EQUATIONS DIFFERENTIELLES

A la fin du chapitre, ltudiant doit tre capable de :

1. Dcrire le principe des mthodes pas spars
2. Dcrire le principe des mthodes pas lis
3. Dcrire les avantages et inconvnients et faire la distinction entre
mthodes implicites et mthodes explicites
4. Donner la formule de rcurrence des schmas de Euler, Admas-
Bashforth, Crank-Nicolson
5. Expliquer les notions de convergence et de stabilit dun schma
dintgration
6. Reconnaitre un problme aux conditions aux limites, un problme
aux conditions initiales
7. Reformuler une EDO dordre 2 comme un systme dEDO dordre 1
1
EQUATIONS DIFFERENTIELLES
I- INTRODUCTION
- Omniprsentes en mcanique
- Equations diffrentielles du 1
er
ordre (et systmes) :
- Equations diffrentielles du 2
nd
ordre (ou plus, et systmes) :
- Mthodes pas spars : y
n+1
se calcule partir de y
n
- Mthodes pas lis : y
n+1
se calcule partir de y
n
, y
n-1
, y
n-2
,
- Mthodes explicites : y
n+1
= G(x
n+1
, y
n
, y
n-1
, )
- Mthodes implicites : y
n+1
= H(x
n+1
,y
n+1
, y
n
, )
y Y( t ,y )

=
y Z( t ,y,y )

=
2
Exemple 1 : cintique chimique
OBJECTIF:
calculer y pour
t [0,120]
Rq: cest aussi, souvent,
trouver (K, p) !!
Problme diffrentiel du premier ordre
1 E.D.O.
+
1 condition initiale

+
+
+
+
+
+
+
+
+
+
+
+
+
+ +

+ : exprience
: simulation num.
: calcul analytique
n
x
n
y
n+1
x
n-1
x
( )
( )

= = =
= =
positifs rels ,
10 0
0
p K
y t y
Ky y
dt
dy
p
&
3
Systme diffrentiel non linaire
du 1
er
ordre
o a, b, c, d sont des constantes positives
Exemple 2 : Histoire de livres et de renards Exemple 2 : Histoire de livres et de renards Exemple 2 : Histoire de livres et de renards Exemple 2 : Histoire de livres et de renards
Goupil le Renard ;
d'aprs Wilhelm von Kaulbach
on suppose que le taux de variation dx/dt
des livres augmente avec le nombre x de livres
mais dcrot avec le produit xy traduisant le nombre
de livres mangs par une population de y renards.
De la mme faon, on suppose que les renards se
reproduisent d'autant plus qu'ils peuvent se nourrir
facilement. Enfin, on considre que le taux de mortalit
est proportionnel au nombre y de renards. Nous venons
de construire un modle proie prdateur qui s'crit
de la faon suivante :

dx
= ax - bxy
dt
dy
= cxy - dy
dt
4
II- EQUATION DIFFERENTIELLE DU 1
er
ORDRE
Problme :
trouver y(t) vrifiant:
II-1 Mthodes pas spars
La solution au pas n+1 est dduite de la solution au pas n
2
2
p
( p)
n n n n n
h h
y( t h) y( t ) hy ( t ) y ( t ) y ( t )
! p!

+ = + + + + + L L
2
1
2
p
( p)
n n n n n
h h
y y hy y y
! p!
+

= + + + + + L L
Dveloppement limit de y au voisinage de t
n
D.L. : Polynme P(h) o h = t
n+1
- t
n
( )
[ ]

=
=
n intgratio d' Domaine ,
Initiale Condition
EDO ) , (
1 0
0 0
t t t
y t y
y t Y y&
5
a- Mthode de la tangente (Euler)
Mthode qui sappuie sur un DL au premier ordre
2
1
2
p
n n n n n
partie nglige
h h
y y hy y y
! p!
+

= + + + + + L L
14444244443
1 n n n n
y y hY( t ,y )
+
= +

= =

=
0
1
dy
Y( t ,y ) y
dt
y
0 2 4 6
0
0.2
0.4
0.6
0.8
1
h = 0.25
h = 0.1
Deux pas dintgration :
Exemple :
6
Dans ce cas la solution analytique exacte est :
2 2 3 4
1
2 2 3 4
p p
( p) p
n n n
h h h h h h
y y ( ) y
! p! ! ! ! p!
| |

+ + + = + + + +
|
|
\
L L L L
2 1 2
d'o
t ( k ) ( k )
y( t ) e y y, y y
+
= = =
Donc dans ce cas simple,
2 3
Or 1 1
2 3
p
h p
h h h
e h ( )
! ! p!

= + + + + L L d'o:
( )
2
1
2
p
( p) h
n n n
h h
y y e h y
! p!

+ + + = + L L
Se limiter au premier ordre, cest considrer que le rapport
2
2
p
( p)
n n n
h h
y y hy
! p!

= + + + L L
reste ngligeable.
Dans notre cas, on trouve :

= + +
2
1
1
2 6
h
e h h
...
h
7
0 0.2 0.4 0.6 0.8 1
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
1
1
h
e
h

+
pas h
Erreur de mthode
h h
0 2 4 6
0
0.2
0.4
0.6
0.8
1
h = 0.25
h = 0.1
8
b- Mthode de la tangente amliore (Euler dordre 2)
Mthode qui sappuie sur un DL au second ordre
2
1
2
p
( p)
n n n n n
partie nglige
h h
y y hy y y
! p!
+

= + + + + + L L
144424443
Problme : comment estimer une drive seconde en y
n
alors
que lon ne sait que calculer des pentes avec Y(t, y)
Piste : si y(t) drivable sur [t
a
, t
b
]
alors, il existe [t
a
, t
b
] tel que :
b a b a
y( t ) y( t ) ( t t )y ( )

= +
Ide : essayer destimer un DL du second ordre en utilisant une autre
(dautres) pente(s) que celle(s) calcule(s) en (t
n
,y
n
)
a
t
b
t
9
Tentative intuitive de justification :
Pente calcule mi-pas ??
n
t
1 n
t
+ 1
2
n
t
+
n n
Y( t ,y )
1 1
2 2
n n
Y( t ,y )
+ +

ex
1 n
y ( t )
+
ex
n
y ( t )
n
y
1 n
y ( tg )
+
1 n
y (?)
+
1
2
n
y
+

1
2
ex
n
y ( t )
+

1
2
2
n n n
n
h
y y Y( t ,y )
+
= +
( )
{
1 1
2 2
2 2
n n n n
n n
t
y
h h
Y t ,y Y t ,y Y( t ,y )
+ +

| |
|
= + +
|
|
|
\
14243
10
Augmentation de lordre
Problme aux valeurs initiales:
Algorithme exact
Comment estimer lintgrale de Y ?
0 0
) ( ), , ( y t y y t Y
dt
dy
= =

+ +
+ = + =
+
1 1
) , (
1
n
n
n
n
t
t
n
t
t
n n
dt y t Y y dt
dt
dy
y y
11
Augmentation de lordre
Mthode un pas:
Euler:
Mthode dordre p si:
) , , (
1
t t y t y y
n n n n
+ =
+
( )
p n n
n n
t O t t y
t
y y
=

+
) , , (
1
) , ( ) , , (
n n n n
y t Y t t y =
12
Augmentation de lordre
Il suffit de prendre un dveloppement de Taylor plus
grand
Et de dfinir comme
) (
!
...
2
1
2
2
2
1 + +
+

+ +

+ + =
p
p
p
p
n n
t O
p
t
dt
y d t
dt
y d
t
dt
dy
y y
) , , ( t t y
n n

...
2
) , ( ) , ( ) , , ( +

+ =
t
t y
dt
dy
dt
d
t y
dt
dy
t t y
n n n n n n
13
Augmentation de lordre
En utilisant lEDO vrifie par y:
Et donc:
[ ]
[ ] ...
6
) (
2
) , , (
2
2
+

+ + + + + +
+

+ + =
t
Y Y Y Y Y Y Y Y Y Y Y
t
Y Y Y Y t t y
n
yy
n n
ty
n
y
n
t
n
y
n n n
yt
n
tt
n n
y
n
t
n n n
[ ]
[ ]
n
yy
n n
ty
n
y
n
t
n
y
n n n
yt
n
tt
n
n n
y
n
t
n n n
n n n n
Y Y Y Y Y Y Y Y Y Y Y t
dt
y d
Y Y Y
t
y
y
Y
t
Y
y t
dt
dY
t
dt
y d
Y y t Y t
dt
dy
2
) ( ) (
) , ( ) (
) , ( ) (
3
3
2
2
+ + + + + =
+ =
(

= =
= =
14
Passage pratique lordre 2
Plutt que destimer des drives dordre leves, il est
prfrable de mieux choisir les endroits o on value Y
On part de
Par identification jusqu lordre 1 inclus
) , ( ) , ( ) , , (
2 1
t y t t Y A y t Y A t t y
n n
Y
n n n n
n
+ + + =
43 42 1
[ ] [ ]
n
y
n
t
n n n
y
n
t
n
Y t Y t A Y A A
t
Y Y Y Y + + + =

+ +
2 2 1
) (
2
1
2 2
1
2 1 2 2
= + = = A A
Y
A A
n

15
Runge-Kutta dordre 2
Schma deux tapes (A
1
=0, A
2
=1):
2
1
1
2
1
2
,
2
) , (
k t y y
t k
y
t
t Y k
y t Y k
n n
n n
n n
+ =
|

\
|

+

+ =
=
+
16
Passage pratique lordre p
On part de
Par identification on obtient les coefficients
qui permettent dobtenir lordre p
( )
|
|

\
|
+ + =
+ + =
=

=
t k y t t Y k
t k y t t Y k
y t Y k
i
j
ij j
n
i
n
i
n n
n n
1
1
21 1 2 2
1
,
...
,
) , (

=
=
p
j
j j
n n
k A t t y
1
) , , (
17
Passage pratique lordre p
Nombre de coefficients fixer:
Systme non-linaire sous dtermin
1
2
) 1 (
2 2 / ) 1 (
0 1
1

+ =

=
p p
p
p A
p p
p
i
ij
i

18
Runge-Kutta ordre 4
Problme aux valeurs initiales:
[ ]
4 3 2 1
1
2 2
6
k k k k
t
y y
n n
+ + +

+ =
+
( )
3 4
2 3
1 2
1
,
2
,
2
2
,
2
) , (
tk y t t Y k
k
t
y
t
t Y k
k
t
y
t
t Y k
y t Y k
n n
n n
n n
n n
+ + =
|

\
|

+

+ =
|

\
|

+

+ =
=
19
II-2 Petit interlude
Illustration des notions de convergence, de stabilit et derreur
associes un schma dintgration dE.D., au travers dun exemple.
, pour 0
0 1
dy
y t
dt
y( )

On reprend le problme diffrentiel suivant :

dont la solution analytique est
t
y( t ) e

=
dans le cas o on utilise la mthode dEuler (RK1).
1
1
n n n
n
y y h y
( h)y
+

= +
=
=
n+1
(1- h)
expression analytique de la solution numrique
20
Considrons linstant t
n+1
= fix
( )
1 Cte n h = + =
Si le pas h tend vers zro, le nombre de pas n tend vers linfini :
Si 0 h n +
2 3
1
1 1 1 1 1 2
2 3
n
h
h h
y ( h) ( h)
h h ! h h h !

| | | || |
= = = + +
| | |
\ \ \
L
2 3
0
lim 1
2 3 h
y e
! !

= + + = L
soit, en dveloppant et en passant la limite
solution numrique
solution analytique
a- convergence
On dit quun schma numrique dintgration converge si la solution
numrique tend vers la solution exacte lorsque le pas dintgration
tend vers zro.
21
b- stabilit
On considre ici la stabilit asymptotique, i.e. lorsque t +
La solution analytique exacte est telle que :
lim 0
t
y( t )

=
Pour tre acceptable la solution numrique approche par la mthode
dEuler (explicite) doit vrifier :
exp exp
lim 0 avec 1
n
n n
n
y y ( h)

= =
La stabilit est assure si 0 < h < 2 (condition de stabilit)
Une alternative : la mthode dEuler implicite
2
1 1 1
2
n n n n
partienglige
h
y y hy y
+ + +

= + +L
1442443
1 1 1 n n n n n
y y hy y hy
+ + +

= + =
soit encore,
soit enfin
( )
imp
imp
1
1
1
1
1
n
n
n
y
y
h
h
+
+
= =
+
+
imp
0 lim 0
n
n
h , y

> =
La mthode (dEuler) implicite est inconditionnellement stable
22
0 5 10 15
-2
-1
0
1
2
Solution exacte
Euler explicite : h=1.5
Euler explicite : h=2.2
Euler implicite : h=2.2
23
c- erreur
Lerreur par pas scrit :
n n n
y( t ) y =
2
2
n+1
2
1
2
1
or 0 1
par ail
1
leurs 1
d'o
n
( t h)
h
n n n n
!
n n
h
n
!
y( t ) y( t ) hy ( t ) y ( t h
( h)
)
, y
e
( h) y
+
+
+
=

= + + +
=
( )
{
2 2 2 2
2
1
2
1 1
2 2 2 2
1 2 +
0
0
n 1
2
1 1
1 1
1 1 1
(1-(1-h) ) 1 1 1
2
1
n
h
h h h h
n n n n
( n )h n
h
( h)
( h)
h e ( h) ( h)
e ( h) ( h h
h
) ( )
+
+
+


+ + + +
(
+ + + + +

L L
14444444244444443
Erreur
de chute
h
Erreur
systmatique
opt
h
24
0 2 4 6
0
0.2
0.4
0.6
0.8
1
n+1
n+1
(1-(1-h) )
2
h

h = 0.25
h = 0.1
0
1
dy
y
dt
y

25
II-3 Mthodes pas lis
a-Principe
Le principe est le mme que celui des mthodes pas spars :
i.e. construire la solution en t
n+1
en sappuyant sur DL dordre p.
Pour estimer les termes du DL dordre suprieur ou gal deux,
on utilise, cette fois, les informations obtenues aux pas prcdents.
Toute une famille de mthodes peut tre construite sur ce principe.
Elles sont explicites ou implicites.
Il sagit de la famille des mthodes dAdams
ne pas confondre avec
26
b- mthodes dAdams explicites
Problme : trouver y vrifiant
[ ]
0 0
0 1
condition initiale
domained'intgration
y Y( t ,y )
y( t ) y
t t ,t

On dveloppe, une fois encore, en srie de Taylor :

2
2
h
y( t h) y( t ) h y ( t ) y ( t )

+ = + + +L
avec
df
dt
y f ,y ,

= = L
Lide est donc dexprimer les drives successives de f laide des
valeurs de f aux pas prcdents. On introduit pour cela la notion de
diffrences finies.
27
Adams dordre 1 explicite (A1E) ou Euler :
1 n n n
y y hf
+
= + A1E = RK11 = Euler
Adams dordre 2 explicite (A2E) ou Adams-Bashforth:
2
1
2
n n n n
h
y y hf f
+

= + +
On crit Y sous forme de diffrences finies gauche ( amont ).
f
t
n
t
1 n
t

1 1
1
n n n n
n
n n
f f f f
f
t t h

n
f
1 n
f

[ ]
1 1
3
2
n n n n
h
y y f f
+
= +
28
Remarques importantes
Dmarrage des mthodes dAdams :
[ ]
1 0 1 0
3
2
h
y y f f

= +
Pas de sens physique
Pas connu
Solution : amorage avec RK
11
Connu
amont aval symtriques
ordre 1 en f ordre 1 en f ordre 2 en f
drive premire par diffrences finies
1 n n
n
f f
f
h

=
1 n n
n
f f
f
h
+

=
1 1
2
n n
n
f f
f
h
+

=
29
Adams dordre 3 explicite (A3E) :
2 3
1
2 3
n n n n n
h h
y y hf f f
! !
+

= + + +
On remplace f et f par des diffrences finies amont, en prenant garde
daller jusqu lordre 3.
Ainsi pour estimer f, on crira :
2
2
h
f ( t h) f ( t ) hf ( t ) f ( t )

= + +L
2
h
f ( t ) f ( t h)
f ( t ) f ( t )
h


= + +L
Pour dterminer la drive seconde, on crira :
2
2
2
2 2 2
h
f ( t h) f ( t ) hf ( t ) f ( t )
f ( t h) f ( t ) hf ( t ) h f ( t )

= + +

= + +

L
L
2
2 2
Soit
f ( t ) f ( t h) f ( t h)
f ( t )
h
,
+

= +L
soit
30
En reportant les deux approximations suivantes :
1
2
n n h
n n
f f
f f
h

= +
1 2
2
2
n n n
n
f f f
f
h

+

=
dans lexpression :
2 3
1
2 3
n n n n n
h h
y y hf f f
! !
+

= + + +
on trouve in fine
[ ]
1 1 2
23 16 5
12
n n n n n
h
y y f f f
+
= + +
Gnralisation : Adams dordre p explicite (ApE) :
1
1
0
p
n n pk n k
k
y y h f

+
=
= +

Exemple : lordre 4
[ ]
1 1 2 3
55 59 37 9
24
n n n n n n
h
y y f f f f
+
= + +
31
( )
( )
2 3
1
1
1 1 1
1 1
1 1 1 1
1
1
2 3
p
k
p ( p)
n n n n
n n
k
n n n n
n
h h h
y y hf f f ( ) f
! ! p!
f y ( t ) Y( t ,y ), f
+
+
+ + +
+ +
+ + + +
+

= + + +

= = =

L L
L
c- mthodes dAdams implicites
Elles dcoulent du mme principe ; la diffrence est que lon
souhaite tenir compte de linformation en n+1 quand on estime
la solution en n+1.
Pour cela, on crit :
2
2
h
y( t ) y( t h h) y( t h) h.y ( t h) y ( t h)

= + = + + + + L
Comme prcdemment, on pose :
y f ; y f ; y f

= = =
Do :
implicite
1
1 1
( k ) ( k )
y
n n
y y
+
+ +

test darrt
32
Adams dordre 1 implicite (A1I) :
1 1 n n n
y y hf
+ +
= + A1I = RK11 = Euler implicite
Adams dordre 2 implicite (A2I) ou Crank-Nicolson:
2
1 1 1
2
n n n n
h
y y hf f
+ + +

= +
Si on pose
1
1
n n
n
f f
f
h
+
+

= on obtient
( )
1 1
2
n n n n
h
y y f f
+ +
= + +
Adams dordre p implicite (ApI) :
1
1 1
0
p
n n nk n k
k
y y h f

+ +
=
= +

si p = 4
( )
1 1 1 2
9 19 5
24
n n n n n n
h
y y f f f f
+ +
= + + +
33
d- remarques
Les formules implicites, itratives, consomment plus de temps
machine que les formules explicites, mais :
- Elles sont stables, inconditionnellement.
- La convergence est dautant plus rapide que lestimation de
est proche de
0
1
( )
n
y
+
1 n
y
+
34
e- mthodes de type prdicteur-correcteur
Formule de prdiction : Adams explicite
Formule de correction : Adams implicite
1 1
1 1
3
2
2
n n n n
n n n n
h
y y ( f f )
h
y y ( f f )
+
+ +

= +

= + +

ordre 2
1 1 2 3
1 1 1 2
55 59 37 9
24
9 19 5
24
n n n n n n
n n n n n n
h
y y ( f f f f )
h
y y ( f f f f )
+
+ +

= + +

= + + +

ordre 4
35
III- SYSTEME DIFFERENTIEL DU 1
er
ORDRE
1 11 1 12 2 1 1
2 21 1 22 2 2 2
1 1 2 2
n n
n n
n n n nn n n
x a x a x a x b
x a x a x a x b
x a x a x a x b
= + + + +

= + + + +

= + + + +

&
L
&
L
L L
&
L
0
0
X AX B
X( ) X

= +

&
On peut utiliser toutes les mthodes vues prcdemment
Euler explicite :
1 k k k
X X h AX hB
+
= + +
1
1
k k
X ( h A)X hB
+
= + +
Euler implicite :
1 1 k k k
X X h AX hB
+ +
= + +
1
1
k k
( h A) X X hB
+
= +
14243 14243
A B
Intgrer 1 SD du 1
er
ordre = effectuer 1 produit de matrice chaque pas
Intgrer 1 SD du 1
er
ordre = rsoudre 1 systme linaire chaque pas
III-1 cas linaire
36
0
0
X A( t , X )X B( t , X )
X( ) X

= +

&
Plus dlicat rsoudre
Mais, on peut essayer : une mthode explicite, ou implicite avec une
mthode de point fixe, une mthode itrative de type Jacobi ou Gauss-
Seidel en version non linaire.

dx
= ax - bxy
dt
dy
= cxy - dy
dt
{ {
X
X
A
| | | || |
=
| | |
\ \ \
&
&
&
14243
x a -bx x
y cy -d y
III-2 cas non linaire
Modle proie-prdateur
( )( )
1
1
1 1 1
0
1
attention aux indices et
k k k
k
k
k
p p p
( X ) h A ( X ) ( X )
( X k
X
X p )
+ + + + +
+
= +
=
37
IV- PROBLEMES DU 2
nd
ORDRE (ET PLUS)
IV-1 Problme conditions initiales
Exemple :
0
0
0 avec 0
0
a( t )y b( t )y c( t )y d( t )
y( ) y a( t )
y ( ) y

+ + =

on pose :
0 0
y z; y z

= =
0
0
0
0
d( t ) b( t )z c( t )y
z
a( t )
y z
y( ) y
z( ) z

0 1 0
c b d
a a a
( t ) ( t ) ( t )
y y
z z
| | | |

| | | |
= +
| |
| |
| |

\ \
\ \
0
0
0
0
z z( )
y y( )
| | | |
=
| |
\ \
RK, Adams,
Conditions initiales
Matlab : Initial Value Problems for ODEs
38
RK44_2D
1 1 1 2
2 2 1 2
y Y ( t ,y ,y )
y Y( t ,y )
y Y ( t ,y ,y )

= =
`

=
)

r
r r
1 10
0
2 20
0
0
y ( ) y
y
y ( ) y
=

=

=

r
( ) ( )
( )
( ) ( )
( )
1
1
11 21 31 41
1 1
6
1
1
12 22 32 42
2 2
6
2 2
2 2
n n
n n
y y h Y Y Y Y
y y h Y Y Y Y
+
+

= + + + +

= + + + +

11 1
1 2
12 2
1 2
( n) ( n)
n
( n) ( n)
n
Y Y ( t ,y ,y )
Y Y ( t ,y ,y )

1
2
1
2
31 1 21 22
1 2
2 2
32 2 21 22
1 2
2 2
( n) ( n)
h h
n
( n) ( n)
h h
n
Y Y ( t ,y Y , y Y )
Y Y ( t ,y Y ,y Y )
+
+

= + +

= + +

1
2
1
2
21 1 11 12
1 2
2 2
22 2 11 12
1 2
2 2
( n) ( n)
h h
n
( n) ( n)
h h
n
Y Y ( t , y Y ,y Y )
Y Y ( t ,y Y ,y Y )
+
+

= + +

= + +

41 1 1 31 32
1 2
42 2 1 31 32
1 2
( n) ( n)
n
( n) ( n)
n
Y Y ( t ,y Y ,y Y )
Y Y ( t ,y Y ,y Y )
+
+

= + +

= + +

39
IV-2 Problme aux limites
Matlab : Boundary Value Problem Solver
a- mthode de tir
On transforme un problme aux limites en un problme conditions
initiales :
0
0
L
a( x )y b( x )y c( x )y d( x )
y( ) y
y( L) y

+ + =

0
0
0
a( x )y b( x )y c( x )y d( x )
y( ) y
y ( ) u

+ + =

x
y
0 L
L
y
1 n
y ( L)

n
y ( L)
1 n
u

n
u
L
y( L,u) y =
recherche de la racine u
40
En utilisant la mthode de la corde
( ) ( )
1 1
1
1
L n n L n n
n
n n
y y u y y u
u
y y

+

critre darrt :
1 n n
u u
+
<
b- cas particulier important : quation diffrentielle linaire
Lensemble des solutions est un espace vectoriel de dimension 2.
On construit y
1
et y
2
deux solutions avec les pentes u
1
et u
2
.
Toute combinaison linaire de ces 2 solutions est solution.
1 1 2 2
y( x ) y ( x ) y ( x ) = +
0
0
L
a( x )y b( x )y c( x )y d( x )
y( ) y
y( L) y

+ + =
=
=
41
1 1 1 1 2 2 2 2
d( x ) d( x )
( a( x )y b( x )y c( x )y ) ( a( x )y b( x )y c( x )y ) d( x )

+ + + + + =
1444442444443 1444442444443
On doit donc avoir :
1 2
1 + =
1 0 2 0 0
1 1 2 2 L
y y y
y ( L) y ( L) y
+ =

+ =

Et les conditions limites donnent

2
1
1 2
1
2
2 1
L
L
y y ( L)
y ( L) y ( L)
y y ( L)
y ( L) y ( L)

42
c- mthode matricielle
0
0
C.L. de type Dirichlet
L
a( x )y b( x )y c( x )y d( x )
y( ) y
y( L) y

+ + =
=

`
=
)
x
0
x
N+1 x
1
x
i
x
i+1
x
i-1

0
L
On utilise des diffrences finies symtriques
2
( ) ( ) ( ) ( )
2
x
y x x y x x y x y x

+ + +
2
( ) ( ) ( ) ( )
2
x
y x x y x x y x y x

+
1 1
2
i i
i
y y
y
x
+

1 1
2
2
i i i
i
y y y
y
x
+
+

maillage
43
On crit en tout point M
i
, i =1, .., n, lquation diffrentielle en
remplaant les y(x) et y(x) par les approximations aux D.F.
1 1 1 1
2
2
1, ,
2
i i i i i
i i i i i
y y y y y
a b c y d i n
x
x
+ +
+
+ = =

L
En regroupant, on obtient :
{
1
2
1
2 2
2
2 2
1, ,
i
i i i
i i
i i
i i i
i i i
a b a
y y y i
a b
c d
x x
x x
n
x
+

| | | | | |
+
| | |

\ \ \
+ + = =
1442443 14243 1442 4
L
4 3
0
1 1 1 1
2 2 2
1 2
1 2 3
0
0
2
1
1
1
( . .)
( . .)
i i i i i i i
n L
y C L
y
y CL
y y
y y y
y y y
y
y
+
+
=

+ + =

+ + =

+ + =

L L
L L
Systmes de n quations n
Inconnues .
44
Trouver la solution dune EDO se ramne ici la rsolution dun systme
linaire de n quations n inconnues. On peut alors utiliser les mthodes
vues prcdemment (Gauss, Choleski, ).
Conditions aux limites (Dirichlet)
1 1 1 1 1 0
2 2 2 2 2
1 1 1 1 1
1
0 0
0 0
0 0
0 0
0
i i i i i
n n n n n
n n n n n n
Y B
y y
y
y
y
y y
A

+

| || | | |
| | |

| | |
| | |
| | |
=
| | |
| | |
| | |

| | |
| | |

\ \ \
L L L
L L
M L O L L L M M M
L L
M L L L O L M M M
L L
L L L L
14444444244444443123 1 2 44 443
45
Dirichlet :
y est connu
Neuman :
y est connu
Fourier :
relation linaire
entre y et y
Types de conditions aux limites
( )
L
y L y =
0
0
dy
y
dx
(

=
(

(0) (0) 0 y y

+ =
1 n L
y y
+
=
0 1 2
0
3 4
2
y y y
y
x
+

0 1 2
0
3 4
0
2
y y y
y
x
+
+ =

Les DF peuvent tre aussi utilises pour rsoudre des EDP

46