Vous êtes sur la page 1sur 49

INTRODUCTION LANALYSE NUMRIQUE

Jean-Antoine Dsidri, INRIA


Version compile le 28 octobre 1998

Table des matires


1 Complments dAlgbre Linaire 1.1 Disques de Gershgorin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Thorme de Bendixon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Approximation Polynomiale 2.1 Formule(s) de Taylor . . . . . . . . 2.2 Interpolation de Lagrange . . . . . . 2.3 Forme de Newton . . . . . . . . . . 2.4 Polynmes orthogonaux . . . . . . 2.4.1 Polynmes de Legendre . . 2.4.2 Polynmes de Tchebychev . 2.5 Approximation par Moindres Carrs 2.6 Meilleure Approximation . . . . . . 2.7 Phnomne de Runge . . . . . . . . 7 7 8 11 11 12 12 13 14 15 15 16 17 19 19 20 20 21 21 21 23 24 29 29 29 29 30 30 31 32 33 34 37 39 41 42 46

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Equations Diffrentielles 4.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.1 Equation diffrentielle dordre n . . . . . . . . . . . . . . . . . . 4.1.2 Forme canonique . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.3 Equation diffrentielle linaire homogne . . . . . . . . . . . . 4.1.4 Equation diffrentielle linaire homogne coefcients constants 4.1.5 Equation diffrentielle linaire non homogne. . . . . . . . . . . 4.1.6 Analogie quations diffrentielles/quations aux diffrences . . . 4.2 Intgration numrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 Intgration numrique par dveloppement de Taylor . . . . . . . 4.2.2 Mthodes de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . 4.2.3 Mthodes Multipas . . . . . . . . . . . . . . . . . . . . . . . . 4.2.4 Mthodes prdicteur-correcteur . . . . . . . . . . . . . . . . . . 4.2.5 Notion de stabilit . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.6 Un exemple danalyse de mthode . . . . . . . . . . . . . . . . . 3

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

4 Nota Bene

TABLE DES MATIRES

Les chapitres 1, 2 et 3 qui suivent ne constituent pas un cours mais rassemblent les principaux rsultats (gnralement sans dmonstration, ni illustration) dun premier cours sur lapproximation numrique des fonctions, de leurs drives et de leurs intgrales, et prparent au chapitre 4 portant sur la rsolution numrique des quations diffrentielles.

TABLE DES MATIRES


Notations densembles:
N R C

C n (]a; b )

les entiers naturels les rels les complexes les fonctions de ]a; b dans R

n fois continment drivables

TABLE DES MATIRES

Chapitre 1

Complments dAlgbre Linaire


1.1 Disques de Gershgorin
Dnition 1.1 Disques de Gershgorin. Etant donn une matrice carre A dont les lments {ajk } (j = 1; 2; :::; n ; k = 1; 2; :::; n) sont des complexes, on associe chaque ligne j le disque ferm Dj dont le centre est llment diagonal P ajj et le rayon la somme des modules des lments extra-diagonaux Rj = n k=1; k6=j jajk j. Thorme 1.1 Thorme de Gershgorin. Avec les notations prcdentes : Toute valeur propre de la matrice A appartient lun au moins des disques de Gershgorin, i.e. :

8 2 Sp (A) ; 9 j tel que 2 Dj :


De manire quivalente, ce thorme prcise que le spectre de A, not Sp (A), est globalement inclus dans la runion des disques de Gershgorin, ce qui permet dexclure la rgion du plan complexe qui est extrieure cette runion :

Sp (A)
Exemple 1.1 La matrice relle

n j =1

Dj :

04 A=@ 1

2 1 5 3 2 4 7

1 A

est diagonale dominante stricte car chaque lment diagonal dpasse strictement la somme (des valeurs absolues) des lments extra-diagonaux de la mme ligne. En construisant les disques de Gershgorin,

D1 : disque de centre 4 de rayon 2+1=3 D2 : disque de centre 5 de rayon 1+3=4 D3 : disque de centre 7 de rayon 2+4=6
on constate ici que D1 D2 D3 . Par consquent, propre de A. La matrice A est donc inversible.

Sp (A)
7

D3 et en particulier = 0 nest pas une valeur

CHAPITRE 1. COMPLMENTS DALGBRE LINAIRE

8 D3 D2 D1

-2

-4

-6

-8 -5 0 5 10 15

1.2 Thorme de Bendixon


Dnition 1.2 Matrice Adjointe. Etant donn une matrice carre A dont les lments sont complexes, la matrice adjointe de A est note A et sobtient par transposition et conjugaison de la matrice A :

A = AT akj .)
(En dautres termes, si on pose A = fajk g et A

= fa jk g (j = 1; 2; :::; N ; k = 1; 2; :::; N ), alors 8 j ; 8 k ; a jk = = AT (matrice transpose).

En particulier, si les lments de A sont rels, A

Dnition 1.3 Matrice Hermitienne. Une matrice carre H dont les lments sont complexes est dite hermitienne si elle est gale sa matrice adjointe :

H =H

En particulier, une matrice relle hermitienne S est une matrice relle-symtrique (S T Dnition 1.4 Matrice Unitaire. Une matrice son adjoint, ou de manire quivalente ssi :

= S ).

U est dite unitaire si elle est inversible et si son inverse est gal

U U =UU =I: Ceci signie que les vecteurs colonnes de la matrice U sont orthonorms (orthogonaux et normaliss); ils forment donc une base orthonormale. En particulier, une matrice relle unitaire O est une matrice orthogonale (OT O = O OT = I ).
Thorme 1.2 Toute matrice hermitienne H est diagonalisable par une transformation unitaire et ses valeurs propres sont relles : H = U U (U U = U U = I ; diagonale et relle) De plus, si on dnit pour tout vecteur non-nul z

2 C N , le quotient de Rayleigh suivant


R(z ) = zz Hz z

1.2. THORME DE BENDIXON

(o z est le vecteur ligne z T ), et si on note min et max la plus petite et la plus grande valeurs propres de H , on a :

min = z2Cmin N ; z6=0 R(z ) ;

max max = z2C N ; z6=0 R(z ) ;

le minimum (resp. maximum) tant atteint lorsque le vecteur associ la valeur propre min (resp. max ).

z est prcisement un vecteur propre non-nul de H

Thorme 1.3 (Corollaire.) Toute matrice relle-symtrique S est diagonalisable par une transformation orthogonale et ses valeurs propres sont relles :

S = O D OT (O; D relles; OT O = O OT = I ; D diagonale)


De plus, si on dnit pour tout vecteur non-nul x 2 RN , le quotient de Rayleigh suivant

T R(x) = xxTSx x
et si on note min et max la plus petite et la plus grande valeurs propres de S , on a :

min min = x2R N ; x6=0 R(x) ;

max max = x2R N; x6=0 R(x) ;

le minimum (resp. maximum) tant atteint lorsque le vecteur x est prcisment un vecteur propre non-nul de S associ la valeur propre min (resp. max ). Thorme 1.4 (Bendixson.) Soit A une matrice carre quelconque dont les lments sont complexes. On pose :

A ; H =A A H1 = A + 2 2 2i
de sorte que H1 et H2 sont des matrices hermitiennes et

A = H1 + i H2 :
Soient a;

b; c; d les rels suivants : a = min (H1 ) ; b = max (H1 ) c = min (H2 ) ; d = max (H2 ) :

Alors, pour toute valeur propre

de la matrice A, on a :

a <( ) b c =( ) d : A:
Dans le cas dune matrice relle A

= A, les matrices H1 et iH2 sont les parties symtrique et anti-symtrique de


T T

A df A A df H1 = A + = S ; iH = 2 2 T 2 = ; T S =S; = :

10 Le rectangle ci-dessous :

CHAPITRE 1. COMPLMENTS DALGBRE LINAIRE

a; b]

c; d] est alors symtrique par rapport laxe des imaginaires, comme le schmatise la gure

=
d Sp( )

Rectangle contenant Sp(A)

Sp(S ) a b

<

(=

c d)

Chapitre 2

Approximation Polynomiale
2.1 Formule(s) de Taylor
Thorme 2.1 Si f

2 C m ( 0; T ]) on a
f (x) =
k=0

m X1 xk

1 (k) k! f (0) + (m 1)!

Zx
0

(x y)m 1 f (m)(y) dy = a (a est un rel

pour tout x 2

0; T ]. (Reste intgral).

Dnition 2.1 Soient u et v des fonctions de la variable relle x dnies dans un voisinage de x ou lun des symboles +1, 1 ou 1). De plus, v est valeurs dans R. (1) Grand O. On dit que

quand x ! a, ssi le rapport u(x)=v (x) reste born dans cette limite, i.e. il existe un rel positif B et un voisinage Va de a tels que :

u(x) = O (v(x))

8 x 2 Va : ku(x)k B jv(x)j :
u(x) = o v(x)

(2) Petit o. On dit que

quand x ! a, ssi le rapport u(x)=v (x) tend vers 0 dans cette limite. Thorme 2.2 (Mmes hypothses sur f .) On a

f (x)
quand x ! 0. Thorme 2.3 (Mmes hypothses sur f .) On a

m X1 xk k=0

(k) m k! f (0) = O x

f (x)

m xk X k=0

(k) m k! f (0) = o x

quand x ! 0. (Attention la sommation va jusqu m.) 11

12 Thorme 2.4 (Thrm de la moyenne) Soient

CHAPITRE 2. APPROXIMATION POLYNOMIALE

9 c 2 a; b] t-q.

Zb
a

et

2 C a; b] , valeurs dans R, et
(t) (t) dt = (c)
m X1 xk k=0

Zb
a

0. On a :

(t) dt:
m

Thorme 2.5 (Mmes hypothses sur f .) On suppose de plus que f est valeurs dans R . Alors :

8 x 2 0; T ]; 9 c 2 0; x]; t-q. f (x)


2.2 Interpolation de Lagrange

x (m) (k) k! f (0) = m! f (c) :

Thorme 2.6 Soit f une fonction de la variable relle x, valeurs dans R et dnie sur lintervalle a; b]; soit n un entier et {x0 ; x1 ; :::; xn } n + 1 points distincts de a; b]; il existe un polynme et un seul Pn (x) de degr au plus gal n tel que : 8 i 2 N et i n : Pn (xi ) = f (xi ) Dnition 2.2 Le polynme Pn (x) est appel polynme dinterpolation de Lagrange de la fonction {x0 ; x1 ; :::; xn }. (Le PIL.) Expression du PIL :

aux points

Pn (x) =
o :

n X i=0

f (xi ) Li (x)

Y x xj 0 )(x x1 ):::(x xi 1 )(x xi+1 ):::(x xn ) = Li (x) = (x(x xx)( i 0 xi x1 ):::(xi xi 1 )(xi xi+1 ):::(xi xn ) j =0;:::;n et j 6=i xi xj
2 C n+1 a; b] . Alors : 8 x 2 a; b] ; 9c 2]a; b
t-q. : f (x)

Thorme 2.7 Mmes hypothses, mais on suppose de plus que f

(La quantit en (x) = f (x)

Pn (x) est appele erreur dinterpolation de f au point x.)

(n+1) (c) Pn (x) = (x x0 )(x x1 ):::(x xn ) f(n + 1)!

2.3 Forme de Newton


Dnition 2.3 (Diffrences divises) Soient y0 ; y1 ; ::: des symboles reprsentant des abscisses toutes distinctes du domaine de dnition a; b] de la fonction f . On introduit rcursivement les dnitions suivantes :

f y0 ] = f (y0 )

(8 y0 2 a; b])

y0; y1 ; :::; yk ] (8 y ; y ; :::; y 2 a; b] distincts) f y0 ; y1 ; :::; yk+1 ] = f y1 ; y2 ; :::; yyk+1 ] f 0 1 k+1 k+1 y0 La quantit f y0 ; y1 ; :::; yk ] ainsi calcule est appele k -me diffrence divise de f aux points y0 ; y1 ; :::; yk .

. . .

f y0] (8 y ; y 2 a; b] distincts) f y0 ; y1 ] = f yy1] y 0 1 1 0 y0 ; y1 ] (8 y ; y ; y 2 a; b] distincts) f y0 ; y1 ; y2 ] = f y1 ; yy2 ] f 0 1 2 2 y0

2.4. POLYNMES ORTHOGONAUX

13

A partir dune suite particulire de valeurs deux deux distinctes {xi }, on peut construire ainsi une Table des Diffrences Divises comme suit :

xi

f :]

f :; :] f x0 ; x1 ] f x1 ; x2 ] f x2 ; x3 ]

f :; :; :]

f :; :; :; :]

x0 f x0 ] x1 f x1 ] x2 f x2 ] x3 f x3 ]

f x0 ; x1 ; x2 ] f x1 ; x2 ; x3 ]

f x0 ; x1 ; x2 ; x3 ]

Thorme 2.8 Le polynme dinterpolation de Lagrange de la fonction f aux points {x0 ; x1 ; :::; xn }, Pn (x), peut se mettre sous la forme suivante dite forme de Newton du PIL base sur les points {x0 ; x1 ; :::; xn 1 } :

Pn (x) = f x0 ] + f x0 ; x1 ] (x x0 ) + f x0 ; x1 ; x2 ] (x x0 )(x x1 ) + ::: +f x0 ; x1 ; :::; xn ] (x x0 )(x x1 ):::(x xn 1 ) i 1 n Y X = f x0 ; x1 ; :::; xi ] (x xj )

Q o par convention
Thorme 2.9 Soit

i=0

j =0

j =0 (x

xj ) = 1. ai = f x0 ; x1 ; :::; xi ]

2 a; b] une valeur particulire de x. On pose

et on construit la suite {bi } comme suit :

bn = an bi = ai + (
Alors :

xi ) bi+1

(i = n 1; n 2; :::; 1; 0)

b0 = Pn ( ) :

2.4 Polynmes orthogonaux


Dans cette section, w est une fonction dnie-continue et valeurs strictement positives sur ]a; b . De plus, lintgrale

Zb
a

w(x) dx

existe.

Dnition 2.4 (Produit Scalaire) Etant donn deux fonctions continues sur [a,b], on dnit leur produit scalaire comme suit :

< u; v >w =

Zb
a

u(x) v(x) w(x) dx :

14

CHAPITRE 2. APPROXIMATION POLYNOMIALE

Dnition 2.5 (Orthogonalit) Deux fonctions u et v dnies-continues sur

< u; v >w = 0 :

a; b] sont dites orthogonales ssi : deg ( i (x)) =

i; 8 i. Cette suite est unique une normalisationprs.

Thorme 2.10 Il existe une suite innie de polynmes (deux deux) orthogonaux { i (x)} tels que Construction : (Processus dorthogonalisation de Gram-Schmidt) On cherche i (x) sous la forme

i (x) = Ki xi + ci;i 1 i 1 (x) + ci;i 2 i 2 (x) + ::: + ci;0 0 (x) Les constantes ci;i 1 , ci;i 2 , ..., ci;0 sont dtermines de manire unique par les conditions : < i ; i 1 >w =< i ; i 2 >w = ::: =< i ; 0 >w = 0 et la constante (non-nulle) de normalisation Ki est arbitraire.
Thorme 2.11 La famille { 0 (x); 1 (x); Thorme 2.12 Thorme 2.13

:::; k (x)} forment une base des polynmes de degr au plus gal k. Si p est un polynme de degr strictement infrieur k , alors p est orthogonal k . Les k zros du polynme k sont simples, rels et appartiennent lintervalle ouvert ]a; b .
i+1 (x) = Ai (x

Thorme 2.14 Les polynmes orthogonaux satisfont la relation de rcurrence trois niveaux suivante :

Bi ) i (x) Ci i 1 (x)

(i = 0; 1; :::; k 1)

o :

Ai = Ki+1 =Ki 1 (x) = 0 (conventionnellement) Bi =< x i ; i >w =Si Ci = Ai Si = (Ai 1 Si 1 ) Si =< i ; i >w :
Notation : Lk (x). Ces polynmes correspondent au cas o

2.4.1 Polynmes de Legendre

w(x) = 1

a; b] = 1; 1] et

de sorte quici :

< u; v >=
Ils satisfont la relation de rcurrence suivante :

Z1
1

u(x) v(x) dx :

(x) kLk 1 (x) : Lk+1 (x) = (2k + 1)xLk k+1

Lk (x)

0 1 1 x 2 (3=2) (x2 1=3) 3 (5=2) x3 (3=5) x] 4 (35=8) x4 (6=7) x2 + 3=35]

2.5. APPROXIMATION PAR MOINDRES CARRS

15

2.4.2 Polynmes de Tchebychev


Notation : Tk (x). Ces polynmes correspondent au cas o

a; b] = 1; 1] et

w(x) = p 1
de sorte quici :

1 x2 1 x2

< u; v >=
Ils satisfont la relation de rcurrence suivante :

Z 1 u(x) v(x) p dx :
1

Tk+1 (x) = 2x Tk (x) Tk 1 (x) :


On a galement :

8 k 2 N ; 8 2 R : Tk (cos ) = cos k :
k Tk (x) xk

0 1 T0 1 x T1 2 2x2 1 (T0 + T2 )=2 3 4x3 3x (3T1 + T3 )=22 4 2 4 8x 8x + 1 (3T0 + 4T2 + T4)=23 5 3 5 16x 20x + 5x (10T1 + 5T3 + T5 )=24 6 4 2 6 32x 48x + 18x 1 (10T0 + 15T2 + 6T4 + T6)=25 7 64x7 112x5 + 56x3 7x (35T1 + 21T3 + 7T5 + T7)=26

2.5 Approximation par Moindres Carrs


Thorme 2.15 Soit f de la quantit :

2 C ( a; b]). Il existe un polynme p

de degr au plus gal k qui ralise un minimum global

E (p) = kf pk2 =< f p ; f p >w =


k X i=0

Zb
a

(f (x) p(x))2 w(x) dx ;

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

p (x) =
o :

i i (x)

i=
(o Si

=< i ; i >w ).

< f ; i >w Si

16

CHAPITRE 2. APPROXIMATION POLYNOMIALE

2.6 Meilleure Approximation


Soit f une fonction (au moins) dnie-continue sur a; b]. On souhaiterait identier le choix des points dinterpolation {xi } (i n) pour lequel le PIL, Pn (x), ralise la meilleure approximation de f au sens de la norme innie, cest--dire le minimum de la quantit :

e(x0 ; x1 ; :::; xn ) = xmax jf (x) Pn (x)j 2 a;b]


La solution de ce problme nest pas connue en gnral. Cependant, lorsque f 2 C n+1 ( a; b]), la forme connue de lerreur dinterpolation en (x) = f (x) Pn (x) suggre dintroduire dans ce cas la dnition suivante : Dnition 2.6 (Meilleure Approximation.) On appelle meilleure approximation de f par un polynme de degr au plus gal n, le PIL de f , Pn (x), associ aux points dinterpolation {x0 ; x1 ; :::; xn } pour lesquels la quantit suivante est minimale :

x2 a;b]

max j(x x0 )(x x1 ):::(x xn )j :

Thorme 2.16 La meilleure approximation de f par un polynme de degr au plus gal n est ralise par le choix suivant des points dinterpolation :

o 0 ; 1 ;

::: n sont les zros du polynme de Tchebychev de degr n + 1, savoir : (2i + 1) (i = 0; 1; :::; n) : i = cos 2(n + 1)

a b a xi = b + 2 + 2 i

(i = 0; 1; :::; n)

2.7. PHNOMNE DE RUNGE

17

2.7 Phnomne de Runge


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

Cas I : f (x) =

1 1 + x2
2

2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 fort.1 fort.2 fort.3 fort.4 [1,2] [1,2] [1,2] [1,2]

1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 -1 -0.8 -0.6 -0.4 -0.2 0 0.2

fort.11 fort.12 fort.13 fort.14

[1,2] [1,2] [1,2] [1,2]

0.4

0.6

0.8

Cas II : f (x) =

1 1 + 5 x2
2

2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 fort.1 fort.2 fort.3 fort.4 [1,2] [1,2] [1,2] [1,2]

1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 -1 -0.8 -0.6 -0.4 -0.2 0 0.2

fort.11 fort.12 fort.13 fort.14

[1,2] [1,2] [1,2] [1,2]

0.4

0.6

0.8

18

CHAPITRE 2. APPROXIMATION POLYNOMIALE

Cas III : f (x) =

1 1 + 20 x2
2

2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 fort.1 fort.2 fort.3 fort.4 [1,2] [1,2] [1,2] [1,2]

1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 -1 -0.8 -0.6 -0.4 -0.2 0 0.2

fort.11 fort.12 fort.13 fort.14

[1,2] [1,2] [1,2] [1,2]

0.4

0.6

0.8

Agrandissement du cas III.(a) :

fort.1 fort.2 fort.3 fort.4

[1,2] [1,2] [1,2] [1,2]

-2

-4

-6

-8

-10 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

Chapitre 3

Diffrentiation et Intgration Numriques


3.1 Introduction
Ce chapitre traite de lapproximation numrique dune quantit de la forme o f 2 C k a; b] (k gnraux suivants :

n + 1) (au moins) et L est un oprateur linaire. En particulier, on sintresse aux problmes

L(f )

- approximation de drives telles que f 0 (a), f 00 (a), etc : diffrentiation numrique; - approximation dintgrales dnies telles que a f (x) dx, a 1 2 f (x) sin (k x) dx, etc : intgration numrique. 0

Rb

R b f (x) w(x) dx,

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

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


On considrera presque toujours une interpolation de Lagrange aux points {x0 ; x1 ;

Pn (x) = Li (x) =

n X i=0

::: ; xn } :

f (xi ) Li (x)

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

x xj j =0;1;:::;n; j 6=i xi xj n n+1 ( ) Y en (x) = (x xi ) f (n + 1)! i=0

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

L ( Pn ) =

n X i=0
19

ai f (xi )

20

CHAPITRE 3. DIFFRENTIATION ET INTGRATION NUMRIQUES

est lapproximation de L(f ) dans laquelle interviennent les coefcients ou poids suivants :

ai = L(Li )
et

En = L(en )
est lerreur commise. Cette erreur sanalysera cas par cas en faisant une hypothse de rgularit plus ou moins forte sur f . Dun point de vue algorithmique, on note que dans lapproximation L (Pn ), les poids ai ne dpendent pas de f , mais seulement du type et du degr de linterpolation et de la localisation des points dinterpolation : en ce sens, on dit que la formule est une rgle (de diffrentiation, dintgration, etc).

3.2 Diffrentiation Numrique


Il convient de noter que la diffrentiation numrique est une opration instable en gnral; la justication des formules qui suivent repose donc sur une hypothse de rgularit aussi, et suivant le cas, plus forte que f 2 C n+2 a; b] .

3.2.1 Drive premire


En appliquant la mthode gnrale au cas o :

L (f ) = f 0 (xk )
on obtient :

0 En (xk ) = e0n(xk ) = @
Ltudiant est invit identier les valeurs de n, suivants :

0 (xk ) + En (xk ) f 0 (xk ) = Pn

Y
i=0 i

1 n+1 k ) (xk xi ) A f(n +(1)! n; i6=k

k et {xi } pour lesquelles la formule ci-dessus fournit les rsultats

) f (a) h f 00 (c ) f 0 (a) = f (a + hh 1 2 + h) f (a + 2h) + h2 f 000 (c ) = 3f (a) + 4f (a 2 2 h 3 = f (a + h) 2h f (a h)

h2 f 000 (c ) 3 6

3.3. INTGRATION NUMRIQUE

21

3.2.2 Drives dordre suprieur :


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

(a) + f (a + h) h2 f (4)(c ) f "(a) = f (a h) 2f 4 h2 12 f (a + h) + f (a) f 000 (c )h = f (a + 2h) 2h 5 2

3.3 Intgration Numrique


3.3.1 Rgles dintgration lmentaires
Ce sont des formules dapproximation de lintgrale dnie

I (f ) =

Zb
a

f (x) dx

dans lesquelles on utilise un nombre xe de valeurs de f (x). La mthode gnrale donne :

I (f ) = I (Pn ) + En
o :

I (Pn ) =
est lapproximation numrique de lintgrale, et

Zb
a

Pn (x) dx

En =
est lerreur dintgration.

Zb
a

en (x) dx ;

Notons que lintgration numrique est une opration stable : il suft que linterpolation soit prcise pour que lintgration le soit. En effet, on a limplication :

9 " > 0 tel que 8 x 2 a; b] ; jen (x)j " =) jEn j "(b a) :


Pour diffrents choix du type et du degr de linterpolation et des points dinterpolation, on obtient diffrentes rgles dintgration classiques :

22

CHAPITRE 3. DIFFRENTIATION ET INTGRATION NUMRIQUES

I (Pn ) = (b a) f (a) 0 2 En = 1 2 f (c)(b a)

Rgle du Rectangle

b I (Pn ) = (b a) f ( a+ 2 3) 1 00 En = 24 f (c)(b a)
o

Rgle du Point Milieu

I (Pn ) = (b a) f (a) + f (b)] =2 1 f 00 (c)(b a)3 En = 12


o

Rgle du Trapze

3.3. INTGRATION NUMRIQUE

23

I (Pn ) = 1 6 (bb a) f (a) + 4 f ( a+ 2 ) + f (b) 1 f 0000 (c) b a 5 En = 90 2


o o

Rgle de Simpson

I (Pn ) = (b a) f (a) + f (b)] =2 1 (b a)2 f 0 (a) f 0 (b)] + 12 1 f 0000 (c) (b a)5 En = 720
o

Rgle du Trapze Corrige

a
3.3.2 Rgles dintgration composes

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

Il sagit encore dapprocher numriquement lintgrale dnie

I (f ) =
mais ici, on subdivise dabord lintervalle

Zb
a

f (x) dx

a; b] :

xi = a + ih ; h = b N a ; i = 0; 1; :::; N ;
et on note :

fi = f (xi ) ; fi

1 2

1 )h : = f a + (i 2

On applique alors une rgle dintgration lmentaire chaque sous-intervalle xi 1 ; xi ] et on somme les quations obtenues pour obtenir la rgle dintgration compose (dans laquelle le terme derreur est simpli au moyen du thorme de la moyenne). Rgle compose du rectangle :

I (f ) = h
Rgle compose du point central :

N X i=1

)f 0 ( 1 ) h fi 1 + (b a2 )f "( 2 ) h2 + (b a24

I (f ) = h

N X i=1

fi

1 2

24 Rgle compose du trapze :

CHAPITRE 3. DIFFRENTIATION ET INTGRATION NUMRIQUES

I (f ) = h
Rgle compose de Simpson :

N X1 i=1

(b a)f "( 3 ) h2 fi + h 2 (f0 + fN ) 12

N N X X1 fi f + f + 4 f + 2 I (f ) = h i N 6 0 i=1 i=1
Rgle compose et "corrige" du trapze :

"

#
1 2

(b a)f (4) ( 4 ) h 180 2

I (f ) = h

N X1 i=1

h2 f 0 (a) f 0 (b)] + (b a)f (4) ( 5 ) h4 ( f + f ) + fi + h 0 N 2 12 720

3.3.3 Rgles dintgration de Gauss


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

I (f ) =

Zb
a

f (x) dx

existe sous des hypothses bien moins fortes. Par exemple, il est sufsant que :

8 f 2 C 0 (]a; b ) , et > > 1 < dans un voisinage de x = a+ : f (x) = O ( x a) ; < 1 ; et > > : dans un voisinage de x = b : f (x) = O (b 1x) ; < 1 :
w(x) de la
) w(x) = (x a) (x (b x)

Plaons-nous donc dans le cadre o ces hypothses sont vries et choisissons une fonction poids forme :

o la fonction dnies

(x) est continue sur a; b], valeurs strictement positives et sufsamment simple pour que les intgrales

Zb
a

xi w(x) dx

(i 2 N ) dont les hypothses garantissent lexistence, aient des valeurs connues. Supposons enn que la fonction quotient

f (x) g(x) = w (x)

(dont on sait quelle est borne) soit une fonction rgulire cest--dire au moins continue sur lintervalle ferm et de prfrence de classe C 1 ( a; b]). Ainsi I (f ) apparat comme lintgrale pondre suivante :

a; b]

I (f ) = Jw (g) =

Zb
a

g(x) w(x) dx :

3.3. INTGRATION NUMRIQUE


En introduisant sur les fonctions continues sur

25

a; b] le produit scalaire suivant :


: < u; v >w =

u;
on peut aussi crire

v 2 C 0 ( a; b])

Zb
a

u(x) v(x) w(x) dx ;

I (f ) =< g; 1 >w : La technique de quadrature gaussienne pour approcher I (f ) consiste alors effectuer les tapes suivantes : 1. Construire la suite { 0 (x); 1 (x); :::; n+1 (x)} des polynmes orthogonaux au sens du produit scalaire dni
ci-dessus.

2. Choisir les n + 1 zros du polynme n+1 (x) (dont on sait quils appartiennent tous ]a,b[) comme points dinterpolation :

x0 = 0 ; x1 = 1 ; :::; xn = n ; et construire le polynme dinterpolation Pn (x) de g :


o

g(x) Pn (x) = g(x0 ) L0 (x) + g(x1 ) L1(x) + ::: + g(xn ) Ln (x) Li (x) = x xj x j=0 j n; j 6=i i xj

Alors :

I (f ) = Jw (g) Jw (Pn ) = A0 g( 0 ) + A1 g( 1 ) + ::: + An g( n ) = a0 f ( 0 ) + a1 f ( 1 ) + ::: + an f ( n ) Ai = Jw (Li ) =


Consquences : - Dun point de vue algorithmique, si a; b; w(x) ont des valeurs "standard", les polynmes { i (x)} et {Li (x)} sont connus lavance indpendamment de f . De mme pour les coefcients Ai (ou ai ) de la formule nale que lon trouve dans une table douvrage spcialis. Seules les valeurs de g (ou de f ) sont calculer (= notion de rgle). - Du point de vue de la prcision de lapproximation, le rsultat suivant sapplique : Thorme 3.1 Si g

Zb
a

o :

i Li (x) w(x) dx ; ai = wA (x ) i

2 C 2n+2 ( a; b]), lerreur commise sur lintgrale de f peut se mettre sous la forme :
g2n+2 ( ) En = cn (2 n + 2)!

o cn

Zb
a

n+1 (x)=Kn+1 ]

w(x) dx, Kn+1 est le coefcient du terme en xn+1 de n+1 (x) et 2]a; b .

26

CHAPITRE 3. DIFFRENTIATION ET INTGRATION NUMRIQUES


En particulier, la formule est exacte lorsque g est un polynme quelconque de degr au plus gal 2n + 1. Zros des polynmes de Legendre, i , et poids de Gauss, Ai , associs la formule de quadrature en ces points

Le tableau suivant est tir de Conte & de Boor. Il donne les zros { i } des premiers polynmes de Legendre et les poids {Ai } qui interviennent dans la formule de quadrature de Gauss associe ces points : Points et Poids de Gauss pour n = 1; 2; 3; 4:

n
1 2 3 4

f i g (i = 0; 1; :::; n)
1 2 2 3 4 3

fAi g (i = 0; 1; :::; n)
A1 = A0 = 1: A1 = :88888889 A2 = A0 = :55555556 A2 = A1 = :65214515 A3 = A0 = :34785485 A2 = :56888889 A4 = A0 = :23692689 A3 = A1 = :47862867

= = = = = =

0 = 0:57735027 1=0 0 = :77459667 1 = :33998104 0 = :86113631 2=0 0 = :90617985 1 = :53846931

(Des donnes plus compltes sont fournies par les ouvrages donnant des tables numriques.) Ces donnes sont utilisables lorsque la famille de polynmes orthogonaux est bien celle des polynmes de Legendre. Ceci exige que le produit scalaire soit dni comme suit :

< u; v >w =
En dautres termes, les choix suivants sont imposs :

Z1

u(x) v(x) dx :

a = 1 ; b = 1 ; w(x) = 1 :
Le cas chant, on doit donc au pralable, se ramener ce cas par changement de variable, et crire forme :

I (f ) =

Z1

I (f ) sous la

g(t) dt

Alors la formule de quadrature gaussienne scrit comme suit :

I (f ) A0 g( 0 ) + A1 g( 1 ) + ::: + Ak g( n )
o les {Ai } et les { i } sont fournis ci-dessus. A titre dillustration, considrons lexemple suivant tir de Conte & De Boor : Soit calculer une approximation de lintgrale

I=

Z1
0

e x2 dx :

Lintgrande nayant aucune singularit, on peut choisir la fonction poids

w(x) = 1

3.3. INTGRATION NUMRIQUE

27

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

g(t) = (1=2) exp (t + 1)2 =4 :

L5 (x); ceux-ci sont fournis par le tableau prcdent, et la formule de quadrature gaussienne scrit :
I
4 X

Dans le cas de

n = 4, on prend comme points dintgration les 5 zros du polynme de Legendre de degr 5, Ai g( i ) = (0:56888889) g(0)] + (:23692689) g(:90617985) + g( :90617985)] +(:47862867) g(:53846931) + g( :53846931)]
= :74682413

i=0

Daprs Conte et De Boor, les 8 chiffres aprs la virgule de cette approximation sont exacts, et pour atteindre une prcision comparable il aurait fallu subdiviser lintervalle en 20 dans le cas dune application de la rgle de Simpson, et en 2800 dans le cas dune application de la rgle du trapze, alors quici, seulement 5 valuations de la fonction ont suf. (Ltudiant est invit vrier ce rsultat partir des expressions connues des termes derreur.)

28

CHAPITRE 3. DIFFRENTIATION ET INTGRATION NUMRIQUES

Chapitre 4

Equations Diffrentielles
4.1 Rappels
4.1.1 Equation diffrentielle dordre n
(n 2 N ) On dit que la fonction f est sur lintervalle

a; b], une solution de lquation diffrentielle dordre n ; y(n


1)

y(n) =

x; y; y0 ;

()

(dans laquelle est une fonction rgulire de ses arguments), ssi a) f 2 C n (]a; b ), et b) 8x 2]a; b ; (*) est vrie lorsquon substitue f (x) y , f 0 (x) y 0 , ..., f (n) (x) y (n) .

4.1.2

Forme canonique

En posant

0 y 1 B y0 C C 2 Rn Y =B B A @ ... C
y(n
1)

on ramne (*) une quation diffrentielle dordre 1 dans laquelle linconnue est une application de R dans Rn

Y : R ! Rn Y 0 = (x; Y )
o

( )

0 B B (x; Y ) = B B B @

y0 y00 y(n 1) (x; y; y0 ; ; y(n 1) )


. . .

1 C C C C C A

Remarque : Pour dnir compltement un problme diffrentiel, il convient dadjoindre lquation diffrentielle un systme compatible et complet de conditions qui peuvent tre : - initiales 29

30 Exemple : Equation du pendule :

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

J 00 + mg sin = 0 (0) = 0 ; 0 (0) = 0


(Plus gnralement le problme :

(n = 2, 2 conditions)

() 0; y(a) = ya ; y0 (a) = ya
ou bien

(n ; y(n 1)(a) = ya

1)

( ) Y (a) = Ya

est appel problme de Cauchy) - aux limites Exemple :

y00 = (x; y; y0 ) y(0) = ; y(1) =

(n = 2, 2 conditions)

4.1.3 Equation diffrentielle linaire homogne


: Dnitions : (*) est linaire homogne lorsque est linaire par rapport y; y 0 ; ; y(n 1) , ou de manire quivalente, (**) est linaire homogne lorsque (x; Y ) est linaire par rapport Y

(x; Y ) = A(x)Y
NB : Cette dnition nexclut pas la possibilit que Lquation diffrentielle peut alors scrire sous la forme:

(ou ) dpende de x.

Ly df = an (x)y(n) + an 1 (x)y(n ()

1) +

+ a0 (x)y = 0

Thorme: Lensemble des solutions est un espace vectoriel de dimension n, Si y1 (x); y2 (x); ; yn (x) sont n solutions indpendantes de lquation diffrentielle (*) suppose linaire, alors la solution gnrale de cette quation est de la forme :

y(x) = C1 y1 (x) + C2 y2 (x) +


o C1 ; C2 ;

+ Cn yn (x)

; Cn sont des constantes arbitraires.

4.1.4 Equation diffrentielle linaire homogne coefcients constants


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

Ly df = an y(n) + an 1 y(n

1) +

+ a0 y = 0

4.1. RAPPELS
o les coefcients an ; an 1 ;

31

; a0 sont ici des constantes, et (**) devient : Y 0 = AY

0 B B A =B B B @

0
a0 an

1 0
a1 an

..

1
.

..

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

an 1 an

1 C C C C C A

y(x) = erx

(r 2 C )

Par simple substitution dans lquation diffrentielle on obtient la condition sur Cette condition scrit aprs simplication

r pour que y(x) soit une solution.

P (r) df = an r n + an 1 r n 1 +

+ a0 = 0

ce qui constitue lquation caractristique. Lorsque les solutions r1 ; r2 ; ; rn en sont distinctes, on obtient n solutions indpendantes y1 (x); y2 (x); ; yn(x) avec yi (x) = eri x qui forment une base de lespace vectoriel de dimension n des solutions. La solution gnrale est une combinaison linaire arbitraire de ces solutions particulires. Dans le cas contraire, notons r1 , r2 , ..., rk (k < n) les racines distinctes et 1 , 2 , ..., k leurs multiplicits respectives de sorte que:

1+ 2+

+ k =n

On peut montrer (Exo.) que les fonctions:

er1 x ; xer1 x ; x2 er1 x ; er2 x ; xer2 x ; x2 er2 x ; erk x ; xerk x ; x2 erk x ;


. . .

;x ;x ;x

1 1 er1 x ; 2 1 er2 x ;

k 1 erk x ;

sont en nombre n, sont indpendantes, et sont solutions de (*), et forment donc une base de lespace vectoriel de dimension n des solutions. La solution gnrale est une combinaison linaire arbitraire de ces solutions particulires. Exo. : Etablir le lien entre les solutions de lquation caractristique et les valeurs propres de la matrice A.

4.1.5 Equation diffrentielle linaire non homogne.


Si

Ly df = an (x)y(n) + an 1 (x)y(n Ly = b(x)

1) +

+ a0 (x)y = 0 ( )

est une quation diffrentielle linaire homogne, lquation

o b est une fonction donne, est dite linaire non homogne. Si y0 (x) est une solution particulire,

Ly0 (x) = b(x)

32 et si y1 (x); y2 (x);

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

; yn (x) sont n solutions indpendantes de lquation linaire homogne associe, Ly1 (x) = Ly2 (x) = = Lyn (x) = 0 y(x) = y0 (x) + C1 y1 (x) + C2 y2 (x) +
+ Cn yn (x)

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

cest--dire :

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

4.1.6 Analogie quations diffrentielles/quations aux diffrences


Etant donne une suite fyi g (i 2 N ; yi

2 R), on dnit loprateur de diffrence avance


yi = yi+1 yi

par :

de sorte que :

3 yi =

2 yi

= ( yi ) = yi+1 yi = yi+2 2yi+1 + yi 2 yi = yi+3 3yi+2 + 3yi+1 yi ( 2 yi ) = 2 yi+1


n 1 yi = yi+n
. . .

n yi =

n 1 yi = n 1 yi+1

nyi+n 1 + n(n2+1) yi+n 2 +

+ ( 1)n yi

Exo. : Vrier les formules. On appelle quation aux diffrences dordre n toute quation de la forme :

n yi = (i; yi ;

yi ;

; n 1 yi )

dans laquelle la suite fyi g est linconnue, et qui doit tre satisfaite pour tout i. Cas particulier : Equation linaire homogne coefcients constants. Aprs quelques manipulations, lquation scrit :

an yi+n + an 1 yi+n 1 +
dont on cherche des solutions particulires de la forme

+ a0 yi = 0 (an 6= 0)

yi = ri (r 2 C ) Aprs substitution et simplication, la condition sur r devient : P (r) df = an r n + an 1 r n 1 +


+ a0 = 0

4.2. INTGRATION NUMRIQUE


qui constitue lquation caractristique. Si les racines r1 ; r2 ; ; rn sont distinctes, on obtient ainsi dcoule :

33

n solutions indpendantes et la solution gnrale en


i + Cn r n

Exo. : Par analogie avec les quations diffrentielles linaires homognes, trouver n solutions indpendantes dans le cas o les racines ne sont pas distinctes, et donner la forme de la solution gnrale. Equation non homogne : Une telle quation scrit :

i + C2 ri + yi = C1 r1 2

an yn+n + an 1 yi+n 1 + + a0 yi = bi (an 6= 0) dans laquelle la suite fbi g (i 2 IN; bi 2 IR) est donne. Alors si y ~i est une solution particulire, an y ~i+n + an 1 y ~i+n 1 + + a0 y ~i = bi
la solution gnrale est de la forme : o zi est la solution gnrale de lquation linaire homogne associe gnralement de la forme :

yi = y ~i + zi

i + C2 ri + zi = C1 r1 2
A nouveau :

i + Cn r n

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

4.2 Intgration numrique


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

y(n) =
pouvait par le changement de variable

x; y; y0 ;

; y(n

1)

0 y 1 B y0 C C B Y =B A @ ... C
y(n
1)

se ramener la forme canonique suivante:

(pour une dnition approprie de (x; Y )), cest--dire une quation diffrentielle du 1er ordre o cette fois-ci linconnue est une application Y (x) de R dans Rn . On rappelle que lon distingue alors deux types de problme :

Y 0 = (x; Y )

34

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

(a) Problmes de Cauchy : le vecteur Y est spci initialement, disons en x = x0 ; pour ces problmes il est sufsamment gnral de traiter le cas n = 1. (b) Problmes aux limites : k (k < n) composantes du vecteur Y sont spcis en x = a, et n k en x = b; ces problmes peuvent sapprocher par exemple par des mthodes de diffrences nies ou des mthodes de tir. Dans ce cours, on se limite l ETUDE DES PROBLEMES DE CAUCHY. Les mthodes numriques que lon prsente sappliquent aussi bien au cas o linconnue est un vecteur quau cas scalaire. Pour ces raisons, il est sufsamment gnral de traiter le cas o lquation est du 1er ordre :

y0 = (x; y) y(a) = y0
intgrer sur

a; b]. La solution exacte de ce problme de Cauchy sera note y(x).

4.2.1

Intgration numrique par dveloppement de Taylor

. On suppose que la fonction (x; y ) est sufsamment diffrentiable par rapport ses variables x et y et que la solution exacte du problme, y (x), est de classe C (k+1) ( a; b]). Un dveloppement limit lordre k de la solution y(x) autour dun point quelconque x0 2 a; b] scrit :

x0 ) y 00 (x ) + y(x) = y0 + (x x0 )y0 (x0 ) + (x 2! 0 k k+1 ( x x ) ( x x ) 0 0 + k! y(k) (x0 ) + (k + 1)! y(k+1) ( )


o

2]x0 ; x .
Or

8 y0(x) > > y00 (x) > > > > < y000 (x) > > > > > > :
etc ...

= (x; y(x)) = x (x; y(x)) + y (x; y(x)) y0 (x) = ( x + y ) (x; y(x)) df 0 = (x; y(x)) = ( xx + xy y0 ) + ( yx + yy y0 ) + y ( x + y y0 ) = xx + 2 xy + yy 2 + x y + 2 y df 00 = (x; y(x))

(x; y(x)) par rapport x :

On obtient donc les drives successives de

8 y0(x) = (x; y(x)) > > 00 (x) = 0 (x; y(x)) > < yy000 (x) = 00 (x; y(x)) > . . > . > : etc ...

y en fonction de x et de y(x) en prenant les drives totales de

On cherche faire avancer la solution pas pas. Le pas, ou incrment spatial, est not h = introduire loprateur suivant :

x. On est conduit

h 0 (x; y ) + h2 00 (x; y ) Tk (x; y) df = (x; y) + 2! 3! k 1 h ( k 1) + + k! (x; y)

4.2. INTGRATION NUMRIQUE


de sorte que pour la solution exacte on a :

35

y(x0 + h) = y0 + hTk (x0 ; y0 ) + E


o

k+1 E = (kh+ 1)! y(k+1) ( )


On est amen considrer lalgorithme dintgration approch suivant : ALGORITHME DE TAYLOR DORDRE k : 1. Initialisation : Choisir un pas h = bNa . Poser x0

= a; xn = a + nh; xN = b de sorte que y(xn ) = y(a + nh).

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

yn+1 = yn + hTk (xn ; yn) (n = 0; 1; 2; ; N 1)


La quantit

k+1 Eloc df = (kh+ 1)! y(k+1) ( )


est appel erreur locale. En gnral, Eloc 6= E , car en principe on a accumul des erreurs aux pas prcdents et yn 6= y(xn ). Eloc est au contraire lerreur hypothtique qui serait commise sur yn+1 si linformation provenant du pas n, cest--dire yn , tait exacte. Nous allons voir comment cette erreur locale saccumule en une erreur globale (ou erreur de troncature, ou erreur de discrtisation)

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


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

yn+1 = yn + h (xn ; yn)


00 2 Eloc = h 2 y ( ) = 0(h )
2

Nous allons estimer lerreur de troncature de cette mthode

en = y(xn ) yn
On a : par dnition de la mthode, et

yn+1 = yn + h (xn ; yn)


00 y(xn+1 ) = y(xn ) + h (xn ; y(xn )) + h 2 y ( n)
2

36 o le dernier terme est lerreur locale. Par soustraction :

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

o y n est une valeur intermdiaire satisfaisant

en+1 = en + h ( (xn ; y(xn )) 2 (xn ; yn )) + h22 y00 ( n ) = en + h y (xn ; yn )en + h2 y00 ( n ) Min (yn ; y(xn )) < yn < Max (yn ; y(xn ))

(thorme des accroissements nis). On considre le cas normal o les fonctions qui interviennent sont sans pathologie spciale et sont en particulier continues. Elle admettent alors des bornes suprieures sur lintervalle dtude. Pour xer les ides, on suppose que

j y (x; y)j < A


Alors :

et

jy00 (x)j < B


2

jen + 1j jen j + hAjen j + B h 2 jen+1 j (1 + hA)jen j + Bh 2 j e1 j j e2 j j e3 j


Bh2 car 2
2

et

Ceci donne :

etc... On aboutit :

(1 + hA)je1 j2 + Bh 2 Bh2 (1 + hA) Bh + 2 2 2 1 + (1 + hA)] Bh 2 2 (1 + hA)je2 j + Bh 2 2 Bh2 (1 + hA) 1 + (1 + hA)] Bh 2 + 22 1 + (1 + hA) + (1 + hA)2 Bh 2
1 Bh2 2

e0 = y ( a) y0 = 0 2

n jen j 2B A (1 + hA) 1] h NOTER QUE la sommation a fait apparatre un h au dnominateur, ce qui a pour effet de diminuer dune unit lexposant de h.
Remarque : La tangente lorigine de la courbe dquation y = log(1 + x) est la droite y =
x

jen j 1 + (1 + hA) + + (1 + hA)n + hA)n 1 Bh2 jen j (1 (1 + hA | {z ) 1 } 2


hA

y 1

-1

1 x

-1

4.2. INTGRATION NUMRIQUE


Courbe y = log(1 + x), son asymptote et sa tangente lorigine. Etant donn la concavit uniformment ngative de cette courbe, on en conclut que :

37

x >

0;

log(1 + x)

et (1 + x)n

nx :

Ceci nous permet dobtenir lingalit suivante :

(1 + hA)n
Finalement :

enhA = eA(xn x0 )
1] h

j en j
Le terme eA(xn x0 ) conclure :

2A

B eA(xn x0 )

1] est born lorsquon rafne la discrtisation (h ! 0), et cette majoration nous permet de

CONCLUSION : Lerreur locale est en O(h2 ); son accumulation produit une erreur globale en 0(h). On dit que la mthode dEuler est du 1er ordre. Remarques : La borne que nous venons dtablir ne constitue pas ncessairement une estimation prcise de lerreur, ce nest quune borne. Dune manire gnrale nous dirons quune mthode est prcise lordre k si lerreur locale Eloc est de la forme :

Eloc = const. hk+1 y(k+1) ( )


et nous admettrons que ceci implique que lerreur globale ou erreur de troncature

Eglo = en = y(xn ) yn = O(hk )


ce qui est vrai de lalgorithme de Taylor dordre k , outil thorique auquel on compare les autres mthodes pour mesurer leur prcision. On voit que la mthode dEuler qui est du 1er ordre, converge lentement puisquil faut grosso modo doubler le nombre de pas de discrtisation pour diviser lerreur par 2. On est tent dutiliser une mthode dordre plus lev et notamment lalgorithme de Taylor dordre k , pour lequel lerreur globale qui est en O(hk ) est asymptotiquement divise par 2k par doublement du nombre dintervalles de discrtisation. Cependant, cet algorithme est souvent trs compliqu mettre en oeuvre cause de la ncessit dvaluer formellement les drives successives ; 0 ; 00 ; . Pour cette raison, bien quil garde un intrt thorique essentiel car il nous a permis de dnir la notion dordre de prcision, on lui prfre en pratique des mthodes de Runge-Kutta, ou des mthodes multipas.

4.2.2 Mthodes de Runge-Kutta


En remplacement de lalgorithme de Taylor dordre 2 on propose la formule de rcurrence suivante :

yn+1 = yn + a k1 + b k2
o

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

38 et a; b; et sont des constantes reglables. Un dveloppement de Taylor de k2 =h nous donne :

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

k2 =h = (xn + h; yn + k1 ) 2 2 = (xn ; yn) + h x + k1 y + 2h xx +


En effectuant les substitutions correspondantes, on obtient :

2 2 hk1 xy + 2k1 yy + 0(h3 )

yn+1 = yn + (a + b)h + bh2 ( x + 2 2 +bh3 2 xx + xy + 2

2 yy + 0(h4 )

y)

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

y(xn+1 ) =3 y(xn ) + h (xn ; yn ) + h22 ( x + y )


On voit que lon est amen choisir les constantes de telle sorte que

h ( xx + 2 xy + yy 2 + x y + 2 ) + 0(h4 ) y 6

a+b=1 b =b = 1 2
ce qui permet didentier les trois premiers termes. On constate quaucun rglage des coefcients ne permet didentier le terme suivant. On a donc plusieurs solutions. On choisit gnralement :

a=b= 1 2
ce qui donne la mthode suivante : METHODE DE RUNGE-KUTTA DORDRE 2 :

= =1

1 (k + k ) yn+1 = yn + 2 1 2
o

k1 = h (xn ; yn ) k2 = h (xn + h; yn + k1 ) En examinant nouveau les dveloppements limits de yn+1 et de y (xn+1 ) on voit que lerreur locale (cest--dire ce que vaudrait la diffrence y (xn+1 ) yn+1 si linformation provenant du pas n tait exacte, cest--dire si on avait yn = y(xn )) est de la forme : Eloc = 0(h3 )
Il en rsulte que

jenj = jy(xn ) yn j = 0(h2 )

(erreur globale), et la mthode est du second-ordre. Gnralisation : En utilisant la mme technique dajustement de coefcients, on peut obtenir une famille de mthodes prcises au troisime-ordre et une famille de mthodes prcises au quatrime-ordre. La plus utilise est la suivante : METHODE DE RUNGE-KUTTA DORDRE 4.

yn+1 = yn + 1 6 (k1 + 2k2 + 2k3 + k4 )

4.2. INTGRATION NUMRIQUE


o

39

k1 = h k2 = h k3 = h k4 = h

(xn ; yn) 1 k1 xn + h 2 ; yn + 2 h 1 k2 xn + 2 ; yn + 2 (xn + h; yn + k3 )

Lerreur locale est ici en O(h5 ) et lerreur globale 0(h4 ); il en rsulte que la mthode est du 4me ordre. Cette prcision accrue est au prix de quatre valuations de la fonction par pas.

4.2.3

Mthodes Multipas
df

tre atteinte par une formule combinant judicieusement quatre approximations de la fonction '(x) = (x; y (x)). Ces approximations obtenues lors dtapes intermdiaires du passage de (xn ; yn ) (xn+1 ; yn+1 ) sont inutilises par la suite, ce qui est une source dinefcacit. Dans une mthode multipas au contraire, on cherche construire une formule utilisant (en mme nombre) les valeurs de ' dj calcules aux pas prcdents. Pour cela on remarque quen intgrant lquation diffrentielle :

On a vu dans la mthode de Runge-Kutta quune prcision globale du 4me ordre (erreur locale = 0(h5 )) pouvait

y0 = (x; y(x)) = '(x)


de xn xn+1 on obtient :

yn+1 yn =

Z xn+1
xn

y(x)) | (x;{z } dx
'(x)

ce qui quivaut :

yn+1 = yn +

Z xn+1
xn

'(x) dx

On peut donc utiliser la procdure habituelle dapproximation numrique des intgrales. Supposons que les n premiers pas de lintgration numrique aient dj t effectus de sorte que lon dispose des approximations y0 (donn); y1 ; y2 ; ; yn de la fonction inconnue y (x) aux points

x0 = a; x1 = a + h; x2 = a + 2h;
(o h est le pas), mais aussi de la fonction '(x)

; xn = nh ; 'n = (xn ; yn)

= (x; y(x)) = y0 (x) :

'0 = (x0 ; y0 ); '1 = (x1 ; y1 ); '2 = (x2 ; y2);

En vue de lintgration numrique de '(x) sur lintervalle xn ; xn+1 ] approchons cette fonction par le polynme dinterpolation de Lagrange Pm (x) (m 2 N x) aux (m + 1) points de discrtisation prcdant xn+1 cest--dire : xn ; xn 1 ; xn 2 ; ; xn m (en pratique on prendra m = 3) :

Pm (x) = 'n + ' xn ; xn 1 ](x xn ) + ' xn ; xn 1 ; xn 2 ](x xn )(x xn 1 ) + ' xn ; xn 1 ; ; xn m ](x xn )(x xn 1 ) (x xn m+1 )
k = '(xk ) = (xk ; yk )

Pour simplier lcriture on posera

40 de sorte que

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

'n = n ' xn ; xn 1 ] = n h n 1 n 1+ n 2 ' xn ; xn 1 ; xn 2 ] = n 2 2 h2 3 n n 1+3 n 2+ n ' xn ; xn 1 ; xn 2 ; xn 3 ] = 6h3


. . .

On est donc conduit dnir la mthode dintgration par lquation :

yn+1 = yn +
On obtient donc dans le cas gnral :

Z xn+1
xn

Pm (x) dx

yn+1 = yn + 'n :h Z xn+1 (x xn ) dx + ' xn ; xn+1 ]

xn Z xn+1 (x xn )(x xn 1 ) dx + ' xn ; xn 1 ; xn 2 ] xn + Z xn+1 (x xn )(x xn 1 ) + ' xn ; xn 1 ; ; xn m ] xn

(x xn m+1 ) dx

On fait le changement de variable x = xn +

h (0

yn+1 = yn + h { 'n + h ' xn ; xn 1 ]

Z1
0

1) an dobtenir :

+ h2 ' xn ; xn 1 ; xn 2 ] +
On a 0

Z1
0

( + 1) d

+ h3 ' xn ; xn 1 ; xn 2 ; xn 3 ]

Z1
0

( + 1)( + 2) d

R1 d

=1 2;

R1
0

+ hm ' xn ; xn 1 ;

5; ( + 1)d = 6

R1
0

; xn m ]

Z1
0

( + 1)
.

( + m 1) d

( + 1)( + 2) d = 9 4;

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

yn+1 = yn +h
+ n
soit

n+

1 2 3 n 1+3 n 2 n 3 9 6 4

n 1:1+ n

2 n 1+ n 25 2 6

h (55 n 59 n 1 + 37 n yn+1 = yn + 24
Erreur locale - Prcision

9 n 3)

4.2. INTGRATION NUMRIQUE


Si toutes les informations sur

41

x0 ; xn ] taient exactes, on aurait :


(x xn 3 ) (x xn 3 ) dx

(5) '(x) = y0 (x) = Pm (x) + y 4!( ) (x xn )(x xn 1 )


do par intgration

y(xn+1 ) = yn +

Z xn+1
xn

yn+1

{z

Pm (x) dx +

} | xn

Z xn+1 y(5)( )

4! (x xn )
Eloc

{z

ce qui fournit lerreur locale :

Eloc =

Z xn+1 y(5)( )
xn

4! (x xn )

(x xn 3 ) dx

Or sur xn ; xn+1 ] tous les facteurs (x sapplique :

xn );

; (x xn 3 ) sont positifs de sorte que la formule de la moyenne


5 (5) Z 1 (xn 3 ) dx = h y 4! ( ) ( + 1)( + 2)( + 3)d 0

(5) Z xn+1 Eloc = y 4!( ) (x xn )

xn

Finalement :

Lerreur globale est donc en 0(h4 ). La mthode est prcise au 4me ordre. Son inconvnient majeur rside dans le fait quelle ne peut sappliquer qu partir du 4me pas, les 3 premires approximations devant tre obtenues par une autre mthode. Lautre inconvnient rside dans la ncessit de stocker plusieurs valeurs de ' ce qui peut tre prohibitif dans le cas vectoriel (y 2 Rp ; ou ' 2 Rp ; p 1). Son avantage principal est que lon value quune seule fois la fonction par pas.

251 h5 y(5) ( ) = 0(h5 ) Eloc = 720

4.2.4 Mthodes prdicteur-correcteur

'(x) = y0 (x) = (x; y(x)) est bas sur linformation en amont du point calcul cest--dire sur les valeurs aux points xn ; xn 1 ; ; xn m pour un certain m.
Pour des raisons lies la prcision mais aussi la stabilit, une notion que nous examinerons dans une section ultrieure, il est souvent prfrable de construire un polynme dont la forme dpend aussi de valeur en xn+1 . Par exemple si dans la formule : xn+1

Dans les mthodes multipas examines dans la section prcdente, le polynme dinterpolation de Lagrange de

yn+1 = yn +

xn

(x; y(x)) dx

on approche lintgrale par la formule du trapze on obtient :

Ce qui constitue une quation implicite cest--dire dans laquelle linconnue yn+1 apparat gauche mais aussi droite, et gnralement nonlinairement, et quil faut donc rsoudre par rapport cette inconnue, directement ou (0) (1) (k) ; ; yn ; qui converge itrativement. Dans ce dernier cas, au pas n, on cherche construire une suite yn+1 ; yn+1 ; +1 vers la solution yn+1 de lquation prcdente. (0) On peut appliquer la mthode dEuler pour dnir le premier lment de la suite yn+1 . Cest le

yn+1 = yn + h 2 (xn ; yn ) + (xn+1 ; yn+1 )]

42 Prdicteur :

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

(0) = y + h (x ; y ) yn n n n +1

Aux itrations suivantes, on dnite le Correcteur : (k

1) :

i h (k) = y + h (x ; y ) + (x ; y (k 1) yn n 2 n n n+1 n+1 +1


arrt si :

Litration au correcteur est prolonge jusqu satisfaction dun critre de convergence qui peut tre de la forme :

(k) (k 1) yn +1 yn+1 < " (k) yn +1

o " est un nombre petit prcisant la tolrance.

h3 y 000 ( ) = 0(h3 ). Par accumulation, lerreur globale est donc en O(h2 ) : il en rsulte que la mthode est donc du second-ordre. 12
Convergence du correcteur Litration intervenant au correcteur est de la forme :

Erreur locale A convergence lerreur locale est celle de la formule dintgration du trapze cest--dire de la forme :

uk = G(uk 1 )
o uk = yn+1 et G(uk ) = const: + h 2 (xn+1 ; uk 1 ). Le thorme du point xe qui nest pas au programme de ce cours, nous rvle quune condition sufsante pour quune telle itration converge est que la fonction G satisfasse une hypothse de contraction du type :

(k)

9K < 1

tel que

8u; jG0 (u)j K < 1

@f Ici G0 (u) = h 2 @y (xn+1 ; u). Il en rsulte le thorme suivant : Thorme : Si (x; y ) et @ @y sont continues en x et y sur lintervalle ferm a; b], litration intervenant au correcteur converge pourvu que h soit sufsamment petit pour que limplication suivante soit vraie :

h @ (0) jy yn+1 j jyn +1 yn+1 j =) @y (xn+1 ; y ) 2 < 1


4.2.5 Notion de stabilit
An deffectuer une analyse simple et complte dans un cas particulier, on commence par dnir une mthode dAdams-Bashforth du second-ordre plus simple. Une mthode dAdams-Bashforth du second-ordre

y(xn+1 ) = y(xn 1 ) +

Z xn+1
xn 1

(x;y(x))

0 (x) dx y | {z }

4.2. INTGRATION NUMRIQUE


Or la formule dintgration du point central nous donne :

43

R xn+1 y0(x) dx
xn 1

(y ) ( ) = 2hy0 (xn ) + (2h)24 n 000 y ( ) 0 n 3 = 2hy xn} )+ 3 h | ({z


n

3 0 00

Do :

000 n ) 3 y(xn+1 ) = y(xn 1 ) + 2h n + y ( 3 h

Ceci nous conduit dnir la METHODE DADAMS-BASHFORTH DORDRE 2 :

yn+1 = yn 1 + 2h n
o n

= (xn ; yn).
000

( n ) h3 . erreur locale Eloc = y 3 erreur globale Eglo = je(xn )j = jy (xn )


Intgration numrique dun exemple

yn j = 0(h2).

A titre dexemple, on rsout numriquement le problme diffrentiel suivant :

y0 = 2y + 1 (x 2 0; +1] y(0) = 1
dont la solution exacte est connue,

y(x) = e 2 + 1 yn+1 = yn 1 + 2h n = yn 1 + 2h( 2yn + 1)

2x

par la mthode dAdams-Bashforth de la section prcdente :

que lon applique pour n = 1; 2; aprs avoir spci non seulement y0 = 1 mais aussi y1 = y (h). On constate que la solution numrique initialement proche de la solution exacte, oscille autour de celle-ci et sen loigne de plus en plus quand x croit : cest le phnomne dinstabilit

44

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

1.4

1.2

0.8 y

0.6

0.4

0.2

0.5

1 x

1.5

2.5

Exemple dintgration numrique instable par la mthode dAdams-Bashforth (trait continu : solution exacte; points : solution numrique pour h = 0:25). Analyse du phnomne et dnition de la stabilit Dans ce cas particulier linaire, la suite des valeurs calcules au moyen du schma numrique, lquation rcurrente linaire non-homogne suivante

fyng satisfait

yn+1 + 4hyn yn 1 = 2h
ainsi que les conditions initiales suivantes :

y0 = 1;

y1 = y(h)
= 1=2. On est donc amen poser :

Or, on connat une solution particulire de lquation non-homogne: y ~n

de sorte que la suite fzn g ainsi dnie est solution de lquation linaire homogne associe :

yn = 1 2 + zn

zn+1 + 4hzn zn 1 = 0
avec les conditions initiales suivantes:

1; z0 = 2

z1 = y(h) 1 2

On sait que

n + C2 rn zn = C1 r 1 2

4.2. INTGRATION NUMRIQUE


o r1 ; r2 sont les racines de lquation caractristique :

45

r2 + 4hr 1 = 0
cest--dire :

r1 = 2h + p1 + 4h2 = 1 2h + 0(h2 ) r2 = 2h 1 + 4h2 = (1 + 2h) + 0(h2 )


n = n Log r1 = xn Log (1 2h + 0(h2 )) Log r1 h = xhn 2h + 0(h2 )] (h ! 0) = 2xn + 0(h) (h ! 0)

et les constantes C1 et C2 telles que les conditions initiales sont satisfaites. Soit xn = nh x. On a:

et

n = e 2xn e0(h) r1 = e 2xn 1 + 0(h)] n approche lorsque h ! 0 + C1 r1

Les coefcient C1 et C2 tant dtermin par les conditions initiales, le terme 1 2 la solution exacte : cest le mode principal. Par contre,

Logjr2 jn = xhn Log(1 + 2h + 0(h2 )) = xhn 2h + 0(h2)] = +2xn + 0(h)

do et, comme r2

jr2 jn = e2xn 1 + 0(h)]


< 0,
n = ( jr2 j)n = ( 1)n e2xn 1 + 0(h)] r2

n napproche aucun terme de la solution exacte : cest un Le terme C2 r2 mode parasite. Dans ce cas particulier qui illustre le phnomne dinstabilit, on constate que pour h x, le mode parasite croit avec x pour devenir prpondrant par rapport au mode principal. Exo. : Comment explique-t-on que la solution numrique oscille autour de la solution exacte? On remarque quau dpart on avait une quation diffrentielle du 1er ordre dont la solution gnrale tait constitue dun seul mode (une seule exponentielle). An dobtenir une mthode prcise au second-ordre, on a introduit une formule trois niveaux (n +1; n et n 1) reprsente par une quation aux diffrences du 2nd ordre; on a donc accru articiellement lordre, en approchant une quation diffrentielle du 1er ordre par une quation aux diffrences du 2nd ordre; la solution gnrale de cette dernire est la superposition dun mode principal approchant la solution exacte et dun mode parasite qui dans le cas particulier examin est instable. Ceci conduit poser la dnition suivante :
Dnition (Stabilit) On dit quune mthode numrique applique une EDO linaire est stable pour un certain pas h x, si le ou les modes parasites prsents dans la solution numrique et superposs aux modes principaux sont attnus par lintgration (lorsque x ou n croit), et instable dans le cas contraire. En gnral, les mthodes usuelles sont conditionnellement stable, cest--dire stables lorsque le pas h est sufsamment petit. Mais il existe aussi des mthodes inconditionnellement stables (enn dautres, inutilisables, inconditionnellement instables).

46 Evaluation pratique de la stabilit

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

On examinera lapplication de la mthode propose une EDO linaire. Pour un schma numrique linaire, la solution satisfait une quation rcurrente linaire gnralement non homogne + 1 niveaux :

a yn+ + a a zn+ + a
dont la solution gnrale est o r1 ; r2 ;

1 yn+ 1 zn+

1+ 1+

+ a0 yn = bn + a0 zn = 0 + c (r )n + ao = 0

que lon associe lquation rcurrente linaire homogne suivante :

;r

zn = c1 (r1 )n + c2 (r2 )n + a r +a
1r 1+

sont les racines complexes de lquation caractristique :

On imposera la condition suivante de STABILITE FORTE

8i; jri j < 1


En gnral, cette condition quivaut une restriction sur le pas davancement h du type

h < hmax
La mthode est alors conditionnellement stable. Cependant, pour certaines quations diffrentielles, il peut exister des mthodes dintgration pour lesquelles la condition de stabilit (SF ) est satisfaite 8h; on dit alors que la mthode est inconditionnellement stable. (De telles mthodes sont gnralement implicites.)

4.2.6 Un exemple danalyse de mthode


On se propose de rsoudre numriquement le problme diffrentiel suivant :

y0 = (x; y) = y (x 2 IR+ ) y(0) = 1


par la mthode prdicteur/correcteur suivante : RUNGE-KUTTA 2 LINEARISE : Prdicteur : Correcteur :

yn+1=2 = yn + h 2 (xn ; yn ) yn+1 = yn + h xn + h 2 ; yn+1=2

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

h yn yn+1=2 = yn h 2 yn = 1 2 yn+1 = yn h yn2+1=2 = 1 h 1 yn+1 = (1 h + h2 )yn

h
2

yn

Prcision

4.2. INTGRATION NUMRIQUE

47

y(xn+1 ) yn+1 si on avait y(xn ) = yn .

On value dabord lerreur locale, cest--dire ce que vaudrait la quantit

o on a utilis lquation diffrentielle y 0

0 (xn )h + y00 (xn ) h2 + y000 (xn ) h3 + y(xn+1 ) = y(xn + h) = y(xn ) + y 2 6 3 2 = y(xn ) hy(xn ) + h2 y(xn ) h6 y(xn ) +

= y pour obtenir
etc...

y00 = (y0 )0 = ( y)0 = y; y000 = (y00 )0 = (y)0 = y; On voit donc que dans le cas o y (xn ) = yn on a :

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

yn+1 r
do lunique racine :

2 h+ h 2 yn = 0 2 h+ h 2 =0

Son quation caractristique associe est donc du 1er ordre :

r1 = 1
Ici r1 est un rel et la condition de stabilit forte se rduit Soit

h 1

h
2

jr1 j < 1
1 < r1 < 1

1<1

h 1
0<h<2

h <1 2

ce qui quivaut

48

CHAPITRE 4. EQUATIONS DIFFRENTIELLES

Bibliographie
Quelques rfrences Mathmatiques de lingnieur : de trs nombreux ouvrages dont : J. Bass, Mathmatiques, Tome I, II, III,...Masson. Interpolation, approximation, intgration, quations diffrentielles : tout ouvrage introductif danalyse numrique. En particulier : S. D. Conte et Carl de Boor, "Elementary Numerical Analysis - An algorithmic Approach", McGraw-Hill. P. Henrici, "Discrete Variable Methods in ODEs", John Wiley. M. Crouzeix, A. L. Mignot, "Analyse numrique des quations diffrentielles", Masson. Analyse matricielle, optimisation : P. G. Ciarlet, Introduction lanalyse matricielle et loptimisation, Masson. P. Lascaux, R. Thodor, Analyse Numrique matricielle applique lart de lingnieur, Masson.

Ainsi que de trs nombreux autres ouvrages que lon trouve aux rubriques : Analyse Numrique, Approximation, Calcul Matriciel, Equations diffrentielles, Mthodes Directes/Itratives, Optimisation, Programmation Dynamique, Contrle Optimal, etc.

49