Vous êtes sur la page 1sur 73

Notes de cours dAnalyse

Equations dierentielles

Etude theorique et schemas numeriques


Ingenieurs MACS - premi`ere annee
C. Basdevant
Departement de Mathematiques - Institut Galilee
Universite Paris-Nord
Annee 2003 - 2004
2 Notes dAnalyse -

Equations dierentielles
Avertissement important
Ces notes reprennent les denitions et resultats du cours dAnalyse 1.2
de MACS premi`ere annee. Elles ne contiennent ni les demonstrations, ni les
exemples, ni les exercices donnes en cours ou en TD.
Tous les resultats sont demontres en cours et il est rappele aux etudiants que
la comprehension et la matrise des demonstrations est une condition
essentielle pour bien assimiler le cours, pour savoir appliquer les resultats et
pour pouvoir progresser. Ils sont donc fermement invites `a retrouver toutes les
demonstrations en saidant soit de leurs notes personnelles, soit de manuels,
soit en demandant conseil `a leurs enseignants.
Lettres grecques
alpha beta gamma delta
epsilon zeta eta theta
iota kappa o O omicron lambda
mu nu ksi pi
rho sigma tau upsilon
phi khi psi omega
Premi`ere partie
Resultats theoriques pour les
EDO
3
Chapitre I
Outils Mathematiques
1 Rappels de calcul dierentiel
Denition I.1 (Fonction dierentiable)
Soit E et F deux espaces vectoriels normes et U un ouvert de E. La fonction
f : U F est dierentiable au point a U sil existe une application lineaire
continue f

(a) L(E, F) telle que :


f(x) = f(a) + f

(a).(x a) + o(|x a|)


f

(a) est la dierentielle de f au point a, quand elle existe elle est unique.
Remarque I.1 o(|x a|) = |x a|(x a) avec lim
xa
(x a) = 0.
Remarque I.2 La dierentiabilite de f en a implique la continuite de f en
ce point.
Remarque I.3 Si E = R
n
et F = R
m
alors f

(a) L(R
n
, R
m
), et f

(a) est
represente dans les bases canoniques de E et F par une matrice mn :
f

(a) =
_
f
i
x
j
_
1im
1jn
Exemple I.1 Soit E = f : [0, 1] R, f continue muni de la norme
|f|

= sup
x[0,1]
[f(x)[. Considerons la fonction denie sur E, `a valeurs
dans E, par :
(f)(x) =
_
1
0
k(x, s)g(f(s))ds x [0, 1], f E
o` u la fonction k est donnee, continue de [0, 1]
2
dans R et g est deux fois
contin ument dierentiable de R dans R.
Alors est dierentiable sur E et :
(

(f).h) (x) =
_
1
0
k(x, s)g

(f(s))h(s)ds, x [0, 1], f E, h E


5
6 Resultats theoriques pour les EDO
Exemple I.2 Soit E un espace de Banach et GL(E) le groupe lineaire de
E, cest `a dire lensemble des applications lineaires continues bijectives de E
dans E et dont linverse est continue (note : linverse dune application lineaire
continue bijective est toujours continue dans un Banach dapr`es le theor`eme
de lapplication ouverte).
! GL(E) est ouvert dans L(E).
! Lapplication qui `a X GL(E) associe (X) = X
1
GL(E) est
dierentiable et :

(X).h = X
1
hX
1
, h L(E), X GL(E)
Exemple I.3 Soient E
1
et E
2
deux espaces vectoriels normes, le produit
E
1
E
2
est muni de la norme |x| = |(x
1
, x
2
)| = |x
1
|
E
1
+ |x
2
|
E
2
. Soit
B une application bilineaire continue sur E
1
E
2
`a valeurs dans un espace
vectoriel norme F (rappel la continuite de B est equivalente `a |B(x
1
, x
2
)|
M|x
1
||x
2
|). Alors B est dierentiable et :
B

(a
1
, a
2
).(h
1
, h
2
) = B(a
1
, h
2
) + B(h
1
, a
2
), (a
1
, a
2
) et (h
1
, h
2
) E
1
E
2
Proposition I.1
Soit E, F et G trois espaces vectoriels normes, U un ouvert de E et V un
ouvert de F et
f : U F dierentiable en a U, f(U) V ,
g : V G dierentiable en b = f(a) V .
Alors g f est dierentiable en a et :
(g f)

(a) = g

(f(a)) f

(a)
Exercice I.1 Calculez les dierentielles des fonctions suivantes :
1. J(f) =
_

[f(x)[
2
dx, f L
2
(), ouvert borne de R
n
.
2. G(f) =
_

|f(x)|
2
dx, f H
1
(), ouvert borne de R
n
.
3. (X) = (X
t
X)
1
, X GL(R
n
)
Theor`eme I.2 (Accroissements nis)
Soit E et F deux espaces vectoriels normes et U un ouvert de E. Soit f :
U F, dierentiable dans U. Si le segment [a, b] est inclus dans U on a la
majoration :
|f(b) f(a)| sup
0<t<1
|f

(a + t(b a))| |b a|
Remarque I.4 Pour une fonction de la variable reelle, `a valeurs reelles, et
uniquement dans ce cas, la formule des accroissements nis secrit :
f(b) f(a) = (b a)f

(c), avec c ]a, b[


Pour une fonction denie dans un espace vectoriel norme et `a valeurs reelles,
elle secrit :
f(b) f(a) = f

(a + (b a)).(b a), avec ]0, 1[

Equations dierentielles C. Basdevant - Universite Paris-Nord 7


Corollaire I.3
Soit E et F deux espaces vectoriels normes et U un ouvert connexe de E.
Soit f : U F, dierentiable dans U, avec f

(x) = 0, x U. Alors f est


constante dans U.
Denition I.2 (Dierentielle seconde)
Soit E et F deux espaces vectoriels norme et U un ouvert de E. Soit f : U
F, dierentiable dans un voisinage de a U.
On dit que f est deux fois dierentiable en a si lapplication f

denie dans
un voisinage de a et `a valeurs dans L(E, F) est dierentiable en a.
f

(a) = (f

(a) L(E, L(E, F) = L


2
(E, F)
La dierentielle seconde f

(a) est une application bilineaire symetrique conti-


nue de E E dans F.
Exemple I.4 Si f est denie sur R
n
`a valeurs dans F, f

(a) sexprime en
fonction des derivees partielles secondes de f (qui sont des elements de F) :
f

(a).(h, k) =

2
f
x
i
x
j
(a) h
i
h
j
, h, k R
n
Exemple I.5 Soit qui `a X GL(E) associe (X) = X
1
GL(E), alors :

(X).h.k = X
1
hX
1
kX
1
+ X
1
kX
1
hX
1
, h, k L(E)
Exercice I.2 Calculez les dierentielles secondes des fonctions suivantes :
1. J(f) =
_

[f(x)[
2
dx, f L
2
(), ouvert borne de R
n
.
2. G(f) =
_

|f(x)|
2
dx, f H
1
(), ouvert borne de R
n
.
3. (X) = (X
t
X)
1
, X GL(R
n
)
Theor`eme I.4 (Formule de Taylor, reste de Young)
Soit E et F deux espaces vectoriels normes et U un ouvert de E. Soit f :
U F, p 1 fois contin ument dierentiable dans un voisinage V dun point
a U et p fois dierentiable en a. Si le segment [a, a +h] est inclus dans V on
a :
f(a + h) = f(a) +
1
1!
f

(a).h +
1
2!
f

(a).h
(2)
+
+
1
(p 1)!
f
(p1)
(a).h
(p1)
+
1
p!
f
(p)
(a).h
(p)
+ o(|h|
p
)
Theor`eme I.5 (Formule de Taylor, reste integrale)
Soit E et F deux espaces vectoriels normes et U un ouvert de E. Soit f : U
F, p fois contin ument dierentiable dans un voisinage V dun point a U. Si
le segment [a, a + h] est inclus dans V on a :
f(a + h) = f(a) +
1
1!
f

(a).h +
1
2!
f

(a).h
(2)
+
+
1
(p 1)!
f
(p1)
(a).h
(p1)
+
_
1
0
(1 t)
(p1)
(p 1)!
f
(p)
(a + th).h
(p)
dt
8 Resultats theoriques pour les EDO
Remarque I.5 La formule de Taylor avec reste de Lagrange (f C
p
, reste :
+
1
p!
f
(p)
(a+h).h
(p)
avec ]0, 1[) nest valable que pour des fonctions `a valeurs
reelles.
2 Theor`eme du point xe
Objet : resolution dune equation non-lineaire (g(x) = 0 ou f(x) = x) dans
un espace de Banach E. En posant f(x) = x +g(x) ou f(x) = x +Ag(x) avec
A GL(E) on passe dune forme `a lautre.
Theor`eme I.6 (Du point xe - Picard)
Soit F un ferme dun espace de Banach E et f une contraction denie sur F,
cest `a dire f : F F et
< 1, x, y F, |f(x) f(y)| |x y|
alors f poss`ede un unique point xe dans F (i.e. !x F, f(x) = x).
Remarque I.6 Si F est convexe et f dierentiable dans un voisinage de F il
sut pour quelle soit contractante que sup
xF
|f

(x)| < 1.
Corollaire I.7
Soit F un ferme dun espace de Banach E et f : F F. Sil existe un p 1
tel que literee f
p
soit une contraction, alors f poss`ede un unique point xe
dans F.
Methode des approximations successives pour resoudre lequation x =
f(x) : prendre x
0
arbitraire et x
n+1
= f(x
n
). Si la suite x
n
converge et si
f est continue, sa limite est solution de lequation. Si f est contractante lal-
gorithme converge toujours vers lunique solution de lequation.
Theor`eme I.8 (Point xe avec param`etre)
Soit F un ferme dun espace de Banach E et U R
n
, f : F U F continue
telle que u U, f(., u) : F F est contractante avec une constante
independante de u, soit :
< 1, u U, x, y F, |f(x, u) f(y, u)| |x y|
Si x(u) est lunique point xe de f(., u), alors lapplication qui `a u U associe
x(u) F est continue.
3 Theor`eme des fonctions implicites
Objet : resoudre lequation f(x, y) = 0 sous la forme y = g(x).

Equations dierentielles C. Basdevant - Universite Paris-Nord 9


Theor`eme I.9 (Fonctions implicites)
Soit E, F, G des espaces de Banach et U E, V F des ouverts, f : UV
G une fonction de classe C
1
.
Soit (a, b) U V tel que :
f(a, b) = 0 et
f
y
(a, b) L(F, G) est inversible.
Alors il existe des voisinages U

de a et V

de b et une unique application
g : U

V

tels que f(x, g(x)) = 0, x U

(soit y = g(x)).
De plus g est de classe C
1
et :
g

(x) =
_
f
y
(x, g(x))
_
1
f
x
(x, g(x))
Remarque I.7 Lexpression de g

(x) sobtient facilement en dierentiant la


relation f(x, g(x)) = 0.
4 Module de continuite
Denition I.3
Soit E et F des espaces vectoriels normes, K un compact de E et f : K F
continue. On appelle module de continuite de f sur K la fonction : R
+

R
+
denie par :
(h) = sup
x,yK
xyh
|f(x) f(y)|
Proposition I.10
Le module de continuite de f est une fonction croissante de h et (h)
h0
+
0.
Proposition I.11
Si K est convexe le module de continuite est une fonction continue.
5 Lemmes de Gronwall
Theor`eme I.12 (Lemme de Gronwall continu)
Soit I un intervalle de R et : I R
n
derivable et veriant :
|

(t)| |(t)| + , t I
avec , 0. Alors, t, t
0
I :
|(t)| |(t
0
)|e
|tt
0
|
+

(e
|tt
0
|
1) si ,= 0
|(t)| |(t
0
)| + [t t
0
[ si = 0
10 Resultats theoriques pour les EDO
Theor`eme I.13 (Lemme de Gronwall discret)
Soit (a
n
)
n0
une suite de reels positifs veriant :
a
n+1
(1 + A)a
n
+ B, n 0
avec A > 0 et B 0. Alors :
a
n
a
0
e
nA
+
e
nA
1
A
B, n 0
Chapitre II
Resultats dexistence et
dunicite pour les EDO
1 Introduction et terminologie
On considerera le probl`eme de Cauchy, ou probl`eme `a valeur initiale :
_
_
_
y

= f(x, y)
y(x
0
) = y
0
(II.1)
avec x, x
0
I un intervalle de R, y(x), y
0
R
n
et f : I R
n
R
n
continue.
Denition II.1
On dira que la fonction y : I R
n
est solution de (II.1) si y C
1
(I, R
n
),
y(x
0
) = y
0
et x I, y

(x) = f(x, y(x)).


2 Existence et unicite pour le probl`eme de
Cauchy
Proposition II.1
Si la fonction f est continue sur I R
n
, toute solution du probl`eme (II.1) est
solution du probl`eme (II.2) suivant et reciproquement.
y C
0
(I, R
n
) et y(x) = y
0
+
_
x
x
0
f(s, y(s))ds (II.2)
Proposition II.2
Si la fonction f est de classe C
k
sur I R
n
, toute solution du probl`eme (II.1)
est de classe C
k+1
.
11
12 Resultats theoriques pour les EDO
2 - a Existence et unicite globale
Denition II.2
La fonction f : I R
n
R
n
est Lipschitzienne en y sil existe une constante
L, appelee la constante de Lipschitz de f, telle que :
x I, y, z R
n
, |f(x, y) f(x, z)| L|y z|
Theor`eme II.3 (Cauchy - Lispchitz - f Lipschitzienne)
Soit la fonction f, `a valeurs dans R
n
, continue sur [x
0
, x
0
+ a] R
n
et Lip-
schitzienne par rapport `a y. Alors, y
0
R
n
, il existe une unique fonction
y C
1
([x
0
, x
0
+ a], R
n
) qui verie :
_
_
_
y

(x) = f(x, y(x)), x [x


0
, x
0
+ a]
y(x
0
) = y
0
(II.3)
Corollaire II.4 (f Lipschitzienne sur tout compact)
Soit I un intervalle ouvert de R, borne ou non borne et f : I R
n
R
n
,
continue et Lipschitzienne sur tout compact K I (cest `a dire quil existe
L(K) telle que x K, y, z R
n
, |f(x, y) f(x, z)| L(K)|y z|).
Alors pour tout x
0
I et y
0
R
n
il existe une unique fonction y C
1
(I, R
n
)
solution du probl`eme (II.1).
2 - b Existence et unicite locale
Lemme II.5 (Cylindre de securite)
Soit la fonction f : A R
n
continue avec A = (x, y) [ [x x
0
[ a, |y y
0
| b
R R
n
.
Posons M = sup
(x,y)A
|f(x, y)|.
Alors, si = min(a,
b
M
), on peut denir un cylindre de securite C par
C = [x
0
, x
0
+ ]

B(y
0
), avec

B(y
0
) = y [ |y y
0
| b
tel que, si F = C
0
([x
0
, x
0
+ ],

B(y
0
)) alors loperateur
(y)(x) = y
0
+
_
x
x
0
f(s, y(s))ds
verie (F) F.
Lemme II.6
Si la fonction f est Lipschitzienne de constante de Lipschitz L sur A, loperateur
verie :
y, z F |(y)(x) (z)(x)| L[x x
0
[|y z|
F
|
m
(y)(x)
m
(z)(x)|
L
m
m!
[x x
0
[
m
|y z|
F
avec
|y|
F
= sup
|xx
0
|
|y(x)|.

Equations dierentielles C. Basdevant - Universite Paris-Nord 13


Theor`eme II.7 (Existence et unicite locale)
Soit la fonction f : A R
n
, continue, Lipschitzienne par rapport `a y sur le
cylindre A :
A = (x, y) [ [x x
0
[ a, |y y
0
| b R R
n
Alors lequation
_
_
_
y

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


y(x
0
) = y
0
(II.4)
a une unique solution sur [x
0
, x
0
+ ] avec = min(a,
b
M
) o` u M =
sup
(x,y)A
|f(x, y)|.
3 Prolongement des solutions
Denition II.3 (f Localement Lipschitzienne)
f est localement Lipschitzienne sur U un ouvert de RR
n
si pour tout point
de U il existe un voisinage de ce point dans U sur lequel f est Lipschitzienne.
Remarque II.1 Si f est C
1
elle est localement Lipschitzienne.
Lemme II.8 (Solution maximale)
Soit U un ouvert de R R
n
, f continue sur U et localement Lipschitzienne.
Alors pour tout (x
0
, y
0
) U il existe un intervalle I
max
=]

,
+
[, avec

< x
0
<
+
+, tel que :
! lequation y

= f(x, y) avec y(x


0
) = y
0
a une unique solution sur I
max
.
! si z : I R
n
est une solution de lequation precedente, alors I I
max
et z y sur I.
Theor`eme II.9 (Prolongement jusquau bord)
Soit U un ouvert de R R
n
, f continue sur U et localement Lipschitzienne.
Alors chaque solution de y

= f(x, y) poss`ede un prolongement jusquau bord


de U. Cest `a dire que si y : I
max
R
n
est solution maximale pour y(x
0
) = y
0
avec (x
0
, y
0
) U, alors pour tout compact K de U il existe x
1
, x
2
I
max
,
x
1
< x
0
< x
2
tels que (x
1
, y(x
1
)) / K et (x
2
, y(x
2
)) / K.
Corollaire II.10 (Solutions maximales des equations anes)
Soit lequation dierentielle ane :
y

= A(x)y + B(x)
avec A : ]a, b[L(R
n
) et B : ]a, b[R
n
continues.
Alors les solutions maximales sont denies sur tout lintervalle ]a, b[.
Theor`eme II.11 (Syst`eme dissipatif)
Si f : R
n
R
n
est localement Lipschitzienne et
v R
n
, 0, > 0, tels que (f(y), y v) |y|
2
y R
n
Alors le probl`eme de Cauchy y

= f(y) avec y(0) = y


0
poss`ede une unique
solution qui existe pour tout x 0.
14 Resultats theoriques pour les EDO
Chapitre III
Resultats de stabilite
1 Perturbation dune EDO
Theor`eme III.1 (Lemme fondamental)
Soit U un ouvert de R R
n
, f : U R
n
continue et :
! y : [x
0
, x
0
+ a) R
n
solution de y

= f(x, y),
! v : [x
0
, x
0
+ a) R
n
continue et derivable,
telles que x [x
0
, x
0
+ a) :
! |v

(x) f(x, v(x))| (v est une solution approchee),


! |f(x, y(x)) f(x, v(x))| L|y(x) v(x)|.
Alors, x [x
0
, x
0
+ a) :
|y(x) v(x)| |y(x
0
) v(x
0
)|e
L(xx
0
)
+

L
(e
L(xx
0
)
1)
2 Continuite par rapport aux conditions ini-
tiales
Lemme III.2
Soit U un ouvert de R R
n
, f : U R
n
continue et localement Lipschit-
zienne. Alors pour tout compact K de U il existe une constante L 0 telle
que
|f(x, y) f(x, z)| L|y z| sur K
Theor`eme III.3
Soit U un ouvert de R R
n
, f : U R
n
continue et localement Lipschit-
zienne.
Designons par y(x
0
, y
0
; x) la solution maximale du probl`eme
_
_
_
y

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


y(x
0
) = y
0
15
16 Resultats theoriques pour les EDO
et par I
max
(x
0
, y
0
) son support dans R.
Alors, lensemble D R R
n
R deni par :
D = (x
0
, y
0
, x) [ (x
0
, y
0
) U, x I
max
(x
0
, y
0
)
est ouvert et lapplication denie sur D par :
(x
0
, y
0
, x) = y(x
0
, y
0
; x) R
n
est continue.
Chapitre IV

Equations dierentielles
lineaires et anes
On consid`ere des equations dierentielles du type :
y

= A(x)y + g(x)
avec y R
n
, A(x) une matrice n n et g(x) R
n
.
On a vu que si I est un intervalle et A(x) et g(x) sont continues sur I, la
solution du probl`eme de Cauchy existe et est unique sur I.
Proposition IV.1 (Principe de superposition)
Soit I in intervalle de R, et supposons A(x), g
1
(x) et g
2
(x) continues sur I.
Soit :
! y
1
solution de y

1
= A(x)y
1
+ g
1
(x),
! y
2
solution de y

2
= A(x)y
2
+ g
2
(x).
Alors, y(x) = c
1
y
1
(x) + c
2
y
2
(x) est solution de y

= A(x)y + g(x) avec g(x) =


c
1
g
1
(x) + c
2
g
2
(x), quelles que soient les constantes c
1
et c
2
.
Corollaire IV.2
Les solutions de lequation homog`ene y

= A(x)y forment un espace vectoriel,


elles dependent lineairement de y
0
.
Denition IV.1 (Resolvante)
Soit y(x
0
, y
0
; x) la solution de lequation homog`ene y

= A(x)y avec y(x


0
) = y
0
,
elle secrit :
y(x
0
, y
0
; x) = R(x, x
0
)y
0
o` u loperateur lineaire R(x, x
0
) L(R
n
) sappelle la resolvante de lEDO.
Proposition IV.3 (Proprietes de la resolvante)
Soit A(x) continue sur I, R(x, x
0
) la resolvante de lequation y

= A(x)y.
Alors :
1.

x
R(x, x
0
) = A(x)R(x, x
0
),
2. R(x
0
, x
0
) = Id,
3. R(x, x
0
) = R(x, x
1
)R(x
1
, x
0
),
17
18 Resultats theoriques pour les EDO
4. R(x, x
0
) = R(x
0
, x)
1
.
Theor`eme IV.4 (Liouville)
Soit A(x) continue sur I et R(x, x
0
) la resolvante de lequation y

= A(x)y.
Alors le determinant de la resolvante est donne par :
det R(x, x
0
) = exp
__
x
x
0
trace(A(t)) dt
_
Proposition IV.5 (

Equations anes (lineaires non-homog`enes))


Soit lequation dierentielle ane :
y

= A(x)y + g(x)
avec A(x) et g(x) denies et continues sur un intervalle I. Alors :
! Les solutions forment un espace ane : on obtient toutes les solutions
en faisant la somme dune solution particuli`ere plus lespace vectoriel
des solutions de lequation homog`ene associee.
! Une solution particuli`ere peut etre obtenue par la methode de variation
de la constante :
y(x) = R(x, x
0
)y
0
+
_
x
x
0
R(x, t)g(t) dt
o` u R(x, x
0
) est la resolvante de lequation homog`ene.
Proposition IV.6 (

Equations lineaires `a coecients constants)


Soit lequation dierentielle lineaire `a coecients constants :
y

= Ay
avec A une matrice nn independante de x. Alors sa resolvante est invariante
par translation : R(x, x
0
) = M(x x
0
) avec M(x) = R(x, 0).
M(x) est solution de
d
dx
M(x) = AM(x), on pose alors M(x) = exp(Ax)
Denition IV.2 (Exponentielle de matrice)
Soit A une matrice nn et x un reel, exp(Ax) est la matrice nn qui verie :
_
_
_
d
dx
exp(Ax) = Aexp(Ax)
exp(A0) = exp(0) = Id
Proposition IV.7
Lexponentielle de matrice verie les proprietes suivantes :
1. exp(A(x + x
0
)) = exp(Ax) exp(Ax
0
)
2. Si BA = AB, alors B exp(Ax) = exp(Ax)B
3. Si BA = AB, alors exp(A + B) = exp(A) exp(B)

Equations dierentielles C. Basdevant - Universite Paris-Nord 19


4. (exp(A))
1
= exp(A)
5. det(exp(A)) = exp(trace(A))
6. Si B est inversible, exp(BAB
1
) = B exp(A)B
1
7.
exp(A) =

k0
A
k
k!
avec convergence normale sur tout borne de L(R
n
).
8. Si A est symetrique denie positive, exp(A) est symetrique denie posi-
tive.
9. Si A est antisymetrique, exp(A) est unitaire.
20 Resultats theoriques pour les EDO
Chapitre V
Sensibilite par rapport aux
donnees
Theor`eme V.1
Soit U un ouvert de R R
n
, f : U R
n
continue et telle que sa derivee
partielle
f
y
existe et est continue sur U.
Soit y(x
0
, y
0
; x) la solution de :
_
_
_
y

= f(x, y)
y(x
0
) = y
0
Alors, y est contin ument dierentiable par rapport `a y
0
et sa dierentielle
( L(R
n
)) est solution de lequation lineaire tangente (ou equation variation-
nelle) :
_
_
_

x
_
y
y
0
(x
0
, y
0
; x)
_
=
f
y
(x, y(x
0
, y
0
; x))
y
y
0
(x
0
, y
0
; x)
y
y
0
(x
0
, y
0
; x
0
) = Id
21
22 Resultats theoriques pour les EDO
Chapitre VI
Stabilite `a linni
1 Denitions
Soit lequation dierentielle y

= f(x, y) avec f : [a, +[R


n
R
n
conti-
nue. On va sinteresser au comportement de solutions (quand elles existent)
quand x tend vers linni.
Denition VI.1 (Solution stable au sens de Lyapunov)
Soit y(x
0
, y
0
; x) la solution du probl`eme de Cauchy
_
_
_
y

= f(x, y), x [x
0
, +[
y(x
0
) = y
0
Cette solution est stable au sens de Lyapunov si :
> 0, |z
0
y
0
| =|y(x
0
, z
0
; x) y(x
0
, y
0
; x)| , x x
0
La solution est asymptotiquement stable si :

0
|z
0
y
0
|
0
= lim
x+
|y(x
0
, z
0
; x) y(x
0
, y
0
; x)| = 0
Sinon la solution est dite instable.
Proposition VI.1
la stabilite de la solution y(x) de lequation y

= f(x, y) est la meme que celle


de la solution identiquement nulle pour lequation z

= g(x, z) avec :
g(x, z) = f(x, z + y(x)) f(x, y(x))
Remarque VI.1 Pour une equation ane y

= A(x)y + g(x), une solution


est stable si et seulement si la solution nulle de lequation homog`ene associee
est stable. Cest donc lequation elle-meme qui est stable ou instable.
23
24 Resultats theoriques pour les EDO
2 Stabilite des equations lineaires
Theor`eme VI.2 (equations lineaires `a coecients constants)
Lequation dierentielle y

= Ay, o` u A est une matrice n n, est :


! Asymptotiquement stable si et seulement si toutes les valeurs propres
de A ont une partie reelle strictement negative.
! Stable si et seulement si toutes les valeurs propres de A ont une partie
reelle negative ou nulle et le sous espace propre dune valeur propre de
partie reelle nulle a pour dimension la multiplicite de cette valeur propre.
Theor`eme VI.3 (Matrices symetriques)
Soit x : A(x) une application continue, A(x) etant une matrice n n
symetrique dont toutes les valeurs propres
i
(x) verient
i
(x) , x x
0
.
Alors la solution de lequation dierentielle lineaire y

= A(x)y verie :
|y(x)| e
(xx
0
)
|y(x
0
)|
o` u la norme est la norme euclidienne.
Lequation y

= A(x)y est donc stable si 0 et asymptotiquement stable si


< 0.
3

Equations non-lineaires
Theor`eme VI.4 (Perturbation dune equation lineaire)
Soit lequation dierentielle y

= A(x)y +g(x, y) avec g(x, 0) = 0. On suppose


les matrices n n A(x) continues en x et g(x, y) continue, Lipschitzienne par
rapport `a y dans un voisinage de y = 0. On suppose egalement que :
! La resolvante R de lequation y

= A(x)y verie |R(x, x


0
)| Ke
(xx
0
)
pour x x
0
, avec > 0.
! sup
|g(x, y)|
|y|
0 quand y 0, uniformement en x.
Alors la solution nulle de lequation est asymptotiquement stable.
Proposition VI.5
Soit A une matrice constante, g(x, y) une fonction continue, veriant g(x, 0) =
0, Lipschitzienne par rapport `a y dans un voisinage de y = 0 et veriant :
sup
|g(x, y)|
|y|
0 quand y 0, uniformement en x.
Si A poss`ede une valeur propre de partie reelle strictement positive, alors la
solution nulle de lequation y

= Ay + g(x, y) est instable.


Theor`eme VI.6 (

Equations autonomes)
Soit lequation dierentielle autonome y

= f(y) avec f C
1
(R
n
) et y
0
une
solution stationnaire (f(y
0
) = 0).
! Si toutes les valeurs propres de f

(y
0
) ont une partie reelle strictement
negative, y
0
est une solution stationnaire asymptotiquement stable. On
dit que y
0
est un attracteur.

Equations dierentielles C. Basdevant - Universite Paris-Nord 25


! Si une valeur propre de f

(y
0
) a une partie reelle strictement positive,
la solution y
0
est instable.
! Si une valeur propre de f

(y
0
) a une partie reelle nulle, les autres ayant
une partie reelle negative ou nulle, la solution peut etre stable ou in-
stable.
26 Resultats theoriques pour les EDO
Deuxi`eme partie
Schemas numeriques pour les
EDO
27
Chapitre I
Methodes `a un pas
1 Introduction
On consid`ere lequation dierentielle ordinaire :
_
_
_
y

= f(x, y)
y(x
0
) = y
d
(I.1)
avec x [x
0
, x
0
+ a] et y, y
d
R
n
. On supposera dans ce chapitre f continue
et Lipschitzienne par rapport `a y.
Etant donne un maillage regulier x
k
= x
0
+ kh, 0 k N, h =
a
N
du
segment [x
0
, x
0
+ a], on cherche `a calculer des approximations y
k
des valeurs
de la solution y(x
k
) aux nuds du maillage.
On consid`ere pour cela des methodes, dites methodes `a un pas, de la forme :
_
_
_
y
k+1
= y
k
+ h(x
k
, y
k
, h)
y
0
= y
dh
(I.2)
avec y
dh
R
n
et : [x
0
, x
0
+ a] R
n
[0, h
0
] R
n
.
2 Notions de convergence, stabilite et consis-
tance
Denition I.1 (Convergence de la methode)
La methode (I.2) de simulation du probl`eme (I.1) est convergente si y
d
R
n
:
lim
h0
y
dh
y
d
max
0kN
|y
k
y(x
k
)| = 0
o` u y(x) est la solution de (I.1).
29
30 Schemas numeriques pour les EDO
Denition I.2 (Stabilite (zero-stabilite))
Le schema (I.2) est stable sil existe des constantes M
1
et M
2
, independantes
de h, telles que y
dh
, z
dh
R
n
,
k
R
n
, les suites y
k
et z
k
denies par :
y
k+1
= y
k
+ h(x
k
, y
k
, h), y
0
= y
dh
z
k+1
= z
k
+ h(x
k
, z
k
, h) +
k
, z
0
= z
dh
verient :
max
0kN
|y
k
z
k
| M
1
|y
dh
z
dh
| + M
2
N1

k=0
|
k
|
Denition I.3 (Consistance dun schema)
On dit que le schema (I.2) est consistant avec lequation (I.1) si, y(x) solution
de lequation (I.1), on a :
max
0kN
|
y(x
k+1
) y(x
k
)
h
(x
k
, y(x
k
), h)|
h0
0
Remarque I.1
k
=
y(x
k+1
)y(x
k
)
h
(x
k
, y(x
k
), h) sappelle lerreur locale de
troncature, elle doit etre en O(h) pour la consistance.
max
0kN
|
k
| est lerreur globale de troncature.

k
= h
k
= y(x
k+1
) y(x
k
) h(x
k
, y(x
k
), h) sappelle le residu ou erreur
locale (dans un pas), il doit etre en o(h) pour la consistance.
Theor`eme I.1 (Theor`eme dequivalence de Lax-Richtmyer)
Soit lequation dierentielle :
y

= f(x, y)
avec f continue de [x
0
, x
0
+ a] R
n
dans R
n
, Lipschitzienne par rapport `a y,
et le schema `a un pas
y
k+1
= y
k
+ h(x
k
, y
k
, h)
avec continue de [x
0
, x
0
+ a] R
n
[0, h
0
] dans R
n
.
Si le schema est stable et consistant il est convergent.
3 Crit`ere de consistance
Theor`eme I.2
Soit lequation dierentielle y

= f(x, y) avec f continue de [x


0
, x
0
+ a] R
n
dans R
n
, Lipschitzienne par rapport `a y, et le schema `a un pas y
k+1
= y
k
+
h(x
k
, y
k
, h) avec continue de [x
0
, x
0
+ a] R
n
[0, h
0
] dans R
n
.
Le schema est consistant si et seulement si :
(x, y, 0) = f(x, y), x [x
0
, x
0
+ a], y R
n
(I.3)

Equations dierentielles C. Basdevant - Universite Paris-Nord 31


4 Crit`ere de stabilite
Theor`eme I.3
Soit le schema `a un pas y
k+1
= y
k
+ h(x
k
, y
k
, h), une condition susante de
stabilite est donnee par :
Il existe une constante , independante de h, telle que
|(x, y, h) (x, z, h)| |y z|,
x [x
0
, x
0
+ a], y, z R
n
, h [0, h
0
]
(I.4)
Corollaire I.4
Si verie (I.3) et (I.4) alors la methode `a un pas est convergente.
5 Ordre dune methode `a un pas
Denition I.4 (Methode dordre p)
La methode `a un pas
y
k+1
= y
k
+ h(x
k
, y
k
, h)
de discretisation de lequation y

= f(x, y) est dordre p si :


max
0kN
|
y(x
k+1
) y(x
k
)
h
(x
k
, y(x
k
), h)| K h
p
pour toute solution y(x) de lEDO assez contin ument dierentiable.
La constante K ne dependant que de y et de .
Remarque I.2 Lerreur globale de troncature est alors en O(h
p
).
Theor`eme I.5 (Erreur pour une methode stable dordre p)
Soit :
y
k+1
= y
k
+ h(x
k
, y
k
, h)
une methode `a un pas de discretisation de lequation y

= f(x, y).
Si la methode est stable et dordre p et si f est assez contin ument dierentiable,
on a la majoration de lerreur :
max
0kN
|y
k
y(x
k
)| M
1
|y
dh
y
d
| + M
2
Kh
p
6 Crit`ere pour lordre p
Pour f susamment dierentiable, posons :
f
(0)
= f
f
(1)
=
f
(0)
x
+
f
(0)
y
.f

f
(k+1)
=
f
(k)
x
+
f
(k)
y
.f
32 Schemas numeriques pour les EDO
On verie que si y est solution de y

= f(x, y) on a alors :
f
(k)
(x, y(x)) = y
(k+1)
(x) =
d
k
dx
k
f(x, y(x))
Theor`eme I.6
Si f C
p
([x
0
, x
0
+a] R
n
, R
n
) et ,

h
, ,

p

h
p
sont continues sur [x
0
, x
0
+
a] R
n
[0, h
0
], alors la methode `a un pas
y
k+1
= y
k
+ h(x
k
, y
k
, h)
est dordre p si et seulement si, x, y [x
0
, x
0
+ a] R
n
:
_

_
(x, y, 0) = f(x, y)

h
(x, y, 0) =
1
2
f
(1)
(x, y)

p1

h
p1
(x, y, 0) =
1
p
f
(p1)
(x, y)
On a alors dans la denition de lordre :
K =
1
(p + 1)!
max
x[x
0
,x
0
+a]
|f
(p)
(x, y(x))| +
1
p!
max
x[x
0
,x
0
+a]
h[0,h
0
]
|

h
p
(x, y(x), h)|
7 Probl`emes bien poses, bien conditionnes, raides
Denition I.5 (Probl`eme bien pose)
Un probl`eme de Cauchy (ou probl`eme `a valeur initiale) est un probl`eme bien
pose (au sens dHadamard) si sa solution est unique et depend contin ument
de la donnee initiale.
Proposition I.7
Le probl`eme de Cauchy y

= f(x, y), y(x


0
) = y
0
est un probl`eme bien pose si
f est localement Lipschitzienne en y.
Denition I.6 (Probl`eme numeriquement bien pose)
Un probl`eme de Cauchy est numeriquement bien pose si sa solution nest pas
trop perturbee par une erreur initiale ou des perturbations du second membre.
Denition I.7 (Probl`eme bien conditionne)
Un probl`eme est bien conditionne si les methodes numeriques usuelles peuvent
donner sa solution en un nombre raisonnable doperations. Sinon on parle de
probl`eme raide.
8 Catalogue de methodes `a un pas
8 - a Methodes dordre un, explicites
Methode dEuler progressive - Euler forward
y
k+1
= y
k
+ hf(x
k
, y
k
)

Equations dierentielles C. Basdevant - Universite Paris-Nord 33


8 - b Methodes dordre un, implicites
Methode dEuler retrograde - Euler backward
y
k+1
= y
k
+ hf(x
k+1
, y
k+1
)
8 - c Methodes dordre deux, explicites
Methode de Heun
y
k+1
= y
k
+
h
2
(f(x
k
, y
k
) + f(x
k+1
, y
k
+ hf(x
k
, y
k
))
Methode du developpement de Taylor
y
k+1
= y
k
+ hf(x
k
, y
k
) +
h
2
f
(1)
(x
k
, y
k
)
8 - d Methodes dordre deux, implicites
Methode de Crank-Nicolson
y
k+1
= y
k
+
h
2
(f(x
k
, y
k
) + f(x
k+1
, y
k+1
))
8 - e Methodes de Runge & Kutta
Lobjectif des methodes de Runge & Kutta est de construire des methodes
dordre eleve au moyen devaluations de f(x, y(x)) en des points intermediaires.
Une methode de Runge et Kutta `a q evaluations de f secrit :
(x, y, h) =
q

i=1
c
i
k
i
k
i
= f
_
x + ha
i
, y + h
q

j=1
b
i,j
k
j
_
, 1 i q
a
i
=
q

j=1
b
i,j
Si on appelle B la matrice qq des b
i,j
, a et c les vecteurs de dimension q des co-
ecients respectivement a
i
et c
i
. La methode se represente traditionnellement
par le tableau (tableau de Butcher) :
a B
c
T
Si la matrice B est strictement triangulaire inferieure la methode est explicite,
sinon elle est implicite.
34 Schemas numeriques pour les EDO
Remarque I.3 Dapr`es les crit`eres vus plus haut, une methode de Runge
et Kutta est dordre 1 si

i
c
i
= 1 et

i
c
i
a
i
= 1/2. On demontre que les
methodes de Runge et Kutta sont stables si f est Lipschitzienne. Elles ont
meme une stabilite presque optimale.
Methodes de Runge & Kutta dordre 2
Methodes explicites `a 2 evaluations
(x, y, h) = (1 )f(x, y) + f(x +
h
2
, y +
h
2
f(x, y))
0 0 0
1/2 1/2 0
1
Avec =
1
2
on retrouve la methode de Heun, voir ci-dessus.
Avec = 1 cest la methode dEuler modiee ou methode du point
milieu :
y
k+1
= y
k
+ hf(x
k
+
h
2
, y
k
+
h
2
f(x
k
, y
k
))
Methodes de Runge & Kutta dordre 4
La methode (explicite) la plus utilisee, dite RK4
0 0
1/2 1/2 0
1/2 0 1/2 0
1 0 0 1 0
1/6 2/6 2/6 1/6
k
1
= f(x
k
, y
k
)
k
2
= f(x
k
+
h
2
, y
k
+
h
2
k
1
)
k
3
= f(x
k
+
h
2
, y
k
+
h
2
k
2
)
k
4
= f(x
k
+ h, y
k
+ hk
3
)
y
k+1
= y
k
+
h
6
(k
1
+ 2k
2
+ 2k
3
+ k
4
)
Autre methode explicite dordre 4 avec 4 evaluations
0 0
1/3 1/3 0
2/3 1/3 1 0
1 1 1 1 0
1/8 3/8 3/8 1/8
k
1
= f(x
k
, y
k
)
k
2
= f(x
k
+
h
3
, y
k
+
h
3
k
1
)
k
3
= f(x
k
+
2h
3
, y
k

h
3
k
1
+ hk
2
)
k
4
= f(x
k
+ h, y
k
+ h(k
1
k
2
+ k
3
))
y
k+1
= y
k
+
h
8
(k
1
+ 3(k
2
+ k
3
) + k
4
)
La seule methode implicite dordre 4 avec 2 evaluations

Equations dierentielles C. Basdevant - Universite Paris-Nord 35


3+

3
6
1/4
3+2

3
12
3

3
6
32

3
12
1/4
1/2 1/2
k
1
= f(x
k
+
3+

3
6
h, y
k
+
h
4
k
1
+
3+2

3
12
hk
2
)
k
2
= f(x
k
+
3

3
6
h, y
k
+
32

3
12
hk
1
+
h
4
k
2
))
y
k+1
= y
k
+
h
2
(k
1
+ k
2
)
Une methode semi-implicite dordre 4 avec 3 evaluations
0 0
1/2 1/4 1/4
1 0 1 0
1/6 4/6 1/6
k
1
= f(x
k
, y
k
)
k
2
= f(x
k
+
h
2
, y
k
+
h
4
(k
1
+ k
2
))
k
3
= f(x
k
+ h, y
k
+ hk
2
)
y
k+1
= y
k
+
h
6
(k
1
+ 4k
2
+ k
3
)
36 Schemas numeriques pour les EDO
Chapitre II
Methodes lineaires `a pas
multiples
On consid`ere lequation dierentielle ordinaire :
_
_
_
y

= f(x, y)
y(x
0
) = y
d
(II.1)
avec x [x
0
, x
0
+ a] et y, y
d
R
n
. On supposera dans ce chapitre f continue
et Lipschitzienne par rapport `a y.
Etant donne un maillage regulier x
k
= x
0
+ kh, 0 k N, h =
a
N
du
segment [x
0
, x
0
+ a], on va construire des methodes dans lesquelles lapproxi-
mations y
k
des valeurs de la solution y(x
k
) aux nuds du maillage est calculee
en utilisant les q valeurs approchees anterieures y
k1
, y
k2
, , y
kq
.
Ces methodes demanderont une procedure de demarrage specique an de cal-
culer les valeurs de y
1
, y
2
, , y
q1
.
1 Exemples de methodes `a q pas
Partant de lidentite
y(x + ) = y(x) +
_
x+
x
f(t, y(t))dt
Les methodes dAdams et de Nystrom et Milne vont remplacer f(t, y(t)) dans
lintegrale par un polynome dinterpolation.
1 - a Methodes dAdams-Bashforth
On ecrit
y
k+1
= y
k
+
_
x
k+1
x
k
P(t)dt
37
38 Schemas numeriques pour les EDO
avec P le polynome dinterpolation de Lagrange de degre q1, pour les couples
de valeurs (x
ki
, f
ki
), 0 i q 1, o` u lon a pose f
i
= f(x
i
, y
i
), soit :
y
k+1
= y
k
+ h
q1

j=0

k
q,j
f
kj
, avec
k
q,j
=
1
h
_
x
k+1
x
k

k
q,j
(t)dt

k
q,j
etant le polynome de base de linterpolation de Lagrange de degre q 1 :

k
q,j
(x
ki
) =
i,j
. Pour un maillage regulier
k
q,j
ne depend que de q et de j.
Les methodes dAdams-Bashforth sont des methodes explicites.
Exemple II.1 Methodes dAdams-Bashforth
q = 2 y
k+1
= y
k
+
h
2
(3f
k
f
k1
)
q = 3 y
k+1
= y
k
+
h
12
(23f
k
16f
k1
+ 5f
k2
)
q = 4 y
k+1
= y
k
+
h
24
(55f
k
59f
k1
+ 37f
k2
9f
k3
)
q = 5 y
k+1
= y
k
+
h
720
(1901f
k
2774f
k1
+ 2616f
k2
1274f
k3
+ 251f
k4
)
1 - b Methodes dAdams-Moulton
On ecrit
y
k+1
= y
k
+
_
x
k+1
x
k
P

(t)dt
avec P

le polynome dinterpolation de Lagrange de degre q, pour les couples


de valeurs (x
k+1i
, f
k+1i
), 0 i q, soit :
y
k+1
= y
k
+ h
q

j=0

q,j
f
k+1j
Les methodes dAdams-Moulton sont des methodes implicites.
Exemple II.2 Methodes dAdams-Moulton
q = 1 y
k+1
= y
k
+
h
2
(f
k+1
+ f
k
)
q = 2 y
k+1
= y
k
+
h
12
(5f
k+1
+ 8f
k
f
k1
)
q = 3 y
k+1
= y
k
+
h
24
(9f
k+1
+ 19f
k
5f
k1
+ f
k2
)
q = 4 y
k+1
= y
k
+
h
720
(251f
k+1
+ 646f
k
264f
k1
+ 106f
k2
19f
k3
)
1 - c Methodes de Nystrom et de Milne-Simpson
Pour les methodes de Nystrom on ecrit
y
k+1
= y
k1
+
_
x
k+1
x
k1
P(t)dt
avec P le polynome dinterpolation de Lagrange de degre q1, pour les couples
de valeurs (x
ki
, f
ki
), 0 i q 1, soit :
y
k+1
= y
k1
+ h
q1

j=0

q,j
f
kj
Les methodes de Nystrom sont des methodes explicites.

Equations dierentielles C. Basdevant - Universite Paris-Nord 39


Exemple II.3 Methodes de Nystrom
q = 2 y
k+1
= y
k1
+ 2hf
k
, m. du point milieu, Saute-mouton, Leapfrog
q = 3 y
k+1
= y
k1
+
h
3
(7f
k
2f
k1
+ f
k2
)
q = 4 y
k+1
= y
k1
+
h
3
(8f
k
5f
k1
+ 4f
k2
f
k3
)
Pour les methodes de Milne-Simpson on ecrit
y
k+1
= y
k1
+
_
x
k+1
x
k1
P

(t)dt
avec P

le polynome dinterpolation de Lagrange de degre q, pour les couples


de valeurs (x
k+1i
, f
k+1i
), 0 i q, soit :
y
k+1
= y
k1
+ h
q

j=0

q,j
f
k+1j
Les methodes de Milne-Simpson sont, sauf q = 1, des methodes implicites.
Exemple II.4 Methodes de Milne-Simpson
q = 0 y
k+1
= y
k1
+ 2hf
k+1
, m. `a 2 pas
q = 1 y
k+1
= y
k1
+ 2hf
k
, m. `a 2 pas, Saute-mouton, explicite
q = 2 y
k+1
= y
k1
+
h
3
(f
k+1
+ 4f
k
+ f
k1
), m. `a 2 pas
1 - d Methodes de dierentiation retrograde (BDF)
Ou Backward Dierentiation formulas. Partant de y

(x) = f(x, y(x)) on


approche y

(x
k+1
) par la derivee du polynome dinterpolation des y
j
en des
points x
k+1i
, et on ecrit :
P

(x
k+1
) = f
k+1
avec P le polynome dinterpolation de Lagrange de degre q des couples de
valeurs (x
k+1i
, y
k+1i
), 0 i q.
Les methodes de dierentiation retrograde sont des methodes implicites.
Exemple II.5 Methodes de dierentiation retrograde.
q = 1 y
k+1
y
k
= hf
k+1
, soit : y
k+1
= y
k
+ hf
k+1
q = 2
3
2
y
k+1
2y
k
+
1
2
y
k1
= hf
k+1
, soit : y
k+1
=
1
3
(4y
k
y
k1
+ 2hf
k+1
)
q = 3 y
k+1
=
1
11
(18y
k
9y
k1
+ 2y
k2
+ 6hf
k+1
)
q = 4 y
k+1
=
1
25
(48y
k
36y
k1
+ 16y
k2
3y
k3
+ 12hf
k+1
)
40 Schemas numeriques pour les EDO
2 Forme generale des methodes `a q pas
Les methodes `a q pas presentees ci-dessus entrent toutes dans la classe des
methodes lineaires `a q pas denies par :
_

_
q

i=0

i
y
k+i
= h
q

i=0

i
f
k+i
, 0 k N q
y
i
= y
id
0 i q 1
(II.2)
On a pose f
i
= f(x
i
, y
i
), on suppose
q
,= 0 (on calcule y
k+q
par (II.2)), on
suppose egalement [
0
[ + [
0
[ ,= 0 (la methode est eectivement `a q pas). On
calcule donc y
k+q
en utilisant les valeurs anterieures y
k+q1
, y
k+q2
, , y
k
. La
methode est explicite si
q
= 0, elle est implicite sinon.
Les valeurs initiales y
id
, 0 i q 1 doivent etre calculees separement par
une procedure de demarrage adequate, `a partir de la donnee de Cauchy y
d
.
Proposition II.1
Si la methode `a q pas (II.2) est implicite (
q
,= 0), le schema admet une unique
solution y
k+q
d`es que
h <
[
q
[
L[
q
[
avec L la constante de Lipschitz de f.
3 Convergence, stabilite, consistance et ordre
Denition II.1 (Convergence de la methode)
La methode (II.2) de simulation du probl`eme (II.1) est convergente si y
d

R
n
:
lim
h0
y
id
y
d
0iq1
max
0kN
|y
k
y(x
k
)| = 0
o` u y(x) est la solution de (II.1) .
Denition II.2 (Stabilite (zero-stabilite))
La methode (II.2) est stable sil existe des constantes M
1
et M
2
, independantes
de h, telles que y
id
, z
id
R
n
, 0 i q 1,
k
R
n
, les suites y
k
et z
k
denies par :
q

i=0

i
y
k+i
= h
q

i=0

i
f
k+i
, y
i
= y
id
0 i q 1
q

i=0

i
z
k+i
= h
q

i=0

i

f
k+i
+
k
, z
i
= z
id
0 i q 1
avec f
i
= f(x
i
, y
i
) et

f
i
= f(x
i
, z
i
), verient :
max
0kN
|y
k
z
k
| M
1
max
0iq1
|y
id
z
id
| + M
2
Nq

k=0
|
k
|

Equations dierentielles C. Basdevant - Universite Paris-Nord 41


Denition II.3 (Consistance)
Le schema `a q pas (II.2) est consistant avec lequation (II.1) si, y(x) solution
de lequation (II.1), on a :
max
0kNq
|
1
h
q

i=0

i
y(x
k+i
)
q

i=0

i
f(x
k+i
, y(x
k+i
))|
h0
0
Theor`eme II.2 (Theor`eme dequivalence de Lax-Richtmyer)
Soit lequation dierentielle :
y

= f(x, y)
avec f continue de [x
0
, x
0
+ a] R
n
dans R
n
, Lipschitzienne par rapport `a y,
et la methode `a q pas
q

i=0

i
y
k+i
= h
q

i=0

i
f
k+i
Si la methode est stable et consistante elle est convergente.
Denition II.4 (Methode `a q pas dordre p)
La methode `a q pas (II.2) est dordre p pour lequation dierentielle (II.1) si,
y(x) solution C
p+1
de lequation (II.1), on a :
max
0kNq
|
1
h
q

i=0

i
y(x
k+i
)
q

i=0

i
f(x
k+i
, y(x
k+i
))| Kh
p
La constante K ne dependant que de y et du schema, mais pas de h.
Theor`eme II.3 (Erreur pour une methode `a q pas, stable dordre p)
Si la methode `a q pas (II.2) est stable et dordre p et si la fonction f est assez
contin ument dierentiable, on a la majoration de lerreur :
max
0kN
|y
k
y(x
k
)| M
1
max
0iq1
|y
id
y(x
i
)| + M
2
Kh
p
4 Crit`ere de consistance et dordre p
Theor`eme II.4
La methode `a q pas
q

i=0

i
y
k+i
= h
q

i=0

i
f
k+i
42 Schemas numeriques pour les EDO
est dordre p si et seulement si :
q

i
= 0 et
q

0
i
i
=
q

i
consistance et ordre 1
q

0
i
2

i
= 2
q

0
i
i
ordre 2
. . . . . . = . . . . . .
q

0
i
p

i
= p
q

0
i
p1

i
ordre p
Proposition II.5
Soit la methode `a q pas
q

i=0

i
y
k+i
= h
q

i=0

i
f
k+i
elle est parfaitement denie par la donnee des polynomes :
(x) =
q

i
x
i
, (x) =
q

i
x
i
La condition dordre p est equivalente `a :
(e
x
) x (e
x
) = O(x
p+1
) au voisinage de 0
Proposition II.6 (Constante derreur)
Si la solution y(x) de lequation dierentielle (II.1) est C
p+2
et la methode `a q
pas (II.2) est dordre p, lerreur locale de troncature secrit :

k+q
=
1
h
q

i=0

i
y(x
k+i
)
q

i=0

i
f(x
k+i
, y(x
k+i
)) = C
p+1
h
p
y
(p+1)
(x
k
) + o(h
p
)
avec
C
p+1
=
1
(p + 1)!
q

0
i
p+1

1
p!
q

0
i
p

i
On appelle constante derreur de la methode la quantite :
C =
C
p+1

i
=
C
p+1

(1)
Remarque II.1 On verra plus loin que si la methode est stable

(1) ,= 0.

Equations dierentielles C. Basdevant - Universite Paris-Nord 43


5 Crit`ere de stabilite
Proposition II.7 (Condition de Dahlquist)
Soit la methode `a q pas
q

i=0

i
y
k+i
= h
q

i=0

i
f
k+i
et les polynomes associes :
(x) =
q

i
x
i
, (x) =
q

i
x
i
Une condition necessaire de stabilite est que toutes les racines du polynome
soient de module inferieur ou egal `a un, les racines de module un etant simples.
Theor`eme II.8
Si f est Lispchitzienne par rapport `a y, la condition de Dahlquist est une
condition necessaire et susante de stabilite pour la methode `a q pas (II.2).
Remarque II.2 La consistance de la methode implique que 1 est toujours
racine du polynome . Elle doit etre racine simple donc

(1) ,= 0.
Denition II.5 (Stabilite forte et faible)
On dit que la methode est fortement stable si 1 est la seule racine de module 1
du polynome . La methode est faiblement stable si le polynome a plusieurs
racines de module 1
Theor`eme II.9 (Premi`ere barri`ere de Dahlquist)
Il ny a pas de methode `a q pas lineaire stable dordre superieur `a q + 1 si q
est impair et `a q + 2 si q est pair.
6 Ordre et stabilite : exemples
6 - a Methodes dAdams-Bashforth
Les methodes dAdams-Bashforth `a q pas sont des methodes explicites
dordre q fortement stables.
Pas Ordre Schema - Adams-Bashforth C
q = 2 p = 2 y
k+1
= y
k
+
h
2
(3f
k
f
k1
) 0,4167
q = 3 p = 3 y
k+1
= y
k
+
h
12
(23f
k
16f
k1
+ 5f
k2
) 0,3750
q = 4 p = 4 y
k+1
= y
k
+
h
24
(55f
k
59f
k1
+ 37f
k2
9f
k3
) 0,3486
q = 5 p = 5 y
k+1
= y
k
+
h
720
(1901f
k
2774f
k1
0,3298
+2616f
k2
1274f
k3
+ 251f
k4
)
44 Schemas numeriques pour les EDO
6 - b Methodes dAdams-Moulton
Les methodes dAdams-Moulton `a q pas sont des methodes implicites dordre
q + 1 fortement stables.
Pas Ordre Schema - Adams-Moulton C
q = 1 p = 2 y
k+1
= y
k
+
h
2
(f
k+1
+ f
k
) -0,0833
q = 2 p = 3 y
k+1
= y
k
+
h
12
(5f
k+1
+ 8f
k
f
k1
) -0,0417
q = 3 p = 4 y
k+1
= y
k
+
h
24
(9f
k+1
+ 19f
k
5f
k1
+ f
k2
) -0,0264
q = 4 p = 5 y
k+1
= y
k
+
h
720
(251f
k+1
+ 646
k
-0,0187
264f
k1
+ 106f
k2
19f
k3
)
6 - c Methodes de Nystrom et de Milne-Simpson
Les methodes de Nystrom `a q pas sont des methodes explicites dordre q
faiblement stables.
Pas Ordre Schema - Nystrom C
q = 2 p = 2 y
k+1
= y
k1
+ 2hf
k
0,1667
q = 3 p = 3 y
k+1
= y
k1
+
h
3
(7f
k
2f
k1
+ f
k2
) 0,1667
q = 4 p = 4 y
k+1
= y
k1
+
h
3
(8f
k
5f
k1
+ 4f
k2
f
k3
) 0,1661
Les methodes de Milne-Simpson `a q points de quadrature sont des methodes
implicites dordre q + 1 (sauf q = 2, ordre 4), faiblement stables.
q Pas Ordre Schema - Milne-Simpson C
q = 0 2 p = 1 y
k+1
= y
k1
+ 2hf
k+1
-1
q = 1 2 p = 2 y
k+1
= y
k1
+ 2hf
k
0,1667
q = 2 2 p = 4 y
k+1
= y
k1
+
h
3
(f
k+1
+ 4f
k
+ f
k1
) -0,0056
Autre methode de Milne, explicite, dordre 4, utilisee comme predicteur,
avec une methode implicite dordre 5 comme correcteur (voir plus loin la
presentation des methodes predicteur-correcteur).
Pas Ordre Schema - Milne C
q = 4 p = 4 y
k+1
= y
k3
+
h
3
(8f
k
4f
k1
+ 8f
k2
) 0,0777

Equations dierentielles C. Basdevant - Universite Paris-Nord 45


6 - d Methodes de dierentiation retrograde
Les methodes de dierentiation retrograde `a q pas sont des methodes im-
plicites dordre q, fortement stables uniquement pour q 6.
Pas Ordre Schema - BDF C
q = 1 p = 1 y
k+1
y
k
= hf
k+1
-0,5
q = 2 p = 2
3
2
y
k+1
2y
k
+
1
2
y
k1
= hf
k+1
-0,3333
q = 3 p = 3
11
6
y
k+1
3y
k
+
3
2
y
k1

1
3
y
k3
= hf
k+1
-0,25
q = 4 p = 4
25
12
y
k+1
4y
k
+ 3y
k1

4
3
y
k3
+
1
4
y
k4
= hf
k+1
-0,2
46 Schemas numeriques pour les EDO
Chapitre III
Methodes de
prediction-correction
1 Denition
On a vu que, parmi les methodes lineaires `a q pas, les methodes impli-
cites sont, `a nombre de pas egal, plus precises, elles sont en general aussi
plus stables. Mais elles sont plus co uteuses car le caract`ere implicite doit etre
resolu par une methode iterative, de type point xe par exemple. Do` u lidee,
pour diminuer le co ut, dutiliser une methode explicite pour calculer un bon
predicteur de la solution et de ne faire quune iteration (ou quelques iterations)
de la methode implicite utilisee alors comme correcteur explicite. Ce sont les
methodes Predicteur-Correcteur.
Il existe de nombreuses variantes des methodes predicteur-correcteur. On
presente ici deux methodes `a une seule iteration :
Methode PECE : Predicteur Evaluation Correcteur Evaluation
Predicteur explicite (

q
= 0)

q
y

k+q
+
q1

i=0

i
y
k+i
= h
q1

i=0

i
f
k+i
Correcteur (
q
,= 0)

q
y
k+q
+
q1

i=0

i
y
k+i
= h
_

q
f

k+q
+
q1

i=0

i
f
k+i
_
o` u lon a pose : f
k+i
= f(x
k+i
, y
k+i
) et f

k+i
= f(x
k+i
, y

k+i
)
Methode PEC : Predicteur Evaluation Correcteur
47
48 Schemas numeriques pour les EDO
Predicteur explicite (

q
= 0)

q
y

k+q
+
q1

i=0

i
y
k+i
= h
q1

i=0

i
f

k+i
Correcteur (
q
,= 0)

q
y
k+q
+
q1

i=0

i
y
k+i
= h
_

q
f

k+q
+
q1

i=0

i
f

k+i
_
o` u lon a pose f

k+i
= f(x
k+i
, y

k+i
). A la dierence de la methode PECE,
dans la methode PEC les pentes f ne sont pas reevaluees apr`es letape de
correction.
2 Proprietes
Proposition III.1
La contribution `a lerreur du predicteur est dun ordre inferieur `a celle du
correcteur. Pour avoir une methode dordre p on pourra prendre un predicteur
dordre p 1 et un correcteur dordre p.
Proposition III.2
On demontre que la stabilite du predicteur ninue pas sur la stabilite de la
methode predicteur-correcteur. On peut meme utiliser un predicteur instable.
3 Exemples PECE
P : Leapfrog ordre 2, C : Adams-Moulton ordre 3
y

k+1
= y
k1
+ 2hf
k
y
k+1
= y
k
+
h
12
_
5f

k+1
+ 8f
k
f
k1
_
P : Adams-Bashforth ordre 3, C : Adams-Moulton ordre 4
y

k+1
= y
k
+
h
12
(23f
k
16f
k1
+ 5f
k2
)
y
k+1
= y
k
+
h
24
_
9f

k+1
+ 19f
k
5f
k1
+ f
k2
_
P : Adams-Bashforth ordre q, C : Adams-Moulton ordre q+1
y

k+1
= y
k
+ h

q1
j=0

q,j
f
kj
y
k+1
= y
k
+ h
_

q,0
f

k+1
+

q
j=1

q,j
f
k+1j
_
Chapitre IV
Complements sur les methodes
numeriques
1 Controle du pas
Sil est dicile de faire varier le pas h de la methode en cours dintegration
dans les methodes `a pas multiples, il existe plusieurs techniques utilisables pour
les methodes `a un pas. Lobjectif est de determiner le pas de discretisation h
en x an de garder lerreur locale sous un seuil xe.
Soit une methode `a un pas dordre p, alors :
y(x
k+1
) y
k+1
= (y(x
k
)) h
p+1
+ O(h
p+2
) (IV.1)
o` u est une fonction inconnue.
Calculons alors une autre approximation y
k+1
de y(x
k+1
) avec un pas 2h :
y(x
k+1
) y
k+1
= (y(x
k1
)) (2h)
p+1
+ O(h
p+2
)
ce qui donne en developpant y(x
k1
) au voisinage de y(x
k
) :
y(x
k+1
) y
k+1
= (y(x
k
)) (2h)
p+1
+ O(h
p+2
) (IV.2)
En retranchant (IV.1) de (IV.2) on obtient :
(2
p+1
1)h
p+1
(y(x
k
)) = y
k+1
y
k+1
+ O(h
p+2
)
On obtient de cette mani`ere une estimation de lerreur avec le pas h :
e
k+1
= y(x
k+1
) y
k+1

y
k+1
y
k+1
2
p+1
1
Si [e
k+1
[ est inferieur `a la tolerance on continue avec le meme pas h, sinon
on refait lestimation avec h/2. Par contre si [e
k+1
[ < /2
p+1
on double le pas.
Une autre approche, qui a le merite de demander moins devaluations de
f est dutiliser en parall`ele deux methodes de Runge et Kutta. Une methode
49
50 Schemas numeriques pour les EDO
dordre p `a s evaluations et une methode dordre p + 1 `a s + 1 evaluations,
Mais on choisit les deux methodes pour que s evaluations soient communes aux
deux methodes, minimisant ainsi les calculs supplementaires. La dierence des
deux calculs donne une evaluation de lerreur pour le schema dordre le plus
bas. Ceci secrit symboliquement :
a B
c
T
c
T
E
T
o` u la methode dordre p est identiee par ses coecients a, B et c et la methode
dordre p+1 par ses coecients a, B et c. E = c c permet de calculer lerreur
locale : e
k+1
= h

s+1
1
E
i
k
i
sans evaluation supplementaire.
La methode de Runge et Kutta Fehlberg, ou RK45, est dordre 4, elle
associe une methode dordre 4 `a une methode dordre 5 `a 6 evaluations. Son
tableau secrit :
0 0
1
4
1
4
0
3
8
3
32
9
32
0
12
13
1932
2197

7200
2197
7296
2197
0
1
439
216
8
3680
513

845
4104
0
1
2

8
27
2
3544
2565
1859
4104

11
40
0
25
216
0
1408
2565
2197
4104

1
5
0
16
135
0
6656
12825
28561
56430

9
50
2
55
1
360
0
128
4275

2197
75240
1
50
2
55
2 A-stabilite
2 - a Denitions
On va sinteresser dans cette section au comportement de la solution numerique
quand la variable tend vers linni. On dira quune methode numerique est ab-
solument stable, si, pour le pas h xe, la solution y
k
du schema reste bornee
quand k tend vers linni. Pour evaluer cette propriete de stabilite on regarde
la reponse du schema au probl`eme test suivant :
_
_
_
y

= y, x 0
y(0) = 1
(IV.3)

Equations dierentielles C. Basdevant - Universite Paris-Nord 51


avec C. La solution du probl`eme (IV.3) est y(x) = e
x
et [y(x)[ tend vers
zero `a linni si et seulement si 1() < 0, o` u 1() designe la partie reelle du
complexe .
Denition IV.1
Une methode numerique pour lapproximation du probl`eme (IV.3) est absolu-
ment stable si [y
k
[ 0 quand x
k

La region de stabilite absolue de la methode est :
/ = z = h C [ [y
k
[ 0 quand x
k

Une methode est A-stable si C

/.
Une methode est -stable, pour ]0,

2
[, si le secteur du plan complexe deni
par [ arg z[ < est inclus dans la region de stabilite absolue de la methode.
Remarque IV.1 Les methodes A-stables sont particuli`erement importantes
pour resoudre les probl`emes raides.
2 - b A-stabilite de quelques methodes `a 1 pas
Euler forward
Le schema dEuler forward applique au probl`eme (IV.3) secrit u
k+1
= u
k
+
hu
k
, soit u
k
= (1 + h)
k
. La region de stabilite absolue de la methode est
donc le disque unite centre en 1. La methode est conditionnellement A-stable.
Euler backward
Le schema dEuler backward applique au probl`eme (IV.3) secrit u
k+1
= u
k
+
hu
k+1
, soit u
k
= 1/(1 h)
k
. La region de stabilite absolue de la methode
est donc lexterieur du disque unite centre en 1. La methode est A-stable.
Crank-Nicolson
Le schema de Crank-Nicolson applique au probl`eme (IV.3) secrit u
k+1
= u
k
+
h
2
(u
k
+ u
k+1
), soit u
k
= ((2 + h)/(2 h))
k
. La region de stabilite absolue
de la methode est donc C

. La methode est A-stable.


Remarque IV.2 Il nexiste pas de schema explicite A-stable
2 - c A-stabilite des methodes de Runge & Kutta
Soit une methode de Runge et Kutta `a q evaluations :
(x, y, h) =
q

i=1
c
i
k
i
k
i
= f
_
x + ha
i
, y + h
q

j=1
b
i,j
k
j
_
, 1 i q
a
i
=
q

j=1
b
i,j
52 Schemas numeriques pour les EDO
et son tableau de Butcher :
a B
c
T
Appliquons la methode au probl`eme test (IV.3), il vient :
y
k+1
= y
k
+
q

i=1
c
i
k
i
, k
i
= (y
k
+ h
q

j=1
b
i,j
k
j
)
En designant par k le vecteur colonne des k
i
, et e le vecteur colonne dont les
q composantes sont toutes egales `a 1, on peut ecrire matriciellement :
k = (y
k
e + hBk), soit k = y
k
(I hB)
1
e
et ainsi :
y
k+1
= y
k
R(h), avec R(h) = 1 + h(c, (I hB)
1
e)
R(h) est la fonction de stabilite de la methode de Runge et Kutta. La region
de stabilite absolue est determinee par z = h C[ [R(z)[ < 1.
On montre que les methodes de Runge et Kutta implicites `a q evaluations
et dordre 2q sont A-stables. Et que pour les methodes explicites la taille des
regions de stabilite absolue augmente avec lordre de la methode.
2 - d A-stabilite des methodes `a q pas
Une methode `a q pas appliquee au probl`eme test (IV.3) conduit `a lequation
recurrente `a q termes :
q

0
(
i
h
i
)y
k+i
= 0
dont le polynome caracteristique est :
(r) = (r) h(r)
Proposition IV.1 (Condition de racines absolues)
La methode `a q pas satisfait la condition de stabilite absolue si les racines du
polynome (r) sont dans le disque unite ouvert de C.
Remarque IV.3 Les regions de stabilite absolue des methodes dAdams-
Bashforth et dAdams-Moulton sont bornees, elles diminuent quand lordre
augmente.
Remarque IV.4 Les regions de stabilite absolue des methodes BDF, pour
q 6, sont non bornees et contiennent toujours les reels negatifs
Theor`eme IV.2 (Seconde barri`ere de Dahlquist)
Une methode explicite `a q pas lineaire ne peut etre ni A-stable ni -stable.
Il ny a pas de methode `a q pas lineaire A-stable dordre superieur `a 2.
Pour tout ]0,

2
[, il nexiste des methodes `a q pas lineaires, -stables et
dordre q que pour q = 3 et q = 4.

Equations dierentielles C. Basdevant - Universite Paris-Nord 53


3 Syst`emes raides
Considerons le syst`eme dierentiel lineaire dans R
n
:
y

(x) = Ay(x) + (x), avec A matrice n n, (x) R


n
On supposera que A poss`ede n valeurs propres distinctes
j
qui sont toutes de
partie reelle strictement negative. La solution du syst`eme secrit alors :
y(x) =
n

j=1
C
j
e

j
x
v
j
+ (x)
o` u les C
j
sont des constantes, (v
j
) une base de vecteurs propres de A et (x)
une solution particuli`ere de lequation dierentielle.
Le fait que les valeurs propres de A soient de partie reelle strictement
negative implique lexistence dune solution stationnaire vers laquelle y tend
aux grands x. Par ailleurs

n
j=1
C
j
e

j
x
v
j
peut etre vue comme une composante
transitoire de la solution. Une petite valeur de 1(
j
) implique un long temps
dintegration pour atteindre la solution stationnaire. Une grande valeur de
1(
j
) implique un pas dintegration tr`es petit pour la stabilite. Si on a des
valeurs propres de parties reelles tr`es petites et tr`es grandes on a donc des
dicultes dintegration.
Denition IV.2 (Syst`eme raide)
On dit que le syst`eme est raide si :
max 1(
j
)
min 1(
j
)
1
Les syst`emes raides se rencontrent en cinetique chimique, dans le nucleaire,
en controle ... et plus generalement dans tous les domaines o` u interagissent une
dynamique lente et une dynamique rapide.
Les methodes conditionnellement absolument stable ne sont pas adaptees
pour les syt`emes raides. On pref`erera des methodes implicites. Neanmoins il
faut prendre garde `a ce que la solution de lequation implicite nimpose pas
des conditions strictes sur h. On pref`erera pour cela des algorithmes dont la
convergence ne depend pas de h (algorithmes de Newton et ses variantes).
54 Schemas numeriques pour les EDO
Troisi`eme partie
Interpolation, derivation et
quadrature
55
Chapitre I
Interpolation de Lagrange
1 Existence et unicite
Soit f une fonction reelle de la variable reelle dont on connait les valeurs
prises f(x
i
) en x
0
, x
1
, x
2
, , x
k
, k+1 points distincts de R. On desire calculer
une approximation de f en un point x quelconque (mais proche des x
i
). On
va pour cela construire un polynome qui interpole f aux points x
i
, cest `a dire
qui prend les memes valeurs que f en ces points.
Theor`eme I.1 (Polynome dinterpolation de Lagrange)
Soit k+1 points distincts de R, x
0
, x
1
, x
2
, , x
k
. Il existe un unique polynome
p
k
de degre inferieur ou egal `a k tel que f(x
i
) = p
n
(x
i
), i. Ce polynome secrit :
p
k
(x) =
k

i=0
f(x
i
)
i,k
(x)
avec
i,k
0 i k la base canonique de Lagrange des polynomes de degre
inferieur ou egal `a k :

i,k
(x) =

j=i
x x
j
x
i
x
j
,
i,k
(x
j
) =
i,j
2 Majoration de lerreur dinterpolation
Theor`eme I.2
Soit p
k
le polynome de Lagrange dinterpolation de f aux k+1 points distincts
x
0
, x
1
, x
2
, , x
k
de [a, b].
Si f C
k+1
([a, b]), alors, x [a, b], il existe un
x
appartenant au plus petit
ferme contenant x et les x
i
, tel que :
f(x) p
k
(x) =
f
(k+1)
(
x
)
(k + 1)!
k

i=0
(x x
i
)
57
58 Interpolation, derivation et quadrature
Corollaire I.3
Soit x
i
= x
0
+ ih, 0 i k, (k+1) points reguli`erement espaces, f
C
k+1
([x
0
, x
k
]) et p
k
son polynome dinterpolation de Lagrange aux points x
i
.
On a la majoration derreur :
[f(x) p
k
(x)[ C
k
h
k+1
sup
[x
0
,x
k
]
[f
(k+1)
(t)[, x [x
0
, x
k
]
avec C
k
une constante qui ne depend que de k.
Remarque I.1 Attention, en general le polynome dinterpolation de Lagrange
p
k
ne converge pas uniformement vers la fonction f quand le nombre de points
dinterpolation sur le segment [a, b] tend vers linni. On nutilisera le polynome
dinterpolation de Lagrange quavec un nombre modeste de points. Les bonnes
methodes dinterpolation pour un grand nombre de points (k 10) sont soit
des interpolations locales, polynomiales par morceaux, soit des interpolations
globales comme les splines.
3 Majoration de lerreur sur la derivee
Quelle erreur commet-on si on remplace la valeur de la derivee f

(x
i
) par
la derivee au point x
i
du polynome dinterpolation de Lagrange de f ?
Lemme I.4
Soit p
k
le polynome de Lagrange dinterpolation de f aux k+1 points distincts
x
0
, x
1
, x
2
, , x
k
de [a, b]. Posons :
_

_
g(x) =
f(x)p
k
(x)
(x)
si x ,= x
i
, i
g(x
i
) =
f

(x
i
)p

k
(x
i
)

(x
i
)
avec (x) =

i=k
i=0
(x x
i
).
Si f C
2
([a, b]) alors g C
2
([a, b])
Si f C
m+1
([a, b]) alors g C
m
([a, b])
Theor`eme I.5
Soit p
k
le polynome de Lagrange dinterpolation de f aux k+1 points distincts
x
0
, x
1
, x
2
, , x
k
de [a, b].
Si f C
k+1
([a, b]), alors, x
i
, il existe un
i
appartenant au plus petit ferme
contenant les x
i
, tel que :
f

(x
i
) p

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

j=i
(x
i
x
j
)

Equations dierentielles C. Basdevant - Universite Paris-Nord 59


Corollaire I.6
Soit x
i
= x
0
+ ih, 0 i k, (k+1) points reguli`erement espaces, f
C
k+1
([x
0
, x
k
]) et p
k
son polynome dinterpolation de Lagrange aux points x
i
.
On a alors la majoration derreur :
[f

(x
i
) p

k
(x
i
)[ C

k
h
k
sup
[x
0
,x
k
]
[f
(k+1)
(t)[, i
4 Approximations de dierences nies
Soit , x
2
, x
1
, x
0
, x
1
, x
2
, , avec x
i
= x
0
+ ih, des points equidistants
de R. Par derivation du polynome dinterpolation de Lagrange aux points x
i
on obtient les approximation de dierences nies de la derivee dune fonction
f suivantes :
polynome de degre 1
f

(x
0
) =
1
h
[f(x
1
) f(x
0
)] +
h
2
f
(2)
(
0
)
polynome de degre 2
f

(x
1
) =
1
2h
[f(x
1
) + 4f(x
0
) 3f(x
1
)] +
h
2
3
f
(3)
(
1
)
f

(x
0
) =
1
2h
[f(x
1
) f(x
1
)]
h
2
6
f
(3)
(
2
)
f

(x
1
) =
1
2h
[3f(x
1
) 4f(x
0
) + f(x
1
)] +
h
2
3
f
(3)
(
3
)
polynome de degre 4
f

(x
2
) =
1
12h
[3f(x
2
) + 16f(x
1
) 36f(x
0
) + 48f(x
1
) 25f(x
2
)]
+
h
4
5
f
(5)
(
1
)
f

(x
1
) =
1
12h
[f(x
2
) 6f(x
1
) + 18f(x
0
) 10f(x
1
) 3f(x
2
)]

h
4
20
f
(5)
(
2
)
f

(x
0
) =
1
12h
[f(x
2
) + 8f(x
1
) 8f(x
1
) + f(x
2
)]

h
4
30
f
(5)
(
3
)
derivee seconde, polynome de degre 2, erreur en O(h
2
)
f

(x
0
)
1
h
2
[f(x
1
) 2f(x
0
) + f(x
1
)]
derivee seconde, polynome de degre 4, erreur en O(h
4
)
f

(x
2
)
1
12h
2
[11f(x
2
) 56f(x
1
) + 114f(x
0
) 104f(x
1
) 35f(x
2
)]
f

(x
1
)
1
12h
2
[f(x
2
) + 4f(x
1
) + 6f(x
0
) 20f(x
1
) + 11f(x
2
)])
f

(x
0
)
1
12h
2
[f(x
2
) + 16f(x
1
) 30f(x
0
) + 16f(x
1
) f(x
2
)]
60 Interpolation, derivation et quadrature
Chapitre II
Formules de quadrature
Soit f une fonction continue sur [a, b], lobjectif est devaluer lintegrale
_
b
a
f(x)w(x)dx o` u w est une fonction poids donnee, strictement positive sur
]a, b[. On supposera toujours fw integrable sur [a, b].
Le principe sera de decouper lintegrale en une somme dintegrales sur des
petits segments :
_
b
a
f(x)w(x)dx =
n

i=0
_
a
i+1
a
i
f(x)w(x)dx
et dappliquer sur chacun des petits segments une formule de quadrature elementaire.
La somme constituant une formule de quadrature composee.
Dans la suite T
k
designera lespace vectoriel des polynomes de degre inferieur
ou egal `a k.
1 Formules de quadrature elementaires de type
interpolation
Denition II.1 (Formule de type interpolation)
Soit x
0
< x
1
< < x
k
, k + 1 points distincts du segment [a, b]. Une formule
de quadrature de type interpolation pour estimer
_
b
a
f(x)w(x)dx consiste `a
utiliser lintegrale sur [a, b] du polynome dinterpolation de Lagrange de f
pour les points x
i
.
_
b
a
f(x)w(x)dx
k

0
W
i
f(x
i
), avec W
i
=
_
b
a

i,k
(x)w(x)dx
Theor`eme II.1
La formule de quadrature
_
b
a
f(x)w(x)dx

k
0
W
i
f(x
i
) est exacte pour f T
k
si et seulement si elle est du type interpolation.
61
62 Interpolation, derivation et quadrature
Proposition II.2 (Estimation derreur)
Si f C
k+1
([a, b]) et si la formule de quadrature est exacte sur T
k
on a
lestimation derreur :
[
_
b
a
f(x)w(x)dx
k

0
W
i
f(x
i
)[
sup[f
(k+1)
[
(k + 1)!
_
b
a
[

i
(x x
i
)[w(x)dx
Remarque II.1 Le theor`eme de Peano, qui nest pas traite dans ces notes,
permet de relier dans bien des cas lerreur de la formule de quadrature `a une
derivee dordre superieur de la fonction f.
2 Exemples de formules elementaires
2 - a Formules de Newton-Cotes fermees
Les formules de Newton-Cotes fermees sont des formules de quadrature,
pour une fonction poids w(x) 1, utilisant les valeurs de la fonction f en des
points equidistants avec un point `a chaque extremite de lintervalle.
Les formules `a k + 1 points sont a priori exactes sur T
k
, mais par raison de
symetrie, quand k est pair elles sont exactes sur T
k+1
.
Formule des trap`ezes 2 points, exacte sur T
1
_
b
a
f =
b a
2
_
f(a) + f(b)

(b a)
3
12
f
(2)
()
Formule de Simpson 3 points, exacte sur T
3
_
b
a
f =
b a
6
_
f(a) + 4f(
a + b
2
) + f(b)

(b a)
5
2880
f
(4)
()
Formule de Newton 4 points, exacte sur T
3
_
b
a
f =
b a
8
_
f(a) + 3f(
2a + b
3
) + 3f(
a + 2b
3
) + f(b)

+ O((b a)
5
f
(4)
)
Formule de Boole-Villarceau 5 points, exacte sur T
5
_
b
a
f =
b a
90
_
7f(a) + 32f(
3a + b
4
) + 12f(
a + b
2
)+
32f(
a + 3b
4
) + 7f(b)

+ O((b a)
7
f
(6)
)
A partir de k = 8 on obtient des poids W
i
negatifs et donc des risques
derreurs numeriques par compensation.

Equations dierentielles C. Basdevant - Universite Paris-Nord 63


2 - b Formules de Newton-Cotes ouvertes
Les formules de Newton-Cotes ouvertes sont semblables aux formules fermees
mais nutilisant pas les bornes de lintervalle.
Les formules `a k points, k pair, sont exactes sur T
k1
, et pour k impair exactes
sur T
k
par raison de symetrie.
Formule de Poncelet 1 point, exacte sur T
1
_
b
a
f = (b a) f(
a + b
2
) + O((b a)
3
f
(2)
)
Formule 2 points, exacte sur T
1
_
b
a
f =
b a
2
_
f(
2a + b
3
) + f(
a + 2b
3
)

+ O((b a)
3
f
(2)
)
Formule 3 points, exacte sur T
3
_
b
a
f =
b a
3
_
2f(
3a + b
4
) f(
a + b
2
) + 2f(
a + 3b
4
)

+ O((b a)
5
f
(4)
)
Formule 4 points, exacte sur T
3
_
b
a
f =
b a
24
_
11f(
4a + b
5
) + f(
3a + 2b
5
)+
f(
2a + 3b
5
) + 11f(
a + 4b
5
)

+ O((b a)
5
f
(4)
)
3 Formules de Gauss
Dans les formules de quadrature des paragraphes precedents on choisissait
a priori les k + 1 points x
i
devaluation de f et il restait le choix des k + 1
poids W
i
, on pouvait ainsi obtenir des formules exactes sur T
k
. Le principe des
formules de Gauss consiste `a chercher les meilleurs points x
i
et les meilleurs
poids W
i
. On a ainsi le choix de 2k + 2 param`etres et on peut esperer etre
exact sur T
2k+1
.
3 - a Formules de Gauss ouvertes
Theor`eme II.3
Il existe un unique choix des k + 1 points x
i
de [a, b] et des poids W
i
tels que
la formule de quadrature :
_
b
a
f(x)w(x)dx
k

0
W
i
f(x
i
)
soit exacte sur T
2k+1
.
La formule est de type interpolation, les x
i
etant les racines du polynome
orthogonal de degre k + 1 pour le poids w(x) sur ]a, b[.
64 Interpolation, derivation et quadrature
Exemple II.1 (Formules de Gauss-Legendre)
_
1
1
f(x)dx 2f(0) exacte sur T
1
_
1
1
f(x)dx f(
1

3
) + f(
1

3
) exacte sur T
3
_
1
1
f(x)dx
5
9
f(
_
3
5
) +
8
9
f(0) +
5
9
f(
_
3
5
) exacte sur T
5
Exemple II.2 (Formule de Gauss-Tchebychev)
_
1
1
f(x)
dx

1 x
2


k + 1
k

0
f
_
cos(
2i + 1
2k + 2
)
_
exacte sur T
2k+1
3 - b Formules de Gauss-Lobatto
Les formules de Gauss-Lobatto sont des formules fermees `a k + 1 points
dans lesquelles on impose x
0
= a, x
k
= b.
Theor`eme II.4
Il existe un unique choix des k1 points x
i
, 1 i k1, de ]a, b[ et des k+1
poids W
i
, 0 i k, tels que la formule de quadrature, avec x
0
= a, x
k
= b :
_
b
a
f(x)w(x)dx
k

0
W
i
f(x
i
)
soit exacte sur T
2k1
.
La formule est de type interpolation, les x
i
, 1 i k 1, etant les racines du
polynome orthogonal de degre k 1 pour le poids (xa)(b x)w(x) sur ]a, b[.
4 Formules composees
En decoupant lintegrale sur [a, b] en une somme dintegrales sur des petits
segments :
_
b
a
f(x)w(x)dx =
n

i=0
_
a
i+1
a
i
f(x)w(x)dx
sur chacun desquels on applique une formule de quadrature elementaire, on
obtient une formule de quadrature composee.
En posant h =
ba
n
= x
i+1
x
i
, si la methode elementaire est exacte sur T
k
,
son erreur est en O(h
k+2
). La somme de ces n erreurs majore lerreur sur la
formule composee, celle-ci est donc en O((b a)h
k+1
).
Formule des trap`ezes composee
_
b
a
f(x)dx =
h
2
_
f(a) + 2
n

i=1
f(x
i
) + f(b)
_

h
2
12
(b a)f

()

Equations dierentielles C. Basdevant - Universite Paris-Nord 65


avec x
i
= a + ih, h =
ba
n
.
Formule de Simpson composee
_
b
a
f(x)dx =
h
6
_
f(a)+f(b)+4
n1

i=0
f(x
i+
1
2
)+2
n1

i=1
f(x
i
)
_

(b a)
180
(
h
2
)
4
f
(4)
()
avec x
i
= a + ih, h =
ba
n
et x
i+
1
2
=
x
i
+x
i+1
2
.
66 Interpolation, derivation et quadrature
Chapitre III
Polynomes orthogonaux
1 Denition
Etant donne un intervalle ]a, b[, borne ou non borne, et une fonction poids
w(x) denie, continue, strictement positive sur ]a, b[ et telle que, pour tout
n N, [x
n
[w(x) soit integrable sur ]a, b[, on consid`ere lespace vectoriel des
fonctions continues :
L
2
w
(a, b) =
_
f [ f C(]a, b[),
_
b
a
f(x)w(x)dx <
_
muni du produit scalaire et de la norme :
(f, g) =
_
b
a
f(x)g(x)w(x)dx, |f| =
_
_
b
a
[f(x)[
2
w(x)dx
_1
2
Theor`eme III.1 (Polynomes orthogonaux pour le poids w)
Il existe une unique suite p
n
de polynomes unitaires (le coecient du terme
de plus haut degre est 1), orthogonaux deux `a deux dans L
2
w
(a, b), tels que le
degre de p
n
soit n.
2 Proprietes
Proposition III.2
Les polynomes orthogonaux pour le poids w sur ]a, b[ verient la relation de
recurrence :
p
n
(x) = (x
n
)p
n1
(x)
n
p
n2
(x), n 2
avec

n
=
(xp
n1
, p
n1
)
|p
n1
|
2

n
=
|p
n1
|
2
|p
n2
|
2
Theor`eme III.3 (Racines des polynomes orthogonaux)
Le polynome orthogonal p
n
de degre n pour le poids w sur ]a, b[ a n racines
distinctes dans ]a, b[.
Les racines des polynomes orthogonaux forment une suite de Sturm, cest `a
dire que les n racines du polynome p
n
separent les n + 1 racines de p
n+1
.
67
68 Notes dAnalyse -

Equations dierentielles
3 Exemples
Polynomes de Legendre. Ils sont orthogonaux sur ] 1, 1[ pour le poids
w(x) = 1.
L
0
(x) = 1, L
1
(x) = x, L
2
(x) = x
2

1
3
, L
3
(x) = x
3

3
5
x
L
n
(x) = x L
n1
(x)
(n 1)
2
(2n 1)(2n 3)
L
n2
(x)
Les polynomes de Legendre sont solutions de lequation dierentielle :
(1 x
2
)y

2xy

+ n(n + 1)y = 0
Polynomes de Laguerre. Ils sont orthogonaux sur ]0, +[ pour le poids
w(x) = e
x
.
L
0
(x) = 1, L
1
(x) = x 1, L
2
(x) = x
2
4x + 2
L
3
(x) = x
3
9x
2
+ 18x 6
L
n
(x) = (x + 1 2n) L
n1
(x) (n 1)
2
L
n2
(x)
L
n
(x) = (1)
n
e
x
d
n
dx
n
(e
x
x
n
)
Les polynomes de Laguerre sont solutions de lequation dierentielle :
xy

+ (1 x)y

+ ny = 0
Polynomes dHermite. Ils sont orthogonaux sur ] , +[ pour le poids
w(x) = e
x
2
.
H
0
(x) = 1, H
1
(x) = x, H
2
(x) = x
2

1
2
, H
3
(x) = x
3

3
2
x
H
n
(x) = x H
n1
(x)
n 1
2
H
n2
(x)
H
n
(x) =
(1)
n
2
n
e
x
2 d
n
dx
n
(e
x
2
)
Les polynomes dHermite sont solutions de lequation dierentielle :
y

2xy

+ 2ny = 0
Polynomes de Tchebychev. Ils sont orthogonaux sur ]1, 1[ pour le poids
w(x) =
1

1x
2
.
p
n
(x) =
t
n
(x)
2
n1
avec t
n
(x) = cos(narccos x)
t
0
(x) = 1, t
1
(x) = x, t
2
(x) = 2x
2
1, t
3
(x) = 4x
3
3x
t
n
(x) = 2x t
n1
(x) t
n2
(x)
Les racines de p
n
sont x
i
= cos(
2i+1
2n
), 0 i n 1.
Les polynomes de Tchebychev sont solutions de lequation dierentielle :
(1 x
2
)y

xy

+ n
2
y = 0
Bibliographie
[1] Crouzeix M., A.L. Mignot
Analyse numerique des equations dierentielles
Masson
[2] Demailly Jean-Pierre
Analyse numerique et equations dierentielles
EDP Sciences
[3] Quarteroni, A., R. Sacco, F. Salieri
Methodes numeriques pour le calcul scientique
Springer
[4] Schatzman Michelle
Analyse Numerique une approche mathematique
Dunod
69
70 Notes dAnalyse -

Equations dierentielles
Table des mati`eres
A Resultats theoriques pour les EDO 3
I Outils Mathematiques 5
1 Rappels de calcul dierentiel . . . . . . . . . . . . . . . . . . . . 5
2 Theor`eme du point xe . . . . . . . . . . . . . . . . . . . . . . . 8
3 Theor`eme des fonctions implicites . . . . . . . . . . . . . . . . . 8
4 Module de continuite . . . . . . . . . . . . . . . . . . . . . . . . 9
5 Lemmes de Gronwall . . . . . . . . . . . . . . . . . . . . . . . . 9
II Resultats dexistence et dunicite pour les EDO 11
1 Introduction et terminologie . . . . . . . . . . . . . . . . . . . . 11
2 Existence et unicite pour le probl`eme de Cauchy . . . . . . . . . 11
2 - a Existence et unicite globale . . . . . . . . . . . . . . . . 12
2 - b Existence et unicite locale . . . . . . . . . . . . . . . . . 12
3 Prolongement des solutions . . . . . . . . . . . . . . . . . . . . . 13
III Resultats de stabilite 15
1 Perturbation dune EDO . . . . . . . . . . . . . . . . . . . . . . 15
2 Continuite par rapport aux conditions initiales . . . . . . . . . . 15
IV

Equations dierentielles lineaires et anes 17
V Sensibilite par rapport aux donnees 21
VI Stabilite `a linni 23
1 Denitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2 Stabilite des equations lineaires . . . . . . . . . . . . . . . . . . 24
3

Equations non-lineaires . . . . . . . . . . . . . . . . . . . . . . . 24
B Schemas numeriques pour les EDO 27
I Methodes `a un pas 29
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2 Notions de convergence, stabilite et consistance . . . . . . . . . 29
3 Crit`ere de consistance . . . . . . . . . . . . . . . . . . . . . . . 30
4 Crit`ere de stabilite . . . . . . . . . . . . . . . . . . . . . . . . . 31
5 Ordre dune methode `a un pas . . . . . . . . . . . . . . . . . . . 31
71
72 Notes dAnalyse -

Equations dierentielles
6 Crit`ere pour lordre p . . . . . . . . . . . . . . . . . . . . . . . . 31
7 Probl`emes bien poses, bien conditionnes, raides . . . . . . . . . 32
8 Catalogue de methodes `a un pas . . . . . . . . . . . . . . . . . 32
8 - a Methodes dordre un, explicites . . . . . . . . . . . . . . 32
8 - b Methodes dordre un, implicites . . . . . . . . . . . . . . 33
8 - c Methodes dordre deux, explicites . . . . . . . . . . . . . 33
8 - d Methodes dordre deux, implicites . . . . . . . . . . . . . 33
8 - e Methodes de Runge & Kutta . . . . . . . . . . . . . . . 33
II Methodes lineaires `a pas multiples 37
1 Exemples de methodes `a q pas . . . . . . . . . . . . . . . . . . . 37
1 - a Methodes dAdams-Bashforth . . . . . . . . . . . . . . . 37
1 - b Methodes dAdams-Moulton . . . . . . . . . . . . . . . . 38
1 - c Methodes de Nystrom et de Milne-Simpson . . . . . . . . 38
1 - d Methodes de dierentiation retrograde (BDF) . . . . . . 39
2 Forme generale des methodes `a q pas . . . . . . . . . . . . . . . 40
3 Convergence, stabilite, consistance et ordre . . . . . . . . . . . . 40
4 Crit`ere de consistance et dordre p . . . . . . . . . . . . . . . . . 41
5 Crit`ere de stabilite . . . . . . . . . . . . . . . . . . . . . . . . . 43
6 Ordre et stabilite : exemples . . . . . . . . . . . . . . . . . . . . 43
6 - a Methodes dAdams-Bashforth . . . . . . . . . . . . . . . 43
6 - b Methodes dAdams-Moulton . . . . . . . . . . . . . . . . 44
6 - c Methodes de Nystrom et de Milne-Simpson . . . . . . . . 44
6 - d Methodes de dierentiation retrograde . . . . . . . . . . 45
III Methodes de prediction-correction 47
1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3 Exemples PECE . . . . . . . . . . . . . . . . . . . . . . . . . . 48
IVComplements sur les methodes numeriques 49
1 Controle du pas . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2 A-stabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2 - a Denitions . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2 - b A-stabilite de quelques methodes `a 1 pas . . . . . . . . . 51
2 - c A-stabilite des methodes de Runge & Kutta . . . . . . . 51
2 - d A-stabilite des methodes `a q pas . . . . . . . . . . . . . . 52
3 Syst`emes raides . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
C Interpolation, derivation et quadrature 55
I Interpolation de Lagrange 57
1 Existence et unicite . . . . . . . . . . . . . . . . . . . . . . . . . 57
2 Majoration de lerreur dinterpolation . . . . . . . . . . . . . . . 57
3 Majoration de lerreur sur la derivee . . . . . . . . . . . . . . . 58
4 Approximations de dierences nies . . . . . . . . . . . . . . . . 59
C. Basdevant - Universite Paris-Nord 73
II Formules de quadrature 61
1 Formules de quadrature elementaires de type interpolation . . . 61
2 Exemples de formules elementaires . . . . . . . . . . . . . . . . 62
2 - a Formules de Newton-Cotes fermees . . . . . . . . . . . . 62
2 - b Formules de Newton-Cotes ouvertes . . . . . . . . . . . . 63
3 Formules de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . 63
3 - a Formules de Gauss ouvertes . . . . . . . . . . . . . . . . 63
3 - b Formules de Gauss-Lobatto . . . . . . . . . . . . . . . . 64
4 Formules composees . . . . . . . . . . . . . . . . . . . . . . . . . 64
III Polynomes orthogonaux 67
1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Bibliographie 69