o` a(p) = p. Solution g en erale : y = a(p)x + b(p), dy = a(p)dx + (a (p)x + b (p))dp dy = y dx = pdx. Il vient (p a(p))dx = (a (p)x + b (p))dp, et pour p = a(p) on aboutit a ` dx 1 = (a (p)x + b (p)) ; dp p a(p) cest une equation lin eaire en la fonction x(p). La solution g en erale sera de la forme x(p) = x(1) (p) + z (p), R,

y (p) = a(p)(x(1) (p) + z (p)) + b(p).

Exercice R esoudre l equation 2y x(y + y 3 ) + y 2 = 0.


Cest le cas particulier des equations de Lagrange dans lequel a(p) = p pour toute valeur de p, soit (E) Les droites Dp : y = px + b(p) qui etaient pr ec edemment des solutions singuli` eres forment maintenant une famille g en erale de solutions. Montrons que les droites Dp poss` edent toujours une enveloppe . Une telle courbe admet par d enition une param etrisation (x(p), y (p)) telle que soit tangente a ` Dp au point (x(p), y (p)). y = y x + b(y ).

176

Analyse num erique et equations diff erentielles

(x(p), y (p)) Dp

Le vecteur tangent (x (p), y (p)) a ` doit avoir m eme pente p que Dp , do` u y (p) = px (p). Par ailleurs (x(p), y (p)) Dp , donc y (p) = px(p) + b(p). En di erentiant, il vient y (p) = px (p) + x(p) + b (p). u la param etrisation cherch ee de lenveloppe : Ceci implique x(p) + b (p) = 0, do` x(p) = b (p) y (p) = pb (p) + b(p).

Si b est de classe C 2 , on a y (p) = pb (p) = px (p) de sorte que est bien ere de (E). lenveloppe des droites Dp . La courbe est une solution singuli`

Exercice R esoudre l equation (xy y )(1 + y 2 ) + 1 = 0.

On consid` ere le probl` eme suivant :

Probl` eme Etant donn e une famille de courbes


C : h(x, y, ) = 0, R,

existe-t-il une equation di erentielle du premier ordre dont les courbes C soient les courbes int egrales ?

VI M ethodes de r esolution explicite

177

Cas particulier. On suppose que les courbes C sont les lignes de niveau dune fonction V de classe C 1 : C : V (x, y ) = , R.

Alors les courbes C sont solutions de l equation di erentielle (E) Vx (x, y )dx + Vy (x, y )dy = 0.

Cas g en eral. Si l equation h(x, y, ) = 0 peut se mettre sous la forme = V (x, y ), on est ramen e au cas pr ec edent. Sinon on ecrit que sur chaque C on a h(x, y, ) = 0 hx (x, y, )dx + hy (x, y, )dy = 0, et on essaie d eliminer entre les 2 equations pour obtenir une equation ne faisant plus intervenir que x, y, dx, dy .

Exemple Soit C la famille des hyperboles equilat` eres de centre O passant par
le point A(1, 0). y

y=m

x
C

A (1, 0) A (1, 0) 0 x

y= 1 mx

Les asymptotes de C sont alors des droites orthogonales passant par O, soit y = mx, Posons X = y mx, Y = y +
1 m

y=

1 x, m

m R .

x. L equation de lhyperbole cherch ee s ecrit

XY = C

(constante), 1 x = C, (y mx)(y + m 1 m xy = C. y 2 x2 + m

178

Analyse num erique et equations diff erentielles

En faisant x = 1, y = 0 on trouve C = 1, do` u l equation C : y 2 x2 + xy + 1 = 0, avec =


1 m

R,

m (noter que m =

1 m

m est surjective de R sur R). Sur C on a :

x2 y 2 1 , xy (2xdx 2ydy )xy (x2 y 2 1)(xdy + ydx) . d = 0 = x2 y 2 L equation di erentielle des courbes C est donc (E) : (E) : (2x2 y x2 y + y 3 + y )dx + (2xy 2 x3 + xy 2 + x)dy = 0, (x2 + y 2 + 1)ydx (x2 + y 2 1)xdy = 0.

Soient (C ), ( ) deux familles de courbes.

D enition On dit que C et sont orthogonales si les tangentes a ` C et


sont orthogonales en tout point de C , quels que soient et .

Probl` eme Etant donn e une famille de courbes C , trouver la famille ( ) des
courbes qui sont orthogonales aux C . Pour cela, on suppose que lon conna t une equation di erentielle (E) satisfaite par equation di erentielle (E ) des courbes orthogoles courbes C , et on cherche l nales . Distinguons quelques cas.

VI M ethodes de r esolution explicite

179

(C ) satisfait (E) : y = f (x, y ). En un point (x, y ) donn e, la pente de la tangente a ` C est y = f (x, y ). La pente de la tangente a ` est donc 1/f (x, y ). Les courbes ( ) sont donc solutions de (E ) : y = 1 . f (x, y )

dx = a(x, y ) dM dt . = V (M ) (C ) satisfait (E) : dt dy = b(x, y ) dt La tangente a ` C est port ee par V (M ), celle de ( ) est donc port ee par le vecteur b ( x, y ) . Par suite ( ) est solution de orthogonal V (M ) a(x, y ) dx = b(x, y ) dt (E ) dy = a(x, y ) dt (C ) satisfait (E) : (x, y )dx + (x, y )dy = 0. Alors ( ) v erie (E ) : (x, y )dx + (x, y )dy = 0. Cas particulier. Supposons que les courbes C sont les lignes de niveau V (x, y ) = de la fonction V . Elles v erient alors (E) Vx (x, y )dx + Vy (x, y )dy = 0.

Leurs trajectoires orthogonales ( ) sont les lignes de champ du gradient grad V : dx = Vx (x, y ) dt (E ) dy = Vy (x, y ) dt

Exemple Soit C : y 2 x2 + xy + 1 = 0 (cf. 3.1).


Nous avons vu que C v erie (E) : erie Donc v (E ) : (x2 + y 2 1)xdx + (x2 + y 2 + 1)ydy = 0 (x2 + y 2 )(xdx + ydy ) xdx + ydy = 0. Une int egrale premi` ere appara t imm ediatement : d 1 2 y2 x2 (x + y 2 )2 + =0 4 2 2 (x2 + y 2 + 1)ydx (x2 + y 2 1)xdy = 0.

180

Analyse num erique et equations diff erentielles

Les courbes sont donc les lignes de niveau (x2 + y 2 )2 2x2 + 2y 2 = , ce qui peut encore s ecrire (x2 + y 2 + 1)2 4x2 = + 1, (x2 2x + 1 + y 2 )(x2 + 2x + 1 + y 2 ) = + 1, ((x 1)2 + y 2 )((x + 1)2 + y 2 ) = + 1, MA MA = C = avec M x y , A A 0 , A + 1, 1 0 R,

Les courbes M A M A = C sappellent des ovales de Cassini. Leur allure est la suivante. y

Nous pr esentons ici la c el` ebre courbe du chien comme exemple de courbe de poursuite. Voici le probl` eme : un chien et son ma tre se d eplacent lun et lautre a ` des vitesses scalaires constantes V (pour le chien) et v (pour le ma tre), avec V > v . On suppose que le ma tre se d eplace en ligne droite, disons sur laxe Ox, dans la direction positive, suivant la loi x = vt. A linstant t = 0, le chien se trouve au ` distance r0 du ma tre. Le chien cherche a ` rejoindre son point x = 0 y = r0 , a ma tre en pointant son vecteur vitesse V en direction du ma tre. Le probl` eme est de d eterminer la loi du mouvement C (t) du chien.

VI M ethodes de r esolution explicite

181

y C0 0 r0

V x(t) y (t) V M0 = O M (t) vt 0 x

C (t)

Notons langle (non orient e) = (Ox, CM ) et r = CM ; on a bien entendu = (t) et r = r(t). Comme dhabitude en Physique, on d esignera par des points surlignants les d eriv ees temporelles r (t) = dr/dt, (t) = d/dt, . . . . A linstant t, la position et la vitesse du chien sont donn ees par x(t) = vt r cos , y (t) = r sin , x (t) = v r cos + r sin = V cos , y (t) = r sin + r cos = V sin ,

Ces equations fournissent ais ement lexpression de r et r : r = v cos V, r = v sin . En prenant le quotient on elimine dt et on trouve donc V 1 dr = cotan + . r d v sin Notons = V /v > 1 le rapport des vitesses respectives du chien et du ma tre. Apr` es int egration, et compte tenu de ce que r = r0 et = /2 quand t = 0, il vient ln r = ln sin + ln tan(/2) + Cte Nous en d eduisons d v sin v = = = (sin )2 tan(/2) . dt r r0 = r = r0 tan(/2) sin

182

Analyse num erique et equations diff erentielles

En posant = tan(/2) et sin = 2 sin dt =

2 cos = , on trouve 2 2 1 + 2

r0 tan(/2) r0 d = (1 + 2 )2 d, 2 v (sin ) 2v 1 +1 1 r0 1 + t= 2v 1 +1

compte tenu du fait que = 1 en t = 0. Par substitution dans les expressions de x equations param etriques et y , et dapr` es l egalit e tan = 2/(1 2 ), on obtient les ` savoir de la courbe du chien , a r0 1 1 1 +1 r0 x= + (1 2 )1 2 1 +1 2 y = r0 1 +1 r 1 1 t = 0 + , [0, 1]. 2v 1 +1 Au terme de la poursuite (y = = 0), le ma tre a parcouru la distance x= y r0 2 1 pendant le temps t = r0 . 2 1 v

C0

0 r0

M (t) = V /v = 10 3, 0 2, 0 1, 5

vt 0 1, 25 x

Remarque Les equations ont encore un sens lorsque t < 0. On a dans ce cas ]/2, [ , ]1, +[ , le chien se trouve dans le quadrant x > 0, y > r0 et se dirige vers le ma tre qui parcourt de son c ot e la demi-droite x < 0.

VI M ethodes de r esolution explicite

183

On consid` ere une equation di erentielle (E) y = f (x, y, y )

o` u f : U R, U R3 , est une application continue localement lipschitzienne en ses deuxi` eme et troisi` eme variables. epend alors de deux La solution g en erale y d enie au voisinage dun point x0 d param` etres , R qui apparaissent le plus souvent comme des constantes dint egration : y (x) = (x, , ). Le th eor` eme de Cauchy-Lipschitz montre quon peut choisir y0 = y (x0 ), y1 = y (x0 ) comme param` etres. Il existe tr` es peu de cas o` u on sait r esoudre explicitement une equation du second ordre : m eme les equations lin eaires du second ordre sans second membre ne se r esolvent pas explicitement en g en eral.


a) Equations du type (E) :

y = f (x, y )

Si on consid` ere la nouvelle fonction inconnue v = y , (E) se ram` ene ` a l equation du premier ordre v = f (x, v ). La solution g en erale de cette derni` ere sera de la forme v (x, ), R, et on obtient donc x y (x) =
x0

v (t, )dt + ,

R.

b) Equations du type (E) :

y = f (y, y )

La m ethode consiste ` a prendre y comme nouvelle variable et v = y comme variable fonction inconnue (en la variable y ). etre choisi Il peut y avoir des solutions constantes y (x) = y0 , auquel cas y ne peut comme variable. On a donc des solutions singuli` eres y (x) = yj , Cas g en eral y = dy dy dv dy = =v dx dx dy dy avec f (yj , 0) = 0.

184

Analyse num erique et equations diff erentielles

L equation se ram` ene alors ` a l equation du premier ordre v dv = f (y, v ). dy

La r esolution de cette derni` ere donne une solution g en erale v (y, ), R. On doit ensuite r esoudre dy = dx, y = v (y, ) v (y, ) do` u la solution g en erale dy = x + , v (y, ) R.

c) Equations du type (E) :

y = f (y )

Cest un cas particulier du cas b) pr ec edent, mais on peut ici pr eciser davantage la m ethode de r esolution. On a en eet y y = f (y )y ,
2 et en int egrant il vient 1 = (y ) + , R, o` u est une primitive de f . On 2 y obtient donc y = 2((y ) + ), dy = dx, 2((y ) + ) y du = x + , R. 2((u) + ) y0

Interpr etation physique On etudie la loi du mouvement dun point mat eriel
M de masse m astreint a ` se d eplacer sur une courbe (C ). On suppose que la epend que de la composante tangentielle FT de la force F qui sexerce sur M ne d position de M , rep er ee par son abscisse curviligne y sur (C ).

FT M F (C ) FN

VI M ethodes de r esolution explicite

185

Par hypoth` ese, il existe une fonction f telle que FT = f (y ). Le principe fondamental de la dynamique donne d2 y FT = mT = m 2 , dt do` u (E) my = f (y )

2 avec y = d2 y/dt2 . On en d eduit my y f (y )y = 0, donc 1 u 2 my (y ) = , o` 2 my = E est l e nergie cin e tique de la est une primitive de f . La quantit e 1 c 2 particule tandis que

(y ) =

f (y )dy =

FT (M ) dM =

F (M ) dM

est l energie potentielle Ep . L energie totale Et = Ec + Ep = 1 my 2 (y ) 2

est constante quel que soit le mouvement du point M . On dit que U (y, y ) = 1 2 egrale premi` ere de (E) (dans le sens que cest une 2 my (y ) est une int relation di erentielle obtenue ` a laide dune premi` ere int egration de l equation du second ordre, une deuxi` eme int egration restant n ecessaire pour etablir la loi du esigne l energie totale, la loi du mouvement est donn ee par mouvement). Si Et d
y

t t0 = m/2
y0

du Et + (u)

2 au voisinage de tout donn ee initiale (t0 , y0 , y0 ) telle que 1 2 my0 = Et + (y0 ) > 0.

Supposons que la fonction f : R R soit de classe C 1 , strictement d ecroissante et telle que f (0) = 0 ; on a donc en particulier f (y ) > 0 pour y < 0 et f (y ) < 0 pour y < 0 (physiquement, ceci signie que la force est une force de rappel vers la position neutre y = 0, dont lintensit e saccro t avec la distance a ` la position neutre). Alors les solutions maximales t y (t) sont u p eriodiques. Pour le voir, posons par exemple (u) = 0 f (y )dy et observons que est une fonction concave n egative ou nulle, passant par un maximum en (0) = 0. 2 2 my ( y ) = E 0 et (y ) > 0 si y = 0, les solutions non Comme 1 t avec y 2 energie totale, et elles v erient triviales nexistent que pour une valeur Et > 0 de l eels |y | 2Et /m et (y ) Et . De plus, si a < 0, b > 0 sont les uniques r n egatif et positif tels que (a) = (b) = Et , on a a y (t) b pour tout t. Ceci implique d ej` a que les solutions maximales sont d enies sur R tout entier [si par exemple une solution maximale n etait d enie que sur un intervalle ouvert ]t1 , t2 [, le crit` ere de Cauchy uniforme montrerait que y se prolonge par continuit e` a droite a gauche en t2 , puisque y est lipschitzienne de rapport 2Et /m, et en t1 et ` 1 ace ` a la relation y = m f (y ) ; lexistence de m eme y et y se prolongeraient gr e de y ]. de solutions locales au voisinage de t1 et t2 contredirait alors la maximalit

Compl ement

186

Analyse num erique et equations diff erentielles

2 La relation 1 2 my (y ) = Et montre que y = 0 lorsque a < y < b (car on a e, la fonction y est donc de signe constant sur alors (y ) < Et ). Par continuit tout intervalle de temps o` u a < y < b. La solution explicite donn ee plus haut montre que y est alternativement croissant de a ` a b puis d ecroissant de b ` a a, avec demi-p eriode b T du = m/2 , 2 Et + (u) a

et, en choisissant t0 tel que y (t0 ) = min y = a, on a les relations


y

t = t0 + t = t0

m/2
a y

m/2
a

du + nT, t [t0 + nT, t0 + nT + T /2], Et + (u) du + (n + 1)T, t [t0 + nT + T /2, t0 + (n + 1)T ]. Et + (u)

On observera que lint egrale donnant la p eriode T est convergente, car on a (a) = f (a) > 0, (b) = f (b) < 0, de sorte que Et + (u) f (a)(u a) au voisinage de a, et de m eme au voisinage de b.

Exemple Mouvement dun pendule simple de masse m suspendu a ` un l de


longueur l.

l F

m FT

P = m g

u On a ici y = l et FT = P sin = mg sin , do` ml = mg sin , g = sin . l L energie totale est 1 1 my 2 mgl cos = ml2 2 mgl cos . 2 2 Les solutions t (t) v erient Et = Ec + Ep = 2 2Et 2g cos = = , R, l ml2 d t0 R. = t t0 , 0 + 2lg cos

VI M ethodes de r esolution explicite

187
2g l ,

Lint egrale ne se calcule pas explicitement, sauf si = t t0 = l g


0

auquel cas

d = 2 cos /2

l ln tan + , g 4 4

et le pendule atteint la position verticale haute = en un temps inni. Dans les autres cas, les solutions maximales sont p eriodiques. Si < 2g/l, l equation di erentielle implique cos l/2g > 1 et lamplitude angulaire est donc major ee en valeur absolue par une amplitude maximale m ]0, [ telle que cos m = l/2g ; dans ce cas le mouvement est oscillatoire autour de la position d equilibre = 0 (ceci correspond a ` la situation etudi ee dans la remarque, avec une eriode fonction f () = sin strictement d ecroissante sur [m , m ]). La demi-p est donn ee par T = 2
m m

d +
2g l

=2 cos
0

d +
2g l

. cos

Si > 2g/l, on nest plus dans la situation de la remarque, mais on a cependant encore un mouvement p eriodique de demi-p eriode T = 2
0

d +
2g l

, cos

le pendule eectuant des rotations compl` etes sans jamais changer de sens de rotation. En physique, on sint eresse g en eralement aux oscillations de faible amplitude du pendule. Ceci permet de faire lapproximation usuelle sin et on obtient alors les solutions approch ees classiques = m cos (t t0 ) avec = g/l. Nous reviendrons sur cette question au paragraphe 2.4 du chapitre XI, et nous indiquerons en particulier une m ethode permettant d evaluer lerreur commise.

La th eorie g en erale des equations et syst` emes di erentiels lin eaires sera faite au chapitre suivant. Indiquons un cas o` u lon peut se ramener a ` un calcul de primitives. Soit (E) a(x)y + b(x)y + c(x)y = 0.

Supposons quon connaisse une solution particuli` ere y(1) de (E). On peut alors chercher la solution g en erale par la m ethode de variation des constantes : y (x) = (x)y(1) (x). Il vient a(x) y(1) + 2 y(1) + y(1) + b(x) y(1) + y(1) + c(x)y(1) = 0, a(x)y(1) + b(x)y(1) + c(x)y(1) + 2a(x)y(1) + b(x)y(1) + a(x)y(1) = 0, 2a(x)y(1) + b(x)y(1) + a(x)y(1) = 0.

188

Analyse num erique et equations diff erentielles

La fonction = est donc solution dune equation di erentielle lin eaire du premier ordre, qui se peut se r ecrire y(1) b(x) = . = 2 y(1) a(x) La solution g en erale est donn ee par = (1) , R, do` u = (1) + , R, o` u (1) est une primitive de (1) . La solution g en erale de (E) est donc : y (x) = (1) (x)y(1) (x) + y(1) (x), (, ) R2 .

Les solutions forment un espace vectoriel de dimension 2.

Exercice R esoudre x2 (1 x2 )y + x3 y 2y = 0 en observant que y(1) (x) = x2


est solution.

Les probl` emes variationnels conduisent tr` es souvent ` a la r esolution d equations di erentielles du second ordre. Avant de donner un exemple, nous allons r esoudre un probl` eme variationnel g en eral dans une situation simple. On consid` ere un op erateur fonctionnel (cest-` a-dire une fonction dont la variable est une fonction) : C 2 ([a, b]) R
b

u (u) =
a

F (x, u(x), u (x))dx,

o` u F : [a, b] R R R, (x, y, z ) F (x, y, z ) est une application de classe C 2 . Le probl` eme typique du calcul des variations est de rechercher les extrema de (u) lorsque u d ecrit C 2 ([a, b]) avec la contrainte aux bornes suivante : les valeurs ees. aux bornes de lintervalle u(a) = u1 , u(b) = u2 sont x 2 Soit h C ([a, b]) avec h(a) = h(b) = 0. Pour tout t R, la fonction u + th v erie la m eme contrainte aux bornes que la fonction u. Si u est un extremum de sous les conditions pr ecis ees plus haut, alors t = 0 est un extremum de la fonction dune variable r eelle
b

h (t) = (u + th) =
a

F (x, u(x) + th(x), u (x) + th (x))dx.

eriant On doit donc avoir (0) = 0, et ceci quel que soit la fonction h C 2 ([a, b]) v h(a) = h(b) = 0. Dapr` es le th eor` eme de d erivation sous le signe somme il vient
b

h (0) =
a

h(x)Fy (x, u, u ) + h (x)Fz (x, u, u ) dx.

En int egrant par parties le terme en h (x) on obtient


b

h (0) =
a

h(x) Fy (x, u, u )

d F (x, u, u ) dx. dx z

VI M ethodes de r esolution explicite

189

Par densit e de lensemble des fonctions h consid er ees dans lespace L1 ([a, b]) des fonctions int egrables sur [a, b], on aura donc h (0) = 0 pour tout h si et seulement si u satisfait l equation di erentielle (E) ou encore : Fy (x, u, u ) Fxz (x, u, u ) u Fyz (x, u, u ) u Fzz (x, u, u ) = 0. Cette equation di erentielle du second ordre en u est appel ee equation dEulerLagrange associ ee au probl` eme variationnel d eni par lop erateur . Fy (x, u, u ) d dx Fz (x, u, u ) = 0,

Application a ` la cha nette On cherche ` a d eterminer la courbe repr esentant


la position a ` l equilibre dun l souple inextensible de masse lin eique = dm/ds constante, lorsque ce l est suspendu par ses extr emit es en des points situ es ` a nette ). On admettra comme la m eme hauteur (cette courbe est appel ee cha physiquement evident que la courbe cherch ee est sym etrique et situ ee dans le plan vertical contenant les extr emit es. Soit Oxy un rep` ere orthonorm e de ce plan tel que Oy est la verticale orient e vers le haut et passant par le point le plus bas de la courbe, les extr emit es ayant pour coordonn ees (a, 0). Soit enn s [ /2, /2] labscisse curviligne mesur ee le long du l avec le point le plus bas pris comme origine ( d esigne la longueur du l). La position d equilibre correspond ` a la position la plus basse possible du centre de gravit e G. Par sym etrie, on a (x etant choisi comme variable) : a a 1 1 2 a y dm = y ds = y ds, yG = m/2 0 /2 0 0 o` u m = est la masse du l. Une int egration par parties donne yG = 2 2
0

ys

a 0 a

2
0

s dy 2
0 a

s dy =

s 2 1 dx

avec s = ds/dx = dx2 + dy 2 /dx. Le probl` eme revient donc ` a d eterminer les fonctions s = s(x) r ealisant le maximum de lop erateur
a

(s) =
0

s 2 1 dx,

avec les contraintes s(0) = 0, s(a) = /2. L equation dEuler-Lagrange appliqu ee ` a F (x, s, t) = s t2 1 donne s21 d dx ss = s21 s 2 + ss ss 2 s s21 = 0. + 2 (s 1)3/2 s21

Apr` es multiplication par (s 2 1)3/2 on obtient l equation (E) (s 2 1)2 (s 2 1)(s 2 + ss ) + ss 2 s = 1 s 2 + ss = 0.

190

Analyse num erique et equations diff erentielles

On r esout cette equation gr ace ` a la m ethode d ecrite au paragraphe 4.2.b), consistant a choisir s comme nouvelle variable et v = s comme nouvelle fonction inconnue. Il ` vient successivement ds ds dv ds = =v , dx dx ds ds dv = 0, (E) 1 v 2 + sv ds ds vdv 1 = 2 ln s = ln(v 2 1) + C, s v 1 2 s = s= s = v2 1 = 1+ s 2 1, ds ds = dx s2 dx = 2

, 1 + s2 /2 x s x = Arg sinh s = sinh , dy 2 ds dy x x = 1+ = sinh . = ch dx dx dx On en d eduit l equation de la cha nette, en tenant compte du fait que y (a) = 0 : y = cosh a x cosh .

Le param` etre se calcule ` a partir de la relation sinh a/ = /2, obtenue en egalant s(a) = /2.

o` u F (x, s, t) = s t2 1 est de classe C 2 seulement sur R R {|t| > 1}, alors que u |s | est 1 mais prend la valeur 1 pour x = 0 (on notera que ds/dx = 1/ cos o` est langle de la tangente a ` la courbe avec laxe 0x). Supposons s (x) > 1 pour x > 0, comme cest le cas pour la solution physique observ ee. Le raisonnement de d erivation sous la signe somme et lint egration par parties appliqu es dans les consid erations g en erale du d ebut fonctionnent encore pour |t| petit si on suppose h(x) = 0 sur un voisinage de 0 (et aussi bien s ur h(a) = 0). Ces fonctions h sont encore denses dans L1 ([0, a]), donc s doit eectivement satisfaire l equation di erentielle (E) sur ]0, a].

Remarque Notre raisonnement nest pas parfaitement rigoureux dans la mesure

Calcul de g eod esiques Nous etudions ici une autre application importante
du calcul des variations, a ` savoir le calcul des g eod esiques dune surface (ou dune ee comme vari et e de dimension plus grande). Si nous avons une surface S R3 donn el ement de un graphe z = h(x, y ) dune fonction h : R sur un ouvert R2 , l longueur innit esimal de la surface S est donn e pour tout (x, y ) par ds2 = dx2 + dy 2 + dz 2 = dx2 + dy 2 + (hx dx + hy dy )2 = (1 + hx2 )dx2 + 2hx hy dx dy + (1 + hy2 )dy 2 .

VI M ethodes de r esolution explicite

191

Plus g en eralement, une m etrique riemannienne sur un ouvert Rm est une expression de l el ement de longueur innit esimal par une forme quadratique d enie positive, d ependant du point x consid er e: ds2 = q (x, dx) =
1i,j m

aij (x) dxi dxj

(avec une matrice sym etrique (aij (x)) d enie positive). On supposera en outre que eguliers, disons de classe C 2 . Etant donn e les coecients aij (x) sont susamment r 1 enition une courbe : [a, b] de classe C , sa longueur (riemannienne) est par d ds = (t) dt
b q

q (t), (t)dt =
1i,j m b

aij ( (t)) i (t)j (t) dt,

long( ) =
a

ds =
a 1i,j m

aij ( (t)) i (t)j (t) dt.

Pour deux points x, y , la distance g eod esique dq (x, y ) est par d enition emit es (a) = x, inf long( ) pour tous les chemins : [a, b] de classe C 1 dextr (b) = y . Si un chemin r ealise linmum, on dit quil sagit dune g eod esique de la m etrique riemannienne (on notera quen g en eral un tel chemin nexiste pas n ecessairement, et sil existe il peut ne pas etre unique). Un probl` eme fondamental est de d eterminer l equation des g eod esiques an entre autres de calculer la distance energie dun chemin qui est g eod esique. Pour cela il est commode dintroduire l par d enition
b

E ( ) =
a

(t)

2 q

dt =
a 1i,j m

aij ( (t)) i (t)j (t) dt.

Lin egalit e de Cauchy-Schwarz donne


b

(t)
a

dt

=
a 1/2

1 (t)

dt

(b a)
a

(t)

2 q

dt

soit long( ) (b a)E ( )

, avec egalit e si et seulement si


q

ds = (t) dt

= Cte,

condition qui peut toujours etre r ealis ee en reparam etrisant le chemin par son abscisse curviligne s. Il en r esulte que les chemins qui minimisent l energie sont exactement les g eod esiques param etr ees par labscisse curviligne (` a un facteur constant pr` es). Or la fonctionnelle d energie E ( ) admet pour di erentielle
b

E ( ) h =
a b i,j,k

aij ( (t)) i (t)j (t)hk (t) + 2 xk

aij ( (t)) i (t)hj (t) dt


i,j

=
a k

hk (t)
i,j

aij d ( (t)) i (t)j (t) 2 xk dt

aik ( (t)) i (t) dt


i

192

Analyse num erique et equations diff erentielles

apr` es int egration par parties (on suppose bien s ur hj (a) = hj (b) = 0). Il en r esulte etre identiquement nul. En multipliant que le coecient de chaque terme hk (t) doit par 1/2 et en d eveloppant la d eriv ee d/dt, on obtient le syst` eme d equations dEuler-Lagrange caract erisant les g eod esiques : aik ( (t)) i (t) +
i i,j

aik 1 aij ( (t)) i (t)j (t) = 0, xj 2 xk

1 k m.


5.1. On consid` ere l equation di erentielle ` a variables s epar ees (F ) dy = y + 1, dt > 0.

(a) Exprimer la solution g en erale de (F ) en introduisant la fonction auxiliaire


y

G(y ) =
0

dx +1

(b) Plus pr ecis ement : D eterminer (en distinguant les deux cas 0 < 1 et > 1) le comportement de G(y ) sur [0, +[ ; en d eduire dans chaque cas lallure des solutions maximales de (F ) ; traiter compl` etement et explicitement les deux cas = 1 et = 2. 5.2. On consid` ere l equation di erentielle xy y 2 + (2x + 1)y = x2 + 2x. (a) Poss` ede-t-elle une solution particuli` ere de type polyn ome ? solution g en erale. En donner la

(b) Quelle est l equation de lisocline de pente 0 dans le nouveau rep` ere de vecteurs de base ((1, 1), (0, 1)) ? Dessiner cette isocline en pr ecisant les tangentes aux points dabscisse 0 dans lancien rep` ere. (c) Dessiner lallure g en erale des solutions. (d) Soit (x0 , y0 ) un point de R2 . Combien passe-t-il de solutions maximales de ecisera lintervalle de d enition de ces solutions classe C 1 par (x0 , y0 ) ? On pr et le cas ech eant on indiquera les solutions globales. 5.3. On consid` ere l equation di erentielle dy = y 2 (2x 1)y + x2 x + 1. dt

VI M ethodes de r esolution explicite

193

(a) D eterminer explicitement les solutions de cette equation ; on pourra commencer par chercher sil existe des solutions polynomiales simples. (b) Montrer que les courbes int egrales maximales correspondant ` a des solutions non polynomiales forment deux familles de courbes se d eduisant les unes des autres par translations. Tracer celles de ces courbes qui sont asymptotes ` a laxe y Oy . u y est une fonction 5.4. On consid` ere l equation di erentielle (1) y 2 = yy + x, o` de x ` a valeurs r eelles, de classe C 1 par morceaux. (a) Par quels points (x, y ) de R2 passe-t-il une solution de (1) ? Faire un graphique. (b) En param etrant (1) par dy = tdx, montrer que y est solution dune equation = 0. di erentielle (2) f y, t, dy dt
(c) Int egrer (2) puis (1) ; on pourra poser t = tan avec 2 , 2 . On obtient une famille de courbes C d ependant dun param` etre .

(d) Pour = 0 pr eciser les limites quand et


dy d . dy que dx

0 de x, y, y/x, puis pr eciser


dx dy d , d

dx d

Quelle est la norme euclidienne du vecteur = tan .


2 2

? On se rappellera

dy dx + d (e) On pose z () = d z () puis tracer la courbe C0 .

pour 0

2.

Etudier les variations de

equation 5.5. On consid` ere la famille de paraboles (P ) d P : x = y 2 + y. (a) Montrer que ces courbes sont solutions dune equation di erentielle du premier ordre que lon pr ecisera. (b) D eterminer la famille des courbes orthogonales aux courbes (P ). enies par l equation 5.6. On consid` ere la famille de courbes (C ) dans R2 d x2 y 2 + y 3 = 0, o` u est un param` etre r eel. ere orthonorm e Oxy (unit e : 4 cm). (a) Tracer les courbes (C0 ), (C1 ) dans un rep` Quelle relation existe-t-il entre (C1 ) et (C ) ? (b) Montrer que les courbes (C ) sont solutions dune equation di erentielle du premier ordre. (c) D eterminer l equation des trajectoires orthogonales aux courbes (C ). Quelle est la nature de ces courbes ? Repr esenter la trajectoire orthogonale passant par le point (1, 0) sur le m eme sch ema que (C0 ) et (C1 ).

194

Analyse num erique et equations diff erentielles

5.7. On consid` ere dans le plan euclidien R2 la famille de courbes (C ) x4 = y 4 + x.

(a) D eterminer l equation di erentielle v eri ee par la famille (C ). (b) Ecrire l equation di erentielle des trajectoires orthogonales aux courbes (C ). En observant que cette equation est dun type classique, d eterminer l equation des trajectoires orthogonales. 5.8. On consid` ere le probl` eme de Cauchy (P) y = t2 + y 2 + 1 ; y (0) = 0.

(a) Soient T et R deux r eels > 0, et soit (T, R) le rectangle d eni par les in egalit es 0tT; () Montrer que si la condition T 2 + R2 + 1 R/T est v eri ee, alors (T, R) est un rectangle de s ecurit e pour (P). ( ) Montrer que pour T > 0 susamment petit, par exemple pour T < T0 =
21 2 ,

R y R.

il existe R > 0 tel que (T, R) soit un rectangle de s ecurit e

pour (P). ( ) Montrer que (1/3, 2) est un rectangle de s ecurit e pour (P), et en d eduire avec pr ecision que (P) admet une solution y et une seule sur lintervalle [0, 1/3]. (b) On va montrer que la solution y de (P) mise en evidence en (a) ( ) ne se prolonge pas a ` [0, +[. On introduit a ` cet eet le probl` eme de Cauchy auxiliaire (P1 ) z = z 2 + 1, z (0) = 0,

o` u z d esigne une nouvelle fonction inconnue de t. () D eterminer explicitement lunique solution z de (P1 ), et indiquer son intervalle de d enition maximal. ( ) Soit [0, T ] un intervalle sur lequel y et z soient simultan ement d enies. Montrer que u = y z est solution dun probl` eme de Cauchy (P2 ) u = a(t)u + b(t) ; u(0) = 0 ;

o` u b v erie b(t) 0 pour tout t dans [0, T ]. En d eduire que y (t) z (t) pour tout t dans [0, T ].

VI M ethodes de r esolution explicite

195
2,

( ) D eduire de ce qui pr ec` ede que si T pas jusqu` a t = T.

alors y ne se prolonge certainement

( ) Tracer avec le maximum de pr ecision possible le graphe de y sur son intervalle de d enition maximal [0, T1 [ (forme du graphe au voisinage de 0 ; sens de variation, convexit e ; asymptote ; etc. . .). etrique de Poincar e du disque unit e D = {|z | < 1} du plan 5.9 . On appelle m complexe la m etrique riemannienne ds2 = |dz |2 dx2 + dy 2 = , (1 |z |2 )2 (1 (x2 + y 2 ))2 z = x + iy.

(a) Montrer (avec les notations du 4.4, et en gardant les fonctions complexes dans les calculs) que la di erentielle de l energie est donn ee par
b

E ( ) h = 2 Re
a

(t) 1 (t) (t)

2h

(t) + 2

(t) (t) (t) 1 (t) (t)

3 h(t)

dt.

En d eduire que l equation dEuler-Lagrange des g eod esiques est (t) + 2 (t)2 (t) 1 (t) (t) = 0.

(b) Montrer que le chemin (t) = tanh(kt) (qui d ecrit le diam` etre ] 1, 1[ du disque) . est solution de l equation pour tout k R + (c) Montrer que si t (t) est solution, alors t (t) est encore solution pour tout nombre complexe de module 1, et egalement que ha est solution, pour toute homographie complexe ha de la forme ha (z ) = z+a , 1 + az a D.

(d) En utilisant un argument dunicit e des solutions du probl` eme de Cauchy, montrer que les g eod esiques sont toutes donn ees par (t) = ha ( tanh(kt)), a D, || = 1, k R + [on pourra calculer (0) et (0)]. (e) Montrer que les trajectoires des g eod esiques sont les diam` etres et les arcs de cercle orthogonaux au cercle unit e |z | = 1.

Les syst` emes di erentiels lin eaires ont une grande importance pratique, car de nombreux ph enom` enes naturels peuvent se mod eliser par de tels syst` emes, au moins en premi` ere approximation. On sait dautre part r esoudre compl etement les syst` emes ` a coecients constants, le calcul des solutions se ramenant ` a des calculs dalg` ebre lin eaire (diagonalisation ou triangulation de matrices). Dans toute la suite, K d esigne lun des corps R ou C.



dY = A(t)Y + B (t) dt

Un syst` eme di erentiel lin eaire du premier ordre dans Km est une equation (E)

y1 (t) . m o` u Y (t) = . u . K est la fonction inconnue et o` ym (t) b1 (t) . m A(t) = (aij (t))1i,j m Mm (K), B (t) = . . K bm (t) sont des fonctions continues donn ees : A : I Mm (K) = {matrices carr ees m m sur K}, m B:IK , d enies sur un intervalle I R. On observe que la fonction f (t, Y ) = A t)Y + B (t) est continue sur I Km et lipschitzienne en Y de rapport k (t) = |||A(t)|||.

198

Analyse num erique et equations diff erentielles

Dapr` es le crit` ere V 3.4 sur lexistence de solutions globales, on peut enoncer :

Th eor` eme Par tout point (t0 , V0 ) I Km il passe une solution maximale
unique, d enie sur I tout entier.

On entend par l` a un syst` eme lin eaire avec B = 0 identiquement : dY (E0 ) = A(t)Y. dt Soit S lensemble des solutions maximales. Alors pour tous Y(1) , Y(2) S et tous scalaires 1 , 2 K on a 1 Y(1) + 2 Y(2) S, donc S est un K-espace vectoriel. Consid erons lapplication d evaluation au temps t0 : t0 : S Km Y Y (t0 ). t0 est un isomorphisme lin eaire, la surjectivit e provenant du th eor` eme dexistence, et linjectivit e du th eor` eme dunicit e relatif au probl` eme de Cauchy.

Cons equence Lensemble S des solutions maximales est un espace vectoriel


de dimension m sur K.

Revenons au syst` eme lin eaire le plus g en eral : dY = A(t)Y + B (t). (E) dt On sait quil existe au moins une solution globale Y(1) . Si Y est une solution equation sans second membre quelconque, il est clair que Z = Y Y(1) satisfait l eciproquement. Par cons equent, lensemble des solutions (E0 ) : dZ/dt = A(t)Z , et r maximales est donn e par Y(1) + S = {Y(1) + Z ; Z S}, o` u S est lensemble des solutions maximales de l equation sans second membre (E0 ) e de S, cest donc un associ ee. Lensemble Y(1) + S des solutions est un translat espace ane de dimension m sur K, admettant S comme direction vectorielle.


Ce sont les syst` emes de la forme (E)

dY = AY + B (t) dt ependante de t. o` u la matrice A = (aij ) Mn (K) est ind

VII Syst` emes diff erentiels lin eaires

199

dY dt

= AY

On cherche une solution de la forme Y (t) = et V o` u l K, V Km sont des constantes. Cette fonction est solution si et seulement si et V = et AV , soit AV = V. On est donc amen e` a chercher les valeurs propres et les vecteurs propres de A. Cas simple : A est diagonalisable. Il existe alors une base (V1 , . . . , Vm ) de Km constitu ee de vecteurs propres de A, de eairement valeurs propres respectives 1 , . . . , m . On obtient donc m solutions lin ind ependantes t ej t Vj , 1 j m. La solution g en erale est donn ee par Y (t) = 1 e1 t V1 + . . . + m em t Vm , j K.

Lorsque A est nest pas diagonalisable, on a besoin en g en eral de la notion dexponentielle dune matrice. Toutefois le cas des syst` emes 2 2 ` a coecients a la main . constants est susamment simple pour quon puisse faire les calculs ` Le lecteur pourra se reporter au X 2.2 pour une etude approfondie de ce cas.

La d enition est calqu ee sur celle de la fonction exponentielle complexe usuelle, calcul ee au moyen du d eveloppement en s erie enti` ere.

D enition Si A M (K), on pose eA =

1 n A . n ! n=0

Munissons Mn (K) de la norme ||| ||| des op erateurs lin eaires sur Km associ ee ` a la m m norme euclidienne (resp. hermitienne) de R (resp. C ). On a alors ||| de sorte que la s erie
1 n!

1 n 1 A ||| |||A|||n , n! n!

An est absolument convergente. On voit de plus que |||eA ||| e|||A||| .

Propri et e fondamentale Si A, B Mm (K) commutent (AB = BA), alors


eA +B = eB e B .

200

Analyse num erique et equations diff erentielles

V erication. On consid` ere la s erie produit g en eral est


n

1 p!

Ap

1 q!

B q , dont le terme

1 n! 1 1 Ap B q = Ap B np = (A + B )n Cn = p ! q ! n ! p !( n p )! n ! p+ q = n p=0 dapr` es la formule du bin ome (noter que cette formule nest vraie que si A et B commutent). Comme les s eries de eA et eB sont absolument convergentes, on en d eduit
+

eA eB =
n=0

Cn = eA+B .

On voit en particulier que eA est une matrice inversible, dinverse eA .

Remarque La propri et e fondamentale tombe en d efaut lorsque A et B ne commutent pas. Le lecteur pourra par exemple calculer eA eB et eA+B avec
A= 0 0 0 et B= 0 0 0 ,

avec R. Que remarque-t-on ?

M ethode g en erale de calcul dans Mn(C) Toute matrice A Mn (C)


peut etre mise sous forme de blocs triangulaires correspondant aux di erents sousespaces caract eristiques de A. Il existe donc une matrice de passage P , dont les colonnes sont constitu ees par des vecteurs formant des bases des sous-espaces caract eristiques, telle que T = P 1 AP soit une matrice triangulaire de la forme T1 T2 T = , .. . Ts Tj = . . . , j

j 0 . . . 0

j ...

... .. . .. . 0

o` u 1 , . . . , s sont les valeurs propres distinctes de A. On a alors de fa con evidente n T1 e T1 n T2 e T2 T .. , e = Tn = .. . .

n Ts

e Ts 1 P

Comme A = P T P 1 , il vient An = P T n P 1 , do` u T1 e e T2 A T 1 .. e = Pe P = P .

0
e Ts

VII Syst` emes diff erentiels lin eaires

201

On est donc ramen e` a calculer lexponentielle eB lorsque B est un bloc triangulaire de la forme ... . .. . . . 0 B=. . = I + N Mp (K), .. . . . . . 0 ... 0 0 . . .. o` u I est la matrice unit e et N une matrice nilpotente N = . . 0 ... 0 triangulaire sup erieure. La puissance N n comporte n diagonales nulles a ` partir de la diagonale principale (celle-ci incluse), en particulier N n = 0 pour n p. On obtient donc 1 ... . .. . . 1 1 . 0 1 N p 1 N + ... + N e =I+ =. . . .. . 1! (p 1)! . . . . 0 ... 0 1 Comme I et N commutent, il vient nalement eB = eI eN = e eN (car eI = e I ).

Formule det (eA ) = exp(tr(A)).


V erication. Dans le cas dun bloc triangulaire B Mp (K), on trouve det (eB ) = (e )p det (eN ) = ep = exp(tr(B )). On en d eduit donc det (eT ) = det (eT1 ) . . . det (eTs ) = exp(tr(T1 ) + . . . + tr(Ts )) = exp(tr(T )) Comme A = P T P 1 et eA = P eT P 1 , on a nalement det (eA ) = det (eT ), tr(A) = tr(T ) = valeurs propres.

dY dt

= AY

Lune des propri et es fondamentales de lexponentiation des matrices r eside dans le fait quelle est intimement li ee ` a la r esolution des equations lin eaires ` a coecients constants dY /dt = AY .

Th eor` eme La solution Y telle que Y (t0 ) = V0 est donn ee par


Y (t) = e(tt0 )A V0 , t R.

202

Analyse num erique et equations diff erentielles

D emonstration. On a Y (t0 ) = e0 V0 = IV0 = V0 . Dautre part, la s erie enti` ere etA = 1 n n t A n ! n=0
+

est de rayon de convergence +. On peut donc d eriver terme ` a terme pour tout tR: + + 1 1 p p+1 d tA (e ) = tn1 An = t A , dt ( n 1)! p ! n=1 p=0 d tA (e ) = A etA = etA A. dt Par cons equent, on a bien d dY = dt dt e(tt0 )A V0 = Ae(tt0 )A V0 = AY (t).

En prenant t0 = 0, on voit que la solution g en erale est donn ee par Y (t) = etA V avec V Km . Le calcul de etA se ram` ene au cas dun bloc triangulaire B = I + N Mp (C). Dans ce cas on a etB = etI etN = et etN , avec 1 Q12 (t) . . . Q1p (t) . . . 1 Q23 (t) p 1 n t tN n .. .. N = e = . . n ! n=0 1 Qp1 p (t)

o` u Qij (t) est un polyn ome de degr e j i, avec Qij (0) = 0. Les composantes de Y (t) sont donc toujours des fonctions exponentielles-polyn omes 1j s Pj (t)ej t o` u 1 , . . . , s sont les valeurs propres complexes de A (m eme si K = R).

dY dt

= AY + B (t)

Si aucune solution evidente nappara t, on peut utiliser la m ethode de variation des constantes, cest-` a-dire quon cherche une solution particuli` ere sous la forme Y (t) = etA V (t) o` u V est suppos ee di erentiable. Il vient Y (t) = AetA V (t) + etA V (t) = AY (t) + etA V (t).

VII Syst` emes diff erentiels lin eaires

203

Il sut donc de choisir V telle que etA V (t) = B (t), soit par exemple
t

V (t) =
t0

euA B (u)du,

t0 I.

On obtient ainsi la solution particuli` ere


t

Y (t) = etA
t0

euA B (u)du =

t t0

e(tu)A B (u)du,

en erale du probl` eme de Cauchy qui est la solution telle que Y (t0 ) = 0. La solution g telle que Y (t0 ) = V0 est donc Y (t) = e(tt0 )A V0 +
t t0

e(tu)A B (u)du.

Exemple Une particule de masse m et de charge electrique q se d eplace dans etique B et dun champ electrique E uniformes R3 sous laction dun champ magn et ind ependants du temps. Quelle est la trajectoire de la particule ? Si V et d esignent respectivement la vitesse et lacc el eration, la loi de Lorentz et le principe fondamental de la dynamique donnent l equation F = m = qV B + qE,
q dV q = = V B+ E. dt m m Il sagit dun syst` eme lin eaire o` u la matrice A (` a coecients constants) est la matrice q V B . On confondra dans la suite A avec cette de lapplication lin eaire V m application lin eaire. Un calcul simple montre que A2 ( V ) = q m
2

do` u

o` u B = B et o` u PB d esigne le projection orthogonale sur la plan vectoriel de vecteur normal B . Le sch ema est le suivant :

q (V B ) B = m

B 2 PB ( V )

B QB ( V ) (V B ) B PB ( V ) V B V

204

Analyse num erique et equations diff erentielles

On observe pour le calcul que V B = PB ( V ) B . On en d eduit alors facilement q A2p ( V ) = (1)p m q A2p+1 ( V ) = (1)p m
2p

B 2p PB ( V ), B 2p V B ,

p1

2p+1

cette derni` ere relation etant encore valable pour p = 0. En notant = d eduit etA ( V ) = V +
+ +

q m

B , on en

(1)p
p=1

2p t2p 2p+1 t2p+1 1 PB ( V ) + V B (1)p (2p)! (2 p + 1)! B p=0

1 = V PB ( V ) + cos t PB ( V ) + sin t V B. B En labsence de champ electrique, les equations du mouvement sont donn ees par 1 V = QB ( V0 ) + cos t PB ( V 0 ) + sin t V0 B B 1 1 cos t sin t PB ( V0 ) + M0 M = tQB ( V0 ) + V0B w B o` u M0 , V0 d esignent la position et la vitesse en t = 0 et QB la projection orthogonale sur la droite R B . Il est facile de voir quil sagit dun mouvement h elico dal uniforme de pulsation , trac e sur un cylindre daxe parall` ele ` a B et de rayon R = PB ( V0 ) / . En pr esence dun champ electrique E , le calcul est ais e si E est parall` ele ` a B . On q a donc dans ce cas une solution particuli` ere evidente V = t m E , do` u les lois g en erales des vitesses et du mouvement : q 1 V = QB ( V 0 ) + t E + cos t PB ( V0 ) + sin t V 0 B , m B q 1 cos t 1 sin t PB ( V0 ) + M0 M = tQB ( V0 ) + t2 E + V0 B . 2m B Le mouvement est encore trac e sur un cylindre a ` base circulaire et sa pulsation est constante, mais le mouvement est acc el er e dans la direction de laxe. Dans le cas g en eral, on d ecompose E = E// + E en ses composantes parall` eles et orthogonales a ` B , et on observe quil existe un vecteur U orthogonal a ` B et E , equation di erentielle devient tel que U B = E . L dV q q = (V + V ) B + E// dt m m de sorte que V + U satisfait l equation di erentielle correspondant a ` un champ a V0 dans les electrique parall` ele ` a B . En substituant V + U ` a V et V0 + U `

VII Syst` emes diff erentiels lin eaires

205

formules, on obtient q E// + cos t PB ( V0 + U ) V + U = QB ( V 0 ) + t m 1 + sin t ( V0 B + E ), B q sin t PB ( V0 + U ) M0 M = t QB ( V0 U ) + t2 E// + 2m 1 cos t ( V0 B + E ). + B Il sagit encore dun mouvement de type h elico dal acc el er e, mais cette fois le mouvement nest plus trac e sur un cylindre. B E B B E

On consid` ere ici une equation di erentielle sans second membre (E) a p y ( p) + . . . + a 1 y + a 0 y = 0

o` u y : R K, t y (t) est la fonction inconnue, et o` u les aj K sont des constantes, ap = 0. Dapr` es le paragraphe V 4.2, on sait que l equation (E) est equivalente a ` un syst` eme di erentiel (S) dordre 1 dans Kp , qui est le syst` eme lin eaire sans second membre Y = AY avec 0 1 0 ... 0 0 0 1 ... 0 . , cj = a j . . A= . ap 0 0 0 ... 1 c0 c1 c2 . . . cp1

206

Analyse num erique et equations diff erentielles

Gr ace au 1.1, on peut donc enoncer :

Th eor` eme Lensemble S des solutions globales de (E) est un K-espace vectoriel
de dimension p. Pla cons-nous maintenant sur le corps C (si K = R, les solutions r eelles sobtiennent simplement en prenant la partie r eelle et la partie imaginaire des solutions complexes). Cherchons les solutions exponentielles de la forme y (t) = et , C.

Comme y (j ) (t) = j et , on voit que y est solution de (E) si et seulement si est racine du polyn ome caract eristique P () = ap p + . . . + a1 + a0 .


1 j p.

Si P poss` ede p racines distinctes 1 , . . . , p , on obtient p solutions distinctes t e j t ,

On verra plus loin que ces solutions sont lin eairement ind ependantes sur C. Lensemble des solutions est donc lespace vectoriel de dimension p des fonctions y (t) = 1 e1 t + . . . + p ep t , j C.

On peut alors ecrire P () = ap ( j )mj


j =1

o` u mj est la multiplicit e de la racine j , avec m1 + . . . + ms = p. Consid erons lop erateur di erentiel P d = dt


p

ai
i=0

di . dti

On voit que l equation di erentielle etudi ee peut se r ecrire (E) et on a dautre part la formule P d t e = P ()et , dt C. P d y=0 dt

VII Syst` emes diff erentiels lin eaires

207 commutent dapr` es le th eor` eme de Schwarz,

Comme les d eriv ees partielles on obtient P d d (tq et ) = P dt dt

d dt

et

d d

d t dq t dq dq = P = P ()et , e e q q d d dt dq

do` u, gr ace ` a la formule de Leibnitz : d P (tq et ) = dt


q i ( i) Cq P ()et . i=0

Comme j est racine de multiplicit e mj , on a P (i) (j ) = 0 pour 0 i mj 1, et (mj ) P (j ) = 0. On en d eduit P d dt tq ej t = 0, 0 q mj 1.

L equation (E) admet donc les solutions y (t) = tq ej t , 0 q mj 1 , 1js

soit au total m1 + . . . + ms = p solutions.

Lemme Si 1 , . . . , s C sont des nombres complexes deux a ` deux distincts,


alors les fonctions yj,q (t) = tq ej t , sont lin eairement ind ependantes. D emonstration. Consid erons une combinaison lin eaire nie j,q yj,q = 0, j,q C. 1 j s, qN

Si les coecients sont non tous nuls, soit N le maximum des entiers q tels quil existe j avec j,q = 0. Supposons par exemple 1,N = 0. On pose alors Q() = ( 1 )N ( 2 )N +1 . . . ( s )N +1 Il vient Q(i) (j ) = 0 pour j 2 et 0 i N , tandis que Q(i) (1 ) = 0 pour eduit 0 i < N et Q(N ) (1 ) = 0. On en d Q d (tq ej t ) = dt
q i ( i) Cq Q (j )tqi ej t i=0

= 0 pour sauf si q = N , j = 1, auquel cas Q

0 q N,

1 j s,

d (tN e1 t ) = Q(N ) (1 )e1 t . dt

208 En appliquant lop erateur Q


d dt

Analyse num erique et equations diff erentielles

a la relation `

j,q tq ej t = 0 on obtient alors

1,N Q(N ) (1 )e1 t = 0, ce qui est absurde puisque 1,N = 0 et Q(N ) (1 ) = 0. Le lemme est d emontr e. On peut donc enoncer :

Th eor` eme Lorsque le polyn ome caract eristique P () a des racines complexes
es respectives m1 , . . . , ms , lensemble S des solutions est le 1 , . . . , s de multiplicit C-espace vectoriel de dimension p ayant pour base les fonctions t tq e j t , 1 j s, 0 q mj 1.

Soit a ` r esoudre l equation di erentielle (E) ap y (p) + . . . + a1 y + a0 y = b(t),

o` u b : I C est une fonction continue donn ee. On commence par r esoudre l equation sans second membre (E0 ) ap y (p) + . . . + a1 y + a0 y = 0.

Soit (v1 , . . . , vp ) une base des solutions de (E0 ). On cherche alors une solution particuli` ere de (E). Dans un certain nombre de cas, une solution simple peut etre trouv ee rapidement. equation (E) Par exemple, si b est un polyn ome de degr e d et si a0 = 0, l admet une solution polynomiale y de degr e d, que lon peut rechercher par ome identication des coecients. Si b(t) = et et si nest pas racine du polyn caract eristique, l equation admet pour solution (/P ())et . Si b est une fonction exponentielle-polyn ome, (E) admet une solution du m eme type (noter que les fonctions trigonom etriques se ram` enent a ` ce cas). En g en eral, le principe consiste a ` appliquer la m ethode de variation des constantes au syst` eme di erentiel (S) dordre 1 associ ea ` (E). equation (E) equivaut au syst` eme Si on pose y = y0 , y = y1 , . . . , y (p1) = yp1 , l y0 = y1 . . . (S) y p 2 = y p 1 y = 1 (a0 y0 + a1 y1 + . . . + ap1 yp1 ) + 1 b(t).
p 1 ap ap

Ce syst` eme lin eaire peut se r ecrire (S): Y = AY + B (t) avec y0 . Y = . . y p 1 et B (t) =
1 ap

0 . . . 0 b(t).

VII Syst` emes diff erentiels lin eaires

209

Le syst` eme homog` ene (S0 ) Y = AY admet pour base de solutions les fonctions v v vp 1 2 vp v1 v2 . . . . Vp = V V1 = = . . . 2 . . . . . . (p1) (p1) (p1) v1 v2 vp On cherche alors une solution particuli` ere de (S) sous la forme Y (t) = 1 (t)V1 (t) + . . . + p (t)Vp (t). Comme Vj = AVj , il vient Y (t) = j (t)Vj (t) + j (t)Vj (t)

= AY (t) + Il sut donc de choisir les j tels que

j (t)Vj (t). j (t)Vj (t) = B (t), cest-` a-dire

1 (t)v1 (t) + . . . + p (t)vp (t) = 0 ... (p2) (p2) 1 (t)v1 (t) + . . . + p (t)vp (t) = 0 (t)v (p1) (t) + . . . + (t)v (p1) (t) = 1 b(t). p p 1 1 ap On obtient ainsi un syst` eme lin eaire de p equations par rapport aux p inconnues eterminant de ce syst` eme est non nul pour tout t R (les 1 (t), . . . , p (t). Le d eairement ind ependants, car si une combinaison vecteurs V1 (t), . . . , Vp (t) sont lin es le lin eaire Y = 1 V1 + . . . + p Vp est telle que Y (t) = 0, alors Y 0 dapr` th eor` eme dunicit e, donc 1 = . . . = p = 0). La r esolution de ce syst` eme permet de calculer 1 , . . . , p , puis 1 , . . . , p par int egration, do` u la solution particuli` ere cherch ee : y (t) = 1 (t)v1 (t) + . . . + p (t)vp (t).

Exemple (E) y + 4y = tan t, avec t ,

. 2 2 On commence par r esoudre l equation sans second membre y + 4y = 0.

(E0 )

Le polyn ome caract eristique est P () = 2 + 4, et poss` ede deux racines simples 2i et 2i. L equation (E0 ) admet pour base de solutions les fonctions t e2it , t e2it , ou encore : t cos 2t, t sin 2t. On cherche ensuite une solution particuli` ere de (E) en posant y (t) = 1 (t) cos 2t + 2 (t) sin 2t.

210 Ceci conduit a ` r esoudre le syst` eme

Analyse num erique et equations diff erentielles

1 (t) cos 2t + 2 (t) sin 2t = 0 1 (t) (2 sin 2t) + 2 (t) (2 cos 2t) = tan t. Le d eterminant du syst` eme etant egal ` a 2, on obtient 1 1 2 1 (t) = tan t sin 2t = sin t = (1 cos 2t) 2 2 1 1 1 2 (t) = tan t cos 2t = tan t(2 cos2 t 1) = sin 2t tan t, 2 2 2 1 t 1 (t) = + sin 2t 2 4 1 1 2 (t) = cos 2t + ln (cos t), 4 2 do` u la solution particuli` ere y (t) = La solution g en erale est donc y (t) = t 1 cos 2t + sin 2t ln (cos t) + 1 cos 2t + 2 sin 2t. 2 2 1 t cos 2t + sin 2t ln (cos t). 2 2

Lobjet de ce paragraphe (avant tout th eorique) est de g en eraliser les r esultats du 2 au cas des syst` emes lin eaires ` a coecients variables.

Consid erons une equation lin eaire sans second membre (E0 ) Y = A(t)Y

o` u A : R I Mm (K) est une matrice m m sur K ` a coecients continus. Soit S lensemble des solutions maximales de (E0 ). Pour tout t0 I , on sait que t0 : S Km , Y Y (t0 )

est un isomorphisme K-lin eaire. Pour tout couple (t, t0 ) I 2 , on d enit


1 t t0 1 m : K S Km R(t, t0 ) = t t0

V Y Y (t).

VII Syst` emes diff erentiels lin eaires

211

u Y est la solution telle que Y (t0 ) = V . Comme On a donc R(t, t0 ) V = Y (t), o` e` a la matrice inversible qui R(t, t0 ) est un isomorphisme Km Km , il sera identi lui correspond canoniquement dans Mm (K).

D enition R(t, t0 ) sappelle la r esolvante du syst` eme lin eaire (E0 ).


Pour tout vecteur V Km , on a avec les notations ci-dessus d d R(t, t0 ) V = R(t, t0 ) V ) dt dt dY = A(t)Y (t) = A(t)R(t, t0 ) V. = dt On en d eduit donc
d dt

R(t, t0 ) = A(t)R(t, t0 ).

Propri et es de la r esolvante
(i) t I , R(t, t) = Im
3

(matrice unit e m m).

(ii) (t0 , t1 , t2 ) I ,

R(t2 , t1 )R(t1 , t0 ) = R(t2 , t0 ).

eme di erentiel (iii) R(t, t0 ) est la solution dans Mm (K) du syst` dM = A(t)M (t) dt o` u M (t) Mm (K) v erie la condition initiale M (t0 ) = Im . (i) et (ii) sont imm ediats ` a partir de la d enition de R(t, t0 ) et (iii) r esulte de ce qui pr ec` ede. Retenons enn que la solution du probl` eme de Cauchy Y = A(t)Y est donn ee par Y (t) = R(t, t0 ) V0 . avec Y (t0 ) = V0

equations scalaires au lieu de m (on passe de le syst` eme initial puisquon a m2 m a Mm (K)). Il est n eanmoins parfois utile de consid erer ce syst` eme plut ot que K ` l equation initiale, parce que tous les objets sont dans Mm (K) et quon peut exploiter la structure dalg` ebre de Mm (K).

Remarque Le syst` eme dM/dt = A(t)M (t) peut para tre plus compliqu e que

Exemple Supposons que


A(t)A(u) = A(u)A(t) Alors R(t, t0 ) = exp
t0

pour tous t, u I .
t

()

A(u)du .

212

Analyse num erique et equations diff erentielles


t

Pour le voir, il sut de montrer que M (t) = exp


t0 b d

A(u)du

satisfait la condition

ese de commutation (iii) ci-dessus. Il est clair que M (t0 ) = Im . Par ailleurs lhypoth` () entra ne que
a

A(u)du et
c

A(u)du commutent pour tous a, b, c, d I , le

produit etant egal dans les deux cas ` a A(u)A(v )dudv


[a,b][c,d]

par le th eor` eme de Fubini. On a donc


t t+h

M (t + h) = exp
t0

A(u)du +
t t+h

A(u)du

= exp
t t+h

A(u)du M (t).

Or
t

A(u)du = hA(t) + o(h), donc utilisant le d eveloppement en s erie de

lexponentielle on trouve M (t + h) = (Im + hA(t) + o(h))M (t) = M (t) + hA(t)M (t) + o(h), ce qui montre bien que dM/dt = A(t)M (t). En particulier, si U et V sont des matrices constantes qui commutent et si A(t) = f (t)U + g (t)V pour des fonctions scalaires f, g , alors lhypoth` ese () est satisfaite. On a donc
t t

R(t, t0 ) = exp
t0 t

f (u)du U +
t0

g (u)du V
t

= exp
t0

f (u)du U

exp
t0

g (u)du V

Exercice 1

Utiliser la derni` ere remarque de lexemple pour calculer la r esolvante associ ee aux matrices 1 0 cos2 t a(t) b(t) A(t) = , resp. A(t) = 0 1 cos2 t . b(t) a(t) 0 0 sin2 t

Exercice 2 R esoudre le syst` eme lin eaire


dx dt dy dt

=1 t x + ty =y

o` u

A(t) =

1/t 0

t 1

et en d eduire la formule donnant la r esolvante R(t, t0 ). Montrer que dans ce cas on a


t

R(t, t0 ) = exp
t0

A(u)du .

VII Syst` emes diff erentiels lin eaires

213

Lexercice 2 montre que cest le plus souvent la r esolution du syst` eme qui permet de d eterminer la r esolvante, et non pas linverse comme pourrait le laisser croire la terminologie.

On va voir ici quon sait toujours calculer le d eterminant dun syst` eme de solutions, ou ce qui revient au m eme, le d eterminant de la r esolvante, m eme lorsque la r esolvante nest pas connue.

D enition Le Wronskien dun syst` eme de m solutions Y1 , Y2 , . . . , Ym de (E0 )


est W (t) = det (Y1 (t), . . . , Ym (t)) Posons Vj = Yj (t0 ). Alors Yj (t) = R(t, t0 ) Vj , do` u W (t) = det (R(t, t0 )) det (V1 , . . . , Vm ). On est donc ramen e` a calculer la quantit e (t) = det (R(t, t0 )), et pour cela on va montrer que (t) v erie une equation di erentielle simple. On a (t + h) = det (R(t + h, t0 )) = det (R(t + h, t)R(t, t0 )) = det (R(t + h, t))(t). Comme R(t, t) = Im et donne
d du

R(u, t)|u=t = A(t)R(t, t) = A(t), la formule de Taylor

R(t + h, t) = Im + hA(t) + o(h), det (R(t + h, t)) = det (Im + hA(t)) + o(h).

Lemme Si A = (aij ) Mm (K), alors


det (Im + hA) = 1 + 1 h + . . . + m hm avec 1 = tr A =
1im

aii .

En eet dans det (Im + hA) le terme diagonal est (1 + ha11 ) . . . (1 + hamm ) = 1 + h et les termes non diagonaux sont multiples de h2 . aii + h2 . . .

214 Le lemme entra ne alors

Analyse num erique et equations diff erentielles

det (R(t + h, t)) = 1 + h tr (A(t)) + o(h), (t + h) = (t) + h tr (A(t))(t) + o(h). On en d eduit (t) = tr (A(t))(t), et comme (t0 ) = det (R(t0 , t0 )) = det Im = 1, il vient :
t

det R(t, t0 ) = (t) = exp


t0 t

tr A(u)du ,

W (t) = exp
t0

tr A(u)du det (V1 , . . . , Vm ).

Soit a ` r esoudre le syst` eme di erentiel lin eaire (E) Y = A(t)Y + B (t),

et soit R(t, t0 ) la r esolvante du syst` eme lin eaire sans second membre (E0 ) Y = A(t)Y.

On cherche alors une solution particuli` ere de (E) sous la forme Y (t) = R(t, t0 ) V (t) o` u V est suppos ee di erentiable. Il vient dY d = R(t, t0 ) V (t) + R(t, t0 ) V (t) dt dt = A(t)R(t, t0 ) V (t) + R(t, t0 ) V (t) = A(t)Y (t) + R(t, t0 ) V (t). Il sut donc de prendre R(t, t0 ) V (t) = B (t), cest-` a-dire V (t) = R(t0 , t) B (t),
t

V (t) =
t0

R(t0 , u) B (u)du,
t

Y (t) = R(t, t0 ) V (t) =


t0 t

R(t, t0 )R(t0 , u) B (u)du,

Y (t) =
t0

R(t, u)B (u)du.

VII Syst` emes diff erentiels lin eaires

215

On obtient ainsi la solution particuli` ere telle que Y (t0 ) = 0. La solution telle que ee par Y (t0 ) = V0 est donn
t

Y (t) = R(t, t0 ) V0 +
t0

R(t, u)B (u)du.

Dans le cas o` u A(t) = A est ` a coecients constants on retrouve la formule du 2.4, dans laquelle R(t, t0 ) = e(tt0 )A , et la formule du Wronskien equivaut a ` lidentit e d ej` a connue det (e(tt0 )A ) = exp ((t t0 ) tr A).


5.1. Soient b et c deux fonctions continues sur un intervalle x e T = [0, [. Soit (S) le syst` eme di erentiel lin eaire ` a coecients constants et avec second membre y + b(t) x = y = 2x y + c(t) et soit (S0 ) le syst` eme sans second membre associ e (pour lequel b(t) = c(t) = 0). (a) Ecrire la matrice A de (S0 ), et calculer etA . (b) D eterminer la solution g en erale du syst` eme (S0 ). (c) D eterminer la solution g en erale du syst` eme (S) pour b(t) = 0, c(t) = et . 5.2. Soit t une variable r eelle 0. On consid` ere le syst` eme di erentiel lin eaire (S) x = 2y y =xy

(a) Ecrire la matrice A de (S), montrer quelle a deux valeurs propres r eelles et ( > ) et d eterminer les sous-espaces propres correspondants. (b) On pose ex = v = 1 , ey = 0 0 , et on note respectivement v = 1 x y et

x les vecteurs propres associ es ` a et tels que y = y = 1. y eterminer la matrice de passage P de lancienne base (ex , ey ) Calculer x , x . D a la nouvelle base (v , v ), et calculer sa matrice inverse P 1 . ` (c) On pose etA = a(t) b(t) . Calculer explicitement a(t), b(t), c(t), d(t). c(t) d(t) Donner la solution du syst` eme (S) v eriant les conditions initiales x(0) = x0 , y (0) = y0 .

216

Analyse num erique et equations diff erentielles

(d) Soit T (x0 , y0 ) la trajectoire t initiales M (0) = x0 . y0

x(t) y (t)

= M (t) correspondant aux conditions

() Pour quelles positions de M (0) cette trajectoire T (x0 , y0 ) est-elle une demidroite ? ( ) Pour quelles positions de M (0) tend-elle vers 0 quand t + ? ( ) Indiquer sur un m eme gure : la de la de forme des trajectoires T (x0 , 0) partant dun point (x0 , 0), x0 > 0, laxe des x ; forme des trajectoires T (0, y0 ) partant dun point (0, y0 ), y0 > 0, laxe des y .

5.3. On note t une variable r eelle, et on consid` ere les deux matrices B= 0 1 1 0 , C= 1 1 0 1 .

(a) Pour tout n 0, calculer explicitement B n et C n , et en d eduire etB et etC . (b) M emes questions pour la matrice 0 1 A= 0 0 1 0 0 0 0 0 1 0 0 0 . 1 1

On pose maintenant T = [0, +[ ; on note bi (t) (1 i 4) quatre fonctions continues sur T , et on consid` ere le syst` eme di erentielle lin eaire avec second membre y2 + b1 (t) y1 = + b2 (t) y2 = y1 (S) y3 + y4 + b3 (t) y3 = y4 + b4 (t) . y4 = eme sans second membre associ e` a (S). On note (S0 ) le syst` ` des conditions initiales yi (0) = vi , les (c) Ecrire la solution de (S0 ) correspondant a etant quatre constantes donn ees. vi (1 i 4) (d) Indiquer comment on peut alors r esoudre (S) par la m ethode dite de variation des constantes, et appliquer cette m ethode au cas particulier b1 (t) = 1, b2 (t) = b3 (t) = 0, b 4 = et .

5.4. On consid` ere l equation lin eaire du 3e ordre (E) y + y + y + y = cos t,

o` u y d esigne une fonction inconnue de la variable t 0.

VII Syst` emes diff erentiels lin eaires

217

(a) D eterminer la solution g en erale de l equation sans second membre associ ee ` a (E). (b) A laide de la m ethode de variation des constantes, d eterminer la solution g en erale de l equation (E). (c) Montrer que (E) admet une solution et une seule de la forme At cos t + Bt sin t : la d eterminer explicitement, et tracer son graphe. 5.5. On consid` ere dans R2 le syst` eme di erentiel dx = tx y dt dy = x + ty dt o` u x, y sont des fonctions r eelles de la variable r eelle t. (a) R esoudre le probl` eme de Cauchy de donn ee initiale (x0 , y0 ) au temps t0 = 0 (on pourra poser z = x + iy ). (b) M eme question pour le syst` eme dx = tx y + t cos t t3 sin t dt dy = x + ty + t sin t + t3 cos t. dt

5.6. On consid` ere un syst` eme di erentiel X = A(t)X o` u A(t) est une matrice ` a 2 lignes et 2 colonnes ` a coecients de p eriode 2 , born es et continus par morceaux. (a) Montrer que lapplication qui a ` M R2 associe la position ` a linstant s de la eriant X (0) = M est une application lin eaire solution X (t) de X = A(t) v bijective. On d esignera par Us cet endormorphisme et on notera V = U2 . (b) Montrer que l equation X = A(t)X admet une solution 2 -p eriodique non identiquement nulle si et seulement si 1 est valeur propre de V ; comment peuton interpr eter le fait que V admette pour valeur propre une racine k -i` eme de lunit e? u f est une fonction 2 (c) On consid` ere l equation di erentielle y + f (t)y = 0 o` p eriodique a ` valeurs r elles. Mettre cette equation sous la forme dun syst` eme du premier ordre. (d) On supposera dor enavant que f (t) = (w + )2 (w )2 si si t [0, [ t [, 2 [

218

Analyse num erique et equations diff erentielles

o` u 0 < < w sont des constantes. D eterminer U ; montrer que V se met sous u lon d eterminera la matrice B (on pourra utiliser que f est la forme B U o` constante sur [, 2 [ ainsi que sur [0, [). V erier que det V = 1. (e) Montrer qualors une des valeurs propres de V est inf erieure ` a 1 en module et que ee (non identiquement nulle) l equation y + f (t)y = 0 admet une solution born sur [0, +[ et une solution born ee (non identiquement nulle) sur ] , 0[ ; a quelle condition admet-elle une solution born ` ee (non identiquement nulle) sur R ? (f) Montrer que la trace de V s ecrit cos 2 + (2 + ) cos 2w o` u w+ w + = 2(1 + ). w w+

En d eduire que si w nest pas la moiti e dun entier et si est assez petit, toutes les solutions de y + f (t)y = 0 sont born ees. Que passe-t-il si w est la moiti e dun entier ?


Lobjectif de ce chapitre est de d ecrire un certain nombre de m ethodes permettant de r esoudre num eriquement le probl` eme de Cauchy de condition initiale y (t0 ) = y0 pour une equation di erentielle (E) y = f (t, y ),

o` u f : [t0 , t0 + T ] R R est une fonction susamment r eguli` ere. Nous avons choisi ici dexposer le cas des equations unidimensionnelles dans le seul but de simplier a fait identique, a ` condition les notations ; le cas des syst` emes dans Rm est tout ` de consid erer y comme une variable vectorielle et f comme une fonction vectorielle dans les algorithmes qui vont etre d ecrits. Etant donn e une subdivision t0 < t1 < . . . < tN = t0 + T de [t0 , t0 + T ], on cherche a d ` eterminer des valeurs approch ees y0 , y1 , . . . , yN des valeurs y (tn ) prises par la solution exacte y . On notera les pas successifs hn = tn+1 tn , et hmax = max (hn ) le maximum du pas. On appelle m ethode ` a un pas une m ethode permettant de calculer yn+1 ` a partir de ethode ` a r pas est au contraire une m ethode la seule valeur ant erieure yn . Une m etre qui utilise les r valeurs ant erieures yn , . . . , ynr+1 (valeurs qui doivent donc m emoris ees) an de faire le calcul de yn+1 . 0 n N 1,

Les m ethodes ` a un pas sont les m ethodes de r esolution num erique qui peuvent s ecrire sous la forme yn+1 = yn + hn (tn , yn , hn ), 0 n < N,

220

Analyse num erique et equations diff erentielles

o` u : [t0 , t0 + T ] R R R est une fonction que lon supposera continue. Dans la pratique, la fonction (t, y, h) peut n etre d enie que sur une partie de la u J est un intervalle de R (de sorte en particulier que forme [t0 , t0 + T ] J [0, ] o` enition de l equation di erentielle). [t0 , t0 + T ] J soit contenu dans le domaine de d

Exemple La m ethode dEuler est la m ethode ` a un pas associ ee ` a la fonction (t, y, h) = f (t, y ), et d enie par la formule de r ecurrence yn+1 = yn + hn f (tn , yn ) (voir chapitre V, 2.3). D enition Lerreur de consistance en relative a ` une solution exacte z est
lerreur en = z (tn+1 ) yn+1 , 0n<N produite par application de lalgorithme yn+1 = yn + hn (tn , yn , hn ) ` a partir de la ecart entre la valeur exacte valeur yn = z (tn ). Autrement dit, cette erreur mesure l ee yn+1 issue de la valeur yn = z (tn ) z (tn+1 ) au temps tn+1 , et la valeur approch etape de lalgorithme est donc prise comme valeur initiale au temps tn (une seule mise en jeu). En termes de la fonction , on a en = z (tn+1 ) z (tn ) hn (tn , z (tn ), hn ).

y z z (tn+1 ) yn+1 yn en

tn

tn+1 = tn + hn

Comme le montre le sch ema ci-dessous, lerreur de consistance na a priori que peu de rapport avec lerreur globale n = max |z (tj ) yj | r esultant dun calcul de n
0j n

a partir de la donn ee initiale y0 = z (t0 ) (qui est a ` vrai valeurs successives y1 , . . . , yn ` dire la seule erreur int eressant r eellement le num ericien). On imagine cependant, et nous reviendrons l` a-dessus plus en d etail au 2, que |n | sera de lordre de grandeur eses convenables de r egularit e pour la de |e0 | + |e1 | + + |en1 |, sous des hypoth` evaluation de lerreur fonction f . Cest pourquoi l evaluation de en va gouverner l globale.

` un pas VIII M ethodes num eriques a

221

y e3

z z1 z2 z3 4

e2 e1 e0 y0 t0 y2 y1 t1 t2 t3 y3

y4

t4

[Les fonctions z , z1 , z2 , z3 repr esentent ici les solutions exactes passant par les points (t0 , y0 ) et (tj , yj ), j = 1, 2, 3].


z (tn+1 ) = z (tn + hn )


z (tn ) + hn z (tn ) = z (tn ) + hn f (tn , z (tn )). yn+1 = yn + hn f (tn , yn ) tn+1 = tn + hn .

Soit z une solution exacte de l equation (E). On a au premier ordre lapproximation

Comme on la d ej` a vu au chapitre V, ceci conduit a ` lalgorithme

Par d enition de lerreur de consistance, on a en = z (tn + hn ) yn+1 o` u yn+1 = z (tn ) + hn f (tn , z (tn )) = z (tn ) + hn z (tn ). La formule de Taylor-Lagrange donne 1 2 h z (tn ) + o(h2 n ), 2 n pourvu que z soit de classe C 2 . Cest bien le cas si f est de classe C 1 , et on sait alors que o` u f [1] = ft + fy f. z (t) = f [1] (t, z (t)) en = z (tn + hn ) (z (tn ) + hn z (tn )) = On en d eduit par cons equent 1 2 [1] h f (tn , yn ) + o(h2 n ). 2 n Cette erreur en h2 ` moins que le pas hn ne soit n est relativement importante, a choisi tr` es petit, ce qui augmente consid erablement le volume des calculs ` a eectuer. On va donc essayer de construire des m ethodes permettant de r eduire lerreur de consistance en . en =

222

Analyse num erique et equations diff erentielles

Supposons que f soit de classe C p . Alors toute solution exacte z est de classe C p+1 , et sa d eriv ee k -i` eme est z (k) (t) = f [k1] (t, z (t)). La formule de Taylor dordre p implique
p

z (tn + hn ) = z (tn ) +
k=1

1 k [k1] h f (tn , z (tn )) + o(hp n ). k! n

Lorsque hn est assez petit, lapproximation est dautant meilleure que p est plus grand. On est donc amen e ` a consid erer lalgorithme suivant, appel e m ethode de Taylor dordre p : p 1 k [k1] yn+1 = yn + h f (tn , yn ) k! n k=1 tn+1 = tn + hn . Dapr` es la d enition g en erale des m ethodes ` a un pas, cet algorithme correspond au p 1 k1 [k1] choix (t, y, h) = k=1 k h f ( t, y ). Calculons lerreur de consistance en . ! En supposant yn = z (tn ), la formule de Taylor dordre p + 1 donne
p

en = z (tn+1 ) yn+1 = z (tn + hn )


k=0

1 k (k ) h z (tn ) k! n

1 +1 hp+1 f [p] (tn , yn ) + o(hp = n ). (p + 1)! n


+1 ere g en erale Lerreur est donc maintenant de lordre de hp n . On dira dune mani` +1 chaque fois que quune m ethode est dordre p si lerreur de consistance est en hp n ethode dEuler est le cas particulier p = 1 de la f est de classe C p au moins. La m m ethode de Taylor.

Remarque

Dans la pratique, la m ethode de Taylor soure de deux inconv enients graves qui en font g en eralement d econseiller lutilisation pour p 2 : Le calcul des quantit es f [k] est souvent complexe et co uteux en temps machine. Il faut aussi pouvoir evaluer explicitement f [k] , ce qui nest pas toujours le cas (par exemple, si f est une donn ee exp erimentale discr etis ee). La m ethode suppose a priori que f soit tr` es r eguli` ere ; les erreurs risquent donc de ne pas pouvoir etre contr ol ees si certaines d eriv ees de f pr esentent des discontinuit es ou une mauvaise continuit e (pentes elev ees).

Cette m ethode est d ecrite par le sch ema suivant.

` un pas VIII M ethodes num eriques a

223

y z

z (t + h) z (t)

t + h/2

t+h

Lid ee est que la corde de la fonction z sur [t, t + h] a une pente voisine de z t + h 2 , alors que dans la m ethode dEuler on approxime brutalement cette pente par z (t). On ecrit donc : h z (t + h) z (t) + hz t + . () 2 Si z est de classe C 3 , il vient z (t + h) = z (t) + hz (t) + z t+ h = 2 1 2 1 h z (t) + h3 z (t) + o(h3 ), 2 6 1 1 2 z (t) + hz (t) + h z (t) + o(h2 ). 2 8 h 1 3 = h z (t) + o(h3 ), 2 24

Lerreur commise est donc = z (t + h) z (t) hz t +

soit une erreur en h3 au lieu de h2 dans la m ethode dEuler. On par ailleurs z t+ Comme la valeur de z t +
h 2

h h h = f t + ,z t + 2 2 2

nest pas connue, on lapproxime par h 2 z (t) + h f (t, z (t)), 2 ()

z t+ do` u en d enitive z (t + h)

z (t) + hf t +

h h , z (t) + f (t, z (t)) . 2 2

Lalgorithme du point milieu est associ e au choix (t, y, h) = f t + h h , y + f (t, y ) 2 2

224

Analyse num erique et equations diff erentielles

et donne lieu au sch ema num erique hn yn+ 1 f (tn , yn ) = yn + 2 2 pn = f tn + hn , yn+ 1 2 2 yn+1 = yn + hn pn tn+1 = tn + hn . Calculons lerreur de consistance : en = z (tn+1 ) yn+1 , avec yn = z (tn ). On a u les erreurs en = n + n o` n = z (tn+1 ) z (tn ) hn z tn + n = hn z tn + = hn hn , 2

hn (yn+1 z (tn )) 2 hn hn hn , z tn + ,y 1 f tn + f tn + 2 2 2 n+ 2

proviennent respectivement des approximations () et (). Dapr` es le calcul fait plus haut n = Dautre part hn hn hn z (tn ) yn+ 1 z (tn ) + = z tn + 2 2 2 2 1 2 [1] 1 2 h f (tn , yn ) + o(h2 = h2 n z (tn ) + o(hn ) = n ). 8 8 n Dapr` es le th eor` eme des accroissements nis appliqu e en y , on a z tn + f tn + hn hn , z tn + 2 2 f tn + hn ,y 1 2 n+ 2 hn hn = f y tn + , cn z t n + yn+ 1 2 2 2 1 2 [1] h f (tn , yn ) + o(h2 = fy (tn , yn ) + o(hn ) n) 8 n 1 f f [1] (tn , yn ) + o(h2 = h2 n ), 8 n y 1 3 h f f [1] (tn , yn ) + o(h3 n ). 8 n y 1 3 1 3 [2] hn z (tn ) + o(h3 h f (tn , yn ) + o(h3 n) = n ). 24 24 n

do` u n = On en d eduit

1 3 [2] h f + 3fy f [1] (tn , yn ) + o(h3 n ). 24 n La m ethode du point milieu est donc dordre 2. en = n + n =

` un pas VIII M ethodes num eriques a

225

Si on observe les algorithmes pr ec edents, on voit que la seule op eration eventuellement co uteuse en temps de calcul est l evaluation de la fonction f (t, y ), le reste consistant en un petit nombre dadditions ou de multiplications. On mesure donc le co ut dune m ethode dordre donn e par le nombre d evaluations de la fonction f quelle r eclame ` a chaque pas. Pour des m ethodes dordres di erents la comparaison ne tient pas, puisquune m ethode dordre plus elev e exige ` a pr ecision egale un nombre de pas nettement inf erieur. Dans la m ethode du point milieu, on va modier le calcul successif de f (tn , yn ) et de n en introduisant lalgorithme suivant, , yn+ 1 la pente interm ediaire pn = f tn + h2 2 qui fait l economie de l evaluation de f (tn , yn ) : hn yn+ 1 pn1 = yn + 2 2 pn = f tn + hn , yn+ 1 2 2 yn+1 = yn + hn pn tn+1 = tn + hn . en rempla cant la pente f (tn , yn ) On a donc modi e l eg` erement le calcul de yn+ 1 2 ee ` a l etape ant erieure. Il sensuit naturellement que les par la pente pn1 calcul ees en des valeurs yn . valeurs yn sont elles aussi modi

Remarque Le d emarrage ( etape n = 0) pr esente une dicult e car la pente


et e evalu ee. On r esout cette dicult e en initialisant p1 = f (t0 , y0 ). p1 na pas On observera que la m ethode du point milieu modi e est en fait une m ethode ` a2 pas (les etapes n et n 1 sont utilis ees pour calculer yn+1 ). Evaluons maintenant lerreur de consistance en = z (tn+1 ) yn+1 , en supposant ecrire yn = z (tn ). On peut en = (z (tn+1 ) yn+1 ) + (yn+1 yn+1 ) = en + n , o` u en est lerreur de consistance de la m ethode du point milieu standard (on suppose donc aussi yn = z (tn ) pour la calculer). Il vient n = yn+1 yn+1 = hn f tn + yn+ 1 = yn+ 1 2 2 hn 2 hn = 2 hn hn , yn+ 1 ,y 1 f tn + 2 2 2 n+ 2 .

f (tn , yn ) pn1 f (tn , yn ) f tn1 + hn1 , yn 1 2 2 .

226 Or tn tn1 +
hn1 2

Analyse num erique et equations diff erentielles

hn1 2

et

= yn yn1 + yn yn 1 2

hn1 pn2 2 hn1 = yn yn hn1 pn1 + pn2 2 1 = hn1 pn1 pn2 2 1 = hn1 f (tn , yn ) + o(hn1 ) ; 2

a la troisi` ` eme ligne on utilise le fait que yn = yn = z (tn ), et a ` la quatri` eme le fait que pni = f (tni + hni /2, yni +1/2) converge vers f (tn , yn ) pour i = 1, 2 lorsque ace ` a la formule de Taylor pour les fonctions de 2 variables, il hmax tend vers 0. Gr vient f (tn , yn ) f tn1 + hn2 , yn 1 2 2 hn1 1 = ft (tn , yn ) + hn1 f (tn , yn )fy (tn , yn ) + o(hn1 ) 2 2 1 = hn1 (ft + f fy )(tn , yn ) + o(hn1 ) 2 1 = hn1 f [1] (tn , yn ) + o(hn1 ), 2 1 hn hn1 f [1] (tn , yn ) + o(hn hn1 ). 4 1 2 h hn1 fy f [1] (tn , yn ) + o(h2 n hn1 ), 4 n

do` u yn+ 1 yn+ 1 = 2 2 On en d eduit nalement n = hn fy tn + hn , cn 2

yn+ 1 = yn+ 1 2 2

do` u lerreur de consistance en = 1 3 [2] 1 2 h f + 3fy f [1] (tn , yn ) + h2 hn1 (fy f [1] )(tn , yn ) + o(h3 n + hn hn1 ). 24 n 4 n

La m ethode du point milieu modi e est donc encore une m ethode dordre 2 (mais ce nest pas une m ethode ` a un pas !).

La premi` ere notion que nous introduisons a trait au probl` eme de laccumulation des erreurs de consistance (accumulation purement th eorique dans le sens o` u on tient pas compte du fait que la solution calcul ee s ecarte de la solution exacte, cf. sch emas du 1.1).

` un pas VIII M ethodes num eriques a

227 |en |, tend


0nN

D enition 1 On dit que la m ethode est consistante si pour toute solution


exacte z la somme des erreurs de consistance relatives a ` z , soit vers 0 quand hmax tend vers 0. Une autre notion fondamentale est la notion de stabilit e. Dans la pratique, le calcul ach e derreurs darrondi n . Pour que les r ecurrent des points yn est en eet ent calculs soient signicatifs, il est indispensable que la propagation de ces erreurs reste contr olable. On est amen e` a la d enition suivante.

D enition 2 On dit que la m ethode est stable sil existe une constante S 0,
appel ee constante de stabilit e, telle que pour toutes suites (yn ), (yn ) d enies par yn+1 = yn + hn (tn , yn , hn ), yn+1 = yn + hn (tn , yn , hn ) + n , on ait
0nN

0n<N 0n<N |n | .
0n<N

max |yn yn | S |y0 y0 | +

Autrement dit, une petite erreur initiale |y0 y0 | et de petites erreurs darrondi n dans le calcul r ecurrent des yn provoquent une erreur nale max |yn yn | contr olable. Une derni` ere notion importante en pratique est la suivante.

D enition 3 On dit que la m ethode est convergente si pour toute solution


erie exacte z , la suite yn telle que yn+1 = yn + hn (tn , yn , hn ) v
0nN

max |yn z (tn )| 0

quand y0 z (t0 ) et quand hmax 0. La quantit e max |yn z (tn )| sappelle lerreur globale (de la suite yn calcul ee par
0nN

rapport a ` la solution exacte z ). Cest evidemment cette erreur qui importe dans la pratique.

Calcul de lerreur globale Posons yn = z (tn ). Par d enition de lerreur de


consistance (cf. 2.1) on a yn+1 = yn + hn (tn , yn , hn ) + en . Si la m ethode est stable, de constante de stabilit e S , lerreur globale est donc max |yn z (tn )| S |y0 z (t0 )| +
0n<N

0nN

|en | .

Corollaire Si la m ethode est stable et consistante, elle est convergente.

228

Analyse num erique et equations diff erentielles

En eet 0n<N |en | tend vers 0 quand hmax tend vers 0, puisque la m ethode est consistante par hypoth` ese.

Soit z une solution exacte de l equation (E) et soient en = z (tn+1 ) z (tn ) hn (tn , z (tn ), hn ) les erreurs de consistance correspondantes. Dapr` es le th eor` eme des accroissements nis, il existe cn ]tn , tn+1 [ tel que z (tn+1 ) z (tn ) = hn z (cn ) = hn f (cn , z (cn )) do` u en = hn (f (cn , z (cn )) (tn , z (tn ), hn )) = hn (n + n ) avec n = f (cn , z (cn )) (cn , z (cn ), 0), n = (cn , z (cn ), 0) (tn , z (tn ), hn ).

Comme la fonction (t, h) (t, z (t), h) est continue sur [t0 , t0 + T ] [0, ] qui est compact, elle y est uniform ement continue. Par cons equent, pour tout > 0, il existe > 0 tel que hmax |n | . Pour hmax on a donc |en |
0n<N 0n<N

hn |n |
0n<N

hn |n |

hn = T .

On en d eduit
hmax 0

lim

|en | =
0n<N

hmax 0 t0 +T

lim

hn |n |
0n<N

=
t0

|f (t, z (t)) (t, z (t), 0)|dt

car

hn |n | est une somme de Riemann de lint egrale pr ec edente. Par d enition, |en | = 0 pour toute solution

la m ethode est consistante si et seulement si lim exacte z . On en d eduit : seulement si (t, y ) [t0 , t0 + T ] R,

Th eor` eme La m ethode ` a 1 pas d enie par la fonction est consistante si et


(t, y, 0) = f (t, y ).

Il r esulte de ce th eor` eme que les m ethodes ` a un pas d ej` a mentionn ees sont bien consistantes.

` un pas VIII M ethodes num eriques a

229

Pour pouvoir majorer lerreur globale d ecrite au 2.1, il faut savoir estimer dune part la constante de stabilit e S , et dautre part la somme 0n<N |en |. Le r esultat suivant permet d evaluer S .

Th eor` eme Pour que la m ethode soit stable, il sut que la fonction soit
lipschitzienne en y , cest-` a-dire quil existe une constante 0 telle que t [t0 , t0 + T ], (y1 , y2 ) R2 , h R on ait |(t, y1 , h) (t, y2 , h)| |y1 y2 |. Dans ce cas, on peut prendre pour constante de stabilit e S = e T . D emonstration. Consid erons deux suites (yn ), (yn ) telles que yn+1 = yn + hn (tn , yn , hn ), yn+1 = yn + hn (tn , yn , hn ) + n . Par di erence, on obtient |yn+1 yn+1 | |yn yn | + hn |yn yn | + |n |. En posant n = |yn yn |, il vient n+1 (1 + hn )n + |n |.

Lemme de Gronwall (cas discret) Soient des suites hn , n 0 et n R


telles que n+1 (1 + hn )n + |n |. Alors n e(tn t0 ) 0 +
0in1

e(tn ti+1 ) |i |.

Le lemme se v erie par r ecurrence sur n. Pour n = 0, lin egalit e se r eduit a ` 0 0 . Supposons maintenant lin egalit e vraie ` a lordre n. On observe que 1 + hn ehn = e(tn+1 tn ) . Par hypoth` ese on a n+1 e(tn+1 tn ) n + |n | e(tn+1 t0 ) 0 +
0in1

e(tn+1 ti+1 ) |i | + |n |.

Lin egalit e cherch ee sensuit ` a lordre n + 1.

230

Analyse num erique et equations diff erentielles

Comme tn t0 T et tn ti+1 T , le lemme de Gronwall implique


0nN

max n eT 0 +
0iN 1

|i |

Par d enition de n , on a donc


0nN

max |yn yn | eT |y0 y0 | +


0nN

|n | ,

et le th eor` eme est d emontr e.

Remarque Dans la pratique, lhypoth` ese lipschitzienne faite sur est tr` es
rarement satisfaite globalement pour y1 , y2 R et h R (ne serait-ce que parce que le domaine de d enition de est peut- etre plus petit). Par contre cette hypoth` ese u J est un est souvent satisfaite si on se restreint ` a des y1 , y2 J et |h| o` intervalle ferm e born e assez petit. Dans ce cas, la constante de stabilit e S = eT est valable pour des suites yn , yn J et pour hmax .

Exemples Supposons que la fonction f soit lipschitzienne de rapport k en y et calculons , S pour les di erentes m ethodes d ej` a pr esent ees.
Dans la m ethode dEuler, (t, y, h) = f (t, y ). On peut prendre = k , S = ekT . Dans la m ethode du point milieu, on a (t, y, h) = f t + On en d eduit |(t, y1 , h) (t, y2 , h)| k y1 + k |y1 y2 | + h h f (t, y1 ) y2 + f (t, y2 ) 2 2 h h , y + f (t, y ) . 2 2

h |f (t, y1 ) f (t, y2 )| 2 h 1 k |y1 y2 | + k |y1 y2 | = k 1 + hk |y1 y2 |. 2 2 On peut prendre ici = k 1 +


1 2

hmax k , do` u 1 hmax k 2 .

S = exp kT 1 +

` 1/k2 T ), cette constante est du m eme ordre de Si hmax est petit (par rapport a grandeur que dans la m ethode dEuler.

Corollaire Lorsque f est lipschitzienne en y , les m ethodes dEuler et du point


milieu sont convergentes. Le lecteur observera lanalogie des techniques utilis ees pour obtenir ce corollaire avec celles utilis ees au chapitre V, 3.1.

` un pas VIII M ethodes num eriques a

231

Nous allons voir ici que lordre dune m ethode num erique a une inuence d eterminante sur la pr ecision que cette m ethode permet datteindre. La d enition de lordre que nous allons donne prend lerreur de consistance comme point de d epart (le lecteur prendra garde au d ecalage dune unit e entre lordre et lexposant de hn dans lerreur de consistance ! )

D enition On dit quune m ethode ` a 1 pas est dordre p si pour toute solution exacte z dune equation di erentielle
(E) y = f (t, y ) o` u f est de classe C p ,

il existe une constante C 0 telle que lerreur de consistance relative a ` z v erie


+1 |en | Chp n ,

n,

0 n < N.

Elle est dite dordre p (exactement) si elle est dordre p mais pas dordre p + 1. Rappelons que lerreur de consistance est donn ee par u en = z (tn+1 ) yn hn (tn , yn , hn ) o` yn = z (tn ).

Supposons que soit de classe C p . La formule de Taylor donne alors


p

(tn , yn , hn ) =
l=0

1 l l h (tn , yn , 0) + o(hp n ). l! n hl

Si f est de classe C p , la solution z est de classe C p+1 donc z (tn+1 ) yn = z (tn + h) z (tn )
p+1

=
k=1 p

1 k (k ) +1 h z (tn ) + o(hn ) n k! n 1 +1 hl+1 f [l] (tn , yn ) + o(hp n ). (l + 1)! n

=
l=0

On en d eduit aussit ot
p

en =
l=0

1 1 l+1 l hn f [l] (tn , yn ) l! l+1 hl

+1 tn , yn , 0) + o(hp n )

Cons equence La m ethode est dordre p si et seulement si est telle que


l 1 f [l] (t, y ), (t, y, 0) = l h l+1 0 l p 1.

232

Analyse num erique et equations diff erentielles

Sous cette hypoth` ese, lerreur en se r eduit a ` en = 1 1 p+1 p +1 hn f [p] (tn , yn ) (tn , yn , 0) + o(hp n ). p! p+1 hp

Remarque De ce qui pr ec` ede on d eduit les equivalences


M ethode consistante (t, y, 0) = f (t, y ) M ethode dordre 1.

Lutilisation de la formule de Taylor avec reste de Lagrange implique lexistence de points n ]tn , tn+1 [ et n ]0, hmax [ tels que
+1 en = hp n

1 1 p f [p] (n , z (n )) (tn , z (tn ), n ) . (p + 1)! p! hp

Ceci permet (au moins th eoriquement) de trouver une constante C dans la majoration de lerreur de consistance : on peut prendre C= o` u les normes 1 f [p] (t, z (t)) (p + 1)!

1 p!

p (t, z (t), h) hp

sont etendues aux

(t, h) [t0 , t0 + T ] [0, hmax ].

Majoration de lerreur globale Compte tenu de la majoration suppos ee


satisfaite pour en , on a |en |
0n<N +1 Chp C n p hn hp max CT hmax .

Si la m ethode est stable avec constante de stabilit e S , on obtient donc la majoration


0nN

max |yn z (tn )| S (|y0 z (t0 )| + CT hp max ).

Lerreur initiale |y0 z (t0 )| est g en eralement n egligeable. Lerreur globale donn ee avec une par une m ethode stable dordre p est donc de lordre de grandeur de hp max constante de proportionnalit e SCT (on retiendra que lordre est egal ` a lexposant de hmax dans la majoration de lerreur globale, alors que lerreur de consistance, +1 elle, est en hp n ). Si la constante SCT nest pas trop grande (disons 102 ), une m ethode dordre 3 ecision globale de lordre avec pas maximum hmax = 102 permet datteindre une pr de 104 .

` un pas VIII M ethodes num eriques a

233

Lerreur globale calcul ee au 2.4 est une erreur th eorique, cest-` a-dire quelle ne tient pas compte des erreurs darrondi qui se produisent in evitablement en pratique. Dans la r ealit e lordinateur va calculer non pas la suite r ecurrente yn , mais une valeur approch ee yn de yn dans laquelle interviendront une erreur darrondi n sur (tn , yn , hn ), une erreur darrondi n sur le calcul de yn+1 . En d enitive, on aura yn+1 = yn + hn ((tn , yn , hn ) + n ) + n = yn + hn (tn , yn , hn ) + hn n + n . Il se peut egalement que y0 di` ere l eg` erement de la valeur th eorique y0 : y0 = y0 + 0 .

Hypoth` ese

n,

|n | , |n | .

Les constantes , d ependent des caract eristiques de lordinateur et de la pr ecision des op erations arithm etiques (si les r eels sont cod es sur 6 octets, on a typiquement = 109 , = 1010 , |0 | 1010 ). Si la m ethode est stable avec constante de stabilit e S , on en d eduit max |yn yn | S |0 | +
0n<N

0nN

(hn |n | + |n |)

S (|0 | + T + N ). A cette erreur due aux arrondis sajoute lerreur globale th eorique
0nN

max |yn z (tn )| SCT hp max

si

y0 = z (t0 ).

Lerreur totale commise est donc


0nN

max |yn z (tn )| S (|0 | + T + N + CT hp max )


T h

Supposons le pas hn = h constant pour simplier. On a alors N = major ee par E (h) = S (|0 | + T +

et lerreur est

T + CT hp ) = S (|0 | + T ) + ST + Chp h h

L etude de E (h) donne la courbe suivante, avec un minimum de E (h) r ealis e en 1 p+1 . hopt = pC

234 E (h)

Analyse num erique et equations diff erentielles

hopt

Typiquement, pour une m ethode dordre p = 2 o` u pC 10, on obtient hopt 103 . Si on prend un pas plus petit, lerreur augmente ! Ceci est d u au fait que le augmente, et avec lui les erreurs darrondi, lorsque le pas nombre de pas N = T h h diminue. Les erreurs darrondi lemportent alors sur lerreur globale th eorique erience num erique suivante conrme ces pr evisions th eoriques. SCT hp . Lexp

Exemple Consid erons le probl` eme de Cauchy y = y avec donn ee y0 = 1 en


u y (1) = e 2, 7182818285. Si lon t0 = 0. La solution exacte est y (t) = et , do` utilise la m ethode du point milieu avec pas constant h, on obtient lalgorithme yn+1 = (1 + h + h2 /2)yn ,
3

y0 = 1.

Lerreur de consistance est donn ee par en h yn /6, do` u en Ch3 avec C = e/6 sur [0, T ] = [0, 1]. Par ailleurs, on peut au mieux esp erer = 1011 , ce qui donne hopt 1011 2 e/6
1/3

2, 224 104 ,

Nopt =

T < 4500. hopt

Un calcul sur un ordinateur disposant dune pr ecision relative maximale des r eels e en fait les r esultats suivants : de 1011 environ nous a donn Nombre de pas N N N N N N N N N N N N N = 10 = 100 = 500 = 1000 = 2000 = 3000 = 4000 = 4400 = 5000 = 6000 = 7000 = 10000 = 20000 Valeur yN associ ee 2,7140808465 2,7182368616 2,7182800146 2,7182813650 2,7182816975 2,7182817436 2,7182817661 2,7182817882 2,7182817787 2,7182817607 2,7182817507 2,7182817473 2,7182817014 Erreur y (1) yN 4, 2 103 4, 5 105 4, 8 106 4, 6 107 1, 3 107 8, 5 108 6, 2 108 4, 0 108 5, 0 108 6, 8 108 7, 8 108 8, 1 108 1, 3 107

` un pas VIII M ethodes num eriques a

235 4400.

Le nombre de pas optimal observ e est Nopt

Lobjet de ce paragraphe est de mettre en evidence les dicult es qui peuvent appara tre dans la mise en uvre des algorithmes de r esolution num erique.

D enition 1 On dit quun probl` eme de Cauchy est math ematiquement bien pos e si la solution est unique et d epend contin ument de la donn ee initiale. Exemple Consid erons le probl` eme de Cauchy
y = 2 |y |, y (0) = 0. t [0, +[

Ce probl` eme admet les solutions y (t) = 0, y (t) = t2 et plus g en eralement y (t) = 0, y (t) = (t a)2 , t [0, a] t [a, +[.

Lutilisation de la m ethode dEuler yn+1 = yn + 2hn yn va conduire aux solutions approch ees suivantes : si y0 = 0 si y0 = y (t) = 0 y (t) (t +

)2 quand hmax 0.

Il ny a ici ni unicit e, ni continuit e de la solution. Le probl` eme de Cauchy est donc math ematiquement mal pos e. Les r esultats du chapitre V 3.2 (et ceux a ` venir du chapitre XI 1.2) montrent que le probl` eme de Cauchy est math ematiquement bien pos e d` es que f (t, y ) est localement lipschitzienne en y .

D enition 2 On dit quun probl` eme de Cauchy est num eriquement bien pos e si la continuit e de la solution par rapport a ` la donn ee initiale est susamment bonne pour que la solution ne soit pas perturb ee par une erreur initiale ou des erreurs darrondi faibles.
e susamment bonne , on entend en g en eral lexistence Par lexpression continuit dune constante de Lipschitz petite en regard de la pr ecision des calculs. On notera que la d enition 2 ne fait pas r ef erence ` a la m ethode de calcul utilis ee.

Exemple 2 Soit le probl` eme de Cauchy


y = 3y 1, y (0) = 1 3. t [0, 10]

236

Analyse num erique et equations diff erentielles

La solution exacte est y (t) = t + 1 ee initiale y (0) = 3 . La donn 3t + e . On a alors y (t) = t + 1 3 y (10) y (10) = e30 1013 .

1 3

+ fournit

Le probl` eme est ici math ematiquement bien pos e, mais num eriquement mal eme redevient pos e si la pr ecision des calculs est seulement de 1010 . Le probl` num eriquement bien pos e si la pr ecision des calculs est de 1020 .

Exemple 3 Lexemple suivant montre que m eme un probl` eme num eriquement
bien pos e peut soulever des dicult es inattendues : y = 150y + 30, y (0) = 1 5. t [0, 1],

La solution exacte est y (t) = 1 ee initiale y (0) = 1 5 et la donn 5 + fournit 1 150t 150t . Comme 0 e 1 sur [0, 1], le probl` eme est num eriquement y (t) = 5 + e bien pos e. La m ethode dEuler avec pas constant h donne yn+1 = yn + h(150yn + 30) = (1 150h)yn + 30h, 1 1 yn+1 = (1 150h)(yn ), 5 5 1 1 . yn = (1 150h)n y0 5 5
1 50 .

do` u Supposons h = pour t = 1

Une erreur initiale y0 = y50 = 1 + 250 5

1 5

+ conduit a ` yn =

1 5

+ (2)m , do` u

1 + 1015 ! 50

ecessaire de prendre |1 150h| 1, Pour que |yn | ne diverge pas vers +, il est n 1 . Bien que le probl` eme soit tout ` a fait bien pos e, on voit soit 150h 2, h 75 quil est n ecessaire de prendre un pas assez petit, et donc de faire des calculs plus co uteux que dordinaire.

D enition 3 On dit quun probl` eme est bien conditionn e si les m ethodes
num eriques usuelles peuvent en donner la solution en un temps raisonnable. Un probl` eme sera bien conditionn e si la constante de stabilit e S nest pas trop ecision des calculs est 1010 ). Sinon, on grande (disons nettement < 1010 si la pr dit quon a aaire a ` un probl` eme raide. On sait quen g en eral la constante de stabilit e S est major ee par eT . Dans un 3 T > 10400 . Il existe des probl` eme raide, on peut avoir typiquement T = 10 , e algorithmes permettant de traiter certains probl` emes raides, mais nous naborderons pas cette question. Le lecteur pourra consulter sur ce point le livre de CrouzeixMignot.

` un pas VIII M ethodes num eriques a

237

On consid` ere un probl` eme de Cauchy y = f (t, y ), y (t0 ) = y0 t [t0 , t0 + T ]

et on cherche ` a discr etiser ce probl` eme par rapport a ` une subdivision t0 < t1 < . . . < ee est de calculer par r ecurrence les points (tn , yn ) en utilisant des tN = t0 + T . Lid points interm ediaires (tn,i , yn,i ) avec tn,i = tn + ci hn , 1 i q, ci [0, 1].

A chacun de ces points on associe la pente correspondante pn,i = f (tn,i , yn,i ). Soit z une solution exacte de l equation. On a
tn,i

z (tn,i ) = z (tn ) +
tn

f (t, z (t))dt
ci

= z (tn ) + hn

f (tn + uhn , z (tn + uhn ))du

gr ace au changement de variable t = tn + uhn . De m eme


1

z (tn+1 ) = z (tn ) + hn

f (tn + uhn , z (tn + uhn )du.

On se donne alors pour chaque i = 1, 2, . . . , q une m ethode dint egration approch ee


ci

(Mi )

g (t)dt
0 1j<i

aij g (cj ),

ces m ethodes pouvant etre a priori di erentes. On se donne egalement une m ethode dint egration approch ee sur [0, 1] :
1

(M)
0

g (t)dt
1j q

bj g (cj ).

En appliquant ces m ethodes dint egration a ` g (u) = f (tn + uhn , z (tn + uhn )), il vient z (tn,i ) z (tn+1 ) z (tn ) + hn
1j<i

aij f (tn,j , z (tn,j )), bj f (tn,j , z (tn,j )).


1j q

z (tn ) + hn

238

Analyse num erique et equations diff erentielles

La m ethode Runge-Kutta correspondante est d enie par lalgorithme tn,i = tn + ci hn yn,i = yn + hn aij pn,j 1j<i pn,i = f (tn,i , yn,i ) tn+1 = tn + hn bj pn,j . yn+1 = yn + hn
1j q

1iq

On la repr esente conventionnellement par le tableau (M1 ) (M2 ) c1 c2 . . . . . . cq 0 a21 . . . . . . aq 1 b1 0 0 . . . . . . aq 2 b2 ... ... .. . ... ... 0 0 . . . 0 aqq1 bq 1 0 0 . . . 0 0 bq

(Mq ) (M)

o` u les m ethodes dint egration approch ees correspondent aux lignes. On pose par convention aij = 0 pour j i.

Hypoth` ese On supposera toujours que les m ethodes dint egration (Mi ) et (M)
sont dordre 0 au moins, cest-` a-dire ci =
1j<i

aij ,

1=
1j q

bj .

En particulier, on aura toujours c1 = 0, tn,1 = tn , yn,1 = yn , pn,1 = f (tn , yn ).

Exemple 1 Pour q = 1, le seul choix possible est

0 1

On a ici c1 = 0, a11 = 0, b1 = 1. Lalgorithme est donn e par pn,1 = f (tn , yn ) tn+1 = tn + hn yn+1 = yn + hn pn,1 Il sagit de la m ethode dEuler.

` un pas VIII M ethodes num eriques a

239

Exemple 2 Pour q = 2, on consid` ere les tableaux de la forme


0 0 1 1 2 Lalgorithme s ecrit ici pn,1 = f (tn , yn ) t n,2 = tn + hn yn,2 = yn + hn pn,1 pn,2 = f (tn,2 , yn,2 ) tn+1 = tn + hn yn+1 = yn + hn 1 ou encore, sous forme condens ee : yn+1 = yn + hn 1 1 2 f (tn , yn ) + 1 f (tn + hn , yn + hn f (t, yn )) . 2 0 0 1 2 , o` u ]0, 1].

1 2

pn,1 +

1 2

pn,2 ,

Cest n eanmoins la premi` ere formulation qui est la plus ecace en pratique, puisquelle requiert seulement deux evaluations de la fonction f au lieu de 3 pour la forme condens ee. ethode du point milieu Pour = 1 2 , on retrouve la m yn+1 = yn + hn f tn + hn hn , yn + f (tn , yn ) , 2 2

qui est bas ee sur la m ethode dint egration du point milieu :


1

(M)
0

g (t)dt

1 . 2

Pour = 1, on obtient la m ethode de Heun : yn+1 = yn + hn 1 1 f (tn , yn ) + f (tn+1 , yn + hn f (tn , yn )) , 2 2

qui repose sur la m ethode dint egration des trap` ezes :


1

(M)
0

g (t)dt

1 (g (0) + g (1)). 2

240

Analyse num erique et equations diff erentielles

Exemple 3 M ethode de Runge-Kutta classique :


Il sagit de la m ethode d enie par le tableau 0
1 2

0
1 2

0 0
1 2

0 0 0 1
2 6

0 0 0 0
1 6

q = 4,

1 2

0 0
1 6

0
2 6

Lalgorithme correspondant s ecrit pn,1 = f (tn , yn ) tn,2 = tn + 1 2 hn yn,2 = yn + 1 2 hn pn,1 p = f ( t n,2 , yn,2 ) n,2 yn,3 = yn + 1 2 hn pn,2 pn,3 = f (tn,2 , yn,3 ) tn+1 = tn + hn yn,4 = yn + hn pn,3 pn,4 = f (tn+1 , yn,4 ) y =y +h 1 p
n+1 n n 6

(noter que tn,3 = tn,2 ) (noter que tn,4 = tn+1 )

n,1

2 6

pn,2 +

2 6

pn,3 +

1 6

pn,4

On verra plus loin que cette m ethode est dordre 4. Dans ce cas les m ethodes ees sont respectivement : dint egration (Mi ) et (M) utilis (M2 ) (M3 ) (M4 ) (M)
0
1 2

g (t)dt g (t)dt g (t)dt

0
1 2

1 g (0) : 2 1 1 g : 2 2 g 1 : 2

rectangles ` a gauche, rectangles ` a droite, point milieu, Simpson.

g (t)dt

1 1 2 1 2 1 g (0) + g + g + g (1) : 6 6 2 6 2 6

Les m ethodes de Runge-Kutta sont des m ethodes ` a un pas yn+1 = yn + hn (tn , yn , hn )

` un pas VIII M ethodes num eriques a

241

avec (tn , yn , hn ) =
1j q

bj pn,j . La fonction est d enie de mani` ere explicite par bj f (t + cj h, yj ) avec


1j q

(t, y, h) = y =y+h i

aij f (t + cj h, yj ),
1j<i

1 i q.

()

Supposons que f soit k -lipschitzienne en y . On va montrer que est alors egalement enis a ` partir de z comme lipschitzienne. Soit z R et supposons (t, z, h) et zi d dans la formule ().

Lemme Soit = max


i 1j i

|aij | . Alors

|yi zi | (1 + (kh) + (kh)2 + . . . + (kh)i1 )|y z |. On d emontre le lemme par r ecurrence sur i. Pour i = 1, on a y1 = y , z1 = z et le r esultat est evident. Supposons lin egalit e vraie pour tout j < i. Alors |yi zi | |y z | + h
j<i j<i

|aij | k max |yj zj |,


j<i

|yi zi | |y z | + kh max |yj zj |. Par hypoth` ese de r ecurrence il vient max |yj zj | (1 + kh + . . . + (kh)i2 )|y z |,
j<i

et lin egalit e sensuit ` a lordre i. La formule () entra ne maintenant |(t, y, h) (t, z, h)|
1j q

|bj | k |yj zj | |y z |

avec

=k
1j q

|bj |(1 + (khmax ) + . . . + (khmax )j 1 ).

Corollaire

stabilit e S = eT .

Les m ethodes de Runge-Kutta sont stables, avec constante de

Remarque Dans le cas fr equent o` u les coecients bj sont 0, on a la relation


k (1 + (khmax ) + . . . + (khmax )q1 ). Si les coecients aij sont eux-m emes 0, on a = max ci .
i

Lorsque hmax est assez petit devant 1/k, la constante de stabilit e est donc de ethodes de Rungelordre de grandeur de ekT . Ces observations montrent que les m Kutta d ecrites dans les exemples 1, 2, 3 du 3.3 poss` edent une excellente stabilit e erieure possible pour S , quelle que soit (il est facile de voir que ekT est la borne inf la m ethode utilis ee : consid erer pour cela l equation y = ky ).

242

Analyse num erique et equations diff erentielles

Pour d eterminer lordre, on peut appliquer le crit` ere du 2.4 consistant a ` evaluer les l d eriv ees ( t, y, 0) : lordre est au moins e gal ` a p si et seulement si cette d eriv ee l h 1 est egale ` a l+1 f [l] (t, y ) pour l p 1. Gr ace ` a la formule () du 3.3, on obtient facilement les d eriv ees successives de : (t, y, 0) =
1j q

bj f (t, y ) = f (t, y ).

Les m ethodes de Runge-Kutta sont donc toujours dordre 1 (cest-` a-dire consistantes). (t, y, h) = h bj cj ft (t + cj h, yj ) + fy (t + cj h, yj )
j

yj , h

yi = h

aij f (t + cj h, yj ) + h
j<i j<i

aij cj ft + fy

yj . h

Pour h = 0, on obtient donc yi h =


j<i

h=0

aij f (t, y ) = ci f (t, y ) bj cj (ft + fy f )(t, y ) =


j

(t, y, 0) = h

bj cj f [1] (t, y ). b j cj = 1 2. 2 yj , h2

Dapr` es le 2.4, la m ethode est dordre 2 si et seulement si


2

2 (t, y, h) = h2

b j c2 j ftt + 2cj fty


j

yj + fyy h

yj h

+ fy

yi yj =2 aij cj ft + fy h2 h j<i Pour h = 0, il vient 2 yi =2 h2 h=0 2 (t, y, 0) = h2

+h
j<i

aij c2 j ftt + . . . .

aij cj (ft + fy f )(t, y ),


2 b j c2 j (ftt + 2fty f + fyy f )(t, y ) + 2 j i,j

bi aij cj fy (ft + fy f )(t, y ).

e par Or f [2] est donn f [2] (t, y ) = (f [1] )t + (f [1] )y f = (ft + fy f )t + (ft + fy f )y f = ftt + fty f + fy ft + fty f + fyy f 2 + fy2 f. = (ftt + 2fty f + fyy f 2 ) + fy (ft + fy f ).

` un pas VIII M ethodes num eriques a

243

La condition

2 h2

(t, y, 0) =

1 3

f [2] (t, y ) se traduit en g en eral par les conditions 1 , 3 bi aij cj =


i,j

b j c2 j =
j

1 6

(prendre respectivement f (t, y ) = t2 , puis f (t, y ) = t + y pour obtenir ces deux 3 conditions). Un calcul analogue (p enible !) de esultat suivant. h3 conduirait au r

Th eor` eme La m ethode de Runge-Kutta d enie par le tableau des coecients


ci , aij , bj est dordre 2 ssi
j

b j cj = b j cj =
j

1 . 2 1 ; 2 b j c2 j =
j

dordre 3 ssi dordre 4 ssi

1 ; 3

bi aij cj =
i,j

1 . 6

b j cj =
j

1 ; 2

b j c2 j =
j

1 ; 3

b j c3 j =
j

1 4 bi ci aij cj = 1 ; 8

i,j

1 bi aij cj = ; 6

i,j

1 ; bi aij c2 j = 12

i,j

i,j,k

1 . bi aij ajk ck = 12

Pour la v erication pratique, on notera que certaines des expressions pr ec edentes c1 . sont des produits des matrices C = . . , A = (aij ), B = (b1 b2 . . . bq ). Ainsi cq bi aij cj = BAC,
i,j i,j,k

bi aij ajk ck = BA2 C.

Pour les exemples du 3.2, on voit ainsi que la m ethode dEuler est dordre 1, et que les m ethodes de lexemple 2 sont dordre 2. De plus, dans une m ethode avec ` savoir = a21 . On a alors q = 2, il y a a priori un seul coecient aij non nul, a ethode est dordre 2 au moins ssi bj cj = b2 = 1/2, c2 = j<2 a2j = et la m soit b2 = 1/2 et b1 = 1 b2 = 1 1/2. On voit donc quil ny avait pas dautres choix possibles pour une m ethode dordre 2 avec q = 2. Enn, la m ethode Runge-Kutta classique pr esent ee dans lexemple 3 est dordre 4 4 (lordre nest pas 5 car bj cj = 1/5). Cest si lon peut dire la m ethode reine des m ethodes ` a un pas : ordre elev e, grande stabilit e (gr ace ` a la positivit e des coecients, voir remarque nale du 3.3). Il existe des m ethodes dordre encore plus elev e (voir exercice 5.4), mais leur plus grande complexit e les rend peut- etre un peu moins praticables.

244

Analyse num erique et equations diff erentielles

La mani` ere la plus simple pour appliquer une m ethode de r esolution num erique consiste ` a utiliser un pas constant hn = h. La principale dicult e est alors de d eterminer hmax de fa con que lerreur globale ne d epasse pas une certaine tol erance x ee ` a lavance ; on ne sait pas en eet quelle sera l evolution de la solution etudi ee, de sorte quil est dicile de pr evoir a priori les erreurs de consistance. Lutilisation dalgorithmes a ` pas variables pr esente de ce point de vue deux avantages majeurs : ladaptation du pas a ` chaque etape permet doptimiser lerreur commise en fonction de la tol erance prescrite , sous r eserve quon dispose dune estimation instantan ee de lerreur de consistance en . lapproche dune discontinuit e ou dune singularit e de l equation di erentielle ne peut se faire g en eralement quavec une r eduction importante du pas. Dans cette circonstance, il convient darr eter lalgorithme avant de traverser la discontinuit e, faute de quoi les erreurs deviennent impr evisibles. Le calcul du pas sert alors de test darr et.

Soit [t0 , t0 + T ] lintervalle de temps consid er e. On suppose x ee une tol erance pour lerreur globale max |yn z (tn )|.
0nN

Supposons egalement quon dispose dun estimation S de la constante de stabilit e. En n egligeant lerreur initiale |y0 z (t0 )| et les erreurs darrondi, on a alors
0nN

max |yn z (tn )| S


0n<N

|en | = S hn max

hn

|en | hn |en | . hn

|en | ST max hn

Il sut donc de choisir les pas hn en sorte que max


|en | hn

|en | ; = hn ST

repr esente intuitivement lerreur de consistance par unit e de temps, et cest ce rapport quil sagit de contr oler. trait du Il est bien entendu impossible de d eterminer exactement en , sinon on conna m eme coup la solution exacte par la formule z (tn+1 ) = yn+1 + en ! On va supposer n eanmoins quon dispose dune estimation e n de en . Dans la pratique, on se xe un encadrement [hmin , hmax ] du pas (hmin est impos e par les limitations du temps de calcul et par laccroissement des erreurs darrondi con quand le pas diminue, cf. 2.5). On essaie alors de choisir hn [hmin , hmax ] de fa

` un pas VIII M ethodes num eriques a

245

erieure on se permet daugmenter que |e n |/hn , et si lerreur est notablement inf prudemment hn . Par exemple : si si si
| e 1 n| 3 hn , alors hn+1 := hn ; | e 1 n| hn < 3 , alors hn+1 := min(1.25 hn , hmax ) | e n| et de hn > , alors hn+1 := 0.8 hn , avec arr

; lalgorithme si hn+1 < hmin .

Ce dernier cas peut correspondre ` a lapproche dune discontinuit e, lerreur augmentant continuellement malgr e la diminution du pas. ` moins que lon connaisse une Pour linitialisation du pas, on prend h0 = hmin , a valeur initiale plus appropri ee.

|en|/hn

Pour estimer en , il nest pas question dutiliser les expressions analytiques des l d eriv ees et f [l] , beaucoup trop co uteuses en temps de calcul. On est donc amen e hl a rechercher des estimations ad hoc, qui nutilisent si possible que des quantit ` es d ej` a calcul ees par lalgorithme, et qui ne r eclament pas de nouvelle evaluation de f . M ethode dEuler Si pn = f (tn , yn ), alors pn+1 pn = f (tn + hn , yn + hn f (tn , yn )) f (tn , yn ) = hn ft (tn , yn ) + hn f (tn , yn )fy (tn , yn ) + o(hn ) = hn f [1] (tn , yn ) + o(hn ). Comme en =
1 2 [1] 2 h2 ee par n f (tn , yn ) + o(hn ) on a une approximation de en donn

e 1 n = (pn+1 pn ). hn 2 con Ceci ne n ecessite aucun calcul suppl ementaire puisque pn+1 est de toute fa n ecessaire pour l etape suivante. M ethode de Runge-Kutta dordre 2 0 0 1 Dapr` es le 2.4 on a ici en = h3 n 1 [2] 1 2 f (tn , yn ) (tn , yn , 0) + o(h3 n ), 3! 2! h2 1 2 0 0 1 2

246 et les calculs du 3.4 donnent en = h3 n = h3 n

Analyse num erique et equations diff erentielles

1 [2] f (ftt + 2fty f + fyy f 2 ) (tn , yn ) + o(h3 n) 6 4 1 1 (ftt + 2fty f + fyy f 2 ) + fy f [1] + o(h3 n ). 6 4 6

On est par ailleurs amen e` a calculer les quantit es pn,1 = f (tn , yn ), pn,2 = f (tn + hn , yn + hn pn,1 ), pn+1,1 = f tn + hn , yn + hn 1 1 1 pn,2 pn,1 + 2 2 .

Des d eveloppements limit es dordre 2 donnent apr` es calcul : h2 n (f + 2fty f + fyy f 2 ) + o(h2 n ), 2 tt 1 (pn,2 pn,1 )fy pn+1,1 pn,1 = hn f [1] + hn 2 2 h + n (ftt + 2fty f + fyy f 2 ) + o(h2 n ), 2 1 h2 pn+1,1 pn,1 (pn,2 pn,1 ) = (1 ) n (ftt + 2fty f + fyy f 2 ) 2 h2 + n fy f [1] + o(h2 n ). 2 pn,2 pn,1 = hn f [1] + 2 On peut approximer tr` es grossi` erement en /hn par e 1 n = hn 3 pn+1,1 pn,1 1 (pn,2 pn,1 ) .

Il ny a pas de justication th eorique s erieuse pour cela, lid ee est simplement que les d eveloppements limit es se ressemblent formellement. M ethode de Runge-Kutta classique Il ny a pas ici de m ethode simple permettant d evaluer en , m eme grossi` erement. On peut cependant observer que en = h5 eriv ees dordre 4 de f ) ; n (d Dautre part, des calculs analogues a ` ceux ci-dessus montrent que les quantit es n = pn,4 2pn,2 + pn,1 sont de la forme et n = pn,3 pn,2

h2 eriv ees dordre 2 de f ). n (d

` un pas VIII M ethodes num eriques a

247

Au lieu de comparer

| en | hn

a , on peut essayer de comparer `


2 2 n + n

a `

ou (plus rapide) |n | + |n | a ` =

, ST

quitte a ` ajuster eventuellement les valeurs de et par tatonnements. ecessaire dutiliser des Si lon d esire une evaluation plus pr ecise de en , il est n techniques plus elabor ees, telles que les m ethodes de Runge-Kutta embo t ees (voir par exemple le livre de Crouzeix-Mignot, chapitre 5, 6).


5.1. On etudie la m ethode num erique (M) de r esolution de l equation di erentielle enie par y = f (x, y ) d yn+1 = yn + hn (tn , yn , hn ), (t, y, h) = f (t, y ) + f (t + h h , y + f (t, y )) + f (t + h, y + hf (t, h)) 2 2

o` u , , sont des r eels compris entre 0 et 1. (a) Pour quelles valeurs du triplet (, , ) retrouve-t-on la m ethode dEuler ? la m ethode du point milieu ? la m ethode de Heun ? (b) Dans cette question et la suivante, on supposera que la fonction f (t, y ) est de classe C sur [t0 , t0 + ] R, et k -lipschitzienne en y . Pour quelles valeurs de (, , ) la m ethode propos ee est-elle stable ? (c) Quelles relations doivent satisfaire (, , ) pour que la m ethode soit consistante ? convergente ? dordre 1 ? dordre 2 ?

La m ethode (M) peut-elle etre dordre sup erieur ? 5.2. On consid` ere la m ethode de Runge-Kutta d enie par le tableau 0 1/4 3/4 1 0 1 9/20 1/9 0 0 6/5 0 0 0

1/3 5/9

248

Analyse num erique et equations diff erentielles

On consid` ere l equation y = f (t, y ) = t + y + 1. R esoudre cette equation et calculer eterminer lordre f [n] (0, 0) pour tout n. Que peut-on dire de n /hn (0, 0; 0) ? D de cette m ethode. 5.3. On se propose dobtenir une borne explicite pour lordre p dune m ethode de Runge-Kutta dont le nombre de points interm ediaires q est x e. omes ` a coecients r eels de degr e inf erieur (a) Dans lespace vectoriel Pn des polyn ou egal ` a n, on consid` ere la forme bilin eaire
1

P, Q =
0

P (x)Q(x)dx.

D eterminer la matrice de cette forme bilin eaire dans la base canonique (1, x, . . . , xn ). En d eduire que la matrice sym etrique 1 1/2 . . . 1/(n + 1) M = 1/2 1/3 . . . 1/(n + 1) 1/(n + 2) est d enie positive et que det M > 0. (b) On consid` ere pour q N le syst` eme d equations b 1 + b 2 + . . . bq = 1 b1 c1 + b2 c2 + . . . + bq cq = 1/2 (S) . . . 2q q b 1 c1 + . . . + b q c2 q = 1/(2q + 1)
q +1 o` u les bi et ci appartiennent a ` R on note F lespace vectoriel + . Dans R q 2 engendr e par les vecteurs (1, cj , cj , . . . , cj ), 1 j q .

1/(n + 2) 1/(2n + 1)

() Quelle est la dimension maximum de F ? ( ) Montrer que si (S) avait une solution, les vecteurs V1 = (1 1/2 . . . 1/(q + 1)) V2 = (1/2 1/3 . . . 1/(q + 2)) Vq+1 = (1/(q + 1) . . . 1/(2q + 1)) appartiendraient a ` F . En d eduire que det(V1 , V2 , . . . , Vq+1 ) = 0 puis que le syst` eme (S) est impossible. (c) On consid` ere une m ethode de Runge-Kutta c1 . . . . . . cq b1 . . . . . . bq

A = (aij ) 1 i, j q

` un pas VIII M ethodes num eriques a


1 q

249 f (x)dx
0 j =1

associ ee ` a la m ethode dint egration (INT) On suppose que cette m ethode est dordre p. () Montrer que (INT) est dordre p 1. ( ) En d eduire que p 2q .

bj f (cj ).

5.4. On consid` ere une m ethode ` a un pas de la forme (M) yn+1 = yn + hn (tn , yn , hn )

quon suppose etre dordre p. On se donne par ailleurs une m ethode dint egration approch ee
1

(I)
0

g (u)du
1j q

bj g (cj )

dordre p au moins (il en existe pour p quelconque). (a) On consid` ere la m ethode ` a un pas avec points interm ediaires tn,i = tn + ci hn d enie comme suit tn,i = tn + ci hn yn,i = yn + ci hn (tn , yn , ci hn ) 1 i q pn,i = f (tn,i , yn,i ) (M ) tn+1 = tn + hn bj pn,j . yn+1 = yn + hn
1j q

Montrer que (M ) est dordre p + 1. (b) Gr ace ` a un raisonnement par r ecurrence, montrer quil existe des m ethodes de Runge-Kutta dordre p arbitrairement elev e.


Comme dans le chapitre pr ec edent, on sint eresse ` a la r esolution num erique du probl` eme de Cauchy relatif ` a une equation di erentielle (E) y = f (t, y ), (t, y ) [t0 , t0 + T ] R. Si (tn )0nN est une subdivision de [t0 , t0 + T ] de pas successifs hn = tn+1 tn , on appelle m ethode num erique a ` r + 1 pas toute m ethode num erique de la forme yn+1 = (tn , yn , hn ; . . . ; tnr , ynr , hnr ). Lint er et de ces m ethodes vient du fait quon peut obtenir un ordre elev e pour une complexit e de calcul nettement inf erieure ` a celle des m ethodes de Runge-Kutta. Lun des probl` emes essentiels, n eanmoins, est de sassurer que la stabilit e num erique reste susamment bonne.

On suppose ici que le pas hn = h est constant. On sint eresse aux m ethodes ` a r+1 pas permettant un calcul r ecurrent des points (tn , yn ) et des pentes fn = f (tn , yn ) sous la forme yn+1 = i yni + h i fni 0ir 0ir (M) tn+1 = tn + h fn+1 = f (tn+1 , yn+1 ) o` u les i , i , 0 i r sont des constantes r eelles.

D emarrage de lalgorithme Le point initial (t0 , y0 ) etant donn e, lalgoej` a et e calcul ees. rithme ne peut d emarrer que si les valeurs (y1 , f1 ), . . . , (yr , fr ) ont d Ce calcul ne peut etre fait que par une m ethode ` a un pas pour (y1 , f1 ), a ` au plus eres 2 pas pour (y2 , f2 ), . . . au plus r pas pour (yr , fr ). Linitialisation des r premi` en eralement faite a ` laide dune m ethode de Rungevaleurs (yi , fi ), 1 i r, sera g Kutta dordre sup erieur ou egal ` a celui de la m ethode (M), ou a ` la rigueur un de moins (voir le d ebut du 1.2 sur ce point).

252

Analyse num erique et equations diff erentielles

La d enition g en erale de lerreur de consistance pour une m ethode ` a r + 1 pas est la suivante (on ne suppose pas n ecessairement dans cette d enition que le pas est constant).

D enition Soit z une solution exacte de l equation (E). Lerreur de consistance


` z est l ecart en relative a en = z (tn+1 ) yn+1 , r n < N,

a partir des r + 1 valeurs pr ec edentes suppos ees exactes obtenu en calculant yn+1 ` yn = z (tn ), . . . , ynr = z (tnr ). La m ethode est dite dordre p si pour toute solution z il existe une constante C telle que |en | Chn hp max . D eterminons en dans le cas de la m ethode (M) ci-dessus. On a z (tn+1 ) = z (tn + h) =
0kp

hk (k) z (tn ) + O(hp+1 ) k!

d` es que f est de classe C p (z est alors de classe C p+1 ). Par ailleurs yni = z (tni ) = z (tn ih) =
0kp

(ih)k (k) z (tn ) + O(hp+1 ), k!

fni = f (tni , z (tni )) = z (tni ) = z (tn ih) =


0kp1

(ih)k (k+1) z (tn ) + O(hp ) k!

=
0kp

(ih)k1 (k) z (tn ) + O(hp ). k!

Il vient par cons equent en = z (tn+1 ) yn+1 = z (tn+1 )


0ir

(i yni + hi fni ) (i (i)k + ki (i)k1 ) + O(hp+1 )

=
0kp

hk (k) z (tn ) 1 k!
k

0ir

=
0kp

h (k ) z (tn ) 1 (1)k k!

ik i kik1 i + O(hp+1 ).
0ir

La m ethode (M) est donc dordre p si et seulement si elle v erie les conditions ik i kik1 i = (1)k ,
0ir

0 k p.

` pas multiples IX M ethodes a

253

En particulier, elle est dordre 1 (ou consistante) si et seulement si 0 + 1 + . . . + r = 1 1 + . . . + rr (0 + . . . + r ) = 1. Pour quelle soit dordre p, la p-i` eme condition sexplicite de la mani` ere suivante : 1 + 2p 2 + . . . + rp r p(1 + 2p1 2 + . . . + rp1 r ) = (1)p .

On dit quune m ethode ` a pas multiples est stable si une petite perturbation des ecurrent des valeurs valeurs initiales y0 , . . . , yr et de petites erreurs n dans le calcul r olable. De fa con pr ecise : yn+1 , r n < N , provoquent une erreur nale contr

D enition On dit quune m ethode ` a r +1 pas est stable de constante de stabilit e


S si pour toutes suites yn , yn avec yn+1 = (tni , yni , hni ), yn+1 = (tni , yni , hni ) + n , alors
0nN

r n < N, r n < N, |n | .
rn<N

max |yn yn | S

0nr

max |yn yn | +

En appliquant cette d enition a ` yn = z (tn ), on voit que lerreur globale de la suite ` la solution exacte z (tn ) admet la majoration yn par rapport a
0nN

max |yn z (tn )| S

0nr

max |yn z (tn )| +


rn<N

|en | .

Si la m ethode est dordre p avec |en | Chn hp max , alors on a


rn<N

|en | CT hp max

car hn = T . Pour la phase dinitialisation, il convient donc de choisir une m ethode conduisant a ` une erreur dinitialisation max |yn z (tn )| de lordre de hp max au plus. Ceci conduit a ` choisir une m ethode dinitialisation dordre p 1. Il est toutefois pr ef erable de choisir une m ethode dordre p, car lerreur dinitialisation +1 egligeable. est alors born ee par C hp max et donc n
0nr

Condition n ecessaire de stabilit e On cherche ` a d eterminer les conditions


n ecessaires ` a la stabilit e de la m ethode (M) d ecrite au 1.1. Pour cela, on consid` ere l equation di erentielle la plus simple qui soit : (E) La suite yn est alors d enie par yn+1 =
0ir

y = 0.

i yni ,

n r.

254

Analyse num erique et equations diff erentielles

Lensemble des suites v eriant cette relation de r ecurrence est un espace vectoriel de dimension r + 1, car chaque suite est d enie de mani` ere unique par la donn ee de ere evidente des solutions particuli` eres (y0 , y1 , . . . , yr ). On a de mani` yn = n , o` u est racine du polyn ome caract eristique r+1 0 r 1 r1 . . . r = 0. ome, et mj les multiplicit es corresponSoient j les racines complexes de ce polyn dantes. On sait (par une th eorie en tout point analogue a ` celle des equations di erentielles lin eaires ` a coecients constants), quune base de lespace vectoriel des suites consid er ees est form ee des suites n nq n j, 0 q < mj .

Consid erons maintenant la suite yn 0 et la suite yn = n j , 0 n N avec > 0 ethode (M) petit (on a ici n = 0, seule lerreur dinitialisation intervient). Si la m est stable, on doit avoir |yN yN | = |j |N S max |j |n ,
0nr

ce qui equivaut a ` |j |N S max(1, |j |r ). Si lon fait tendre h vers 0 et N =


T h

vers +, ceci nest possible que pour |j | 1.

Supposons maintenant que le polyn ome caract eristique admette une racine j de e mj 2. En regardant la suite yn = nn module |j | = 1 et de multiplicit j on trouve max |yn yn | = r |yN yN | = N,
0nr

ce qui contredit la stabilit e. On obtient donc la condition n ecessaire suivante : |j | 1 pour tout j , et si |j | = 1 alors cette racine doit etre simple.

Condition susante de stabilit e* On va voir que la condition n ecessaire


qui vient d etre trouv ee est en fait susante.

Th eor` eme On suppose que f (t, y ) est k-lipschitzienne en y . Alors la m ethode


(M) est stable si et seulement si r+1 0 r . . . r = 0 a toutes ses racines de module 1 et si les racines de module 1 sont simples. Remarque. On observera que = 1 est toujours racine d` es que la m ethode est consistante, puisqualors 0 + . . . + r = 1.

` pas multiples IX M ethodes a

255

D emonstration. Soient deux suites yn , yn telles que yn+1 = i yni + hi fni 0ir yn+1 =
0ir

i yni + hi fni + n

rn<N

avec fn = f (tn , yn ). Posons n = yn yn . Il vient |fn fn | k |n | et n+1


0ir

i ni = h
0ir

i (fni fni ) + n .

Posons n = n 0 n1 . . . r nr1 . On a donc |n+1 | kh


0ir

|i ||ni | + |n |,

r n N.

()

Pour exploiter cette in egalit e, on cherche ` a majorer |n+1 | en fonction des |i |. Pour equivaut a ` l egalit e formelle cela, on observe que la relation de d enition de n n X n = ( n X n )(1 0 X . . . r X r+1 )

avec la convention n = 0, n = 0 pour n < 0. On a donc inversement n X n = 1 1 0 X . . . r X r+1 n X n .

Consid erons le d eveloppement en s erie en X = 0 : 1 = 1 0 X . . . X r+1 n X n .

Lemme Sous les hypoth` eses du th eor` eme, les coecients n sont born es.
En eet, si les racines du polyn ome caract eristique sont les complexes j de multiplicit e mj , on a 1 0 X . . . r X r+1 =
j

(1 j X )mj .

Il existe par cons equent une d ecomposition en el ements simples 1 = 1 0 X . . . r X r+1 cjq . (1 j X )q

j,q mj

Par r ecurrence sur q et par d erivation, on v erie facilement que 1 (n + 1)(n + 2) . . . (n + q 1) n n j X . = q (1 j X ) (q 1)! n=0
+

256

Analyse num erique et equations diff erentielles

Les coecients de cette derni` ere s erie admettent l equivalent nq1 n j /(q 1)! et sont donc born es si et seulement si |j | < 1 ou bien |j | = 1 et q = 1. Notons = sup |n | < +. Comme 0 = 1, on a toujours 1. La relation
nN

n X n =

n X n

n X n

equivaut a ` n = 0 n + 1 n1 + . . . + n 0 , do` u |n | (|0 | + |1 | + . . . + |n |). En combinant () et () il vient |n+1 |


0j n+1

()

|j |
r j n

|j +1 | +
0j r

|j | |j | .
0j r

|n+1 |
r j n

kh
0ir

|i ||j i | + |j | + |i | |j |
0j n

Or
rj n 0ir

|i ||j i |
0ir

et la relation de d enition j = j 0 j 1 . . . r j r1 donne par ailleurs |j | 1 +


0j r 0ir

|i |

|0 | + . . . + |r | .

On obtient donc |n+1 | kh +


r j n 0ir

|i |(|0 | + . . . + |n |) |i |
0ir 0ir

|j | + 1 +

|i | .

Posons n = |0 | + . . . + |n | et = k n =
r j n 0ir

|i |, |j | + 1 +
0ir

|i |
0ir

|i | .

La derni` ere in egalit e s ecrit maintenant n+1 n hn + n n+1 (1 + h)n + n et le lemme de Gronwall discret (cf. VIII 2.3) donne n enh 0 +
0j n1

e(n1j )h j .

` pas multiples IX M ethodes a

257

eduit Or pour j n 1 on a j n et 0 = |0 | n . On en d n n (1 + eh + . . . + enh ) = e(n+1)h 1 n . eh 1

Cette in egalit e entra ne aussit ot une majoration de n : |n | = n n1 hn1 + n1 = h enh 1 + 1 n1 . eh 1

Comme eh 1 h, il vient |n | enh n1 , soit |n | enh 1+


0ir

|i |
0ir

|i | +
rj n1

|j | ,

max0nN |n | S avec S = eT , cest-` a-dire

1+

0nr

|i |

0ir

|n | +

rnN

|n |

S = ekT

| i |

o` u

= sup |n |.

Si lerreur initiale max |n | est n egligeable (comme cest souvent le cas) on prendra
0nr

S = S , sinon on peut prendre S = (1 + r) 1 +


0ir

|i | S .

Remarque Pour une fonction f (t, y ) de constante de Lipschitz k et pour une


dur ee dint egration T x ees, la stabilit e de la m ethode d epend essentiellement de la er et ` a choisir une m ethode pour grandeur de la constante |i |. On a donc int laquelle cette constante soit la plus petite possible.


M ethode de Nystr om Cest la m ethode ` a 2 pas d enie par yn+1 = yn1 + 2hfn , n 1.

On a ici 0 = 0, 1 = 1, 0 = 2, 1 = 0. Le principe de cette m ethode est analogue ` celui de la m a ethode du point milieu :

258

Analyse num erique et equations diff erentielles

y f

yn+1 pente fn yn1

tn1

tn 2h

tn+1

tn

on approxime la pente 21 h (yn+1 yn1 ) de la corde par la pente de la tangente au point milieu tn . Les calculs du 1.1 donnent en = h3 (3) h3 [2] z (tn ) 2 + O(h4 ) = f (tn , yn ) + O(h4 ). 3! 3

La m ethode de Nystr om est donc dordre 2. Pour la phase dinitialisation, on choisira une m ethode ` a 1 pas dordre 2, par exemple la m ethode du point milieu : f0 = f (t0 , y0 ) ; h h y1/2 = y0 + f0 ; t1/2 = t0 + ; f1/2 = f (t1/2 , y1/2 ) ; 2 2 y1 = y0 + hf1/2 ; t1 = t0 + h ; f1 = f (t1 , y1 ). Le polyn ome caract eristique est 2 1. Dapr` es le 1.2 la m ethode est stable et 1 1 = = 2 1 0 X 1 X 1 X2 X 2n .

u la constante de stabilit e On a donc = 1, |0 | + |1 | = 2, do` S = e2kt . On observe n eanmoins que le polyn ome caract eristique admet la racine = 1 situ ee sur le cercle limite de stabilit e || = 1, en plus de la racine oblig ee = 1. Ceci laisse suspecter que la stabilit e nest peut- etre pas tr` es bonne. Pour mettre en evidence ce ph enom` ene, regardons le cas de l equation di erentielle (E) y = y

avec donn ee initiale t0 = 0, y0 = 1. La solution exacte est donn ee par z (t) = et , z (tn ) = enh .

` pas multiples IX M ethodes a

259

ee par la relation de r ecurrence La suite yn sera donn yn+1 = yn1 2hyn , (car ici fn = yn ), avec valeurs initiales : y0 = 1, y1/2 = 1 h , 2 f0 = 1, f1/2 = 1 + h2 . 2 h , 2 n1 ()

y1 = 1 h +

La solution g en erale de () peut s ecrire


n yn = c1 n 1 + c2 2

o` u 1 , 2 sont les racines de l equation 2 + 2hk 1 = 0, a savoir 1 = h + 1 + h2 , 2 = h 1 + h2 . Les constantes c1 , c2 sont ` d etermin ees par y 0 = c1 + c 2 = 1 y 1 = c1 1 + c 2 2 = 1 h + On obtient donc 2 2 1 + h2 1h+ h 1+ h 2 2 2 + c1 = = , 1 2 2 1 + h2 2 1 1 h + h 1 + h2 1 + 2 = c2 = 1 2 2 1 + h2 Comme 1 + h2 = 1 +
h2 2 h2 2 .

h2 2

h4 8

+ O(h6 ), on voit que

c1 = 1 + O(h4 ) 1 4 h + O(h6 ) c2 = 16 Par ailleurs 1 = 1 h +


h2 2

+ O(h4 ) = eh + O(h3 ),
h2 2

tandis que 2 = 1 + h +

+ O(h4 ) = eh + O(h3 ).

On voit donc que yn est somme de deux termes c1 n 1 enh , c2 n 2 1 4 h (1)n enh . 16

Le premier de ces termes approxime bien la solution exacte, mais le second est un terme de perturbation qui diverge quand n +, bien quil soit n egligeable quand

260

Analyse num erique et equations diff erentielles

le temps tn = nh nest pas trop grand. Si la dur ee dint egration est trop longue egligeable), on va obtenir un trac e de la forme (plus pr ecis ement, si h4 eT nest plus n ci-dessous.

y 1

yn y = e t 0 tn T t

M ethode de Milne Cest la m ethode ` a 4 pas d enie par 8 4 8 fn fn1 + fn2 . 3 3 3 On v erie quelle est stable, dordre 4, mais comme pour la m ethode de Nystr om la stabilit e nest pas tr` es bonne a ` cause des racines de module 1 du polyn ome caract eristique 4 1 = 0. yn+1 = yn3 + h

On ne suppose plus ici que le pas hn soit n ecessairement constant. Si z est une solution exacte de l equation, on ecrit
tn+1

z (tn+1 ) = z (tn ) +
tn

f (t, z (t))dt.

Supposons que pour 0 i r on ait d ej` a calcul e les points z (tni ) et les pentes fni = f (tni , z (tni )). Lid ee de la m ethode est dapproximer la fonction f (t, z (t)) sur [tn , tn+1 ] par erons donc le son polyn ome dinterpolation aux points tn , tn1 , . . . , tnr . Consid polyn ome pn,r (t) qui interpole les points (tni , fni ) pour 0 i r : pn,r (t) =
0ir

fni Ln,i,r (t),

deg (pn,r ) = r,

` pas multiples IX M ethodes a

261

o` u Ln,i,r (t) =
0j r j =i

t tnj . On ecrit maintenant : tni tnj


tn+1

z (tn+1 ) = z (tn ) +
tn tn+1

f (t, z (t))dt pn,r (t)dt


tn

z (tn ) + = z (tn ) + hn

bn,i,r fn,i
0ir

avec bn,i,r = 1 hn

tn+1

Ln,i,r (t)dt.
tn

Lalgorithme de la m ethode dAdams-Bashforth a ` r + 1 pas (en abr eg e ABr+1 ) va donc s ecrire : yn+1 = yn + hn bn,i,r fni , n r,
0ir

tn+1 = tn + hn fn+1 = f (tn+1 , yn+1 ). Lint er et de cette m ethode provient de sa relative simplicit e et du fait quune seule evaluation de la fonction f est n ecessaire ` a chaque etape (contrairement aux m ethodes de Runge-Kutta qui en r eclamaient plusieurs). Il va en r esulter un gain assez important sur le temps de calcul.

Exemples
r = 0 : on a pn,0 (t) = constante = fn , do` u AB1 : yn+1 = yn + hn fn . Il sagit de la m ethode dEuler. r = 1 : le polyn ome pn,1 est la fonction ane qui interpole (tn , fn ) et (tn1 , fn1 ), do` u les formules fn fn1 (t tn ) tn tn1 tn+1 fn fn1 1 (t tn )2 pn,1 (t)dt = fn hn + h 2 n 1 tn hn = b n fn + (fn fn1 ) . 2hn1 pn,1 (t) = fn + Lalgorithme s ecrit donc hn (fn fn1 ) yn+1 = yn + hn fn + 2h n1 tn+1 = tn + hn fn+1 = f (tn , yn ).

tn+1 tn

AB2

262

Analyse num erique et equations diff erentielles

Dans le cas o` u le pas hn = h est constant, la formule de r ecurrence se r eduit a ` yn+1 = yn + h 3 1 fn fn1 . 2 2

ependent De mani` ere g en erale, lorsque le pas est constant les coecients bn,i,r ne d pas de n car la m ethode est invariante par translation. Pour les petites valeurs de r, es par le tableau : les coecients bi,r correspondants sont donn r 0 1 2 3 b0,r 1
3 2 23 12 55 24

b1,r

b2,r

b3,r

r =
i

|bi,r | 1

1 2 16 12 59 24
5 12 37 24 9 24

2 3,66. . . 6,6. . .

Remarque On a toujours
equent a pn,r (t) 1, par cons
tn+1

0ir bn,i,r

= 1, car pour fn = . . . = fnr = 1 on

pn,r (t)dt = hn = hn
tn 0ir

bn,i,r 1.

Comme on le verra plus loin, la quantit e r intervient dans le calcul de la constante de stabilit e S.

ABr+1

Soit z une solution exacte du probl` eme de Cauchy. Lerreur de consistance est donn ee par en = z (tn+1 ) yn+1 = z (tn+1 ) z (tn ) +
tn+1 tn+1

pn,r (t)dt ,
tn

en =
tn

z (t) pn,r (t) dt,

ecis ement le polyn ome dinterpolation de la fonction z (t) = f (t, z (t)) o` u pn,r est pr es le th eor` eme de la moyenne, il existe un point aux points tni , 0 i r. Dapr` ]tn , tn+1 [ tel que en = hn z () pn,r () .

` pas multiples IX M ethodes a

263

La formule donnant lerreur dinterpolation (voir chapitre II, 1.2) implique z () pn,r () = 1 z (r+2) ( )n,r ( ), (r + 1)!

o` u ]tnr , tn+1 [ est un point interm ediaire entre et les points tni , et o` u n,r (t) =
0ir

(t tni ).

Si ]tnj , tnj +1 [, 0 j r, on a lin egalit e | tni | (1 + |j i|)hmax , do` u


+1 |n,r ( )| hr max (1 + j ) . . . (1 + 1)1(1 + 1) . . . (1 + r j ) +1 r+1 = hr max (j + 1)!(r j + 1)! hmax (r + 1)!,

en majorant 2 par j + 2, . . . , (r j + 1) par (r + 1). On en d eduit par cons equent


+1 |z () pn,r ()| |z (r+2) ( )| hr max ,

ce qui donne la majoration cherch ee de lerreur de consistance :


+1 r+1 |en | |z (r+2) ( )|hn hr max Chn hmax

avec C =

t[t0 ,t0 +T ]

max

|z (r+2) (t)|.

La m ethode dAdams-Bashforth ` a r + 1 pas est donc dordre r + 1 (le lecteur pourra v erier a ` titre dexercice que lordre nest pas r + 2 en consid erant le cas de la fonction f (t, y ) = tr+1 ).

Phase dinitialisation De ce qui pr ec` ede, il r esulte quon choisira une m ethode de Runge-Kutta dordre r + 1 (ou r ` a la rigueur) pour initialiser les premi` eres valeurs y1 , . . . , yr , f0 , f1 , . . . , fr .

ABr+1

Nous allons d emontrer le r esultat suivant.

Th eor` eme On suppose que f (t, y ) est k-lipschitzienne en y et que les sommes
ees ind ependamment de n par une constante r . 0ir |bn,i,r | sont major Alors la m ethode dAdams-Bashforth ` a r +1 pas est stable, avec constante de stabilit e S = exp (r kT ).

ecurrente perturb ee telle que D emonstration. Soit yn la suite r bn,i,r fni + n , r n < N, yn+1 = yn + hn
0ir

fni = f (tni , yni ).

264 Posons n = max |yi yi |. On a


0in

Analyse num erique et equations diff erentielles

|fni fni | k |yni yni | kn , |yn+1 yn+1 | n + hn


0ir

|bn,i,r | kn + |n |

(1 + r khn )n + |n |. Comme n+1 = max (|yn+1 yn+1 |, n ), on en d eduit n+1 (1 + r khn )n + |n |. Le lemme de Gronwall implique alors N exp r k (tN tr ) r +
rn<N

|n | ,

ce qui entra ne bien la stabilit e, avec constante S = exp (r kT ). Dapr` es le tableau t assez vite quand r augmente. La donn e au 2.1, on voit que la constante r cro stabilit e devient donc de moins en moins bonne quand le nombre de pas augmente. Cette stabilit e m ediocre est un des inconv enients les plus s erieux des m ethodes dAdams-Bashforth lorsque r est grand. En pratique, on se limitera le plus souvent aux cas r = 1 ou r = 2.

Remarque Lexemple AB2 donn e au 2.1 montre que les coecients bn,i,r ne
ecutifs reste born e. sont en g en eral born es que si le rapport hn /hn1 de 2 pas cons Dans la pratique, il est raisonnable de supposer que hn hn1 avec disons 2. Les formules du 2.1 donnent dans ce cas : |bn,i,r |
t[tn ,tn+1 ]

max

|Ln,i,r (t)| =
1j n

tn+1 tnj |tni tnj |

Comme tn+1 tnj = hnj + . . . + hn (1 + + . . . + j )hnj et hnj Il vient |bn,i,r | i


j =i

|tni tnj | |tni tnj |

si si

j>i j<i

(1 + + . . . + j )
0j r

(1 + + . . . + j ).

On a donc lestimation assez grossi` ere r = max


n 0ir

|bn,i,r | (r + 1)
0j r

(1 + + . . . + j ).

` pas multiples IX M ethodes a

265

Lid ee en est la m eme que celle des m ethodes dAdams-Bashforth, mais on approxime ici f (t, z (t)) par son polyn ome dinterpolation aux points tn+1 , tn , . . . , tnr ; le point tn+1 est donc pris en plus. On consid` ere le polyn ome p e r+1 n,r (t) de degr qui interpole les points (tni , fni ) pour 1 i r : p n,r (t) =
1ir

fni L n,i,r (t), t tn,j . t tn,i

do` u

L n,i,r (t)

=
1j r j =i

On obtient donc comme au 2.2 z (tn+1 ) z (tn ) + hn


1ir

b n,i,r fni

avec

b n,i,r =

1 hn

tn+1 tn

L n,i,r (t)dt.

Lalgorithme correspondant AMr+1 s ecrit yn+1 hn b n,1,r f (tn+1 , yn+1 ) = yn + hn


0ir

b n,i,r fni .

e explicitement en fonction des quantit e s yn , On observera ici que yn+1 nest pas donn erieurement calcul ees, mais seulement comme solution dune equation dont fni ant la r esolution nest pas a priori imm ediate. Pour cette raison, on dit que la m ethode dAdams-Moulton est une m ethode implicite (la m ethode dAdams-Bashforth est dite par opposition explicite). Pour r esoudre l equation ci-dessus, on aura recours e (explicite) en g en eral ` a une m ethode it erative. Notons un la quantit un = yn + hn
0ir

b n,i,r fni .

Le point yn+1 cherch e est la solution x de l equation x = un + hn b n,1,r f (tn+1 , x). On va donc calculer la suite it er ee xp+1 = (xp ) o` u (x) = un + hn b n,1,r f (tn+1 , x).

266

Analyse num erique et equations diff erentielles

Comme (x) = hn b etre contractante (avec n,1,r fy (tn+1 , x), lapplication va une petite constante de Lipschitz) lorsque hn est assez petit. Si f (t, y ) est k lipschitzienne en y , il sut que hn < |b 1 |k pour avoir convergence. La solution n,1,r yn+1 est alors unique dapr` es le th eor` eme du point xe, et lalgorithme it eratif s ecrit Fp = f (tn+1 , xp ), xp+1 = un + hn bn,1,r Fp . On choisira une valeur initiale x0 qui soit une approximation de yn+1 (la meilleure possible !), par exemple la valeur donn ee par la m ethode dAdams-Bashforth : x0 = yn + hn
0ir

bn,i,r fni .

On arr ete lit eration pour |xp+1 xp | 1010 (par exemple) et on prend ere valeur xp+1 calcul ee yn+1 = derni` fn+1 = f (tn+1 , yn+1 ) (ou par economie = Fp )

Exemples
r = 0 : le polyn ome p ome de degr e 1 qui interpole (tn+1 , fn+1 ) n,0 est le polyn et (tn , fn ), soit fn+1 fn (t tn ) ; hn tn+1 1 1 fn+1 + fn . p n,0 (t)dt = hn 2 2 tn p n,0 (t) = fn + On obtient ainsi la m ethode dite des trap` ezes (ou m ethode de Crank-Nicolson) : yn+1 = yn + hn ou encore yn+1 1 1 fn+1 + fn ) 2 2

1 1 hn f (tn+1 , yn+1 ) = yn + hn fn . 2 2

r = 1 : le polyn ome p n,1 interpole les points (tn+1 , fn+1 ), (tn , fn ), (tn1 , fn1 ), do` u les formules p n,1 (t) = fn+1 yn+1 = yn
tn

(t tn )(t tn1 ) (t tn1 )(t tn1 ) (t tn )(t tn+1 ) fn , +fn1 hn (hn + hn1 ) hn hn1 hn1 (hn + hn1 ) p n,1 (t)dt, 2hn + 3hn1 3hn1 + hn h2 n fn+1 + fn1 . fn 6(hn + hn1 ) 6hn1 6hn1 (hn + hn1 )

tn+1

yn+1 = yn + hn

` pas multiples IX M ethodes a

267

eduit a ` Dans le cas o` u le pas hn = h est constant, cette formule se r yn+1 = yn + h 5 8 1 fn+1 + fn fn1 . 12 12 12

ependants de De mani` ere g en erale, les coecients b n,i,r sont des nombres bi,r ind n lorsque le pas est constant. On a la table suivante :

r 0 1 2 3

b 1,r
1 2 5 12 9 24 251 720

b 0,r
1 2 8 12 19 24 646 720

b 1,r

b 2,r

b 3,r

r = i

|b i,r |

r+1 2 3,66. . . 6,66. . . 12,64. . .

1
1 12 5 24 1 24 106 720 19 720

1,16. . . 1,41. . . 1,78. . .

264 720

Les coecients b erient toujours n,i,r v


1ir

b n,i,r = 1.

AMr+1

Soit z une solution exacte du probl` eme de Cauchy. Sous lhypoth` ese yni = z (tni ), 0 i n, on a en = z (tn+1 ) yn+1 = z (tn+1 ) z (tn ) + hn
0ir b n,i,r f (tni , z (tni )) + hn bn,1,r f (tn+1 , yn+1 )

= z (tn+1 ) z (tn ) + hn
1ir

b n,i,r f (tni , z (tni )) f (tn+1 , yn+1 )],

+
tn+1

hn b n,1,r [f (tn+1 , z (tn+1 ))

en =
tn

(z (t) p n,r (t))dt + hn bn,1,r f (tn+1 , z (tn+1 )) f (tn+1 , yn+1 ) .

Supposons que f (t, y ) soit lipschitzienne de rapport k en y . Alors il vient |en | |en |
tn+1 tn (z (t) p n,r (t))dt + hn bn,1,r k |en |, tn+1 tn

1 1 hn b n,1,r k

(z (t) p n,r (t))dt .

268

Analyse num erique et equations diff erentielles

Quand le pas hn est susamment petit, on a donc |en | =


tn+1 tn

(z (t) p n,r (t))dt (1 + O (hn ))

comme dans la m ethode dAdams-Bashforth. Par ailleurs la formule de la moyenne donne


tn+1 tn (z (t) p n,r (t))dt = hn (z ( ) pn,r ( )),

]tn , tn+1 [,

z () p n,r ( ) =
o` u n,r (t) = 1ir

1 z (r+3) ( )n,r ( ), (r + 2)!

]tn,r , tn+1 [.

(t tni ). Il r esulte du 2.2 que


|n,r ( )| = | tn+1 | |n,r ( )| +1 r+2 (r + 1)hmax (r + 1)! hr max (r + 2)! hmax ,

tn+1 tn

(r+3) +2 (z (t) p ( )|hn hr n,r (t))dt |z max ,

par cons equent lerreur de consistance admet la majoration


+2 |en | Chn hr max (1 + O (hn )),

avec C =

t[t0 ,t0 +T ]

max

|z (r+3) |.

eres valeurs La m ethode AMr+1 est donc dordre r + 2. On initialisera les r premi` a laide dune m ethode de Runge-Kutta dordre r + 2 (ou a ` la rigueur y1 , . . . , yr ` r + 1).

AMr+1
|b n,i,r |,
r = max |b n,1,r | n

On suppose que les rapports hn /hn1 restent born es, de sorte que les quantit es
= max r n i r

sont contr ol ees. Supposons egalement que f (t, y ) soit k -lipschitzienne en y . La es que hn < |b 1 |k , en m ethode de r esolution it erative pour yn+1 fonctionne d` n,1,r particulier d` es que 1 hmax < , r k ce que nous supposons d esormais. Soit yn une suite perturb ee telle que b yn+1 = yn + hn b n,1,r fn+1 + n,i,r fni + n
0ir

fni = f (tni , yni ),

r n < N,

` pas multiples IX M ethodes a

269

et posons n = max |yi yi |. Comme on a n+1 = max (|yn+1 yn+1 |, n ), il vient


0in

n+1 n + khn |b n,1,r |n+1 +


0ir

|b n,i,r |n + |n |, |b n,i,r |khn + |n |

n+1 (1 |b n,1,r |khn ) n 1 +


0ir

1+
0ir

|b n,i,r |khn (n + |n |).

Or 1 |b n,1,r |khn 1 r khmax > 0, par suite

1+ n+1 1

|b n,i,r |khn
0ir |b n,1,r |khn

(n + |n |),

1ir (n + |n |), n+1 1 + 1 |b n,1,r |khn n+1 (1 + hn )(n + |n |),


k/(1 r khmax ). Un raisonnement analogue a ` la d emonstration du avec = r lemme de Gronwall discret donne par r ecurrence sur n :

|b n,i,r |khn

n e(tn tr ) r +
r i n

|i | ,

do` u la constante de stabilit e S = eT = exp


r kT kh 1 r max

Lorsque hmax est assez petit devant 1/r k , on a donc sensiblement

kT ). exp (r

Le tableau du 3.1 montre qu` a ordre r + 2 egal, la m ethode AMr+1 est beaucoup e cet avantage important, plus stable que ABr+2 . Il nen reste pas moins que malgr la m ethode dAdams-Moulton est dutilisation d elicate ` a cause de son caract` ere implicite. Les m ethodes de pr ediction-correction que nous allons d ecrire permettent dobtenir une stabilit e equivalente, tout en fournissant un sch ema explicite de r esolution.

270

Analyse num erique et equations diff erentielles

On se donne une m ethode dite de pr ediction (ou pr edicteur), fournissant (explicitea atteindre : ment) une premi` ere valeur approch ee pyn+1 du point yn+1 ` ediction de yn+1 , pyn+1 = pr pfn+1 = f (tn+1 , pyn+1 ) = pr ediction de fn+1 . En substituant la valeur pfn+1 ainsi trouv ee ` a fn+1 dans la formule dAdamsMoulton, on obtient alors une nouvelle valeur corrig ee yn+1 qui est retenue en vue des calculs ult erieurs. De fa con pr ecise, une m ethode PECE (pr ediction, evaluation, correction, evaluation) etant d ej` a a r + 1 pas va s ` ecrire de la mani` ere suivante : ynr , fnr , . . . , yn , fn calcul es, on pose Pr ediction : Evaluation : Correction : Evaluation : pyn+1 = . . . (` a partir des yni , fni , 0 i r) tn+1 = tn + hn pfn+1 = f (tn+1 , pyn+1 ) yn+1 = yn + hn b n,1,r pfn+1 + fn+1 = f (tn+1 , yn+1 )
0ir bn,i,r fni

Nous avons utilis e ici la m ethode dAdams-Moulton comme correcteur, mais cela pourrait etre a priori nimporte quelle autre m ethode implicite. Ici encore, le d emarrage de lalgorithme PECE n ecessite le calcul pr ealable des a laide dune m ethode ` a 1 pas. On peut points y1 , . . . , yr et des pentes f0 , . . . , fr ` estimer que le co ut en temps de calcul dune m ethode PECE est environ le double de celui dune m ethode dAdams-Bashforth dordre egal (mais on verra que la stabilit e est beaucoup meilleure). Ce temps de calcul est en g en eral inf erieur ` a celui des m ethodes de Runge-Kutta sophistiqu ees (dordre 3).

Soit z une solution exacte du probl` eme de Cauchy. Lerreur de consistance est en = z (tn+1 ) yn+1 avec yni = z (tni ), 0 i r.

Soit yn ` laide du seul correcteur (Adams-Moulton), +1 la valeur qui serait obtenue a de sorte que yn b +1 = yn + hn bn,1,r fn+1 + n,i,r fn,i

0ir

n+1

f (tn+1 , yn +1 ).

Lerreur de consistance correspondante est


e n = z (tn+1 ) yn+1 .

` pas multiples IX M ethodes a

271

Le pr edicteur introduit lui aussi une erreur de consistance pen = z (tn+1 ) pyn+1 . Ecrivons
en = (z (tn+1 ) yn +1 ) + (yn+1 yn+1 ) en = e n + (yn+1 yn+1 ).

On a par ailleurs
yn +1 yn+1 = hn bn,1,r (fn+1 pfn+1 ).

Si f (t, y ) est k -lipschitzienne en y , on en d eduit


|yn +1 yn+1 | hn |bn,1,r | k |yn+1 pyn+1 | u et yn +1 pyn+1 = (z (tn+1 ) pyn+1 ) (z (tn+1 ) yn+1 ), do` |yn +1 pyn+1 | |pen | + |en |.

Il en r esulte nalement
|yn +1 yn+1 | |bn,1,r | khn (|pen | + |en |) |en | |e n | + |yn+1 yn+1 | |en | 1 + |b n,1,r |khn |en | + |bn,1,r | khn |pen |.

On voit que linuence du pr edicteur est nettement moindre que celle du correcteur puisque son erreur de consistance est en facteur dun terme O(hn ). Le correcteur r+2 etant dordre r + 2 (cest-` a-dire |e AMr+1 n | Chn hmax ), on voit quil convient de choisir un pr edicteur dordre r + 1. Les contributions de |e n | et |pen | dans |en | +2 , lordre global de PECE est donc r + 2 dans ce seront alors toutes deux Chn hr max cas.


Pr edicteur : Euler (ordre 1), Correcteur : AM1 (ordre 2). P E C E : : : : pyn+1 = yn + hn fn pfn+1 = f (tn+1 , pyn+1 ) yn+1 = yn + hn 1 2 pfn+1 + fn+1 = f (tn+1 , yn+1 )

1 2

fn

Cet algorithme co ncide avec la m ethode de Heun, qui nest autre que la m ethode de Runge-Kutta d enie par 0 0 0 0 1 1 .
1 2 1 2

272

Analyse num erique et equations diff erentielles

Pr edicteur : Nystr om (ordre 2) avec pas constant hn = h, Correcteur : AM2 (ordre 3). P : E : C : E : pyn+1 = yn1 + 2hfn pfn+1 = f (tn+1 , pyn+1 ) yn+1 = yn + h
5 12

pfn+1 +

8 12

fn

1 12

fn1

fn+1 = f (tn+1 , yn+1 )

Pr edicteur : ABr+1 (ordre r + 1), Correcteur : AMr+1 (ordre r + 2). P : E : C : E : pyn+1 = yn + hn


0ir

bn,i,r fni

pfn+1 = f (tn+1 , pyn+1 ) yn+1 = yn + hn b n,1,r pfn+1 +


0ir

b n,i,r fni

fn+1 = f (tn+1 , yn+1 ).

Exercice V erier que ce dernier algorithme PECE equivaut a ` la m ethode dAdams-Moulton dans laquelle lalgorithme it eratif est arr et e` a la premi` ere etape, e ` a partir de la valeur x0 fourni par la m ethode dAdamssoit yn+1 = x1 , calcul Bashforth.

Supposons que le pr edicteur soit de la forme pyn =


0ir

n,i yni + hn
0ir

n,i fni

et notons A = max
n i

|n,i |,

B = max
n i

|n,i |.

Soit yn une suite perturb ee telle que pyn+1 = n,i yni + hn


0ir 0ir

n,i fni b n,i,r fni + n .


0ir

yn+1 = yn + hn bn,1,r pfn+1 +

Remarque Dans la r ealit e il sintroduit egalement une erreur darrondi pn au


niveau de la pr ediction, mais pour notre calcul il sera plus simple de comptabiliser cette erreur dans n (ceci nest visiblement pas restrictif).

` pas multiples IX M ethodes a

273

ee Posons n = max |yi yi | et pn = |pyn pyn |. Comme f (t, y ) est suppos


0in

k -lipschitzienne en y , il vient : pn+1 An + hn Bkn

n+1 n + khn |bn,1,r |pn+1 +

|b n,i,r |n + |n |.
0ir

En substituant pn+1 n + n (A 1 + Bkhn ) dans la deuxi` eme ligne il vient n+1 n 1 +


1ir + |n |, |b n,i,r | + |bn,1,r |(A 1 + Bkhn ) khn

n+1 n (1 + hn ) + |n |,
avec = (r + r (A 1 + Bkhmax ))k . Le lemme de Gronwall montre donc que la m ethode PECE est stable, avec constante de stabilit e S = eT = exp (r + r (A 1 + Bkhmax )kT .

Si hmax est petit, on va avoir S


exp (r + r (A 1))kT .

On voit que la stabilit e du pr edicteur na pas dincidence sur la stabilit e de la m ethode PECE, seule la valeur de la constante A peut inuer sur cette stabilit e; on pourrait en th eorie utiliser un pr edicteur instable ! La consistance du pr edicteur implique n,i = 1. Si les coecients n,i sont 0, alors on a A = 1 (cest le
i

equent la constante de cas des m ethodes de Nystr om, Milne, ou ABr+1 ), par cons stabilit e kT ) S exp (r sera peu di erente de celle de la m ethode dAdams-Moulton seule. On obtient donc des m ethodes assez stables, dun co ut mod er e en temps de calcul et dordre aussi elev e que lon veut. Par comparaison avec les m ethodes de Runge-Kutta, elles sont un peu plus rapides mais un peu moins stables a ` ordre egal.

Comme leur nom lindique, il sagit de m ethodes de pr ediction-correction dans lesquelles la derni` ere etape d evaluation est omise (en vue bien s ur de gagner du ees, il faudra temps). Ceci signie que les pentes corrig ees fn+1 ne sont pas calcul donc se contenter de faire intervenir les pentes pr edites pfni . On obtient alors lalgorithme suivant : Pr ediction : pyn+1 = n,i yni + hn n,i pfni 0ir 0ir tn+1 = tn + hn Evaluation : pfn+1 = f (tn+1 , pyn+1 ) b n,i,r pfni . Correction : yn+1 = yn + hn
1ir

274

Analyse num erique et equations diff erentielles

Le d emarrage de lalgorithme n ecessite le calcul pr ealable des quantit es y1 , . . . , yr , pf0 , . . . , pfr .

Erreur de consistance* Lalgorithme PEC nentre pas tout a ` fait dans le


cadre g en eral des m ethodes que nous avons consid er ees jusqu` a pr esent. Il convient de red enir en comme suit. Si z est une solution exacte, on pose en = z (tn+1 ) yn+1 o` u yn+1 est calcul ee ` a partir des valeurs ant erieures pyni = yni = z (tni ), 0 i r. Avec cette d enition, il est facile de voir que lerreur de consistance est identique ` a celle de la m ethode PECE, do` u
|en | 1 + |b n,1,r |khn |en | + |bn,1,r |khn |pen |.

Le correcteur etant dordre r + 2, on choisira ici encore le pr edicteur dordre r + 1.

Stabilit e de la m ethode PEC* Avec les notations et hypoth` eses du 4.4, consid erons une suite perturb ee yn telle que
yn+1 = yn + hn
1ir 0in 0in

b n,i,r pfni + n

et posons n = max |yi yi |, pn = max |pyi pyi |. Il vient : pn+1 An + Bkhn pn n+1 n + r khn pn+1 + |n |. La premi` ere ligne entra ne pn+1 An + Bkhmax pn+1 ,
Ak r hn n + |n |. 1 Bkhmax Le lemme de Gronwall donne la constante de stabilit e

do` u pn+1 il vient :

A 1Bkhmax

n si Bkhmax < 1. En substituant dans la deuxi` eme ligne 1+

n+1

S = exp Si hmax est assez petit, on aura S

r AkT . 1 Bkhmax

AkT ). exp (r

Ceci est un peu moins bon que dans le cas de la m ethode PECE, car r < r . N eanmoins, pour A = 1 la constante de stabilit e est la m eme :

kT ), exp (r

cest-` a-dire pr ecis ement la constante de stabilit e de la m ethode dAdams-Moulton seule. Par rapport a ` PECE, on economise donc un peu de temps de calcul, mais on perd un peu en stabilit e et en pr ecision.

` pas multiples IX M ethodes a

275


5.1. On consid` ere le probl` eme de Cauchy y (t) = f (t, y (t)), y (t0 ) = y0 , o` u esoudre num eriquement f : [t0 , t0 + T ] R R est une fonction de classe C 5 . Pour r ce probl` eme, on se donne un entier N 2 et on consid` ere la subdivision tn = t0 + nh, T . 0 n N , de pas constant h = N On etudie les m ethodes ` a 2 pas de la forme (M) yn+1 = yn1 + yn + h(fn1 + fn + fn+1 ),

ethode est donc explicite si = 0 et implicite si = 0. avec fn = f (tn , yn ). La m (a) Soit g une fonction de classe C 5 au voisinage de 0. Calculer un d eveloppement limit e` a lordre 4 en h = 0 de la quantit e (h) = g (h) [g (h) + g (0) + h(g (h) + g (0) + g (h))]. Ecrire la condition n ecessaire et susante pour que la m ethode (M) soit dordre 1 (respectivement 2, 3, 4). Montrer que la seule m ethode (M) qui soit dordre 4 est (M4 ) yn+1 = yn1 + h 1 4 1 fn1 + fn + fn+1 . 3 3 3

Quelle interpr etation peut-on donner de cette m ethode ? NB : Dans les questions qui suivent, on supposera sans le repr eciser chaque fois que les m ethodes (M) etudi ees sont dordre 1 au moins. (b) On cherche a ` tester la stabilit e de la m ethode (M) en consid erant l equation di erentielle triviale y = 0. etant donn es a priori, exprimer yn en fonction de y0 , Les r eels y0 et y1 = y0 + , , n. En d eduire quune condition n ecessaire pour que la m ethode (M) soit stable est que 1 < 1. (c) On se propose ici de montrer inversement que la m ethode (M) est stable, si 0 1 et si h est assez petit. On suppose que pour tout t [t0 , t0 + T ] la fonction y f (t, y ) est k -lipschitzienne. Soient deux suite (yn ) et (zn ) telles que pour n 1 on ait yn+1 = yn1 + yn + h(f (tn1 , yn1 ) + f (tn , yn ) + f (tn+1 , yn+1 )), zn+1 = zn1 + zn + h(f (tn1 , zn1 ) + f (tn , zn ) + f (tn+1 , zn+1 )) + n . On pose n = max |zi yi |.
0in

() Majorer |zn+1 yn+1 | en fonction de n , n+1 et n .

276

Analyse num erique et equations diff erentielles

En d eduire que si | |kh < 1 on a n+1 1+ (| | + | | + | |)kh 1 | |kh (n + |n |).

( ) En d eduire lexistence dune constante de stabilit e S (h), qui reste born ee quand h tend vers 0, telle que
N 1

N S (h) 1 +
k=1

|n | .

(e) D eterminer en fonction de les m ethodes (M) qui sont dordre 3 ; on notera 3 celles-ci (M3 ). A quoi correspond (M ethode (M3 0 ) ? Existe-t-il une m ) qui soit explicite et stable ? Montrer quil existe une unique m ethode (M3 1 ) pour laquelle = 0. (f) () Expliciter lalgorithme PECE dont le pr edicteur est la m ethode de Nystr om ). et dont le correcteur est la m ethode (M3 1 Linitialisation sera faite au moyen de la m ethode de Runge-Kutta dordre 4 usuelle. ( ) Ecrire un programme informatique mettant en uvre lalgorithme pr ec edent dans le cas de la fonction f (t, y ) = sin(ty y 2 ). Lutilisateur fournit la donn ee initiale (t0 , y0 ), le pas h, et le nombre N dit erations. Lordinateur achera alors les valeurs (tn , yn ) successives pour 0 n N. 5.2. Lobjet de ce probl` eme est d etudier les m ethodes dAdams-Bashforth et dAdams-Moulton avec pas constant. (a) Montrer que la m ethode dAdams-Bashforth a ` (r + 1) pas, de pas constant h, s ecrit
r

yn+1 = yn + h
i=0

bi,r f (tni , yni )

avec bi,r = (1)i (b) On pose


0

s(s + 1) . . . (s + i) . . . (s + r) , i!(r i)!


1

0 i r.

r = D emontrer les formules

s(s + 1) . . . (s + r 1) ds. r!

i bi,r bi,r1 = (1)i Cr r , r br,r = (1) r .

0 i r 1,

` pas multiples IX M ethodes a

277

(c) Montrer que pour |t| < 1 on a


1 0

(1 t)s ds =

r tr .
r=0 +

En d eduire la valeur de lexpression log (1 t)


r=0

r tr , puis la valeur des sommes

1 r1 0 + + ... + + r . r+1 r 2 (d) Ecrire un programme informatique mettant en uvre la m ethode dAdamsBashforth a ` un nombre arbitraire de pas. On utilisera les formules de r ecurrence ci-dessus pour evaluer r et bi,r . Linitialisation sera faite au moyen de la m ethode de Runge-Kutta dordre 4. (e) D emontrer des formules analogues a ` celles de (a), (b), (c) pour la m ethode dAdams-Moulton. 5.3. Soit a ` r esoudre num eriquement un probl` eme de Cauchy y = f (t, y ), y (t0 ) = y0

o` u f est de classe C 2 sur [t0 , t0 + T ] R. On se donne une subdivision t0 < t1 < . . . < tN = t0 + T de lintervalle, et on etudie la m ethode num erique suivante : si yn est la valeur approch ee de la solution au temps tn et si fn = f (tn , yn ) on pose
tn+1

(M)

yn+1 = yn1 +
tn1

pn (t)dt

o` u pn est le polyn ome dinterpolation des pentes fn , fn1 aux temps tn et tn1 . On note hn = tn+1 tn . (a) Calculer explicitement yn+1 . Quelle m ethode obtient-on lorsque le pas hn = h est constant ? (b) Soit z une solution exacte de l equation di erentielle. D eterminer un equivalent de lerreur de consistance en attach ee ` a la m ethode (M). Quel est lordre de cette m ethode ? Comment proc ederiez-vous pour la phase dinitialisation ? (c) Soit une suite yn v eriant la relation de r ecurrence
tn+1

yn+1 = yn1 +
tn1

pn (t)dt + n

278

Analyse num erique et equations diff erentielles

o` u pn interpole les valeurs fn = f (tn , yn ) et yn1 . La quantit e n d esigne lerreur commise ` a l etape n. On suppose que f (t, y ) est k -lipschizienne en y et on note n = max |yi yi |.
0in

() Montrer que n+1 1 + khn 1 + max hn hn1 , hn1 hn n + n .

( ) On suppose que le rapport de 2 pas cons ecutifs est major e par une constante (avec disons 1 2). Etudier la stabilit e de la m ethode (M). 5.4. Dans cet exercice, on se propose d etudier une m ethode de pr edictioncorrection de type PEPEC pour la r esolution dun probl` eme de Cauchy = f (t, y ), y y (t0 ) = y0 . t [t0 , t0 + T ]

La fonction f (t, y ) est suppos ee de classe C 4 sur [t0 , t0 + T ] R et lipschitzienne de T , N N . rapport k en y . Le pas est choisi constant : h = N (a) Lobjet de cette question est de d ecrire la m ethode de correction. () Si z est une solution exacte du probl` eme de Cauchy, on ecrit
tn+1

z (tn+1 ) = z (tn ) +
tn

f (t, z (t))dt

et on approxime lint egrale par la m ethode de Simpson el ementaire. Montrer que lalgorithme correspondant s ecrit (C) + fn+1 ) yn+1 = yn + h(fn + fn+ 1 2

avec des coecients , , que lon pr ecisera. ( ) On suppose que les pentes fn , fn+ 1 , fn+1 sont les d eriv ees exactes de z aux 2 h eterminer un equivalent de lerreur de consistance points tn , tn + 2 , tn + h. D e n = z (tn+1 ) yn+1 en fonction de h et de la d eriv ee z (5) (tn ). Quel est lordre de la m ethode (C) ? (b) Pour pouvoir exploiter la formule (C), il est n ecessaire de pr edire des valeurs 1 et yn+1 , ainsi que les pentes et py des points y approch ees pyn+ 1 n +1 n+ 2 2 correspondantes pfn+ 1 = f (tn + 2 h , pyn+ 1 ), 2 2 pfn+1 = f (tn+1 , pyn+1 ).

` pas multiples IX M ethodes a

279

Pour cela, on utilise comme pr edicteur (P) la m ethode dAdams-Bashforth a ` , faisant intervenir les pentes pr e dites ant e rieures pf , 3 pas, de pas constant h n 2 1, , pf . La m e thode (P) est utilis e e une premi` e re fois pour e valuer py pfn 1 n 1 n+ 2 2 a patir de pyn+ 1 . puis une deuxi` eme fois pour evaluer pyn+1 ` 2 () Expliciter compl` etement lalgorithme PEPEC ainsi obtenu. ( ) Ecrire en langage informatique la boucle centrale correspondant a ` lit eration de lalgorithme PEPEC (on pr ecisera la signication des variables utilis ees). ( ) Lerreur de consistance de la m ethode PEPEC est d enie par en = z (tn+1 ) u lon suppose que les points yn et pyni , i 0, 1 yn+1 o` 2 , 1 sont exacts. Si pen et pen+ 1 d e signent les erreurs de consistance du pr edicteur sur les 2 h h intervalles de temps tn , tn + 2 et tn + 2 , tn+1 , montrer que |en | |e n| + 4 1 23 kh|pen | + kh |pen+ 1 kh|pen | . | + |pen | + 2 6 6 24

Le choix du pr edicteur est-il justi e ? Quel est lordre de la m ethode PEPEC ? Comment proc ederiez-vous pour linitialisation de lalgorithme ? (c) On se propose ici de d eterminer une constante de stabilit e de lalgorithme ee telle que la formule de correction soit PEPEC. Soit yn une suite perturb etant comptabilis ee au niveau de (C) : entach ee dune erreur n , toute lerreur yn+1 = yn + h( pfn + pfn+ 1 + pfn+1 ) + n . 2 Pour i, n N on pose n = max |yi yi |,
0in 0in

pn = max |pyi pyi |,

pn+ 1 = max |pyi+ 1 pyi+ 1 |. 2 2 2


0in

en fonction de n , pn et pn 1 puis pn+1 en fonction de () Majorer pn+ 1 2 2 pn+ 1 et p . En d e duire successivement (pour h assez petit) : n 2 pn+1 1+ 1
7 6 4 6

kh 1 pn+ 1 p 1 , 11 2 kh 1 6 kh n+ 2
11 6

n + kh pn+ 1 2 pn+ 1 2 1 1
11 6 11 3

pn 1 2
11 6

kh

kh n . kh

En d eduire une majoration de n+1 en fonction de n , |n | et une estimation de S . ( ) Comparer la stabilit e de PEPEC a ` la stabilit e de la m ethode PECE de m eme ordre ayant pour pr edicteur Adams-Bashforth et pour correcteur AdamsMoulton.


On se propose ici d etudier le comportement des solutions dune equation di erentielle et des lignes int egrales dun champ de vecteurs lorsque le temps t tend vers linni. On sint eresse essentiellement au cas des equations lin eaires ou voisines de telles equations. Dans ce cas, le comportement des solutions est gouvern e par le signe de la partie r eelle des valeurs propres de la matrice associ ee ` a la partie lin eaire de l equation : une solution est dite stable si les solutions associ ees ` a des valeurs voisines de la donn ee initiale restent proches de la solution consid er ee jusqu` a linni. Cette notion de stabilit e (dite aussi stabilit e au sens de Lyapunov) ne devra pas etre confondue avec la notion de stabilit e dune m ethode num erique, qui concerne la stabilit e de lalgorithme sur un intervalle de temps x e. On etudie nalement les di erentes congurations possibles des lignes int egrales au voisinages des points singuliers non d eg en er es dun champ de vecteurs plan.

(E)

On consid` ere le probl` eme de Cauchy associ e` a une equation di erentielle y = f (t, y )

avec condition initiale y (t0 ) = z0 . On suppose que la solution de ce probl` eme existe sur [t0 , +[.

D enition Soit y (t, z ) la solution maximale de (E) tel que y (t0 , z ) = z . On


dira que la solution y (t, z0 ) est stable sil existe une boule B (z0 , r) et une constante C 0 telles que (i) Pour tout z B (z0 , r), t y (t, z ) est d enie sur [t0 , +[ ; (ii) Pour tous z B (z0 , r) et t t0 on a y (t, z ) y (t, z0 ) C z z0 .

282

Analyse num erique et equations diff erentielles

La solution y (t, z0 ) est dite asymptotiquement stable si elle est stable et si la condition (ii) plus forte que (ii) est satisfaite : (ii) Il existe une boule B (z0 , r) et une fonction : [t0 , +[ R+ continue avec lim (t) = 0 telles que pour tous z B (z0 , r) et t t0 on ait
t+

y (t, z ) y (t, z0 ) (t) z z0 .

La signication g eom etrique de ces notions de stabilit e est illustr ee par le sch ema suivant.

z z0

solution instable

z z0

solution stable

z z0

solution asymptotiquement stable

t0

Nous etudierons dabord le cas le plus simple, a ` savoir le cas dun syst` eme lin eaire sans second membre y1 . Y = . . , ym a1m . . . amm

(E)

Y = AY,

a11 . A= . . a m1

... ...

avec yj , aij C ; le cas r eel peut bien entendu etre vu comme un cas particulier du cas complexe. La solution du probl` eme de Cauchy de condition initiale Y (t0 ) = Z

X Stabilit e des solutions et points singuliers

283

est donn ee par Y (t, Z ) = e(tt0 )A Z . On a donc Y (t, Z ) Y (t, Z0 ) = e(tt0 )A (Z Z0 ) et la stabilit e est li ee au comportement de e(tt0 )A quand t tend vers +, dont la (tt0 )A norme |||e ||| doit rester born ee. Distinguons quelques cas. m = 1, A = (a). On a alors |e(tt0 )a | = e(tt0 ) Re(a) . Les solutions sont stables si et seulement si cette quantit e reste born ee quand t tend vers +, cest-` a-dire si Re(a) 0. De m eme, les solutions sont asymptotiquement stables si et seulement si Re(a) < 0, et on peut alors prendre (t) = e(tt0 ) Re(a) 0. t +

m quelconque. Si A est diagonalisable, on se ram` ene apr` es un changement lin eaire de coordonn ees ` a 0 1 .. A= . 0 m o` u 1 , . . . , m d esignent les valeurs prores de A. Le syst` eme se ram` ene aux equations ind ependantes yj = j yj et admet pour solution yj (t, Z ) = zj ej (tt0 ) , 1 j m.

Les solutions sont donc stables si et seulement si Re(j ) 0 pour tout j et asymptotiquement stables si et seulement si Re(j ) < 0 pour tout j . Si A nest pas diagonalisable, il sut de regarder ce qui se passe pour chaque bloc dune triangulation de A. Supposons donc A= 0 .. . = I + N

o` u N est une matrice nilpotente (triangulaire sup erieure) non nulle. Il vient alors e(tt0 )A = e(tt0 )I e(tt0 ) N = e(tt0 )
m 1 k=0

(t t0 )k k N , k!

omes donc les coecients de e(tt0 )A sont des produits de e(tt0 ) par des polyn de degr e m 1 non tous constants (car N = 0, donc le degr e est au moins 1). Si Re() < 0, les coecients tendent vers 0, et si Re() > 0 leur module tend vers + car la croissance de lexponentielle lemporte sur celle des polyn omes. Si

284

Analyse num erique et equations diff erentielles

Re() = 0, on a |e(tt0 ) | = 1 et par suite e(tt0 )A est non born ee. On voit donc que les solutions sont asympotiquement stables si et seulement si Re() < 0 et sinon elle sont instables. En r esum e, on peut enoncer :

Th eor` eme Soient 1 , . . . , m les valeurs propres complexes de la matrice A. Alors les solutions du syst` eme lin eaire Y = AY sont
asymptotiquement stables si et seulement si Re(j ) < 0 pour tout j = 1, . . . , m. stables si et seulement si pour tout j , ou bien Re(j ) < 0, ou bien Re(j ) = 0 et le bloc correspondant est diagonalisable.


On consid` ere dans K (E)
m


=R
m

ou C

un syst` eme de la forme

Y = AY + g (t, Y )

o` u g : [t0 , +[ Km Km est une fonction continue. On se propose de montrer que si la partie lin eaire est asymptotiquement stable et si la perturbation g est susamment petite, en un sens ` a pr eciser, alors les solutions de (E) sont encore asymptotiquement stables.

Th eor` eme On suppose que les valeurs propres complexes j de A sont de


partie r eelle Re j < 0. (a) Sil existe une fonction k : [t0 , +[ R+ continue telle que lim k (t) = 0 et
t+

t [t0 , +[,

Y1 , Y2 Km ,

g (t, Y1 ) g (t, Y2 ) k (t) Y1 Y2 ,

alors toute solution de (E) est asymptotiquement stable. (b) Si g (t, 0) = 0 et sil existe r0 > 0 et une fonction continue k : [0, r0 ] R+ telle que lim k (r) = 0 et
r 0

t [t0 , +[,

Y1 , Y2 B (0, r),

g (t, Y1 ) g (t, Y2 ) k (r) Y1 Y2

pour r r0 , alors il existe une boule B (0, r1 ) B (0, r0 ) telle que toute solution Y (t, Z0 ) de valeur initiale Z0 B (0, r1 ) soit asymptotiquement stable. D emonstration.* Si K = R, on peut toujours etendre le syst` eme ` a Cm en posant m par exemple g (t, Y ) = g (t, Re(Y )) pour Y C . On se placera donc dans Cm . Il existe alors une base (e1 , . . . , em ) dans laquelle A se met sous forme triangulaire A= . . . 1 a12 2 ... ... ... .. . ... ... a1m . . . am1m m

X Stabilit e des solutions et points singuliers

285

Posons ej = j ej avec > 0 petit. Il vient Aej = j (a1j e1 + . . . + aj 1j ej 1 + j ej ) = j 1 a1j e1 + . . . + aj 1j ej 1 + j ej de sorte que dans la base (ej ) les coecients non diagonaux peuvent etre rendus arbitrairement petits. On supposera donc quon a |aij | , et on pourra choisir aussi petit quon veut. Consid erons deux solutions Y (t, Z ) et Y (t, Z0 ) : Y (t, Z ) = AY (t, Z ) + g (t, Y (t, Z )), Y (t, Z0 ) = AY (t, Z0 ) + g (t, Y (t, Z0 )) et cherchons ` a evaluer la di erence (t) = Y (t, Z ) Y (t, Z0 ) en distinguant les deux cas (a) et (b). (a) Observons dans ce cas que f (t, Y ) = AY + g (t, Y ) est lipschitzienne en Y avec constante de Lipschitz |||A||| + k (t). Le crit` ere V 3.4 montre donc d ej` a que toutes les solutions sont globalement d enies sur [t0 , +[. Nous avons (t) = A(t) + g (t, Y (t, Z )) g (t, Y (t, Z0 )), g (t, Y (t, Z )) g (t, Y (t, Z0 )) k (t) (t) Notons (j (t))1j m les composantes de (t) et
m

(t) = (t) Par di erentiation on obtient


m

=
j =1

j (t)j (t).

(t) =
j =1

j (t)j (t) + j (t)j (t) = 2 Re


i=1

j (t)j (t),

= 2 Re(t (t) (t)) = 2 Re(t (t)A(t)) + 2 Re


t

(t)(g (t, Y (t, Z )) g (t, Y (t, Z0 ))) .

La deuxi` eme partie r eelle est major ee par 2 (t) g (t, Y (t, Z )) g (t, Y (t, Z0 )) 2k (t) (t) On a par ailleurs
m t 2

= 2k (t)(t).

(t)A(t) =
j =1

j |j (t)|2 +
i<j

aij i (t)j (t),

de sorte que
m

Re(t (t)A(t))
j =1

(Re j )|j (t)|2 +


i<j

|aij |

(t) 2 .

286

Analyse num erique et equations diff erentielles

Comme Re(j ) < 0 par hypoth` ese et |aij | , il y a un choix de tel que
m

Re(t (t)A(t))
j =1

|j (t)|2 = (t)

avec > 0. On obtient alors (t) 2(t) + 2k (t)(t), (t) 2 + 2k (t), (t) ln (t) 2 (t0 )
t

( k (u))du,
t0 2 t

(t) Z Z0

exp 2
t0

( k (u))du

car (t0 ) = Z Z0 2 . On notera que (t) = (t) 2 ne peut sannuler que si les deux solutions co ncident identiquement. En prenant la racine carr ee, on obtient Y (t, Z ) Y (t, Z0 ) (t) Z Z0 avec (t) = exp Comme
u + t

t0

( k (u))du .
t+

egrale diverge vers + et lim (t) = 0. lim ( k (u)) = > 0, lint

Les solutions sont donc bien asymptotiquement stables. (b) Ce cas est un peu plus d elicat car on ne sait pas a priori si toutes les solutions sont globales ; elles ne le seront dailleurs pas en g en eral si Z0 B (0, r0 ), vu que les hypoth` eses ne concernent que ce qui se passe pour Y B (0, r0 ). Comme g (t, 0) = 0, on a toutefois la solution globale Y (t) = 0, cest-` a-dire que Y (t, 0) = 0 pour t [t0 , +[. De plus on a g (t, Y (t, Z )) g (t, Y (t, Z0 )) k (r) (t) , a condition de supposer que t Y (t, Z ) et t Y (t, Z0 ) prennent toutes leurs ` ese, les m emes calculs que valeurs dans B (0, r) B (0, r0 ). Sous cette hypoth` pr ec edemment donnent (t) Z Z0
2 t

exp 2
t0

( k (r)du , Z Z0 , ()

Y (t, Z ) Y (t, Z0 ) exp (t t0 )( k (r) et en particulier pour Z0 = 0 : Y (t, Z ) exp (t t0 )( kr)

Z .

X Stabilit e des solutions et points singuliers

287

a-dire Comme lim k (r) = 0, on peut choisir r1 < r0 tel que k (r1 ) < , cest-` k (r1 ) > 0. Lin egalit e pr ec edente montre alors que pour Z B (0, r1 ) la solution erie les in egalit es maximale Y (t, Z ) contenue dans la boule ouverte B (0, r1 ) v ecessairement d enie Y (t, Z ) Z < r1 . Cette solution maximale est n e globalement sur [t0 , +[. Sinon lintervalle maximal serait un intervalle born ecessairement ouvert ` a droite dapr` es les r esultats de V 2.4. Comme la [t0 , t1 [, n d eriv ee de t Y (t, Z ) est major ee par AY + g (t, Y ) (|||A||| + k (r1 )) Y M avec M = (|||A||| + k (r1 ))r1 , la fonction Y (t, Z ) v erierait le crit` ere de Cauchy
t,t t1 0 r 0

lim

Y (t, Z ) Y (t , Z ) = 0. lim Y (t, Z ) avec Y1 Z < r1 et se

Elle aurait donc une limite Y1 =

tt1 0

prolongerait sur un voisinage a ` droite de t1 en une solution enti` erement contenue ` diminuer encore un peu r1 , on voit que toute dans B (0, r1 ), contradiction. Quitte a erement contenue dans B (0, r1 ). solution Y (t, Z ) avec Z B (0, r1 ) est globale et enti` Par cons equent () est satisfaite pour tous t [t0 , +[ et Z, Z0 B (0, r1 ) avec la emontre le th eor` eme. constante k (r1 ) > 0, ce qui d

On suppose donn e un champ de vecteurs de classe C 1 dans un ouvert R2 , cest-` a-dire une application R2 , M= x y V (M ) = f (x, y ) g (x, y )

o` u f, g sont de classe C 1 sur . On consid` ere le syst` eme di erentiel associ e dM = V (M ) dt x (t) = f (x(t), y (t)) . y (t) = g (x(t), y (t))

Gr ace au th eor` eme de Cauchy-Lipschitz, on sait que par tout point il passe une courbe int egrale unique. Un probl` eme g eom etrique int eressant est de d ecrire lallure de la famille des courbes int egrales passant au voisinage dun point M0 donn e. Premier cas : V (M0 ) = 0 . Dans ce cas, langle entre V (M ) et V (M0 ) tend vers 0 quand M tend vers 0. Par cons equent, les tangentes aux lignes int egrables sont sensiblement parall` eles les unes aux autres dans un petit voisinage de M0 . Un egulier : tel point M0 est dit r

288

Analyse num erique et equations diff erentielles

V (M0 ) M0 V (M ) M

Deuxi` eme cas : V (M0 ) = 0 . On voit alors facilement sur des exemples quil y a plusieurs congurations possibles pour le champ des tangentes :

x y

x y

x y

x y

x y

y x

Si V (M0 ) = 0 , on dit que M0 est un point singulier (ou point critique) du champ de vecteurs. Un tel point donne evidemment une solution constante M (t) = M0 de (E). Pour etudier les solutions voisines, on supposera apr` es translation eventuelle de lorigine des coordonn ees que M0 = 0. On a alors f (0, 0) = g (0, 0) = 0, de sorte que le syst` eme di erentiel peut s ecrire dx = f (x, y ) = ax + by + o(|x| + |y |) dt dy = g (x, y ) = cx + dy + o(|x| + |y |). dt Introduisons la matrice A= a b c d = fx (0, 0) gx (0, 0) fy (0, 0) gy (0, 0) .

Le syst` eme di erentiel consid er e s ecrit maintenant dM = AM + G(M ) dt

X Stabilit e des solutions et points singuliers

289

avec G(0, 0) = Gx (0, 0) = Gy (0, 0) = 0. La fonction continue k (r) = sup


M B (0,r)

|||G (M )|||

tend vers 0 quand r tend vers 0 et le th eor` eme des accroissements nis donne G(M1 ) G(M2 ) k (r) M1 M2 ese (b) du th eor` eme du 1.3 est donc pour tous M1 , M2 B (0, r). Lhypoth` satisfaite. Dire que le point M0 est asymptotiquement stable signie que les lignes a peu pr` es int egrales issues dun point M1 voisin de M0 convergent toutes vers M0 (` uniform ement ` a la m eme vitesse) quand le temps tend vers +. On peut donc enoncer :

Proposition Pour quun point singulier M0 = (x0 , y0 ) soit asymptotiquement


stable, il sut que les valeurs propres de la matrice jacobienne A= soient de partie r eelle < 0. fx (x0 , y0 ) gx (x0 , y0 ) fy (x0 , y0 ) gy (x0 , y0 )

Remarque Contrairement au cas dun syst` eme lin eaire, on ne peut pas d ecider
de la nature du point critique si la matrice jacobienne a une valeur propre de partie r eelle nulle. Consid erons par exemple le syst` eme dx = x3 dt t [t0 , +[ = [0, +[, dy 3 = y dt qui admet lorigine comme point critique avec matrice jacobienne A = 0. On voit facilement que la solution du probl` eme de Cauchy est
1/2 x(t) = x0 (1 2x2 , 0 t) 2 1/2 y (t) = y0 (1 2 y0 t) .

Par cons equent lorigine est un point asymptotiquement stable si < 0 et < 0, instable d` es que > 0 ou > 0. Dans ce dernier cas, les solutions ne sont en fait m eme pas globalement d enies : lorsque > 0, 0 et x0 = 0, la solution maximale nest d enie que pour t [0, 1/(2 x2 0 )[. Si la matrice jacobienne est inversible (valeurs propres = 0), le th eor` eme dinversion locale montre que la fonction M V (M ) d enit une bijection dun voisinage de M0 sur un voisinage de 0 ; en particulier, pour M assez voisin et distinct de M0 on e. Ce nest pas toujours aura V (M ) = 0 , de sorte que M0 est un point singulier isol le cas si la matrice est d eg en er ee : le champ V (x, y ) = (x, 0) admet par exemple toute une droite x = 0 de points singuliers. On exclura en g en eral ces situations qui peuvent etre extr emement compliqu ees.

290

Analyse num erique et equations diff erentielles

D enition On dira quun point singulier M0 est non d eg en er e si


det fx (x0 , y0 ) gx (x0 , y0 ) fy (x0 , y0 ) gy (x0 , y0 ) = 0.

Nous nous proposons maintenant d etudier les di erentes congurations possibles pour un point singulier non d eg en er e. On verra au chapitre XI, 2.3 que les courbes int egrales ont tendance ` a ressembler ` a celles du syst` eme lin eaire dM/dt = AM lorsquon se rapproche du point critique, tout au moins sur un intervalle de temps e ; ceci nest pas n ecessairement vrai sur tout lintervalle [t0 , +[ (voir [t0 , t1 ] x 2.3 pour des exemples). On se restreindra dans un premier temps au cas lin eaire.

Consid erons le syst` eme dM = AM, dt dx = ax + by dt dy = cx + dy dt a b c d

o` u A=

On supposera det A = 0, de sorte que le champ de vecteurs V (M ) = AM admet lorigine pour seul point critique. Comme le champ des tangentes est invariant par les homoth eties de centre O, les courbes int egrales se d eduisent les unes des autres par homoth eties. Distinguons maintenant plusieurs cas en fonction des valeurs propres de A. eelles. (a) Les valeurs propres 1 , 2 de A sont r es Supposons de plus 1 = 2 . Dans ce cas la matrice A est diagonalisable. Apr` changement de base on peut supposer A= et le syst` eme se r eduit a ` 1 0 0 2

dx = 1 x dt dy = 2 y. dt La solution du probl` eme de Cauchy avec M (0) = (x0 , y0 ) est donc x(t) = x0 e1 t y (t) = y0 e2 t de sorte que les courbes int egrales sont les courbes y = C |x|2 /1 , CR

et la droite d equation x = 0. Distinguons deux sous-cas :

X Stabilit e des solutions et points singuliers

291

eme signe et, disons, |1 | < |2 |. On a alors 2 /1 > 1. On dit quon 1 , 2 de m a aaire ` a un nud impropre :

0 < 1 < 2 nud impropre instable

2 < 1 < 0 nud impropre stable

1 , 2 de signes oppos es, par exemple 1 < 0 < 2 . Il sagit dun col (toujours instable) :

Les valeurs propres sont confondues : 1 = 2 = . Deux cas sont possibles : A est diagonalisable. Alors A est en fait diagonale et les courbes int egrales sont donn ees par x(t) = x0 et y (t) = y0 et , ce sont les droites y = x et x = 0. On dit quon a aaire a ` un nud propre :

292

Analyse num erique et equations diff erentielles

>0 Nud propre instable

<0 Nud propre stable

A est non diagonalisable. Alors il existe une base dans laquelle la matrice A et le syst` eme s ecrivent dx = x dt dy = x + y. dt

A=

Le courbes int egrales sont donn ees par x(t) = x0 et y (t) = (y0 + x0 t)et . Comme toute courbe int egrale avec x0 = 0 passe par un point tel que |x(t)| = 1, on u obtient toutes les courbes int egrales autres que x = 0 en prenant x0 = 1, do` 1 ln |x| t= y = y |x| + x ln |x| 0 On dit quil sagit dun nud exceptionnel. Pour construire les courbes, on tracera x par exemple dabord la courbe y = ln |x| passant par (x0 , y0 ) = (1, 0). Toutes les autres sen d eduisent par homoth eties.

X Stabilit e des solutions et points singuliers

293

>0 Nud exceptionnel instable

<0 Nud exceptionnel stable

(b) Les valeurs propres de A sont non r eelles. On a des valeurs propres complexes conjugu ees + i , i avec disons > 0, et il existe une base dans laquelle la matrice A et le syst` eme s ecrivent dx = x y dt dy = x + y. dt

A=

La mani` ere la plus rapide de r esoudre un tel syst` eme est de poser z = x + iy . On trouve alors dz = ( + i )x + ( + i)y = ( + i )(x + iy ) = ( + i )z, dt de sorte que la solution g en erale est z (t) = z0 e(+i )t = z0 et eit . equation devient En coordonn ees polaires z = rei , l r = r0 et , = 0 + t soit r = r0 e
( ) 0

Il sagit dune spirale logarithmique si = 0 et dun cercle si = 0 (noter que ce cercle donne en g en eral graphiquement une ellipse car la base utilis ee ci-dessus nest pas n ecessairement orthonorm ee). On dit alors que le point singulier est un foyer, respectivement un centre :

294

Analyse num erique et equations diff erentielles

>0 Foyer instable

<0 Foyer stable

=0 Centre

Si = 0, le rapport dhomoth etie de deux spires cons ecutives de la spirale est e2/.

Lobjet de ce paragraphe est essentiellement de mettre en garde le lecteur contre un certain nombre did ees fausses fr equemment rencontr ees, en particulier lid ee que les courbes int egrales dun champ de vecteurs quelconque au voisinage dun point singulier ressemblent toujours a ` celles du syst` eme lin eaire associ e. En fait, ce nest en g en eral pas le cas lorsque le syst` eme lin earis e pr esente un centre, et cela peut de m eme ne pas etre le cas lorsque celui-ci pr esente un nud. Les deux exemples ci-dessous illustrent le ph enom` ene.

Exemple 1 On consid` ere le syst` eme di erentiel


dx = y x(x2 + y 2 ) dt dy = x y (x2 + y 2 ). dt

(S)

Lorigine est un point critique non d eg en er e, et le syst` eme lin eaire associ e dx/dt = y , dy/dt = x pr esente un centre dapr` es le 2.2. Si lon passe en coordonn ees polaires (r, ) le syst` eme (S) devient dr dx dy 2 2 2 r dt = x dt + y dt = (x + y ) x dy y dx d dt = dt =1 dt x2 + y 2 dr r3 = dt d = dt

car rdr = xdx + ydy et xdy ydx = r2 d (exercice !). Les courbes int egrales de ees par 1/2r2 = 0 , soit r = (2( 0 ))1/2 l equation dr/r3 = d sont donn pour > 0 . On a ici = t + C , lim+ r() = 0. On voit que les courbes int egrales sont des spirales convergeant vers 0 quand t +, lorigine est donc un foyer stable.

X Stabilit e des solutions et points singuliers

295

= 0

Exemple 2 On consid` ere maintenant le syst` eme di erentiel


dx 2y dt = x ln (x2 + y 2 ) 2x dy = y + dt ln (x2 + y 2 )

(S)

sur le disque unit e ouvert x2 + y 2 < 1. Observons que 2y/ ln (x2 + y 2 ) se prolonge en une fonction de classe C 1 au voisinage de (0, 0) : elle admet en eet une limite egale ` a0` a lorigine, ainsi que ses d eriv ees partielles 4xy (x2 + y 2 )(ln (x2 + y 2 ))2 , 4y 2 2 2 . 2 2 + y ) (x + y )(ln (x2 + y 2 ))2

ln (x2

Il en est de m eme pour le terme 2x/ ln (x2 + y 2 ). Lorigine est donc un point singulier, et le syst` eme lin eaire associ e dx/dt = x, dy/dt = y pr esente un nud propre. Pour r esoudre (S), on utilise de nouveau les coordonn ees polaires (r, ). Il vient dr x2 + y 2 = r dt = r 1 1 d 2x2 + 2y 2 = 2 = . 2 2 2 dt x + y ln (x + y ) ln r La solution du probl` eme de Cauchy est donn ee par r = r0 et avec r0 < 1, dt , = 0 ln (1 t/ ln r0 ) d = ln r0 t pour une donn ee initiale (r0 , 0 ) en t = 0. La solution est d enie sur [ln r0 , +[ et on a limt+ r(t) = 0, limt+ (t) = . On a ici encore une spirale convergeant vers 0 (cest peu visible sur le sch ema ci-dessous car tend vers tr` es lentement). Lorigine est donc un foyer stable. Comme limtln r0 +0 r(t) = 1

296

Analyse num erique et equations diff erentielles

et limtln r0 +0 (t) = +, la courbe senroule en spiralant a ` lint erieur du cercle r = 1 quand t ln r0 + 0.


3.1. On consid` ere sur R2 le champ de vecteurs V x y = x2 y 2 2xy .

(a) D eterminer les points critiques. (b) En posant z = x + iy , calculer la solution correspondant a ` la donn ee initiale z0 au temps t = 0. (c) En d eduire que les courbes int egrales sont les deux demi-axes 0x, 0x et les cercles passant par lorigine, centr es sur laxe y 0y . (d) Montrer que les solutions telles que z0 C \ [0, +[ sont asymptotiquement stables. Quen est-il si z0 [0, +[ ? 3.2. On etudie dans R2 le syst` eme di erentiel (S) dM = V (M ) dt

o` u V d esigne le champ de vecteurs qui ` a tout point M (x, y ) R2 associe le vecteur V (M ) = (x2 y, x + y 2 ).

X Stabilit e des solutions et points singuliers

297

D eterminer les points critiques du champ de vecteurs V . Calculer les solutions t M (t) = (x(t), y (t)) du syst` eme di erentiel obtenu en lin earisant V au voisinage de chacun des points critiques. Faire un sch ema indiquant lallure des solutions au voisinage des points critiques. Ces points sont-ils stables ? 3.3. M emes questions pour le champ de vecteurs V (x, y ) = (1 + x2 + y 2 , x). 3.4. On consid` ere le champ de vecteurs d eni par V x y = y + x sin x + y sin
x 2 +y 2 x 2 +y 2

exp exp

x 2 +y 2 x 2 +y 2 1

pour (x, y ) = (0, 0), et par V (0, 0) = 0 . (a) Montrer que le champ V est de classe C sur R2 ; on pourra commencer par montrer que la fonction t sin (/t) exp (1/t), t > 0,

se prolonge en une fonction de classe C sur [0, +[. (b) Montrer que le syst` eme di erentiel dM/dt = V (M ) se ram` ene ` a une equation de la forme dr/d = f (r) ; on ne cherchera pas ` a r esoudre explicitement cette equation. En d eduire quil y a une innit e de cercles concentriques (Ck )k1 de ecroissant vers 0, qui sont des courbes int egrales du champ. rayons Rk d
R (c) Etudier la convergence des int egrales Rkk+1 dr/f (r) en chacune des bornes. Montrer que la courbe int egrale issue dun point de coordonn ees polaires (r0 , 0 ) telles que Rk+1 < r0 < Rk est une spirale admettant les cercles r = Rk et de m eme le comportement ` a linni des r = Rk+1 comme asymptotes. Etudier courbes int egrales.


Etant donn e une equation di erentielle y = f (t, y, ) d ependant dun param` etre , on se propose d etudier comment les solutions varient en fonction de . En particulier on montrera que, sous des hypoth` eses convenables, les solutions d ependent contin ument ou di erentiablement du param` etre . Outre laspect th eorique, ces r esultats sont importants en vue de la m ethode dite des perturbations : il arrive fr equemment quon sache calculer la solution y pour une valeur particuli` ere 0 , mais pas pour les valeurs voisines ; on cherche alors un d eveloppement limit e de la solution y associ ee ` a la valeur en fonction de 0 . On montrera que esolvant une equation di erentielle lin eaire, le coecient de 0 est obtenu en r earis ee de l equation initiale ; ce fait remarquable permet appel ee equation lin g en eralement de bien etudier les petites perturbations de la solution.


Soit U un ouvert de R Rm Rp et f : U Rm (t, y, ) f (t, y, ) ere l equation une fonction continue. Pour chaque valeur de Rp , on consid` di erentielle (E ) y = f (t, y, ), (t, y ) U

o` u U R Rm est louvert des points tels que (t, y, ) U . Une donn ee initiale etant x ee, on note y (t, ) la solution maximale du probl` eme de Cauchy (t0 , y0 ) relatif a ` (E ) telle que y (t0 , ) = y0 ; on supposera toujours dans la suite que les hypoth` eses assurant lunicit e des solutions sont v eri ees. Notre objectif est d etudier la continuit e ou la di erentiabilit e de y0 (t, ) en fonction du couple (t, ).

300

Analyse num erique et equations diff erentielles

Fixons un point (t0 , y0 , 0 ) U . Comme U est ouvert, ce point admet un voisinage (compact) contenu dans U V0 = [t0 T0 , t0 + T0 ] B (y0 , r0 ) B (0 , 0 ).
r0 On note M = sup f . Alors pour tout T min T0 , M

x e et pour tout

B (0 , 0 ), le cylindre C = [t0 T, t0 + T ] B (y0 , r0 ) U est un cylindre de s ecurit e pour les solutions de E , dapr` es les r esultats du chapitre V, 2.1. Le th eor` eme dexistence V 2.4 implique :

V0

Proposition Avec les notations pr ec edentes, la solution y (t, ) est d enie pour
tout (t, ) [t0 T, t0 + T ] B (0 , 0 ) et elle est a ` valeurs dans B (y0 , r0 ).

On suppose maintenant de plus que f est localement lipschitzienne en y , cest-` a-dire quapr` es avoir eventuellement r etr eci V0 , il existe une constante k 0 telle que (t, ) [t0 T0 , t0 + T0 ] B (0 , 0 ), f (t, y1 , ) f (t, y2 , ) k y1 y2 . y1 , y2 B (y0 , r0 ),

Th eor` eme Si f est continue sur U et localement lipschitzienne en y , alors la


solution y (t, ) est continue sur [t0 T, t0 + T ] B (0 , 0 ). D emonstration. Remarquons dabord que d y (t, ) = f (t, y (t, ), ) M dt car f M sur V0 . Le th eor` eme des accroissements nis montre alors que y (t, ) est M -lipschitzienne par rapport a ` t, cest-` a-dire que y (t1 , ) y (t2 , ) M |t1 t2 | pour tous (t1 , ), (t2 , ) [t0 T, t0 + T ] B (0 , 0 ). Par ailleurs, comme V0 est compact, f y est conform ement continue et il existe donc un module de continuit e : R+ R+ tel que f (t, y, 1 ) f (t, y, 2 ) ( 1 2 ) eme de avec lim (u) = 0. Alors z1 (t) = y (t, 1 ) est la solution exacte du probl`
u0+

Cauchy pour l equation (E1 ) y = f (t, y, 1 ),

XI Equations diff erentielles d ependant dun param` etre

301

ee avec = ( 1 2 ). tandis que z2 (t) = y (t, 2 ) en est une solution -approch Le lemme de Gronwall V 3.1 montre que ek|tt0 | 1 , do` u k ekT 1 y (t, 1 ) y (t, 2 ) ( 1 2 ). k z1 (t) z2 (t) De ces in egalit es, nous d eduisons y (t1 , 1 ) y (t2 , 2 ) y (t1 , 1 ) y (t2 , 1 ) + y (t2 , 1 ) y (t2 , 2 ) M |t1 t2 | + ekT 1 ( 1 2 ) k

et comme le second membre tend vers 0 lorsque (t2 , 2 ) (t1 , 1 ), on voit que y (t, ) est bien continue sur [t0 T, t0 + T ] B (0 , 0 ).

Remarque La d emonstration montre aussi que si f (t, y, ) est localement lipschitzienne en , alors y (t, ) est localement lipschitzienne en (t, ) : dans ce cas, on peut prendre (u) = Cu.

An de simplier les notations, on suppose dans un premier temps que R, cest`-dire que p = 1. Pour deviner les r a esultats, nous eectuons dabord un calcul formel en supposant les fonctions f et y (t, ) autant de fois di erentiables que n ecessaire. ese, on a Comme y satisfait (E ) par hypoth` y (t, ) = f (t, y (t, ), ). t Di erentions cette relation par rapport a `: 2y (t, ) = t
m j =1

fyj (t, y (t, ), )


y

yj (t, ) + f (t, y (t, ), ).

En posant u(t) = y (t, ) et v (t) =


m

(t, ) il vient

(E )

v (t) =
j =1

fyj (t, u(t), )vj (t) + f (t, u(t), ).

eaire. L equation (E ) On observe que l equation (E ) satisfaite par v est lin sappelle l equation di erentielle lin earis ee associ ee ` a (E ). Par ailleurs v satisfait la condition initiale y (t0 , ) = 0, v (t0 ) = car par hypoth` ese y (t0 , ) = y0 ne d epend pas de .

302

Analyse num erique et equations diff erentielles

Th eor` eme On suppose que f est continue sur U et admet des d eriv ees partielles fyj et f continues sur U . eriv ees Alors y (t, ) est de classe C 1 sur [t0 T, t0 + T ] B (0 , 0 ) et admet des d partielles secondes crois ees continues
y y = . t t De plus, si u(t) = y (t, ), la d eriv ee partielle v (t) = l equation di erentielle lin earis ee
m y

(t, ) est la solution de

(E )

v (t) =
j =1

fyj (t, u(t), )vj (t) + f (t, u(t), )

avec condition initiale v (t0 ) = 0. D emonstration.* Les hypoth` eses entra nent que f est localement lipschitzienne en la variable y , donc on sait d ej` a que y (t, ) est continue. Pour 1 x e posons equation lin eaire u1 (t) = y (t, 1 ) et soit v1 (t) la solution de l
m

(E1 )

v1 (t) =
j =1

fyj (t, u1 (t), 1 )v1,j (t) + f (t, u1 (t), 1 ).

avec condition initiale v1 (t0 ) = 0. Bien entendu, on ne sait pas encore que y (t, 1 ), cest justement ce quon veut d emontrer. Pour cela on compare v1 (t) = a montrer que la di erence est u(t) = y (t, ) et u1 (t) + ( 1 )v1 (t) et on cherche ` o( 1 ). Posons donc w(t) = u(t) u1 (t) ( 1 )v1 (t). Par d enition de u, u1 , v1 il vient w (t) = f (t, u(t), ) f (t, u1 (t), 1 ) ( 1 )
m j =1

()

fyj (t, u1 (t), 1 )v1,j (t) + f (t, u1 (t), 1 )

Pour chaque composante fk , la formule des accroissements nis montre que


m

fk (t, y, ) fk (t, y1 , 1 ) =
j =1

fk,yj (t, y, )(yj y1,j ) + fk, (t, y, )( 1 )

o` u (y, ) est un point appartenant au segment dextr emit es (y1 , 1 ) et (y, ). Si e uniforme pour les d eriv ees partielles fk,yj et fk, k est un module de continuit sur le compact V0 , l ecart de chaque fonction entre les points (y, ) et (y1 , 1 ) est major e par k ( y y1 + | 1 |) k ( y y1 + | 1 |).

XI Equations diff erentielles d ependant dun param` etre

303

On peut donc ecrire


m

f (t, y, )f (t, y1 , 1 ) =
j =1

fyj (t, y1 , 1 )(yj y1,j )+f (t, y1 , 1 )(1 )+g (t, y, y1 , )

o` u g (t, y, y1 , ) admet une majoration uniforme g (t, y, y1 , ) ( y y1 + | 1 |) ( y y1 + | 1 |) pour un certain module de continuit e . En substituant y = u(t), y1 = u1 (t) dans la derni` ere formule, on d eduit de () les relations
m

w (t) =
j =1 m

fyj (t, u1 (t), 1 )(uj (t) u1,j (t) ( 1 )v1,j (t)) + g (t, u(t), u1 (t), ), fyj (t, u1 (t), 1 )wj (t) + g (t, u(t), u1 (t), ), ()

w (t) =
j =1

avec la majoration uniforme g (t, u(t), u1 (t), ) (C + 1)| 1 | ((C + 1)| 1 |) = o( 1 ) ; en eet u(t) u1 (t) = y (t, ) y (t, 1 ) C | 1 | dapr` es la remarque nale du 1.2. L equation () est lin eaire en w, et donc K -lipschitzienne avec K = sup fy j .
V0 1j m

Comme u(t0 ) = u1 (t0 ) = y0 et v1 (t0 ) = 0, on a w(t0 ) = 0, et par ailleurs w(t) 0 est une solution -approch ee de () avec = o( 1 ). Le lemme de Gronwall V 3.1 montre que w(t) = w(t) w(t) cest-` a-dire, par d enition de w, u, u1 : y (t, ) y (t, 1 ) ( 1 )v1 (t) = o( 1 ).
y (t, 1 ) existe et co ncide avec v1 (t). La fonction y admet donc Ceci signie que bien des d eriv ees partielles premi` eres

eKT 1 = o( 1 ), K

y (t, ) = f (t, y (t, ), ) t

et

y (t, ).

La d eriv ee partielle y t est continue en (t, ) puisque y lest. Par ailleurs v (t, ) = y ( t, ) est la solution avec donn ees initiales t0 , v0 = 0 de l equation lin earis ee
m

(E )

v = G(t, v, ) =
j =1

fyj (t, y (t, ), )vj + f (t, y (t, ), ).

304

Analyse num erique et equations diff erentielles

Ici G est continue en (t, v, ) et localement lipschitzienne en v , puisque lin eaire en y est egalement continue en (t, ), ce qui implique cette variable. Par suite v = que y est de classe C 1 . Enn, on a bien y = v (t, ) t t
m

=
j =1

fyj (t, y (t, ), )

yj (t, ) + f (t, y (t, ), )

y (f (t, y (t, ), ) = (t, ) t

et ces d eriv ees partielles secondes sont continues gr ace ` a la deuxi` eme ligne.

G en eralisation Le th eor` eme s etend ais ement au cas o` u Rp . Il sut en


eet de xer toutes les variables i sauf une pour constater que y que v (t) = (t, ) est la solution de l equation lin earis ee i
m y i t

y t i

et

(Ei )

v (t) =
j =1

fyj (t, u(t), )vj (t) + fi (t, u(t), )

avec condition initiale v (t0 ) = 0. Le fait que y (t, ) soit encore de classe C 1 provient de ce que le th eor` eme de continuit e du 1.2 est vrai globalement par rapport a ` lensemble des variables ne la continuit e en (t, ) des d eriv ees partielles y/i . (1 , . . . , p ) : celui-ci entra Nous etudions maintenant la di erentiabilit e dordre sup erieur : nous allons voir quelle se d eduit aussit ot par r ecurrence du cas de lordre un.

Th eor` eme On suppose que f est de classe C s et admet des d eriv ees partielles
eme de Cauchy relatif a ` fyj et fi de classe C s . Alors la solution y (t, ) du probl` (E ) est de classe C s+1 . D emonstration. Par r ecurrence sur s. Pour s = 0, il sagit du th eor` eme pr ec edent. Supposons le r esultat d ej` a d emontr e` a lordre s 1. Alors y (t, ) est de classe C s . Il en est de m eme de sa d eriv ee y (t, ) = f (t, y (t, ), ). t
y De plus v (t, ) = (t, ) est la solution de l equation lin earis ee (Ei ), soit i v = G(t, v, ). Comme fyj et fi sont de classe C s , on voit que G est de classe eriv ees Gvj et Gi sont donc de classe C s1 et lhypoth` ese de r ecurrence C s ; les d implique que v est de classe C s . Ceci montre que y est de classe C s+1 .

XI Equations diff erentielles d ependant dun param` etre

305

On d esignera ici par t y (t, y0 , ) la solution de l equation di erentielle (E ) y = f (t, y, )

etudier la continuit e ou la di erentiabilit e de donn ee initiale (t0 , y0 ). Lobjectif est d esoudra du m eme coup le cas de y (t, y0 , ) en fonction des 3 variables t, y0 , . Ceci r equation di erentielle (E) sans param` etre. particulier des solutions y (t, y0 ) dune Pour r esoudre cette question, on consid` ere la variable y0 elle-m eme comme un param` etre et on pose donc = y0 . La fonction z (t, , ) = y (t, , ) satisfait alors la condition initiale z (t0 , , ) = 0 et l equation y z (t, , ) = (t, , ) = f (t, y (t, , ), ) t t = f (t, z (t, , ) + , ). La fonction z (t, , ) est donc la solution de l equation di erentielle (E, ) z = f (t, z + , )

et es cherch ees r esultent alors des th eor` emes avec donn ee initiale (t0 , 0). Les propri etre (, ) Rm+p . On d ej` a d emontr es, appliqu es ` a l equation (E, ) pour le param` peut donc enoncer :

Th eor` eme Si f est de classe C s et admet des d eriv ees partielles fyj et fi de
classe C s , alors y (t, y0 , ) est de classe C s+1 .

Consid erons un ouvert R et un champ de vecteurs M V (M ) de classe k eni sur , k 1. On appelle equation di erentielle associ ee au champ de C d vecteurs V l equation di erentielle
m

(E)

dM = V (M ). dt

Si nous repr esentons le point M par ses coordonn ees not ees y = (y1 , . . . , ym ), et le champ V par une fonction V (M ) = f (y ), l equation devient (E) y = f (y ),

il sagit donc tout simplement dune equation di erentielle dont le second membre est ind ependant du temps. Louvert de d enition est dans ce cas louvert produit U = R . R esoudre (E) revient a ` chercher les courbes int egrales (ou orbites) du champ de vecteurs.

306

Analyse num erique et equations diff erentielles

V (M0 ) M0 V (M )

Dans cette situation, il y a invariance des solutions par translation dans le temps : si t y (t) est solution, il en est encore de m eme pour t y (t + a). Pour un point M0 = x Rm donn e, consid erons la solution maximale du probl` eme de Cauchy y (t) de donn ee initiale y (0) = x. Dapr` es le th eor` eme de Cauchy-Lipschitz, la solution maximale est d enie un intervalle ouvert contenant le temps 0. On appelle ot du champ de vecteurs V lapplication : R , (t, x) (t, x) = y (t),

cest-` a-dire que t (t, x) est la solution de l equation d (t, x) = V ((t, x)) dt avec (0, x) = x.

La solution maximale nest en g en eral d enie a ` x x e que pour un certain intervalle ouvert de temps, de sorte que (t, x) nest d eni que sur un certain voisinage ouvert de {0} dans R . Le fait que le domaine de d enition maximal soit ouvert dans R r esulte du 1.1, et dapr` es le 1.4, on sait que est une application de classe C k sur . Pour que les solutions soient globales et que = U = R , un comportement ad equat du champ de vecteurs V (M ) au voisinage du bord de ; par exemple, si es le crit` ere de globalit e des solutions du chapitre V 3.4, = Rm , il sut, dapr` que lon ait une croissance au plus lin eaire ` a linni f (y ) A y + B . Pour des ot raisons qui vont appara tre tout de suite, on note en g en eral t (x) le ot plut que (t, x). Une propri et e imm ediate est alors la loi de groupe () t s (x) = t+s (x).

Ceci signie pr ecis ement que si lon suit une trajectoire a ` partir dun point x pendant ` partir de ce point la m eme le temps s pour atteindre un point s (x), puis, a eme trajectoire pendant le temps t pour atteindre t (s (x)), cela revient au m que de suivre la trajectoire pendant le temps s + t. Formellement, on a besoin du th eor` eme dunicit e de Cauchy-Lipschitz pour pouvoir conclure. On voit que t t

XI Equations diff erentielles d ependant dun param` etre

307

est un homomorphisme du groupe additif (R, +) dans le groupe Di k () des C k di eomorphismes de : on a en eet t t = t t = 0 = Id , par suite t est un C k -di eomorphisme dinverse t . Dans le cas o` u les solutions ne sont plus globales, lexistence globale de t Di k () ` exister en temps petit, et la loi de groupe nest pas assur ee, mais t (x) continue a () est encore valable l` a o` u les applications sont d enies, donc au moins dans un voisinage de {0} . Lexercice 3.4 donne quelques crit` eres suppl ementaires pour que le ot soit globalement d eni. Le th eor` eme de r egularit e du ot est lun des points de d epart de r esultats plus globaux comme le th eor` eme de Poincar e-Bendixson, que nous nos contenterons d enoncer. Pour plus de d etails, nous invitons le lecteur a ` approfondir la tr` es vivante branche des math ematiques connue aujourdhui sous le nom de th eorie des syst` emes dynamiques. Soit M V (M ) un champ de vecteurs de classe C 1 dans un ouvert du plan. On suppose quil existe un compact K ne contenant aucun z ero du champ de vecteurs V et stable par le ot t pour t 0 [ce qui implique que t (x) est d eni pour tout x K et tout t 0 ]. Alors K est constitu e dune orbite p eriodique du ot.

Th eor` eme de Poincar e-Bendixson

(E )

On consid` ere une equation di erentielle y = f (t, y, )

d ependant dun param` etre ; on prendra pour simplier R. On suppose que f est continue ainsi que ses d eriv ees partielles fyj et f . Soit y (t, ) la solution maximale du probl` eme de Cauchy satisfaisant la condition initiale y (t0 , ) = y0 () ; ependre ici de ; on supposera que y0 () est de classe C 1 . y0 peut donc d On suppose connue une solution particuli` ere u(t) = y (t, 0 ) correspondant a ` une etre. Lobjectif est d etudier les petites perturbations certaine valeur 0 du param` de la solution, cest-` a-dire les solutions y (t, ) associ ees ` a des valeurs voisines de ` une situation physique tr` es courante, dans laquelle on conna t 0 . Ceci correspond a la solution th eorique id eale dun probl` eme et pour laquelle on cherche la solution r eelle tenant compte de petites perturbations plus ou moins complexes. En g en eral, esultats des on ne sait pas calculer la solution exacte y (t, ) pour = 0 . Les r 1.3, 1.4 montrent que y (t, ) est de classe C 1 et on cherche donc une approximation au premier ordre y (t, ) = y (t, 0 ) + ( 0 ) y (t, 0 ) + o( 0 ) = u(t) + ( 0 )v (t) + o( 0 )

308 o` u v (t) = lin earis ee (E0 )


y

Analyse num erique et equations diff erentielles

(t, 0 ) est ` a d eterminer. On sait que v est la solution de l equation


m

v (t) =
j =1

fyj (t, u(t), 0 )vj (t) + f (t, u(t), 0 ),

la condition initiale s ecrivant ici v (t0 ) = y (t0 , 0 ) = y0 (0 ).

Comme (E0 ) est lin eaire, la r esolution est en principe plus facile que celle de (E ). Nous allons maintenant donner des exemples concrets de la m ethode.

Consid erons dans le plan le champ de vecteurs M = (x, y ) V (M ) = (y, x). Les lignes int egrales du champ t (x(t), y (t)) sont les solutions du syst` eme di erentiel dx = y dM dt = V (M ) dt dy = x. dt On r esout ce syst` eme comme au chapitre X, 2.2(b) en posant z = x+iy . Le syst` eme se ram` ene alors ` a l equation dz/dt = iz , de sorte que la solution du probl` eme de Cauchy avec donn ee initiale z0 = x0 + iy0 est z = z0 eit . Les lignes de champ sont les cercles centr es en 0. On suppose maintenant que le champ de vecteurs subit une petite perturbation de la forme M = (x, y ) V (M ) = (y, x) + (a(x, y ), b(x, y )) o` u a, b sont de classe C 1 et o` u R est petit. On aboutit donc au syst` eme di erentiel dx = y + a(x, y ) dz dt = iz + A(z ) () (E ) dt dy = x + b(x, y ) dt avec A(z ) = a(x, y ) + ib(x, y ). Notons z (t, ) la solution telle que z (0, ) = z0 . On sait que z (t, 0) = z0 eit et on aimerait avoir une approximation de z (t, ) quand est petit. Ecrivons z (t, ) = z (t, 0) + z (t, 0) + o().

XI Equations diff erentielles d ependant dun param` etre

309

Gr ace ` a une di erentiation de () par rapport a ` , il vient z z = = (iz + A(z )) t t z + A(z ) + (A(z (t, ))). =i Par cons equent v (t) = (E0 )
z

(t, 0) satisfait l equation

dv = iv + A(z (t, 0)) = iv + A(z0 eit ) dt

z (0, 0) = 0. Cette equation se r esout par variation avec condition initiale v (0) = des constantes en posant v (t) = C (t)eit . Il vient

C (t)eit + iC (t)eit = iC (t)eit + A(z0 eit ), soit C (t) = eit A(z0 eit ). Comme C (0) = v (0) = 0, on obtient
t

C (t) =
0

eiu A(z0 eiu )du,


t

v (t) = C (t)eit =
0 t

ei(tu) A(z0 eiu )du,

z (t, ) = z0 eit +

ei(tu) A(z0 eiu )du + o().

Ceci se calcule facilement d` es que a(x, y ) et b(x, y ) sont des polyn omes par exemple. N eanmoins, m eme dans ce cas, il est g en eralement impossible dexpliciter la solution exacte de l equation non lin earis ee.

Soit M V (M ) un champ de vecteurs de classe C s , s 1, sur un ouvert du plan. On se place au voisinage dun point singulier quon suppose choisi comme origine des coordonn ees pour simplier. On a donc V (0) = 0 , et comme au chapitre X 2.1, le syst` eme di erentiel va s ecrire dM = V (M ), dt dx = ax + by + g (x, y ) dt dy = cx + dy + h(x, y ) dt

(E)

a b est la matrice des d eriv ees partielles (Vx (0, 0), Vy (0, 0)) et o` u g, h c d sannulent ainsi que leurs d eriv ees partielles premi` eres au point (0, 0). Les fonctions g, h sont par hypoth` ese d enies sur une certaine boule B (0, r0 ). o` u

310

Analyse num erique et equations diff erentielles

On cherche ` a comparer lallure des courbes int egrales situ ees pr` es de lorigine ` lil nu, a ` la loupe lorsquon eectue des grossissements successifs (observation a puis au microscope...). Autrement dit, on veut comparer la courbe issue dun point ees M0 et la courbe issue du point M0 (avec petit), lorsque ces courbes sont ramen a la m ` eme echelle. Pour grossir la deuxi` eme courbe dans le rapport 1/, on eectue le changement de coordonn ees X = x/, Y = y/. Dans ces nouvelles coordonn ees, l equation du syst` eme devient dX 1 = aX + bY + g (X, Y ) dt dY = cX + dY + 1 h(X, Y ). dt

(E )

La solution de (E ) de valeur initiale (X0 , Y0 ) en t = 0, correspond a ` la solution de (E) de valeur initiale (x0 , y0 ) = (X0 , Y0 ). Vu les hypoth` eses, les fonctions 1 g (X, Y ) 1 H (X, Y, ) = h(X, Y ) G(X, Y, ) = sont d enies et de classe C s sur B (0, r0 )]0, 1] et se prolongent par continuit e en = 0 en posant G(X, Y, 0) = H (X, Y, 0) = 0. Ce prolongement est en fait de classe C s1 sur B (0, r0 ) [0, 1] car
1

G(X, Y, ) =
0

(Xgx (uX, uY ) + Y gy (uX, uY ))du =

1 g (uX, uY )

u=1

.
u=0

Si s = 1, les fonctions G, H sont bien lipschitziennes en X, Y (avec la m eme constante de Lipschitz que g et h). La solution (X (t, ), Y (t, )) du probl` eme de ` (t, ), Cauchy est donc continue, et pour s 1 elle est de classe C s1 par rapport a borne = 0 incluse. En particulier :

Proposition Lorsque tend vers 0, la solution de (E ) de valeur initiale


eme lin eaire (X0 , Y0 ) converge vers la solution du syst` dX = aX + bY dt dY = cX + dY. dt

(E)

Bien entendu, les m ethodes pr ec edentes permettent aussi davoir un d eveloppement limit e` a lordre 1 de la solution de (E ) au voisinage de = 0, comme on la vu au 2.2.

XI Equations diff erentielles d ependant dun param` etre

311


On etudie les oscillations dun pendule ponctuel de masse m suspendu a ` un l de longueur l. L equation du mouvement a et e etablie au paragraphe VI 4.2(c) : = g sin , l

o` u d esigne langle fait par le l avec la verticale. On suppose ici quon lache le pendule au temps t = 0 a ` partir de l elongation maximale = m avec vitesse initiale u nulle. Lorsque m est petit, on fait habituellement lapproximation sin , do` = 2 avec 2 = g . l

La solution cherch ee est alors classiquement (t) = m cos t. N eanmoins, ceci nest pas rigoureusement exact, et on aimerait conna tre lerreur commise. Pour cela, on pose (t) = m y (t), de sorte que y est la solution de l equation sin m y y = 2 m avec condition initiales y (0) = 1, y (0) = 0. Le d eveloppement en s erie de sin m y donne 1 1 2 3 1 4 5 sin m y m y . . . + (1)n 2n y 2n+1 + . . . = (y, ) = y m y + m 6 120 (2n + 1)! m
2 o` u = m et o` u

(y, ) = y

1 1 y 3 + . . . + (1)n n y 2n+1 + . . . 6 (2n + 1)!

equation est une fonction de classe C . La solution y (t, ) de l (E ) y = 2 (y, )

esultats du paragraphe 1 sont encore est donc de classe C (on notera que tous les r vrais pour des equations dordre 2, puisque ces equations sont equivalentes a ` des syst` emes dordre 1). On a (y, 0) = y et y (t, 0) = cos t. Pour obtenir un ` , d eveloppement limit e de y (t, ) lorsque est petit, on d erive (E ) par rapport a ce qui donne (E ) 2 t2 y 2y ( 2 (y, )) = = 2 t y + (y, ) . = 2 y (y, )

312

Analyse num erique et equations diff erentielles

y 3 On a y (y, 0) = 1 et (y, 0) = 1 6 y , de sorte que la fonction v (t) = (t, 0) satisfait l equation 1 v (t) = 2 v (t) y (t, 0)3 6 1 2 2 = v (t) + cos3 t. 6 Comme y (0, ) = 1 et y/t(0, ) = 0 pour tout , les conditions initiales sont en erale du syst` eme sans second membre est v (0) = v (0) = 0. La solution g

v (t) = cos t + sin t. On applique alors la m ethode de variation des constantes avec v (t) = (t) cos t + (t) sin t. Dapr` es le chapitre VII 3.3, ceci conduit au syst` eme (t) cos t + (t) sin t = 0 (t)( sin t) + (t) cos t = 1 2 cos3 t 6 3 (t) = cos t sin t 6 (t) = cos4 t = (3 + 4 cos 2t + cos 4t), 6 48 1 4 (t) = 0 + cos t 24 1 1 (t) = 0 + (3t + 2 sin 2t + sin 4t). 48 4 Les conditions initiales v (0) = (0) = 0 et v (0) = (0) + (0) = 0 donnent 1 , 0 = 0 et (0) = (0) = 0, donc 0 = 24 do` u 1 1 1 (cos4 t 1) cos t + (3t + 2 sin 2t + sin 4t) sin t 24 48 4 1 1 = t + sin 2t sin t, 16 6 1 (t + sin 2t) sin t + O(2 ). y (t, ) = cos t + 16 6 v (t) = Cherchons maintenant a ` partir de l` a linuence de l elongation maximale m sur la p eriode des oscillations [on a vu au chapitre VI, 2.4 c) que les solutions de faible amplitude etaient p eriodiques ; ceci nest pas contradictoire avec le fait que le d eveloppement limit e de y (t, ) ci-dessus soit non p eriodique, a ` cause du ependant de t et lui-m eme non p eriodique]. Soit T () la p eriode, de terme O(2 ) d T ( ) correspond au plus petit t > 0 tel que y ( t, ) = 0, cest-` a-dire sorte que 1 4 y d enit une fonction T () de classe C pour petit, car T (0) = 2 , y t 1 T (0), 0 = sin t 4
t= 1 4 T (0) 1 4

T (), = 0. Le th eor` eme des fonctions implicites montre que cette equation

= = 0.

XI Equations diff erentielles d ependant dun param` etre

313

Par di erentiation de l equation en = 0, on trouve de plus 1 y T (0) 4 t avec y 1 y T (0), 0 + 4 1 T (0), 0 = v 4 2 1 T (0), 0 = 0 4 = , 32

do` u

1 T (0)( ) + = 0, T (0) = , 4 32 8 T () = T (0) + T (0) + O(2 ) 2 1 = + O(2 ) . 1+ 16 On retrouve ainsi lapproximation bien connue
2 T (m ) = 2

l g

1+

1 2 4 + O(m ) . 16 m

Cette approximation pourrait egalement se retrouver de mani` ere directe ` a partir de la relation exacte 8l m d T = , g 0 cos cos m qui r esulte des formules obtenues au chapitre VI 4.2 c). Exercice pour le lecteur !


3.1. On consid` ere une equation di erentielle dordre p (E ) y (p) = f (t, y, y , . . . , y (p1) , )

d ependant dun param` etre , o` u f est d enie et continue sur un ouvert U de R (Rm )p Rq . eriv ees (a) On suppose que f (t, Y, ) est de classe C k sur U et quelle admet des d ` chacune des composantes de Y et . On partielles de classe C k par rapport a note y (t, y0 , y1 , . . . , yp1 , ) la solution de (E ) satisfaisant les conditions initiales y (t0 ) = y0 , y (t0 ) = y1 , . . . , y (p1) (t0 ) = y0 .

Montrer que cette solution y est de classe C k+1 par rapport a ` lensemble des eme que ses d eriv ees partielles y/t, . . . , p1 y/tp1 . variables t, yj , , de m [Indication : se ramener au cas dun syst` eme dordre 1].

314

Analyse num erique et equations diff erentielles

(b) On suppose ici que R. Soit u(t, ) la solution satisfaisant la condition initiale k u (t0 , ) = yk (), 0 k p 1 tk o` u y0 (), . . . , yp1 () sont de classe C 1 au moins en . Montrer que v (t, ) = u/(t, ) est la solution dune equation di erentielle lin eaire dordre p dont on pr ecisera les conditions initiales. (c) Application : Ecrire l equation du (b) pour y = et y 2 + y , avec les conditions initiales y (0) = e , y (0) = cosh 2. 3.2. On sint eresse ici au comportement des courbes int egrales passant par un point voisin de lorigine, pour le syst` eme (S) de lexercice X 3.2. Pour tout > 0, on note t M (t, ) = (x(t, ), y (t, )) la solution maximale de (S) qui passe par le point de coordonn ees (, 0) au temps t = 0. (a) D eterminer la solution t (x(t), y (t)) du syst` eme lin earis e au voisinage de lorigine, qui passe par le point (1, 0) au temps t = 0. (b) A laide dune homoth etie convenable et des m ethodes du chap. XI, montrer que M (t, ) admet un d eveloppement limit e de la forme M (t, ) = (x(t) + 2 u(t) + O(3 ), y (t) + 2 v (t) + O(3 )) o` u u, v sont des fonctions que lon explicitera. 3.3. Lobjet de ce probl` eme est d etudier les lignes de champ cr e ees dans un plan par un dip ole electrique (par exemple une mol ecule polaris ee telle que le chlorure dhydrog` ene). Le plan est rapport e au rep` ere orthonorm e direct (O ; i, j ), o` u O est la position du dip ole (suppos e ponctuel), et (O ; i) laxe du dip ole. Si M est un point quelconque distinct de O, on note (r, ) les coordonn ees polaires de M relativement au rep` ere (O ; i, j ). On associe ` a M le vecteur radial u = cos i + sin j et le vecteur orthoradial v = sin i + cos j . On admettra que le potentiel electrique V (M ) cr e e par le dip ole en tout point M = O est donn e par V (M ) = (a) On rappelle les formules dM = dr u + rd v, V 1 V grad V = u+ v. r r cos . r2

XI Equations diff erentielles d ependant dun param` etre

315

Evaluer le champ electrique E = grad V cr e e par le dip ole. D eterminer l equation r = () de la ligne de champ (courbe int egrale du champ de vecteurs E ) passant par le point de coordonn ees polaires (r0 , 0 ) avec r0 > 0 et 0 = 2. (b) Le dip ole est suppos e plac e dans un champ electrique ambiant constant e tr` es faible par rapport a ` son champ propre E . E 0 = j , dintensit
dr () Ecrire l equation di erentielle d = f (r, , ) des lignes de champ relatives au champ E + E 0 . Calculer le d eveloppement limit e` a lordre 1 de f (r, , ) en fonction de .

( ) On note r = (, ) l equation polaire de la ligne de champ passant par le [on ne cherchera pas a ` evaluer ]. point r0 , 2 Montrer que w() = ` une equation di erentielle lin eaire. (, 0) satisfait a En d eduire le d eveloppement limit e` a lordre 1 de (, ) en fonction de . 3.4. Soit un ouvert de Rm et M V (M ) un champ de vecteurs de classe C 1 sur . On consid` ere le ot associ e` a l equation di erentielle (E) dM = V (M ). dt

Montrer que toute solution maximale de (E) est globale dans les trois cas suivants : (a) = Rm et V satisfait a ` linni la condition V (M ) OM OM ( OM ) o` u : [0, +[ R est une fonction continue, croissante et positive telle que + dt/(t) = +. 1 t ` laide dun raisonnement Indication : majorer v ( OM ) o` u v (t) = 1 du/(u) a de type lemme de Gronwall. (b) est un ouvert born e et on a la condition V (M ) (d(M, )) avec 1 : ]0, +[ R continue, croissante et positive telle que 0 dt/(t) = + (et donc telle que limt0+ (t) = 0). 1 Indication : majorer v (d(M, )) o` u v (t) = t du/(u). (c) est un ouvert born e` a bord r egulier de classe C 1 , et M V (M ) se prolonge ` en en champ de vecteurs de classe C 1 sur tel que V (M ) soit tangent a tout point du bord.

Arnold V. (1974) Equations di erentielles ordinaires, Editions de Moscou. Artigue M., Gautheron V. (1983) Syst` emes di erentiels, Etude Graphique, Cedic/Fernand Nathan, Paris. Cartan H. (1977) Cours de calcul di erentiel, nouvelle edition refondue et corrig ee, Hermann, Paris. Coddington E.A., Levinson N. (1955) Theory of Ordinary Dierential Equations, Mac Graw-Hill, New-York. Crouzeix M., Mignot A.L. (1984) Analyse num erique des equations di erentielles, Masson, Paris. Crouzeix M., Mignot A.L. (1986) Exercices danalyse num erique des equations di erentielles, Masson, Paris. J. (1968) Calcul innit Dieudonne esimal, Hermann, Paris. berg C.E. (1965) Introduction to numerical analysis, Addison-Wesley, Fro Reading. Gastinel N. (1966) Analyse num erique lin eaire, Hermann, Paris. Hartmann P. (1964) Ordinary dierential equations, John Wiley, New-York. Hildebrand F.B. (1956) Introduction to numerical analysis, Mac Graw-Hill, New York. Hirsch W., Smale S. (1974) Dierential equations, dynamical systems and linear algebra, Academic Press, New York. Reinhard H. (1989) Equations di erentielles. Fondements et applications, Dunod, Paris, deuxi` eme edition. Roseau M. (1976) Equations di erentielles, Masson, Paris. Rouche N., Mawhin J. (1973) Equations di erentielles ordinaires, tomes 1, 2, Masson, Paris. Sibony M., Mardon J.L. (1982) Analyse num erique, tomes 1, 2, Hermann, Paris. Stiefel E. (1965) An introduction to numerical Mathematics, Academic Press, New York.

Amplication de lerreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Application contractante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Base de num eration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

II 4.1 IV 1.1 I 1.1

Calcul de pi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I 2.3 Calcul des variations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 4.4 Centre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X 2.2 (b) Cha nette . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 4.4 Champ des tangentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 1.2 Col . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X 2.2 (a) Condition initiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 1.1 Constante de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 4.1 Constante de stabilit e ................................... VIII 2.1, 2.3, IX 1.2 Contr ole du pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 4 Convergence des polyn omes dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 2 Convergence des m ethodes de quadrature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.4 Convergence quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV 2.1 Courbe du chien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 3.3 Crit` ere dattractivit e ................................................. IV 3.2 Crit` ere de maximalit e des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 2.6 Cumulation derreurs al eatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I 1.6 Cylindre de s ecurit e ................................................... V 2.1 e des polyn omes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Densit D eveloppements asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Di erences divis ees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Donn ees initiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II III II V 3.2 4.3 1.3 1.1

Enveloppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 2.1 Equation dEuler-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 4.4 Equation di erentielle lin earis ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XI 1.3 Equations a ` variables s epar ees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 1.2 Equations de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 1.5 (a) Equations de Clairaut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 2.5 Equations dEuler-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 4.4 Equations de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 2.4 Equations de Riccati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 1.5 (b) Equations di erentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 1.1

320

Analyse num erique et equations diff erentielles

Equations di erentielles dordre sup erieur ` a un . . . . . . . . . . . . . . . . . . . . V 4, VII 3 Equations di erentielles d ependant dun param` etre . . . . . . . . . . . . . . . . . . . . . . . XI Equations di erentielles du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 4 Equations di erentielles lin eaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 1.4, 4.3, VII Equations di erentielles non r esolues en y . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 2.1 Equations homog` enes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 1.6, 2.3 Erreur darrondi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I 1.3, 1.4, III 1.3, VIII 2.5 Erreur dint egration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 2.2 Erreur dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 1.2 Erreur de consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 1.1, IX 1.1 Erreur globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 2.1 Estimation de n+1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 2.2 Existence de solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V2 Existence de solutions globales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 3.4 Existence et unicit e des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V3 Exponentielle dune matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VII 2.2 Extrapolation de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 5.1 Flot dun champ de vecteurs XI 1.5 Fonction analytique . . . . . . . . . . . . . II 2.1 V 2.2 Fonction de classe C 1 par morceaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fonction equioscillante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 3.1 Fonction lipschitzienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 4.3 Fonction localement lipschitzienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V3 Fonction de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 4.2 Formule de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 2.1 Formule de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 1.4 Formule de Stirling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 4.3 Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 2.1 Formule dEuler-Maclaurin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 4.1 Foyer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X 2.2 (b) G eod esiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 4.4 Instabilit e num erique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I3 Int egrale premi` ere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 1.3, 4.2 (c) Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 1.1 Lemme de Gronwall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 3.1, VIII 2.3 Lignes isoclines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 1.2 Mantisse M ethode M ethode M ethode ethode M M ethode M ethode M ethode M ethode M ethode ............................................................... I 1.1 consistante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 2.1 convergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 2.1 dEuler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 2.2, VIII 1.2 de Boole-Villarceau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.2 (c) de Heun . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 3.2 de la s ecante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV 2.4 de Milne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IX 1.3 de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.2 (c) de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV 2.3, 3.3

Index terminologique

321

M ethode de Nystr om . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IX 1.3 M ethode de Romberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 5.2 M ethode de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.2 (c) M ethode de variation des constantes . . . . . . . . . . . . . . . . . VI 1.4, 4.3, VII 2.4, 3.3 M ethode de Weddle-Hardy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.2 (c) M ethode de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 1.3 M ethode des rectangles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.2 (a) M ethode des trap` ezes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.2 (b) M ethode du point milieu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.2 (a), VIII 1.4 M ethode du point milieu modi e .................................... VIII 1.5 M ethodes ` a un pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 1.1 M ethodes ` a pas multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IX M ethodes dAdams-Bashforth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IX 2 M ethodes dAdams-Moulton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV 3 M ethodes de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 3 M ethodes de quadrature el ementaires et compos ees . . . . . . . . . . . . . . . . . . . III 1.1 M ethodes de pr ediction-corrcetion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IX 4 M ethodes de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 3 IX 4.5 M ethodes PEC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . M ethodes PECE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IX 4.1 M etrique de Poincar e ................................................. VI 5.9 Module de continuit e ........................................... II 3.2, V 2.2 Nud propre, impropre, exceptionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X 2.2 (a) Nombres de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 4.1 II 5 Norme L2 de la moyenne quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Norme uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II Notations Noyau de P eano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 2.2 Op erateur aux di erences nies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Op erateur dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ordre dune m ethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.1, VIII 2.4, Ovale de Cassini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II II IX VI 1.4 4.1 1.1 3.2

Perturbation dun champ de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XI 2.2, 2.3 Petites perturbations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X 1.3, XI 2.1 Ph enom` ene de Runge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 2.3 Ph enom` enes de compensation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I 2.1, 2.2, 2.3 Poids . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 5 Point critique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X 2.1 Point xe attractif, r epulsif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV 2.1 Point singulier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X 2.1 Point singulier non d eg en er e ........................................... X 2.1 Point dinterpolation de Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 1.5 Polyn ome de meilleure approximation quadratique . . . . . . . . . . . . . . . . . . . . . . . II 5 Polyn ome de meilleure approximation uniforme . . . . . . . . . . . . . . . . . . . . . . . . II 3.1 Polyn omes de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 4.1 II 5 Polyn omes de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Polyn omes de Jackson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 3.2

322

Analyse num erique et equations diff erentielles

Polyn omes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 5 Polyn omes de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 5 Polyn omes de Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 1.5, II 5 Polyn omes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II 5 Pr ecision relative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I 1.1 Probl` eme bien conditionn e .......................................... VIII 2.6 Probl` eme bien pos e ................................................. VIII 2.6 Probl` eme de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 1.1 Probl` eme raide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII 2.6 Probl` eme variationnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 4.4 Rayon spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV 3.1 R` egle de H orner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I 1.5 R egularit e des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 1.5, XI 1.3, 1.4 Relation de r ecurrence des polyn omes orthogonaux . . . . . . . . . . . . . . . . . . . . . . II 5 R esolvante dun syst` eme lin eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VII 4.1 Solution approch ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Solution asymptotiquement stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Solution dune equation di erentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Solution g en erale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Solution globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Solution maximale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Solution singuli` ere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Solution stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Spectre dun endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Stabilit e des m ethodes num eriques . VIII 2.1, 2.3, 3.3, IX 1.2, 2.3, 3.3, Suite de Fibonacci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Syst` eme di erentiel autonome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Syst` eme di erentiel lin eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme dAscoli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme dexistence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V Th eor` eme dexistence et dunicit e ............................. V 3.1, Th eor` eme dinversion locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme dunicit e globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme de Cauchy-Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme de Cauchy-Peano-Arzela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme de Jackson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme de Poincar e-Bendixson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme de Steensen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme des fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme des immersions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme des submersions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th eor` eme du point xe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Trajectoires orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Triangulation des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wronskien dun syst` eme de solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V X V VI V V VI X IV 3.4, IV VI VII V 2.4, 3.2, IV V V V II XI III IV IV IV IV VI VII 2.2 1.1 1.1 1.1 1.4 1.3 1.1 1.1 3.1 4.4 2.4 1.1 1.1 2.3 4.3 4.4 4.1 3.3 3.1 2.4 3.2 1.5 2.3 4.2 4.2 4.2 1.1 3.2 2.2

VII 4.2

...................................................... II Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..... II 5 2 , ................................................................. II 5 ............................................................. IX 2.1 ABr+1 ............................................................... III 5.1 Am,n ............................................................. IX 3.1 AMr+1 bn,i,r ............................................................... IX 2.1 ............................................................... IX 3.1 b n,i,r .................................................................. III 4.1 bp .............................................................. III 4.1 Bp (x) ............................................................. IX 2.1, 2.3 r ............................................................. IX 3.1, 3.3 r C ([a, b]) ...................................................... II Notations .................................................................. IX 3.3 r ............................................................. II 3.1 d(f, Pn ) ............................................................... II 5 d2 (f, g ) x .................................................................. I 1.1 ................................................................ II 1.4 k fi ................................................................ VII 2.2 eA ................................................................ VIII 1.1 en E (f ) ............................................................... III 2.2 ............................................................... XI 1.3 (E ) ............................................................... VI 3.2 (E ) f [x0 , x1 , . . . , xn ] ..................................................... II 1.3 ................................................................. V 1.5 f [k] ................................................................ V 2.2 hmax ........................................................ II 3.2 jn (x), Jn () .............................................................. III 2.2 KN (t) ......................................................... II 1.1 li (x), Li (x) .................................................................. II 4.1 Ln .................................................................. II 4.1 n ............................................................ III 1.2 (c) N Cl ......................................................... II 3.2, V 2.2 f (t) ................................................................ III 1.1 i,j ................................................................. III 1.2 j ............................................................... II 1.1 pn (x)
[a,b]

324

Analyse num erique et equations diff erentielles

pfn+1 .............................................................. IX 4.1 ........................................................... II Notations Pn .............................................................. IX 4.1 pyn+1 ............................................................. II 1.1 n+1 (x) ............................................................ VII 4.1 R(t, t0 ) S ..................................................... VIII 2.1, 2.3, IX 1.2 ................................................................ II 1.5 tn (x) w(x) .................................................................. II 5 W (t) .............................................................. VII 4.2 .......................................................... V 1.1 y = f (t, y ) (s) ................................................................ III 4.1

Formulaire et principaux r esultats

325

Chapitre I : Calculs num eriques approch es


Soit la pr ecision relative de lexpression approch ee des nombres r eels sur le calculateur utilis ee. Les erreurs darrondi sur les op erations arithm etiques v erient (x + y ) x + y + (|x| + |y |), (xy ) |x|y + |y |x + |xy |. ee par ordre croissant dindice et Si la sommation sn = x1 + x2 + . . . + xn est calcul si xi = 0, alors (sn ) (|xn | + 2|xn1 | + . . . + (n 1)|x2 | + (n 1)|x1 |), 1 2 n n 1 2 (x 1 x2 . . . xn ) (|1 | + . . . + |n | 1)|x1 x2 . . . xn |.

Chapitre II : Approximation polynomiale des fonctions num eriques


Polyn ome dinterpolation de Lagrange de f : [a, b] R en des points x0 , x1 , . . . , xn [a, b] :
n

pn (x) =
i=0

f (xi )li (x),

li (x) =
j =i

x xj . xi xj

Formule derreur : f (x) pn (x) =


n

1 n+1 (x)f (n+1) (x ) (n + 1)! x ] min(x, xi ), max(x, xi )[.

avec

n+1 (x) =
i=0

(x xi ),

326 Di erences divis ees : f [x0 , x1 , . . . , xk ] =


n

Analyse num erique et equations diff erentielles

f [x1 , . . . , xk ] f [x0 , . . . , xk1 ] , xk x0 f [x0 , x1 , . . . , xk ](x x0 ) . . . (x xk1 ).

pn (x) = f (x0 ) +
k=1

Formule de Newton (pas constant h = xi = a + ih,


n

b a n )

fi = f (xi ), k f0

k fi = k1 fi+1 k1 fi , o` u x = a + sh.

pn (x) =
k=0

s(s 1) . . . (s k + 1) k!

Polyn omes de Tchebychev : tn (x) = cos (n Arc cos x), t0 (x) = 1, t1 (x) = x x [1, 1], n 1.

tn+1 (x) = 2x tn (x) tn1 (x),

Points dinterpolation de Tchebychev ( = racines de tn+1 ) : xi = cos 2i + 1 , 2n + 2 0 i n.

Estimation de |n+1 (z )|, z C avec xi = a + ih, h = On pose n (z ) = min |z xi | et A(z ) = exp

1 ln |z x|dx . Alors il ba a existe des constantes C1 , C2 > 0 ind ependantes de n telles que C1 n (z )A(z )n |n+1 (z )| C2 nn (z )A(z )n . Meilleure approximation uniforme : si f C ([a, b]), le polyn ome qn de degr e eris e n minimisant la distance uniforme f qn existe et est unique. Il est caract equioscille sur au moins n + 2 points de [a, b]. par la propri et e que f qn e de f Th eor` eme de Jackson : soit f C ([a, b]). Si f est le module de continuit ome dapproximation de Jackson de f de degr e n, on a et si pn est le polyn f pn 3 f ba . n

b a n b

Constante de Lebesgue : n = sup

x[a,b] i=0

|li (x)|.

Formulaire et principaux r esultats


n

327

Si Ln (f ) = pn =
i=0

f (xi )li , on a f Ln (f ) (1 + n ) f qn .

equidistants, on a n Si les xi sont

2n+1 en ln (n) . 2

Si les xi sont les points de Tchebychev, on a n

ln (n).

Polyn omes orthogonaux. Formule de r ecurrence : pn (x) = (x n )pn1 (x) n pn2 (x), n2

2 2 avec n = xpn1 , pn1 / pn1 2 2 , n = pn1 2 / pn2 2 , 1 j l .

Polyn omes de meilleure approximation quadratique :


n

rn (x) =
k=0

f, pk pk (x). pk 2 2

Chapitre III : Int egration num erique


M ethodes de Newton-Cotes dindice l :
k 1 l

f (x)dx
i=0

(i+1 i )
j =0

j f (i,j )

avec i,j = i + j

i+1 i , l

1 j l.

l = 1 : m ethodes des trap` ezes 0 = 1 = 1 2 (ordre 1). 1 2 erreur : 12 h f ( )( ) si le pas est constant. 4 l = 2 : m ethode de Simpson 0 = 2 = 1 6 , 1 = 6 (ordre 3). 1 h4 f (4) ( )( ). erreur : 2880 l = 4 : m ethode de Boole-Villarceau 7 2 0 = 4 = 90 , 1 = 3 = 16 2 = 15 (ordre 5). 45 , 1 6 (6) erreur : 1 935 360 h f ( )( ). Formule de Taylor avec reste int egral :
N

f (x) =
k=0

1 (k ) f ()(x )k + k!

1 (N +1) (x t)N (t)dt. +f N!

328

Analyse num erique et equations diff erentielles

Noyau de Peano dune m ethode dordre N :


l

Si E (f ) =

f (x)w(x)dx
j =0

j f (xj ) est lerreur dint egration, alors t [, ],

KN (t) = E (x (x t)N + ), E (f ) = 1 N!

KN (t)f (N +1) (t)dt.

Si KN est de signe constant, alors E (f ) = 1 (N +1) f ( ) N!

KN (t)dt,

], [.

Noyau de Peano dune m ethode compos ee. Si la m ethode el ementaire est dordre N et admet kN pour noyau de Peano sur [1, 1], le noyau de Peano compos e est donn e par KN (t) = hj 2
N +1

kN

2 j + j +1 t hj 2

t [j , j +1 ].

M ethodes de Gauss :
l

f (x)w(x)dx
j =0

j f (xj )

avec x0 , . . . , xl ], [ racines du polyn ome orthogonal pl+1

i =

Li (x)w(x)dx,

Li (x) =
j =i

x xj . xi xj

La m ethode est dordre N = 2l + 1, et lerreur est donn ee par E (f ) = f (2l+2) ( ) (2l + 2)


l+1 (x)2 w(x)dx.

Polyn omes de Bernoulli : ils sont d enis par r ecurrence par B1 (x) = x 1 si x [0, 1[, 2 B = pB ( x ) sur [0, 1[ pour p 2, p 1 p
1 0

Bp (x)dx = 0, p eriodique de p eriode 1 sur R.


nZ

Bp

Bp (x) = p!

e2inx . (2in)p

Formulaire et principaux r esultats

329

Nombres de Bernoulli : 1 b0 = 1, b1 = , bp = Bp (0) si p 2. 2 + k 1 (2k )! 1 b = 2(1) si k 1, 2k 2k (2 )2k n n=1 b2k+1 = 0 si k 1. |B2k (x)| |b2k |,
p

Bp (x) =
m=0 2k C2 k+1 b2k

m Cp b m xp m ,

Bp (1 x) = (1)p Bp (x),

2k2 2 1 + C2 k+1 b2k2 + . . . + C2k+1 b2 + C2k+1 b1 + 1 = 0, 1 1 1 1 5 , b8 = , b10 = . b2 = , b4 = , b6 = 6 30 42 30 66

Formule dEuler-Maclaurin : Pour f C 2k ([, ]), avec , Z, on a 1 1 f () + f ( + 1) + . . . + f ( 1) + f ( ) = 2 2 b2m (2m)! m=1


k

f (x)dx+

f (2m1) ( ) f (2m1) ()

B2k (x) (2k) f (x)dx. (2k )!

x +

Formule du d eveloppement asymptotique. Soit f C ([, +[), Z. Si (m) lim f (x) = 0 et si f (m) (x) est de signe constant sur [x0 , +[ pour m m0
m0 2

alors n x0 et k >

on a 1 f (n) + 2
n

f () + f ( + 1) + . . . + f (n) = C +
k 1

f (x)dx

b2m b2k (2k1) f (2m1) (n) + f (n), (2m)! 2k ! m=1

0 1.

Extrapolation de Richardson Pour calculer la limite de A(t) = a0 + a1 t + . . . + ak tk + O(tk+1 ) en t = 0, on pose Am,0 = A(rm t0 ), rn Am,n1 Am1,n1 . Am,n = rn 1

M ethode de Romberg : pour evaluer

f (x)dx, on calcule

Am,0 = h

1 1 f () + f ( + h) + . . . + f ( h) + f ( ) 2 2

330 o` uh=
2m ,

Analyse num erique et equations diff erentielles

puis Am,n = 4n Am,n1 Am1,n1 . 4n 1

Chapitre IV : M ethodes it eratives pour la r esolution d equations


M ethode de Newton : pour r esoudre f (x) = 0, on it` ere (x) = x f (x) . f (x) on a

Si f (a) = 0 et M =

x[ar,a+r]

max

f (x) 1 , alors pour h = min 1, M f (x) |(x) a| M |x a|2 .

(x [a h, a + h])

Variante (m ethode de la s ecante) : A partir de valeurs initiales x0 , x1 , on pose p =


f ( x p ) f ( x p 1 ) x p x p 1 f (xp ) p

xp+1 = xp

(p 1).

M ethode de Newton-Raphson. Pour r esoudre f (x) = 0 o` u f : Rm Rm , on it` ere la fonction (x) = x f (x)1 f (x).

Chapitre V : Equations di erentielles. R esultats fondamentaux


Etant donn e un ouvert U R Rm et une fonction continue f : U Rm , il passe equation di erentielle par tout point (t0 , y0 ) U au moins une solution locale de l (E) y = f (t, y ).

De plus toute solution peut etre prolong ee en une solution maximale ; lintervalle de d enition dune solution maximale est ouvert.

Formulaire et principaux r esultats

331

M ethode dEuler. Partant dun point initial (t0 , y0 ), on pose yn+1 = yn + hn f (tn , yn ) tn+1 = tn + hn et on construit une solution approch ee y (t) lin eaire par morceaux en joignant les points (tn , yn ). Si C = [t0 T, t0 + T ] B (y0 , r0 ) est un cylindre de s ecurit e tel que T min T0 , r0 , M o` u M= sup
[t0 T0 ,t0 +T0 ]B (y0 ,r0 )

f ,

la solution approch ee (t, y (t)) reste contenue dans C . Lerreur v erie y (t) f (t, y (t)) f ((M + 1)hmax ) o` u f est un module de continuit e pour f . Th eor` eme de Cauchy-Lipschitz. Si f est localement lipschitzienne en y , il passe par tout point (t0 , y0 ) une solution maximale unique et toute suite de solutions ees avec lim p = 0 converge vers la solution exacte : le lemme de p -approch erie Gronwall montre que l ecart entre 2 telles solutions approch ees y1 , y2 v y1 (t) y2 (t) (1 + 2 ) o` u k est la constante de Lipschitz. Equations di erentielles dordre p : y (p) = f (t, y, y , . . . , y (p1) ). Si f est continue (resp. continue et localement lipschitzienne en toutes les variables autres que t), il existe au moins une solution (resp. une unique solution) satisfaisant la condition initiale y (t0 ) = y0 , y (t0 ) = y1 , . . . , y (p1) (t0 ) = yp1 . ek|tt0 | 1 k

Chapitre VI : M ethodes de r esolution explicite des equations di erentielles


Equations ` a variables s epar ees : y = f (x)g (y ). dy Ecrire = f ( x ) dx . g (y ) Equations lin eaires du premier ordre : y = a(x)y + b(x). Solution g en erale : y (x) = eA(x) + y(1) (x) o` u A est une primitive de a et o` u y(1) (x) sobtient par la m ethode de variation des constantes, y(1) (x) = (x)eA(x) .

332

Analyse num erique et equations diff erentielles

Equations de Bernoulli : y + p(x)y + q (x)y = 0 o` u R \ {1}. 1 Diviser par y et poser z (x) = y (x) . Alors z satisfait une equation lin eaire. Equations de Riccati : y = a(x)y 2 + b(x)y + c(x). Si une solution particuli` ere y(1) est connue, poser y = y(1) + z . Alors equation lin eaire. Equations homog` enes : y = f
y x

1 z

satisfait une

Poser y (x) = xz (x), ou passer en coordonn ee polaires. Equations non r esolues en y : regarder si on peut trouver une param etrisation simple de l equation. Equations de Lagrange : y = a(y )x + b(y ). Choisir p = y comme nouvelle variable et x(p) comme nouvelle fonction inconnue. Calculer dy et ecrire dy = p dx. Equations du second ordre : y = f (y, y ) : choisir y comme nouvelle variable et v = y comme nouvelle fonction inconnue de y . On a alors y = v dv/dy . Equations lin eaires homog` enes du second ordre : a(x)y + b(x)y + c(x)y = 0. Si une solution particuli` ere y(1) est connue, utiliser la m ethode de variation des equation du constantes : y (x) = (x)y(1) (x). Alors = est solution dune premier ordre.

Chapitre VII : Syst` emes di erentiels lin eaires


Syst` emes di erentiels lin eaires ` a coecients constants dans Rm Solution du probl` eme de Cauchy Y (t0 ) = V0 pour Y = AY : Y = AY + B (t) : On a det (eA ) = exp (tr A). Equations dordre p : ap y (p) + . . . + a1 y + a0 y = 0, aj C. Si le polyn ome caract eristique ap p + . . . + a1 + a0 admet pour racines complexes es m1 , . . . , ms , alors lespace des solutions admet pour base 1 , . . . , s de multiplicit t tq e j t , 1 j s, 0 q < mj . Y (t) = e(tt0 )A V0 Y (t) = e(tt0 )A V0 +
t t0

e(tu)A B (u)du

Formulaire et principaux r esultats

333

Syst` emes di erentiels lin eaires quelconques Y = A(t)Y + B (t). Si R(t, t0 ) d esigne la r esolvante, alors la solution du probl` eme de Cauchy Y (t0 ) = V0 est donn ee par
t

Y (t) = R(t, t0 ) V0 +
t0 t

R(t, u)B (u)du,

et on a det (R(t, t0 )) = exp


t0

tr A(u)du .

Chapitre VIII : M ethodes num eriques ` a un pas


Ces m ethodes peuvent s ecrire de mani` ere g en erale yn+1 = yn + hn (tn , yn , hn ), 0 n < N.

Si z est une solution exacte, lerreur de consistance relative a ` z est par d enition en = z (tn+1 ) yn+1 pour yn = z (tn ). La m ethode est dite dordre p sil existe une constante C ind ependante de n et hmax telle que |en | Chn hp max . Pour quil en soit ainsi, il faut et il sut que l 1 f [l] (t, y ), (t, y, 0) = hl l+1 0 l p 1.

La m ethode est dite stable de constante de stabilit e S si pour toute suite perturb ee yn telle que yn+1 = yn + hn (tn , yn , hn ) + n , 0 n < N, alors max |yn yn | S |y0 y0 | +
0nN 0n<N

|n |.

Sous cette hypoth` ese, lerreur globale admet la majoration


0nN

|en | ,

max |yn z (tn )| S |y0 z (t0 )| +


0n<N

S (|y0 z (t0 )| + CT hp max ) . Lemme de Gronwall. Si n+1 (1 + hn )n + |n | avec hn , n 0 et n R, alors e(tn ti+1 ) |i | n e(tn t0 ) 0 +
0in1

e(tn t0 ) 0 +
0in1

|i | .

334

Analyse num erique et equations diff erentielles

Si (t, y, h) est -lipschitzienne en y , la m ethode est stable avec constante de stabilit e S = exp (T ), T = tN t0 . M ethode du point milieu : hn yn+ 1 f (tn , yn ) = yn + 2 2 h pn = f tn + n , yn+ 1 2 2 yn+1 = yn + hn pn t =t +h
n+1 n n

du point milieu modi ee : hn yn+ 1 pn1 = yn + 2 2 h pn = f tn + n , yn+ 1 2 2 yn+1 = yn + hn pn t =t +h


n+1 n n

Ces m ethodes sont dordre 2 (celle du point milieu est a ` 1 pas, mais la m ethode modi ee est une m ethode ` a 2 pas). M ethodes de Runge-Kutta : c1 c2 . . . . . cq 0 a21 0 0 ... ... 0 0 0 0 tn,i = tn + ci hn yn,i = yn + hn aij pn,j 1 i q 1j<i pn,i = f (tn,i , yn,i ) tn+1 = tn + hn bj pn,j yn+1 = yn + hn
1j q

aq 1 b1

aq 2 b2

... ...

aqq1 bq 1

0 bq

On a toujours
1j<i

aij = ci ,
1j q

bj = 1.

Constante de stabilit e : S = exp(T ) o` u k = constante de Lipschitz de f et =k


1j q

|bj | 1 + (khmax ) + . . . + (khmax )j 1 ,

= max
i j

|aij |.

Lordre est p si et seulement si les coecients satisfont les relations p2: p3: p4: b j cj = 1 2 1 b j cj = ; 2 b j c3 j = 1 ; 4

b j c2 j =

1 ; 3

bi aij cj =
i,j

1 6 1 ; 8 bi aij ajk ck =
i,j,k

bi aij c2 j =
i,j

1 ; 12

bi ci aij cj =
i,j

1 12

en plus des conditions des ordres 2 et 3.

Formulaire et principaux r esultats

335

Exemples : Ordre 2 : 0 0 1 =
1 2 1 2

Ordre 4 : 0 0
1 2

0
1 2 1 2

0
1 2

0 0
1 2

0 0 0 1
2 6

0 0 0 0
1 6

0 0
1 6

1 : point milieu

0
2 6

= 1 : m ethode de Heun

Chapitre IX : M ethodes ` a pas multiples


Pour une m ethode ` a r + 1 pas de la forme yn+1 = (tn , yn , hn ; . . . ; tnr , ynr , hnr ), r n < N,

lerreur de consistance relative a ` une solution exacte z est en = z (tn+1 ) yn+1 , avec yni = z (tni ), 0 i r.

La m ethode est stable avec constante S si pour toute suite (yn ) telle que yn+1 = (tn , yn , hn ; . . . ; tnr , ynr , hnr ) + n |n | o` u n = max |yi yi |.
rn<N 0in

alors N S r +

La m ethode ` a pas constant hn = h : yn+1 =


0ir

i yni + h
0ir

i fni ,

fn = f (tn , yn )

est dordre p si et seulement si il i lil1 i = (1)l ,


0ir

0 l p.

Elle est stable si et seulement si l equation r+1 0 r . . . r = 0 a toutes ses racines de module 1, celles de module 1 etant simples. Dans ce cas, si

336

Analyse num erique et equations diff erentielles

(1 0 X . . . r X r+1 )1 = n X n et si = sup |n | < +, la constante de stabilit e vaut S = exp (kT |i |). M ethode de Nystr om (ordre 2) : yn+1 = yn1 + 2hfn . M ethode de Milne (ordre 4) : yn+1 = yn3 + h M ethodes dAdams-Bashforth ABr+1 :
tn+1 8 3 4 3 8 3

fn

fn1 +

fn2 .

yn+1 = yn +
tn

pn,r (t)dt = yn + hn
0ir

bn,i,r fni , t tnj , tni tnj

avec pn,r (t) =


0ir

fni Ln,i,r (t), 1 hn


tn+1

Ln,i,r (t) =
j =i 0j r

bn,i,r =

Ln,i,r (t)dt.
tn

+1 Erreur de consistance : |en | |z (r+2) ( )|hn hr max

avec ]tnr , tn+1 [.


n

Constante de stabilit e : S = exp (r kT )

avec r = max
i

|bn,i,r |.

M ethodes dAdams-Moulton AMr+1 :


tn+1

yn+1 = yn +
tn

p n,r (t)dt = yn + hn
1ir

b n,i,r fni

o` u p n,r interpole les points (tn+1 , fn+1 ) . . . (tnr , fnr ).


(r+3) +2 ( )|hn hr Erreur de consistance : |e n | |z max (1 + O (hn )), ]tnr , tn+1 [.
r kT kh 1r max

Constante de stabilit e : S = exp


= max r n 1ir

, avec
r = max |b n,1,r |. n

|b n,i,r |,

Si le pas hn = h est constant, les coecients sont donn es par : r 0 1 2 3 b0,r 1


3 2 23 12 55 24

b1,r

b2,r

b3,r

b 1,r
1 2

b 0,r
1 2 8 12 19 24 646 720

b 1,r

b 2,r

b 3,r

1 2 16 12 59 24
5 12 37 24 9 24

5 12 9 24 251 720

1 12 5 24 1 24 106 720 19 720

264 720

Formulaire et principaux r esultats

337

M ethodes de pr ediction-correction PECE et PEC P : pyn+1 = n,i yn,i + hn n,i fni 0 i r 0 i r E : pfn+1 = f (tn+1 , pyn+1 ) C : E : P : E : C : yn+1 = yn + hn (b n,1,r pfn+1 +
0ir

b n,i,r fni )

fn+1 = f (tn+1 , yn+1 ) pyn+1 =


0ir

n,i yn,i + hn
0ir

n,i pfni

pfn+1 = f (tn+1 , pyn+1 ) yn+1 = yn + hn


1ir

b n,i,r pfni

Erreur de consistance :
|en | 1 + |b n,1,r | khn |en | + bn,1,r | khn |pen |

o` u e n est lerreur de consistance de AMr+1 et pen lerreur de consistance du pr edicteur. Constante de stabilit e:
m ethode PECE : S = exp((r + r (A 1)Bkhmax )kT ) r AkT 1 Bkhmax n

m ethode PEC : o` u A = max


n i

S = exp

|n,i |, B = max
i

|n,i |.

Chapitre X : Stabilit e des solutions et points singuliers dun champ de vecteurs


Stabilit e des solutions. Une solution de valeur initiale z0 en t = t0 est dite stable (resp. asymptotiquement stable) si l ecart entre cette solution et la solution ee sur tout lintervalle [t0 , +[ par de valeur initiale z voisine de z0 reste major u C est une constante (resp. par (t) z z0 o` u lim (t) = 0). C z z0 o`
tt0

Un syst` eme lin eaire Y = AY est asymptotiquement stable (resp. stable) si les valeurs propres complexes de A sont toutes de partie r eelle < 0 (resp. sont ou bien de partie r eelle < 0, ou bien de partie r eelle 0 et le bloc caract eristique correspondant est diagonal).

338

Analyse num erique et equations diff erentielles

M = Courbes int egrales dune equation ddt V (M ) associ ee ` a un champ de vecteurs V (x, y ) = (f (x, y ), g (x, y )) dans le plan. egulier sinon. Pour On dit que M0 = (x0 , y0 ) est un point singulier si V (M0 ) = 0 , r quun point singulier soit asymptotiquement stable, il sut que la matrice A= fx (x0 , y0 ) gx (x0 , y0 ) fy (x0 , y0 ) gy (x0 , y0 )

ait ses valeurs propres de partie r eelle < 0. On dit quun point singulier est non d eg en er e si det A = 0; si 1 et 2 sont les valeurs propres de A, on a alors les di erentes congurations possibles suivantes : 1 , 2 r eelles, distinctes, de m eme signe : nud impropre, de signe oppos e : col. 1 = 2 r eelles et A diagonalisable : nud propre (si champ lin eaire), et A non diagonalisable : nud exceptionnel. 1 , 2 non r eelles de partie r eelle non nulle : foyer, de partie r eelle nulle : centre (si champ lin eaire).

Chapitre XI : Equations di erentielles d ependant dun param` etre


D ependance de la solution. Etant donn e une equation (E ) y = f (t, y, ), y Rm ,

o` u f d epend dun param` etre R et est continue en (t, y, ), la solution y (t, y0 , ) de (E ) de valeur initiale y0 en t = t0 est : continue si f est localement lispchitzienne en y de classe C 1 si f admet des d eriv ees partielles fyj et f continues en (t, y, ). de classe C k+1 si f est de classe C k et admet des d eriv ees partielles fyj , f de classe C k en (t, y, ). Dans ces deux derniers cas, la d eriv ee partielle v (t) = de l equation di erentielle lin earis ee
m

y (t, y0 , 0 ) est la solution

(E0 )

v (t) =
j =1

fyj (t, u(t), 0 )vj (t) + f (t, u(t), 0 )

avec condition initiale v (t0 ) = 0 et avec u(t) = y (t, y0 , 0 ).

Formulaire et principaux r esultats

339

eriv ee Si la valeur initiale est elle-m eme une fonction y0 () de classe C 1 en , la d eme equation lin earis ee partielle v (t) = y (t, y0 (), ) en = 0 satisfait la m (E0 ), avec condition initiale v (t0 ) = y0 (0 ). M ethode des petites perturbations. Si la solution u(t) = y (t, y0 , 0 ) est connue eveloppement limit e et si on peut calculer la solution v (t) de (E0 ), on obtient un d au premier ordre y (t, y0 , ) = u(t) + ( 0 )v (t) + o( 0 ).

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre I. Calculs num eriques approch es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1. Cumulation des erreurs darrondi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Ph enom` enes de compensation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Ph enom` enes dinstabilit e num erique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre II. Approximation polynomiale des fonctions num eriques . . . . . . . . 1. M ethode dinterpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Convergence des polyn omes dinterpolation de Lagrange pn quand n tend vers + . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Meilleure approximation uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Stabilit e num erique du proc ed e dinterpolation de Lagrange . . . . . . . . 5. Polyn omes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre III. Int egration num erique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1. M ethodes de quadrature el ementaires et compos ees . . . . . . . . . . . . . . . . 2. Evaluation de lerreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. M ethodes de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Formule dEuler-Maclaurin et d eveloppements asymptotiques . . . . . . 5. M ethode dint egration de Romberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre IV. M ethodes it eratives pour la r esolution d equations . . . . . . . . . . 1. Principe des m ethodes it eratives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Cas des fonctions dune variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Cas des fonctions de R
m

5 7 7 13 16 18 21 21 30 39 45 50 55 59 59 65 73 77 83 86 93 93 95

dans R

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

342

Analyse num erique et equations diff erentielles

4. Le th eor` eme des fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 5. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

Chapitre V. Equations di erentielles. R esultats fondamentaux . . . . . . . . . . . . 125 1. D enitions. Solutions maximales et globales . . . . . . . . . . . . . . . . . . . . . . . 125 2. Th eor` eme dexistence des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 3. Th eor` eme dexistence et dunicit e de Cauchy-Lipschitz . . . . . . . . . . . . . 139 4. Equations di erentielles dordre sup erieur ` a un . . . . . . . . . . . . . . . . . . . . 146 5. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre VI. M ethodes de r esolution explicite des equations di erentielles 147 155

1. Equations du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 2. Equations du premier ordre non r esolues en y . . . . . . . . . . . . . . . . . . . . . 170 3. Probl` emes g eom etriques conduisant a ` des equations di erentielles du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 4. Equations di erentielles du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 5. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192

Chapitre VII. Syst` emes di erentiels lin eaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 1. G en eralit es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 2. Syst` emes di erentiels lin eaires ` a coecients constants . . . . . . . . . . . . . . 198 3. Equations di erentielles lin eaires dordre p ` a coecients constants . 205 4. Syst` emes di erentiels lin eaires ` a coecients variables . . . . . . . . . . . . . . 5. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 215

Chapitre VIII. M ethodes num eriques ` a un pas . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 1. D enition des m ethodes ` a un pas, exemples . . . . . . . . . . . . . . . . . . . . . . . . 219 2. Etude g en erale des m ethodes ` a un pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 3. M ethodes de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. Probl` 237 247 4. Contr ole du pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244

Chapitre IX. M ethodes ` a pas multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251 1. Une classe de m ethodes avec pas constant . . . . . . . . . . . . . . . . . . . . . . . . . 2. M ethodes dAdams-Bashforth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251 260

3. M ethodes dAdams-Moulton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 4. M ethodes de pr ediction-correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270 5. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274

Table des mati` eres

343

Chapitre X. Stabilit e des solutions et points singuliers dun champ de vecteurs . . . . . . . . . . . . . . . . . . 281 1. Stabilit e des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281 2. Points singuliers dun champ de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . 287 3. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296 Chapitre XI. Equations di erentielles d ependant dun param` etre . . . . . . . . . 299

1. D ependance de la solution en fonction du param` etre . . . . . . . . . . . . . . . 299 2. M ethode des petites perturbations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 3. Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313 R ef erences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317 Index terminologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319 Index des notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323 Formulaire et principaux r esultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325

Table des mati` eres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341