Vous êtes sur la page 1sur 345

Analyse numrique - Couv 2/03/06 10:41 Page 1

G R E N O B L E S C I E N C E S C O L L E C T I O N G R E N O B L E S C I E N C E S
Universit Joseph Fourier - BP 53 - 38041 Grenoble Cedex 9 - Tl : (33)4 76 51 46 95 DIRIGE PAR JEAN BORNAREL

J.-P. DEMAILLY
ANALYSE NUMRIQUE ET
QUATIONS DIFFRENTIELLES
ANALYSE NUMRIQUE
Cet ouvrage est un cours dintroduction la thorie des quations diffrentielles
ordinaires, accompagn dun expos dtaill de diffrentes mthodes num-
riques permettant de les rsoudre en pratique. La premire partie prsente
ET QUATIONS
quelques techniques importantes de l'analyse numrique : interpolation polyno-
miale, mthodes d'intgration numrique, mthodes itratives pour la rsolution
d'quations. Suit un expos rigoureux des rsultats de base sur l'existence,
DIFFRENTIELLES
l'unicit et la rgularit des solutions des quations diffrentielles, incluant une

ANALYSE NUMRIQUE ET QUATIONS DIFFRENTIELLES


tude dtaille des quations usuelles du premier et du second ordre, des qua-
Nouvelle dition
tions et systmes diffrentiels linaires, de la stabilit des solutions et leur
dpendance par rapport aux paramtres. Une place substantielle est accorde
la description des mthodes numriques un pas ou multi-pas, avec une tude
comparative de la stabilit et du cot en temps de calcul. Agrment de nom- Jean-Pierre DEMAILLY
breux exemples concrets, le texte propose des exercices et des problmes
d'application la fin de chaque chapitre.
Cette troisime dition a t enrichie de nouveaux exemples et exercices et de
complments thoriques et pratiques : compor tement des suites itratives,
thorme des fonctions implicites et ses consquences gomtriques, critre
de maximalit des solutions d'quations diffrentielles, calcul des godsiques
d'une surface, flots de champ de vecteurs...

Cet ouvrage est surtout destin aux tudiants (licence (L3), masters scienti-
fiques, coles dingnieurs, agrgatifs de mathmatiques). Les enseignants,
professionnels (physiciens, mcaniciens) lutiliseront comme outil de base.

Jean-Pierre DEMAILLY
Ancien lve de l'Ecole normale suprieure (rue d'Ulm),
professeur l'Universit Joseph Fourier de Grenoble,
titulaire dune chaire lInstitut universitaire de France,
Jean-Pierre Demailly est un universitaire maintes fois
distingu pour ses travaux de recherche et son rayonne-
ment (mdaille du CNRS, prix Rivoire, prix du Collge de
France, prix scientifique IBM, grand prix de lAcadmie des
sciences, prix Humboldt). Les tudiants connaissent bien ses qualits pdago-
giques. Jean-Pierre Demailly prside le Groupe de Rflexion Interdisciplinaire sur
les Programmes qui milite pour que les savoirs fondamentaux soient au centre
des proccupations de lcole.

GRENOBLE
SCIENCES
9 782868 838919 UNIVERSITE
29
ISBN 2 86883 891 X JOSEPHFOURIER
ANALYSE NUMRIQUE
ET
QUATIONS DIFFRENTIELLES
Grenoble Sciences

Grenoble Sciences poursuit un triple objectif!:


! raliser des ouvrages correspondant un projet clairement dfini, sans contrainte
de mode ou de programme,
! garantir les qualits scientifique et pdagogique des ouvrages retenus,
! proposer des ouvrages un prix accessible au public le plus large possible.
Chaque projet est slectionn au niveau de Grenoble Sciences avec le concours de
referees anonymes. Puis les auteurs travaillent pendant une anne (en moyenne)
avec les membres dun comit de lecture interactif, dont les noms apparaissent au
dbut de louvrage. Celui-ci est ensuite publi chez lditeur le plus adapt.
(Contact!: Tl.!: (33)4 76 51 46 95 - E-mail!: Grenoble.Sciences@ujf-grenoble.fr)
Deux collections existent chez EDP Sciences!:
! la Collection Grenoble Sciences, connue pour son originalit de projets et sa qualit
! Grenoble Sciences!-!Rencontres Scientifiques, collection prsentant des thmes de
recherche dactualit, traits par des scientifiques de premier plan issus de
disciplines diffrentes.

Directeur scientifique de Grenoble Sciences


Jean BORNAREL, Professeur l'Universit Joseph Fourier, Grenoble 1

Comit de lecture pour Analyse numrique et quations diffrentielles


! M. ARTIGUE, Professeur l'IUFM de Reims
! A. DUFRESNOY, Professeur l'Universit Joseph Fourier - Grenoble 1
! J.R. JOLY, Professeur l'Universit Joseph Fourier - Grenoble 1
! M. ROGALSKI, Professeur l'Universit des Sciences et Techniques - Lille 1

Grenoble Sciences bnficie du soutien du Ministre de l'ducation nationale,


de l'Enseignement suprieur et de la Recherche et de la Rgion Rhne-Alpes.
Grenoble Sciences est rattach l'Universit Joseph Fourier de Grenoble.

Illustration de couverture : Alice GIRAUD

ISBN 2-86883-891-X
EDP Sciences, 2006
ANALYSE NUMRIQUE
ET
QUATIONS DIFFRENTIELLES

Jean-Pierre DEMAILLY

17, avenue du Hoggar


Parc dActivit de Courtabuf - BP 112
91944 Les Ulis Cedex A - France
Ouvrages Grenoble Sciences dits par EDP Sciences

Collection Grenoble Sciences


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

Grenoble Sciences - Rencontres Scientifiques


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

Le present ouvrage reprend avec beaucoup de complements un cours de Licence


de Mathematiques ex troisi`eme annee dUniversite donne `a lUniversite de
Grenoble I pendant les annees 1985-88. Le but de ce cours etait de presenter aux
etudiants quelques notions theoriques de base concernant les equations et syst`emes
dequations dierentielles ordinaires, tout en explicitant des methodes numeriques
permettant de resoudre eectivement de telles equations. Cest pour cette raison
quune part importante du cours est consacree `a la mise en place dun certain nombre
de techniques fondamentales de lAnalyse Numerique : interpolation polynomiale,
integration numerique, methode de Newton `a une et plusieurs variables.
Loriginalite de cet ouvrage ne reside pas tant dans le contenu, pour lequel
lauteur sest inspire sans vergogne de la litterature existante en particulier
du livre de Crouzeix-Mignot pour ce qui concerne les methodes numeriques, et
des livres classiques de H. Cartan et J. Dieudonne pour la theorie des equations
dierentielles mais plut ot dans le choix des th`emes et dans la presentation.
Sil est relativement facile de trouver des ouvrages specialises consacres soit aux
aspects theoriques fondamentaux de la theorie des equations dierentielles et
ses applications (Arnold, Coddington-Levinson) soit aux techniques de lAnalyse
Numerique (Henrici, Hildebrand), il y a relativement peu douvrages qui couvrent
simultanement ces dierents aspects et qui se situent `a un niveau accessible pour
lhonnete  etudiant de second cycle. Nous avons en particulier consacre deux
chapitres entiers `a letude des methodes elementaires de resolution par integration
explicite et a` letude des equations dierentielles lineaires `a coecients constants,
ces questions etant generalement omises dans les ouvrages de niveau plus avance.
Par ailleurs, un eort particulier a ete fait pour illustrer les principaux resultats par
des exemples varies.
La plupart des methodes numeriques exposees avaient pu etre eectivement mises
en uvre par les etudiants au moyen de programmes ecrits en Turbo Pascal `a une
epoque remontant maintenant a` la prehistoire de linformatique. Aujourdhui, les
environnements disponibles sont beaucoup plus nombreux, mais nous recomman-
dons certainement encore aux etudiants dessayer dimplementer les algorithmes
proposes dans ce livre sous forme de programmes ecrits dans des langages de base
6 Analyse num
erique et
equations diff
erentielles

comme C ou C++, et particuli`erement dans un environnement de programmation


libre comme GCC sous GNU/Linux. Bien entendu, il existe des logiciels libres
specialises dans le calcul numerique qui implementent les principaux algorithmes
utiles sous forme de librairies toutes pretes Scilab est lun des plus connus mais
dun point de vue pedagogique et dans un premier temps au moins, il est bien plus
formateur pour les etudiants de mettre vraiment la main dans le cambouis en pro-
grammant eux-memes les algorithmes. Nous ne citerons pas denvironnements ni
de logiciels proprietaires equivalents, parce que ces logiciels dont le fonctionnement
intime est inaccessible `a lutilisateur sont contraires a` notre ethique scientique ou
educative, et nous ne souhaitons donc pas en encourager lusage.
Lensemble des sujets abordes dans le present ouvrage depasse sans aucun doute
le volume pouvant etre traite en une seule annee de cours meme si jadis nous
avions pu en enseigner lessentiel au cours de la seule annee de Licence. Dans les
conditions actuelles, il nous parat plus judicieux denvisager une repartition du
contenu sur lensemble des deux annees du second cycle universitaire. Ce texte
est probablement utilisable aussi pour les el`eves decoles dingenieurs, ou comme
ouvrage de synth`ese au niveau de lagregation de mathematiques. Pour guider
le lecteur dans sa selection, les sous-sections de chapitres les plus diciles ainsi
que les demonstrations les plus delicates sont marquees dun asterisque. Le lecteur
pourra trouver de nombreux exemples de traces graphiques de solutions dequations
dierentielles dans le livre dArtigue-Gautheron : on y trouvera en particulier des
illustrations variees des phenom`enes qualitatifs etudies au chapitre X, concernant
les points singuliers des champs de vecteurs.
Je voudrais ici remercier mes coll`egues grenoblois pour les remarques et amelio-
rations constantes suggerees tout au long de notre collaboration pendant les trois
annees qua dure ce cours. Mes plus vifs remerciements sadressent egalement
a Mich`ele Artigue, Alain Dufresnoy, Jean-Rene Joly et Marc Rogalski, qui ont
`
bien voulu prendre de leur temps pour relire le manuscrit original de mani`ere tr`es
detaillee. Leurs critiques et suggestions ont beaucoup contribue `a la mise en forme
denitive de cet ouvrage.

Saint-Martin dH`eres, le 5 novembre 1990

La seconde edition de cet ouvrage a benecie dun bon nombre de remarques et de suggestions
proposees par Marc Rogalski. Les modications apportees concernent notamment le debut du
chapitre VIII, o`u la notion delicate derreur de consistance a et
e plus clairement explicitee, et
les exemples des chapitres VI et XI traitant du mouvement du pendule simple. Lauteur tient ` a
remercier de nouveau Marc Rogalski pour sa precieuse contribution.

Saint-Martin dH`eres, le 26 septembre 1996

La troisi`eme edition de cet ouvrage a et


e enrichie dun certain nombre de complements theoriques et
pratiques : comportement geometrique des suites iteratives en dimension 1, theor` eme des fonctions
implicites et ses variantes geometriques dans le chapitre IV ; crit`ere de maximalite des solutions
dans le chapitre V ; calcul de geodesiques dans le chapitre VI ; quelques exemples et exercices
additionnels dans les chapitres suivants ; notions el ementaires sur les ots de champs de vecteurs
dans le chapitre XI.

Saint-Martin dH`eres, le 28 fevrier 2006





    

Lobjet de ce chapitre est de mettre en evidence les principales dicultes liees `a


la pratique des calculs numeriques sur ordinateur. Dans beaucoup de situations,
il existe des methodes speciques permettant daccrotre a` la fois lecacite et la
precision des calculs.

 
   




      
   

La capacite memoire dun ordinateur est par construction nie. Il est donc
necessaire de representer les nombres reels sous forme approchee. La notation la plus
utilisee `a lheure actuelle est la representation avec virgule ottante : un nombre
reel x est code sous la forme
x  m bp
o`
u b est la base de numeration, m la mantisse, et p lexposant. Les calculs internes
sont generalement eectues en base b = 2, meme si les resultats aches sont
nalement traduits en base 10.
La mantisse m est un nombre ecrit avec virgule xe et possedant un nombre max-
imum N de chires signicatifs (impose par le choix de la taille des emplacements
memoires alloues au type reel) : suivant les machines, m secrira


N
m = 0, a1 a2 . . . aN = ak bk , b1 m < 1 ;
k=1 
m = a0 , a1 a2 . . . aN 1 = ak bk , 1 m < b.
0k<N

Ceci entrane que la precision dans lapproximation dun nombre reel est toujours
une precision relative :

x m bN
= 1 = b1N .
x m b
8 Analyse num
erique et
equations diff
erentielles

On notera = b1N cette precision relative.


En Langage C standard (ANSI C), les reels peuvent occuper
pour le type  oat , 4 octets de memoire, soit 1 bit de signe, 23 bits de mantisse et
8 bits dexposant (dont un pour le signe de lexposant). Ceci permet de representer
les reels avec une mantisse de 6 `a 7 chires signicatifs apr`es la virgule, dans une
echelle allant de 2128 ` a 2127 soit environ de 1038 = 1 E 38 a` 1038 = 1 E + 38.
La precision relative est de lordre de 107 .
pour le type  double , 8 octets de memoire, soit 1 bit de signe, 51 bits de
mantisse et 12 bits dexposant (dont un pour le signe de lexposant). Ceci permet
de representer les reels avec une mantisse de 15 chires signicatifs apr`es la virgule,
dans une echelle allant de 22048 `a 22047 soit environ de 10616 = 1 E 616 a`
10616 = 1 E + 616. La precision relative est de lordre de 1015 .

  
  
     
 
Supposons par exemple que les reels soient calculees avec 3 chires signicatifs et
arrondis a` la decimale la plus proche. Soit a` calculer la somme x + y + z avec
x = 8, 22, y = 0, 00317, z = 0, 00432
(x + y) + z donne : x + y = 8, 22317  8, 22
(x + y) + z  8, 22432  8, 22
x + (y + z) donne : y + z = 0, 00749
x + (y + z) = 8, 22749  8, 23.
Laddition est donc non associative par suite des erreurs darrondi !

     


On se propose detudier quelques methodes permettant de majorer les erreurs
darrondi dues aux operations arithmetiques.
Soient x, y des nombres reels supposes representes sans erreur avec N chires
signicatifs :
x = 0, a1 a2 . . . aN bp , b1+p x < bp
y = 0, a1 a2 . . . aN bq , b1+q y < bq
Notons (x + y) lerreur darrondi commise sur le calcul de x + y. Supposons par
exemple p q. Sil ny a pas debordement, cest-`a-dire si x + y < bp , le calcul de
x + y saccompagne dune perte des p q derniers chires de y correspondant aux
puissances bk+q < bN +p ; donc (x + y) bN +p , alors que x + y x b1+p .
En cas de debordement x + y bp (ce qui se produit par exemple si p = q et
a1 + a1 b), la decimale correspondant `a la puissance bN +p est elle aussi perdue,
u (x + y) b1N +p . Dans les deux cas :
do`

(x + y) (|x| + |y|),

u = b1N est la precision relative decrite au 1.1. Ceci reste vrai quel que soit le
o`
signe des nombres x et y.
I Calculs num
eriques approch
es 9

En general, les reels x, y ne sont eux-memes connus que par des valeurs approchees
x , y  avec des erreurs respectives x = |x x|, y = |y  y|. A ces erreurs sajoute
lerreur darrondi

(x + y  ) (|x | + |y  |) (|x| + |y| + x + y).

Les erreurs x, y sont elles-memes le plus souvent dordre par rapport a` |x| et
|y|, de sorte que lon pourra negliger les termes x et y. On aura donc :

(x + y) x + y + (|x| + |y|).


n
Soit plus generalement `a calculer une somme uk de reels positifs. Les sommes
k=1
partielles sk = u1 +u2 +. . .+uk vont se calculer de proche en proche par les formules
de recurrence 
s0 = 0
sk = sk1 + uk , k 1.
Si les reels uk sont connus exactement, on aura sur les sommes sk des erreurs sk
telles que s1 = 0 et

sk sk1 + (sk1 + uk ) = sk1 + sk .

Lerreur globale sur sn verie donc

sn (s2 + s3 + . . . + sn ),

soit
sn (un + 2un1 + 3un2 + . . . + (n 1)u2 + (n 1)u1 ).
Comme ce sont les premiers termes sommes qui sont aectes des plus gros coecients
dans lerreur sn , on en deduit la r`egle generale suivante (cf. exemple 1.2).

R`
egle g
en
erale Dans une sommation de reels, lerreur a tendance `a etre
minimisee lorsquon somme en premier les termes ayant la plus petite valeur absolue.

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

(xy) |xy|, u = b1N .


o`

Si x et y ne sont eux-memes connus que par des valeurs approchees x , y  et si


x = |x x|, y = |y  y|, on a une erreur initiale

|x y  xy| = |x(y  y) + (x x)y  | |x|y + x|y  |


|x|y + x|y| + xy.
10 Analyse num
erique et
equations diff
erentielles

A cette erreur sajoute une erreur darrondi

(x y  ) |x y  | (|x| + x)(|y| + y).

En negligeant les termes xy, x, y, on obtient la formule approximative

(xy) |x|y + x|y| + |xy|. ()

Soit plus generalement des reels x1 , . . . , xk , supposes representes sans erreur. La


formule () entrane

(x1 x2 . . . xk ) (x1 . . . xk1 )|xk | + |x1 . . . xk1 xk |,

do`
u par une recurrence aisee :

(x1 x2 . . . xk ) (k 1)|x1 x2 . . . xk |.

Lerreur sur un quotient est donnee de meme par (x/y) |x/y|. On en deduit
pour tous exposants i Z la formule generale
k k
1 x2 . . . xk ) (|1 | + . . . + |k | 1)|x1 x2 . . . xk | ;
(x 1 2 1 2

on observera que |1 | + . . . + |k | 1 est exactement le nombre doperations requises


k
pour calculer x 1 2
1 x2 . . . xk par multiplications ou divisions successives des xi .
Contrairement au cas de laddition, la majoration de lerreur dun produit ne depend
pas de lordre des facteurs.

 

  
On sinteresse ici au probl`eme de levaluation dun polyn
ome


n
P (x) = a k xk .
k=0

La methode la plus  nave  qui vient a` lesprit consiste a` poser x0 = 1, s0 = a0 ,


puis a` calculer par recurrence

k
x = x
k1
x
uk = a k xk pour k 1.


sk = sk1 + uk

Pour chaque valeur de k, deux multiplications et une addition sont donc necessaires.
Il existe en fait une methode plus ecace :

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

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


I Calculs num
eriques approch
es 11

Si lon pose
pk = ak + ak+1 x + . . . + an xnk ,
cette methode revient a` calculer P (x) = p0 par recurrence descendante :

pn = an
pk1 = ak1 + xpk , 1 k n.
On eectue ainsi seulement une multiplication et une addition a` chaque etape,
ce qui economise une multiplication et donc une fraction substantielle du temps
dexecution.
Comparons maintenant les erreurs darrondi dans chacune des deux methodes, en
supposant que les reels x, a0 , a1 , . . . , an sont representes sans erreur.
M
ethode  nave . On a ici P (x) = sn avec
(ak xk ) k|ak ||x|k ,
sk sk1 + k|ak ||x|k + (|sk1 | + |uk |)
sk1 + k|ak ||x|k + (|a0 | + |a1 ||x| + . . . + |ak ||x|k ).
Comme s0 = 0, il vient apr`es sommation sur k :

n 
n
sn k|ak ||x| +
k
(|a0 | + |a1 ||x| + . . . + |ak ||x|k )
k=1 k=1
n n
k|ak ||x|k + (n + 1 k)|ak ||x|k .
k=1 k=0

On obtient par consequent



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

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

do`
u

n 
n
P (x) |ak ||x|k + 2 |x|k |pk |,
k=0 k=1
n n
P (x) |ak ||x|k + 2 (|ak ||x|k + . . . + |an ||x|n ),
k=0 k=1
n
P (x) (2k + 1)|ak ||x|k .
k=0
12 Analyse num
erique et
equations diff
erentielles

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

n
(2k + 1) = (n + 1)2 , est la meme que pour la methode nave ; comme
k=0
2k + 1 2(n + 1), lerreur commise sera dans le pire des cas egale `a 2 fois celle de
la methode nave. Neanmoins, les petits coecients portent sur les premiers termes
calcules, de sorte que la precision de la methode de Horner sera nettement meilleure
si le terme |ak ||x|k decrot rapidement : cest le cas par exemple si P (x) est le debut
dune serie convergente.

Exercice Evaluer dans les deux cas lerreur commise sur les sommes partielles
de la serie exponentielle

n
xk
, x0
k!
k=0
1
en tenant compte du fait quon a une certaine erreur darrondi sur ak = k! .

Reponse. On trouve P (x) (1 + (n + x)ex ) pour la methode nave, tandis que


la factorisation
 x x  x  x  
P (x) = 1 + x 1 + 1+ 1 + ... 1 + 1+ ...
2 3 n1 n

donne P (x) (1 + 3xex ), ce qui est nettement meilleur en pratique puisque n


doit etre choisi assez grand.



 
 

Les majorations derreurs que nous avons donnees plus haut pechent en general par
exc`es de pessimisme, car nous navons tenu compte que de la valeur absolue des
erreurs, alors quen pratique elles sont souvent de signe aleatoire et se compensent
donc partiellement entre elles.
Supposons par exemple quon cherche a` calculer une somme sn de rang eleve dune
+
serie convergente S = k=0 uk , les uk etant des reels 0 supposes representes sans
erreur. On pose donc

sk = sk1 + uk , s0 = u0 ,

et les erreurs sk verient

sk = sk1 + k
avec s0 = 0 et |k | (sk1 + uk ) = sk S.

On en deduit donc
sn = 1 + 2 + . . . + n
et en particulier |sn | nS. Dans le pire des cas, lerreur est donc proportionnelle
` n. On va voir quon peut en fait esperer beaucoup mieux sous des hypoth`eses
a
raisonnables.
I Calculs num
eriques approch
es 13

Hypoth`
eses
(1) Les erreurs k sont des variables aleatoires globalement independantes les unes
des autres (lorsque les uk sont choisis aleatoirement).
(2) Lesperance mathematique E(k ) est nulle, ce qui signie que les erreurs
darrondi nont aucune tendance a` se faire par exc`es ou par defaut.

Lhypoth`ese (2) entrane E(sn ) = 0 tandis que lhypoth`ese (1) donne

var(sn ) = var(1 ) + . . . + var(n ).

Comme E(k ) = 0 et |k | S, on a var(k ) 2 S 2 , do`


u


(sn ) = var(sn ) nS

Lerreur quadratique moyenne crot seulement dans ce cas comme n. Dapr`es
linegalite de Bienayme-Tchebychev on a :

P (|sn | (sn )) 2 .

La probabilite que lerreur depasse 10 nS est donc inferieure `a 1%.

 
 
    
Les phenom`enes de compensation se produisent lorsquon tente deectuer des
soustractions de valeurs tr`es voisines. Ils peuvent conduire a` des pertes importantes
de precision.
Les exemples suivants illustrent les dicultes pouvant se presenter et les rem`edes `a
apporter dans chaque cas.

 x2 1634x + 2 = 0
   
  

Supposons que les calculs soient eectues avec 10 chires signicatifs. Les formules
habituelles donnent alors

 = 667 487,   816, 9987760

x1 = 817 +   1633, 998776,

x2 = 817   0, 0012240.

On voit donc quon a une perte de 5 chires signicatifs sur x2 si lon eectue la
soustraction telle quelle se presente naturellement ! Ici, le rem`ede est simple : il
sut dobserver que x1 x2 = 2, do` u
2
x2 =  1, 223991125 103 .
x1
Cest donc lalgorithme numerique utilise qui doit etre modie.
14 Analyse num
erique et
equations diff
erentielles

  e10
 

  

Supposons quon utilise pour cela la serie


n
10k
10
e  (1)k ,
k!
k=0

les calculs etant toujours eectues avec 10 chires signicatifs. Le terme general
|uk | = 10k /k! est tel que

|uk | 10
= 1 d`es que k 10.
|uk1 | k

On a donc 2 termes de valeur absolue maximale

1010
|u9 | = |u10 | =  2, 755 103
10!

tandis que e10  4, 5 105 . Comparons u10 et e10 :

u10 : 2 7 5 5,

e10 : 0, 0 0 0 0 4 5

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


n
10k
e10 = 1/e10 avec e10  .
k!
k=0

On essaiera dans la mesure du possible deviter les sommations dans lesquelles des
termes de signes opposes se compensent.

    
 

  
   

Soit Pn le demi-perim`etre du polygone regulier a` n cotes inscrit dans un cercle de
rayon 1.
Le cote de ce polygone vaut 2 R sin /n = 2 sin /n, do`
u


Pn = n sin ,
n
3 1
Pn = 2 + o 3 .
6n n

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


I Calculs num
eriques approch
es 15

R=1

/n

Pour evaluer Pn , on utilise une methode de dichotomie permettant de calculer par


recurrence

xk = P2k = 2k sin k .
2
Si est un angle compris entre 0 et 2 on a

1 1
sin = (1 cos ) = (1 1 sin2 ). ()
2 2 2

En substituant = /2k , on en deduit les formules


xk+1 = 2k 2(1 1 (xk /2k )2 )


x1 = 2,

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


k+

Ce nest pourtant pas du tout ce quon va observer sur machine ! D`es que (xk /2k )2
sera inferieur `a la precision relative des calculs, lordinateur va donner

1 (xk /2k )2 = 1 do` u xk+1 = 0.

Pour eviter cette diculte, il sut de remplacer () par



1 1 cos2 sin
sin = =
()
2 2 1 + cos 2(1 + cos )

do`
u
sin
sin = .
2
2(1 + 1 sin2 )

On obtient alors la formule de recurrence


2xk
xk+1 =

2(1 + 1 (xk /2k )2 )

qui evite le phenom`ene de compensation precedent, de sorte que le calcul des xk


peut etre pousse beaucoup plus loin.
16 Analyse num
erique et
equations diff
erentielles

On obtiendra une methode plus ecace encore en observant quon peut evaluer
cos dans () par la formule cos = 2sinsin2 . Ceci donne

sin
sin = sin , do`
u
2 2 sin + sin 2

2xk
xk+1 = xk .
xk + xk1

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

 
 
  
  


Il sagit de phenom`enes damplication des erreurs darrondi. Une telle amplication


se produit assez frequemment dans le cas de calculs recurrents ou iteratifs.

 

  
 
Supposons a` titre dexemple quon cherche a` evaluer numeriquement lintegrale
 1
xn
In = , n N.
0 10 + x

Un calcul immediat donne


 1  1
dx 11
I0 = = ln (10 + x) = ln ,
0 10 + x 0 10
 1  1
x 10  n1
In = xn1 dx = 1 x dx
0 10 + x 0 10 + x
 1  1 n1
x 1
= xn1 dx 10 dx = 10 In1 .
0 0 10 + x n

Ceci permet de calculer In par recurrence avec



I0 = ln 11
10
In = n1 10 In1 .

Ce probl`eme apparemment bien pose mathematiquement conduit numeriquement


a des resultats catastrophiques. On a en eet
`

In  10 In1 ,

meme si on neglige lerreur darrondi sur 1/n. Lerreur sur In explose donc
exponentiellement, lerreur initiale sur I0 etant multipliee par 10n `a letape n.
Comment faire alors pour calculer par exemple I36 ? La suite xn etant decroissante
I Calculs num
eriques approch
es 17

pour x [0, 1], on voit que la suite In est elle-meme decroissante. Comme
10 10 + x 11, on a de plus

1 1
In .
11(n + 1) 10(n + 1)

1 1
Lapproximation In  11(n+1) donne une erreur absolue 110(n+1) et donc une
In 1
erreur relative In 10 . Ceci donne lordre de grandeur mais nest pas tr`es
satisfaisant. Lidee est alors de renverser la recurrence en posant

1 1 
In1 = In .
10 n

En negligeant lerreur sur n1 , on a donc cette fois In1  10


1
In , estimation qui
1
va dans le bon sens. Si lon part de I46  11.47 , on obtiendra pour I36 une erreur
relative sans doute meilleure que 1010 .

1
Exercice Montrer que 0 In In+1 10(n+1)(n+2) ,et en deduire a
` partir de
la formule exprimant In en fonction de In+1 que lon a en fait lestimation

1 1 1
In + ,
11(n + 1) 11(n + 1) 110(n + 1)(n + 2)
1 1
donc In  11(n+1) avec erreur relative 10(n+2) .

On voit donc le r ole fondamental joue par le coecient damplication de lerreur,


10 dans le premier cas, 1/10 dans le second. En general, si on a un coecient
damplication A > 1, il est imperatif de limiter le nombre n detapes en sorte que
An reste tr`es inferieur `a 1, si est la precision relative des calculs.



 

Soit a` calculer une suite (un ) denie par sa valeur initiale u0 et par la relation de
recurrence
un+1 = f (un ),

u f est une fonction donnee. On a donc un = f n (u0 ) o`


o` u f n = f f . . . f est la
n-i`eme iteree de f . On consid`ere par exemple la suite (un ) telle que

u0 = 2, un+1 = | ln (un )|,

dont on cherche a` evaluer le terme u30 . Un calcul eectue `a la precision 109 sur
un ordinateur nous a donne u30  0, 880833175.
A la lumi`ere de lexemple precedent, il est neanmoins legitime de se demander si
ce calcul est bien signicatif, compte tenu de la presence des erreurs darrondi. En
partant de valeurs de u0 tr`es voisines de 2, on obtient en fait les resultats suivants
18 Analyse num
erique et
equations diff
erentielles

(arrondis a` 109 pr`es, sur la meme implementation de calcul que ci-dessus) :

u0 2,000000000 2,000000001 1,999999999 5 1010


u5 5,595485181 5,595484655 5,595485710 9 108
u10 0,703934587 0,703934920 0,703934252 5 107
u15 1,126698502 1,126689382 1,126707697 8 106
u20 1,266106839 1,266256924 1,265955552 104
u24 1,000976376 1,001923276 1,000022532 103
u25 0,000975900 0,001921429 0,000022532 100%
u26 6,932150628 6,254686211 10,700574400 50%
u30 0,880833175 0,691841353 1,915129896 100%

La derni`ere colonne donne lordre de grandeur de lecart relatif un /un observe


entre la deuxi`eme ou troisi`eme colonne et la premi`ere colonne. On voit que cet
ecart augmente constamment pour atteindre environ 103 sur u24 . Pour le calcul
de u25 , il se produit une veritable catastrophe numerique : lecart relatif devient
voisin de 100% ! Il en resulte que toutes les valeurs calculees `a partir de u25 sont
certainement non signicatives pour une precision des calculs de 109 .
Pour comprendre ce phenom`ene, il sut dobserver quune erreur x sur la variable
x entrane une erreur f (x) sur f (x), approximativement donnee par

f (x) = |f  (x)| x.

Ceci se voit bien sur en approximant f (x + x) f (x) par sa dierentielle f  (x)x,


lorsque f est derivable au point x. Le coecient damplication de lerreur absolue
est donc donne par la valeur absolue de la derivee |f  (x)| ; ce coecient peut etre
parfois assez grand. Souvent dans les calculs numeriques (et ici en particulier), il
est plus pertinent de considerer les erreurs relatives. La formule

f (x) |f  (x)||x| x
=
|f (x)| |f (x)| |x|

montre que le coecient damplication de lerreur relative est |f  (x)||x|/|f (x)|.


Dans le cas f (x) = ln (x) qui nous interesse, ce coecient vaut 1/| ln x| ; il devient
tr`es grand lorsque x est proche de 1, comme cest le cas par exemple pour u24 .



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

(a) Encadrer F (x) par deux entiers consecutifs.


2
(b) En remplacant et par un developpement en serie enti`ere de x, exprimer F (x)
comme somme dune serie. On choisit x = 3 ; calculer les 10 premiers termes
I Calculs num
eriques approch
es 19

de la serie. En deduire que pour x 3 on a un phenom`ene de compensation


dans le calcul de la somme des premiers termes de la serie.
2
(c) On denit g(x) par F (x) = ex g(x).
Montrer que g est solution dune equation dierentielle.
Exprimer g(x) comme somme dune serie enti`ere en x.
+
(d) En deduire lexpression F (x) = n=0 an (x) o`
u les an (x) sont tous positifs.
Determiner a0 (x) et donner la solution de recurrence entre an (x) et an1 (x).
Montrer linegalite
+
 x2
an (x) aN (pour N > x2 )
N x2
n=N +1

(e) En utilisant les resultats precedents, ecrire un programme en langage informa-


tique qui, a` la lecture de x et dun entier k 1 calcule une valeur approchee de
F (x) a` 10k pr`es.

4.2. Soit (In )nN la suite des integrales


 1
xn
In = dx.
0 6 + x x2

(a) Montrer que In verie une relation de recurrence de la forme

In+1 = In + In1 + cn ()

o`
u , sont des constantes et (cn ) une suite numerique explicite.

(b) On envisage le calcul recurrent de In `a partir de I0 et I1 par la formule ().


On suppose que les valeurs de I0 et I1 sont aectees derreurs darrondis 0 et
1 , et on note n lerreur qui en resulte sur In (on neglige ici lerreur sur le
calcul de cn et les erreurs darrondi pouvant intervenir dans lapplication de la
formule ()).
() Determiner n en fonction de 0 et 1 .
() Est-il possible de calculer I50 par ce procede avec un ordinateur donnant
une precision relative de 1010 ?

1
n
4.3. Etant donne une suite xk , k = 1, . . . , n de reels, on note n = xk

n n k=1
la moyenne et n = n2 lecart type avec n2 = n1 2
k=1 (xk n ) .
n
(a) Soit qn = k=1 x2k . Exprimer n2 en fonction de qn et de n .

(b) Ecrire un programme qui calcule les moyennes et lecart type dun nombre
indetermine de reels. Les donnees reelles sont entrees au clavier ; apr`es chaque
entree on achera la moyenne et lecart type de la suite des nombres dej`a entres.
20 Analyse num
erique et
equations diff
erentielles

(c) On suppose que pour k = 1, . . . , n on a xk = +k avec |k | < o`


u est petit
devant . Montrer que lon a linegalite  qnn 2  3.
En deduire que la methode de calcul de n utilisant la formule du (a) est
inadaptee pour une telle suite.

(d) On veut obtenir un algorithme de calcul de n plus stable.


Etablir les egalites :
2
(n + 1)n+1 = nn2 + n(n+1 n )2 + (xn+1 n+1 )2 ,
(n + 1)n+1 = nn + xn+1 .

2 1
En deduire n+1 = n
n+1 n2 + n (xn+1 n+1 )2 .

(e) Reprendre la question (b) avec le nouvel algorithme.


2kn1
(f) On consid`ere une suite de reels xk = 1 + n1 , k = 1, . . . , n. Determiner sa
moyenne et son ecart type.

(g) Meme question pour la suite des 2n reels xk , k = 1, . . . , 2n telle que pour
p = 0, . . . , n on ait Cpn termes egaux a` + 2pn

n
(On pourra remarquer que
p2 Cpn = pnCp1
n1 ).


      
     

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

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


fonctions polyn omes sur R `a coecients reels, de degre inferieur ou egal `a n. On a
donc dim Pn = n + 1.
Par ailleurs, si f est une fonction denie sur un intervalle [a, b] R `a valeurs dans
R ou C, la norme uniforme de f sur [a, b] sera notee
f [a,b] = sup |f (x)|
x[a,b]

u meme simplement f sil ny a pas dambigute. Enn C([a, b]) designera lespace
o`
des fonctions continues sur [a, b] a` valeurs dans R.

 
      
 

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

eme Existe-t-il un polynome pn Pn tel que pn (xi ) = f (xi ),


Probl`
i = 0, 1, . . . , n ?

Un tel polyn ome sera appele polyn


ome dinterpolation (de Lagrange) de f aux points
x0 , x1 , . . . , xn . Posons
 (x xj )
li (x) = , 0 i n,
(xi xj )
j=i
22 Analyse num
erique et
equations diff
erentielles

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


n
pn (x) = f (xi )li (x), pn Pn . ()
i=0

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


eor`
solution et une seule, donnee par la formule ().

Il reste `a prouver lunicite. Supposons que qn Pn soit une autre solution du


probl`eme. Alors pn (xi ) = qn (xi ) = f (xi ), donc xi est racine de qn pn . Par suite
le polynome
 n
n+1 (x) = (x xj )
j=0

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


qn pn = 0.


Remarque 1 On a n+1 (x) = (x xi ) j=i (x xj ), do`
u


n+1 (xi ) = (xi xj ).
j=i

Ceci donne la formule


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

Remarque
2 Pour demontrer le theor`eme, on peut egalement poser pn (x) =
n
j=0 aj xj et resoudre un syst`eme lineaire de n + 1 equations

n
aj xji = f (xi ), 0 i n,

j=0

en les n+1 inconnues a0 , a1 , . . . , an . Le determinant du syst`eme est un determinant


dit de Van der Monde :
 
 1 x0 x20 ... xn0 
 
 1 x1 x21 ... xn1 
=  . .. .

 .. . 
 n
1 xn x2n ... xn
II Approximation polynomiale des fonctions num
eriques 23

Il sagit de montrer que = 0 si les xi sont distincts. Or est un polyn ome de


degre total 1 + 2 + . . . + n = n(n+1)
2 en les variables x 0 , x 1 , . . . , xn . Il est clair que
= 0 chaque fois que xi = xj pour un  couple (i, j) tel que 0 j < i n.
est donc divisible par le polyn ome 0j<in (xi xj ), qui est lui aussi de
degre total n(n+1)
2 . Le quotient est donc une constante, donnee par exemple par le
coecient de x1 x22 . . . xnn dans , qui vaut 1. Par suite

= (xi xj ).
0j<in

Il nest pas recommande de resoudre numeriquement le syst`eme precedent pour


obtenir pn . Nous verrons plus loin une methode beaucoup plus ecace (cf. 1.3).

Exercice On se propose de donner deux autres demonstrations des resultats


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

 



Lerreur dinterpolation est donnee par la formule theorique suivante.

Theor` eme On suppose que f est n + 1 fois derivable sur [a, b]. Alors pour tout
x [a, b], il existe un point x ] min (x, xi ), max (x, xi )[ tel que

1
f (x) pn (x) = n+1 (x)f (n+1) (x ).
(n + 1)!

On a besoin du lemme suivant, qui decoule du theor`eme de Rolle.

Lemme Soit g une fonction p fois derivable sur [a, b]. On suppose quil existe
p + 1 points c0 < c1 < . . . < cp de [a, b] tels que g(ci ) = 0. Alors il existe ]c0 , cp [
tel que g (p) () = 0.

Le lemme se demontre par recurrence sur p. Pour p = 1, cest le theor`eme de Rolle.


Supposons le lemme demontre pour p 1. Le theor`eme de Rolle donne des points
0 ]c0 , c1 [, . . . , p1 ]cp1 , cp [ tels que g  (i ) = 0. Par hypoth`ese de recurrence,
il existe donc ]0 , p1 [ ]c0 , cp [ tel que (g  )(p1) () = g (p) () = 0.
24 Analyse num
erique et
equations diff
erentielles

Demonstration du th eor` eme


Si x = xi , on a n+1 (xi ) = 0, tout point x convient.
Supposons maintenant x distinct des points xi .
Soit pn+1 (t) le polyn
ome dinterpolation de f (t) aux points x, x0 , . . . , xn+1 , de sorte
que pn+1 Pn+1 . Par construction f (x)pn (x) = pn+1 (x)pn (x). Or le polyn ome
pn+1 pn est de degre n + 1 et sannule aux n + 1 points x0 , x1 , . . . , xn . On a
donc
pn+1 (t) pn (t) = c n+1 (t), c R.
Considerons la fonction

g(t) = f (t) pn+1 (t) = f (t) pn (t) cn+1 (t).

Cette fonction sannule en les n + 2 points x, x0 , x1 , . . . , xn donc dapr`es le lemme


il existe x ] min (x, xi ), max (x, xi )[ tel que g (n+1) (x ) = 0. Or
(n+1)
p(n+1)
n = 0, n+1 = (n + 1)!

On a par consequent g (n+1) (x ) = f (n+1) (x ) c (n + 1)! = 0, do`


u

f (n+1) (x )
f (x) pn (x) = pn+1 (x) pn (x) = cn+1 (x) = n+1 (x).
(n + 1)!

En prenant la borne superieure de la valeur absolue des deux membres dans la


formule derreur, on obtient en particulier :

1
Corollaire f pn n+1 f (n+1) .
(n + 1)!

Ces formules montrent que la taille de lerreur dinterpolation f (x) pn (x) depend
` la fois de la quantite f (n+1) , qui peut etre grande si f oscille trop vite, et de la
a
quantite n+1 , qui est liee `a la repartition des points xi dans lintervalle [a, b].





  
 

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

Notation On designe par f [x0 , x1 , . . . , xk ] le coecient directeur du polynome


pk ( = coecient de tk dans pk (t)).

Alors pk pk1 est un polyn ome de degre k, sannulant aux points x0 , x1 , . . . ,


xk1 , et admettant f [x0 , x1 , . . . , xk ] pour coecient directeur. Par suite :

pk (x) pk1 (x) = f [x0 , x1 , . . . , xk ](x x0 ) . . . (x xk1 ).

Comme p0 (x) = f (x0 ), on en deduit la formule fondamentale


II Approximation polynomiale des fonctions num
eriques 25


n
pn (x) = f (x0 ) + f [x0 , x1 , . . . , xk ](x x0 ) . . . (x xk1 ). ()
k=1

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

ecurrence Pour k 1, on a
Formule de r

f [x1 , . . . , xk ] f [x0 , . . . , xk1 ]


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

A cause de cette formule, la quantite f [x0 , x1 , . . . , xk ] est appelee dierence divisee


dordre k de f aux points x0 , . . . , xk .

Verication de (). Designons par qk1 Pk1 le polyn


ome de f aux points
x1 , x2 , . . . , xk . Posons

(x x0 )qk1 (x) (x xk )pk1 (x)


pk (x) = .
xk x0

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

(xi x0 )f (xi ) (xi xk )f (xi )


pk (xi ) = = f (xi ).
xk x0

Par consequent pk = pk . Comme le coecient directeur de qk1 est f [x1 , . . . , xk ],


on obtient la formule () cherchee en egalant les coecients de xk dans lidentite

(x x0 )qk1 (x) (x xk )pk1 (x)


pk (x) = .
xk x0

Algorithme pratique On range les valeurs f (xi ) dans un tableau TAB, puis
on modie ce tableau en n etapes successives, en procedant par indices decroissants :

Tableau Etape 0 Etape 1 Etape 2 ... Etape n


TAB [n] f (xn ) f [xn1 , xn ] f [xn2 , xn1 , xn ] . . . f [x0 , . . . , xn ]
TAB [n 1] f (xn1 ) f [xn2 , xn1 ]
TAB [n 2] f (xn2 )
.. .. .. ..
. . . .
TAB [2] f (x2 ) f [x1 , x2 ] f [x0 , x1 , x2 ]
TAB [1] f (x1 ) f [x0 , x1 ]
TAB [0] f (x0 )
26 Analyse num
erique et
equations diff
erentielles

A lissue de la n-i`eme etape, la case memoire TAB[k] contient le coecient


f [x0 , . . . , xk ] cherche, et on peut alors utiliser la formule (). Il est commode
dappliquer ici la r`egle de Horner :

pn (x) = TAB [0] + (x x0 )(TAB [1] + (x x1 )(TAB [2] + . . . + (x xn1 )TAB [n])))

On eectue donc une recurrence descendante



un = TAB [n]
uk = TAB [k] + (x xk )uk+1 , 0 k < n,

qui aboutit a` u0 = pn (x).

Remarque Dapr`es legalite precedant () on a


pk (xk ) pk1 (xk ) = f [x0 , x1 , . . . , xk ](xk x0 ) . . . (xk xk1 ).

Or la formule derreur 1.2 donne


1
pk (xk ) pk1 (xk ) = f (xk ) pk1 (xk ) = k (xk )f (k) ()
k!
avec k (x) = (x x0 ) . . . (x xk1 ) et ] min(x0 , . . . , xk ), max (x0 , . . . , xk )[.
En comparant les deux egalites il vient
1 (k)
f [x0 , x1 , . . . , xk ] = f (), ] min(xi ), max(xi )[.
k!
Si lon suppose que f, f  , . . . , f (n) existent et sont continues, on voit que les
dierences divisees f [x0 , . . . , xk ] sont bornees independamment du choix des xi ,
meme si certains de ces points sont tr`es voisins.


      
  
     
ba
On consid`ere la subdivision de lintervalle [a, b] de pas constant h = n . Les points
dinterpolation sont donc
ba
xi = a + ih = a + i , 0 i n.
n
On note fi = f (xi ) les valeurs de f correspondantes, et on introduit un operateur
note , appelee operateur aux dierences nies, deni par

: (f0 , f1 , . . . , fn ) (f0 , f1 , . . . , fn1 )

avec
fi = fi+1 fi , 0 i n 1.
Lorsquon it`ere loperation , on obtient des reels k fi , 0 i n k, denis par
la formule de recurrence

k fi = k1 fi+1 k1 fi , k 1, 0 i n k,
II Approximation polynomiale des fonctions num
eriques 27

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


o`
k j j
Exercice Verier que k fi = j=0 (1) Ck fi+j ,

Il est alors facile de montrer par recurrence que les dierences divisees sont donnees
par
k fi
f [xi , xi+1 , . . . , xi+k ] = .
k!hk
Recrivons avec ces notations la formule fondamentale (). Pour x [a, b],
eectuons le changement de variable

x = a + sh, s [0, n].

On a alors

(x x0 ) . . . (x xk1 ) = sh(sh h) . . . (sh (k 1)h)


= hk s(s 1) . . . (s k + 1).

On obtient la formule de Newton suivante, dans laquelle s = (x a)/h :


n
s(s 1) . . . (s k + 1)
pn (x) = k f0
k!
k=0
   
s s1 sn+1 n
= f0 + 1 f0 + 2 f0 + . . . + f0 . . . .
1 2 n

Les coecients k f0 se calculent suivant le schema decrit au 1.3 :

fn fn1 2 fn2 . . . n1 f1 n f0
fn1 fn2 n1 f0
fn2
..
2
.
f2 f1 f0
f1 f0
f0
A lissue de la n-i`eme etape, le tableau contient les coecients k f0 cherches.

Estimation de lerreur dinterpolation On a

n+1 (x) = (x x0 ) . . . (x xn ) = hn+1 s(s 1) . . . (s n),

do`
u
s(s 1) . . . (s n) n+1 (n+1)
f (x) pn (x) = h f (x ).
(n + 1)!
28 Analyse num
erique et
equations diff
erentielles

La fonction (s) = |s(s 1). . . (s n)|, s [0, n], verie (n s) = (s), donc elle
atteint son maximum dans 0, n2 . Comme (s 1)/(s) = (n + 1 s)/s > 1 pour
1 s n2 , on voit que atteint en fait son maximum dans [0, 1], do` u
max = max (s) n!
[0,n] s[0,1]

Il en resulte
1
|f (x) pn (x)| hn+1 max |f (n+1) |.
n + 1 [x0 ,...,xn ]
Une application typique de ces formules est le calcul dune valeur approchee de
limage f (x) au moyen dune table numerique donnant les valeurs successives f (xi )
avec un pas constant h. Supposons par exemple que h = 102 et que lon cherche
a evaluer f (x) a` 108 pr`es. Une interpolation lineaire (cas n = 1) donnerait une
`
erreur en h2 = 104 beaucoup trop grande. On doit ici aller jusquau degre n = 3,
ce qui permet dobtenir un erreur h4 = 108 pourvu que max |f (4) | 4.

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


n!
n+1 [a,b] = hn+1 max (s) hn+1 n! = (b a)n+1
s[0,n] nn+1
 n
et la formule de Stirling n! 2n ne montre que lordre de grandeur de n+1
est  n+1
ba
n+1 = O quand n +.
e
Comme 1 1 1 3  1 1
= ... n 1 2 . . . (n 1)
2 2 2 2 2 4
1 nn
1
1 nn 2
n! 6n n
4n 4n e en+1
pour n grand, on voit en fait que
1  n+1
nn 2 1 ba
n+1 hn+1 n+1 = .
e n3/2 e
Nous obtiendrons au 2.2 des estimations beaucoup plus precises. Lexercice suivant
montre linteret de la formule de Newton en arithmetique.
Exercice
(a) Montrer que les polyn
omes de Newton

s(s 1) . . . (s k + 1)
Nk (s) = , 0kn
k!

forment une base de Pn et que pour tout s Z on a Nk (s) Z


[Indication : utiliser les Cnk ou une recurrence a
` partir de la relation
Nk (s) Nk (s 1) = Nk1 (s)].
(b) Montrer quun polyn ome p Pn est tel que p(s) Z pour tout s Z si et
` coecients dans Z de N0 , . . . , Nn .
seulement si p est combinaison lineaire a
II Approximation polynomiale des fonctions num
eriques 29

 

 
  
On denit les polyn
omes de Tchebychev par

tn (x) = cos(n Arccos x), x [1, 1]

Il nest pas evident a priori que tn est un polyn ome ! Pour le voir, on proc`ede
comme suit. Posons = Arc cos x, cest-`a-dire x = cos avec [0, ]. Il vient
alors
tn (x) = cos n,
tn+1 (x) + tn1 (x) = cos ((n + 1)) + cos ((n 1))
= 2 cos n cos = 2xtn (x).
La fonction tn se calcule donc par les formules de recurrence

t0 (x) = 1, t1 (x) = x
tn+1 (x) = 2x tn (x) tn1 (x).
Il en resulte que tn est un polyn
ome de degre n, dont le coecient directeur est
2n1 si n 1. Determinons les racines de tn . Si x = cos [1, 1] avec [0, ],
on a tn (x) = cos n = 0 si et seulement si n = 2 + i, soit = 2i+1 2n avec
0 i n 1. Le polyn ome tn admet donc exactement n racines distinctes :
2i + 1
cos ] 1, 1[, 0 i n 1.
2n
Comme tn est de degre n, il ne peut avoir dautres racines.

D
enition Les points dinterpolation de Tchebychev dordre n sont les points
2i+1
xi = cos 2n+2 , 0 i n, racines du polyn
ome tn+1 .

Les points xi sont repartis symetriquement autour de 0 (avec xni = xi ), de facon


plus dense au voisinage de 1 et 1 :

x11 x9 x7 0 x4 x2 x0
n = 11
x10 x8 x6 x5 x3 x1
1 1

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



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

Pour se ramener `a un intervalle [a, b] quelconque au lieu de [1, 1], on utilisera la


bijection lineaire
[1, 1] [a, b]
a+b ba
u x = + u
2 2
30 Analyse num
erique et
equations diff
erentielles

qui envoie 1 sur a et 1 sur b. Les images des points dinterpolation de Tchebychev
ui ] 1, 1[ sont donnes par

a+b ba 2i + 1
xi = + cos , 0 i n.
2 2 2n + 2

Ces points sont encore appeles points dinterpolation de Tchebychev dordre n de


lintervalle [a, b]. Dans ce cas, on a x xi = ba 2 (u ui ), donc le polyn
ome n+1
est donne par
 n  n+1  n
ba
n+1 (x) = (x xi ) = (u ui )
i=0
2 i=0
n
o`u i=0 (u ui ) = 21n tn+1 (u) est le polyn ome n+1 (u) correspondant a` [1, 1]. On
obtient donc
  
(b a)n+1 (b a)n+1 2 a+b
n+1 (x) = t n+1 (u) = t n+1 x .
22n+1 22n+1 ba 2

omes de Tchebychev on a tn+1 = 1, donc


Par denition des polyn
 n+1
ba
n+1 = 2 .
4
Cette valeur est beaucoup plus petite que lestimation (b a/e)n+1 obtenue pour
n+1 avec des points xi equidistants, surtout lorsque n est assez grand : pour
n = 30 par exemple, on a (e/4)n+1 < 7 106 .
Il en resulte que linterpolation aux points de Tchebychev est en general con-
siderablement plus precise que linterpolation en des points equidistants, do`
u son
interet pratique. Nous reviendrons sur ces questions au 3.

    pn 


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

Probl` eme A quelle(s) condition(s) (portant sur la nature de la fonction f


et/ou le choix des points xi,n ) pourra-t-on etre s
ur que pn converge uniformement
vers f quand n + ?

Si lon ne dispose daucune information sur la repartition des points xi,n , la meilleure
majoration de n+1 (x) dont on dispose a priori est

n
|n+1 (x)| = |x xi,n | (b a)n+1 , x [a, b],
i=0
II Approximation polynomiale des fonctions num
eriques 31

en majorant |x xi,n | par b a. Dans le cas o`


u les points xi sont equidistants ou
sont les points de Tchebychev, on a bien entendu une meilleure estimation
 b a n+1  b a n+1
n+1 , resp. n+1 2 .
e 4

Comme lerreur dinterpolation depend par ailleurs de f (n+1) dapr`es le 1.2, on


est amene `a chercher une majoration des derivees successives de f .

  




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

C(r)
|ak | , k N.
rk
On peut alors deriver terme `a terme f (x) sur ] r, r[ ] R, R[, ce qui donne
+
 dn
f (n) (x) = ak (xk ),
dxn
k=0
+
 1 dn
|f (n) (x)| C(r) (xk ) si x 0
rk dxn
k=0
+ 
dn   x k
= C(r) n
dx r
k=0
 
dn 1 dn  r 
= C(r) n = C(r) n
dx 1 r
x
dx r x
n!rC(r)
= .
(r x)n+1

Sur tout intervalle [, ] avec < r < R, on a donc

1 rC(r)
f (n) [,] .
n! (r )n+1

Supposons maintenant que f : [a, b] R soit somme dune serie enti`ere de centre
2 et de rayon R > = 2 . Pour tout r tel que 2 < r < R et tout n N
c = a+b ba ba

on a alors dapr`es ce qui prec`ede

1 rC(r)
f (n) [a,b]  n+1 .
n!
r ba
2
32 Analyse num
erique et
equations diff
erentielles

Lerreur dinterpolation admet donc la majoration


1  b a n+1 rC(r)
f pn n+1 f (n+1) 2  n+2
(n + 1)!
r ba
2
 n+1
ba
2rC(r)

r ba
2 r ba
2

avec respectivement = 1 si les points xi,n sont quelconques, = e sils sont


equidistants, = 4 si ce sont les points de Tchebychev. Lerreur  va converger
 vers
0 si lon peut choisir r tel que (b a)/ < r (b a)/2, soit r > 1 + 12 (b a). Ceci
est possible d`es que le rayon de convergence R verie lui-meme cette minoration.
On peut donc enoncer :

Th eor` eme Soit f : [a, b] R une fonction analytique donnee par une serie
enti`ere de rayon de convergence R centree au point c = a+b
2 . Alors pour des points
dinterpolation xi,n quelconques et = 1 (respectivement, equidistants et = e, de
Tchebychev et = 4), les polynomes dinterpolation
  pn aux points xi,n convergent
uniformement vers f pourvu que R > 1 + 12 (b a).

Exercice Si les points xi,n sont repartis systematiquement par rapport a


`
a+b
c= 2 , montrer que lon peut prendre = 2.

Indication : en supposant c = 0 pour simplier, utiliser le fait que

1
|(x xi,n )(x + xi,n )| (b a)2
4

pour tout x [a, b] et tout i = 0, 1, . . . , n.

Ces resultats sont en fait un peu grossiers, car ils fournissent des conditions
susantes de convergence qui sont en general tr`es loin detre necessaires. Par
ailleurs, ce sont des resultats purement theoriques qui ne tiennent aucun compte
des erreurs darrondi. Nous allons maintenant faire des calculs plus ns sur des
exemples, en estimant de facon precise le produit n+1 pour des points equidistants.

  
n(z) z C 
  
    
 

  

Posons h = ba
n , xj = aj + jh, 0 j n, et soit z C,

|n+1 (z)| = |z xi | |z xj |,
j=1

ln |n+1 (z)| = ln n (z) + ln |z xj |
j=i

u n (z) = |z xi | est la distance de z au plus proche point xi . La derni`ere


o`
sommation apparat comme une somme de Riemann de la fonction x ln |z x|.
On va donc comparer cette sommation `a lintegrale correspondante.
II Approximation polynomiale des fonctions num
eriques 33
1
Lemme 1 Pour tout a C, on pose (a) = ln |1 at| dt. 0
Alors lintegrale converge et la fonction est continue sur C. De plus :
  h 
1 xj+1
(i) ln |z x|dx ln |z xj | = , 0j i1 ;
h xj z xj
  
1 xj+1 h
(ii) ln |z x|dx ln |z xj+1 | = , i j n 1.
h xj z xj+1

Demonstration. Si a [1, +], la fonction t ln |1 at| est denie et continue


sur [0, 1]. Soit Log la determination principale du logarithme complexe, denie sur
C  ] , 0]. Comme ln |z| = Re(Log z), on en deduit aisement
 1 
(0) = 0, (a) = Re 1 Log (1 a) 1 si a {0} [1, +[
a
gr
ace `a une integration
 par  parties. Si a [1, +[, un calcul analogue donne
(1) = 1 et (a) = 1 a1 ln (a 1) 1 pour a > 1. La continuite de se verie
sur ces formules (exercice !)

Egalit
e (i) : on eectue le changement de variable

x = xj + ht, dx = h dt, t [0, 1].

Il vient :
  1
1 xj+1
ln |z x| dx = ln |z xj ht| dt
h xj 0
 1     h 
 h 
= ln |z xj | 1 t dt = ln |z xj | + .
0 z xj z xj

e (ii) : sobtient de meme en posant x = xj+1 ht.


Egalit

En sommant les dierentes egalites (i) et (ii), on obtient


 i1 
  h    h 
b n
1
ln |z x|dx ln |z xj | = + . ()
h a z xj z xj
j=i j=0 j=i+1

x0 x1 xj xi1 xi xi+1 xn
34 Analyse num
erique et
equations diff
erentielles

Si 0 j < i, le fait que |z xi | = min |z xk | implique Re z xi h


2 do`
u

h  1 1
|z xj | Re(z xj ) xi xj = i j h (i j)h
2 2 2
1
car 2 12 (i j). Comme Re w > 0 implique Re (1/w) > 0, on en deduit donc :
 h   h 
 2
Re > 0,   2.
z xj z xj ij

Si i < j n, on obtient de meme Re z xi + h


2 et

h  1 1
|z xj | Re(xj z) xj xi = j i h (j i)h,
2 2 2
 h   h 
  2
Re > 0,   2.
z xj z xj ji

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

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

Demonstration. Les deux membres etant continus sur Re a 0, il sut de


montrer lestimation lorsque a est voisin de 0. On sait que Log (1 + z) = z + O(|z|2 )
do`
u

ln |1 + z| = Re Log(1 + z) = Re Log(1 + z) = Re z + O(|z|2 ),


 1
1
(a) = ( Re a t + O(|a|2 t2 ))dt = Re a + O(|a|2 ),
0 2

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


 1

Legalite () ci-dessus et le lemme 2 applique avec a = zx
h
j
=O ji impliquent
alors

 1   h  1   h 
b i1 n
1 
ln |z xj | ln |z x|dx = ln 1 + + ln 1 
h a 2 j=0 z xj 2 j=i+1 z xj
j=i
   
1 1 1 1 1
+O 2 + + . . . + + O + . . . + .
i (i 1)2 12 12 (n i)2
+
Comme la serie n=1 n12 est convergente, les termes complementaires sont bornes,
cest-`a-dire O(1). De plus

h z xj + h z xj1
1+ = = ,
z xj z xj z xj
h z xj h z xj+1
1 = = .
z xj z xj z xj
II Approximation polynomiale des fonctions num
eriques 35

Dans les deux sommations, les logarithmes se simplient alors mutuellement, ce qui
donne
   
1 b 1  z x1 z xn+1 
ln |z xj | ln |z x|dx = ln   + O(1)
h a 2 z xi1 z xi+1 
j=i

avec x1 = a h et xn+1 = b + h. En prenant lexponentielle et en multipliant par


|z xi |, on obtient
 
  1 b  |z x1 | |z xn+1 |
|zxj | = |zxi | exp O(1)+ ln |zx|dx . ()
h a |z xi1 | |z xi+1 |

La quantite sous la racine est comprise entre 1 et (1 + 2n)2 . En eet on a

|z x1 | |z xi1 | + ih
1 1 + 2i,
|z xi1 | |z xi1 |

car |z xi1 | Re(z xi1 ) h2 si i = 0, le premier quotient etant egal `a 1 si i = 0.


Le deuxi`eme quotient est majore de meme par 1 + 2(n i). Comme exp(O(1)) est
encadre par deux constantes positives et h1 = ba n
, on obtient lestimation suivante.

 1  b 
Estimation de n+1 On pose A(z) = exp ln |z x|dx .
ba a
Alors il existe des constantes C1 , C2 > 0 telles que

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

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

car la fonction t (t x) ln |t x| est continue sur [a, b] et on peut passer a` la


limite sur chacun des intervalles [a, x ] et [x + , b]. Il en resulte

1 xa bx
A(x) = (x a) ba (b x) ba si x ]a, b[,
e

A(a) = A(b) = 1 (b a).
e
36 Analyse num
erique et
equations diff
erentielles

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

1
e (b a)

1
2e (b a)
A(x)

0 a a+b b x
2

La fonction A atteint donc son maximum A = 1e (b a) en x = a ou b et son


1
minimum 2e (b a) en x = a+b 2 . Dun point de vue pratique, il va en resulter
que la convergence de pn (x) est en general beaucoup moins bonne au voisinage des
extremites a, b quau centre de lintervalle.



     
Lobjet de ce paragraphe est de donner un exemple concret de fonction analytique
f pour laquelle les polyn
omes dinterpolation ne forment pas une suite convergente.
Nous considerons pour cela la fonction

1
f (x) = , x [1, 1],
x2 + 2

o`
u > 0 est un param`etre.

y
1/2

pn (n = 14)
f

1 0 1 x

ome dinterpolation de f aux points xj = 1 + j n1 , 0 j n.


Soit pn le polyn
II Approximation polynomiale des fonctions num
eriques 37

On a ici
1 1 1 
+  x2 k
f (x) = 2 x 2 = 2
(1)k 2
1 + 2
k=0

avec rayon de convergence R = . Dapr`


 esle 2.1, on voit donc que pn converge
uniformement vers f d`es que > 2 12 + 1e  1, 74. Quen est-il si est petit ?

Calcul de pn(x) Lerreur dinterpolation est donnee ici par


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

c0 n+1 (x) si n est impair,
1 (x2 + 2 )pn (x) =
c1 x n+1 (x) si n est pair.

En substituant x = i, on trouve c0 = 1/n+1 (i) et c1 = 1/in+1 (i), do`


u

1 n+1 (x)

x2 + 2 si n est impair,
n+1 (i)
f (x) pn (x) =

x n+1 (x)
si n est pair.
i(x2 + 2 ) n+1 (i)
On va maintenant etudier tr`es precisement la convergence ponctuelle de pn (x), en
utilisant les estimations du 2.2.

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


1
Si x = 1, pn (x) = pn (1) = f (1) = 1+ 2 est une suite constante. On suppose

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

C3 A(i)n |n+1 (i)| C4 A(i)n



car |i xj | 2 + 4 pour tout j {1, . . . , n + 1}. De meme pour
z = x ] 1, 1[, les quantites |z xi1 | et |z xi+1 | sont du meme ordre de
grandeur que h = n2 , tandis que |z x1 | et |z xn+1 | tendent respectivement vers
1 + x et 1 x. On a donc des constantes positives C5 , C6 , . . . telles que

C5 nn (x)A(x)n |n+1 (x)| C6 nn (x)A(x)n ,


 n  n
A(x) A(x)
C7 nn (x) |f (x) pn (x)| C8 nn (x) .
A(i) A(i)
38 Analyse num
erique et
equations diff
erentielles

Les calculs du 2.2 donnent

1 1+x 1x
A(x) = (1 + x) 2 (1 x) 2 ,
e
1  1  1  1 
A(i) = exp ln |i x|dx = exp ln (x2 + 2 )dx
2 1 4 1
1  1  1
 1
= exp ln(x2 + 2 )dx = 1 + 2 exp Arctg ,
2 0 e

ln (x2 + 2 ) ayant pour primitive x ln (x2 + 2 ) 2x + Arctg x/. La fonction


A(i) est strictement croissante sur ]0, +[, avec

1
lim A(i) = , lim A(i) = +.
0 e +

La valeur critique est la valeur 0 telle que

2
A(i0 ) = sup A(x) = ,
x[1,1] e

soit 0  0, 526. Pour > 0 , la suite (pn ) converge ponctuellement (et meme
uniformement) vers f sur [1, 1]. Pour < 0 , on a le schema suivant :

y
2/e

A(i) A(x)

1/e

1 0 x 1

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

Lemme Pour tout n N ,


1
max (nn (x), (n + 1)n+1 (x)) min(1 + x, 1 x) > 0.
2
II Approximation polynomiale des fonctions num
eriques 39

Il existe en eet des indices j, k tels que


  2 

n (x) = |x xj,n | = x 1 + j ,
n
  2 

n+1 (x) = |x xk,n | = x 1 + k .
n+1

On obtient donc

1
max (nn (x), (n + 1)n+1 (x)) (nn (x) + (n + 1)n+1 (x))
2

1 
|n(x + 1) 2j| + |(n + 1)(x + 1) 2k|
2
1 1
|dierence| = |x + 1 2k + 2j|
2 2
1
distance (x, entiers impairs dans Z)
2
1
= min(|x 1|, |x + 1|).
2

Gr
ace au lemme, on voit que

   n
A(x)
max |f (x) pn (x)| , |f (x) pn+1 (x)| C ,
A(i)

donc la suite (|f (x) pn (x)|)nN nest pas bornee si A(x) > A(i) et ne tend pas
vers 0 si A(x) = A(i).
Cet exemple montre donc que, meme pour une fonction f parfaitement reguli`ere,
il ne faut pas sattendre a` ce que les polynomes dinterpolation pn aux points
equidistants convergent vers f sur lintervalle dinterpolation.

 

      

 

 

        

On munit lespace vectoriel C([a, b]) des fonctions continues f : [a, b] R de la


norme uniforme

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

et de la distance uniforme associee d(f, g) = f g . On note donc

d(f, Pn ) = inf f p .
pPn
40 Analyse num
erique et
equations diff
erentielles

Theor`eme et d enition Pour tout n N, il existe un unique polynome


qn Pn qui realise le minimum de la distance

f qn = d(f, Pn )

Ce polyn ome est appelee polyn


ome de meilleure approximation uniforme de f `a
lordre n.

Demontrons dabord lexistence de qn . En approximant f par p = 0, on voit que


d(f, Pn ) f . Lensemble des polyn omes p Pn tels que f p f est
une partie fermee et bornee K Pn , non vide puisque 0 K. Comme Pn est de
dimension nie, K est une partie compacte, donc la fonction continue p f p
atteint son inf en un point p = qn K.

Avant de prouver lunicite, nous introduisons une denition commode.

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


D
de [a, b] sil existe des points x0 < x1 < . . . < xk dans [a, b] tels que

i = 0, 1, . . . , k, |g(xi )| = g et i = 0, 1, . . . , k 1, g(xi+1 ) = g(xi ).

y
g

0 a x0 x1 x2 x3 x4 b x

Preuve de lunicit e.* Montrons que si p Pn est un polyn


ome realisant le
minimum de la distance f p , alors g = f p equioscille sur n + 2 points
de [a, b]. Si ce nest pas le cas, soit

x0 = inf {x [a, b] ; |g(x)| = g }

le premier point en lequel g atteint sa valeur absolue maximum, puis x1 le premier


point > x0 en lequel g(x1 ) = g(x0 ), . . . , xi+1 le premier point > xi en lequel
g(xi+1 ) = g(xi ). Supposons que cette suite sarrete en i = k n. Dapr`es le
theor`eme des valeurs intermediaires, g sannule necessairement sur chaque intervalle
II Approximation polynomiale des fonctions num
eriques 41

[xi1 , xi ]. Soit ci [xi1 , xi ] le plus grand reel de cet intervalle tel que g(ci ) = 0,
de sorte que

a x0 < c1 < x1 < c2 < . . . < xk1 < ck < xk b.

Supposons par exemple g(x0 ) > 0 et posons

(x) = (c1 x)(c2 x) . . . (ck x), Pn ,


g (x) = g(x) (x) = f (x) (p(x) + (x)).

On va montrer que g < g pour > 0 assez petit, ce qui contredira la minimalite
de f p . Par construction, on a signe(g(xi )) = (1)i et

g < g(x) g sur [a, x0 ],


g (1) g(x) < g sur
i
[xi1 , ci ]

(si on avait seulement au lieu de <, alors on aurait xi ci ),

0 (1)i g(x) g sur [ci , xi ]

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

g < (1)k g(x) g sur [xk , b]

(si on avait seulement au lieu de <, il y aurait un point xk+1 ).

Il existe donc une constante A < g positive telle que g(x) A sur [a, x0 ],
(1)i g(x) A sur [xi1 , ci ] et (1)k g(x) A sur [xk , b]. En notant M =
sup[a,b] |(x)| et en tenant compte du fait que signe((x)) = (1)i sur ]ci , ci+1 [, on
obtient donc
A M g (x) < g sur [a, x0 ],
g < (1)i g (x) A + M sur [xi1 , ci ],
M (1)i g (x) < g sur [ci , xi ],
A M (1)k g (x) < g sur [xk , b],
ce qui implique g < g d`es que est assez petit. Cette contradiction entrane
k n + 1, ce quil fallait demontrer.
Pour verier lunicite de p, il sut de montrer que pour tout polyn ome q Pn ,
q = p, il existe un point xi avec 0 i n + 1 tel que

(1)i (f (xi ) q(xi )) > (1)i (f (xi ) p(xi )) ;

ceci entranera en particulier f q > f p . Sinon, pour tout i = 0, 1, . . . , n + 1


on aurait
(1)i (p(xi ) q(xi )) 0.
Dapr`es le theor`eme des valeurs intermediaires, il existerait un point i [xi , xi+1 ]
tel que p(i ) q(i ) = 0 pour i = 0, 1, . . . , n. Si les i sont tous distincts, alors p q
aurait n + 1 racines, donc p = q contrairement a` lhypoth`ese. Or, on peut choisir
i1 < i , sauf si dans lintervalle [xi1 , xi+1 ] le polyn ome (1)i (p(x) q(x)) ne
42 Analyse num
erique et
equations diff
erentielles

sannule quen x = xi , auquel cas on doit prendre i1 = xi = i . Dans ce cas


(1)i (p(x) q(x)) reste 0 sur [xi1 , xi+1 ] car son signe est positif en x = xi1 et
x = xi+1 . Ceci entrane que i = xi est racine au moins double de p q, par suite
p q aurait encore n + 1 racines compte tenu des multiplicites, contradiction.

Observons en outre que dapr`es la demonstration precedente, le polyn


ome de
meilleure approximation uniforme se caracterise comme suit :

erisation Pour f C([a, b]), le polynome de meilleure approximation


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


Exemple Ecrivons les polyn
omes de Tchebychev sous la forme

2n tn+1 (x) = xn+1 qn (x)

avec qn de degre n. Comme tn+1 (cos ) = cos (n + 1) equioscille sur les n + 2



points i = i n+1 , 0 i n+1, on en deduit que qn (x) est le polyn
ome de meilleure
approximation uniforme a` lordre n de xn+1 sur [1, 1]. Autrement dit, 2n tn+1
est le polynome unitaire de degre n + 1 ayant la plus petite norme uniforme possible
sur [1, 1] : cette norme vaut 2n .

   C([a, b])



 
  
Il est malheureusement tr`es dicile en general de determiner le polyn
ome de
meilleure approximation uniforme qn . Cest pourquoi nous allons etudier ici une
methode beaucoup plus explicite dapproximation.

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


D
f : R+ R+ denie par

f (t) = sup {|f (x) f (y)| ; x, y [a, b] avec |x y| t}.

Pour tous x, y [a, b], on a alors

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

de sorte que f mesure quantitativement la continuite de f .

Propri
et
es du module de continuit
e
(i) t f (t) est une fonction croissante.
(ii) lim+ f (t) = 0.
t0
(iii) Pour tous t1 , t2 R+ , f (t1 + t2 ) f (t1 ) + f (t2 ).
(iv) Pour tout n N et tout t R+ , f (nt) n f (t).
(v) Pour tout R+ et tout t R+ , f (t) ( + 1)f (t).
II Approximation polynomiale des fonctions num
eriques 43

D emonstration. (i) est evident, (ii) resulte du fait que toute fonction continue
sur [a, b] y est uniformement continue.
(iii) Soient x, y [a, b] quelconques tels que |x y| t1 + t2 . Il existe alors z [x, y]
tel que |x z| t1 et |z y| t2 , do`u
|f (x) f (y)| |f (x) f (z)| + |f (z) f (y)| f (t1 ) + f (t2 ).
Linegalite (iii) sen deduit en prenant le sup sur x, y.
(iv) se deduit immediatement de (iii) et (v) sobtient en appliquant (iv) a` n =
E() + 1.
Nous allons maintenant introduire les polyn omes dits de Jackson, donnant une assez
bonne approximation dune fonction continue quelconque. Pour tout entier n 2,
on consid`ere le polynome trigonometrique Jn 0 de degre n 2
   2k + 1 

Jn () = cn 1 cos
n
1kn2
 
u cn > 0 est xee telle que Jn n = 12 . En changeant k en n1k on voit aussit
o` ot
 2k+1 
que Jn () = Jn (). De plus,
 pour
 tout k Z, on a Jn n = 0 si k
0 ou
1 (mod n), tandis que Jn n = 12 . Nous avons besoin du lemme suivant.

Lemme Soit P () = |j|n1 aj eij , j Z, un polynome trigonometrique de
degre au plus n 1. Alors
  2 
( R) P k = na0 .
n
0kn1

 1 eijn2/n
En eet eij(k2/n) = eij = 0 si j 0 (mod n), et la somme
0kn1
1 eij2/n
vaut n si j = 0.
Comme Jn () et Jn ()(1 cos ) sont des polyn omes trigonometriques de degre
n 2 et n 1 respectivement, on en deduit que
  2 
Jn k = 1,
n
0kn1
  2   2 
Jn k 1 cos k = 1 cos ;
n n n
0kn1

 des constantes et pour = n la



en eet, dapr`es le lemme, ces sommes sont
2
denition de J  1que Jn k n = 0 sauf pour k = 0 et k = n 1,
 n () montre
2
auquel cas Jn k n = 2 . Observons de plus que
 2 2  2
 
 cos cos k  =  Re (ei eik 2/n )
n
 2    2
   
ei eik 2/n  = ei k 2/n 1
  2 
= 2 1 cos k .
n
44 Analyse num
erique et
equations diff
erentielles


En appliquant linegalite de Cauchy-Schwarz | ak bk | ( a2k )1/2 ( b2k )1/2 aux
quantites
 2 1/2  2 1/2  2 
ak = Jn k , bk = Jn k  cos cos k ,
n n n
on en deduit
  2  2 
Jn k  cos cos k 
n n
0kn1
  1/2    2 1/2
2  2   2 
Jn k Jn k cos cos k
n n  n
   1/2
2   2 
2 Jn k 1 cos k
n n
  1/2
2 1 cos = 2 sin . ()
n 2n n
Soit maintenant f C([1, 1]) une fonction continue quelconque. On lui associe le
ome trigonometrique de degre n 2
polyn
  2   2 
n () = f cos k Jn k .
n n
0kn1

En changeant k en n k pour 1 k n 1, on voit que n () = n (),


par consequent n () est combinaison lineaire des fonctions paires 1, cos , . . .,
cos (n 2). Comme celles-ci sont precisement donnees par les polyn omes de
Tchebychev tk (cos ), on voit quil existe un polyn ome pn2 de degre n 2
tel que n () = pn2 (cos ). Pour des raisons similaires, il existe un polynome
jn,k (x) de degre n 2 tel que
  
1 2   2 
Jn + k + Jn k = jn,k (cos ).
2 n n
 
En observant que pn2 (cos ) = 12 n () + n () et en substituant x = cos ,
on peut exprimer explicitement le polyn ome pn2 `a partir des jn,k :
  2 
pn2 (x) = f cos k jn,k (x), x [1, 1].
n
0kn1

Ce polynome sera appele polyn


ome dapproximation de Jackson de degre n2 de f .
Cela etant, nous avons le :

Th eme de Jackson Pour tout f C([a, b]), les polynomes dapproxima-


eor`
tion de Jackson verient
ba
f pn 3 f .
n+2
II Approximation polynomiale des fonctions num
eriques 45

Demonstration. Le cas dun intervalle [a, b] quelconque se ram`ene facilement au


u [a, b] = [1, 1], en utilisant le meme changement de variable quau 1.5. On
cas o`
suppose donc f C([1, 1]) et on cherche `a majorer

f pn2 [1,1] = sup |f (cos ) n ()|.


[0,]

 2

La propriete Jn k n = 1 permet decrire

  2 
f (cos ) = f (cos )Jn k ,
n
0kn1

do`
u
   
 2  2 
f (cos ) n () = f (cos ) f cos k Jn k
n n
0kn1

2
par denition
 de n . La propriete (v) du module de continuite avec t = n et
n  
= 2  cos cos k 2
n  implique

  2 

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

par consequent linegalite () donne



    2
2 n  2 
|f (cos ) n ()| Jn k 1 +  cos cos k  f
n 2 n n
0kn1
 n  2
1+ f .
2 n n
On obtient donc nalement
  2 2
f pn2 1 + f 3 f .
2 n n

Il resulte du theor`eme de Jackson que (pn ) converge uniformement vers f quand


n tend vers +. Comme le polyn ome de meilleure approximation qn satisfait par
denition f qn f pn , on en deduit que (qn ) converge uniformement vers
f quand n tend vers +. Ceci equivaut a` lenonce suivant :

Th
eor`
eme de Weierstrass Lespace P des polyn
omes est dense dans
C([a, b]) pour la norme uniforme.
46 Analyse num
erique et
equations diff
erentielles

 

 

 
 

 


  
 
  






Soient x0 , x1 , . . . , xn [a, b] des points 2 a` 2 distincts. On consid`ere loperateur


dinterpolation de Lagrange

Ln : C([a, b]) Pn
f pn .

Dans la pratique, la fonction f `a interpoler nest pas connue exactement : on ne


dispose que dune valeur approchee f = f +g, o` u g est un terme derreur. Au lieu de
calculer pn = Ln (f ), on va donc calculer pn = Ln (f) = Ln (f )+Ln (g) = pn +Ln (g).
Si g est lerreur commise sur f , lerreur sur pn sera donc Ln (g). Dun point de vue
numerique, il va etre tr`es important de pouvoir estimer Ln (g) en fonction de g .
Rappelons la formule dinterpolation (*) demontree au 1.1 : si Ln (g) = rn , alors


n
rn (x) = g(xi )li (x).
i=0

On a donc  n 

|rn (x)| |li (x)| g .
i=0

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

n = sup |li (x)| .
x[a,b] i=0

Le nombre n est appele constante de Lebesgue associee `


a x0 , x1 , . . . , xn .

D emonstration. Dapr`es ce qui prec`ede, on a Ln (g) = rn n g , donc


|||Ln ||| n . Reciproquement, la continuite des li entrane quil existe un point
n
[a, b] tel que n = |li ()|. On peut trouver une fonction g C([a, b]) ane
i=0
par morceaux, telle que g = 1 et g(xi ) = 1 = signe (li ()). Alors


n
Ln (g)() = |li ()| = n ,
i=0

de sorte que Ln (g) n et |||Ln ||| n .

Intuitivement, la constante n peut sinterpreter comme le facteur damplication


de lerreur dans le procede dinterpolation de Lagrange. On va voir que n est
II Approximation polynomiale des fonctions num
eriques 47

egalement liee au probl`eme de la convergence des polynomes dinterpolation, gr


ace
a linegalite suivante :
`

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


eor`

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

Demonstration. Soit qn le polyn ome de meilleure approximation uniforme de f ,


de sorte que f qn = d(f, Pn ). Puisque qn Pn , on a Ln (qn ) = qn , donc

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


   xi 
     
Posons xi = a + ih, 0 i n et x = a + sh, o`
u s [0, n], h = ba
n . On a alors

 (x xj )  sj
li (x) =
(xi xj ) ij
j=i j=i

s(s 1) . . . (s%
i) . . . (s n)
= (1)ni ,
i!(n i)!

u s%
o` i designe un facteur omis. On peut demontrer a` partir de l`
a que

2n+1
n .
en ln (n)

Nous nous contenterons de demontrer une minoration de n . Pour s = 12 , cest-`a-


dire pour x = a + h2 , il vient
%  
1 1 3
2 2 2 . . . i 12 . . . n 12
|li (x)| =
i!(n i)!
1 1 2 . . . (i% 1) . . . (n 1) 1 n!
2 .
4 i!(n i)! 4n i!(n i)!

On en deduit

n
1  i
n
1
n |li (x)| 2
Cn = 2 2n .
i=0
4n i=0 4n

Comme n tend vers + assez rapidement, on voit que linterpolation de Lagrange


en des points equidistants nest pas une methode numerique tr`es stable : les erreurs
sont fortement ampliees lorsque n est grand. Comme n tend en general nettement
plus vite vers + que d(f, Pn ) ne tend vers 0 (cf. Th. de Jackson), le theor`eme
48 Analyse num
erique et
equations diff
erentielles

ci-dessus donne egalement une indication de la raison pour laquelle le phenom`ene


de Runge se produit.

Exercice Si x = a + sh avec s [k, k + 1], 0 k < n, montrer que


(nk)!(k+1)!
|li (x)| i!(ni)! i!(ni)!
n!
. En deduire que n 2n .

  


  

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

Pn (x) = f (xi )li (x)
i=0

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

Estimation de la constante de Lebesgue On peut montrer que


2
n ln (n) quand n +.

Nous nous contenterons de verier que n C ln (n), o` u C est une constante


positive, et laisserons au lecteur linitiative de raner la methode pour obtenir le
resultat plus precis ci-dessus. Posons
2i + 1
x = cos , xi = cos i o`
u i = , 0 i n.
2n + 2
La relation tn+1 (cos ) = cos (n + 1) entrane par derivation

sin tn+1 (cos ) = (n + 1) sin (n + 1).

Comme sin (n + 1) i = sin (2i + 1) 2 = (1)i , il vient

(1)i
tn+1 (xi ) = (n + 1) ,
sin i
(1)i sin i cos (n + 1)
li (cos ) = ,
(n + 1)(cos cos i )
| sin i cos (n + 1) |
|li (cos )| = .
(n + 1)| cos cos i |

Minorons la quantite
i + i
cos cos i = 2 sin sin .
2 2
II Approximation polynomiale des fonctions num
eriques 49

2
y= t

1
y = sin t

0 /2 t

 
2
Pour t 0, 2 on a sin t t, or

i    i  2 | i |

, , donc  sin  .
2 2 2 2 2
 
Par ailleurs +
2
i
2i , i +
2 avec 2i 2 et i +
2 2 , donc

 + i   i +   i 
 i i
 sin  min sin , sin = min sin , cos .
2 2 2 2 2
 
Comme sin i = 2 sin 2i cos 2i 2 min sin 2i , cos 2i , on obtient

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

Dapr`es le theor`eme des accroissements nis

cos (n + 1) = cos (n + 1) cos (n + 1)i = (n + 1)( i )( sin ),


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

donc |li (cos )| , [0, ] \ {i }, et ceci est encore vrai par continuite si = i .
Fixons [0, ] et soit j le point le plus proche de . Si on note h = n+1
=
i+1 i , alors on a

h
| j | ,
2
| i | |j i | | j | (|j i| 1)h.

Linegalite () donne


n
 1
|li (cos )| + 3,
(n + 1)h |j i| 1
i=0 j=i,i+1,i1

 
1 1
u n 2 1 +
do` 2 + ... + n + 3 C ln (n).
50 Analyse num
erique et
equations diff
erentielles

Exercice Montrer inversement que

 
1 
n n /2
i 2 2
|li (1)| = cotan cotan t dt ln (n).
i=0
n + 1 i=0 2 0 /2

Dapr`es le theor`eme du 4.1 et le theor`eme de Jackson, on obtient pour tout


f C([a, b]) :
ba
f Ln (f ) (1 + n )d(f, Pn ) C  ln (n) f .
n+2

Corollaire On suppose que f est lipschitzienne, cest-`a-dire quil existe une


constante K 0 telle que x, y [a, b] on ait |f (x) f (y)| K(x y).
Alors la suite Ln (f ) des polyn
omes dinterpolation de Tchebychev converge uni-
formement vers f sur [a, b].

Sous ces hypoth`eses on a en eet f (t) Kt, donc

ln (n)
f Ln (f ) KC  (b a) ,
n+2

ce qui tend vers 0 quand n tend vers +.

Ces resultats montrent que linterpolation aux points de Tchebychev est con-
siderablement plus able que linterpolation en des points equidistants. Le schema
ci-dessous compare `a titre dexemple les polyn omes
dinterpolation de degre 6 as-
socies `a la fonction fx (x) = 1/(x2 + 2 ) pour = 8 (voir aussi le 2.3).

y
Points dinterpolation :
1/2
equidistants
de Tchebychev
f

1 0 1 x
pn (n = 6)
II Approximation polynomiale des fonctions num
eriques 51


 
 
Soit ]a, b[ un intervalle ouvert borne ou non dans R. On se donne un poids sur
]a, b[, cest-`a-dire une fonction w : ]a, b[ ]0, +[ continue. On suppose en outre
 b
que pour tout entier n N lintegrale |x|n w(x)dx est convergente ; cest le cas
 ba
par exemple si ]a, b[ est borne et si w(x)dx converge. Sous ces hypoth`eses, on
a
consid`ere lespace vectoriel E des fonctions continues sur ]a, b[ telles que

 b
f 2 = |f (x)|2 w(x)dx < +.
a

Gr
ace aux hypoth`eses faites ci-dessus, E contient lespace vectoriel des fonctions
polyn
omes. Lespace E est muni dun produit scalaire naturel
 b
f, g = f (x)g(x)w(x)dx,
a

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

Th
eor`
eme 1 Il existe une suite de polynomes unitaires (pn )nN , deg(pn ) = n,
orthogonaux 2 `
a 2 pour le produit scalaire de E. Cette suite est unique. Les
omes pn sont appeles polyn
polyn omes orthogonaux pour le poids w.

D emonstration. On construit pn par recurrence `a laide du procede dorthogona-


lisation de Schmidt. On a p0 (x) = 1, puisque p0 doit etre unitaire.
Supposons p0 , p1 , . . . , pn1 dej`a construits. Comme deg pi = i, ces polynomes
forment une base de Pn1 . On peut donc chercher pn sous la forme


n1
pn (x) = xn j,n pj (x).
j=0

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


n1
pn , pk  = 0 = x , pk 
n
j,n pj , pk 
j=0

= xn , pk  k,n pk 22 .

On a donc un et un seul choix possible, a` savoir

xn , pk 
k,n = .
pk 22
52 Analyse num
erique et
equations diff
erentielles

Remarque La suite pn ainsi construite nest pas orthonormee en general.


La suite normalisee pn = pn1 2 pn est une base orthonormee de lespace P des
polyn
omes.

Th
eor`
eme 2 Les polynomes pn verient la relation de recurrence

pn (x) = (x n )pn1 (x) n pn2 (x), n2

avec
xpn1 , pn1  pn1 22
n = , n = .
pn1 22 pn2 22

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


n1
xpn1 = pn + k pk ,
k=0

u xpn1 , pk  = k pk 22 , 0 k n 1. Par denition du produit scalaire, on a


o`

 b
xpn1 , pk  = pn1 , xpk  = x pn1 (x)pk (x)w(x) dx.
a

Si k n3, xpk Pn2 , donc pn1 , xpk  = 0. Il y a donc au plus deux coecients
non nuls :

xpn1 , pn1  pn1 , xpn2 


n1 = = n , n2 = .
pn1 22 pn2 22

Or xpn2 = pn1 + q, q Pn2 , donc

pn1 , xpn2  = pn1 22 + pn1 , q = pn1 22 ,

ce qui donne n2 = n et

xpn1 = pn + n pn1 + n pn2 .

Exemples Certains cas particuliers ont donne lieu `a des etudes plus poussees.
Mentionnons entre autres les cas suivants :

]a, b[ = ]0, +[, w(x) = ex , pn = polyn


omes de Laguerre ;
2
]a, b[ = ] , +[, w(x) = ex , pn = polyn
omes de Hermite ;
]a, b[ = ] 1, 1[, w(x) = 1, pn = polyn
omes de Legendre ;
]a, b[ = ] 1, 1[, w(x) = 1 , pn = polyn
omes de Tchebychev.
1x2
II Approximation polynomiale des fonctions num
eriques 53

mes de Tchebychev tn sont 2 a` 2 orthogonaux


Verions en eet que les polyno
relativement au poids w(x) = 1/ 1 x2 . Le changement de variable x = cos ,
[0, ] donne :

 1 
1
tn (x)tk (x) dx = tn (cos )tk (cos ) d
1 1 x2 0

 0 si n = k
= cos n cos k d = 2 si n = k = 0.
0
si n=k=0

Comme tn a pour coecient directeur 2n1 si n 1, on en deduit



p0 (x) = t0 (x) = 1
pn (x) = 21n tn (x) si n 1.

On sait que tn a n zeros distincts dans ] 1, 1[. On va voir que cest une propriete
generale des polyn
omes orthogonaux.

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

Demonstration. Soient x1 , . . . , xk les zeros distincts de pn contenus dans ]a, b[


et m1 , . . . , mk leurs multiplicites respectives. On a m1 + . . . + mk deg pn = n.
Posons i = 0 si mi est pair, i = 1 si mi est impair, et


k
q(x) = (x xi )i , deg q k n.
i=1

Le polyn ome pn q admet dans ]a, b[ les zeros xi avec multiplicite paire mi + i , donc
pn q est de signe constant dans ]a, b[ \ {x1 , . . . , xk }. Par consequent

 b
pn , q = pn (x)q(x)w(x)dx = 0.
a

Comme pn est orthogonal a` Pn1 , on a necessairement deg q = n, donc k = n et


m1 = . . . = mk = 1.

Plusieurs methodes dapproximation de fonctions continues par des polyn


omes ont
dej`a ete vues. En voici encore une autre.

Th eme 4 Soit f E. Alors il existe une unique polynome rn Pn tel


eor`
que f rn 2 = d2 (f, Pn ) ; rn est appele polyn
ome de meilleure approximation
quadratique de f a
` lordre n.
54 Analyse num
erique et
equations diff
erentielles

0
rn
Pn

Puisquon travaille dans un espace euclidien, le point de Pn le plus proche


de f nest
autre que la projection orthogonale de f sur Pn . Si on ecrit rn = k pk , il vient
f, pk  = rn , pk  = k pk 22 , do`
u la formule


n
f, pk 
rn (x) = pk (x).
pk 22
k=0

On va maintenant etudier la convergence de rn quand n tend vers +. Linegalite


evidente  b  b
2 2
|f (x)| w(x)dx (sup |f (x)|) w(x)dx
a a

entrane
 b 1/2
f 2 Cw f , o`
u Cw = w(x)dx .
a

Ceci permet de controler 2 `


a laide de la norme uniforme.

Th eme 5 Si ]a, b[ est borne, alors lim f rn 2 = 0 pour tout f E.


eor`
n+

Remarque Le theor`eme 5 peut etre faux si ]a, b[ est non borne.

D
emonstration

Supposons dabord que f C([a, b]). Dans ce cas, soit qn le polyn


ome de meilleure
approximation uniforme de f . On a

f rn 2 f qn 2 Cw f qn ,

et on sait que lim f qn = 0.


n+
Supposons maintenant f E quelconque. Soit la fonction plateau denie par
le schema ci-dessous :
II Approximation polynomiale des fonctions num
eriques 55

y

1

0 a a+/2 a+ b b/2 b x

Comme f C(]a, b[), on a f C([a, b]) si lon convient que f (a) = f (b) = 0.
De plus
 a+  b
f f 22 |f (x)|2 w(x)dx + |f (x)|2 w(x)dx,
a b

de sorte que lim f f 2 = 0. Soit r,n le polyn


ome de meilleure approximation
0+
quadratique de f . On a

f rn 2 f r,n 2 f f 2 + f r,n 2 .

Soit > 0 xe. On peut dabord choisir > 0 tel que f f 2 < 2 ; etant
ainsi xe, on peut choisir n0 tel que n > n0 entrane f r,n 2 < 2 et donc
f rn 2 < .

Mise en uvre num


erique Si les polynomes pn sont connus, le calcul
des rn est possible d`es lors quon sait evaluer les integrales f, pk  : les methodes
dintegration numerique feront precisement lobjet du prochain chapitre. Si les
polyn omes pn ne sont pas connus, on peut les calculer numeriquement par la formule
de recurrence du theor`eme 2. Le cout global de ces calculs est en general beaucoup
plus eleve que celui des methodes dinterpolation.



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

x0 < x0 < x1 < x1 < . . . < xn < xn

sont des points xes de [a, b].


56 Analyse num
erique et
equations diff
erentielles

(a) Soit f C([a, b], R) telle que (f ) = 0. Montrer que pour tout i il existe
i [xi , xi ] tel que f (i ) = 0.

(b) Montrer que la restriction : Pn Rn+1 de `a lespace Pn des polyn omes de


degre n est injective. En deduire que pour tout f C([a, b]), R) il existe un
unique polynome Pn P tel que (pn ) = (f ).

(c) On suppose ici que f est de classe C n+1 . En utilisant (a), majorer pn f
en fonction de f (n+1) et b a.

(d) Calculer explicitement p2 en fonction de m0 (f ), m1 (f ), m2 (f ) pour la subdivi-


sion x0 < x0 < x1 < x1 < x2 < x2 de [a, b] = [1, 1] de pas constant 25 .

ome de Tchebychev de degre n et c un reel tel que |c| < 1.


6.2. On note tn le polyn

(a) Montrer quil existe une fonction continue `a valeurs reelles, denie sur [0, ]
avec (0) = () = 0 et veriant

1 cei
ei() = .
1 cei

(b) Pour n N on note g() = (n + 1) + ().


() Soit 1 = . Calculer g(1 ) n et g(0) n.
En deduire quil existe 2 veriant 0 < 2 < 1 et g(2 ) = n.
() Montrer quil existe une suite strictement decroissante k de [0, ] telle que
g(k ) = (n k + 2) pour k = 1, . . . n + 2.
 i

() On note n (x) = Re ei(n+1) 1ce
1cei
avec = Arc cos x, x [1, 1].
Calculer n . Montrer que n equioscille sur n + 2 points de [1, 1].
+
(c) () Montrer que la serie 12 + k=0 ck tk (x) converge uniformement sur [1, 1]
vers une fonction fc (x) que lon explicitera.

1  k
n1
cn
() On note pn (x) = + c tk (x) + tn (x).
2 1 c2
k=0
Montrer que pn est le polyn ome de meilleure approximation uniforme de
degre n de fc . Calculer fc pn .

(d) () Montrer que lon peut choisir c et tels que pour tout x [0, 1] on ait
fc (2x 1) = 1+x

.
omes qn de Pn tels que la suite
() Montrer quil existe une suite de polyn
 
 1 
n = Supx[0,1]  qn (x)
1+x

verie pour tout k N, lim nk n = 0.


n+
II Approximation polynomiale des fonctions num
eriques 57

6.3. Soit f : [a, b] R une fonction continue, indeniment derivable sur ]a, b[.
Soient x0 , x1 , . . . , xn [a, b]. Pour chaque i {0, 1, . . . , n}, soit i un entier
positif.

On cherche un polyn ome P (x) de degre < = (i + 1) tel que :
P (j) (xi ) = f (j) (xi ) pour i = 0, 1, . . . , n et j = 0, 1, . . . , i ,
o`
u (j) designe lordre de derivation.
(a) Demontrer lunicite de P , puis son existence grace `a un raisonnement dalg`ebre
lineaire.
(b) On suppose P solution du probl`eme. Soient Ri (x) et pi (x) des polyn
omes
veriant les relations
Ri (x) = pi (x) + (x xi )i +1 Ri+1 (x), deg pi i ,
R0 (x) = P (x), Rn+1 (x) = 0.

() Montrer que
(j) (j)
pi (xi ) = Ri (xi ) pour j = 0, 1, . . . , i .

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



i
pi (x) = aik (x xi )k .
k=0

(k)
Calculer les coecients aik en fonction de Ri (xi ).
() Montrer que P (x) peut secrire :
n 
 
i1 
P (x) = p0 (x) + pi (x) (x xr )r +1 .
i=1 r=0

() Indiquer une methode de recurrence pour calculer p0 (x), puis R1 (x) et


a1k , . . ., puis Rj (x) et ajk en fonction de f et de ses derivees f (j) (xi ).
Montrer que lon peut ainsi calculer P (x) en fonction des donnees du
probl`eme.
() Que se passe-t-il dans le cas particulier o`
un=0?
(c) On suppose que les i sont ranges par ordre croissant. Montrer quil existe
t [a, b] tel que :
f () (t)
f (x) = P (x) + (x x0 )0 +1 (x x1 )1 +1 . . . (x xn )n +1
!
Indication : on pourra considerer la fonction
g(x) = f (x) P (x) (x x0 )0 +1 . . . (x xn )n +1 K,
et examiner combien de fois sannulent g(x), g  (x) . . ., g (0 ) (x), . . ., g (n ) (x), . . . ,
g () (x).


 

 

Lobjet de ce chapitre est de decrire quelques methodes numeriques classiques


(Newton-Cotes, Gauss, Romberg) permettant devaluer des integrales de fonctions
dont les valeurs sont connues en un nombre ni de points. On sattachera a` expliciter
le plus compl`etement possible les formules derreurs dans chacun des cas.

 
    
  
 
 





 

Soit f : [, ] R une fonction continue. On se propose de chercher des formules

approchees pour lintegrale f (x)dx. Pour cela, on choisit dabord une subdivision

= 0 < 1 < . . . < k =

de lintervalle [, ]. La formule de Chasles donne

   i+1
k1
f (x)dx = f (x)dx.
i=0 i

On est donc ramene au probl`eme devaluer lintegrale de f sur un petit intervalle


[i , i+1 ]. Ce calcul est eectue au moyen de formules approchees (qui peuvent
etre a priori dierentes sur chacun des intervalles [i , i+1 ]), appelees methodes de
quadrature elementaires, du type suivant :
M
ethodes de quadrature
el
ementaires
 i+1 
li
f (x)dx  (i+1 i ) i,j f (i,j ),
i j=0

li
u i,j [i , i+1 ], 0 j li
o` et j=0 i,j = 1.
60 Analyse num
erique et
equations diff
erentielles

La sommation peut etre interpretee comme une valeur moyenne de f sur [, i+1 ].
Le probl`eme est de choisir convenablement les points i,j et les coecients i,j
de facon `a minimiser lerreur. Ceci se fera en general en evaluant lintegrale
i+1
i
f (x)dx au moyen dune interpolation de f aux points i,j .

La methode de quadrature composee associee sera


 
k1 
li
f (x)dx  (i+1 i ) i,j f (i,j )
i=0 j=0

Denition On dit quune methode de quadrature (elementaire ou composee)


est dordre N si la formule approchee est exacte pour tout f PN et inexacte pour
au moins un f PN +1 .

On observera que les formules sont toujours exactes pour f (x) = 1 a` cause de
lhypoth`ese j i,j = 1. Par linearite, elles sont donc exactes au moins pour
f P0 .

  

(a) Cas le plus simple : li = 0, quel que soit i.

On choisit alors un seul point i [i , i+1 ] et on remplace f sur [i , i+1 ] par le


ome de degre 0 : p0 (x) = f (i ). On a alors
polyn
 i+1
f (x)dx  (i+1 i )f (i ),
i
 
k1
f (x)dx  (i+1 i )f (i ),
i=0

cest-`a-dire quon approxime lintegrale par une somme de Riemann relative `a la


subdivision (i ). Voici les choix les plus courants :

i = i : methode des rectangles `


a gauche

 
k1
f (x)dx  (i+1 i )f (i ).
i=0

i = i+1 : methode des rectangles `


a droite

 
k1
f (x)dx  (i+1 i )f (i+1 ).
i=0
III Int
egration num
erique 61

y y
i = i i = i+1

0 i i+1 x 0 i i+1 x

Ces methodes sont dordre 0.


i +i+1
i = 2 : methode du point milieu

f (i )

0 i i i+1 x

Laire du rectangle concide avec laire du trap`eze indique en grise. La formule


approchee est donc exacte si f est une fonction ane, par suite la methode est
dordre 1.

(b) Cas dune interpolation lin


eaire : on choisit

li = 1, i, i,0 = i , i,1 = i+1

et on remplace f sur [i , i+1 ] par la fonction lineaire p1 qui interpole f aux points
i , i+1 :
(x i )f (i+1 ) (x i+1 )f (i )
p1 (x) = .
i+1 i

On obtient les formules suivantes, correspondant a` la methode dite des trap`ezes :


 i+1  i+1 1 
1
f (x)dx  p1 (x)dx = (i+1 i ) f (i ) + f (i+1 )
i i 2 2
 
k1 1 
1
f (x)dx  (i+1 i ) f (i ) + f (i+1 )
i=0
2 2
62 Analyse num
erique et
equations diff
erentielles

0 i i+1 x

Lordre de cette methode est 1 comme dans le cas precedent.

(c) M
ethodes de Newton-Cotes

Dans la methode de Newton-Cotes de rang l, quon designera dans la suite par N Cl ,


on prend li = l pour tout i, et les points i,j , 0 j l, sont les points equidistants

i+1 i
i,j = i + j
l

divisant [i , i+1 ] en l sous-intervalles egaux. Pour determiner la formule de


quadrature elementaire, on se ram`ene par changement de variable a` lintervalle
[i , i+1 ] = [1, 1], subdivise par les points j = 1 + j 2l . Le polyn ome
dinterpolation dune fonction f C([1, 1]) est donne par


l
pl (x) = f (j )Lj (x)
j=0

 x k
avec Lj (x) = . On a donc
j k
k=j

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

1 1
avec j = 2 1
Lj (x)dx. Par suite de la symetrie des points j autour de 0, on a

lj = j , Llj (x) = Lj (x), lj = j .

Pour l = 2 par exemple, il vient


 1
1 2
0 = 1, 1 = 0, 2 = 1, L1 (x) = 1 x2 , 1 = (1 x2 )dx = ,
2 1 3

u 0 = 2 = 12 (1 1 ) = 16 . Apr`es changement de variable, les coecients


do`
j restent inchanges (le lecteur le veriera a` titre dexercice), donc on obtient les
III Int
egration num
erique 63

formules
 i+1 
l
f (x)dx  (i+1 i ) j f (i,j ),
i j=0
 
k1 
l
f (x)dx  (i+1 i ) j f (i,j ).
i=0 j=0

Si f Pl , alors pl = f , donc la methode de Newton-Cotes de rang l est dordre l.


De plus, lorsque f C[1, 1]) est un polyn ome impair, on a
 1 
l
f (x)dx = 0 = 2 j f (j ).
1 j=0

Si l est pair, les formules sont donc encore exactes pour f (x) = xl+1 , et plus
generalement pour f Pl+1 par linearite. On demontre en fait le resultat suivant
que nous admettrons :

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


si l est impair, lordre de N Cl est l.

Ceci fait que, hormis le cas l = 1, les methodes de Newton-Cotes ne sont utilisees
que pour l pair :

l = 1 : methode des trap`ezes (ordre 1)

1
0 = 1 =
2

l = 2 : methode de Simpson (ordre 3)

1 2
0 = 2 = , 1 = .
6 3

l = 4 : methode de Boole-Villarceau (ordre 5)

7 16 2
0 = 4 = , 1 = 3 = , 2 =
90 45 15

l = 6 : methode de Weddle-Hardy (ordre 7)

41 9 9 34
0 = 6 = , 1 = 5 = , 2 = 4 = , 3 = .
840 35 280 105

Pour l 8, il apparat des coecients j < 0, ce qui a pour eet de rendre les
formules beaucoup plus sensibles aux erreurs darrondis (cf. 1.3). Les methodes
N Cl ne sont donc utilisees en pratique que dans les 4 cas ci-dessus.
64 Analyse num
erique et
equations diff
erentielles

  
   
Supposons que les valeurs de f soient calculees avec des erreurs darrondi de
valeur absolue . Lerreur qui va en resulter par application dune methode
de quadrature composee sera majoree par


k1 
li
(i+1 i ) |i,j |.
i=0 j=0

Si les coecients i,j sont 0, on a


li 
li
|i,j | = i,j = 1.
j=0 j=0

Lerreur est donc majoree par ( ); ce resultat est manifestement optimal



puisque le calcul exact de f (x)dx peut conduire a` une erreur ( ) si lerreur
sur f est constante de valeur absolue .

Si par contre les coecients i,j ne sont pas tous 0, alors j |i,j | > j i,j = 1,
donc lerreur due aux arrondis des f (i,j ) peut depasser ( ).

   
   k       +
Le resultat theorique suivant de convergence justie en partie linteret des methodes
composees.

Th eor`eme On suppose que les methodes de quadrature elementaire font


intervenir un nombre de points li = l xe et que les coecients i,j = j ne
dependent pas de i, k. Alors lapproximation donnee par la methode composee, soit


k1 
l
Tk (f ) = (i+1 i ) j f (i,j )
i=0 j=0


converge vers f (x)dx quand k + et quand le maximum du pas, a
` savoir

hmax = max (i+1 i ), tend vers 0.

l
D
emonstration. On peut ecrire Tk (f ) = j=0 j Sj,k (f ) o`
u


k1
Sj,k (f ) = (i+1 i )f (i,j )
i=0

est une somme de Riemann de f relative a` la subdivision (i ). Pour tout



j = 0, 1, . . . , l xe, Sj,k (f ) converge vers f (x)dx quand hmax tend vers 0. Par

consequent Tk (f ) converge aussi vers
f (x)dx quand hmax tend vers 0.
III Int
egration num
erique 65

Exercice Montrer que dans le cas general


k1 
li
(i+1 i ) i,j f (i,j )
i=0 j=0


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

Remarque Dans le cas de la methode N Cl elementaire

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

on peut donner des exemples montrant quil ny a pas necessairement convergence


quand l + (ceci est lie au phenom`ene de Runge II 2.3). Cest une des prin-
cipales raisons pour lesquelles on est amene `a considerer des methodes composees
avec k assez grand, plutot que daugmenter lentier l.


 
 
Nous allons montrer que lorsque la fonction f `a integrer est susamment reguli`ere,
lerreur dintegration numerique peut sexprimer de mani`ere assez simple en fonction
dune certaine derivee de f . Auparavant, nous aurons besoin de quelques rappels
dAnalyse.

 
  
  


Enon cons tout dabord une version de la formule de Taylor fournissant une expres-
sion exacte du reste. Ceci est possible `a laide dintegrations par parties successives,
permettant dexprimer le reste comme une integrale o` u gurent les derivees de la
fonction consideree.

Formule de Taylor avec reste int


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


N  x
1 (k) 1
f (x) = f ()(x ) +
k
(x t)N f (N +1) (t)dt.
k! N !
k=0

Demonstration. Par recurrence sur N . Pour N = 0, la formule se reduit


simplement `a
 x
f (x) = f () + f  (t)dt.

66 Analyse num
erique et
equations diff
erentielles

Si la formule est vraie a` lordre N 1, le reste integral secrit, apr`es integration par
parties :
 x
1
(x t)N 1 f (N ) (t)dt
(N 1)!
& 'x  x
1 1
= (x t)N f (N ) (t) (x t)N f (N +1) (t)dt
N! N !
 x
1 N (N ) 1
= (x ) f () + (x t)N f (N +1) (t)dt.
N! N !
La formule est donc encore vraie a` lordre N .

Notons x+ = max (x, 0) = x si x 0, x+ = 0 si x 0. Avec la convention x0+ = 1


si x 0, x0+ = 0 si x < 0, la formule se recrit

1 (N +1)
f (x) = pN (x) + (x t)N
+f (t)dt
N!
o`
u pN est le polyn
ome de Taylor de f dordre N au point .

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



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

Demonstration. Soient m, M respectivement le minimum et le maximum de f


sur [, ]. Comme w 0, il vient
  
m w(x)dx f (x)w(x)dx M w(x)dx


Si
w(x)dx = 0, le resultat est vrai pour quelconque. Supposons donc


w(x)dx > 0 et soit alors q le quotient
 (
q= f (x)w(x)dx w(x)dx [m, M ].

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

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


puisque w(x)dx > 0, ce qui est contradictoire. Il existe donc dans ce cas ], [
tel que f () = m. Le cas q = M est analogue.
III Int
egration num
erique 67

  
 
En vue de letude des methodes de Gauss au 3, on se place ici dans une situation
un peu plus generale.

Situation
etudi
ee On se donne un poids w sur ], [, cest-`a-dire une

fonction continue > 0 telle que w(x)dx converge. On cherche `a evaluer lintegrale


f (x)w(x)dx par une formule approchee
  l
f (x)w(x)dx  j f (xj ), xj [, ].
j=0

On notera
que les formules du 1 rentrent dans ce cadre (avec w 1); en general,
on a j = 1. Lerreur due a` la methode est donnee par :
 l
E(f ) = f (x)w(x)dx j f (xj ).
j=0

Th
eor` enition On suppose que la methode est dordre N 0. Si
eme et d
f est de classe C N +1 sur [, ], alors

1
E(f ) = KN (t)f (N +1) (t)dt,
N!

o`u KN est une fonction sur [, ], appelee noyau de Peano associe `


a la methode,
denie par  
KN (t) = E x (x t)N + , t [, ].

Demonstration. On observe dabord que f E(f ) est une forme lineaire sur
C([, ]). Si g : (x, t) g(x, t) est une fonction integrable sur [, ] I, le theor`eme
de Fubini implique par ailleurs
     
E x g(x, t)dt = E x g(x, t) dt.
tI tI
La formule de Taylor avec reste integral donne

1 (N +1)
f (x) = pN (x) + (x t)N
+f (t)dt.
N !
Comme pN PN , on a E(pN ) = 0 par hypoth`ese, do` u
  
1 (N +1)
E(f ) = E x (x t)N+f (t)dt
N!
  
1 (N +1)
= E x (x t)N+ f (t) dt
N!
  
1 (N +1)
= f (t) E x (x t)N + dt
N!

1
= KN (t)f (N +1) (t)dt.
N!
68 Analyse num
erique et
equations diff
erentielles

Notons que si N 1, la fonction (x, t) (x t)N


+ est continue sur [, ] [, ],
donc KN est continue sur [, ]. Ceci nest pas vrai en general si N = 0.

Corollaire 1 On a la majoration

1
E(f ) f (N +1) |KN (t)|dt.
N!

Corollaire 2 On suppose que KN est de signe constant.


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

1 (N +1)
E(f ) = f () KN (t)dt.
N!

1
De plus
KN (t)dt = N +1 E(x xN +1 ), donc

1
E(f ) = f (N +1) () E(x xN +1 ).
(N + 1)!

D
emonstration. La premi`ere egalite resulte du theor`eme et de la formule de la
moyenne appliquee `a la fonction f (N +1) et au poids w = KN (ou w = KN si
KN 0). La deuxi`eme egalite sobtient en prenant
f (x) = xN +1 , qui donne f (N +1) (x) = (N + 1)!.
La troisi`eme decoule des 2 premi`eres.

  

On verra au 2.4 comment on peut deduire le noyau de Peano dune methode


composee de celui de la methode elementaire utilisee. On se contentera donc ici de
regarder le cas des methodes elementaires sur lintervalle de reference [1, 1].

M
ethode du point milieu
 1
E(f ) = f (x)dx 2f (0).
1

Cette methode est dordre 1, le noyau de Peano est donne par :


 
K1 (t) = E x (x t)+
 1
= (x t)+ dx 2(t)+
1
 1
= (x t)dx 2t
t
1 1 1
= (x t)2 2t = (1 t)2 2t .
2 t 2
III Int
egration num
erique 69

On a donc
1
2 (1 t)2 si t 0
K1 (t) = 1 1
2 (1 t)2 + 2t = 2 (1 + t)2 si t 0,
1 1
soit K1 (t) = 12 (1 |t|)2 0 sur [1, 1]. Comme 1
K1 (t) = 0
(1 t)2 dt = 1
3,
le corollaire 2 implique

1 
E(f ) = f (), ] 1, 1[.
3

M
ethode des trap`
ezes (ordre 1)
 1
E(f ) = f (x)dx (f (1) + f (1)),
1
 1
K1 (t) = (x t)+ dx ((1 t)+ + (1 t)+ )
1
 1
= (x t)dx (1 t),
t
1
K1 (t) = (1 t2 ) 0 sur [1, 1].
2
1
Comme 1
K1 (t)dt = 23 , on en deduit

2
E(f ) = f  (), ] 1, 1[.
3

M
ethode de Simpson (ordre 3)
 1 1 
2 1
E(f ) = f (x)dx 2 f (1) + f (0) + f (1) .
1 6 3 6
 
3
K3 (t) = E x (x t)+
 1  
2 1
K3 (t) = (x t)3+ dx 2 0 + (t)3+ + (1 t)3+
1 3 6
 1 2 
1
= (x t)3 dx 2 t3 + (1 t)3
t 3 6

Si t 0, on obtient donc

1 1
K3 (t) = (1 t)4 (1 t)3
4 3
1 1
= (1 t) [3(1 t) 4] = (1 t)3 (1 + 3t).
3
12 12
70 Analyse num
erique et
equations diff
erentielles

Si t 0, on a

1 4 1
K3 (t) = (1 t)3 (1 + 3t) + t3 = (1 + t)3 (1 3t).
12 3 12

On aurait pu egalement observer que K3 (t) = K3 (t) comme il resulte de lexercice


suivant.

Exercice Montrer que le noyau de Peano KN dune methode elementaire


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

est pair d`es que lj = j et lj = j (points et coecients repartis


symetriquement autour de 0).

+ (x t)+ = (x + t) .
Indication : (x + t)N N N

On a donc ici
1
K3 (t) = (1 |t|)3 (1 + 3|t|) 0 sur [1, 1],
12
 1  1  1
1 1 1 1
K3 (t) = 2 (1 t)4 (1 t)3 dt = 2 = ,
1 0 4 3 20 12 15
1
E(f ) = f (4) ().
15 3!

Nous admettrons le resultat general suivant.

Th
eor`
eme de Steensen Dans les methodes de Newton-Cotes, le noyau de
Peano est de signe constant.

Le corollaire 2 du 2.2 est donc toujours applicable dans ce cas.




 

  



On suppose quon sest xe une methode de quadrature elementaire


 1 
l
g(x)dx  2 j g(j ), j [1, 1].
1 j=0

Lerreur correspondante est


 1 
l
Eelem (g) = g(x)dx 2 j g(j ).
1 j=0

On notera kn le noyau de Peano associe.


III Int
egration num
erique 71

On consid`ere maintenant une subdivision de [, ] :

= 0 < 1 < . . . < k =

de pas hi = i+1 i . Lerreur de la methode composee associee `a la methode


elementaire ci-dessus est
 
k1 
l
Ecomp (f ) = f (x)dx hi j f (i,j )
i=0 j=0

o`
u i,j se deduit de j par le changement de variable

[1, 1] [i , i+1 ]
i + i+1 hi
u x = +u .
2 2

Denissons gi C([1, 1]) par


 + hi 
i i+1
gi (u) = f +u .
2 2
hi
Comme dx = 2 du, il vient


k1  1 
l 
k1
Ecomp (f ) = hi gi (u)du hi j gi (j ) =
hi
Eelem (gi ).
i=0
2 1 j=0 i=0
2

Le noyau de Peano de la methode composee est donc


 
KN (t) = Ecomp x (x t)N+

 hi
k1   + N 
i i+2 hi
= Eelem u +u t
i=0
2 2 2 +

  h N  
 hi 2  i + i+i N
k1
i
= Eelem u u t
i=0
2 2 hi 2 +

  hi N +1   
2 i + i+1 N
k1
KN (t) = Eelem u u t
i=0
2 hi 2 +

2  i + i+1 
Supposons t [j , j+1 ], et soit i = t . Alors i [1, 1] si et
hi 2
seulement si i = j. Si i = j on a

ou bien i > 1, et (u i )N
+ 0 pour u [1, 1] :

ou bien i < 1, et (u i )N
+ (u i )
N
pour u [1, 1].
72 Analyse num
erique et
equations diff
erentielles

Dans les 2 cas u (u i )N ome de degre N sur [1, 1] donc


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

kN KN

1 0 1 u 0 1 2 3 4 t

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

CN
Ecomp (f ) = hN +1 f (N +1) ()( ).
N ! 2N +2

On voit donc que lorsque le pas h tend vers 0 lordre de grandeur de lerreur dans
une methode composee dordre N est approximativement hN +1 . Ce resultat justie
linteret des methodes dordre eleve, qui donnent une precision plus grande pourvu
que f soit tr`es reguli`ere.

emonstration. KN etant lui aussi de signe constant, le corollaire 2 du 2.2


D
montre lexistence de ], [ tel que

1 (N +1)
Ecomp (f ) = f () KN (t)dt.
N!

Dapr`es lexpression de KN , on obtient


  1
KN (t)dt = k KN (t)dt
0
 h N +1  1  2  0 + 1 
=k kn t dt
2 0 h 2
Le changement de variable t = 0 +
2
1
+ h2 u, dt = h2 du fournit
  h N +2  1
KN (t)dt = k kn (u)du
2 1
hN +1 CN
= kh N +2
CN = N +2 hN +1 ( ),
2 2
III Int
egration num
erique 73

do`
u le theor`eme.

Les exemples du 2.3 donnent en particulier :


1 1 2 
Point milieu : N = 1, C1 = , Ecomp (f ) = h f ()( ),
3 24
2 1
Trap`ezes : N = 1, C1 = , Ecomp (f ) = h2 f  ()( ),
3 12
1 1
Simpson : N = 3, C3 = , Ecomp (f ) = h4 f (4) ()( ).
15 2880

 


 
Les methodes de Gauss concernent le calcul numerique dintegrales faisant intervenir
un poids. Elles constituent une application directe de la theorie des polyn omes
orthogonaux.

 
   
Soit w une fonction poids xee sur ], [. On etudie les methodes dintegration
approchee du type

 
l
f (x)w(x)dx  j f (xj ), xj [, ].
j=0

Th
eor`
eme 1 Il existe un choix et un seul des points xj et des coecients j
de sorte que la methode soit dordre N = 2l + 1. Les points xj appartiennent ` a
], [ et sont les racines du (l + 1)-i`eme polyn
ome orthogonal pour le poids w.

Unicite. Supposons quon ait des points xj et des coecients j pour lesquels la
methode est dordre 2l + 1. Posons


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

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

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

Ceci entrane que l+1 est orthogonal a` Pl . Comme l+1 est unitaire, cest donc le
(l + 1)-i`eme polynome orthogonal associe au poids w. Les points xj ne sont autres
que les racines de ce polynome.
74 Analyse num
erique et
equations diff
erentielles


Li (xj ) = 1 si i = j,
Soit Li Pl tel que
Li (xj ) = 0 si i = j.
Les coecients i sont donnes necessairement par


l 
i = j Li (xj ) = Li (x)w(x)dx.
j=0

Ces coecients sont donc eux aussi uniques.

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

j = Lj (x)w(x)dx.

Si f C([, ]), le polyn


ome dinterpolation de Lagrange est


l
pl (x) = f (xj )Lj (x);
j=0

par denition des coecients j il vient donc


 
l
pl (x)w(x) = j f (xj ).
j=0

Si f Pl alors pl = f , donc la methode est dordre l. Montrons que lordre est


en fait 2l + 1. En eet, lorsque f P2l+1 , la division euclidienne de f par l+1
donne
f (x) = q(x)l+1 (x) + r(x), avec deg q l, deg r l.

Comme l+1 Pl , il vient
q(x)l+1 (x)w(x)dx = 0, do`
u
  
l
f (x)w(x)dx = r(x)w(x)dx = j r(xj )
j=0

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

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

f (2l+2) ()
E(f ) = l+1 (x)2 w(x)dx.
(2l + 2)!

On notera en particulier que ceci entrane



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

III Int
egration num
erique 75

donc la methode nest pas dordre 2l + 2.

emonstration.* Dapr`es le 2.2, on a


D

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

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



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

o`
u est une primitive dordre 2l + 2 de . Supposons par labsurde quil existe

t0 [, ] tel que K2l+1 (t0 ) < 0. Notons K2l+1 = max (K2l+1 , 0) C([, ]) la

partie negative de la fonction K2l+1 , et soit un polyn
ome qui approche K2l+1 +
uniformement `a pr`es sur [, ]. On a donc en particulier

0 K2l+1 < < K2l+1 + 2,
   
 
 
 K (t)(t)dt K2l+1 (t)K2l+1 (t)dt 2 |K2l+1 (t)|dt.
 2l+1 


Comme
K2l+1 (t)K2l+1 (t)dt =
(K2l+1 (t))2 dt < 0, on en deduit pour assez
petit :

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

Soit une primitive dordre 2l + 2 de ; est un polyn


ome. Ecrivons la division
2
euclidienne de par l+1 :
2
(x) = l+1 (x)q(x) + r(x)
2
avec deg r deg (l+1 ) 1 = 2l + 1. Il vient E(r) = 0 do`
u

2 2
E() = E(l+1 q) = l+1 (x)q(x)w(x)dx 0.

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



2
E() = q() l+1 (x)w(x)dx,

et par ailleurs

1
E() = K2l+1 (t)(t)dt < 0.
(2l + 1)!

On va obtenir une contradiction en montrant que q() > 0. Considerons le polyn


ome
2 2
g(x) = (x) r(x) l+1 (x)q() = l+1 (x)(q(x) q()).
76 Analyse num
erique et
equations diff
erentielles

g admet x0 , . . . , xl comme zeros de multiplicite 2, et de multiplicite 1, cest-`a-


dire au moins 2l + 3 zeros. Il existe donc un point intermediaire entre les points
xj , , tel que g (2l+2) () = 0. Par suite

0 = g (2l+2) () = (2l+2) () (2l + 2)! q() = () (2l + 2)! q()


et comme () > 0 on en deduit bien q() > 0, contradiction. Par suite K2l+1 0
et le corollaire 2 du 2.2 donne
1
E(f ) = f (2l+2) () E(x x2l+2 ).
(2l + 2)!
Comme l+1 est unitaire, on a x2l+2 = l+1 (x)2 + r(x) o` u r P2l+1 , donc
2l+2 2 2
E(x x ) = E(l+1 ) = l+1 (x) w(x)dx, ce qui demontre le theor`eme.

 
  

   
Linteret des methodes de Gauss est de realiser lordre N maximal pour un nombre
xe l + 1 de points dinterpolation. Neanmoins, la complexite du calcul des
polyn omes orthogonaux fait que les methodes de Gauss ne sont gu`ere utilisees que
dans les deux cas suivants.

w(x) = 1 sur [1, 1] : methode de Gauss-Legendre.


Les polynomes orthogonaux successifs et les points xj correspondant sont donnes
par le tableau :

l l+1 (x) x0 , . . . , xl 0 , . . . , l ordre N


1 1
0 x 0 2 1
1 1 1
1 x2 , 1, 1 3
3 3 3

3 3 3 5 8 5
2 x3 x , 0, , , 5
5 5 5 9 9 9

6 3 3 2 6 1 1 5 1 1 5
3 x4 x2 + , + 7
7 35 7 7 5 2 6 6 2 6 6

10 3 5 5 2 10
4 x5 x + x 0, compliques ! 9
9 21 9 9 7

1
w(x) = sur ] 1, 1[ : methode de Gauss-Tchebychev.
1 x2
Les points xj sont alors les points dinterpolation de Tchebychev dans lintervalle
] 1, 1[ :
2j + 1
xj = cos , 0 j l,
2l + 2
III Int
egration num
erique 77

et on peut demontrer (voir par exemple le livre de Crouzeix-Mignot, exercice 2.4)



que j = l+1 . On obtient donc une methode approchee dordre 2l + 1 secrivant :
 1
  2j + 1 
l
dx
f (x)  f cos .
1 1 x2 l + 1 j=0 2l + 2

   
 
   

 
Nous allons quitter ici quelque peu le l directeur des paragraphes precedents. Notre
objectif est dobtenir une formule theorique pour le calcul du developpement limite
des approximations numeriques en fonction du pas de la subdivision. Ceci conduit,
pour des fonctions susamment reguli`eres, `a des procedes numeriques en general
tr`es performants.



   
 
Soit f une fonction de classe C p sur [0, 1] avec p 1. Une integration par parties
donne  1 & '1  1 
1 1 
f (x)dx = x f (x) x f (x)dx,
0 2 0 0 2
ce qui peut se recrire
 1  1
1 1
f (0) + f (1) = f (x)dx + B1 (x)f  (x)dx
2 2 0 0
1
avec B1 (x) = x 12 , ce choix ayant linteret que 0 B1 (x)dx = 0. Lidee consiste `a
repeter les integrations par parties en introduisant des primitives successives de B1
dont lintegrale sur [0, 1] est nulle. De facon precise, on choisit Bp en sorte que
 1
Bp (x) = pBp1 (x), Bp (x)dx = 0,
0
la deuxi`eme condition permettant de xer la constante dintegration de mani`ere
unique. On trouve ainsi
 1 & '1  1
(p1) 1 (p1) 1
Bp1 (x)f (x)dx = Bp (x)f (x) Bp (x)f (p) (x)dx,
0 p 0 0 p
 1   1 B (x)
Bp1 (x) (p1) bp  (p1)
(1) f (p1) (0) f (p) (x)dx,
p
f (x)dx = f
0 (p 1)! p! 0 p!
1
u bp = Bp (0) = Bp (1) par denition (noter que Bp (1) Bp (0) = 0 pBp1 (x)dx
o`
est nulle pour p 2). De ceci on deduit facilement par recurrence la formule
 1  bm  (m1) 
b
1 1
f (0) + f (1) = f (x)dx + (1)m f (1) f (m1) (0)
2 2 0 m=2
m!
 1
Bp (x) (p)
+ (1)p+1 f (x)dx. ()
0 p!
78 Analyse num
erique et
equations diff
erentielles

Calculons par exemple B2 . On a par denition

B2 (x) = 2B1 (x) = 2x 1, do`


u
2
B2 (x) = x x + C, x [0, 1],
1
et la condition 0 B2 (x)dx = 0 implique C = 16 . On voit facilement par recurrence
que Bp est un polyn ome unitaire de degre p `a coecients rationnels, tel que
Bp (0) = Bp (1) pour p 2. On convient detendre Bp `a R en posant

Bp (x) = Bp (x E(x)) si x [0, 1[.

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

1/2
B1

2 1 0 1/2 1 2 x

1/2

1/6 B2

2 1 1/12 1 2 x

Th
eor`
eme et d
enition Les polyn omes Bp sont appeles polyn
omes de
Bernoulli. Les nombres de Bernoulli sont les reels bp denis par

1
b0 = 1, b1 = , bp = Bp (0) si p 2.
2
On a les formules :

p
(1) Bp (x) = Cpm bm xpm , p 1, x [0, 1[.
m=0

p
(2) bp = Cpm bm , p 2.
m=0
(3) Bp (1 x) = (1)p Bp (x) , p 1.
(4) bm = 0 si m est impair 3.
III Int
egration num
erique 79

Demonstration
(1) La formule est vraie pour p = 1 dapr`es la denition de b0 , b1 . Supposons la
formule vraie a` lordre p 1 :


p1
m
Bp1 (x) = Cp1 bm xp1m .
m=0

On a alors

p1
Bp (x) = pBp1 (x) = m
pCp1 bm xp1m ,
m=0


p1
p m
Bp (x) = Bp (0) + Cp1 bm xpm
m=0
p m

p1
= bp + Cpm bm xpm ,
m=0

donc la formule est encore vraie a` lordre p.

(2) Dapr`es ce qui prec`ede, Bp est continue sur R pour tout p 2 et verie
Bp (1) = Bp (0) = bp , par consequent (2) est un cas particulier de (1).

(3) Par recurrence sur p, on voit que (1)p Bp (1 x) a pour derivee

(1)p Bp (1 x) = p(1)p1 Bp1 (1 x) = pBp1 (x) = Bp (x).

Comme (1)p Bp (1 x) est dintegrale nulle sur [0, 1], on en deduit que
(1)p Bp (1 x) et Bp (x) concident.

(4) Pour p 2 et x = 0, (3) donne bp = (1)p bp , donc bp = 0 si p est impair.

La relation (2) appliquee `a p = 2k + 1 donne


2k 2k2 2 1
0 = C2k+1 b2k + C2k+1 b2k2 + . . . + C2k+1 b2 + C2k+1 b1 + 1.

Ceci permet de calculer par recurrence les nombres de Bernoulli successifs :


1 1 1 1 1 5
b0 = 1, b1 = , b2 = , b4 = , b6 = , b8 = , b10 = ,...
2 6 30 42 30 66

Supposons maintenant donnee une fonction f de classe C p sur [, ] o` u , sont


des entiers. Grace `a la periodicite des fonctions Bp , la formule () ci-dessus est
vraie sur chaque intervalle [, + 1], . . . , [ 1, ]. Par sommation, on en deduit

1 1
f () + f ( + 1) + . . . + f ( 1) + f () = f (x)dx
2 2
p   
m bm (m1) (m1) Bp (x) (p)
+ (1) f () f () + (1) p+1
f (x)dx.
m=2
m! p!
80 Analyse num
erique et
equations diff
erentielles

En appliquant ceci pour p = 2k et en tenant compte du fait que bm = 0 si m est


impair 3, on obtient la

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


u , Z et soit T (f ) = 12 f () + f ( + 1) + . . . + f ( 1) +
o` 1
2 f () la somme
des trap`ezes associees `a f . Alors
  b2m  (2m1) 
k
T (f ) = f (x)dx + f () f (2m1) ()
m=1
(2m)!

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

Pour pouvoir exploiter cette formule a` des ns numeriques, il importe de savoir


majorer la fonction B2k (x) qui intervient dans le reste integral.

       Bp


   
 
Comme Bp est periodique de periode 1, il est tentant de rechercher un develop-
pement de Bp en serie de Fourier. Dapr`es la formule () du 4.1 appliquee `a
f (x) = e2inx , il vient
 1  1
2inx Bp (x) 2inx
1= e dx + 0 (2in) p
e dx,
0 0 p!
et la premi`ere integrale est nulle pour n = 0. On en deduit que le coecient de
Fourier dindice n de Bp est

- p!
Bp (n) =

(2in)p
si n = 0,
 1


B-p (0) = Bp (x) = 0 si n = 0.
0

Pour p 2, la serie de Fourier est absolument convergente et Bp est continue, donc


 e2inx
Bp (x) = p! , (x R).

(2in)p
nZ

Pour p = 1, la fonction B1 est de classe C 1 par morceaux, donc la serie converge


vers B1 (x) en tout point x Z et vers 12 B1 (x + 0) + B1 (x 0) = 0 si x Z. La
formule ci-dessus peut se recrire
+
(1)k+1 2(2k)!  cos 2nx
B2k (x) = ,
(2)2k n=1
n2k
+
(1)k+1 2(2k + 1)!  sin 2nx
B2k+1 (x) = .
(2)2k+1 n=1
n2k+1
III Int
egration num
erique 81

En particulier, si lon introduit la fonction de Riemann


+
 1
(s) = s
,
n=1
n
on obtient
(1)k+1 2(2k)!
b2k = (2k).
(2)2k
+
Comme (s) 1 + 1
dx/xs = 1 + 1/(s 1), on voit que lims+ (s) = 1 et en
particulier on a
(1)k+1 2(2k)!
b2k quand k +.
(2)2k
Les coecients |b2k | tendent donc vers + assez vite. Par ailleurs, il est clair que
B2k (x) atteint sa valeur absolue maximum pour x = 0 ; on obtient donc
|B2k (x)| |b2k |, x R. ()
Comme B2k+1 (0) = 0 pour k 1, on a dautre part
 x
B2k+1 (x) = (2k + 1) B2k (t)dt
0

donc |B2k+1 (x)| (2k + 1)|x| |b2k |. On en deduit linegalite


 1
|B2k+1 (x)| k + |b2k |
2
 1 1 
dabord pour x 0, 2 , puis pour x 2 , 1 gr ace `a la formule (3) du 4.1, puis
pour tout x R par periodicite.

   
 
  
 


Soit f une fonction de classe C sur [, +[ o` u Z. Pour tout entier n , on
cherche `a obtenir un developpement limite `a tout ordre de la somme
Sn (f ) = f () + f ( + 1) + . . . + f (n)
lorsque n tend vers +. Un tel developpement est appele developpement asympto-
tique de Sn (f ) ; il permet generalement dobtenir de tr`es bonnes valeurs approchees
de Sn (f ) lorsque n est grand.

Th eme On suppose quil existe un entier m0 N et un reel x0 tels que


eor`
pour m m0 les derivees f (m) (x) soient de signe constant sur [x0 , +[, avec
limx+ f (m) (x) = 0. Alors il existe une constante C independante de n et k, telle
que pour tout n x0 et tout k > m20 on ait :

 n 
k1
1 b2m
Sn (f ) = C + f (n) + f (x)dx + f (2m1) (n) + Rn,k
2 m=1
(2m)!

avec
b2k
Rn,k = f (2k1) (n) = (1er terme omis), [0, 1].
(2k)!
82 Analyse num
erique et
equations diff
erentielles

Demonstration. On a par denition Sn (f ) = 12 f () + 12 f (n) + T (f ) o`


u T (f ) est
la somme des trap`ezes de f sur [, n]. La formule dEuler Maclaurin entrane
 n k
1 1 b2m
Sn (f ) = f () + f (n) + f (x)dx + f (2m1) (n)
2 2 m=1
(2m)!
 b2m
k  +
B2k (x) (2k)
f (2m1) () f (x)dx
m=1
(2m)! (2k)!
 +
B2k (x) (2k)
+ f (x)dx.
n (2k)!
On obtient donc le developpement du theor`eme avec une constante C = Ck
dependant a priori de k et un reste Rn,k donnes par

 k  +
1 b2m (2m1) B2k (x) (2k)
Ck = f () f () f (x)dx,
2 m=1
(2m)! (2k)!
 +
b2k (2k1) B2k (x) (2k)
Rn,k = f (n) + f (x)dx,
(2k)! n (2k)!

` condition de montrer que les integrales convergent. Comme k > m20 , f (2k) est de
a
signe constant sur [x0 , +[. Dapr`es linegalite () du 4.2, il vient
  + B (x)  
|b2k |  + (2k) 
 2k (2k) 
 f (x)dx   f (x),
n (2k)! (2k)! n
 +  N  
(2k)
f (x)dx = lim = lim f (2k1) (N )f (2k1) (n) = f (2k1) (n).
n N + n N +

On a donc bien convergence et nos estimations montrent par ailleurs que lintegrale
gurant dans Rn,k est de valeur absolue plus petite que le premier terme, donc
b2k
Rn,k = f (2k1) (n), [0, 2].
(2k)!
Il reste `a voir quon a en fait [0, 1] et que Ck ne depend pas de k. Appliquons
la formule a` lordre k + 1 et identions avec la formule donnant Sn (f ) a` lordre k.
Il vient
b2k
Ck + Rn,k = Ck+1 + f (2k+1) (n) + Rn,k+1 .
(2k)!
En faisant tendre n vers +, on trouve Ck = Ck+1 , donc Ck est bien independante
de k, et
b2k (2k+1)
Rn,k = f (n) + Rn,k+1 .
(2k)!
Dapr`es ce qui prec`ede, Rn,k est de meme signe que le terme b2k /(2k)!f (2k1) (n)
tandis que Rn,k+1 est du signe oppose : le 4.2 montre que signe (b2k ) = (1)k+1 ,
tandis que signe f (2k+1) = signe f (2k) = signe f (2k1) . On a donc
( b 
2k
Rn,k f (2k1) (n) 1,
(2k)!
III Int
egration num
erique 83

ce qui implique [0, 1].

Exemple Formule de Stirling avec reste.


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

Sn (f ) = ln 1 + . . . + ln (n) = ln (n!),
 n
ln xdx = n(ln (n) 1) + 1,
1
(1)m1 (m 1)!
f (m) (x) = , do`
u
xm
1 
k1
b2m 1
ln (n!) = C  + ln (n) + n(ln (n) 1) + 2m1
+ Rn,k
2 m=1
2m(2m 1) n

  n n  k1
 b2m 1 
n! = eC n exp + Rn,k
e m=1
2m(2m 1) n2m1

On peut verier que eC = 2 (exercice ci-dessous), do`
u en particulier
 n n  1 1 1 
n! = 2n exp + .
e 12n 360n3 1260n5 1680n7

 /2
Exercice On pose In = sinn x dx, n N.
0

(a) Montrer que In = n1n In2 si n 2.


Calculer I0 , I1 puis I2n , I2n+1 et I2n I2n+1 .

(b) Montrer que In est decroissante et que I2n+1 I2n .

(2n)! 22n 
(c) En deduire 2
et la valeur de eC .
n! n

 

      
On va montrer ici comment `a partir de la formule dEuler-Maclaurin on peut
construire une methode dintegration basee sur lacceleration de la convergence
de la methode des trap`ezes. On obtient ainsi un algorithme de calcul souple et
performant, aise `a programmer et souvent prefere `a tout autre dans la pratique.



  
 


On suppose donnee une fonction A qui admet un developpement limite `a tout ordre
au voisinage de 0 :

A(t) = a0 + a1 t + . . . + ak tk + Rk+1 (t)


84 Analyse num
erique et
equations diff
erentielles

avec |Rk+1 | Ck+1 |t|k+1 .


La situation est la suivante : on suppose quon a un algorithme permettant de
calculer A(tm ) pour certains reels tm 0+ , et on cherche `a extrapoler ces valeurs
pour obtenir A(0) = a0 . On construit pour cela un procede dacceleration de
la convergence consistant a` eliminer successivement les termes a1 t, a2 t2 , . . . du
developpement limite de A(t).

Principe de la m
ethode Soit r > 1 un reel xe. On a

A(rt) = a0 + . . . + an rn tn + . . . + ak rk tk + O(tk+1 ).

Pour eliminer le terme en tn , il sut de former le quotient

rn A(t) A(rt)
= a0 + b1 t + . . . + bn1 tn1 + 0 + bn+1 tn1 + . . .
rn 1
Si on calcule successivement les quantites

A0 (t) = A(t)
rA0 (t) A0 (rt)
A1 (t) = ,...,
r1
rn An1 (t) An1 (rt)
An (t) = ,
rn 1

alors on elimine successivement t, t2 , . . . , tn . De mani`ere generale on aura

An (t) = a0 + bn,n+1 tn+1 + . . . + bn,k tk + O(tk+1 )

donc An (t) = A0 + O(tn+1 ) est une meilleure approximation de a0 que la fonction


A(t) initiale. Supposons en particulier quon sache calculer les quantites

Am,0 = A(rm t0 )

o`
u t0 > 0 est xe (de sorte que limm+ Am,0 = a0 ). On a seulement a priori
A(t) = a0 + O(t), donc
Am,0 = a0 + O(rm ).
Si on pose Am,n = An (rm t0 ), il vient

Am,n = a0 + O(rm(n+1) ) quand m +,

de sorte que la convergence est sensiblement (n + 1)-fois rapide que celle de Am,0 .
Les nombres Am,n se calculent par la formule de recurrence

rn Am,n1 Am1,n1
Am,n = .
rn 1
Dans la pratique, on commence par ranger les valeurs Am,0 dans un tableau
TAB, puis on eectue le calcul des colonnes Am,1 , Am,2 , . . . comme suit :
III Int
egration num
erique 85

TAB[0] A0,0 A1,1 A2,2 A3,3


TAB[1] A1,0 A2,1 A3,2 ...
TAB[2] A2,0 A3,1 ... ...
TAB[3] A3,0 ... ... ...
... ... ... ... ...

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



 
 
Soit f C ([, ]). On consid`ere la subdivision de [, ] en l sous-intervalle egaux
donnee par les points xj = + jh, 0 j l o` u h = l , et on note
 
1 1
Tf (h) = h f () + f ( + h) + . . . + f ( h) + f ()
2 2
la somme des trap`ezes associees. Appliquons la formule dEuler-Maclaurin a` la
fonction
g(u) = f ( + uh), u [0, l],
g (m) (u) = hm f (m) ( + uh).
Il vient
  b2m 2m1  (2m1) 
l k
Tg (1) = f ( + uh)du + h f () f (2m1) ()
0 m=1
2m!
 l
B2k (u) (2k)
h2k f ( + uh)du
0 2k!
do`
u
 k  
b2m
Tf (h) = hTg (1) = f (x)dx + h2m f (2m1) () f (2m1) ()
m=1
(2m)!

B2k ((x )/h) (2k)
h2k f (x)dx.
2k!
On en deduit que Tf (h) admet le developpement limite
 
k1
Tf (h) = f (x)dx + am h2m + O(h2k )
m=1
 
avec am = b2m
(2m)! f (2m1) () f (2m1) () .

On peut donc ecrire Tf (h) = A(h2 ) o`


u

A(t) = Tf ( t) = a0 + a1 t + . . . + ak1 tk1 + O(tk ),
86 Analyse num
erique et
equations diff
erentielles

et il sagit de calculer le coecient



a0 = f (x)dx.

On utilise pour cela des dichotomies successives avec les pas h =


2m . Ceci nous
am`ene `a calculer   
m 2
Am,0 = Tf = A(4 ( ) .
2m
On applique donc le procede dextrapolation de Richardson avec r = 4, ce qui
conduit a` la formule de recurrence
4n Am,n1 Am1,n1
Am,n = .
4n 1

On a alors Am,n = f (x)dx + O(4m(n+1) ) quand m +. La valeur approchee
retenue est celle correspondant aux indices m, n les plus eleves pour lesquels Am,n
a ete calcule.
Remarque 1 On peut gagner du temps dans le calcul de Am,0 en utilisant
Am1,0 pour evaluer Am,0 . Si h =
2m , on a en eet :
1 1 
Am,0 = h f () + f ( + h) + . . . + f ( h) + f ()
2 2
1 1 
Am1,0 = 2h f () + f ( + 2h) + . . . + f ( 2h) + f ()
2 2
Il sut de poser
 
Am,0 = h f ( + h) + f ( + 3h) + . . . + f ( h)

et alors on obtient
1
Am,0 = Am1,0 + Am,0 .
2

Remarque 2 Si f C (R) est periodique de periode , alors f (m) () =


f (m) () pour tout m et on a donc un developpement limite `a tout ordre

Tf (h) = f (x)dx + O(h2k )

reduit a` son terme constant. Il est inutile dans ce cas dappliquer le procede
dextrapolation de Richardson : la derni`ere somme des trap`ezes calculee Am,0 donne
dej`a une tr`es bonne approximation de lintegrale.

Exercice Verier que Am,1 (resp. Am,2 ) est la methode de Simpson composee
sur 2m1 sous-intervalles (resp. Boole-Villarceau sur 2m2 sous-intervalles).

Pour n 3, on peut verier que Am,n ne correspond plus a` une methode de Newton-
Cotes.
III Int
egration num
erique 87



 
6.1. Soient x1 et x2 deux points de [1, 1] et 1 et 2 R. On designe par C[1, 1]
lespace vectoriel des fonctions continues sur [1, 1] et `a valeurs reelles et on denit

T : C[1, 1] R par T (f ) = 1 f (x1 ) + 2 f (x2 ).

(a) Quelles conditions doivent verier x1 , x2 , 1 , 2 pour que T soit une methode
dintegration sur [1, 1] exacte pour
() Les fonctions constantes ?
() Les fonctions anes ?
() Les polyn
omes de degre inferieur ou egal `a 2 ?

(b) Parmi les methodes exactes pour les polynomes de degre inferieur ou egal `a 2,
une seule verie x1 = x2 . Montrer que ce choix de x1 et x2 (et des 1
et 2 correspondants) fournit une methode exacte pour les polynomes de degre
inferieur ou egal `a 3 et quil sagit de la seule methode dintegration exacte pour
les polyn omes de degre inferieur ou egal `a 3 qui soit du type etudie dans le
probl`eme. Quelle est cette methode ?

6.2.
(a) Montrer que pour un polyn
ome trigonometrique de degre n


n
cp eipx ,
p=n

2
la methode des trap`ezes de pas constant h = n+1 est exacte sur lintervalle
[0, 2].

(b) Montrer que si f peut etre approchee par un polyn ome trigonometrique de degre
2
n`
a moins de sur [a, b], la methode des trap`ezes pour h = n+1 fournit un erreur
2
inferieure `a 4 pour 0
f (x)dx.
 
(c) On consid`ere f (x) = exp 12 sin x . Donner une majoration de lerreur pour la
2
methode des trap`ezes pour 0 f (x) dx avec h = /2, h = /4. Que pensez-vous
de ce dernier resultat ?

6.3. Soit f : [1, 1] R une fonction de classe C n , o` u n sera suppose aussi


grand que les besoins lexigeront. On consid`ere la methode dintegration numerique
approchee donnee par
 1
(M) f (x)dx  f () + f () avec [0, 1].
1
88 Analyse num
erique et
equations diff
erentielles

(a) Calculer lerreur


 1
E(f ) = f (x) (f () + f ())
1

pour f (x) = 1, x, x2 respectivement. Determiner lordre de la methode (M) en


fonction de .

(b) On se place ici dans le cas o`


u la methode (M) est dordre 1.
() Calculer le noyau de Peano K1 (t), et tracer le graphe de K1 pour = 5/8.
Pour quelles valeurs de le noyau K1 est-il de signe constant ?
() Montrer que lerreur verie une majoration

|E(f )| C() f 

o`
u C() est une constante dont on determinera la valeur optimale :
lorsque K1 est de signe constant ;
lorsque = 5/8.

(c) Calculer le noyau de Peano dans le cas o` u la methode (M) est dordre 3 et
verier que ce noyau est une fonction paire. En deduire quil existe ] 1, 1[
tel que
1
E(f ) = f (4) ().
135
(d) En utilisant le resultat du (c), estimer lerreur obtenue par la methode composee
associee `a la methode (M) pour le calcul dune integrale
 b
g(x)dx
a

avec une subdivision de [a, b] de pas constant h = (b a)/k, k N .

6.4. Soit p un entier naturel et soit f (x) = xp . On note


n
Sn,p = mp .
m=1

On utilise la formule du developpement asymptotique de Sn (f ) avec = 0.

(a) Montrer que pour k assez grand, le reste Rn,k est nul. En deduire une expression
de Sn,p ; on calculera la valeur de la constante C en observant que S0,p = 0.

(b) Donner une expression factorisee de Sn,p pour p = 2, 3, 4, 5.

6.5. Soit un reel > 1. On consid`ere la fonction


+

1 1
f (x) = et on note () = .
x n=1
n
III Int
egration num
erique 89

On utilise la formule du developpement asymptotique de Sn (f ) avec = 1.


(a) Exprimer () en fonction de la constante C de la formule ; pour cela, on fera
tendre n vers +.
(b) Determiner le developpement limite de ()Sn (f ) avec reste Rn,k . En prenant
n = 5 et k = 5, donner un encadrement de (3).

6.6. On applique ici la formule dEuler-Maclaurin a` la fonction f (x) = eax , a C.

(a) Montrer legalite

 
a2k+1 1 B2k (x) ax
k
a ea + 1 b2m a2m
= 1 + e dx
2 ea 1 m=1
(2m)! ea 1 0 (2k)!

(b) Montrer que le reste integral est majore pour tout a C par

|b2k | e| Re a| 1 |a|
|a|2k si ea = 1.
(2k)! | Re a| |e 1|
a

a
+1
+ a2m
En deduire que a2 eea 1 = 1 + m=1 b2m (2m)! sur le disque |a| < 2, et que le
rayon de convergence de la serie est 2.

(c) Lorsque a est reel, montrer que le reste integral est majore par |b2k |a2k /(2k)!,
ainsi que par 2|b2k+2 |a2k+2 /(2k + 2)!.
Utiliser ceci pour trouver une valeur approchee de (e + 1)/(e 1) en prenant
k = 4. Verier que lerreur commise est inferieure `a 107 .

6.7. On consid`ere la fonction


1
f (x) = , x R.
1 + x2

(a) A laide dune decomposition en elements simples, calculer la derivee f (m) et


montrer que |f (m) (x)| m! (1 + x2 )(m+1)/2 .

(b) Determiner le developpement asymptotique de la suite



n
1
Sn = .
1 + k2
k=0

(c) Calculer S10 et en deduire une valeur approchee `a 106 pr`es de la somme
+
 1
.
n=0
1 + n2

6.8. On se propose ici detudier une methode dintegration numerique analogue


aux methodes de Newton-Cotes.
90 Analyse num
erique et
equations diff
erentielles

(a) Soit g une fonction continue sur [1, 2]. Determiner le polyn
ome
2
p(x) = i=1 g(i)i (x) de degre 3 qui interpole g aux points 1, 0, 1, 2.
Exprimer lerreur dinterpolation a` laide du polyn
ome
(x) = x(x + 1)(x 1)(x 2).
1 0
(b) Calculer 0
p(x)dx et 1
p(x)dx en fonction des valeurs g(i), 1 i 2.
2
En deduire 1
p(x)dx.
Verier les formules pour g(x) = 1 (resp. g(x) = x).
1 0
(c) Calculer 0
|(x)|dx et 1
|(x)|dx.
i+1
En deduire une majoration (la meilleure possible !) de i |g(x) p(x)|dx,
i = 1, 0, 1, en fonction de la norme uniforme dune derivee convenable de g (g
est supposee susamment derivable).

(d) Soit f une fonction continue sur un intervalle [a, b] avec a < b. On note

a = a0 < a1 < . . . < an1 < an = b, n8

ba
la subdivision de pas constant h = n et on pose fi = f (ai ).
On etudie la methode dintegration numerique

 b   ai+1
n1   ai
n1
f (x)dx = f (x)dx  pi (x)dx
a i=0 ai i=0 ai+1

o`
u pi designe le polynome dinterpolation de Lagrange de f aux points ai1 , ai ,
ai+1 , ai+2 si 1 i n 2, avec la convention decriture p0 = p1 , pn1 = pn2 .
Montrer que cette methode secrit
 b 
n
f (x)dx  h i fi
a i=0

pour des coecients i que lon explicitera. Que peut-on dire de lordre de la
methode ?
ai+1
(e) Majorer les erreurs ai
|f (x) pi (x)|dx et

 b 
n
E(f ) = f (x)dx h i fi
a i=0

en fonction de h, b a, et de la norme uniforme dune derivee convenable de f .

6.9. On designe par C lespace des fonctions denies sur lintervalle [1, 1] a` valeurs
dans R, muni de la norme uniforme.
III Int
egration num
erique 91

(a) Montrer que pour tout f C lintegrale


 1
f (x)
dx est convergente.
1 1 x2

(b) On note tn le polyn


ome de Tchebychev de degre n.
1 tn (x)tk (x)
On rappelle le resultat dx = n,k o`
u n,k est le symbole de
1 1x2 2
1 xn tm (x)
Kronecker. Calculer dx pour n < m.
1 1x2

(c) On note x0 , x1 , x2 les racines de t3 . Determiner trois reels A0 , A1 , A2 tels que


pour tout polyn ome P de degre 2 on ait
 1
P (x)
dx = A0 P (x0 ) + A1 P (x1 ) + A2 P (x2 ).
1 1 x2

Montrer que legalite est encore veriee si P est de degre 5.


1 4
(d) Montrer que lintegrale 0
x dx
est convergente et, `a laide de (c), calculer
x(1x)
sa valeur.

(e) Pour n xe non nul, on designe par xk les racines de tn et par Ak des nombres
reels (0 k n 1). Pour tout f C on note


n1  1
f (x)
Sn (f ) = Ak f (xk ) et Rn (f ) = dx Sn (f ).
k=0 1 1 x2

() Montrer que lon peut determiner les Ak de mani`ere unique de sorte que
pour tout polynome P de degre n 1 on ait Rn (P ) = 0.
n1
() Montrer que pour 1 p n 1 on a k=0 Tp (xk ) = 0.
En deduire que Ak = n pour tout k.
ome de degre 2n 1.
() Montrer que Rn (P ) = 0 pour tout polyn

(f) Soient f C et P un polyn ome. En supposant f p < , donner un majorant


de |Rn (f )| lorsque n +. En deduire
 1
f (x)
lim Sn (f ) = dx.
n+ 1 1 x2

6.10. Le but du probl`eme est detablir quelques resultats sur la formule approchee
1 1
1
f (x)dx  1 Pn (x)dx o`
u Pn (x) est le polyn ome dinterpolation de degre n de
(2i+1)
f aux points de Tchebychev xi = cos i , tels que i = 2n+2 , 0 i n.

(a) Avec les notations de II 4.3, montrer que le polyn omes li de Lagrange sont
donnes par
(1)i sin i tn+1 (x)
li (x) = , 0 i n.
n+1 x xi
92 Analyse num
erique et
equations diff
erentielles

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


 1
cos(n Arc cos x) cos(n Arc cos y)
an (x) = dy.
1 xy

Montrer que an est un polyn


ome de degre n et que lon a
 1 
n
(1)i sin i
Pn (x)dx = i f (xi ) avec i = an+1 (xi ).
1 i=0
n+1

(c) Calculer an+1 (x) an1 (x) ; en deduire la valeur de

an+1 (x) 2xan (x) + an1 (x).

(d) En distinguant deux cas suivant la parite de n, montrer legalite


 1
sin an (cos ) = 2 sin n 4 sin (n 2q).
4q 2 1
1q< n
2

(e) En deduire lexpression de i :



 1
2 4 cos 2qi
4q 2 1
1q n+1
2
i = .
n+1

Montrer linegalite i > 0.



(f) On xe n = 10. Ecrire un programme en langage informatique qui permet de
calculer tous les coecients i .


    


         

Les methodes iteratives, et en particulier la methode de Newton, gurent parmi


les methodes numeriques les plus puissantes permettant la resolution approchee
des equations de toute nature. Lidee de ces methodes est de partir dune valeur
approchee grossi`ere de la solution, et den ameliorer la precision par une application
iteree dun algorithme bien choisi.



 


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

x, y E, d(f (x), f (y)) k d(x, y).

Th eme Soit : E E une application contractante dun espace metrique


eor`
complet dans lui-meme. Alors admet un point xe unique a E. De plus, pour
tout point initial x0 E, la suite iteree (xp ) denie par xp+1 = (xp ) converge
vers a.

Unicit e du point xe. Si avait deux points xes a = b, alors d((a), (b)) =
d(a, b) et d(a, b) = 0, donc ne pourrait etre contractante, contradiction.

Existence du point xe. Soit x0 E un point initial quelconque et (xp ) la suite


iteree associee. On a alors

d(xp , xp+1 ) = d((xp1 ), (xp )) k d(xp1 , xp )


94 Analyse num
erique et
equations diff
erentielles

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


q1 
q1 
d(xp , xq ) d(xl , xl+1 ) k l
d(x0 , x1 )
l=p l=p


q1 +
 kp
avec kl kl = . On a donc
1k
l=p l=p

kp
d(xp , xq ) d(x0 , x1 ), p < q
1k

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

Estimation de la vitesse de convergence Linegalite

d(xp , a) = d((xp1 ), (a)) k d(xp1 , a)

implique par recurrence


d(xp , a) k p d(x0 , a).

La convergence est donc exponentiellement rapide. Lorsque E = Rm , on dit parfois


quil sagit dune convergence lineaire, dans le sens o`
u le nombre de decimales exactes
de xp crot au moins lineairement avec p.

Gen eralisation Le theor`eme precedent reste enti`erement valable si on


remplace lhypoth`ese que est contractante par lhypoth`ese que est continue et
quil existe une certaine iteree m = . . . qui soit contractante.

En eet, dans ce cas, lhypoth`ese que m soit contractante implique que m admet
un unique point xe a. On a donc m (a) = a et en appliquant `a cette egalite on
trouve
m ((a)) = m+1 (a) = (m (a)) = (a),

de sorte que (a) est encore un point xe de m . Lunicite du point xe de m


entrane (a) = a. Par ailleurs, comme tout point xe de est aussi un point xe
de m , ce point xe est necessairement unique. Enn, pour tout point initial x0 , la
sous-suite xmp = mp (x0 ) = (m )p (x0 ) (correspondant aux indices multiples de m)
converge vers a. Il en resulte que xmp+r = r (xmp ) converge aussi vers r (a) = a
pour r = 0, 1, . . . m 1, et on en deduit limq+ xq = a. Voir aussi le probl`eme
4.1 pour une autre demonstration de ces resultats.
IV M
ethodes it
eratives pour la r
esolution d
equations 95

 
 
  
 

 
Comme premi`ere application elementaire du resultat precedent, soit a` resoudre
une equation f (x) = 0 dune variable reelle x. Supposons quon ait une fonction
dierentiable f : [a, b] R telle que disons
 f (a) < 0, f (b) > 0, et f strictement
croissante, 0 < m f  (x) M sur [a, b] dans le cas oppose f (a) > 0, f (b) < 0, et
M f  (x) < m < 0 il sura de changer f en f . Si on pose

(x) = x Cf (x)

avec une constante C = 0, il est clair que lequation f (x) = 0 equivaut a` (x) = x
et donc la resolution de lequation f (x) = 0 se ram`ene `a rechercher les points xes
de . Lespace E = [a, b] est complet, et il nous faut verier de plus
que envoie bien E dans E,
que est bien contractante sur E.
Or nous avons  (x) = 1 Cf  (x), donc 1 CM  (x) 1 Cm, et pour le
choix C = 1/M , la fonction est bien contractante dans le rapport k = 1 m/M .
De plus est croissante et on a (a) > a, (b) < b, donc ([a, b]) [a, b]. Il en
resulte que toute suite iterative xp+1 = (xp ) calculee `a partir dun point x0 [a, b]
quelconque va converger vers lunique solution de lequation f (x) = 0.
La vitesse de convergence peut etre estimee par la suite geometrique (1 m/M )p ,
et on voit quon a interet `a ce que les bornes m et M de lencadrement m f  M
soient proches, ce qui est toujours possible si f  est continue et si lencadrement
initial [a, b] de la solution x cherchee est susamment n. Lobjet de ce chapitre
est detudier et de generaliser ce type de techniques, pour des fonctions dune ou
plusieurs variables.

   

 
  


  
 

 
 

Notre objectif est ici detudier le comportement iteratif dune fonction au voisinage
de ses points xes. Soit I un intervalle ferme de R et : I I une application de
classe C 1 . Soit a I un point xe de . On peut distinguer trois cas :

(1) | (a)| < 1.

Soit k tel que | (a)| < k < 1. Par continuite de  , il existe un intervalle
E = [a h, a + h] sur lequel | | k, donc est contractante de rapport k sur E ;
on a necessairement (E) E et par consequent

x0 [a h, a + h], lim xp = a.
p+

On dit que a est un point xe attractif. Dans ce cas la convergence de la suite (xp )
est au moins exponentiellement rapide : |xp a| k p |x0 a|.
96 Analyse num
erique et
equations diff
erentielles

Cas particulier :  (a) = 0.


Supposons de plus que soit de classe C 2 et que | | M sur E. La formule de
Taylor donne
(x a)2 
(x) = (a) + (x a) (a) + (c)
2!
1
= a +  (c)(x a)2 , c ]a, x[,
2
 2
do`u |(x) a| 12 M |x a|2 , soit encore 12 M |(x) a| 12 M |x a| . Par
recurrence, on en deduit successivement

1 1 2p
M |xp a| M |x0 a| ,
2 2

 2p
2 1
|xp a| M 2 M |x0 a| .

1
En particulier si x0 est choisi tel que |x0 a| 5M , on obtient

2 p
|xp a| 102 ;
M

on voit donc que le nombre de decimales exactes double environ `a chaque iteration ;
10 iterations suraient ainsi theoriquement pour obtenir plus de 1000 decimales
exactes ! La convergence est donc ici extraordinairement rapide.
Ce phenom`ene est appele phenom`ene de convergence quadratique, et le point xe a
est alors appele parfois point xe superattractif.

(2) | (a)| > 1.


 (x) (a) 
 
Comme lim   = | (a)| > 1, on voit quil existe un voisinage
x0 xa
[a h, a + h] de a tel que

x [a h, a + h] \ {a}, |(x) a| > |x a|.

On dit alors que le point xe a est repulsif. Dans ce cas, la derivee  est de signe
constant au voisinage de a, donc il existe h > 0 tel que la restriction |[ah,a+h]
admette une application reciproque 1 denie sur ([a h, a + h]), qui est un
intervalle contenant (a) = a. Lequation (x) = x peut se recrire x = 1 (x) au
voisinage de a, et comme (1 ) (a) = 1/ (a), le point a est un point xe attractif
pour 1 .

(3) | (a)| = 1.

On est ici dans un cas douteux, comme le montrent les deux exemples suivants dans
lesquels a = 0,  (a) = 1 :
IV M
ethodes it
eratives pour la r
esolution d
equations 97

   
 = sin x, x 0, 2 . On a ici sin x < x pour tout x 0, 2 .

Exemple 1  (x)
Pour tout x0 0, 2 la suite iteree (xp ) est strictement decroissante minoree, donc

convergente. La limite l verie l = sin l, donc l = 0.

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

  
   
Nous voulons decrire ici un peu plus nement le comportement de la suite iterative
xp+1 = (xp ) au voisinage dun point xe attractif a. On suppose donc de
classe C 1 et | (a)| < 1. On peut de nouveau distinguer plusieurs cas.
(1)  (a) > 0.
Par continuite de  on va avoir 0 <  (x) < 1 au voisinage de a, donc il existe
un voisinage [a h, a + h] sur lequel x (x) et x x (x) sont strictement
croissantes, par suite

x < (x) < (a) = a pour x [a h, a[


a = (a) < (x) < x pour x ]a, a + h],

ce qui implique en particulier que ([a h, a + h] [a h, a + h]. Il est facile de


voir dans ce cas que la suite iterative xp+1 = (xp ) va etre strictement croissante
pour x0 [a h, a[ et strictement decroissante si x0 ]a, a + h]. On obtient alors
typiquement un graphe  en escalier  :

y y=x

y = (x)

(x0 )

ah x0 x1 ... xp a x1 x0 a+h x

(2)  (a) < 0.


Par continuite de  on va avoir 1 <  (x) < 0 sur un voisinage [a h, a + h] de
a, sur lequel est donc strictement decroissante. Si x < a, alors (x) > (a) = a,
98 Analyse num
erique et
equations diff
erentielles

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

y y=x

(xp )

y = (x)

ah x0 x2 xp a xp+1 x3 x1 a+h x

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

 

  
  

Soit a` resoudre lequation f (x) = x3 4x + 1 = 0, x R. On a f  (x) = 3x2 4 et


letude de f donne :

x 23 2
3
+

f  (x) + 0 0

16

f (x) 1+ 3 3
+
  
16
1
3 3
IV M
ethodes it
eratives pour la r
esolution d
equations 99

y
y = f (x)
4

1 2
a1 a2 3 a3
2 1 0 1 2 x

Lequation f (x) = 0 admet donc 3 racines reelles a1 < a2 < a3 . le calcul de quelques
valeurs de f donne

2, 5 < a1 < 2, 0 < a2 < 0, 5, 1, 5 < a3 < 2.

1
Lequation f (x) = 0 peut se recrire x = (x) avec (x) = 4 (x3 + 1). On a
 (x) = 34 x2 , do`
u:

sur [2, 5 ; 2],   (2) = 3.


sur [0 ; 0, 5], 0  0, 1875.
sur [1, 5 ; 2],   (1, 5) = 1, 6875.

Seul a2 est un point xe attractif de . Lintervalle [0 ; 0, 5] est necessairement


stable par puisquil contient un point xe et que est contractante et croissante.
Pour tout x0 [0 ; 0, 5] on aura donc a2 = lim xp .
p+

Pour obtenir a1 et a3 , on peut iterer la fonction 1 (x) = 3 4x 1, qui est
contractante au voisinage de ces points.
Il sera numeriquement plus ecace de recrire lequation sous la forme x2 4+ x1 = 0,
soit x = + (x) ou x = (x) avec

1 1
+ (x) = 4 , (x) = 4 ,
x x
 1/2
suivant que x est 0 ou 0. on a alors  = 2x1 2 4 x1 , de sorte que

0 + + (1, 5)  0, 122 sur [1, 5 ; 2],


 (2)  0, 059  0 sur [2, 5 ; 2] ;

La convergence sera donc assez rapide. Nous allons voir quil existe en fait une
methode generale plus ecace et plus systematique.
100 Analyse num
erique et
equations diff
erentielles



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

y
f

a
x1 x0 x

Lidee est de remplacer la courbe representative de f par sa tangente au point x0 :

y = f  (x0 )(x x0 ) + f (x0 ).


Labscisse x1 du point dintersection de cette tangente avec laxe y = 0 est donnee
par
f (x0 )
x1 = x0  ;
f (x0 )
x1 est en general une meilleure approximation de a que x0 . On est donc amene `a
iterer la fonction
f (x)
(x) = x  .
f (x)
Supposons que f soit de classe C 2 et que f  (a) = 0. La fonction est alors de
classe C 1 au voisinage de a et
f  (x)2 f (x)f  (x) f (x)f  (x)
 (x) = 1 = ,
f  (x)2 f  (x)2
ce qui donne (a) = a,  (a) = 0. La racine a de f (x) = 0 est donc un point xe
superattractif de . Le resultat suivant donne une estimation de lecart |xp a|.
2
Th
eor`  C sur lintervalle I = [a r, a + r]
eme On suppose que f est de classe
 f  (x)   
et que f  = 0 sur I. Soit M = max    et h = min r, 1 . Alors pour tout
 M
xI f (x)
x [ah, a+h] on a |(x)a| M |xa|2 , et pour tout point initial x0 [ah, a+h]

1 p
|xp a| (M |x0 a|)2 .
M
IV M
ethodes it
eratives pour la r
esolution d
equations 101

Demonstration. Introduisons la fonction u(x) = f (x)/f  (x). La fonction f est


monotone sur I, nulle en a, donc f a meme signe que f  (a)(x a), ce qui entrane
que u(x) a meme signe que x a. De plus

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


u (x) = 1 = 1 u(x),
f  (x)2 f  (x)

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


1
Lemme 1 On a |u(x)| M (eM |xa| 1) sur I.

Montrons-le par exemple pour x a. Posons v(x) = u(x)eM x . Il vient


u (x) 1 + M u(x), do`
u

v  (x) = (u (x) M u(x))eM x eM x .

Comme v(a) = u(a) = 0, on en deduit par integration

1 M a
v(x) (e eM x ),
M
1
soit encore u(x) M (eM (xa) 1). Le lemme 1 est donc demontre.

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

En eet la fonction exponentielle est convexe, donc sur tout intervalle la courbe est
situee sous sa corde. Sur lintervalle [0, 1], ceci donne et 1 + (e 1)t, do`
u le
lemme 2 puisque e 1 < 2.


(x)
On peut maintenant ecrire  (x) = u(x) ff  (x) , et le lemme 1 implique

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


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

|(x) a| M |x a|2 ,

soit encore M |(x) a| (M |x a|)2 . Lestimation M |xp a| (M |x0 a|)2p


sen deduit aussit
ot par recurrence.

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

x3 4x + 1 2x3 1
(x) = x 2
= 2 .
3x 4 3x 4
Par iteration de , on obtient alors les valeurs suivantes :
102 Analyse num
erique et
equations diff
erentielles

x0 2 0 2
x1 2, 125 0, 25 1, 875
x2 2, 114975450 0, 254098361 1, 860978520
x3 2, 114907545 0, 254101688 1, 860805877
x4 2, 114907541 = x3 1, 860805853
x5 = x4 = x4

Ceci donne des valeurs approchees de a1 , a2 , a3 `a 109 pr`es environ. Le nombre


diterations necessaires pour obtenir une precision de 109 par la methode de
3 4
Newton est typiquement 3 ou 4 (102 = 108 , 102 = 1016 . . .). Le lecteur
pourra verier que le nombre diterations requises avec les fonctions du 2.3 est
nettement plus eleve (de 8 `a 20 suivant les cas).



 
   
Dans certaines situations, la derivee f  est tr`es compliquee ou meme impossible `a
expliciter (cest le cas par exemple si la fonction f est le resultat dun algorithme
complexe). On ne peut alors utiliser telle quelle la methode de Newton.
Lidee est de remplacer f  par le taux daccroissement de f sur un petit intervalle.
Supposons quon dispose de deux valeurs approchees x0 , x1 de la racine a de
lequation f (x) = 0 (fournies par un encadrement x0 < a < x1 ).

y
f
secante

x0 x2

0 a x1 x

Le taux daccroissement de f sur lintervalle [x0 , x1 ] est


f (x1 ) f (x0 )
1 =
x1 x0
et lequation de la secante traversant le graphe de f aux points dabscisse x0 et x1
est
y = 1 (x x1 ) + f (x1 ).
IV M
ethodes it
eratives pour la r
esolution d
equations 103

On obtient ainsi une nouvelle approximation x2 de a en calculant labscisse de


lintersection de la secante avec laxe Ox :
f (x1 )
x2 = x1 .
1
On va bien entendu iterer ce procede `a partir des nouvelles valeurs approchees x1
et x2 , ce qui conduit a` poser
f (xp ) f (xp1 ) f (xp )
p = , xp+1 = xp .
xp xp1 p
La methode est donc tout a` fait analogue a` celle de Newton, `a ceci pr`es que lon
a remplace la derivee f  (xp ) par le taux daccroissement p de f sur lintervalle
[xp , xp1 ]. On notera que lalgorithme iteratif ne peut demarrer que si on dispose
dej`a de deux valeurs approchees x0 , x1 de a.

Inconv
enient de la m
ethode Lorsque xp et xp1 sont trop voisins, le calcul
de f (xp ) f (xp1 ) et xp xp1 donne lieu a` un phenom`ene de compensation et

donc a` une perte de precision sur le calcul de p . Etudions lerreur commise. La
formule de Taylor-Lagrange a` lordre 2 au point xp donne
1
f (xp1 ) f (xp ) = (xp1 xp )f  (xp ) + (xp1 xp )2 f  (c),
2
 1 
p f (xp ) = (xp1 xp )f (c) = O(|xp xp1 |)
2
apr`es division de la premi`ere ligne par xp1 xp .
Supposons par ailleurs que le calcul des f (xi ) soit eectue avec une erreur darrondi
de lordre de . Le calcul de p est alors aecte dune erreur absolue de lordre de

|xp xp1 | . Il est inutile de continuer a
` calculer p d`es que cette erreur depasse lecart


|p f (xp )|, ce qui a lieu si |xp xp1 | > |xp xp1 | cest-`a-dire |xp xp1 | < .

Dans la pratique, si lon dispose dune precision absolue


= 1010 par exemple,
on arrete le calcul de p d`es que |xp xp1 | < = 105 ; on poursuit alors
les iterations avec p = p1 jusqu`a lobtention de la convergence (cest-`a-dire
|xp+1 xp | < ).
Dun point de vue theorique, la convergence de la suite est assuree par le resultat
ci-dessous, qui donne simultanement une estimation precise pour |xp a|.

Th eme On suppose f de classe C 2 et de derivee f  = 0 sur lintervalle


eor`
I = [a r, a + r]. On introduit les quantites Mi , i = 1, 2, et les reels K, h tels que

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


xI xI
M2  M1   1
K= 1+ , h = min r, .
2m1 m1 K

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

1
|xp a| [K max(|x0 a|, |x1 a|)]sp .
K
104 Analyse num
erique et
equations diff
erentielles

 1+5 p+1
Remarque On verie facilement que sp 1 ; ceci montre que
5 2

1+ 5
le nombre de decimales exactes crot environ du facteur  1, 618 a` chaque 2
iteration. La convergence est donc tout juste un peu moins rapide que dans le 2.4.

D emonstration.* Le lecteur pourra omettre cette demonstration sans compromet-


tre la comprehension de la suite du chapitre. On consid`ere le taux daccroissement
(x, y) de f sur I I deni par

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

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


 1
(x, y) = f  (x + t(y x))dt
0

et le theor`eme de derivation sous le signe somme montre que


 1

(x, y) = (1 t)f  (x + t(y x))dt,
x 0
 1

(x, y) = tf  (x + t(y x))dt.
y 0
 1
 1
Comme f est de signe constant sur I et comme (1 t)dt = , on en deduit les
0 2
inegalites
  1   1
   
| (x, y)| m1 ,   M2 ,   M2 .
x 2 y 2
Il en resulte en particulier
 y  1
 
| (x, y) f  (x)| = | (x, y) (x, x)| =  (x, t)dt M2 |y x|.
x y 2

La suite (xp ) est denie par la formule de recurrence xp+1 = (xp , xp1 ) o`
u est
la fonction de classe C 1 telle que

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

Posons hp = xp a. On a

hp+1 = (xp , xp1 ) a = (a + hp , a + hp1 ) (a, a)

et en particulier h2 = (a + h1 , a + h0 ) (a, a). En integrant sur [0, 1] la derivee


de la fonction t
(a + th1 , a + th0 ), on trouve
 1  

h2 = h1 (a + th1 , a + th0 ) + h0 (a + th1 , a + th0 ) dt.
0 x y
IV M
ethodes it
eratives pour la r
esolution d
equations 105

Des calculs immediats donnent

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



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

y
= f (x) .
y (x, y)2

Comme |f (x)| = |f (x) f (a)| M1 |x a|, les inegalites ci-dessus impliquent


 
  M2 |y x| M2
 
 x  2m1
+ M1 |x a|
2m21
,
 
  M2
 
 y  M1 |x a| 2m2 .
1

Pour (x, y) = (a + th1 , a + th0 ), on a |y x| (|h0 | + |h1 |)t et |x a| = |h1 |t, do`
u
  & '
 
  M2 (|h0 | + |h1 |) + M1 M2 |h1 | t,
 x  2m1 2m21
 
  M1 M2
 
 y  2m2 |h1 |t,
1
   1
M2 M1 M2
|h2 | + |h 1 |(|h0 | + |h1 |) tdt
2m1 2m21 0
K
= |h1 |(|h0 | + |h1 |) K|h1 | max(|h0 |, |h1 |).
2
1
Comme |h0 |, |h1 | h K, on voit que |h2 | |h1 |. De meme

|hp+1 | K|hp | max(|hp |, |hp1 |),

et ceci entrane par recurrence que la suite (|hp |)p1 est decroissante :
1
|hp | |hp1 | . . . |h1 | K implique |hp+1 | |hp |. On en deduit

|hp+1 | K|hp ||hp1 | pour p 2.

1
Linegalite |hp | K [K max(|h0 |, |h1 |)]sp est triviale si p = 0 ou p = 1, resulte de
lestimation dej`a vue pour h2 si p = 2, et se generalise facilement par recurrence
pour p 3. Le theor`eme est demontre.

   

  Rm 
 Rm


        


 
Soit E un espace vectoriel de dimension m sur R et u un endomorphisme de E.
106 Analyse num
erique et
equations diff
erentielles

D
enition On appelle spectre de u la famille (1 , . . . , m ) de ses valeurs
propres reelles ou complexes, comptees avec multiplicites ( = racines du polyn
ome
caracteristique). On appelle rayon spectral de u, note (u), la quantite

(u) = max |i |.
1im

Etant donne une norme N sur E, on peut dautre part associer a` u sa norme |||u|||N
en tant quoperateur lineaire sur E :

N (u(x))
|||u|||N = sup .
xE\{0} N (x)

On notera N (resp. Ne ) lensemble des normes (resp. des normes euclidiennes)


denies sur E.

Th
eor`
eme Soit u un endomorphisme quelconque de E. Alors
(1) Pour tout N N, (u) |||u|||N .

(2) (u) = inf |||u|||N = inf |||u|||N .


N N N Ne
1/p
(3) Pour tout N N, (u) = lim |||up |||N .
p+

2
 R muni
Remarque Considerons lespace  de sa norme euclidienne canonique
0 a
et ua lendomorphisme de matrice , a R. On a (ua ) = 1 et pourtant
0 1
la norme |||ua ||| nest pas bornee quand |a| + ; linegalite (1) na donc pas
de reciproque. Pour m = dim E 2, le rayon spectral nest pas une norme
sur L(E, E) ; il ne verie dailleurs pas linegalite triangulaire, comme le montre
lexemple suivant : si u, v sont les endomorphismes de matrices
   
0 1 0 0
Mat(u) = et Mat(v) = ,
0 0 1 0

on a (u) = (v) = 0, mais (u + v) = 1.

emonstration . Une base de E etant xee, on peut identier E `a Rm et u `a une


D
matrice A carree m m. Observons dabord que si (1 , . . . , m ) est le spectre de
A, alors le spectre de Ap est (p1 , . . . , pm ). On a donc

(Ap ) = (A)p .

(1) Soit une valeur propre de A. Si R, soit X un vecteur propre associe,


X = 0. Les egalites AX = X, N (AX) = ||N (X) entranent bien || |||A|||N .
Supposons maintenant que = + i soit une valeur propre complexe non reelle de
A. Soit Z = X + iY un vecteur colonne complexe, propre pour la valeur propre .
IV M
ethodes it
eratives pour la r
esolution d
equations 107

Legalite AZ = Z = ( + i)(X + iY ) donne pour les parties reelles et imaginaires


les egalites AX = X Y , AY = X + Y do` u

A(X + Y ) = (2 + 2 )X
A(X + Y ) = (2 + 2 )Y.

Il sensuit

(2 + 2 )N (X) |||A|||N N (X + Y ) |||A|||N (|| N (X) + || N (Y )),


(2 + 2 )N (Y ) |||A|||N N (X + Y ) |||A|||N (|| N (Y ) + || N (X)).

Apr`es addition et simplication par N (X) + N (Y ) on obtient

||2 = 2 + 2 |||A|||N (|| + ||) 2|| |||A|||N ,

do`u || 2|||A|||N . Par consequent (A) 2|||A|||N . Dapr`es la remarque initiale et


le resultat precedent applique `a Ap , il vient

(A)p = (Ap ) 2|||Ap |||N 2|||A|||pN

soit (A) 21/p |||A|||N . En faisant tendre p vers +, la conclusion attendue


(A) |||A|||N sensuit.

(2) Dapr`es (1) et linclusion Ne N on obtient

(A) inf |||A|||N inf |||A|||N .


N N N Ne

Il sut donc de voir que inf |||A|||N (A).


N Ne
Pour cela, considerons A comme un endomorphisme de Cm , deni par une matrice
a coecients reels. Il existe une base (e1 , . . . , em ) de Cm dans laquelle A devient
`
triangulaire superieure :

a11 ... a1m
..
A = ..
. aij . , j i, aii = i .
0 amm

Si on remplace la base (e1 , . . . , em ) par la base

ej ) = (e1 , e2 , 2 e3 , . . . , m1 em )
(

avec > 0 petit, on voit que le coecient aij de A est remplace par ji aij . Pour
les coecients au-dessus de la diagonale on a j > i, donc ji est petit. Dans une
base convenable ( e1 , e2 , . . . , em ) de Cm , la matrice A se transforme donc en une
matrice
A=D+T

o`
u D est diagonale de valeurs propres 1 , . . . , m et T strictement triangulaire
superieure avec des coecients O() arbitrairement petits. Soit Nh la norme
108 Analyse num
erique et
equations diff
erentielles

hermitienne sur Cm ayant ( e1 , . . . , em ) pour base orthonormee et Ne la norme


euclidienne induite sur Rm (restriction de Nh `a Rm ). On a alors

 N |||D|||N + |||T |||N .


|||A|||Ne |||A||| h h h

Comme |||D|||Nh = (A) et comme |||T |||Nh = O() peut etre rendue arbitrairement
petite, il vient
inf |||A|||Ne (A).
N Ne

1/p
(3) On a dune part (A) = (Ap )1/p |||Ap |||N .
Inversement, etant donne > 0, on peut choisir gr ace `a (2) une norme euclidienne
N Ne telle que |||A|||N (A) + . Comme toutes les normes sur lespace de
dimension nie des matrices carrees m m sont equivalentes, il existe une constante
C 1 telle que |||B|||N C |||B|||Ne pour toute matrice B. Pour B = Ap , on en
deduit
|||Ap |||N C |||Ap |||N C |||A|||pN C ((A) + )p ,
1/p
|||Ap |||N C1/p ((A) + ).

Comme lim C1/p = 1, il existe p N tel que


p+

1/p
p p |||Ap |||N (A) + 2,

et le theor`eme est demontre.


 
  
Soit un ouvert de Rm et : Rm une fonction de classe C 1 . Soit N =
une norme xee sur Rm . On note  (x) L(Rm , Rm ) lapplication lineaire tangente
au point x , de sorte que

(x + h) (x) =  (x) h + h (h), lim (h) = 0.


h0

Lemme
` la norme N , alors ||| (x)|||N k
(1) Si est k-lipschizienne sur relativement a
pour tout x .
(2) Si est convexe et si ||| (x)|||N k pour tout x , alors est
k-lipschitzienne sur relativement a
` N.

D
emonstration

(1) Pour tout > 0, il existe r > 0 tel que h r (h) . Par linearite de
 (x), on a
 (x) h
||| (x)|||N = sup ;
h =r h
IV M
ethodes it
eratives pour la r
esolution d
equations 109

or  (x) h = (x + h) (x) h (h),

 (x) h (x + h) (x) + h (h)


k h + h (h) (k + ) h .

Il vient donc ||| (x)|||N k + , et ce quel que soit > 0.

(2) Inversement, si est convexe, on peut ecrire


 1
(y) (x) = (1) (0) =  (t)dt avec
0
(t) = (x + t(y x)),  (t) = (x + t(y x)) (y x).


On en deduit
 1
(y) (x) =  (x + t(y x)) (y x)dt,
0
 1
(y) (x) ||| (x + t(y x))|||N y x dt k y x .
0

Th eme Soit a un point xe de . Alors les deux proprietes suivantes


eor`
sont equivalentes :
(i) Il existe un voisinage ferme V de a tel que (V ) V et une norme N sur Rn
telle que |V soit contractante pour N .
(ii) ( (a)) < 1.
On dit alors que le point xe a est attractif.

Demonstration. Si |V est contractante de rapport k < 1 alors dapr`es la partie


(1) du lemme on a
( (a)) ||| (a)|||N k < 1.
Inversement, si ( (a)) < 1, il existe une norme euclidienne N telle que
||| (a)|||N < 1. Par continuite de  , il existe une boule fermee V = B(a, r), r > 0,
telle que supV ||| |||N = k < 1. Comme V est convexe, est alors contractante de
rapport k sur V ; en particulier (V ) B(a, kr) V .

Remarque Si est de classe C 2 et si  (a) = 0, la formule de Taylor montre


quil existe une constante M 0 telle que

(x) a M x a 2 , x B(a, r).

Le phenom`ene de convergence quadratique a donc encore lieu ici.


110 Analyse num
erique et
equations diff
erentielles

  
  
 
Soit a` resoudre une equation f (x) = 0 o`u f : Rm est une application de
2
classe C denie sur un ouvert R . On cherche a` evaluer numeriquement une
m

solution a du syst`eme f (x) = 0, connaissant une valeur approchee grossi`ere x0 de a.


Comme dans la methode de Newton usuelle, lidee est dapproximer f par sa partie
lineaire au point x0 :

f (x) = f (x0 ) + f  (x0 ) (x x0 ) + o( x x0 )

On resout alors lequation f (x0 ) + f  (x0 ) (x x0 ) = 0. Si f  (x0 ) L(Rn , Rm ) est


inversible, on a une solution unique x1 telle que x1 x0 = f  (x0 )1 f (x0 ), soit

x1 = x0 f  (x0 )1 f (x0 ).

On va donc iterer ici lapplication de classe C 1

(x) = x f  (x)1 f (x).

Th eme On suppose que f est de classe C 2 , que f (a) = 0 et que lapplication


eor`
lineaire tangente f  (a) L(Rm , Rm ) est inversible. Alors a est un point xe
superattractif de .

Demonstration. Calculons un developpement limite `a lordre 2 de (a + h) quand


h tend vers 0. On a
1
f (a + h) = f  (a) h + f  (a) (h)2 + o( h 2 )
2
 1 
= f  (a) h + f  (a)1 (f  (a) (h)2 ) + o( h 2 ) .
2
f  (a + h) = f  (a) + f  (a) h + o( h )
 
= f  (a) Id + f  (a)1 (f  (a) h) + o( h ) ,
f  (a + h)1 = [ ]1 f  (a)1
 
= Id f  (a)1 (f  (a) h) + o( h f  (a)1 ,

f  (a + h)1 f (a + h)
   1 
= Id f  (a)1 (f  (a) h) + o( h ) h + f  (a)1 (f  (a) (h)2 ) + o( h )
2
1  1  2 2
= h f (a) (f (a) (h) ) + o( h ) ,
2
do`
u nalement

(a + h) = a + h f  (a + h)1 f (a + h)
1
= a + f  (a)1 (f  (a) (h)2 ) + o( h 2 ).
2
IV M
ethodes it
eratives pour la r
esolution d
equations 111

On en deduit  (a) = 0 et  (a) = f  (a)1 f  (a). En particulier


1
(a + h) a (M + (h)) h 2
2
u M = ||| (a)|||. Le theor`eme est demontre.
o`

Exemple Soit a` resoudre le syst`eme



x2 + xy 2y 2 = 4
xex + yey = 0.
On commence par tracer les courbes C1 : x2 + xy 2y 2 = 4 et C2 : xex + yey = 0
de mani`ere `a obtenir graphiquement une approximation grossi`ere des solutions.
2
C1 est une hyperbole dasymptotes
 x  + xy  2y 2 = (x y)(x + 2y) = 0 ; cette
2 2
hyperbole passe par les points et .
0 0
La courbe C2 est symetrique par rapport a` la droite y = x ; de plus x, y sont
necessairement de signe opposes. Supposons par exemple x 0, y 0. Comme la
fonction y yey est strictement croissante de [0, +[ sur [0, +[, a` chaque point
x 0 correspond un unique point y 0. Ce point y est la solution de xex +yey = 0,
et peut par exemple sobtenir par iteration de la fonction
xex + yey y 2 xexy
(x) = y y
= ,
(1 + y)e 1+y
fournie par la methode de Newton appliquee `a la variable y. Pour x = 0, on a
y = 0 ; en decrementant x par pas de 0, 1 avec comme valeur initiale de y0 la valeur
de la solution y trouvee pour la valeur x precedente, on obtient la courbe C2 .

y
x
y=

C1

1
S

2 1 2 x

C2 y=
<x
/2
112 Analyse num
erique et
equations diff
erentielles

   
a a
On voit que le syst`eme precedent admet une solution S unique, avec 
  b b
2
tr`es grossi`erement. Pour obtenir une valeur approchee plus precise, on
0, 2    
x 0
cherche `a resoudre lequation f = avec
y 0
   2 
x x + xy 2y 2 4
f = .
y xex + yey
Lapplication lineaire tangente `a f est donnee par
   f1 f1   
 x x y 2x + y x 4y
f = f2 f2 =
y (x + 1)ex (y + 1)ey
x y

La condition f  (S) inversible signie que les tangentes


fi fi
(S)(x a) + (S)(y b) = 0, i = 1, 2,
x y
aux courbes C1 , C2 au point S sont distinctes. Cest bien le cas ici. On obtient
&  '1  
 x 1 (x + 1)ey x + 4y
f =
y (x, y) (x + 1)ex 2x + y

 (x 4y)(x + 1)e . On est alors amene `a calculer


y x
avec (x,y) = (2x + y)(y
 + 1)e
xp+1 xp
les iteres = avec
yp+1 yp
      2 
x x 1 (y + 1)ey x + 4y x + xy 2y 2 4
=
y y (x, y) (x + 1)ex 2x + y xex + yey
   
x0 2
Partant du point initial = , on trouve
y0 0, 2

p xp yp

0 2 0, 2
1 2, 130690999 0, 205937784
2 2, 126935837 0, 206277868
3 2, 126932304 0, 206278156
4 2, 126932304 0, 206278156

   
a 2, 126932304
do`
u S=  .
b 0, 206278156
IV M
ethodes it
eratives pour la r
esolution d
equations 113

 
  
    
Nous allons ici exploiter le theor`eme du point xe pour demontrer quelques
resultats fondamentaux du calcul dierentiel. Notre objectif est dobtenir aussi
des estimations quantitatives pour ces theor`emes, parce que ces estimations sont
souvent necessaires pour majorer les erreurs commises dans les calculs numeriques.



    
   
Nous commencons par un lemme de perturbation, qui sapplique dans un espace
numerique Rm muni dune norme N quelconque.

Lemme Soit f : B(x0 , r) Rm une application denie sur une boule de rayon
r dans Rm , telle que
f (x) = x + u(x)
o`u u est une application contractante de rapport k < 1 ( petite perturbation de
lidentite ). Alors
(1) f est un homeomorphisme de B(x0 , r) sur un ouvert V = f (B(x0 , r)) de Rm ;
(2) f est (1 + k)-lipschitzienne et son application reciproque f 1 : V B(x0 , r) est
(1 k)1 lipschitzienne ;
(3) limage V satisfait lencadrement

B(f (x0 ), (1 k)r) V B(f (x0 ), (1 + k)r).

Demonstration. Quitte a` remplacer f par f(x) = f (x + x0 ) f (x0 ) et u par


(x) = u(x + x0 ) u(x0 ), on peut supposer que x0 = 0 et f (0) = u(0) = 0. On a
u
de facon evidente

x2 x1 u(x2 ) u(x1 ) f (x2 ) f (x1 ) x2 x1 + u(x2 ) u(x1 ) ,


(1 k) x2 x1 f (x2 ) f (x1 ) (1 + k) x2 x1 .

Il en resulte que f est injective et (1 + k)-lipschitzienne, et que f (x) (1 + k) x .


Par suite f est une bijection de B(0, r) sur son image V , et

V = f (B(0, r)) B(0, (1 + k)r).

On consid`ere maintenant un rayon r < r quelconque, et pour y Rm donne, on


introduit lapplication

(x) = y + x f (x) = y u(x).

De meme que u, cest une application k-lipschitzienne, et comme

(x) y + k x ,

on voit que envoie B(0, r ) dans B(0, r ) d`es lors que y (1k)r . Le theor`eme
du point xe applique `a lespace complet E = B(0, r ) implique que poss`ede un
114 Analyse num
erique et
equations diff
erentielles

point xe (x) = x unique, cest-`a-dire que lequation f (x) = y determine un unique


antecedent x B(0, r ). On en deduit que f (B(0, r )) B(0, (1 k)r ). Comme
r < r est arbitraire, on a bien

V = f (B(0, r)) B(0, (1 k)r).

Ceci demontre dej`a (3). En se placant en un point x1 B(x0 , r) quelconque et


en remplacant r par > 0 petit, on voit que limage f (B(x1 , )) contient un
voisinage B(f (x1 ), (1 k)) de f (x1 ), par suite V = f (B(x0 , r)) est un ouvert.
Enn, linegalite de gauche dans lencadrement de Lipschitz de f implique

(1 k) f 1 (y2 ) f 1 (y1 ) y2 y1

pour tous y1 , y2 V , ce qui entrane que f 1 est continue (1 k)1 -lipschitzienne


et que f est un homeomorphisme de B(x0 , r) sur V . Le lemme est demontre.

Th eme dinversion locale Soit f : Rm une application de classe


eor`
C k denie sur un ouvert de Rm avec k 1. Etant donne un point x0 , on

suppose que lapplication lineaire tangente  = f (x0 ) L(Rm , Rm ) est inversible.
Alors
(1) Il existe un voisinage U = B(x0 , r) de x0 tel que V = f (U ) soit un ouvert de
Rm et f un dieomorphisme de classe C k de U sur V .
(2) Pour tout y = f (x), x U , la dierentielle de g = f 1 est donnee par
g  (y) = (f  (x))1 , soit g  (y) = (f  (g(y)))1 ou encore

(f 1 ) (y) = (f  (f 1 (y)))1 L(Rm , Rm ).

(3) On suppose k 2. Si B(x0 , r0 ) et si M est un majorant de f  sur


B(x0 , r0 ), on peut choisir U = B(x0 , r) avec r = min(r0 , 12 M 1 |||1 |||1 ).

D emonstration. Lapplication u(x) = 1 (f (x)) x est de classe C 1 et on a


u (x0 ) = 1 f  (x0 ) Id = 0 dans L(Rm , Rm ). Par continuite de u , il existe une


boule B(x0 , r) sur laquelle |||u (x)||| k < 1, ce qui entrane que u est contractante
de rapport k. Le lemme precedent montre alors que f(x) = 1 f (x) = x + u(x)
denit un homeomorphisme lipschitzien de U = B(x0 , r) sur V = f(V ), donc
f =  f est un homeomorphisme lipschitzien de U sur V = (V ), la constante de
Lipschitz de f etant majoree par K = (1 + k)|||l||| et celle de g = f 1 = f1 1
par K  = (1 k)1 |||1 |||.
Maintenant, si f est de classe C 2 et |||f  ||| M sur la boule B(x0 , r0 ) ,
nous avons u = 1 f  , donc |||u ||| M |||1 ||| et le theor`eme des ac-
croissements nis nous donne |||u (x)||| M |||1 ||| x x0 sur B(x0 , r0 ). Pour
r = min(r0 , 12 M 1 |||1 |||1 ), on voit que |||u ||| k = 12 sur B(x0 , r) et on peut
appliquer ce qui prec`ede.
Pour tous y, V et x = g(y), = g(x) U = B(x0 , r), lhypoth`ese de
dierentiablilite de f au point x implique

y = f () f (x) = f  (x)( x) + ( x) x
IV M
ethodes it
eratives pour la r
esolution d
equations 115

avec limh0 (h) = 0. Comme 1 f  (x) = Id +u (x) o` u |||u (x)||| k < 1 sur
B(x0 , r), lapplication lineaire  f (x) est bien inversible. Par consequent f  (x)
1 

lest aussi, et nous pouvons ecrire


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

soit
 
g() g(y) = f  (x)1 ( y) f  (x)1 (g() g(y) g() g(y)
 
avec limy f  (x)1 (g() g(y) = 0 et g() g(y) K  y . On voit ainsi
que g = f 1 est bien dierentiable au point y et que g  (y) = f  (x)1 = f  (g(y))1 .
Linversion dune matrice etant une operation continue (et meme indeniment
dierentiable), on en deduit que g  est continue sur V , cest-`a-dire que g est de
classe C 1 .
Si f est de classe C k , k 2, on verie par recurrence que g est aussi de classe C k :
f  est de classe C k1 , g lest aussi par hypoth`ese de recurrence, donc g  est de
classe C k1 , cest-`a-dire que g est de classe C k . Le theor`eme est demontre.



            

Nous allons reformuler le theor`eme dinversion locale pour en tirer dierentes
variantes et dierentes consequences geometriques. La variante la plus importante
est le theor`eme des fonctions implicites.

Th
eor`
eme des fonctions implicites Soit un ouvert de Rp Rm
et f : R une application de classe C , k 1. On se donne un point
m k

(x0 , y0 ) Rp Rm , et on suppose que


(i) f (x0 , y0 ) = 0 ;
 f 
(ii) la matrice des derivees partielles fy (x0 , y0 ) =
i
(x0 , y0 )
yj 1i,jm
est inversible dans L(Rm , Rm ).
Alors il existe un voisinage U V de (x0 , y0 ) dans sur lequel fy (x, y) est inversible,
et une application g : U V de classe C k telle que  lequation implicite 
f (x, y) = 0 pour (x, y) U V soit equivalente ` a y = g(x), x U . La derivee de
g est donnee par la formule

g  (x) = fy (x, g(x))1 fx (x, g(x)).

Autrement dit, le theor`eme des fonctions implicites dit que lensemble des solutions
de lequation f (x, y) = 0 dans U V peut etre  explicite  comme le graphe y = g(x)
dune fonction g : U V de classe C k , l`
a o` u fy (x, y) est inversible.

Remarque 1 On voit immediatement que le theor`eme des fonctions implicites


contient le theor`eme dinversion locale. Il sut de poser F (x, y) = x f (y),
116 Analyse num
erique et
equations diff
erentielles

 = Rm Rm Rm pour obtenir lexistence de la fonction reciproque


(x, y)
u f  (y0 ) est inversible.
y = g(x) de f au voisinage de tout point y0 o`

Demonstration. En sens inverse, nous allons montrer que le theor`eme dinversion


locale implique facilement le theor`eme des fonctions implicites (ce sont donc des
theor`emes  equivalents ). Avec les hypoth`eses faites sur f , considerons

F : Rp Rm , (x, y) F (x, y) = (x, f (x, y)).

Nous avons F (x0 , y0 ) = (x0 , 0) et la matrice de la dierentielle de F est donnee par


 
Id 0
F  (x, y) = .
fx (x, y) fy (x, y)

Ceci permet de voir aussitot que F  (x, y) L(Rp+m , Rp+m ) est inversible en tout
u fy (x, y) L(Rp , Rp ) lest, avec
point o`
 
Id 0
F  (x, y)1 = .
fy (x, y)1 fx (x, y) fy (x, y)1

En particulier, F  (x0 , y0 ) est inversible par hypoth`ese.


Le theor`eme dinversion locale montre que F est un dieomorphisme de classe C k
dun voisinage T = U1 V1 de (x0 , y0 ) sur un voisinage W . de (x0 , 0) dans Rp Rm
(Quitte a` retrecir T on peut supposer que T est un produit de boules ouvertes).
Lapplication H = F 1 : W . U1 V1 , (u, v) (x, y) = H(u, v) est la solution
de lequation F (x, y) = (x, f (x, y)) = (u, v) pour (x, y) U 1 V1 , donc x = u
et on voit que H est de la forme H(u, v) = (u, h(u, v)) pour une certaine fonction
h:W . V1 . Pour (x, y) U1 V1 et (x, v) W . , nous avons lequivalence

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

La fonction g(x) = h(x, 0) donne donc precisement y = g(x) comme solution


delequation f (x, y) = 0 lorsque (x, y) U1 V1 et (x, 0) W . . Denissons U comme
.
lensemble des x U1 tels que (x, 0) W et V = V1 . Nous obtenons ainsi U, V qui
sont des voisinages ouverts de x0 et y0 respectivement, et une application g : U V
de classe C k qui repond a` la question. De plus g  (x) = hx (x, 0) est la derivee
partielle en x de la composante h dans H  (x, 0) = F  (H(x, 0))1 = F  (x, g(x))1 ,
cest-`a-dire
g  (x) = fy (x, g(x))1 fx (x, g(x)).

Remarque 2 Dun point de vue numerique, le calcul de y = g(x) au


voisinage de x0 pourra se faire en utilisant la methode de Newton-Raphson ap-
pliquee `a la fonction y f (x, y), cest-`a-dire en calculant les iteres successifs
yp+1 = yp fy (x, yp )1 (f (x, yp )) a` partir de la valeur approchee y0 .

Nous abordons maintenant des enonces plus geometriques.


IV M
ethodes it
eratives pour la r
esolution d
equations 117

enition Soit un ouvert de Rm et f : Rp une application de classe C k ,


D
k 1. On dit que
(1) f est une immersion en un point x0 si f  (x0 ) L(Rm , Rp ) est injective
(ce qui implique m p) ;
(2) f est une submersion en un point x0 si f  (x0 ) L(Rm , Rp ) est surjective
(ce qui implique m p) ;
(3) f est de rang constant si le rang de f  (x) pour x est un entier r constant
(ce qui implique r min(m, p)).

La structure locale de telles applications est decrite respectivement par les trois
theor`emes suivants.
Th eme des immersions Si f est une immersion en un point x0 , il
eor`
existe un voisinage U de x0 dans Rm , un voisinage V de y0 = f (x0 ) dans Rp et un
C k -dieomorphisme : V U T de V sur un voisinage U T de (x0 , 0) dans
Rp = Rm Rpm tel que f (x) = (x, 0) sur U .
Autrement dit, au dieomorphisme pr`es dans lespace darrivee, f = f
sidentie a` linjection triviale x (x, 0) au voisinage de x0 .

Th eme des submersions Si f est une submersion en un point x0 ,


eor`
il existe un voisinage U de x0 dans Rm , un voisinage V de y0 = f (x0 ) dans Rp et
un C k -dieomorphisme : U V S de U sur un voisinage V S de (y0 , 0) dans
Rm = Rp Rmp tel que f 1 (y, s) = y sur V S.
Autrement dit, au dieomorphisme pr`es dans lespace de depart, f = f 1
sidentie a` la projection triviale (y, s) y au voisinage de (y0 , 0).

Th eme du rang Si f est de rang constant r sur et si x0 , il


eor`
existe un voisinage U de x0 dans Rm , un voisinage V de y0 = f (x0 ) dans Rp ,
un C k -dieomorphisme : U Q S de U sur un voisinage Q S de 0 dans
Rm = Rr Rmr , et un C k -dieomorphisme : V Q T de V sur un voisinage
Q T de 0 dans Rp = Rp Rpr , tels que

f 1 (x) = (x1 , . . . , xr , 0, . . . , 0) Rp sur Q S.

Autrement dit, aux dieomorphismes , pr`es a ` la fois au depart et `


a larrivee,
f = f 1 sidentie a
` lapplication lineaire canonique de rang r

() (x1 , . . . , xr , xr+1 , . . . , xm ) Rm (x1 , . . . , xr , 0, . . . , 0) Rp

au voisinage de 0, et on a le diagramme commutatif


f
U V

 0  0
Q S Q T
f

u f est lapplication lineaire ().


o`
118 Analyse num
erique et
equations diff
erentielles

D emonstration du th eor`eme des immersions. Choisissons des vecteurs


lineairement independants (a1 , . . . apm ) de Rp de sorte quon ait une decomposition
en somme directe 1
Rp = Im f  (x0 ) Rai .
1ipm

Cest possible puisque dim Im f (x0 ) = m dapr`es linjectivite de f  (x0 ). Nous




denissons

: Rpm Rp , (x, t) = f (x) + ti a i .
1ipm

Comme (x, t)/ti = ai , il est clair que Im  (x0 , 0) contient a` la fois Im f  (x0 )
et les ai , donc  (x0 , 0) est surjective. Mais comme est une application de
Rp dans Rp , ceci entrane que  (x0 , 0) est inversible. Par consequent denit
un C k -dieomorphisme dun voisinage U T de (x0 , 0) sur un voisinage V de
y0 = f (x0 ). Nous avons (x, 0) = f (x) par denition de , donc = 1 repond
a la question.
`

D emonstration du th eor`eme des submersions. Soit (a1 , . . . , am ) une base


de Rm choisie de telle sorte que (ap+1 , . . . , am ) soit une base de Ker f  (x0 ). Nous
denissons

: Rp Rmp , (x) = (f (x), sp+1 , . . . , sm )

o`
u (s 1 , . . . , sm ) d
esignent les coordonnees de x dans la base (ai ), cest-`a-dire
x = si ai . Le noyau Ker  (x0 ) est lintersection du noyau Ker f  (x0 ) avec le
sous-espace sp+1 = . . . = sm = 0 engendre par (a1 , . . . , ap ), et comme ces espaces
sont supplementaires on a Ker  (x0 ) = {0}. Ceci montre que  (x0 ) est injective,
et donc bijective. Par consequent est un C k -dieomorphisme dun voisinage U
de x0 sur un voisinage V S de (y0 , 0) = (f (x0 ), 0) (quitte a` retrecir ces voisinages,
on peut toujours supposer que le voisinage darrivee est un produit). On voit alors
que f = o` u est la projection sur les p-premi`eres coordonnees, de sorte que
f 1 = : (y, sp+1 , . . . , sm ) y. Le theor`eme est demontre.

Demonstration du th eor`
eme du rang. On construit des dieomorphismes i
entre ouverts de Rm et i entre ouverts de Rp de facon `a  simplier  progressive-
ment f :
f
U V

01 01
f1
U1 V1

02 02
f2
U2 V2 .

Le premier niveau (1 , 1 ) consiste simplement en des changements anes de


coordonnees : on choisit respectivement x0 et y0 = f (x0 ) comme nouvelles origines
IV M
ethodes it
eratives pour la r
esolution d
equations 119

dans Rm et Rp , ainsi que de nouvelles bases (a1 , . . . , am ) et (b1 , . . . , bp ) de sorte que


(ar+1 , . . . , am ) soit une base du noyau de Ker f  (x0 ) et bj = f  (x0 )(aj ), 1 j r.
Dans ces nouveaux rep`eres, la matrice de f  (x0 ) devient par construction la matrice
de rang r
1 ... 0 0 ... 0
.
. ... . .. . .
..
. . .

0 ... 1 ...
.
0 ... 0 ... 0
. . . .
.. .. .. ..
0 ... 0 ... 0
Ceci est precisement la matrice de la derivee f1 (0) de f1 = 1 f 1
1 `a lorigine.
En particulier, si : Rp Rr est la projection sur les r-premi`eres coordonnees,
alors f1 est une submersion de Rm dans Rr en 0, et dapr`es le theor`eme des
submersions on peut trouver un C k -dieomorphisme 2 de Rm `a lorigine tel que
f1 1
2 (x1 , . . . , xm ) = (x1 , . . . , xr )

pr`es de 0. Par consequent nous avons une ecriture


f1 1
2 (x1 , . . . , xm ) = (x1 , . . . , xr , hr+1 (x), . . . , hp (x))

au voisinage de 0. Or, par hypoth`ese, f1 1 1 1


2 = 1 f 1 2 est une application
de rang constant r, et la matrice de son application lineaire tangente

1 ... 0 0 ... 0
.
.. . .
. . .. .
.. .
..

0 ... 1
...
0 ... hr+1 /xr+1 . . . hr+1 /xm

. . . .
.. .. .. ..
0 ... hp /xr+1 ... hp /xm
ne peut etre de rang r que si hi /xj = 0 pour i, j > r, ce qui signie que
hr+1 , . . . , hp sont en fait des fonctions des seules variables x1 , . . . , xr . On a donc
une application de rang constant r
(x1 , . . . , xr ) (x1 , . . . , xr , hr+1 (x1 , . . . , xr ), . . . , hp (x1 , . . . , xr ))
au voisinage de 0. En dautres termes, cest une immersion de Rr dans Rp en 0, et
dapr`es le theor`eme des immersions il existe un C k -dieomorphisme 2 de Rp en 0
tel que
2 (x1 , . . . , xr , hr+1 (x1 , . . . , xr ), . . . , hp (x1 , . . . , xr )) = (x1 , . . . , xr , 0, . . . , 0)
pr`es de 0. Il sensuit que
2 f1 1
2 (x1 , . . . , xm ) = (x1 , . . . , xr , 0, . . . , 0)

au voisinage de 0. Lexistence de petits voisinages U2 = Q S et V2 = Q T est


alors immediate, et le theor`eme du rang constant est demontre avec = 2 1 ,
= 2 1 , U = 1 (U2 ), V = 1 (V2 ).
120 Analyse num
erique et
equations diff
erentielles



 
5.1. Soit (E, d) un espace metrique et : E E une application continue telle
que literee m = . . . soit contractante, avec constante de Lipschitz k ]0, 1[
et m N .

(a) On convient de noter 0 = IdE . Verier que la formule

d (x, y) = max k i/m d(i (x), i (y))


0im1

denit une distance sur E, topologiquement equivalente a` la distance d (cest-


a-dire que les ouverts pour d et d sont les memes). Montrer que (E, d ) est
`
complet d`es que (E, d) est complet.

(b) Montrer que est lipschitzienne de rapport k 1/m pour d . En deduire que
admet un point xe unique a, et que, pour tout point initial x0 E, il existe une
constante C telle que la suite des iteres xp = (xp1 ) verie d(xp , a) C kp/m .

5.2. On consid`ere la fonction f telle que

f (x) = x ln (x), x [1, +[.

On se propose detudier des algorithmes iteratifs permettant de calculer limage


reciproque f 1 (a) pour un reel a [0, +[ xe quelconque.

(a) Montrer que f est une bijection de [1, +[ sur [0, +[.

(b) On pose (x) = a


ln (x) . Pour a = e, calculer explicitement f 1 (a).
Pour quelles valeurs de a = e le procede iteratif xp+1 = (xp ) converge-t-il
lorsque la valeur initiale x0 est choisie assez voisine de f 1 (a) ?

(c) Soit xp+1 = (xp ) lalgorithme iteratif fourni par la methode de Newton pour
la resolution de lequation x ln (x) a = 0.

() Etudier les variations de la fonction et tracer sommairement la courbe
representative de .

() Etudier la convergence de la suite (xp ) pour a [0, +[ et x0 [1, +[
quelconques.

() Evaluer f 1 (2) par ce procede `a laide dune calculette. On donnera les
approximations successives obtenues.

5.3. On consid`ere la fonction

f (x) = exp(exp( cos(sin(x + ex )))) + x3 .

On donne f (0, 1)  1, 737 ; f (0, 2)  1, 789 a` 103 pr`es. Ecrire


un programme
permettant de resoudre lequation f (x) = 7/4 `a la precision = 1010 , ceci au
IV M
ethodes it
eratives pour la r
esolution d
equations 121

moyen dune methode iterative adaptee (qui permet deviter des calculs formels
trop compliques). La justication de la convergence nest pas demandee.

5.4. On se propose detudier le comportement des iteres dune fonction au voisinage


dun point xe, dans le cas critique o`
u la derivee vaut 1 en ce point.
Soit : R+ R+ une fonction de classe C 1 . On suppose que (0) = 0,  (0) = 1,
et que admet un developpement limite

(x) = x axk + xk (x)

avec
a > 0, k > 1, lim (x) = 0.
x0+

(a) Montrer quil existe h > 0 tel que pour tout x0 ]0, h] la suite iteree
xp+1 = (xp ) converge vers 0.

(b) On pose up = xm u m R. Determiner un equivalent de up+1 up en fonction


p o`
de xp .

(c) Montrer quil existe une valeur de m pour laquelle up+1 up poss`ede une limite
nie non nulle. En deduire un equivalent de xp .

(d) Pour (x) = sin x et x0 = 1, estimer le nombre diterations necessaires pour


atteindre xp < 105 .

5.5. Dans tout ce probl`eme, on travaille sur un intervalle [a, b] xe.

(a) Soit g : [a, b] R une fonction de classe C 2 telle que g(a) = g(b) = 0, g  (x) > 0
pour tout x dans ]a, b[. Demontrer
que g(x) ne sannule en aucun x de ]a, b[,
puis que g(x) < 0 pour tout x dans ]a, b[.
[Raisonner par labsurde et utiliser le theor`eme de Rolle.]

(b) Soit f : [a, b] R une fonction de classe C 2 telle que f (a) < 0, f (b) > 0,
f  (x) > 0 et f  (x) > 0 pour tout x dans ]a, b[.
Demontrer
() quil existe c (unique) dans ]a, b[ tel que f (c) = 0 ;
() quil existe m1 et m2 tels que

0 < m1 f  (x), 0 < f  (x) m2 pour tout x dans [a, b[.

(c) On conserve desormais les hypoth`eses de la question (b), et on se propose de


 calculer  c. Soit p le polyn
ome de degre 1 tel que p(a) = f (a), p(b) = f (b),
et soit c1 dans ]a, b[ tel que p(c1 ) = 0.
() Demontrer que a < c1 < c [appliquer la question (a) a` g(x) = f (x) p(x)].
122 Analyse num
erique et
equations diff
erentielles


() Etablir la majoration

1
|f (c1 )| m2 |(c1 a)(c1 b)|.
2

(d) Soit (cn ), n 0, la suite recurrente denie de la facon suivante :


on pose c0 = a ;
pour tout n 0 (et cn etant dej`a denie) on note pn lunique polyn ome
de degre 1 tel que pn (cn ) = f (cn ), pn (b) = f (b) ; et on denit cn+1 par
pn (cn+1 ) = 0.
() Mettre explicitement cette recurrence sous la forme cn+1 = (cn ).
() Demontrer que (cn ) est une suite strictement croissante contenue dans
lintervalle [a, c].
() Demontrer que la suite (cn ) converge vers c, et que, pour tout n 0, on a

f (cn )
|cn c| .
m1

(e) Programmation dun exemple. On pose f (x) = x4 + x 1.


Demontrer que lequation f (x) = 0 admet une racine c et une seule dans

lintervalle [0, 1]. Ecrire un programme permettant de calculer c `a 108 pr`es.

5.6. On consid`ere lapplication : R2 R2 denie par



    3 5
X = x + y +
x X 2 4
= ,
y Y 1
Y = x+y + 3
2
2 4

(a) Determiner les points xes de .

(b) Ces points xes sont-ils attractifs ?

(c) Soit B le point xe non attractif de . Montrer que admet une application
reciproque : V W de classe C , o`u V, W sont des voisinages de B. Le
point B est-il attractif pour ?

5.7. On cherche `a resoudre numeriquement le syst`eme dequations



y ln y x ln x = 3
(S)
x4 + xy + y 3 = a

o`
u x, y > 0 et o`
u a est un param`etre reel.

(a) Etudier sommairement les variations de la fonction x x ln x et montrer que
pour a 31 le syst`eme (S) na pas de solution (x, y) telle que x < 1. Montrer
IV M
ethodes it
eratives pour la r
esolution d
equations 123

que pour x 1 la solution y de la premi`ere equation est fonction croissante de x


et en deduire que le syst`eme (S) admet une solution (x, y) unique pour a 31.

(b) Montrer que la solution (x, y) est telle que

3
y =x+ `
u c ]x, y[.
1 + ln c

En deduire un equivalent de x et y en fonction de a quand a tend vers +.


Pouvez-vous raner cet equivalent et donner un developpement plus precis ?

(c) Ecrire lalgorithme permettant de resoudre le syst`eme (S) au moyen de la
methode de Newton. On prendra a = 104 .

5.8. Soit A une alg`ebre unitaire normee de dimension nie sur R, par exemple
lalg`ebre des matrices carrees m m. Soit u A un element inversible.

(a) Montrer quil existe des reels , tels que lapplication (x) = x + xux
admette x = u1 comme point xe superattractif.

(b) Pour les valeurs de , trouvees au (a), montrer que lon a linegalite
||| (x)||| 2 u xu1 . En deduire que la suite iteree xp+1 = (xp ) converge
1
vers u1 d`es que x0 B(u1 , r) avec r < 2 u .

(c) On suppose u = e v avec e = element unite de A et = v < 1. Montrer


+

que u est inversible et que u1 = v k . Determiner un entier n N tel que
k=0
lalgorithme du (b) converge pour x0 = e + v + . . . + v n .

(d) On suppose ici que A est commutative (exemple : A = R ou A = C). Chercher


un algorithme permettant de determiner une racine carree de u (sil en existe),
en utilisant uniquement additions et multiplications (Indication : considerer
(x) = x + ux3 ).
Si A = R, comment peut-on choisir x0 pour etre assure dobtenir la conver-
gence ?

5.9 . On suppose f : Rp de classe C k , k 2, o` u est un ouvert de Rm Rp .


Soit (x0 , y0 ) un point tel que f (x0 , y0 ) = 0 et  = fy (x0 , y0 ) inversible. Donner
des estimations precises de la taille des voisinages U , V intervenant dans le theor`eme
des fonctions implicites en fonction de ||||||, |||1 ||| et de bornes sur les derivees
premi`eres et secondes de f sur un voisinage B(x0 , r0 ) B(y0 , r0 ) .


 


   

Le but de ce chapitre est de demontrer les theor`emes generaux dexistence et


dunicite des solutions pour les equations dierentielles ordinaires. Il sagit du
chapitre central de la theorie, de ce fait necessairement assez abstrait. Sa bonne
comprehension est indispensable en vue de la lecture des chapitres ulterieurs.

 
 
 
    
 
 


 
  
     
 

Soit U un ouvert de R Rm et

f : U Rm

une application continue. On consid`ere lequation dierentielle

(E) y  = f (t, y), (t, y) U, t R, y Rm .

enition Une solution de (E) sur un intervalle I R est une fonction


D
derivable y : I Rm telle que
(i) (t I) (t, y(t)) U
(ii) (t I) y  (t) = f (t, y(t)).

L inconnue  de lequation (E) est donc en fait une fonction. Le qualicatif
ordinaire  pour lequation dierentielle (E) signie que la fonction inconnue y
depend dune seule variable t (lorsquil y a plusieurs variables ti et plusieurs derivees
y/ti , on parle dequations aux derivees partielles).
126 Analyse num
erique et
equations diff
erentielles

Ecriture en coordonn
ees Ecrivons les fonctions a` valeurs dans Rm en
termes de leurs fonctions composantes, cest-`a-dire

y = (y1 , . . . , ym ), f = (f1 , . . . , fm ).

Lequation (E) apparat comme un syst`eme dierentiel du premier ordre a` m


fonctions inconnues y1 , . . . , ym :


y1 (t) = f1 (t, y1 (t), . . . , ym (t))
(E) ...


ym (t) = fm (t, y1 (t), . . . , ym (t)).

Probl`
eme de Cauchy Etant donne un point (t0 , y0 ) U , le probl`eme de
Cauchy consiste `a trouver une solution y : I Rm de (E) sur un intervalle I
contenant t0 dans son interieur, telle que y(t0 ) = y0 .

Interpr
etation physique Dans de nombreuses situations concr`etes, la
variable t represente le temps et y = (y1 , . . . , ym ) est une famille de param`etres
decrivant letat dun syst`eme materiel donne. Lequation (E) traduit physiquement
la loi devolution du syst`eme considere en fonction du temps et de la valeur des
param`etres. Resoudre le probl`eme de Cauchy revient `a prevoir levolution du
syst`eme au cours du temps, sachant quen t = t0 le syst`eme est decrit par les
param`etres y0 = (y0,1 , . . . , y0,m ). On dit que (t0 , y0 ) sont les donnees initiales du
probl`eme de Cauchy.

    
 
 (m = 1)
Si on note x = t, lequation (E) se recrit

dy
(E) y = = f (x, y), (x, y) U R R.
dx

U
y(x)
y0

x0 x

V Equations diff
erentielles. R
esultats fondamentaux 127

Resoudre le probl`eme de Cauchy revient `a trouver une  courbe integrale  de (E)


passant par un point donne (x0 , y0 ) U .

Champ des tangentes A tout point M = (x0 , y0 ), on associe la droite DM


passant par M et de coecient directeur f (x0 , y0 ) :

DM : y y0 = f (x0 , y0 )(x x0 )

Lapplication M DM est appelee champ des tangentes associe `a lequation (E).


Une courbe integrale de (E) est une courbe dierentiable C qui a pour tangente en
chaque point M C la droite DM du champ des tangentes. Lexemple ci-dessous
correspond a` lequation y  = f (x, y) = x y 2 .

y DM
1
M

0 1 x

Lignes isoclines de (E) Par denition, ce sont les courbes

p : f (x, y) = p

correspondant a` lensemble des points M o` u la droite DM a une pente donnee p.


La courbe 0 joue un role interessant. On a en eet un regionnement de U :

U = U+ U 0 o` u
U+ = {M U ; f (M ) > 0}, U = {M U ; f (M ) < 0}.

Les courbes integrales sont croissantes dans U+ , decroissantes dans U , station-


naires (souvent extremales) sur 0 .

Exemple Les lignes isoclines de lequation y  = f (x, y) = x y 2 sont les


paraboles x = y 2 + p.
128 Analyse num
erique et
equations diff
erentielles

3/2
1

0 1 x

U+

0
U

  
 
Nous introduisons dabord le concept de prolongement dune solution. Lexpression
solution maximale est alors entendue implicitement au sens de la relation dordre
fournie par le prolongement des solutions.

enition 1 Soient y : I Rm , y : I Rm des solutions de (E). On dit que


D
y est un prolongement de y si I I et y|I = y.

enition 2 On dit quune solution y : I Rm est maximale si y nadmet


D
pas de prolongement y : I Rm avec I  I.

Th eme Toute solution y se prolonge en une solution maximale y (pas


eor`
necessairement unique).

D emonstration.* Supposons que y soit denie sur un intervalle I = |a, b| (cette


notation designe un intervalle ayant pour bornes a et b, incluses ou non dans I).
Il sura de montrer que y se prolonge en une solution y : |a, b| Rm (b b)
maximale `a droite, cest-` a-dire quon ne pourra plus prolonger y au del` a de b. Le
meme raisonnement sappliquera a` gauche.
Pour cela, on construit par recurrence des prolongements successifs y(1) , y(2) . . . de y
avec y(k) : |a, bk [ Rm . On pose y(1) = y, b1 = b. Supposons y(k1) dej`a construite

V Equations diff
erentielles. R
esultats fondamentaux 129

pour un indice k 1. On pose alors

ck = sup{c ; y(k1) se prolonge sur |a, c[ }.

On a ck bk1 . Par denition de la borne superieure, il existe bk tel que


bk1 bk ck et un prolongement y(k) : |a, bk [ Rm de y(k1) avec bk
arbitrairement voisin de ck ; en particulier, on peut choisir
1
ck b k < k si ck < +,
bk > k si ck = +.

La suite (ck ) est decroissante, car lensemble des prolongements de y(k1) contient
lensemble des prolongements de y(k) ; au niveau des bornes superieures on a donc
ck ck+1 . Si ck < + ` a partir dun certain rang, les suites

b1 b2 . . . bk . . . ck ck1 . . . c1

sont adjacentes, tandis que si ck = + quel que soit k on a bk > k. Dans les deux
cas, on voit que
b = lim bk = lim ck .
k+ k+

Soit y : |a, b| Rm le prolongement commun des solutions y(k) , eventuellement


prolonge au point b si cela est possible. Soit z : |a, c| Rm un prolongement de y.
Alors z prolonge y(k1) et par denition de ck il sensuit c ck . A la limite il vient
c c, ce qui montre que la solution y est maximale `a droite.

  
 
On suppose ici que louvert U est de la forme U = J o`
u J est un intervalle de
R et un ouvert de Rm .

D
enition Une solution globale est une solution denie sur lintervalle J tout
entier.

y
U

y(1)

y(2)

0 J t

Attention : toute solution globale est maximale, mais la reciproque est fausse.
130 Analyse num
erique et
equations diff
erentielles

Sur le schema ci-dessus par exemple, y(1) est globale tandis que y(2) est maximale
mais non globale.
Donnons un exemple explicite de cette situation.

Exemple (E) y  = y 2 sur U = R R.

Cherchons les solutions t y(t) de (E).

On a dune part la solution y(t) = 0.


y
Si y ne sannule pas, (E) secrit y2 = 1, do`
u par integration

1 1
= t + C, y(t) = .
y(t) t+C

Cette formule denit en fait deux solutions, denies respectivement sur ] , C[


et sur ]C, +[ ; ces solutions sont maximales mais non globales. Dans cet exemple
y(t) = 0 est la seule solution globale de (E).



      
Rappelons quune fonction de plusieurs variables est dite de classe C k si elle admet
des derivees partielles continues jusqu`
a lordre k.
Th eme Si f : R Rm U Rm est de classe C k , toute solution de (E)
eor`
y  = f (t, y) est de classe C k+1 .

D
emonstration. On raisonne par recurrence sur k.
k = 0 : f continue.
Par hypoth`ese y : I Rm est derivable, donc continue.
Par consequent y  (t) = f (t, y(t)) est continue, donc y est de classe C 1 .
Si le resultat est vrai a` lordre k 1, alors y est au moins de classe C k . Comme
f est de classe C k , il sensuit que y  est de classe C k comme composee de fonctions
de classe C k , donc y est de classe C k+1 .

Calcul des d
eriv
ees successives dune solution y On suppose pour
simplier m = 1. En derivant la relation y  (x) = f (x, y(x)) il vient

y  (x) = fx (x, y(x)) + fy (x, y(x))y  (x),


y  = fx (x, y) + f  (x, y)f (x, y) = f [1] (x, y)

avec f [1] = fx + fy f . Notons de mani`ere generale lexpression de la derivee k-i`eme
y (k) en fonction de x, y sous la forme

y (k) = f [k1] (x, y) ;



V Equations diff
erentielles. R
esultats fondamentaux 131

dapr`es ce qui prec`ede f [0] = f , f [1] = fx + fy f . En derivant une nouvelle fois, on
trouve
y (k+1) = (f [k1] )x (x, y) + (f [k1] )y (x, y) y 
= (f [k1] )x (x, y) + (f [k1] )y (x, y) f (x, y).

On obtient donc les relations de recurrence

y (k+1) = f [k] (x, y)


f [k] = (f [k1] )x + (f [k1] )y f, avec f [0] = f.

En particulier, le lieu des points dinexion des courbes integrales est contenu dans
la courbe f [1] (x, y) = 0.


 
    
Dans tout ce paragraphe, on consid`ere une equation dierentielle

(E) y  = f (t, y)

u f : U Rm est continue et U est un ouvert de R Rm .


o`


 
   



    

  


Le lemme tr`es simple ci-dessous montre que la resolution de (E) est equivalente a`
la resolution dune equation integrale :

Lemme Une fonction y : I Rm est une solution du probl`eme de Cauchy de


donnees initiales (t0 , y0 ) si et seulement si
(i) y est continue et (t I) (t, y(t)) U ,
 t
(ii) (t I) y(t) = y0 + f (u, y(u))du.
t0

En eet si y verie (i) et (ii) alors y est dierentiable et on a y(t0 ) = y0 ,


y  (t) = f (t, y(t)). Inversement, si ces deux relations sont satisfaites, (ii) sen deduit
par integration.


       
Pour resoudre lequation dierentielle (E), on va plutot chercher `a construire des
solutions de lequation integrale 2.1 (ii), et en premier lieu, on va montrer quune
solution passant par un point (t0 , y0 ) U ne peut seloigner  trop vite  de y0 .
132 Analyse num
erique et
equations diff
erentielles

On note une norme quelconque sur Rm et B(x, r) (resp. B(x, r)) la boule
ouverte (resp. fermee) de centre x et de rayon r dans Rm . Comme U est suppose
ouvert, il existe un cylindre

C0 = [t0 T0 , t0 + T0 ] B(y0 , r0 )

de longueur 2T0 et de rayon r0 assez petit, tel que C0 U . Lensemble C0 est ferme
borne dans Rm+1 , donc compact. Ceci entrane que f est bornee sur C0 , cest-`a-dire

M= sup f (t, y) < +.


(t,y)C0

Soit C = [t0 T, t0 + T ] B(y0 , r0 ) C0 un cylindre de meme diam`etre que C0 et


de demi-longueur T T0 .

D
enition On dit que C est un cylindre de securite pour lequation (E) si toute
solution y : I Rm du probl`eme de Cauchy y(t0 ) = y0 avec I [t0 T, t0 + T ]
reste contenue dans B(y0 , r0 ).

Rm

C r0
y0

C0

y(t)
U

0 t 0 T0 t t0 t 0 + T0 t
2T
2T0

Sur le schema ci-dessus, C est un cylindre de


securite mais C0 nen est pas un : la solution
y  sechappe  de C0 avant le temps t0 + T0 .

Supposons que la solution y sechappe de C sur lintervalle [t0 , t0 + T ]. Soit le


premier instant o`
u cela se produit :

= inf {t [t0 , t0 + T ] ; y(t) y0 > r0 }.



V Equations diff
erentielles. R
esultats fondamentaux 133

Par denition de on a y(t) y0 r pour t [t0 , [, donc par continuite de y


on obtient y( ) y0 = r0 . Comme (t, y(t)) C C0 pour t [t0 , ], il vient
y  (t) = f (t, y(t)) M et
4 4
4 4
r0 = y( ) y0 = 4 y  (u)du4 M ( t0 )
t0

donc t0 r0 /M . Par consequent si T r0 /M , aucune solution ne peut


sechapper de C sur [t0 T, t0 + T ].

Corollaire Pour que C soit un cylindre de securite, il sut de prendre


 r0 
T min T0 , .
M
 r0

Le choix T = min T0 , M convient par exemple.

Remarque Si C C0 est un cylindre de securite, toute solution du probl`eme


de Cauchy y : [t0 T, t0 + T ] Rm verie y  (t) M , donc y est lipschitzienne
de rapport M .

  
  
  
On cherche `a construire une solution approchee de (E) sur un intervalle [t0 , t0 + T ].
On se donne pour cela une subdivision

t0 < t1 < t2 . . . < tN 1 < tN = t0 + T.

Les pas successifs sont notes

hn = tn+1 tn , 0 n N 1,

et on pose
hmax = max(h0 , . . . , hN 1 ).
La methode dEuler (ou methode de la tangente) consiste `a construire une solution
approchee y ane par morceaux comme suit. Soit yn = y(tn ). On confond la
courbe integrale sur [tn , tn+1 ] avec sa tangente au point (tn , yn ) :

y(t) = yn + (t tn )f (tn , yn ), t [tn , tn+1 ].

Partant de la donnee initiale y0 , on calcule donc yn par recurrence en posant



yn+1 = yn + hn f (tn , yn )
tn+1 = tn + hn , 0 n N 1.

La solution approchee y sobtient graphiquement en tracant pour chaque n les


segments joignant les points (tn , yn ), (tn+1 , yn+1 ).
134 Analyse num
erique et
equations diff
erentielles

y3
y2

y1
y0

t0 t1 t2 t3 . . . tN = t0 + T t

On construit de meme une solution approchee sur [t0 T, t0 ] en prenant des pas
hn < 0.

Proposition 1 Si C = [t0 T, t0 + T ] B(y0 , r0 ) est un cylindre de securite


tel que T min T0 , M
r0
, toute solution approchee y donnee par la methode dEuler
est contenue dans la boule B(y0 , r0 ).

D
emonstration. On verie par recurrence sur n que

y([t0 , tn ]) B(y0 , r0 )
y(t) y0 M (t t0 ) pour t [t0 , tn ].
Cest trivial pour n = 0. Si cest vrai pour n, alors on a en particulier (tn , yn ) C,
donc f (tn , yn ) M , et par consequent
y(t) yn = (t tn ) f (tn , yn ) M (t tn )
pour t [tn , tn+1 ]. Par hypoth`ese de recurrence
yn y0 = y(tn ) y0 M (tn t0 ).
Linegalite triangulaire entrane alors t [tn , tn+1 ] :
y(t) y0 M (t tn ) + M (tn t0 ) M (t t0 ).
En particulier y(t) y0 M T r0 , do`
u
y([t0 , tn+1 ]) B(y0 , r0 ).

enition Soit y : [a, b] Rm une fonction de classe C 1 par morceaux (ceci


D
signie quil existe une subdivision a = a0 < a1 < . . . < aN = b de [a, b] telle que
pour tout n la restriction y[an ,an+1 ] soit de classe C 1 ; on suppose donc seulement
la continuite et lexistence dune derivee ` a gauche de y aux points an ).
a droite et `
On dit que y est une solution -approchee de (E) si
(i) (t [a, b]) (t, y(t)) U ;
(ii) (n), (t ]an , an+1 [) y  (t) f (t, y(t)) .

V Equations diff
erentielles. R
esultats fondamentaux 135

Autrement dit, y est une solution -approchee si y verie (E) avec une erreur .

Majoration de lerreur pour les solutions approch


ees dEuler Soit
f le module de continuite de f sur C, deni par

f (u) = max{ f (t1 , y1 ) f (t2 , y2 ) ; |t1 t2 | + y1 y2 u}

u u [0, +[ et o`
o` u les points (t1 , y1 ), (t2 , y2 ) parcourent C. Comme C est
compact, la fonction f est uniformement continue sur C, par consequent

lim f (u) = 0.
u0+

On suppose dans la suite que C = [t0 T, t0 + T ] B(y0 , r0 ) est un cylindre de


securite tel que T min T0 , M
r0
.

Proposition 2 Soit y : [t0 T, t0 + T ] Rm une solution approchee


construite par la methode dEuler avec pas maximum hmax . Alors lerreur verie
f ((M + 1)hmax ).

En particulier, lerreur tend vers 0 quand hmax tend vers 0.

Demonstration. Majorons par exemple y  (t) f (t, y(t)) pour t [t0 , t0 + T ],


u y est la solution approchee associee `a la subdivision t0 < t1 < . . . < tN = t0 + T .
o`
Pour t ]tn , tn+1 [, on a y  (t) = f (tn , yn ) et

y(t) yn = (t tn ) f (tn , yn ) M hn ,
|t tn | hn .

Par denition de f , il vient

f (tn , yn ) f (t, y(t)) f (M hn + hn ),


y  (t) f (t, y(t)) f ((M + 1)hmax .

Montrons nalement un resultat sur la convergence des solutions approchees.

Proposition 3 Soit y(p) : [t0 T, t0 + T ] Rm une suite de solutions


p -approchees contenues dans le cylindre de securite C, telles que y(p) (t0 ) = y0 et
limp+ p = 0. On suppose que y(p) converge uniformement sur [t0 T, t0 + T ]
vers une fonction y. Alors y est une solution exacte du probl`eme de Cauchy pour
lequation (E).


emonstration. Comme y(p)
D (t) f (t, y(p) (t) p , il vient apr`es integration
 t
y(p) (t) y0 f (u, y(p) (u))du p |t t0 |.
t0
136 Analyse num
erique et
equations diff
erentielles

Si p = max y y(p) , on voit que


[t0 T,t0 +T ]

f (u, y(p) (u)) f (u, y(u)) f (p )

tend vers 0, do`


u, gr
ace `a la convergence uniforme :
 t
y(t) y0 f (u, y(u))du = 0, t [t0 T, t0 + T ].
t0

Comme la limite uniforme y est continue, le lemme du debut du 2 entrane que y


est une solution exacte de (E).

 
 
 
Il sagit dun resultat preliminaire de nature topologique que nous allons formuler
dans le cadre general des espaces metriques. Si (E, ) et (F,  ) sont des espaces
metriques, rappelons que par denition une suite dapplications (p) : E F
converge uniformement vers : E F si la distance uniforme

d((p) , ) = sup  ((p) (x), (x))


xE

tend vers 0 quand p tend vers +.

Theor`eme (Ascoli) On suppose que E, F sont des espaces metriques compacts.


Soit (p) : E F une suite dapplications k-lipschitziennes, o` u k 0 est une
constante donnee. Alors on peut extraire de (p) une sous-suite (pn ) uniformement
convergente, et la limite est une application k-lipschitzienne.

Soit Lipk (E, F ) lensemble des applications E F lipschitziennes de rapport k.


Une autre mani`ere dexprimer le theor`eme dAscoli est la suivante.

Corollaire Si E, F sont compacts, alors (Lipk (E, F ), d) est un espace metrique


compact.

D
emonstration. On construit par recurrence des parties innies

S0 = N S1 . . . Sn1 Sn . . .

telles que la sous-suite ((p) )pSn ait des oscillations de plus en plus faibles.
Supposons Sn1 construite, n 1. Comme E, F sont compacts, il existe des
recouvrements nis de E (resp. de F ) par des boules ouvertes (Bi )iI , resp. (Bj )jJ ,
de rayon n1 . Notons I = {1, 2, . . . , N } et xi le centre de Bi . Soit p un indice xe.

Pour tout i = 1, . . . , N il existe un indice j = j(p, i) tel que (p) (xi ) Bj(p,i) .
On consid`ere lapplication

Sn1 J N , p (j(p, 1), . . . , j(p, N )).



V Equations diff
erentielles. R
esultats fondamentaux 137

Comme Sn1 est inni et que J N est ni, lun des elements (l1 , . . . , lN ) J N
admet pour image reciproque une partie innie de Sn1 : on note Sn cette partie.
Ceci signie que pour tout p Sn on a (j(p, 1), . . . , j(p, N )) = (l1 , . . . , lN ) et donc
(p) (xi ) Bli . En particulier

2
(p, q Sn )  ((p) (xi ), (q) (xi )) diam Bli .
n
1
Soit x E un point quelconque. Il existe i I tel que x Bi , do`
u (x, xi ) < n.
Lhypoth`ese que les (p) sont k-lipschitziennes entrane

k k
 ((p) (x), (p) (xi )) < ,  ((q) (x), (q) (xi )) < .
n n
Linegalite triangulaire implique alors (p, q Sn )

2 k 2k + 2
 ((p) (x), (q) (x)) +2 = .
n n n
Designons par pn le n-i`eme element de Sn . Pour N n on a pN SN Sn , donc

2k + 2
 ((pn ) (x), (pN ) (x)) . ()
n
Ceci entrane que (pn ) (x) est une suite de Cauchy dans F pour tout x E. Comme
F est compact, F est aussi complet, donc (pn ) (x) converge vers une limite (x).
Quand N +, () implique a` la limite d((pn ) , ) 2k+2 n . On voit donc que
(pn ) converge uniformement vers . Il est facile de voir que Lipk (E, F ).

Exercice On pose E = [0, ], F = [1, 1], p (x) = cos px. Calculer



(p (x) q (x))2 dx
0

et en deduire que d(p , q ) 1 si p = q. Lespace


5
Lip (E, F ) = Lipk (E, F )
k0

est-il compact ?

 
 
   

Lidee est dutiliser le theor`eme dAscoli pour montrer lexistence dune sous-suite
uniformement convergente de solutions approchees. On obtient ainsi le
 
Th eor`eme Soit C = [t0 T, t0 + T ] B(y0 , r0 ) avec T min T0 , M r0
un
cylindre de securite pour lequation (E) : y  = f (t, y). Alors il existe une solution
y : [t0 T, t0 + T ] B(y0 , r0 ) de (E) avec condition initiale y  (t0 ) = y0 .
138 Analyse num
erique et
equations diff
erentielles

D emonstration. Soit y(p) la solution approchee donnee par la methode dEuler


en utilisant la subdivision avec pas constant h = T /p des intervalles [t0 , t0 + T ] et
[t0 T, t0 ]. Cette solution est p -approchee avec erreur p f ((M +1) T /p) tendant
vers 0. Chaque application y(p) : [t0 T, t0 + T ] B(y0 , r0 ) est lipschitzienne de
rapport M , donc dapr`es le theor`eme dAscoli on peut extraire de (y(p) ) une sous-
suite (y(pn ) ) convergeant uniformement vers une limite y. Dapr`es la proposition 3
du 2.3, y est une solution exacte de lequation (E).

Corollaire Par tout point (t0 , y0 ) U , il passe au moins une solution maximale
y : I Rm de (E). De plus, lintervalle de denition I de toute solution maximale
est ouvert (mais en general, il ny a pas unicite de ces solutions maximales).

On vient de voir en eet quil existe une solution locale z denie sur un intervalle
[t0 T, t0 + T ]. Dapr`es le theor`eme du 1.3, z se prolonge en une solution
maximale y = z : |a, b| Rm . Si y etait denie au point b, il existerait une
solution y(1) : [b , b + ] Rm du probl`eme de Cauchy avec donnee initiale
(b, y(b)) U . La fonction y : |a, b + ] Rm concidant avec y sur |a, b] et avec y(1)
sur [b, b + ] serait alors un prolongement strict de y, ce qui est absurde.

Exemple Pour donner un exemple de non unicite, il sut de considerer


lequation y  = 3|y|2/3 . Le probl`eme de Cauchy de condition initiale y(0) = 0
admet alors au moins 2 solutions maximales :

y(1) (t) = 0, y(2) (t) = t3 , t R.


 
  
 
Nous allons voir ici une condition geometrique necessaire et susante permettant
darmer quune solution est maximale.

Th eme U un ouvert de R Rm et y : I = [t0 , b[ Rm une solution de


eor`
lequation (E) y  = f (t, y), o` u f est une fonction continue sur U . Alors y(t) peut
se prolonger au del` a de b si et seulement si il existe un compact K U tel que la
courbe t (t, y(t)), t [t0 , b[, reste contenue dans K.
Autrement dit, y est non prolongeable au del`
a du temps b si et seulement si (t, y(t))
sechappe de tout compact K de U quand t b . La consequence suivante est
immediate.

Crit` e Une solution y : ]a, b[ Rm de (E) est maximale


ere de maximalit
si et seulement si t (t, y(t)) sechappe de tout compact K de U quand t a+
ou quand t b . Puisque les compacts sont les parties fermees bornees, ceci
signie encore que (t, y(t)) sapproche du bord de U ou tend vers , cest-`
a-dire
|t| + y(t) + 1/d (t, y(t)), U ) + quand t a+ ou t b .

D emonstration du th eor`eme. La condition de prolongement est evidemment


necessaire, puisque si y(t) se prolonge a` [t0 , b], alors limage du compact [t0 , b] par
lapplication continue t (t, y(t)) est un compact K U .

V Equations diff
erentielles. R
esultats fondamentaux 139

Inversement, supposons quil existe un compact K de U tel que (t, y(t)) K pour
tout t [t0 , b[. Posons
M = sup f (t, y) < +
(t,y)K

qui est ni par continuite de |f et compacite de K. Ceci entrane que t y(t) est
lipschitzienne sur [t0 , b[, donc uniformement continue, et le crit`ere de cauchy montre
que la limite  = limtb y(t) existe. Nous pouvons prolonger y par continuite en
b en posant y(b) = , et nous avons (b, y(b)) K U puisque K est ferme. La
relation y  (t) = f (t, y(t)) montre alors que y est de classe C 1 sur [t0 , b]. Maintenant,
le theor`eme dexistence locale des solutions implique quil existe une solution locale z
d probl`eme de Cauchy de donnee initiale z(b) =  = y(b) sur un intervalle [b, b+].
On obtient alors un prolongement y de y sur [t0 , b + ] en posant y(t) = z(t) pour
t [b, b + ]. Le theor`eme est demontre.


 
    
  
Reprenons les notations du debut du 2. On suppose ici en outre que f est
localement lipschitzienne en y : cela signie que pour tout point (t0 , y0 ) U il existe
un cylindre C0 = [t0 T0 , t0 + T0 ] B(y0 , r0 ) U et une constante k = k(t0 , y0 ) 0
tels que f soit k-lipschitzienne en y sur C0 :
 
(t, y1 ), (t, y2 ) C0 f (t, y1 ) f (t, y2 ) k y1 y2 .

Remarque Pour que f soit localement lipschitzienne en y sur U , il sut que


fi
f admette des derivees partielles y j
, 1 i, j m, continues sur U . Soit en eet
 
 fi 
A = max sup   (t, y) .
1i,jm (t,y)C0 y j

Le nombre A est ni puisque C0 est compact. Le theor`eme des accroissement nis


appliques `a fi sur C0 donne
 fi
fi (t, y1 ) fi (t, y2 ) = (t, )(y1,j y2,j )
j
yj

avec ]y1 , y2 [. On a donc

max |fi (t, y1 ) f (t, y2 )| mA max |y1,j y2,j |.


i j

Sous ces hypoth`eses sur f , nous allons montrer que la solution du probl`eme
de Cauchy est necessairement unique, et que de plus toute suite de solutions
-approchees avec tendant vers 0 converge necessairement vers la solution exacte.
Compte tenu de limportance de ces resultats, nous donnerons ensuite une deuxi`eme
demonstration assez dierente basee sur le theor`eme du point xe (chapitre IV,
1.1).
140 Analyse num
erique et
equations diff
erentielles

 
 
   
 
     
Soit C0 = [t0 T0 , t0 + T0 ] B(y0 , r0 ) U un cylindre sur lequel f est k-lipschi-
tzienne en y et soit M = supC0 f . On se donne > 0 et on consid`ere des solutions
y(1) et y(2) respectivement 1 -approchee et 2 -approchee du probl`eme de Cauchy de
donnee initiale (t0 , y0 ), avec 1 , 2 .

On a alors y(i) (t) M + , et un raisonnement analogue a` celui du 2.1 montre
que les graphes de y(1) , y(2) restent contenus dans le cylindre

C = [t0 T, t0 + T ] B(y, r0 ) C0
 
d`es que T min T0 , Mr+
0
, ce quon suppose desormais.

Lemme de Gronwall Sous les hypoth`eses precedentes, on a

ek|tt0 | 1
y(2) (t) y(1) (t) (1 + 2 ) , t [t0 T, t0 + T ].
k

Demonstration. Quitte a` changer lorigine du temps on peut supposer t0 = 0 et,


par exemple, t [0, T ]. Posons alors
 t
v(t) = y(2) (u) y(1) (u) du.
0

Comme y(i) satisfait lequation dierentielle `a i pr`es, on obtient par soustraction

 
y(2) (t) y(1) (t) f (t, y(2) (t) f (t, y(1) (t) + 1 + 2
k y(2) (t) y(1) (t) + 1 + 2 ,

en utilisant lhypoth`ese que f est k-lipschitzienne en y. De plus


 t
 
y(2) (t) y(1) (t) = (y(2) (u) y(1) (u))du
0

puisque y(2) (0) = y(1) (0) = y0 . On en deduit


 t
y(2) (t) y(1) (t) k y(2) (u) y(1) (u) du + (1 + 2 )t ()
0

cest-`a-dire
v  (t) kv(t) + (1 + 2 )t.

Apr`es soustraction de kv(t) et multiplication par ekt , on trouve

d
(v  (t) kv(t))ekt = (v(t)ekt ) (1 + 2 )tekt .
dt

V Equations diff
erentielles. R
esultats fondamentaux 141

Gr
ace `a une nouvelle integration (noter que v(0) = 0), il vient

kt
t
1 (1 + kt)ekt
v(t)e (1 + 2 )ueku du = (1 + 2 ) ,
0 k2
ekt (1 + kt)
v(t) (1 + 2 ) ,
k2

tandis que la premi`ere inegalite integree () donne

ekt 1
y(2) (t) y(1) (t) kv(t) + (1 + 2 )t (1 + 2 ) .
k

u t [T, 0] sobtient par un changement de variable t t.


Le cas o`

Th eme (Cauchy-Lipschitz) Si f : U Rm est localement lipschitzienne


eor`
en y, alors pour tout cylindre de securite C = [t0 T, t0 + T ] B(y0 , r0 ) comme
ci-dessus, le probl`eme de Cauchy avec condition initiale (t0 , y0 ) admet une unique
solution exacte y : [t0 T, t0 + T ] U . De plus, toute suite y(p) de solutions
p -approchees avec p tendant vers 0 converge uniformement vers la solution exacte
y sur [t0 T, t0 + T ].

Existence. Soit y(p) une suite quelconque de solutions p approchees avec


lim p = 0, par exemple celles fournies par la methode dEuler. Le lemme de
Gronwall montre que

ekT 1
d(y(p) , y(q) ) (p + q ) sur [t0 T, t0 + T ],
k

par consequent y(p) est une suite de Cauchy uniforme. Comme les fonctions y(p)
sont toutes a` valeurs dans B(y0 , r0 ) qui est un espace complet, y(p) converge vers
une limite y. Cette limite y est une solution exacte de lequation (E) dapr`es la
proposition 3 du 2.3.

Unicite. Si y(1) , y(2) sont deux solutions exactes, le lemme de Gronwall avec
1 = 2 = 0 montre que y(1) = y(2) .

    
 


    
 
Soit C = [t0 T, t0 + T ] B(y0 , r0 ) C0 avec T min T0 , M
r0
un cylindre de
securite pour (E).
Notons F = C([t0 T, t0 + T ], B(y0 , r0 )) lensemble des applications continues de
[t0 T, t0 + T ] dans B(y0 , r0 ), muni de la distance d de la convergence uniforme.
A toute fonction y F, associons la fonction (y) denie par
 t
(y)(t) = y0 + f (u, y(u))du, t [t0 T, t0 + T ].
t0
142 Analyse num
erique et
equations diff
erentielles

Dapr`es le lemme du 2.1, y est une solution de (E) si et seulement si y est un point
xe de . On va donc essayer dappliquer le theor`eme du point xe. Observons que
4 t 4
4 4
(y)(t) y0 = 4 f (u, y(u))du4 M |t t0 | M T r0 ,
t0

donc (y) F. Loperateur envoie donc F dans F. Soient maintenant y, z F et


y(p) = p (y), z(p) = p (z). On a

4 t 4
4 4
y(1) (t) z(1) (t) = 4 (f (u, y(u)) f (u, z(u))) du4
t0
 t 
 
 k y(u) z(u) du k|t t0 | d(y, z).
t0

De meme
 t 
 
y(2) (t) z(2) (t)  k y1 (u) z1 (u) du
0
 t  |t t0 |2
 
 k k|u t0 |d(y, z)du = k2 d(y, z).
t0 2

Par recurrence sur p, on verie aussit


ot que

|t t0 |p
y(p) (t) z(p) (t) kp d(y, z),
p!

en particulier
kp T p
d(p (y), p (z)) = d(y(p) , z(p) ) d(y, z) ()
p!
p p p p
et p est lipschitzienne de rapport k p!T sur F. Comme limp+ k p!T = 0, il existe
p p
p assez grand tel que k p!T < 1 ; pour une telle valeur de p, p est une application
contractante de F dans F. Par ailleurs, F est un espace metrique complet. Le
theor`eme du point xe demontre au chapitre IV (dans sa version generalisee au cas
dapplications dont une iteree est contractante) montre alors que admet un point
xe unique y. Nous avons donc bien redemontre le theor`eme de Cauchy-Lipschitz
armant lexistence et dunicite de la solution du probl`eme de Cauchy.

Remarque Dapr`es (), on voit que pour toute fonction z F la suite iteree
z(p) = p (z) converge uniformement vers la solution exacte y du probl`eme de
Cauchy.



 
Le theor`eme dunicite locale entrane facilement un resultat dunicite globale, au
moyen dun  raisonnement de connexite .

V Equations diff
erentielles. R
esultats fondamentaux 143

Th eme Soient y(1) , y(2) : I Rm deux solutions de (E), avec f localement


eor`
lipschitzienne en y. Si y(1) et y(2) concident en un point de I, alors y(1) = y(2)
sur I.

Demonstration. Supposons y(1) (t0 ) = y(2) (t0 ) en un point t0 I. Montrons par


exemple que y(1) (t) = y(2) (t) pour t t0 . Sil nen est pas ainsi, considerons le
premier instant 
t0 o`
u y(1) et y(2) bifurquent :


t0 = inf{t I ; t t0 et y(1) (t) = y(2) (t)}

On a par denition y(1) (t) = y(2) (t) pour t [t0 ,  t0 [ et par continuite il sensuit que
y(1) (t0 ) = y(2) (t0 ). Soit y0 ce point et soit C = [t0 T, 
    t0 + T]B( y0 , r0 ) un cylindre
de securite de centre ( t0 , y0 ). Le theor`eme dunicite locale implique que y(1) = y(2)
sur [t0 T, 
t0 + T], ce qui contredit la denition de  t0 . Lunicite est demontree.

Corollaire Si f est localement lipschitzienne en y sur U , pour tout point


(t0 , y0 ) U il passe une solution maximale y : I Rm et une seule.

Interpretation g eom etrique Le theor`eme dunicite signie geometri-


quement que des courbes integrales distinctes ne peuvent se couper.

Exemple y  = 3|y|2/3 sur U = R R.


Determinons lensemble des solutions maximales. On a ici f (t, y) = 3|y|2/3 ,
1/3
y = signe (y) 2|y| pour y = 0. La derivee y = 0 la derivee f
f
y est continue
sur les demi-plans y > 0 et y < 0, mais discontinue en y = 0. La fonction f est
localement lipschitzienne en y sur {y > 0} et {y < 0}, mais il est facile de voir
quelle ne lest pas au voisinage de tout point (t0 , 0) R {0} (on a vu dailleurs
quil ny a pas dunicite locale en ces points). Sur {y > 0} (resp. sur {y < 0})
lequation equivaut a`

1  2 1  2
y y 3 = 1 (resp. y (y) 3 = 1)
3 3

1 1
u y 3 = t + C1 (resp. (y) 3 = (t + C2 )) soit y(t) = (t + Ci )3 . Si y est une
do`
solution maximale dans U = R R, alors y  0, donc y est croissante. Notons

a = inf{t, y(t) = 0}, b = sup{t ; y(t) = 0}.

Si a = , on a y(a) = 0 et y(t) < 0 pour t < a, donc y(t) = (t a)3 . De meme


y(t) = (t b)3 pour t > b si b = +.
144 Analyse num
erique et
equations diff
erentielles

(t0 , y0 )

a a b t

On voit que pour tout point (t0 , y0 ) il passe une innite de solutions maximales : si
1/3
y0 > 0, b = t0 y0 est impose, mais le choix de a [, b] est arbitraire. Noter
que ce phenom`ene se produit bien quon ait unicite locale au point (t0 , y0 ) !

  




 

 
 
 

Nous donnons ici des conditions susantes dexistence pour les solutions globales,
reposant sur des hypoth`eses de croissance de f (t, y) lorsque y tend vers +.
On peut cependant obtenir des conditions susantes nettement plus faibles (voir
lexercice (b) ci-dessous, ainsi que le probl`eme 5.9).

Th eme Soit f : U Rm une application continue sur un ouvert produit


eor`
U = J Rm , o` u J R est un intervalle ouvert. On fait lune ou lautre des deux
hypoth`eses suivantes :
(1) Il existe une fonction continue k : J R+ telle que pour tout t J xe,
lapplication y f (t, y) soit lipschitzienne de rapport k(t) sur Rm .
(2) Il existe des fonctions c, k : J R+ continues telles que lapplication
y f (t, y) satisfasse une croissance lineaire a
` linni du type

f (t, y) c(t) + k(t) y .

Alors toute solution maximale de lequation dierentielle y  = f (t, y) est globale


(cest-`
a-dire denie sur J tout entier ).

Demonstration. Il est evident que lhypoth`ese (1) entrane lhypoth`ese (2) (avec
c(t) = f (t, 0) ), il surait donc de donner la preuve pour (2). Cependant, il y a
une demonstration sensiblement plus simple sous lhypoth`ese (1).
Demonstration sous lhypoth`ese (1). Soit (t0 , y0 ) J Rm , et [t0 T, t0 + T  ]
un intervalle compact quelconque contenu dans J. Reprenons la demonstration du
theor`eme de Cauchy-Lipschitz.

V Equations diff
erentielles. R
esultats fondamentaux 145

Comme U = J Rm , on peut choisir un cylindre de securite de rayon r0 = +.


Lapplication denie au 3.2 op`ere donc sur lespace complet

F = C([t0 T, t0 + T  ], Rm ).

Soit
K= max k(t).
t[t0 T,t0 +T  ]

Lapplication f est par hypoth`ese K-lipschitzienne en y sur [t0 T, t0 + T  ] Rm .


Dapr`es le raisonnement du 3.2, lapplication p est lipschitzienne de rapport
1  p
p! K (max(T, T )) sur F, donc contractante pour p assez grand. Ceci implique
p

que la solution (unique) du probl`eme de Cauchy est denie sur tout intervalle
[t0 T, t0 + T  ] J.

Demonstration sous lhypoth`ese (2). Lidee est dutiliser le crit`ere de maximalite des
solutions demontre au 2.6. Supposons quon ait une solution y : [t0 , b[ Rm avec
t0 , b J (autrement dit, telle que b ne soit pas la borne superieure de J). Posons
C = supt[t0 ,b] c(t) et K = supt[t0 ,b] k(t). Nous obtenons

y  (t) = f (t, y(t)) C + K y(t) .

On utilise alors un raisonnement de type lemme de Gronwall pour majorer la


t
norme y(t) . Nous avons y(t) = y(t0 ) + t0 y  (u) du, donc
 t
y(t) v(t) = y(t0 ) + y  (u) du avec
t0
v  (t) = y  (t) C + K y(t) C + Kv(t).

Ceci donne la majoration

d   
v(t)eK(tt0 ) = v  (t) K v(t) eK(tt0 ) CeK(tt0 ) .
dt
Par integration sur [t0 , t], on obtient

C
v(t)eK(tt0 ) v(t0 ) (1 eK(tt0 ) ),
K
et comme v(t0 ) = y(t0 ) , il vient

C  K(bt0 ) 
sup y(t) sup v(t) R = e 1 + y(t0 ) eK(bt0 ) .
t[t0 ,b[ t[t0 ,b[ K

Par consequent (t, y(t)) decrit une partie compacte K = [t0 , b] B(0, R) dans
U = J Rm , et y ne peut etre une solution maximale. Toute solution maximale
est donc globale. Le lecteur pourra etudier lexercice 5.9 pour un generalisation a`
une hypoth`ese de croissance plus faible  que (2), tenant compte uniquement de la
 direction radiale  du vecteur f (t, y) .
146 Analyse num
erique et
equations diff
erentielles

Exercices

(a) Montrer que toute solution maximale de lequation dierentielle y  = t t2 + y 2 ,


(t, y) R R, est globale.
(b) On denit f : R R par f (y) = e si y e et f (y) = y ln y si y e. Montrer
que f nest pas lipschitzienne au voisinage de 0. Determiner explicitement les
solutions maximales de lequation y  = f (y). Les conditions susantes du
theor`eme precedent sont-elles necessaires ?


 
   
  
   
 

 

 
Un syst`eme dierentiel dordre p dans Rm est une equation de la forme
(E) y (p) = f (t, y, y  , . . . , y (p1) )
u f : U Rm est une application continue denie sur un ouvert U R (Rm )p .
o`
Une solution de (E) sur un intervalle I R est une application y : I Rm p-fois
derivable, telle que
(i) (t I) (t, y(t), y  (t), . . . , y (p1) (t)) U ,
(ii) (t I) y (p) (t) = f (t, y(t), y(t ), . . . , y (p1) (t)).
Le resultat suivant se demontre par recurrence dune mani`ere enti`erement analogue
a celle utilisee pour les equations dierentielles dordre 1. Le detail de largument
`
est laisse au lecteur.
R e des solutions Si f est de classe C k , les solutions y sont de
egularit
classe C k+p .

 
  
 
     

Il est clair que le syst`eme (E) est equivalent au syst`eme dierentiel dordre 1
dY0

dt = Y1

dY1


dt = Y2
(E1 ) ...




dYp2
= Yp1

dt
dYp1
dt = f (t, Y0 , Y1 , . . . , Yp1 )
si lon pose Y0 = y, Y1 = y  , . . .. Le syst`eme (E1 ) peut encore secrire
(E1 ) Y  = F (T, Y )
avec
Y = (Y0 , Y1 , . . . , Yp1 ) (Rm )p
F = (F0 , F1 , . . . , Fp1 ) : U (Rm )p
F0 (t, Y ) = Y1 , . . . , Fp2 (t, Y ) = Yp1 ,
Fp1 (t, Y ) = f (t, Y ).

V Equations diff
erentielles. R
esultats fondamentaux 147

Tout syst`eme dierentiel (E) dordre p dans Rm est donc equivalent a` un syst`eme
dierentiel (E1 ) dordre 1 dans (Rm )p . Il en resulte que les theor`emes dexistence et
dunicite demontres pour les syst`emes dordre 1 sont encore vrais pour les syst`emes
dordre p, avec des preuves qui sont des transpositions directes du cas dordre 1.
En voici les principaux enonces :

 
 
 

Pour tout point (t0 , y0 , y1 , . . . , yp1 ) U le probl`eme de Cauchy de conditions


initiales
y(t0 ) = y0 , y  (t0 ) = y1 , . . . , y (p1) (t0 ) = yp1
admet au moins une solution maximale y : I Rm , denie sur un intervalle ouvert.

Remarque tr`
es importante On voit ainsi que pour un syst`eme dordre p,
la condition initiale requiert non seulement la donnee de la valeur y0 de y au temps
t0 , mais egalement la donnee de ses (p 1) premi`eres derivees.

 
 
   


Si de plus f est localement lipschitzienne en (y0 , . . . , yp1 ) sur U , cest-`a-dire si


(t0 , y0 , . . . , yp1 ) U il existe un voisinage [t0 T0 , t0 + T0 ] B(y0 , r0 ) . . .
B(yp1 , rp1 ) contenu dans U sur lequel

f (t, z0 , . . . , zp1 ) f (t, w0 , . . . , wp1 ) k( z0 w0 + . . . + zp1 wp1 ),

alors le probl`eme de Cauchy 4.3 admet une solution maximale et une seule.

  

Si U = J (Rm )p et sil existe une fonction k : J R+ continue telle que (t J)

f (t, z0 , . . . , zp1 ) f (t, w0 , . . . , wp1 ) k(t)( z0 w0 + . . . + zp1 wp1 ),

alors les solutions maximales sont denies sur J tout entier.



 
5.1. On consid`ere lequation dierentielle y  = y 2 x.

(a) Quelles sont les lignes isoclines ?


On notera I0 lisocline correspondant a` la pente nulle.
Soit P lensemble des points du plan o` u la pente des solutions est strictement
negative. Decrire P . Montrer que si une solution entre dans P , alors elle y
148 Analyse num
erique et
equations diff
erentielles

reste (cest-`a-dire : si une solution y(x) a un point (x0 , y(x0 )) dans P , alors si
x1 > x0 , (x1 , y(x1 )) P ).

(b) Etudier et tracer le graphe de la courbe I ensemble des points dinexion des
u y  > 0,
solutions de lequation dierentielle. Quelles sont les regions du plan o`

respectivement y < 0 ?
On notera I1 la partie de I exterieure `a P , et I2 la partie de I qui se trouve
dans P .

(c) Soit C une courbe solution rencontrant I1 en un point (x, y).


() Montrer quen ce point, la pente de I1 est strictement inferieure `a la pente
de C.
() En deduire que C ne coupe I1 quen ce point, que C ne rencontre pas P , et
que C na quun point dinexion.
() Montrer que C poss`ede 2 branches innies a` direction asymptotique verti-
cale.
() Soit (x0 , y0 ) un point de C. Comparer en ce point, la pente de C et la
2
pente de la solution de lequation dierentielle y  = y2 . En deduire que les
branches innies de C correspondent a` des asymptotes verticales.

(d) Soit D une courbe solution rencontrant I0 .


() Montrer que D poss`ede une asymptote verticale.
() Montrer que D a un point dinexion et un seul.
() Montrer que lorsque x , D est asymptote `a I0 .

(e) Soit A (resp. B) lensemble des points de laxe Oy par o`


u passe une courbe
solution qui rencontre I1 (resp. I0 ).
() Montrer quil existe a tel que A = {0} ]a, +[.
() Montrer quil existe b tel que B = {0} ] , b[.
() Montrer que a = b. Quelle est lallure de la solution passant par le point de
coordonnees (0, a) ?

5.2. On consid`ere lequation dierentielle y  = f (t, y), o` u f et f


y sont continues.
Soit une fonction reelle denie sur un intervalle [t0 , t1 [ o` u t1 peut eventuellement
etre inni ; on suppose continue et derivable par morceaux.
On dit que est une barri`ere inferieure [respectivement : superieure] pour lequation
dierentielle si  (t) < f (t, (t)) [resp :  (t) > f (t, (t))] pour tout t tel que  (t)
existe, et, aux points o` u nest pas derivable, pour la derivee `a gauche et pour la
derivee `a droite.

(a) Montrer que si est une barri`ere inferieure pour t0 t t1 et si u est une
solution de lequation dierentielle veriant (t0 ) u(t0 ), alors (t) < u(t) pour
tout t ]t0 , t1 [. Montrer un resultat analogue pour une barri`ere superieure.

V Equations diff
erentielles. R
esultats fondamentaux 149

(b) On suppose que est une barri`ere inferieure sur [t0 , t1 [, que est une barri`ere
superieure sur [t0 , t1 [, et que (t) < (t) pour tout t [t0 , t1 [. Lensemble des
points (t, x) tels que t0 t t1 et (t) x (t) est appele entonnoir.
() Montrer que si une solution u de lequation dierentielle est telle que (s, u(s))
soit dans lentonnoir pour un s [t0 , t1 [, alors (t, u(t)) est dans lentonnoir
pour tout t [s, t1 [.
() Si est une barri`ere inferieure et une barri`ere superieure, et si (t) > (t)
pour t [t0 , t1 [, on dit que lensemble des (t, x) tels que t0 t t1 et
(t) x (t) est un anti-entonnoir.
Montrer quil existe une solution u(t) de lequation dierentielle, telle que
(t) u(t) (t) pour tout t [t0 , t1 [.

(c) Dans la suite du probl`eme, on prend f (t, y) = sin(ty). On se restreindra aux


solutions veriant y > 0.
() Determiner les isoclines correspondant aux pentes 1, 0, 1.
() Pour quelles valeurs de t ces isoclines sont-elles des barri`eres inferieures ?
superieures ? Quels sont les entonnoirs formes par ces isoclines ?
() Soit u une solution de lequation dierentielle ; soit la fonction continue,
derivable par morceaux, denie pour t 0 par : (0) = u(0) > 0 ;
est ane de pente 1 depuis t = 0 jusqu` a ce que son graphe rencontre la
premi`ere isocline de pente 0, puis est ane de pente 0 jusqu` a lisocline
de pente 0 suivante, puis est ane de pente 1 jusqu` a lisocline de pente
0 suivante, et ainsi de suite. Montrer que le graphe de rencontre la droite
y = t.
() Montrer que est une barri`ere superieure.
() En deduire que toute solution de lequation dierentielle rencontre la droite
y = t, puis reste dans un entonnoir.
() Dessiner lallure des solutions de lequation dierentielle y  = sin(ty).

5.3. On consid`ere lequation (appelee equation de Van der Pol) :


 
x (t) = y(t) x3 (t) + x(t),
(E) t R.
y  (t) = x(t),

(a) Montrer que le probl`eme de Cauchy correspondant admet une solution globale
unique (on pourra utiliser le resultat de lexercice 5.9).

(b) On appelle trajectoire associee `a une solution de (E), lensemble parcouru


dans le plan Euclidien par le point de coordonnees (x(t), y(t)) lorsque t par-
court R. Montrer que les trajectoires associees `a deux solutions distinctes de
(E) concident ou nont aucun point commun ; montrer que par chaque point
du plan passe une trajectoire et une seule ; montrer que si une trajectoire a un
point double (cest-`a-dire correspondant a` deux valeurs distinctes de t), les so-
lutions associees de (E) sont periodiques (et tous les points sont alors doubles).
Quelles sont les trajectoires reduites `a un point ?
150 Analyse num
erique et
equations diff
erentielles

(c) Montrer que la courbe symetrique dune trajectoire par rapport a` (0, 0) est
encore une trajectoire.

(d) On consid`ere maintenant les sous-ensembles du plan

D+ = {(0, y) ; y > 0); D = {(0, y) ; y < 0} ;


E1 = {(x, y) ; x > 0 et y > x3 x)}; + = {(x, x3 x) ; x > 0)} ;
E2 = {(x, y) ; x > 0 et y < x3 x} ;
E3 = {(x, y) ; x < 0 et y < x3 x}; = {(x, x3 x) ; x < 0} ;
E4 = {(x, y) ; x < 0 et y > x3 x}.

Soit (x(t), y(t)) une solution de (E) ; montrer que, si (x(t0 ), y(t0 )) D+ , il
existe t4 > t3 > t2 > t1 > t0 tels que (x(t), y(t)) Ei pour t ]ti1 , ti [,
i = 1, 2, 3, 4, et (x(t1 ), y(t1 )) + , (x(t2 ), y(t2 )) D , (x(t3 ), y(t3 )) ;
(x(t4 ), y(t4 )) D+ .

(e) Soit y0 > 0 et t0 R ; il existe une solution de (E) telle que (x(t0 ), y(t0 )) =
(0, y0 ) ; on pose (y0 ) = y(t2 ) ; montrer que (y0 ) ne depend que de y0 (et non
de t0 ) et que est une application monotone continue de R+ dans R .

(f) En utilisant le (c), montrer que (0, y0 ) appartient a` la trajectoire dune solution
periodique si et seulement si (y0 ) = y0 .

(g) Soit > 0 tel que pour la solution de (E) veriant (x(t0 ), y(t0 )) = (0, ) on ait
(x(t1 ), y(t1 )) = (1, 0). Montrer que pour y0 < , on a (y0 )2 y02 > 0 (regarder
 t2
d
[x(t)2 + y(t)2 ]dt).
t0 dt

(h) Soit y0 grand. Soit C la courbe formee des arcs suivants :


le segment (0, y0 ), (1, y0 ) ;
larc de cercle de centre O passant par (1, y0 ) et coupant (y = x3 x) en
(x1 , y1 ) avec x1 > 1.
le segment (x1 , y1 ), (x1 , 0).
larc de cercle de centre O passant par (x1 , 0) et coupant (x = 1) en (x1 , y1 ).
la tangente en (x1 , y1 ) a` cet arc de cercle qui recoupe Oy en (0, y2 ).
Montrer que la solution de (E) passant par (0, y0 ) est `a linterieur de C. En
deduire que (y0 )2 y02 < 0.

(i) En deduire quil existe une trajectoire et une seule correspondant a` des solutions
periodiques de (E). Montrer que les trajectoires non reduites `a (0, 0) convergent
asymptotiquement vers cette trajectoire quand t tend vers +.

5.4. Soit t une variable reelle 0. On consid`ere le probl`eme de Cauchy

y  = ty, y(0) = 1.

V Equations diff
erentielles. R
esultats fondamentaux 151

(a) Demontrer que pour tout T > 0, ce probl`eme admet une solution et une seule
sur [0, T ], et indiquer comment la methode dEuler permet den trouver une
approximation.

(b) Deduire de ce qui prec`ede la formule

1 
 nt2 
N
y(t) = lim PN (t) avec PN (t) = 1+
N +
n=0
N2

(c) Pour > 0, etudier les variations de la fonction f (x) = x ln (1 + /x) sur
]0, +[ ; on montrera que f  (x) < 0.
En deduire lencadrement
 t2  Nn nt2  t2 n
1+ 1+ 2 1+ 2 si 0 n N 1.
N N N

(d) Calculer la limite du (b), et en deduire y(t).

5.5. On consid`ere lequation dierentielle


 
y  = |y|3/4 y + t sin = f (t, y)
t

o`u le second membre est deni sur R2 `a laide de prolongements par continuite. On
note Y (t) la solution approchee denie sur R, obtenue par la methode dEuler pour
1
le pas h = n+1/2 u n N , et veriant Y (0) = 0. On suppose dans un premier
o`
temps que n est pair.

(a) Calculer Y (h), Y (2h) et Y (3h).


h3/2 (3h)3/2
Demontrer les inegalites Y (3h) > 2 > 16 .

1 1 3/8
(b) Determiner c > 0 tel que 0 < t < c on ait 2 t3/8 t > 10 t . En supposant
3/2 3/2
(t+h) t 8 3/8
de plus h t et c assez petit verier h < 5 t (on pourra utiliser
la formule de Taylor).
(mh)3/2
(c) On suppose que pour m N on a mh < c et Y (m, h) > 16 .
Demontrer les inegalites

1 1
f (mh, Y (mh)) > Y (mh)1/4 mh > (mh)3/8 mh > (mh)3/8 .
2 10

((m+1)h)3/2
En deduire Y ((m + 1)h) > 16 .
Montrer que si p entier verie 0 < ph c, on a

(ph)3/2
Y (ph) > .
16
152 Analyse num
erique et
equations diff
erentielles

(d) On suppose ici que n est impair. Calculer Y (h), Y (2h) et Y (3h). Montrer
3/2
linegalite Y (3h) < (3h)
16 .
3/2
On suppose que pour mh < c on a Y (mh) < (mh)
16 ; montrer comme ci-
3/2 3/2
dessus que Y ((m + 1)h) < ((m+1)h)
16 , puis que Y (ph) < (ph)
16 pour tout
entier p tel que 0 < ph c.

(e) Pour 0 < t < c, montrer que les solutions approchees Y (t) ne tendent vers
aucune limite n tend vers +.

5.6. Soit le syst`eme dierentiel dans R2 deni par





dx
= 2(x ty)

dt
(S)


dy = 2y.
dt

(a) Determiner la courbe integrale qui passe par le point (x0 , y0 ) au temps t = 0.

(b) On utilise la methode dEuler avec pas constant h, demarrant au temps t0 = 0.


Soit (xn , yn ) le point atteint au temps tn = nh (n N).

() Ecrire la relation qui lie (xn+1 , yn+1 ) a` (xn , yn ).
() Calculer explicitement (xn , yn ) en fonction de n, h, x0 , y0 .
() Sans utiliser les theor`emes generaux du cours, verier que la solution
approchee qui interpole lineairement les points (xn , yn ) converge sur R+
vers la solution exacte de (S).

5.7. Soit f : [a, b] R R une fonction continue et lipschitzienne de rapport k en


sa deuxi`eme variable. On denit une suite de fonctions yn : [a, b] R en posant
y0 (t) = et
 t
yn+1 (t) = + f (u, yn (u))du, n N.
a

On sait dapr`es V 3.2 que yn converge uniformement vers la solution exacte de


lequation y  = f (t, y) telle que y(a) = . On etudie ici le cas particulier de
lequation
dy
= 2y + t, t [0, +[.
dt
(a) Montrer que yn peut secrire sous la forme

yn (t) = Pn (t) + Qn (t)

u Pn , Qn sont des polyn


o` omes que lon explicitera.

(b) Calculer limn+ Pn et limn+ Qn . Verier ce resultat en resolvant directe-


ment lequation.

V Equations diff
erentielles. R
esultats fondamentaux 153

5.8. Soit T un reel positif et f : [0, T ] R R une application continue


lipschitzienne de rapport k en la deuxi`eme variable. On consid`ere lequation
dierentielle

(E) y  = f (t, y).

Soit un reel h ]0, T [. On dira que z est une solution retardee de retard h si z est
une fonction continue sur [0, T ], derivable sur ]h, T ] et si

z  (t) = f (t, z(t h)), t ]h, T ].

(a) Soit y0 un reel xe. Montrer que (E) admet une solution retardee de retard h
et une seule, notee zh , telle que zh (t) = y0 pour tout t [0, h].

(b) Soit z une solution retardee de retard h. On pose

A = max |f (t, 0)|, m(t) = max |z(u)|.


t[0,T ] u[0,t]

() Montrer que pour tout t [h, T ] on a


 t
m(t) m(h) + (A + km(u))du.
h

() En deduire que
A  A
m(t) + m(h) ek(th) , t [h, T ].
k k
t
[Indication : etudier la derivee de la fonction M (t) = ekt h
(A + km(u))du.]

() Montrer quil existe une constante B independante de h, que lon explicitera,


telle que zh B pour tout h > 0, si zh designe la solution retardee du
(a).

(c) On se propose ici detudier la convergence de zh quand h tend vers 0.


() Montrer que les fonctions zh sont C-lipschitziennes avec une constante C
independante de h.
() Soit y la solution exacte (non retardee) de (E) telle que y(0) = y0 . On pose

(t) = max |zh (u) y(u)|.


u[0,t]

Montrer que verie linegalite integrale


 t
(t) (h) + (kCh + k(u))du.
h

o`
u C est la constante de la question (c) ).
154 Analyse num
erique et
equations diff
erentielles

() En deduire une majoration de et conclure.

(d) On construit maintenant une methode de resolution approchee de (E) utilisant


les solutions retardees zh . Pour tout entier n N, n T /h, on pose

tn = nh, zn = zh (tn ) ;

dans la formule  tn+1


zn+1 = zn + f (t, zh (t h))dt
tn

on remplace la valeur exacte de lintegrale par sa valeur approchee calculee au


moyen de la methode des trap`ezes elementaires.

() Ecrire la relation de recurrence denissant la suite (zn ).
() Exprimer lerreur de consistance relative `a une solution exacte y ; en calculer
un developpement limite `a lordre 2 en fonction de h et des derivees partielles
de f au point (t, y). Quel est lordre de la methode ? (voir chapitre VIII
pour les denitions).

5.9. Soit J un intervalle ouvert de R et f : J Rm Rm une application continue.


On se propose de demontrer que toute solution maximale de lequation dierentielle
y  = f (t, y) est globale si f verie lhypoth`ese suivante :
(H) Il existe des fonctions a, b : I R+ continues telles que

f (t, y), y a(t) y 2 + b(t), (t, y) J Rm ,

u  ,  et designent respectivement le produit scalaire et la norme


o`
euclidienne standards sur Rm .

(a) Soit y : [t0 , t1 [ Rm une solution maximale a` droite passant par un point
(t0 , y0 ) et soit r(t) = y(t) 2 . Montrer que r (t) 2a(t)r(t) + 2b(t).
En deduire que y(t) 2 (t) o` u : J R est la solution (toujours globale)
de lequation lineaire  = 2a(t) + 2b(t), telle que (t0 ) = y0 2 .
[Indication : soit A(t) une primitive de a(t) ; etudier le signe de la derivee de
(r(t) (t))e2A(t) .

(b) Determiner un majorant explicite de y(t) lorsque a et b sont des constantes.

(c) On suppose que t1 < sup J. Montrer que y(t), y  (t) sont bornees sur [t0 , t1 [ et
que ces fonctions se prolongent par continuite en t1 . Montrer que ceci conduit
a une contradiction. Conclure.
`


        


     

On se propose detudier un certain nombre de types classiques dequations


dierentielles du premier et du second ordre pour lesquelles on sait ramener le
calcul des solutions `a des calculs de primitives. Ceci fournira loccasion dillustrer
les resultats generaux du chapitre V par des exemples.


 
  
 


  
 

On consid`ere une equation dierentielle

dy
(E) = f (x, y)
dx

o`u f : U R est une fonction continue sur un ouvert U R2 , localement


lipschitzienne en y.
Les dierentes solutions de lequation (E) secrivent en general sous la forme

y = (x, )

u est un param`etre reel : on dit parfois que la solution  generale  depend dun
o`
seul param`etre. Pour comprendre ce phenom`ene, il sut dappliquer le theor`eme
de Cauchy-Lipschitz : si on cherche les solutions denies au voisinage dun point
x0 , on sait quil existe une solution y et une seule telle que y(x0 ) = y0 ; on peut
donc choisir = y0 pour parametrer les solutions. Dans la pratique, le param`etre
apparat souvent comme constante dintegration.
Il arrive parfois quen plus de la solution generale on ait des solutions particuli`eres
y = 0 (x), y = 1 (x), . . . qui ne sobtiennent pour aucune valeur de : on dit que
ce sont des solutions singuli`eres (ou courbes integrales singuli`eres) de (E).
156 Analyse num
erique et
equations diff
erentielles

On va maintenant decrire une situation un peu plus generale qui se ram`ene au cas
dune equation du type considere ci-dessus.

Syst` erentiels autonomes dans un ouvert U R2 On


emes di
suppose donne un champ de vecteurs dans U , cest-`a-dire une application continue
   
x
a(x, y)
M V (M ) , M U.
y b(x, y)


On appelle syst`eme autonome associe au champ de vecteurs V (M ) le syst`eme
dierentiel



dx
= a(x, y)
dM
dt
(S) = V (M ) .
dt

dy = b(x, y)
dt


Si V (M ) represente un champ de vecteurs vitesse (associe par exemple `a lecoule-
ment dune nappe de uide sur une surface plane), resoudre (S) revient a` chercher
la trajectoire et la loi du mouvement des particules de uide en fonction du temps.
Le mot  autonome  signie que le champ de vecteurs ne depend pas du temps t
(cas dun ecoulement stationnaire).
Si t M (t) est solution, toute fonction t M (t + 6
T ) obtenue par un de7calage
dans le temps est encore solution. Dans louvert U  = M (x, y) ; a(x, y) = 0 on a
(S) (E) o` u

dy b(x, y)
(E) = = f (x, y).
dx a(x, y)

Resoudre (E) permet de trouver la trajectoire des particules (mais pas la loi du
mouvement en fonction du temps).


 
 
 
 

Ce sont les equations dans lesquelles on peut regrouper x, dx dune part et y, dy
dautre part. Nous allons examiner 3 cas.


a) Equations y  = f (x), avec f : I R continue.

Les solutions sont donnees par

y(x) = F (x) + , R,

o`
u F est une primitive de f sur I. Les courbes integrales se deduisent les unes des
autres par translations dans la direction Oy.


b) Equations y  = g(y), avec g : J R continue.

Lequation peut se recrire dy


dx = g(y), ou encore dy
g(y) = dx `a condition que g(y) = 0.
VI M
ethodes de r
esolution explicite 157

Notons yj les racines de g(y) = 0 dans lintervalle J. Alors y(x) = yj est une
solution (singuli`ere) evidente de lequation.
Dans louvert U = {(x, y) R J ; g(y) = 0}, on a

dy
(E) = dx.
g(y)

Les solutions sont donnees par

G(y) = x + , R

u G est une primitive quelconque de g1 sur chacun des intervalles ouverts [yj , yj+1 [
o`
delimites par les racines de g. Dans chaque bande R ]yj , yj+1 [, les courbes
integrales se deduisent les unes des autres par translations dans la direction Ox ;
ceci est `a relier au fait que les lignes isoclines sont les droites y = m = constante.
Comme G = g1 et que g est de signe constant sur ]yj , yj+1 [, on en deduit que G est
une application strictement monotone bijective

G : ]yj , yj+1 [ ]aj , bj [

avec aj [, +[, bj ] , +]. On peut donc (au moins theoriquement)


exprimer y en fonction de x :

y = G1 (x + ), R.

Supposons par exemple g > 0, et par suite G croissante sur ]yj , yj+1 [.

y +
Si yjj g(y)
dy
diverge, on a aj = , par consequent x = G(y) quand
y yj + 0. Dans ce cas, la courbe est asymptote `a la droite y = yj .

y +
Si yjj g(y)
dy
converge, alors aj R et x aj quand y yj + 0, avec de plus

y = g(y) 0 ; la courbe vient rejoindre la droite y = yj au point (aj , yj ) et
admet la droite y = yj pour tangente en ce point. Cette situation montre quil ny
a pas unicite du probl`eme de Cauchy en cas de convergence de lintegrale.

dy
Exercice Verier que g(y) est bien toujours divergente en tout point yj tel
que g(yj ) = 0, lorsque g est localement lipschitzienne.

Lallure des courbes integrales est la suivante (dans le schema ci-dessous, on suppose
quil y a convergence en y2 0, divergence en y1 0 et y2 + 0) :
158 Analyse num
erique et
equations diff
erentielles

g(y) < 0

y = y2

g(y) > 0
x

y = y1

g(y) < 0

c) Cas g
en
eral des
equations `
a variables s
epar
ees :

(E) y  = f (x)g(y) avec f, g continues.

Si g(yj ) = 0, la fonction constante y(x) = yj est solution singuli`ere.


Sur louvert U = {(x, y) ; g(y) = 0} on a

dy
(E) = f (x)dx
g(y)

u G(y) = F (x) + , R, o`
do` u F est une primitive de f et G une primitive
de 1/g. Comme G est continue strictement monotone sur chaque intervalle [yj , yj+1 [,
lapplication G admet une application reciproque G1 et on obtient

y = G1 (F (x) + ).


 1 y2
Exemple Soit lequation y = . Le domaine de denition est la reunion
1 x2

{|x| < 1 et |y| 1} {|x| > 1 et |y| 1}.

On va donc se placer dans louvert

U = {|x| < 1 et |y| < 1} {|x| > 1 et |y| > 1}.


VI M
ethodes de r
esolution explicite 159

Dans le carre {|x| < 1 et |y| < 1} lequation secrit :

dy dx

= ,
1y 2 1 x2

u Arc siny = Arc sin x + , R. Comme Arcsin est une bijection de ] 1, 1[


do`
sur 2 , 2 , on a necessairement ] , [. On doit avoir de plus

 
    , si
0,
2 2
Arc sin x , , =  
2 2 2 2
, si 0.
2 2
   
De meme Arc sin y est dans
2 + , 2 si 0, et dans 2 , 2 + si 0.
Les courbes integrales admettent pour equation

y = sin(Arc sin x + ) = x cos + 1 x2 sin

avec
x ] 1, cos [, y ] cos , 1[ si 0,
x ] cos , 1[, y ] 1, cos [ si 0.

Lequation ci-dessus implique (y x cos )2 + x2 sin2 = sin2 , donc les courbes


integrales sont des arcs dellipse.

Louvert {|x| > 1 et |y| > 1} est forme de 4 composantes connexes. Placons-nous
par exemple dans {x > 1 et y > 1}. On a

dy dx
(E)
= ,
2
y 1 x2 1

do`u Arg cosh y = Arg cosh x + , R. Arg cosh est une bijection de ]1, +[ sur
]0, +[ ; en raisonnant comme ci-dessus, on obtient

y = x cosh + x2 1 sinh

avec
x ]1, +[, y ] cosh , +[ si 0,
x ] cosh , +[, y ]1, +[ si 0,
2 2
par suite (y x cosh )2 x2 sinh
+ sinh = 0, ce quiest lequation dune

conique. Comme x2 1 = |x| 1 x12 = |x| 2|x| 1
+ O x13 , on voit que la
conique admet des asymptotes y = (cosh sinh )x = e x (pour la branche
x > 1 qui nous interesse, cest y = e x). On a donc aaire a` des arcs dhyperbole.
160 Analyse num
erique et
equations diff
erentielles

x = cos h
e x
y= h

0
=
h
cosh hv
e x
1 y=

1 0 1 cosh 
y = cos x
y = cos 

1
x = < cos hv

On a gure ici > 0,  < 0.


   
    
 
   

Supposons quon cherche a` resoudre une equation


(E) y  = f (x, y)
ou un syst`eme dierentiel

dx

dt = a(x, y)
(S)


dy = b(x, y)
dt
dans un ouvert U R2 . Dans les deux cas on a une ecriture sous forme dierentielle :
(E) f (x, y)dx dy = 0,
(S) b(x, y)dx a(x, y)dy = 0.

enition On dit quune fonction V : U R de classe C 1 est une integrale


D
premi`ere si (E) (respectivement (S)) implique

dV = Vx (x, y)dx + Vy (x, y)dy = 0.


VI M
ethodes de r
esolution explicite 161

Dans ce cas, les courbes integrales y = (x) verient


d
Vx (x, (x)) + Vy (x, (x)) (x) = [V (x, (x)] = 0.
dx
Les courbes integrales sont donc contenues dans les lignes de niveau V (x, y) = ,
u R est une constante.
o`


grad V

V (x, y) =



En tout point o` u grad V = 0 , la ligne de niveau correspondante poss`ede une

tangente perpendiculaire a` grad V . Le champ des tangentes est dirige par le vecteur
   
k 1 a(x, y)
, resp. k dans le cas de (E) (resp. (S)).
f (x, y) b(x, y)

La condition dorthogonalite grad V k equivaut a` la proportionnalite de lequation
Vx dx + Vy dy = 0 a` lequation dierentielle (E) (ou (S)). On peut donc enoncer :

Propri
et
e caract
eristique V est une integrale premi`ere si et seulement si

grad V est orthogonal au champ des tangentes de lequation dierentielle consideree.

Exemple Soit y  = y
x+y 2 sur U = {x + y 2 = 0}. Lequation se recrit

(E) ydx (x + y 2 )dy = 0.

Cette dierentielle nest pas une dierentielle exacte dV = P dx + Qdy (on devrait
Q
avoir P
y = x , ce qui nest pas le cas). On observe n eanmoins que
x ydx xdy
d = .
y y2
1
Multiplions alors lequation (E) par y2 , en se placant dans louvert y = 0 :

ydx xdy x 
(E) 2
dy = 0 d y = 0.
y y
Les courbes integrales y sont donc donnees par
x
y = x = y 2 + y.
y
162 Analyse num
erique et
equations diff
erentielles

 
2 /4
Ce sont des arcs de la parabole daxe y = 2
et de sommet , delimites
 /2
0
par les points tels que x + y 2 = 2y 2 + y = 0, cest-`a-dire et le sommet, qui
0
doivent etre exclus. Par ailleurs, y = 0 est une solution singuli`ere, fournissant deux
solutions maximales pour x ] , 0[ et x ]0, +[ respectivement.

1
Remarque On dit que y2 est un  facteur integrant  de la forme dierentielle
2
ydx (x + y )dy = 0.

1 x


 

  
 


Ce sont les equations de la forme
(E) y  = a(x)y + b(x)
u a, b : I R (ou C) sont des fonctions continues.
o`
Supposons quon connaisse une solution particuli`ere y(1) de lequation (E). Alors
on obtient par soustraction y  y(1) 
= a(x)(y y(1) ), cest-`a-dire que z = y y(1)
verie lequation lineaire  sans second membre 
(E0 ) z  = a(x)z.
Inversement, si z est solution de (E0 ), alors y = y(1) + z est solution de (E).

Th
eor`
eme 1 La solution generale de (E) secrit

y = y(1) + z

u y(1) est une solution particuli`ere de (E) et o`


o` u z est la solution generale de (E0 ).
VI M
ethodes de r
esolution explicite 163

a) Solutions de (E0 )

Comme f (x, z) = a(x)z est continue et de derivee partielle f z (x, z) = a(x)


continue, on sait que le probl`eme de Cauchy admet une solution unique en tout
point (x0 , z0 ) I R. Or z(x) 0 est clairement solution de (E0 ). Dapr`es
lunicite, aucune autre solution ne peut sannuler en un quelconque point x0 I.
Si z = 0, on peut donc ecrire

z
= a(x),
z
ln |z| = A(x) + C, C R,

o`
u A est une primitive de a sur I. On en deduit

|z(x)| = eC eA(x) ,
z(x) = (x)eC eA(x) avec (x) = 1.

Comme z est continue et ne sannule pas, le signe de z ne change pas, do`


u

z(x) = eA(x)

avec = eC . Inversement, toute fonction

z(x) = eA(x) , R

et visiblement solution de (E0 ). On peut donc enoncer :

Th eme 2 Les solutions maximales de (E0 ) : z  = a(x)z forment un espace


eor`
vectoriel de dimension 1, ayant pour base x eA(x) .

b) Recherche dune solution particuli`ere y(1) de (E).

Si aucune solution evidente napparat, on peut utiliser la methode dite de variation


des constantes, cest-`a-dire que lon cherche y(1) sous la forme

y(1) (x) = (x)eA(x) ,

o`
u est dierentiable. Il vient

y(1) (x) = (x)a(x)eA(x) +  (x)eA(x)
= a(x)y(1) (x) +  (x)eA(x) .

y(1) est donc solution de (E) si on prend

 (x)eA(x) = b(x),
 (x) = b(x)eA(x) ,
 x
(x) = b(t)eA(t) , x0 I.
x0
164 Analyse num
erique et
equations diff
erentielles

On obtient ainsi la solution particuli`ere


 x
y(1) (x) = e A(x)
b(t)eA(t) dt
x0

telle que y(1) (x0 ) = 0. La solution generale est donnee dapr`es le theor`eme 1 par
  x 
y(x) = eA(x) + b(t)eA(t) dt .
x0

La solution du probl`eme de Cauchy y(x0 ) = y0 est obtenue pour = eA(x0 ) y0 .

Exercice Proprietes geometriques liees aux equations lineaires (cf. schema).


(a) Si y(1) , y(2) , y(3) sont trois solutions dune equation lineaire, montrer que la
fonction y(3) y(2) est proportionnelle a ` y(2) y(1) .

(b) Montrer quune equation y  = f (x, y) est lineaire si et seulement si le champ


des tangentes a la propriete suivante : pour tout x0 xe, les tangentes aux
dierents points (x0 , y) sont concourantes ou toutes parall`eles.

x0 x


 
  
    





a) Equations de Bernoulli

Ce sont les equations de la forme

dy
(E) = p(x)y + q(x)y , R \ {1},
dx
VI M
ethodes de r
esolution explicite 165

avec p, q : I R continues (pour = 1, (E) est lineaire).


On se place dans le demi-plan superieur U = R ]0, +[= {(x, y) ; y > 0}. En
multipliant par y , on obtient

dy
(E) y = p(x)y 1 + q(x)
dx

Posons z = y 1 ; alors dz
dx = (1 )y dx
dy
, do`
u

1 dz
(E) = p(x)z + q(x)
1 dx

On est donc ramene `a une equation lineaire en z.


b) Equations de Riccati

Ce sont les equations de la forme

(E) y  = a(x)y 2 + b(x)y + c(x)

avec a, b, c : I R continues, cest-`a-dire que f (x, y) est un polyn


ome de degre
2 en y. Montrons que lon sait resoudre (E) d`es que lon connat une solution
particuli`ere y(1) . Posons y = y(1) + z. Il vient


y(1) + z  = a(x)(y(1)
2
+ 2y(1) z + z 2 ) + b(x)(y(1) + z) + c(x)
2
= a(x)y(1) + b(x)y(1) + c(x) + (2a(x)y(1) + b(x))z + a(x)z 2 .


Comme y(1) se simplie, on en deduit

z  = (2a(x)y(1) (x) + b(x)) + a(x)z 2 .

Cest une equation lineaire de Bernoulli avec = 2. On la ram`ene `a une equation


lineaire en posant w = z 1 = z1 .

Exemple Soit lequation (1 x3 )y  + x2 y + y 2 2x = 0.


On remarque que y(1) (x) = x2 est solution particuli`ere. En posant y = x2 + z on
se ram`ene `a
(1 x3 )z  + 3x2 z + z 2 = 0
puis, apr`es division par z 2 , a`

1
(1 x3 )w + 3x2 w + 1 = 0 avec w= ,
z
soit
3x2 1
w = 3
w+ , si x = 1.
1x 1 x3
166 Analyse num
erique et
equations diff
erentielles

w 3x2
Lequation lineaire sans second membre w = 1x3 donne


ln |w| = ln |1 x3 | + C, do`
u w= .
1 x3
La methode de variation des constantes conduit a`
 1
= soit  = 1, (x) = x.
1 x3 1 x3
La solution generale de lequation lineaire compl`ete est donc
x+
w(x) = ,
1 x3
1 1x3
do`
u y = x2 + z = x2 + w = x2 + x+ , soit encore

x2 + 1 1 + 3
y(x) = = x 2 + .
x+ x+
Pour = 1, on obtient la droite y = x 1. Pour = 1, il sagit dune
hyperbole (y x + 2 )(x + ) = 1 + 3 , admettant pour asymptotes les droites
x = et y = x 2 . La solution singuli`ere y(1) (x) = x2 est la solution limite
obtenue quand || tend vers +.

1 x


 
 
  
Une equation homog`ene est une equation qui peut se mettre sous la forme
y
(E) y = f u f : I R est continue.
o`
x
VI M
ethodes de r
esolution explicite 167

P (x,y)
Cest le cas par exemple des equations y  = Q(x,y) o`
u P, Q sont des polynomes
homog`enes de meme degre d : une division par xd au numerateur et au denominateur
P (1,y/x)
nous ram`ene `a y  = Q(1,y/x) .

ethode On pose z = xy , cest-`a-dire y = xz. Il vient


M

y  = z + xz  = f (z),

donc z satisfait lequation a` variables separees

f (z) z
z = .
x

On a dune part les solutions singuli`eres

z(x) = zj , y(x) = zj x (droites passant par 0),

u {zj } est lensemble des racines de f (z) = z.


o`

Pour f (z) = z on peut ecrire

dz dx
= ,
f (z) z x
F (z) = ln |x| + C = ln (x), R ,

u F est une primitive de z 1/(f (z) z) sur ]zj , zj+1 [. On en deduit que
o`
z = F 1 (ln (x)), do`
u la famille de courbes integrales

C : y = xF 1 (ln (x)),

y
denies dans le secteur angulaire zj < x < zj+1 , x > 0.
En cas de divergence de F aux points zj , zj+1 , on a F 1 : ] , +[]zj , zj+1 [
monotone bijective et xy zj ou zj+1 quand x 0 ou . On a donc dune
part une branche innie de direction asymptotique y = zj+1 x (resp. y = zj x)
et une tangente y = zj x (resp. y = zj+1 x) au point 0 si F est croissante (resp.
decroissante). Noter que la droite y = zj x nest pas necessairement asymptote :
voir lexemple ci-dessous.
Observons enn que les lignes isoclines sont les droites y = mx, la pente correspon-
dante etant f (m). Le champ des tangentes est donc invariant par les homotheties de
centre O. Ceci permet de voir que lhomothetique dune courbe integrale est encore
une courbe integrale.

Exercice Verier que C = h1/ (C1 ) o`u h (x, y) = (x, y).


168 Analyse num
erique et
equations diff
erentielles

isocline y = mx
y pente f (m)
z 2x
y=

f (m
)=
m y=
zx
1

Exemple Lequation xy  (2y x) = y 2 peut se recrire

y2 x
y = si x = 0, y = .
x(2y x) 2

y  est donc une fonction rationnelle en x, y dont le numerateur et le denominateur


sont des polyn omes homog`enes de degre 2. En divisant le numerateur et
denominateur par x2 on obtient

(y/x)2
y = .
2y/x 1

Posons z = xy , soit y = xz. Il vient

z2
y  = xz  + z = ,
2z 1
z2 z z2 z(1 z)
xz  = z = = .
2z 1 2z 1 2z 1

Solutions singuli`eres :
z = 0, z = 1,
y = 0, y = x.
Pour z = 0, z = 1 lequation se recrit

2z 1 dx
dz = .
z(1 z) x
VI M
ethodes de r
esolution explicite 169

La fonction
2z 1 z (1 z) 1 1
= =
z(1 z) z(1 z) 1z z
admet pour primitive

ln |1 z| ln |z| = ln |z(1 z)|,

do`
u le calcul des courbes integrales :

ln |z(1 z)| = ln |x| + C,


y y
z(1 z) = , 1 = ,
x x x x
y(x y) = x.

Les courbes integrales sont donc des coniques. On peut mettre lequation sous la
forme
(y )(x y ) = 2
cest-`a-dire XY = avec X = x y et Y = y . Il sagit dune hyperbole
dasymptotes y = , y = x (parall`eles aux directions asymptotiques y = 0,
y = x donnees par les droites integrales singuli`eres).

Exercice Montrer que chaque hyperbole passe par (0, 0) avec tangente x = 0.

Autre M
ethode de r
esolution Utilisation des coordonnees polaires.
Pour r > 0 et R on pose 
x = r cos
.
y = r sin
170 Analyse num
erique et
equations diff
erentielles

Il vient
dy dr sin + r cos d dr tan + r d
= = .
dx dr cos r sin d dr r tan d
 
Lequation (E) y  = f xy se transforme alors en

dr tan + r d = (dr r tan d)f (tan ),


dr(f (tan ) tan ) = rd(1 + tan f (tan )),
dr 1 + tan f (tan )
= d.
r f (tan ) tan

On aboutit donc a` une equation a` variables separees r, . Les integrales singuli`eres


correspondent aux droites = j telles que f (tan j ) = tan j .

Exercice Resoudre y  = x+y


xy a laide des deux methodes proposees. Quelle est
`
la nature des courbes integrales ?


 

  y 
  
 


 
 

    



On appelle equation du premier ordre non resolue en y  une equation de la forme

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

u (x, y, p) f (x, y, p) est une fonction de classe C 1 dans un ouvert U R3 .


o`
Placons-nous au voisinage dun point (x0 , y0 ) R2 . On suppose que lequation
f (x0 , y0 , p) = 0 admet des racines p1 , p2 , . . . , pN et que ces racines sont simples,
cest-`a-dire
f
(x0 , y0 , pj ) = 0.
p
Dapr`es le theor`eme des fonctions implicites, on sait alors quil existe un voisinage
V de (x0 , y0 ), un reel h > 0 et une fonction gj : V ]pj h, pj + h[ de classe C 1 ,
1 j N , tels que pour tout (x, y, p) V ]pj h, pj + h[ on ait

f (x, y, p) = 0 p = gj (x, y).

Lequation dierentielle f (x, y, y  ) = 0 nous am`ene alors `a resoudre dans V les N


equations dierentielles

(Ej ) y  = gj (x, y).

Comme gj est de classe C 1 , on voit que par tout point (x, y) V il passe exactement
N courbes integrales dont les pentes sont les racines p de f (x, y, p) = 0.
VI M
ethodes de r
esolution explicite 171

pente p2
y

pente p1

Remarque Dans cette situation, il arrive frequemment quon ait une famille
de courbes integrales C admettant une enveloppe , cest-`a-dire une courbe qui
est tangente en chacun de ses points `a lune des courbes C .

La courbe est alors elle-meme une courbe integrale, car en chaque point sa
tangente appartient au champ des tangentes de lequation (E) (elle concide avec la
tangente de lune des courbes C ). est donc une solution singuli`ere. On notera
quune telle courbe doit satisfaire simultanement les deux equations f (x, y, y  ) = 0
et f /p(x, y, y  ) = 0 : chaque point (x, y) est en eet limite dune suite de
points en lesquels deux tangentes du champ viennent se confondre, de sorte que
p = y  est racine double de f (x, y, p) = 0. En particulier les hypoth`eses faites ci-
dessus pour appliquer le theor`eme des fonctions implicites ne sont pas satisfaites si
(x0 , y0 ) .

M ethode de R esolution Pour resoudre les equations dierentielles non


resolues en y  , le principe general est de chercher une parametrisation de x, y, y  en
fonction dun param`etre t qui sera alors choisi comme nouvelle variable.


    
     
  
 

a) Equations du type (E) : f (x, y  ) = 0
Supposons que lequation f (x, p) = 0 admette une parametrisation de classe C 1
172 Analyse num
erique et
equations diff
erentielles


x = (t)
p = (t).
On a alors
dx =  (t) dt
dy = y  dx = (t) dx = (t) (t) dt
On en deduit  t
y= (u) (u)du + = (t) + ,
t0

ce qui donne une parametrisation des courbes integrales :



x = (t)
y = (t) + .


b) Equations du type (E) : f (y, y  ) = 0,

y = (t)
connaissant une parametrisation
y  = (t).

(t)
On obtient dy =  (t)dt = (t)dx, do`
u dx = (t) dt. Les courbes integrales sont
parametrees par 
x = (t) +
y = (t)
 t 
(u)
avec (t) = du.
t0 (u)


 
  
    
Ce sont les equations pouvant etre mises sous la forme
y 
(E) f , y  = 0.
x

Supposons quon connaisse une parametrisation


y
x = (t)

y = (t).

On a alors
y = x(t),

dy = (t)dx + x (t)dt
dy = (t) dx,
do`
u ((t) (t)) dx = x (t) dt.
VI M
ethodes de r
esolution explicite 173

On a dune part des solutions singuli`eres correspondant aux racines tj de


(t) = (t), donnant des droites

y = x(tj ).

Dautre part, pour t = tj on obtient

dx  (t)
= dt,
x (t) (t)
ce qui donne par integration de  /( ) :

ln |x| = (t) + C,

x = e(t)
, R.
y = x(t) = (t)e(t)
Il est clair sur ces derni`eres formules que les courbes integrales se deduisent les
unes des autres par les homotheties de centre O.

Exemple Soit lequation x2 (y + 3xy  ) = (y + xy  )3 .


En divisant par x3 on trouve
y y 3
+ 3y  = + y ,
x x
cest donc une equation homog`ene non resolue en y  . On obtient une parametrisation
en posant y 
x +y =t
y  3
x + 3y = t ,
do`
u
y
x = 12 (3t t3 ) ()
y = 12 (t3 t).


1
En dierentiant y = 2 (3t t3 )x on obtient
1 1
dy = (3 3t2 )dt x + (3t t3 ) dx
2 2
 1 3
= y dx = (t t) dx,
2
do`
u lequation
1
(t3 2t)dx = (3 3t2 )dt x,
2
dx 3(1 t2 )
= dt.
x 2t(t2 2)

Solutions singuli`eres : t(t2 2) = 0 t = 0, 2, 2. En remplacant dans ()
on obtient les droites

2 2
y = 0, y= x, y= x.
2 2
174 Analyse num
erique et
equations diff
erentielles

Solution generale :
2 2
1 t2 1 t2 t2 1 t
= = ,
t(t2 2) t(t2 2) 2t 2(t2 2)
3(1 t2 ) 3 dt 3 tdt
dt = .
2t(t2 2) 4 t 4 t2 2
On en deduit
3 3
ln |x| = ln |t| ln |t2 2| + C,
4 8
x = |t|3/4 |t2 2|3/8
y = xy x = 2 (3t t3 )|t|3/4 |t2 2|3/8 .

Exercice Montrer que par tout point (x, y) tel que |y| < |x| il passe exactement
trois courbes integrales, alors quil nen passe quune si |y| > |x|. Combien en passe-
t-il si |y| = |x| ? [Indication : etudier le nombre de valeurs de t et y  associees a
`
une valeur donnee de y/x].


 


      

 

  

Cherchons `a determiner les equations dierentielles dont les courbes isoclines sont
des droites. La courbe isocline y  = p sera une droite y = a(p)x + b(p) (pour
simplier, on ecarte le cas des droites parall`eles `a y  Oy). Lequation dierentielle
correspondante est donc

(E) y = a(y  )x + b(y  ).

On supposera que a, b sont au moins de classe C 1 .


VI M
ethodes de r
esolution explicite 175

M
ethode de R
esolution On choisit p = y  comme nouvelle variable
parametrant chaque courbe integrale ; ceci est legitime `a condition que y  ne
soit pas une constante sur un morceau de la courbe integrale consideree. Dans
le cas contraire, si y  = p0 = constante, la courbe integrale est contenue dans la
droite y = a(p0 )x + b(p0 ), ce qui nest compatible avec la condition y  = p0 que si
a(p0 ) = p0 .

On a donc des solutions singuli`eres y = pj x + b(pj ) o`


u les pj sont les racines de
a(p) = p.

Solution generale :

y = a(p)x + b(p),

dy = a(p)dx + (a (p)x + b (p))dp
dy = y  dx = pdx.

Il vient
(p a(p))dx = (a (p)x + b (p))dp,

et pour p = a(p) on aboutit a`

dx 1
= (a (p)x + b (p)) ;
dp p a(p)

cest une equation lineaire en la fonction x(p). La solution generale sera de la forme

x(p) = x(1) (p) + z(p), R,
y(p) = a(p)(x(1) (p) + z(p)) + b(p).

Exercice Resoudre lequation 2y x(y  + y 3 ) + y 2 = 0.


 
 

Cest le cas particulier des equations de Lagrange dans lequel a(p) = p pour toute
valeur de p, soit

(E) y = y  x + b(y  ).

Les droites
Dp : y = px + b(p)

qui etaient precedemment des solutions singuli`eres forment maintenant une famille
generale de solutions.
Montrons que les droites Dp poss`edent toujours une enveloppe . Une telle courbe
admet par denition une parametrisation (x(p), y(p)) telle que soit tangente a`
Dp au point (x(p), y(p)).
176 Analyse num
erique et
equations diff
erentielles

(x(p), y(p))

Dp

Le vecteur tangent (x (p), y  (p)) a` doit avoir meme pente p que Dp , do`
u
y  (p) = px (p). Par ailleurs (x(p), y(p)) Dp , donc

y(p) = px(p) + b(p).

En dierentiant, il vient

y  (p) = px (p) + x(p) + b (p).

Ceci implique x(p) + b (p) = 0, do`


u la parametrisation cherchee de lenveloppe :

x(p) = b (p)

y(p) = pb (p) + b(p).

Si b est de classe C 2 , on a y  (p) = pb (p) = px (p) de sorte que est bien
lenveloppe des droites Dp . La courbe est une solution singuli`ere de (E).

Exercice Resoudre lequation (xy  y)(1 + y 2 ) + 1 = 0.

  


   
 

    
  



 

  


  
   
   
On consid`ere le probl`eme suivant :

Probl`
eme Etant donne une famille de courbes

C : h(x, y, ) = 0, R,

existe-t-il une equation dierentielle du premier ordre dont les courbes C soient
les courbes integrales ?
VI M
ethodes de r
esolution explicite 177

Cas particulier. On suppose que les courbes C sont les lignes de niveau dune
fonction V de classe C 1 :

C : V (x, y) = , R.

Alors les courbes C sont solutions de lequation dierentielle

(E) Vx (x, y)dx + Vy (x, y)dy = 0.

Cas g eneral. Si lequation h(x, y, ) = 0 peut se mettre sous la forme


= V (x, y), on est ramene au cas precedent. Sinon on ecrit que sur chaque C on
a 
h(x, y, ) = 0
hx (x, y, )dx + hy (x, y, )dy = 0,
et on essaie deliminer entre les 2 equations pour obtenir une equation ne faisant
plus intervenir que x, y, dx, dy.

Exemple Soit C la famille des hyperboles equilat`eres de centre O passant par


le point A(1, 0).

y
x
y=m

A (1, 0)

A (1, 0) 0 x
y=< 1
mx

Les asymptotes de C sont alors des droites orthogonales passant par O, soit
1
y = mx, y= x, m R .
m
1
Posons X = y mx, Y = y + m x. Lequation de lhyperbole cherchee secrit

XY = C (constante),
1 
(y mx)(y + x = C,
m
1 
y 2 x2 + m xy = C.
m
178 Analyse num
erique et
equations diff
erentielles

En faisant x = 1, y = 0 on trouve C = 1, do`


u lequation

C : y 2 x2 + xy + 1 = 0, R,

1 1
avec = m m (noter que m m m est surjective de R sur R). Sur C on a :

x2 y 2 1
= ,
xy
(2xdx 2ydy)xy (x2 y 2 1)(xdy + ydx)
d = 0 = .
x2 y 2

Lequation dierentielle des courbes C est donc

(E) : (2x2 y x2 y + y 3 + y)dx + (2xy 2 x3 + xy 2 + x)dy = 0,


(E) : (x2 + y 2 + 1)ydx (x2 + y 2 1)xdy = 0.

    
  
  
  



Soient (C ), ( ) deux familles de courbes.

D
enition On dit que C et sont orthogonales si les tangentes a` C et
sont orthogonales en tout point de C , quels que soient et .

Probl`
eme Etant donne une famille de courbes C , trouver la famille ( ) des
courbes qui sont orthogonales aux C .

Pour cela, on suppose que lon connat une equation dierentielle (E) satisfaite par
les courbes C , et on cherche lequation dierentielle (E ) des courbes orthogo-
nales . Distinguons quelques cas.
VI M
ethodes de r
esolution explicite 179

(C ) satisfait (E) : y  = f (x, y).


En un point (x, y) donne, la pente de la tangente a` C est y  = f (x, y). La pente
de la tangente a` est donc 1/f (x, y). Les courbes ( ) sont donc solutions de

1
(E ) : y = .
f (x, y)





dx
= a(x, y)
dM
dt
(C ) satisfait (E) : = V (M ) .
dt
dy
= b(x, y)
dt


La tangente a` C estportee par V (M ), celle de ( ) est donc portee par le vecteur

b(x, y)
orthogonal V (M ) . Par suite ( ) est solution de
a(x, y)



dx
= b(x, y)

dt
(E )


dy = a(x, y)
dt
(C ) satisfait (E) : (x, y)dx + (x, y)dy = 0.
Alors ( ) verie (E ) : (x, y)dx + (x, y)dy = 0.

Cas particulier. Supposons que les courbes C sont les lignes de niveau V (x, y) =
de la fonction V . Elles verient alors

(E) Vx (x, y)dx + Vy (x, y)dy = 0.



Leurs trajectoires orthogonales ( ) sont les lignes de champ du gradient grad V :



dx
= Vx (x, y)

dt
(E )


dy = Vy (x, y)
dt

Exemple Soit C : y 2 x2 + xy + 1 = 0 (cf. 3.1).


Nous avons vu que C verie

(E) : (x2 + y 2 + 1)ydx (x2 + y 2 1)xdy = 0.

Donc verie

(E ) : (x2 + y 2 1)xdx + (x2 + y 2 + 1)ydy = 0


(x2 + y 2 )(xdx + ydy) xdx + ydy = 0.

Une integrale premi`ere apparat immediatement :


1 x2 y2 
d (x2 + y 2 )2 + =0
4 2 2
180 Analyse num
erique et
equations diff
erentielles

Les courbes sont donc les lignes de niveau

(x2 + y 2 )2 2x2 + 2y 2 = , R,

ce qui peut encore secrire

(x2 + y 2 + 1)2 4x2 = + 1,


(x2 2x + 1 + y 2 )(x2 + 2x + 1 + y 2 ) = + 1,
((x 1)2 + y 2 )((x + 1)2 + y 2 ) = + 1,

M A M A = C = + 1,

avec      
x A  1
M , A , A .
y 0 0
Les courbes M A M A = C sappellent des ovales de Cassini. Leur allure est la
suivante.

  
     
Nous presentons ici la cel`ebre  courbe du chien  comme exemple de courbe de
poursuite. Voici le probl`eme : un chien et son matre se deplacent lun et lautre a`
des vitesses scalaires constantes V (pour le chien) et v (pour le matre), avec V > v.
On suppose que le matre se deplace en ligne droite, disons sur laxe Ox, dans la
direction positive, suivant la loi x = vt. A linstant t = 0, le chien se trouve au
point x = 0 y = r0 , a` distance r0 du matre. Le chien cherche a` rejoindre son


matre en pointant son vecteur vitesse V en direction du matre. Le probl`eme est
de determiner la loi du mouvement C(t) du chien.
VI M
ethodes de r
esolution explicite 181

y
 
0
C0
r0

 
x(t)
C(t)
y(t)



V

 
M0 = O vt x
M (t)
0


Notons langle (non oriente) = (Ox, CM ) et r = CM ; on a bien entendu
= (t) et r = r(t). Comme dhabitude en Physique, on designera par des points
surlignants les derivees temporelles r(t)
= dr/dt, (t)
= d/dt, . . . . A linstant t,
la position et la vitesse du chien sont donnees par

x(t) = vt r cos , x(t)
= v r cos + r sin = V cos ,
y(t) = r sin , = r sin + r cos = V sin ,
y(t)

Ces equations fournissent aisement lexpression de r et r :



r = v cos V,
r = v sin .

En prenant le quotient on elimine dt et on trouve donc

dr V 1
= cotan + .
r d v sin

Notons = V /v > 1 le rapport des vitesses respectives du chien et du matre. Apr`es


integration, et compte tenu de ce que r = r0 et = /2 quand t = 0, il vient

tan(/2)
ln r = ln sin + ln tan(/2) + Cte = r = r0
sin

Nous en deduisons

d v sin v
= = = (sin )2 tan(/2) .
dt r r0
182 Analyse num
erique et
equations diff
erentielles

2
En posant = tan(/2) et sin = 2 sin cos = , on trouve
2 2 1 + 2
r0 tan(/2) r0
dt = 2
d = (1 + 2 )2 d,
v (sin ) 2v
r0  1 1 1 +1 
t= +
2v 1 +1
compte tenu du fait que = 1 en t = 0. Par substitution dans les expressions de x
et y, et dapr`es legalite tan = 2/(1 2 ), on obtient les equations parametriques
de la  courbe du chien , a` savoir


r0  1 1 1 +1  r0

x = + (1 2 )1

2 1 +1 2
y = r0




r  1 1 1 +1 
t = 0 + , [0, 1].
2v 1 +1
Au terme de la poursuite (y = = 0), le matre a parcouru la distance
r0
x= r0 pendant le temps t = .
2 1 2 1 v

 
0
C0
r0

 
vt
M (t)
0

x
= V /v = 10 3, 0 2, 0 1, 5 1, 25

Remarque Les equations ont encore un sens lorsque t < 0. On a dans ce cas
]/2, [ , ]1, +[ , le chien se trouve dans le quadrant x > 0, y > r0 et se
dirige vers le matre qui parcourt de son cote la demi-droite x < 0.
VI M
ethodes de r
esolution explicite 183


 
    

 



 
  
On consid`ere une equation dierentielle

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

u f : U R, U R3 , est une application continue localement lipschitzienne en


o`
ses deuxi`eme et troisi`eme variables.
La solution generale y denie au voisinage dun point x0 depend alors de deux
param`etres , R qui apparaissent le plus souvent comme des constantes
dintegration :
y(x) = (x, , ).
Le theor`eme de Cauchy-Lipschitz montre quon peut choisir y0 = y(x0 ), y1 = y  (x0 )
comme param`etres.
Il existe tr`es peu de cas o`
u on sait resoudre explicitement une equation du second
ordre : meme les equations lineaires du second ordre sans second membre ne se
resolvent pas explicitement en general.


 
  
 


a) Equations du type (E) : y  = f (x, y  )

Si on consid`ere la nouvelle fonction inconnue v = y  , (E) se ram`ene `a lequation du


premier ordre
v  = f (x, v).
La solution generale de cette derni`ere sera de la forme v(x, ), R, et on obtient
donc  x
y(x) = v(t, )dt + , R.
x0


b) Equations du type (E) : y  = f (y, y  )

La methode consiste `a prendre y comme nouvelle variable et v = y  comme variable


fonction inconnue (en la variable y).

Il peut y avoir des solutions constantes y(x) = y0 , auquel cas y ne peut etre choisi
comme variable. On a donc des solutions singuli`eres

y(x) = yj , avec f (yj , 0) = 0.

Cas general
dy  dy dy  dv
y  = = =v
dx dx dy dy
184 Analyse num
erique et
equations diff
erentielles

Lequation se ram`ene alors `a lequation du premier ordre

dv
v = f (y, v).
dy

La resolution de cette derni`ere donne une solution generale v(y, ), R. On doit


ensuite resoudre
dy
y  = v(y, ) = dx,
v(y, )
do`
u la solution generale

dy
= x + , R.
v(y, )


c) Equations du type (E) : y  = f (y)

Cest un cas particulier du cas b) precedent, mais on peut ici preciser davantage la
methode de resolution. On a en eet

y  y  = f (y)y  ,

et en integrant il vient 12 y 2 = (y) + , R, o`


u est une primitive de f . On
obtient donc

y  = 2((y) + ),
dy

= dx,
2((y) + )
 y
du

= x + , R.
y0 2((u) + )

Interpr
etation physique On etudie la loi du mouvement dun point materiel
M de masse m astreint a` se deplacer sur une courbe (C). On suppose que la


composante tangentielle FT de la force F qui sexerce sur M ne depend que de la
position de M , reperee par son abscisse curviligne y sur (C).



FT
y
M



F
(C)

FN
VI M
ethodes de r
esolution explicite 185

Par hypoth`ese, il existe une fonction f telle que FT = f (y). Le principe fondamental
de la dynamique donne
d2 y
FT = mT = m 2 ,
dt
do`
u

(E) my  = f (y)

avec y  = d2 y/dt2 . On en deduit my  y  f (y)y  = 0, donc 12 my 2 (y) = , o`


u
est une primitive de f . La quantite 12 my 2 = Ec est lenergie cinetique de la
particule tandis que
  




(y) = f (y)dy = FT (M ) dM = F (M ) dM

est lenergie potentielle Ep . Lenergie totale

1
Et = Ec + Ep = my 2 (y)
2

est constante quel que soit le mouvement du point M . On dit que U (y, y  ) =
1 2
2 my (y) est une int egrale premi`ere de (E) (dans le sens que cest une
relation dierentielle obtenue `a laide dune premi`ere integration de lequation du
second ordre, une deuxi`eme integration restant necessaire pour etablir la loi du
mouvement). Si Et designe lenergie totale, la loi du mouvement est donnee par


 y
du
t t0 = m/2

y0 Et + (u)

au voisinage de tout donnee initiale (t0 , y0 , y0 ) telle que 12 my02 = Et + (y0 ) > 0.

Compl
ement Supposons que la fonction f : R R soit de classe C 1 ,
strictement decroissante et telle que f (0) = 0 ; on a donc en particulier f (y) > 0
pour y < 0 et f (y) < 0 pour y < 0 (physiquement, ceci signie que la force est
une force de rappel vers la position neutre y = 0, dont lintensite saccrot avec
la distance a` la position neutre). Alors les solutions maximales t y(t) sont
u
periodiques. Pour le voir, posons par exemple (u) = 0 f (y)dy et observons que
est une fonction concave negative ou nulle, passant par un maximum en (0) = 0.
Comme 12 my 2 (y) = Et avec y 2 0 et (y) > 0 si y = 0, les solutions non
triviales
nexistent que pour une valeur Et > 0 de lenergie totale, et elles verient
|y  | 2Et /m et (y) Et . De plus, si a < 0, b > 0 sont les uniques reels
negatif et positif tels que (a) = (b) = Et , on a a y(t) b pour tout t. Ceci
implique dej`a que les solutions maximales sont denies sur R tout entier [si par
exemple une solution maximale netait denie que sur un intervalle ouvert ]t1 , t2 [,
le crit`ere de Cauchy uniforme montrerait que y se prolonge par continuit
e `a droite
en t1 et `a gauche en t2 , puisque y est lipschitzienne de rapport 2Et /m, et
1
de meme y  et y  se prolongeraient grace `a la relation y  = m f (y) ; lexistence
de solutions locales au voisinage de t1 et t2 contredirait alors la maximalite de y].
186 Analyse num
erique et
equations diff
erentielles

La relation 12 my 2 (y) = Et montre que y  = 0 lorsque a < y < b (car on a


alors (y) < Et ). Par continuite, la fonction y  est donc de signe constant sur
tout intervalle de temps o` u a < y < b. La solution explicite donnee plus haut
montre que y est alternativement croissant de a `a b puis decroissant de b `a a, avec
demi-periode

 b
T du
= m/2
,
2 a E t + (u)

et, en choisissant t0 tel que y(t0 ) = min y = a, on a les relations


 y

du
t = t0 + m/2
+ nT, t [t0 + nT, t0 + nT + T /2],
ay Et + (u)

du
t = t0 m/2
+ (n + 1)T, t [t0 + nT + T /2, t0 + (n + 1)T ].
a Et + (u)
On observera que lintegrale donnant la periode T est convergente, car on a
 (a) = f (a) > 0,  (b) = f (b) < 0, de sorte que Et + (u) f (a)(u a) au
voisinage de a, et de meme au voisinage de b.

Exemple Mouvement dun pendule simple de masse m suspendu a` un l de


longueur l.



T y
l


m
F


FT


P = m

g

On a ici y = l et FT = P sin = mg sin , do`


u
ml = mg sin ,
g
 = sin .
l
Lenergie totale est
1 1
Et = Ec + Ep = my 2 mgl cos = ml2 2 mgl cos .
2 2
Les solutions t (t) verient
2g 2Et
2 cos = = , R,
l ml2

d
= t t0 , t0 R.
0 + 2g
l cos
VI M
ethodes de r
esolution explicite 187

Lintegrale ne se calcule pas explicitement, sauf si = 2g


l , auquel cas
  
l d l  
t t0 = = ln tan + ,
g 0 2 cos /2 g 4 4
et le pendule atteint la position verticale haute = en un temps inni. Dans
les autres cas, les solutions maximales sont periodiques. Si < 2g/l, lequation
dierentielle implique cos l/2g > 1 et lamplitude angulaire est donc
majoree en valeur absolue par une amplitude maximale m ]0, [ telle que
cos m = l/2g ; dans ce cas le mouvement est oscillatoire autour de la position
dequilibre = 0 (ceci correspond a` la situation etudiee dans la remarque, avec une
fonction f () = sin strictement decroissante sur [m , m ]). La demi-periode
est donnee par
 m  m
T d d
= =2 .
2 m 2g
+ l cos 0 + 2g cos
l

Si > 2g/l, on nest plus dans la situation de la remarque, mais on a cependant


encore un mouvement periodique de demi-periode

T d
= ,
2 0 + 2g
l cos

le pendule eectuant des rotations compl`etes sans jamais changer de sens de


rotation.
En physique, on sinteresse generalement aux oscillations de faible amplitude du
pendule. Ceci permet de faire lapproximation usuelle sin  et
on obtient
alors les solutions approchees classiques = m cos (t t0 ) avec = g/l. Nous
reviendrons sur cette question au paragraphe 2.4 du chapitre XI, et nous indiquerons
en particulier une methode permettant devaluer lerreur commise.


 

   

      
La theorie generale des equations et syst`emes dierentiels lineaires sera faite au
chapitre suivant. Indiquons un cas o` u lon peut se ramener a` un calcul de primitives.
Soit
(E) a(x)y  + b(x)y  + c(x)y = 0.
Supposons quon connaisse une solution particuli`ere y(1) de (E). On peut alors
chercher la solution generale par la methode de variation des constantes :
y(x) = (x)y(1) (x).
Il vient
   
a(x)  y(1) + 2 y(1)
 
+ y(1) + b(x)  y(1) + y(1)

+ c(x)y(1) = 0,
   
 
a(x)y(1) + b(x)y(1) + c(x)y(1) +  2a(x)y(1)

+ b(x)y(1) +  a(x)y(1) = 0,
 
 2a(x)y(1)

+ b(x)y(1) +  a(x)y(1) = 0.
188 Analyse num
erique et
equations diff
erentielles

La fonction =  est donc solution dune equation dierentielle lineaire du premier


ordre, qui se peut se recrire

  y(1) b(x)
=  = 2 .
y(1) a(x)

La solution generale est donnee par = (1) , R, do` u = (1) + , R,


o`
u (1) est une primitive de (1) . La solution generale de (E) est donc :

y(x) = (1) (x)y(1) (x) + y(1) (x), (, ) R2 .

Les solutions forment un espace vectoriel de dimension 2.

Exercice Resoudre x2 (1 x2 )y  + x3 y  2y = 0 en observant que y(1) (x) = x2


est solution.


 


   

  


Les probl`emes variationnels conduisent tr`es souvent `a la resolution dequations
dierentielles du second ordre. Avant de donner un exemple, nous allons resoudre un
probl`eme variationnel general dans une situation simple. On consid`ere un operateur
fonctionnel (cest-`a-dire une fonction dont la variable est une fonction)

: C 2 ([a, b]) R
 b
u (u) = F (x, u(x), u (x))dx,
a

o`u F : [a, b] R R R, (x, y, z) F (x, y, z) est une application de classe C 2 .


Le probl`eme typique du calcul des variations est de rechercher les extrema de (u)
lorsque u decrit C 2 ([a, b]) avec la  contrainte aux bornes  suivante : les valeurs
aux bornes de lintervalle u(a) = u1 , u(b) = u2 sont xees.
Soit h C 2 ([a, b]) avec h(a) = h(b) = 0. Pour tout t R, la fonction u + th verie
la meme contrainte aux bornes que la fonction u. Si u est un extremum de sous
les conditions precisees plus haut, alors t = 0 est un extremum de la fonction dune
variable reelle
 b
h (t) = (u + th) = F (x, u(x) + th(x), u (x) + th (x))dx.
a

On doit donc avoir  (0) = 0, et ceci quel que soit la fonction h C 2 ([a, b]) veriant
h(a) = h(b) = 0. Dapr`es le theor`eme de derivation sous le signe somme il vient
 b 
h (0) = h(x)Fy (x, u, u ) + h (x)Fz (x, u, u ) dx.
a

En integrant par parties le terme en h (x) on obtient


 b  
d
h (0) = h(x) Fy (x, u, u ) Fz (x, u, u ) dx.
a dx
VI M
ethodes de r
esolution explicite 189

Par densite de lensemble des fonctions h considerees dans lespace L1 ([a, b]) des
fonctions integrables sur [a, b], on aura donc h (0) = 0 pour tout h si et seulement
si u satisfait lequation dierentielle
d   
(E) Fy (x, u, u ) Fz (x, u, u ) = 0,
dx
ou encore :

Fy (x, u, u ) Fxz



(x, u, u ) u Fyz

(x, u, u ) u Fzz

(x, u, u ) = 0.

Cette equation dierentielle du second ordre en u est appelee equation dEuler-


Lagrange associee au probl`eme variationnel deni par loperateur .

` la chanette On cherche `a determiner la courbe representant


Application a
la position a` lequilibre dun l souple inextensible de masse lineique = dm/ds
constante, lorsque ce l est suspendu par ses extremites en des points situes `a
la meme hauteur (cette courbe est appelee  chanette ). On admettra comme
physiquement evident que la courbe cherchee est symetrique et situee dans le plan
vertical contenant les extremites. Soit Oxy un rep`ere orthonorme de ce plan tel
que Oy est la verticale oriente vers le haut et passant par le point le plus bas de
la courbe, les extremites ayant pour coordonnees (a, 0). Soit enn s [/2, /2]
labscisse curviligne mesuree le long du l avec le point le plus bas pris comme origine
( designe la longueur du l). La position dequilibre correspond `a la position la
plus basse possible du centre de gravite G. Par symetrie, on a (x etant choisi comme
variable) :  a  a 
1 1 2 a
yG = y dm = y ds = y ds,
m/2 0 /2 0  0
o`
u m =  est la masse du l. Une integration par parties donne

2  a 2 a
yG = ys 0 s dy
  0
 
2 a 2 a
2
= s dy = s s 1 dx
 0  0

avec s = ds/dx = dx2 + dy 2 /dx. Le probl`eme revient donc `a determiner les


fonctions s = s(x) realisant le maximum de loperateur
 a

(s) = s s2 1 dx,


0

avec les contraintes


s(0) = 0, s(a) = /2. Lequation dEuler-Lagrange appliquee `a
F (x, s, t) = s t2 1 donne

d  ss 
2 s2 + ss ss2 s
s2 1 = s 1 + 2 = 0.
dx s2 1 s2 1 (s 1)3/2

Apr`es multiplication par (s2 1)3/2 on obtient lequation

(E) (s2 1)2 (s2 1)(s2 + ss ) + ss2 s = 1 s2 + ss = 0.
190 Analyse num
erique et
equations diff
erentielles

On resout cette equation gr


ace `a la methode decrite au paragraphe 4.2.b), consistant
a choisir s comme nouvelle variable et v = s comme nouvelle fonction inconnue. Il
`
vient successivement

ds ds ds dv
s = = =v ,
dx dx ds ds
dv
(E) 1 v 2 + sv = 0,
ds
ds vdv 1
= 2 ln s = ln(v 2 1) + C,
s v 1 2

s = v 2 1 = s2 1,

 ds s2 ds
s = = 1 + 2 dx =
,
dx 1 + s2 /2
s x
x = Arg sinh s = sinh ,

ds  dy 2 x dy x
= 1+ = ch = sinh .
dx dx dx

On en deduit lequation de la chanette, en tenant compte du fait que y(a) = 0 :


 x a
y = cosh cosh .

Le param`etre se calcule `a partir de la relation sinh a/ = /2, obtenue en


egalant s(a) = /2.

Remarque Notre
raisonnement nest pas parfaitement rigoureux dans la mesure
u F (x, s, t) = s t2 1 est de classe C 2 seulement sur R R {|t| > 1}, alors que
o`
|s | est 1 mais prend la valeur 1 pour x = 0 (on notera que ds/dx = 1/ cos o` u
est langle de la tangente a` la courbe avec laxe 0x). Supposons s (x) > 1 pour
x > 0, comme cest le cas pour la solution physique observee. Le raisonnement
de derivation sous la signe somme et lintegration par parties appliques dans les
considerations generale du debut fonctionnent encore pour |t| petit si on suppose
h(x) = 0 sur un voisinage de 0 (et aussi bien s ur h(a) = 0).
Ces fonctions h sont encore denses dans L1 ([0, a]), donc s doit eectivement
satisfaire lequation dierentielle (E) sur ]0, a].

Calcul de g esiques Nous etudions ici une autre application importante


eod
du calcul des variations, a` savoir le calcul des geodesiques dune surface (ou dune
variete de dimension plus grande). Si nous avons une surface S R3 donnee comme
un graphe z = h(x, y) dune fonction h : R sur un ouvert R2 , lelement de
longueur innitesimal de la surface S est donne pour tout (x, y) par

ds2 = dx2 + dy 2 + dz 2 = dx2 + dy 2 + (hx dx + hy dy)2


= (1 + hx2 )dx2 + 2hx hy dx dy + (1 + hy2 )dy 2 .
VI M
ethodes de r
esolution explicite 191

Plus generalement, une metrique riemannienne sur un ouvert Rm est une


expression de lelement de longueur innitesimal par une forme quadratique denie
positive, dependant du point x considere :

ds2 = q(x, dx) = aij (x) dxi dxj
1i,jm

(avec une matrice symetrique (aij (x)) denie positive). On supposera en outre que
les coecients aij (x) sont susamment reguliers, disons de classe C 2 . Etant donne
1
une courbe : [a, b] de classe C , sa longueur (riemannienne) est par denition
  

ds =  (t) dt q = q (t),  (t)dt = aij ((t)) i (t)j (t) dt,
1i,jm
 b  b 
long() = ds = aij ((t)) i (t)j (t) dt.
a a 1i,jm

Pour deux points x, y , la distance geodesique dq (x, y) est par denition


inf long() pour tous les chemins : [a, b] de classe C 1 dextremites (a) = x,
(b) = y. Si un chemin realise linmum, on dit quil sagit dune geodesique
de la metrique riemannienne (on notera quen general un tel chemin nexiste pas
necessairement, et sil existe il peut ne pas etre unique). Un probl`eme fondamental
est de determiner lequation des geodesiques an entre autres de calculer la distance
geodesique. Pour cela il est commode dintroduire  lenergie dun chemin  qui est
par denition
 b  b 
 2
E() = (t) q dt = aij ((t)) i (t)j (t) dt.
a a 1i,jm

Linegalite de Cauchy-Schwarz donne


 b 2   b 2  b
 (t) q dt = 1  (t) q dt (b a)  (t) 2q dt
a a a
 1/2
soit long() (b a)E() , avec egalite si et seulement si

ds
=  (t) q = Cte,
dt
condition qui peut toujours etre realisee en reparametrisant le chemin par son
abscisse curviligne s. Il en resulte que les chemins qui minimisent lenergie sont
exactement les geodesiques parametrees par labscisse curviligne (`a un facteur
constant pr`es). Or la fonctionnelle denergie E() admet pour dierentielle
 b  
 aij
E () h = ((t)) i (t)j (t)hk (t) + 2 aij ((t)) i (t)hj (t) dt
a xk i,j
i,j,k
 b   a 
d 
((t)) i (t)j (t) 2 aik ((t)) i (t) dt
ij
= hk (t)
a i,j
xk dt i
k
192 Analyse num
erique et
equations diff
erentielles

apr`es integration par parties (on suppose bien s ur hj (a) = hj (b) = 0). Il en resulte
que le coecient de chaque terme hk (t) doit etre identiquement nul. En multipliant
par 1/2 et en developpant la derivee d/dt, on obtient le syst`eme dequations
dEuler-Lagrange caracterisant les geodesiques :
   aik 1 aij 
aik ((t)) i (t) + ((t)) i (t)j (t) = 0, 1 k m.
i i,j
x j 2 xk



 
5.1. On consid`ere lequation dierentielle `a variables separees
dy
(F ) = y + 1, > 0.
dt
(a) Exprimer la solution generale de (F ) en introduisant la fonction auxiliaire
 y
dx
G(y) =
0 x +1

(b) Plus precisement :


Determiner (en distinguant les deux cas 0 < 1 et > 1) le comportement
de G(y) sur [0, +[ ;
en deduire dans chaque cas lallure des solutions maximales de (F ) ;
traiter compl`etement et explicitement les deux cas = 1 et = 2.

5.2. On consid`ere lequation dierentielle

xy  y 2 + (2x + 1)y = x2 + 2x.

(a) Poss`ede-t-elle une solution particuli`ere de type polyn


ome ? En donner la
solution generale.

(b) Quelle est lequation de lisocline de pente 0 dans le nouveau rep`ere de vecteurs
de base ((1, 1), (0, 1)) ? Dessiner cette isocline en precisant les tangentes aux
points dabscisse 0 dans lancien rep`ere.

(c) Dessiner lallure generale des solutions.

(d) Soit (x0 , y0 ) un point de R2 . Combien passe-t-il de solutions maximales de


classe C 1 par (x0 , y0 ) ? On precisera lintervalle de denition de ces solutions
et le cas echeant on indiquera les solutions globales.

5.3. On consid`ere lequation dierentielle


dy
= y 2 (2x 1)y + x2 x + 1.
dt
VI M
ethodes de r
esolution explicite 193

(a) Determiner explicitement les solutions de cette equation ; on pourra commencer


par chercher sil existe des solutions polynomiales simples.

(b) Montrer que les courbes integrales maximales correspondant `a des solutions non
polynomiales forment deux familles de courbes se deduisant les unes des autres
par translations. Tracer celles de ces courbes qui sont asymptotes `a laxe y  Oy.

5.4. On consid`ere lequation dierentielle (1) y 2 = yy  + x, o`


u y est une fonction
a valeurs reelles, de classe C 1 par morceaux.
de x `

(a) Par quels points (x, y) de R2 passe-t-il une solution de (1) ? Faire un graphique.

(b) En parametrant (1)  par dy  = tdx, montrer que y est solution dune equation
dierentielle (2) f y, t, dy
dt = 0.
 
(c) Integrer (2) puis (1) ; on pourra poser t = tan avec 2 , 2 . On obtient
une famille de courbes C dependant dun param`etre .

(d) Pour = 0 preciser les limites quand 0 de x, y, y/x, puis preciser d



2
dx

dy
 dx dy

et d . Quelle est la norme euclidienne du vecteur d , d ? On se rappellera
dy
que dx = tan .
   dy 2
dx 2
(e) On pose z() = d + d pour 0
2. Etudier les variations de
z() puis tracer la courbe C0 .

5.5. On consid`ere la famille de paraboles (P ) dequation

P : x = y 2 + y.

(a) Montrer que ces courbes sont solutions dune equation dierentielle du premier
ordre que lon precisera.

(b) Determiner la famille des courbes orthogonales aux courbes (P ).

5.6. On consid`ere la famille de courbes (C ) dans R2 denies par lequation

x2 y 2 + y 3 = 0,

o`
u est un param`etre reel.

(a) Tracer les courbes (C0 ), (C1 ) dans un rep`ere orthonorme Oxy (unite : 4 cm).
Quelle relation existe-t-il entre (C1 ) et (C ) ?

(b) Montrer que les courbes (C ) sont solutions dune equation dierentielle du
premier ordre.

(c) Determiner lequation des trajectoires orthogonales aux courbes (C ). Quelle


est la nature de ces courbes ? Representer la trajectoire orthogonale passant
par le point (1, 0) sur le meme schema que (C0 ) et (C1 ).
194 Analyse num
erique et
equations diff
erentielles

5.7. On consid`ere dans le plan euclidien R2 la famille de courbes

(C ) x4 = y 4 + x.

(a) Determiner lequation dierentielle veriee par la famille (C ).



(b) Ecrire lequation dierentielle des trajectoires orthogonales aux courbes (C ).
En observant que cette equation est dun type classique, determiner lequation
des trajectoires orthogonales.

5.8. On consid`ere le probl`eme de Cauchy

(P) y  = t2 + y 2 + 1 ; y(0) = 0.

(a) Soient T et R deux reels > 0, et soit (T, R) le rectangle deni par les inegalites

0tT; R y R.

() Montrer que si la condition

T 2 + R2 + 1 R/T

est veriee, alors (T, R) est un rectangle de securite pour (P).


() Montrer
que pour T > 0 susamment petit, par exemple pour T < T0 =
21
2 , il existe R > 0 tel que (T, R) soit un rectangle de s
ecurite
pour (P).
() Montrer que (1/3, 2) est un rectangle de securite pour (P), et en deduire
avec precision que (P) admet une solution y et une seule sur lintervalle
[0, 1/3].

(b) On va montrer que la solution y de (P) mise en evidence en (a) () ne se prolonge


pas a` [0, +[. On introduit a` cet eet le probl`eme de Cauchy auxiliaire

(P1 ) z  = z 2 + 1, z(0) = 0,

o`
u z designe une nouvelle fonction inconnue de t.
() Determiner explicitement lunique solution z de (P1 ), et indiquer son
intervalle de denition maximal.
() Soit [0, T ] un intervalle sur lequel y et z soient simultanement denies.
Montrer que u = y z est solution dun probl`eme de Cauchy

(P2 ) u = a(t)u + b(t) ; u(0) = 0 ;

u b verie b(t) 0 pour tout t dans [0, T ]. En deduire que y(t) z(t) pour
o`
tout t dans [0, T ].
VI M
ethodes de r
esolution explicite 195

() Deduire de ce qui prec`ede que si T


2, alors y ne se prolonge certainement
pas jusqu`
a t = T.
() Tracer avec le maximum de precision possible le graphe de y sur son
intervalle de denition maximal [0, T1 [ (forme du graphe au voisinage de
0 ; sens de variation, convexite ; asymptote ; etc. . .).

5.9 . On appelle metrique de Poincare du disque unite D = {|z| < 1} du plan


complexe la metrique riemannienne

|dz|2 dx2 + dy 2
ds2 = 2 2
= , z = x + iy.
(1 |z| ) (1 (x2 + y 2 ))2

(a) Montrer (avec les notations du 4.4, et en gardant les fonctions complexes dans
les calculs) que la dierentielle de lenergie est donnee par
  
b
 (t) (t)  (t)  (t)
E() h = 2 Re  2 h (t) + 2  3 h(t) dt.
a 1 (t)(t) 1 (t)(t)

En deduire que lequation dEuler-Lagrange des geodesiques est

2  (t)2 (t)
 (t) + = 0.
1 (t)(t)

(b) Montrer que le chemin (t) = tanh(kt) (qui decrit le diam`etre ]1, 1[ du disque)
est solution de lequation pour tout k R+ .

(c) Montrer que si t (t) est solution, alors t (t) est encore solution pour
tout nombre complexe de module 1, et egalement que ha est solution, pour
toute homographie complexe ha de la forme

z+a
ha (z) = , a D.
1 + az

(d) En utilisant un argument dunicite des solutions du probl`eme de Cauchy,


montrer que les geodesiques sont toutes donnees par (t) = ha ( tanh(kt)),
a D, || = 1, k R+ [on pourra calculer (0) et  (0)].
(e) Montrer que les trajectoires des geodesiques sont les diam`etres et les arcs de
cercle orthogonaux au cercle unite |z| = 1.


  

Les syst`emes dierentiels lineaires ont une grande importance pratique, car de
nombreux phenom`enes naturels peuvent se modeliser par de tels syst`emes, au
moins en premi`ere approximation. On sait dautre part resoudre completement les
syst`emes `a coecients constants, le calcul des solutions se ramenant `a des calculs
dalg`ebre lineaire (diagonalisation ou triangulation de matrices). Dans toute la
suite, K designe lun des corps R ou C.


  



 

 
Un syst`eme dierentiel lineaire du premier ordre dans Km est une equation
dY
(E) = A(t)Y + B(t)
dt

y1 (t)

u Y (t) = ... Km est la fonction inconnue et o`
o` u
ym (t)

b1 (t)

A(t) = (aij (t))1i,jm Mm (K), B(t) = ... Km
bm (t)
sont des fonctions continues donnees :
A : I Mm (K) = {matrices carrees m m sur K},
B : I Km ,
denies sur un intervalle I R.
On observe que la fonction f (t, Y ) = A t)Y + B(t) est continue sur I Km et
lipschitzienne en Y de rapport
k(t) = |||A(t)|||.
198 Analyse num
erique et
equations diff
erentielles

Dapr`es le crit`ere V 3.4 sur lexistence de solutions globales, on peut enoncer :


Th eme Par tout point (t0 , V0 ) I Km il passe une solution maximale
eor`
unique, denie sur I tout entier.

 

  
    
 
 
On entend par l` a un syst`eme lineaire avec B = 0 identiquement :
dY
(E0 ) = A(t)Y.
dt
Soit S lensemble des solutions maximales. Alors pour tous Y(1) , Y(2) S et tous
scalaires 1 , 2 K on a 1 Y(1) + 2 Y(2) S, donc S est un K-espace vectoriel.
Considerons lapplication devaluation au temps t0 :
t0 : S Km
Y Y (t0 ).
t0 est un isomorphisme lineaire, la surjectivite provenant du theor`eme dexistence,
et linjectivite du theor`eme dunicite relatif au probl`eme de Cauchy.
equence Lensemble S des solutions maximales est un espace vectoriel
Cons
de dimension m sur K.



   
Revenons au syst`eme lineaire le plus general :
dY
(E) = A(t)Y + B(t).
dt
On sait quil existe au moins une solution globale Y(1) . Si Y est une solution
quelconque, il est clair que Z = Y Y(1) satisfait lequation sans second membre
(E0 ) : dZ/dt = A(t)Z, et reciproquement. Par consequent, lensemble des solutions
maximales est donne par
Y(1) + S = {Y(1) + Z ; Z S},
u S est lensemble des solutions maximales de lequation sans second membre (E0 )
o`
associee. Lensemble Y(1) + S des solutions est un translate de S, cest donc un
espace ane de dimension m sur K, admettant S comme direction vectorielle.

 

     
 
    

Ce sont les syst`emes de la forme
dY
(E) = AY + B(t)
dt
u la matrice A = (aij ) Mn (K) est independante de t.
o`
VII Syst`
emes diff
erentiels lin
eaires 199

dY

  


  
   = AY
dt
On cherche une solution de la forme Y (t) = et V o` u l K, V Km sont des
constantes. Cette fonction est solution si et seulement si et V = et AV , soit

AV = V.

On est donc amene `a chercher les valeurs propres et les vecteurs propres de A.

Cas simple : A est diagonalisable.

Il existe alors une base (V1 , . . . , Vm ) de Km constituee de vecteurs propres de A, de


valeurs propres respectives 1 , . . . , m . On obtient donc m solutions lineairement
independantes
t ej t Vj , 1 j m.
La solution generale est donnee par

Y (t) = 1 e1 t V1 + . . . + m em t Vm , j K.

Lorsque A est nest pas diagonalisable, on a besoin en general de la notion


dexponentielle dune matrice. Toutefois le cas des syst`emes 2 2 `a coecients
constants est susamment simple pour quon puisse faire les calculs  `a la main .
Le lecteur pourra se reporter au X 2.2 pour une etude approfondie de ce cas.

  

  
 
La denition est calquee sur celle de la fonction exponentielle complexe usuelle,
calculee au moyen du developpement en serie enti`ere.

+
 1 n
enition Si A M (K), on pose eA =
D A .
n=0
n!

Munissons Mn (K) de la norme ||| ||| des operateurs lineaires sur Km associee `a la
norme euclidienne (resp. hermitienne) de Rm (resp. Cm ). On a alors

1 n 1
||| A ||| |||A|||n ,
n! n!
1
de sorte que la serie n! An est absolument convergente. On voit de plus que

|||eA ||| e|||A||| .

Propri e fondamentale Si A, B Mm (K) commutent (AB = BA), alors


et

eA+B = eB eB .
200 Analyse num
erique et
equations diff
erentielles

1
1
V erication. On consid`ere la serie produit p! Ap q! B q , dont le terme
general est
 1 1 
n
n! 1
Cn = Ap B q = Ap B np = (A + B)n
p+q=n
p!q! n! p=0
p!(n p)! n!

dapr`es la formule du bin


ome (noter que cette formule nest vraie que si A et B
commutent). Comme les series de eA et eB sont absolument convergentes, on en
deduit
+

e e =
A B
Cn = eA+B .
n=0

On voit en particulier que e est une matrice inversible, dinverse eA .


A

Remarque La propriete fondamentale tombe en defaut lorsque A et B ne


commutent pas. Le lecteur pourra par exemple calculer eA eB et eA+B avec
   
0 0 0
A= et B = ,
0 0 0
avec R. Que remarque-t-on ?

M
ethode g erale de calcul dans Mn(C) Toute matrice A Mn (C)
en
peut etre mise sous forme de blocs triangulaires correspondant aux dierents sous-
espaces caracteristiques de A. Il existe donc une matrice de passage P , dont
les colonnes sont constituees par des vecteurs formant des bases des sous-espaces
caracteristiques, telle que
T = P 1 AP
soit une matrice triangulaire de la forme

T1
0 j ...
..
..
T2 0 j . .
T = . , Tj =

,

.. .. ..
. .
0 Ts 0 ... 0 j

o`
u 1 , . . . , s sont les valeurs propres distinctes de A. On a alors de facon evidente

T1n e T1
T2n
0 e T2 0

Tn = .. , eT = ..
. .
0 Tsn
0 e Ts

Comme A = P T P 1 , il vient An = P T n P 1 , do`u


T1
e
e T2
0
A T 1 1
e = Pe P = P .. P
.
0 e Ts
VII Syst`
emes diff
erentiels lin
eaires 201

On est donc ramene `a calculer lexponentielle eB lorsque B est un bloc triangulaire


de la forme
...
.
. ..
..
0
B=. . = I + N Mp (K),
.. .. ...
0 ... 0

0
. .
u I est la matrice unite et N une matrice nilpotente N = ..
o` ..
0 ... 0
triangulaire superieure. La puissance N n comporte n diagonales nulles a` partir
de la diagonale principale (celle-ci incluse), en particulier N n = 0 pour n p. On
obtient donc

1 ...
.
. ..
..
1 1 0 1
eN = I + N + ... + N p1 = . . .
1! (p 1)! .. .. ...
0 ... 0 1
Comme I et N commutent, il vient nalement

eB = eI eN = e eN (car eI = e I).

Formule det (eA ) = exp(tr(A)).

erication. Dans le cas dun bloc triangulaire B Mp (K), on trouve


V

det (eB ) = (e )p det (eN ) = ep = exp(tr(B)).

On en deduit donc

det (eT ) = det (eT1 ) . . . det (eTs ) = exp(tr(T1 ) + . . . + tr(Ts )) = exp(tr(T ))

Comme A = P T P 1 et eA = P eT P 1 , on a nalement

det (eA ) = det (eT ), tr(A) = tr(T ) = valeurs propres.

dY


  
  
 
  
   = AY
dt
Lune des proprietes fondamentales de lexponentiation des matrices reside dans le
fait quelle est intimement liee `a la resolution des equations lineaires `a coecients
constants dY /dt = AY .

Th
eor`
eme La solution Y telle que Y (t0 ) = V0 est donnee par

Y (t) = e(tt0 )A V0 , t R.
202 Analyse num
erique et
equations diff
erentielles

emonstration. On a Y (t0 ) = e0 V0 = IV0 = V0 .


D

Dautre part, la serie enti`ere


+
 1 n n
etA = t A
n=0
n!

est de rayon de convergence +. On peut donc deriver terme `a terme pour tout
tR:
+
 +

d tA 1 1 p p+1
(e ) = tn1 An = t A ,
dt n=1
(n 1)! p=0
p!

d tA
(e ) = A etA = etA A.
dt

Par consequent, on a bien


dY d  (tt0 )A 
= e V0 = Ae(tt0 )A V0 = AY (t).
dt dt
En prenant t0 = 0, on voit que la solution generale est donnee par Y (t) = etA V
avec V Km .
Le calcul de etA se ram`ene au cas dun bloc triangulaire B = I + N Mp (C).
Dans ce cas on a etB = etI etN = et etN , avec

1 Q12 (t) . . . Q1p (t)
..
 1 Q23 (t) .
p1 n
t
tN
e = n
N = .. ..
n! . .

n=0
1 Qp1 p (t)
0 1

o`
u Qij (t) est un polyn ome de degre j i, avec Qij (0) = 0. Les composantes de
Y (t) sont donc toujours des fonctions exponentielles-polyn omes 1js Pj (t)ej t
u 1 , . . . , s sont les valeurs propres complexes de A (meme si K = R).
o`

dY


  
  = AY + B(t)
dt
Si aucune solution evidente napparat, on peut utiliser la methode de variation des
constantes, cest-`a-dire quon cherche une solution particuli`ere sous la forme

Y (t) = etA V (t)

o`
u V est supposee dierentiable. Il vient

Y  (t) = AetA V (t) + etA V  (t)


= AY (t) + etA V  (t).
VII Syst`
emes diff
erentiels lin
eaires 203

Il sut donc de choisir V telle que etA V  (t) = B(t), soit par exemple
 t
V (t) = euA B(u)du, t0 I.
t0

On obtient ainsi la solution particuli`ere


 t  t
Y (t) = etA euA B(u)du = e(tu)A B(u)du,
t0 t0

qui est la solution telle que Y (t0 ) = 0. La solution generale du probl`eme de Cauchy
telle que Y (t0 ) = V0 est donc
 t
(tt0 )A
Y (t) = e V0 + e(tu)A B(u)du.
t0

Exemple Une particule de masse m et de charge electrique q se deplace dans





R3 sous laction dun champ magnetique B et dun champ electrique E uniformes
et independants du temps. Quelle est la trajectoire de la particule ?


Si V et designent respectivement la vitesse et lacceleration, la loi de Lorentz et
le principe fondamental de la dynamique donnent lequation




F = m
= qV B + qE,
do`
u


dV q q
= = V B+ E.
dt m m
Il sagit dun syst`eme lineaire o`
u la matrice A (`
a coecients constants) est la matrice

q

de lapplication lineaire V m V B . On confondra dans la suite A avec cette
application lineaire. Un calcul simple montre que
 q 2  q 2




A2 ( V ) = (V B ) B = B 2 PB ( V )
m m


o`u B = B et o` u PB designe le projection orthogonale sur la plan vectoriel de


vecteur normal B . Le schema est le suivant :



B


QB ( V )

V


(V B ) B



PB ( V )



V B
204 Analyse num
erique et
equations diff
erentielles




On observe pour le calcul que V B = PB ( V ) B . On en deduit alors facilement
 q 2p



A2p ( V ) = (1)p B 2p PB ( V ), p 1
m
 q 2p+1



A2p+1 ( V ) = (1)p B 2p V B ,
m
q
cette derni`ere relation etant encore valable pour p = 0. En notant = m B, on en
deduit

+ +


2p t2p
 2p+1 t2p+1 1

etA ( V ) = V + (1)p PB ( V ) + (1)p V B
p=1
(2p)! p=0
(2p + 1)! B



1

= V PB ( V ) + cos t PB ( V ) + sin t V B.
B

En labsence de champ electrique, les equations du mouvement sont donnees par





1
V = QB ( V0 ) + cos t PB ( V 0 ) + sin t V0 B
B

1
1 cos t


M0 M = tQB ( V0 ) + sin t PB ( V0 ) + V0B
w B


o`u M0 , V0 designent la position et la vitesse en t = 0 et QB la projection orthogonale


sur la droite R B . Il est facile de voir quil sagit dun mouvement helicodal


uniforme de pulsation , trace sur un cylindre daxe parall`ele `a B et de rayon


R = PB ( V0 ) /.




En presence dun champ electrique E , le calcul est aise si E est parall`ele `a B . On

q
a donc dans ce cas une solution particuli`ere evidente V = t m E , do` u les lois
generales des vitesses et du mouvement :



q

1


V = QB ( V 0 ) + t E + cos t PB ( V0 ) + sin t V 0 B ,
m B
  1 1 cos t

q


M0 M = tQB ( V0 ) + t2 E + sin t PB ( V0 ) + V0 B .
2m B

Le mouvement est encore trace sur un cylindre a` base circulaire et sa pulsation est
constante, mais le mouvement est accelere dans la direction de laxe.



Dans le cas general, on decompose E = E// + E en ses composantes parall`eles et





orthogonales a` B , et on observe quil existe un vecteur U orthogonal a` B et E ,


tel que U B = E . Lequation dierentielle devient



dV q q

= (V + V ) B + E//
dt m m


de sorte que V + U satisfait lequation dierentielle correspondant a` un champ





electrique parall`ele `a B . En substituant V + U `a V et V0 + U `a V0 dans les
VII Syst`
emes diff
erentiels lin
eaires 205

formules, on obtient


q  

V + U = QB ( V 0 ) + t E// + cos t PB ( V0 + U )
m
1
+ sin t ( V0 B + E ),
B
 
q sin t  

M0 M = t QB ( V0 U ) + t2 E// + PB ( V0 + U )
2m
1 cos t
+ ( V0 B + E ).
B
Il sagit encore dun mouvement de type helicodal accelere, mais cette fois le
mouvement nest plus trace sur un cylindre.





B B B




E E


 
    
   
  p
 
    
 

On consid`ere ici une equation dierentielle sans second membre

(E) ap y (p) + . . . + a1 y  + a0 y = 0

u y : R K, t y(t) est la fonction inconnue, et o`


o` u les aj K sont des constantes,
ap = 0.
Dapr`es le paragraphe V 4.2, on sait que lequation (E) est equivalente a` un syst`eme
dierentiel (S) dordre 1 dans Kp , qui est le syst`eme lineaire sans second membre
Y  = AY avec

0 1 0 ... 0
0 0 1 ... 0
.
A= . . , cj = a j .
ap
0 0 0 ... 1
c0 c1 c2 . . . cp1
206 Analyse num
erique et
equations diff
erentielles

ace au 1.1, on peut donc enoncer :


Gr

Th eme Lensemble S des solutions globales de (E) est un K-espace vectoriel


eor`
de dimension p.

Placons-nous maintenant sur le corps C (si K = R, les solutions reelles sobtiennent


simplement en prenant la partie reelle et la partie imaginaire des solutions com-
plexes). Cherchons les solutions exponentielles de la forme

y(t) = et , C.

Comme y (j) (t) = j et , on voit que y est solution de (E) si et seulement si est
racine du polynome caracteristique

P () = ap p + . . . + a1 + a0 .

 P 

       
  
Si P poss`ede p racines distinctes 1 , . . . , p , on obtient p solutions distinctes

t ej t , 1 j p.

On verra plus loin que ces solutions sont lineairement independantes sur C.
Lensemble des solutions est donc lespace vectoriel de dimension p des fonctions

y(t) = 1 e1 t + . . . + p ep t , j C.

 P        
 
  
On peut alors ecrire

s
P () = ap ( j )mj
j=1

o`
u mj est la multiplicite de la racine j , avec

m1 + . . . + ms = p.

Considerons loperateur dierentiel


d  p
di
P = ai i .
dt i=0
dt

On voit que lequation dierentielle etudiee peut se recrire


d
(E) P y=0
dt
et on a dautre part la formule
d
P et = P ()et , C.
dt
VII Syst`
emes diff
erentiels lin
eaires 207

d d
Comme les derivees partielles dt et d commutent dapr`es le theor`eme de Schwarz,
on obtient
d  d  dq  dq   d  t  dq  
P (tq et ) = P e t
= P e = P ()e t
,
dt dt dq dq dt dq
do`
u, gr
ace `a la formule de Leibnitz :
d q
P (tq et ) = Cqi P (i) ()et .
dt i=0

Comme j est racine de multiplicite mj , on a P (i) (j ) = 0 pour 0 i mj 1, et


P (mj ) (j ) = 0. On en deduit
 d  
P tq ej t = 0, 0 q mj 1.
dt
Lequation (E) admet donc les solutions

y(t) = tq ej t , 0 q mj1 , 1js

soit au total m1 + . . . + ms = p solutions.

Lemme Si 1 , . . . , s C sont des nombres complexes deux a` deux distincts,


alors les fonctions
yj,q (t) = tq ej t , 1 j s, qN
sont lineairement independantes.

D
emonstration. Considerons une combinaison lineaire nie

j,q yj,q = 0, j,q C.

Si les coecients sont non tous nuls, soit N le maximum des entiers q tels quil
0. Supposons par exemple 1,N = 0. On pose alors
existe j avec j,q =

Q() = ( 1 )N ( 2 )N +1 . . . ( s )N +1

Il vient Q(i) (j ) = 0 pour j 2 et 0 i N , tandis que Q(i) (1 ) = 0 pour


0 i < N et Q(N ) (1 ) = 0. On en deduit

d q
Q (tq ej t ) = Cqi Q(i) (j )tqi ej t
dt i=0
= 0 pour 0 q N, 1 j s,

sauf si q = N , j = 1, auquel cas


d
Q (tN e1 t ) = Q(N ) (1 )e1 t .
dt
208 Analyse num
erique et
equations diff
erentielles

 
d
En appliquant loperateur Q dt `a la relation j,q tq ej t = 0 on obtient alors
1,N Q(N ) (1 )e1 t = 0, ce qui est absurde puisque 1,N = 0 et Q(N ) (1 ) = 0. Le
lemme est demontre. On peut donc enoncer :

Th
eor`
eme Lorsque le polynome caracteristique P () a des racines complexes
1 , . . . , s de multiplicites respectives m1 , . . . , ms , lensemble S des solutions est le
C-espace vectoriel de dimension p ayant pour base les fonctions

t tq ej t , 1 j s, 0 q mj 1.


 
  
 p  
 

Soit a` resoudre lequation dierentielle

(E) ap y (p) + . . . + a1 y  + a0 y = b(t),

o`u b : I C est une fonction continue donnee. On commence par resoudre


lequation sans second membre

(E0 ) ap y (p) + . . . + a1 y  + a0 y = 0.

Soit (v1 , . . . , vp ) une base des solutions de (E0 ). On cherche alors une solution
particuli`ere de (E).
Dans un certain nombre de cas, une solution simple peut etre trouvee rapidement.
Par exemple, si b est un polyn ome de degre d et si a0 = 0, lequation (E)
admet une solution polynomiale y de degre d, que lon peut rechercher par
identication des coecients. Si b(t) = et et si nest pas racine du polyn ome
caracteristique, lequation admet pour solution (/P ())et . Si b est une fonction
exponentielle-polyn ome, (E) admet une solution du meme type (noter que les
fonctions trigonometriques se ram`enent a` ce cas).
En general, le principe consiste a` appliquer la methode de variation des constantes
au syst`eme dierentiel (S) dordre 1 associe a ` (E).
 (p1)
Si on pose y = y0 , y = y1 , . . . , y = yp1 , lequation (E) equivaut au syst`eme


y0 = y1



..
.
(S)


yp2 = yp1



y  = 1 (a0 y0 + a1 y1 + . . . + ap1 yp1 ) + 1 b(t).
p1 ap ap

Ce syst`eme lineaire peut se recrire (S): Y  = AY + B(t) avec



0
y0 ..

Y = ... et B(t) =

.

0
yp1 1
b(t).
ap
VII Syst`
emes diff
erentiels lin
eaires 209

Le syst`eme homog`ene (S0 ) Y  = AY admet pour base de solutions les fonctions


v v
1 2 vp
v1 v2 vp

V1 =
..
V 2 =
..
. . . Vp = . .
. . .
.
(p1) (p1) (p1)
v1 v2 vp

On cherche alors une solution particuli`ere de (S) sous la forme

Y (t) = 1 (t)V1 (t) + . . . + p (t)Vp (t).

Comme Vj = AVj , il vient


 
Y  (t) = j (t)Vj (t) + j (t)Vj (t)

= AY (t) + j (t)Vj (t).

Il sut donc de choisir les j tels que j (t)Vj (t) = B(t), cest-`a-dire

1 (t)v1 (t) + . . . + p (t)vp (t) = 0



...
 (p2) (p2)
1 (t)v1 (t) + . . . + p (t)vp (t) = 0



 (t)v (p1) (p1)
1 1 (t) + . . . + p (t)vp (t) = a1p b(t).

On obtient ainsi un syst`eme lineaire de p equations par rapport aux p inconnues


1 (t), . . . , p (t). Le determinant de ce syst`eme est non nul pour tout t R (les
vecteurs V1 (t), . . . , Vp (t) sont lineairement independants, car si une combinaison
lineaire Y = 1 V1 + . . . + p Vp est telle que Y (t) = 0, alors Y 0 dapr`es le
theor`eme dunicite, donc 1 = . . . = p = 0).
La resolution de ce syst`eme permet de calculer 1 , . . . , p , puis 1 , . . . , p par
integration, do` u la solution particuli`ere cherchee :

y(t) = 1 (t)v1 (t) + . . . + p (t)vp (t).



Exemple (E) y  + 4y = tan t, avec t , .
2 2
On commence par resoudre lequation sans second membre

(E0 ) y  + 4y = 0.

Le polyn ome caracteristique est P () = 2 + 4, et poss`ede deux racines simples


2i et 2i. Lequation (E0 ) admet pour base de solutions les fonctions t e2it ,
t e2it , ou encore :
t cos 2t, t sin 2t.
On cherche ensuite une solution particuli`ere de (E) en posant

y(t) = 1 (t) cos 2t + 2 (t) sin 2t.


210 Analyse num
erique et
equations diff
erentielles

Ceci conduit a` resoudre le syst`eme



1 (t) cos 2t + 2 (t) sin 2t = 0
1 (t) (2 sin 2t) + 2 (t) (2 cos 2t) = tan t.

Le determinant du syst`eme etant egal `a 2, on obtient




 1 2 1
1 (t) = tan t sin 2t = sin t = (1 cos 2t)
2 2

1 1 1
2 (t) = tan t cos 2t = tan t(2 cos2 t 1) = sin 2t tan t,
2 2 2



t 1
1 (t) = + sin 2t
2 4

1 1
2 (t) = cos 2t + ln (cos t),
4 2
do`
u la solution particuli`ere
t 1
y(t) = cos 2t + sin 2t ln (cos t).
2 2
La solution generale est donc
t 1
y(t) = cos 2t + sin 2t ln (cos t) + 1 cos 2t + 2 sin 2t.
2 2

 

     
  
   
 
Lobjet de ce paragraphe (avant tout theorique) est de generaliser les resultats du
2 au cas des syst`emes lineaires `a coecients variables.


   
    
 
Considerons une equation lineaire sans second membre

(E0 ) Y  = A(t)Y

u A : R I Mm (K) est une matrice m m sur K `a coecients continus.


o`
Soit S lensemble des solutions maximales de (E0 ). Pour tout t0 I, on sait que

t0 : S Km , Y Y (t0 )

est un isomorphisme K-lineaire. Pour tout couple (t, t0 ) I 2 , on denit

1 t
R(t, t0 ) = t 1
t0
t0 : Km
S Km
V Y Y (t).
VII Syst`
emes diff
erentiels lin
eaires 211

On a donc R(t, t0 ) V = Y (t), o`


u Y est la solution telle que Y (t0 ) = V . Comme
R(t, t0 ) est un isomorphisme Km Km , il sera identie `a la matrice inversible qui
lui correspond canoniquement dans Mm (K).

D
enition R(t, t0 ) sappelle la resolvante du syst`eme lineaire (E0 ).

Pour tout vecteur V Km , on a avec les notations ci-dessus


 
d d 
R(t, t0 ) V = R(t, t0 ) V )
dt dt
dY
= = A(t)Y (t) = A(t)R(t, t0 ) V.
dt
d
On en deduit donc dt R(t, t0 ) = A(t)R(t, t0 ).

Propri
et
es de la r
esolvante
(i) t I, R(t, t) = Im (matrice unite m m).
(ii) (t0 , t1 , t2 ) I 3 , R(t2 , t1 )R(t1 , t0 ) = R(t2 , t0 ).
(iii) R(t, t0 ) est la solution dans Mm (K) du syst`eme dierentiel

dM
= A(t)M (t)
dt

u M (t) Mm (K) verie la condition initiale M (t0 ) = Im .


o`

(i) et (ii) sont immediats `a partir de la denition de R(t, t0 ) et (iii) resulte de ce qui
prec`ede. Retenons enn que la solution du probl`eme de Cauchy

Y  = A(t)Y avec Y (t0 ) = V0

est donnee par

Y (t) = R(t, t0 ) V0 .

Remarque Le syst`eme dM/dt = A(t)M (t) peut paratre plus complique que
le syst`eme initial puisquon a m2 equations scalaires au lieu de m (on passe de
Km ` a Mm (K)). Il est neanmoins parfois utile de considerer ce syst`eme plutot que
lequation initiale, parce que tous les objets sont dans Mm (K) et quon peut exploiter
la structure dalg`ebre de Mm (K).

Exemple Supposons que


A(t)A(u) = A(u)A(t) pour tous t, u I. ()

Alors  t 
R(t, t0 ) = exp A(u)du .
t0
212 Analyse num
erique et
equations diff
erentielles

 t 
Pour le voir, il sut de montrer que M (t) = exp A(u)du satisfait la condition
t0
(iii) ci-dessus. Il est clair que M (t0 ) = Im . Par ailleurs lhypoth`ese de commutation
 b  d
() entrane que A(u)du et A(u)du commutent pour tous a, b, c, d I, le
a c
produit etant egal dans les deux cas `a

A(u)A(v)dudv
[a,b][c,d]
par le theor`eme de Fubini. On a donc
  
t t+h
M (t + h) = exp A(u)du + A(u)du
t0 t
 
t+h
= exp A(u)du M (t).
t
 t+h
Or A(u)du = hA(t) + o(h), donc utilisant le developpement en serie de
t
lexponentielle on trouve
M (t + h) = (Im + hA(t) + o(h))M (t)
= M (t) + hA(t)M (t) + o(h),
ce qui montre bien que dM/dt = A(t)M (t).
En particulier, si U et V sont des matrices constantes qui commutent et si
A(t) = f (t)U + g(t)V pour des fonctions scalaires f, g, alors lhypoth`ese () est
satisfaite. On a donc
 t  t 
R(t, t0 ) = exp f (u)du U + g(u)du V
t0 t0
 t   t 
= exp f (u)du U exp g(u)du V .
t0 t0

Exercice 1 Utiliser la derni`ere remarque de lexemple pour calculer la


resolvante associee aux matrices

  1 0 cos2 t
a(t) b(t)
A(t) = , resp. A(t) = 0 1 cos2 t .
b(t) a(t)
0 0 sin2 t

Exercice 2 Resoudre le syst`eme lineaire


 dx  
dt = 1t x + ty 1/t t
dy o`
u A(t) =
dt =y 0 1

et en deduire la formule donnant la resolvante R(t, t0 ).


Montrer que dans ce cas on a
 t 
R(t, t0 ) = exp A(u)du .
t0
VII Syst`
emes diff
erentiels lin
eaires 213

Lexercice 2 montre que cest le plus souvent la resolution du syst`eme qui permet
de determiner la resolvante, et non pas linverse comme pourrait le laisser croire la
terminologie.

 

 
  
On va voir ici quon sait toujours calculer le determinant dun syst`eme de solutions,
ou ce qui revient au meme, le determinant de la resolvante, meme lorsque la
resolvante nest pas connue.

D
enition Le Wronskien dun syst`eme de m solutions Y1 , Y2 , . . . , Ym de (E0 )
est
W (t) = det (Y1 (t), . . . , Ym (t))

Posons Vj = Yj (t0 ). Alors Yj (t) = R(t, t0 ) Vj , do`


u

W (t) = det (R(t, t0 )) det (V1 , . . . , Vm ).

On est donc ramene `a calculer la quantite

(t) = det (R(t, t0 )),

et pour cela on va montrer que (t) verie une equation dierentielle simple. On a

(t + h) = det (R(t + h, t0 )) = det (R(t + h, t)R(t, t0 ))


= det (R(t + h, t))(t).

d
Comme R(t, t) = Im et du R(u, t)|u=t = A(t)R(t, t) = A(t), la formule de Taylor
donne
R(t + h, t) = Im + hA(t) + o(h),
det (R(t + h, t)) = det (Im + hA(t)) + o(h).

Lemme Si A = (aij ) Mm (K), alors

det (Im + hA) = 1 + 1 h + . . . + m hm



avec 1 = tr A = aii .
1im

En eet dans det (Im + hA) le terme diagonal est



(1 + ha11 ) . . . (1 + hamm ) = 1 + h aii + h2 . . .

et les termes non diagonaux sont multiples de h2 .


214 Analyse num
erique et
equations diff
erentielles

Le lemme entrane alors

det (R(t + h, t)) = 1 + h tr (A(t)) + o(h),


(t + h) = (t) + h tr (A(t))(t) + o(h).

On en deduit
 (t) = tr (A(t))(t),

et comme (t0 ) = det (R(t0 , t0 )) = det Im = 1, il vient :


 t 
det R(t, t0 ) = (t) = exp tr A(u)du ,
t0
 t 
W (t) = exp tr A(u)du det (V1 , . . . , Vm ).
t0



   
   
 
Soit a` resoudre le syst`eme dierentiel lineaire

(E) Y  = A(t)Y + B(t),

et soit R(t, t0 ) la resolvante du syst`eme lineaire sans second membre

(E0 ) Y  = A(t)Y.

On cherche alors une solution particuli`ere de (E) sous la forme

Y (t) = R(t, t0 ) V (t)

o`
u V est supposee dierentiable. Il vient

dY d 
= R(t, t0 ) V (t) + R(t, t0 ) V  (t)
dt dt
= A(t)R(t, t0 ) V (t) + R(t, t0 ) V  (t)
= A(t)Y (t) + R(t, t0 ) V  (t).

Il sut donc de prendre R(t, t0 ) V  (t) = B(t), cest-`a-dire

V  (t) = R(t0 , t) B(t),


 t
V (t) = R(t0 , u) B(u)du,
t0
 t
Y (t) = R(t, t0 ) V (t) = R(t, t0 )R(t0 , u) B(u)du,
t0
 t
Y (t) = R(t, u)B(u)du.
t0
VII Syst`
emes diff
erentiels lin
eaires 215

On obtient ainsi la solution particuli`ere telle que Y (t0 ) = 0. La solution telle que
Y (t0 ) = V0 est donnee par
 t
Y (t) = R(t, t0 ) V0 + R(t, u)B(u)du.
t0

Dans le cas o`u A(t) = A est `a coecients constants on retrouve la formule du 2.4,
dans laquelle R(t, t0 ) = e(tt0 )A , et la formule du Wronskien equivaut a` lidentite
dej`a connue
det (e(tt0 )A ) = exp ((t t0 ) tr A).



 
5.1. Soient b et c deux fonctions continues sur un intervalle xe T = [0, [. Soit (S)
le syst`eme dierentiel lineaire `a coecients constants et avec second membre
 
x = y + b(t)

y = 2x y + c(t)

et soit (S0 ) le syst`eme sans second membre associe (pour lequel b(t) = c(t) = 0).

(a) Ecrire la matrice A de (S0 ), et calculer etA .

(b) Determiner la solution generale du syst`eme (S0 ).

(c) Determiner la solution generale du syst`eme (S) pour b(t) = 0, c(t) = et .

5.2. Soit t une variable reelle 0. On consid`ere le syst`eme dierentiel lineaire


 
x = 2y
(S)
y = x y


(a) Ecrire la matrice A de (S), montrer quelle a deux valeurs propres reelles et
( > ) et determiner les sous-espaces propres correspondants.
     
1 0 x
(b) On pose ex = , ey = , et on note respectivement v = et
  0 1 y
x
v = les vecteurs propres associes `a et tels que y = y = 1.
y
Calculer x , x . Determiner la matrice de passage P de lancienne base (ex , ey )
a la nouvelle base (v , v ), et calculer sa matrice inverse P 1 .
`
 
tA a(t) b(t)
(c) On pose e = . Calculer explicitement a(t), b(t), c(t), d(t).
c(t) d(t)
Donner la solution du syst`eme (S) veriant les conditions initiales x(0) = x0 ,
y(0) = y0 .
216 Analyse num
erique et
equations diff
erentielles

 
x(t)
(d) Soit T (x0 , y0 ) la trajectoire t = M (t) correspondant aux conditions
  y(t)
x0
initiales M (0) = .
y0
() Pour quelles positions de M (0) cette trajectoire T (x0 , y0 ) est-elle une demi-
droite ?
() Pour quelles positions de M (0) tend-elle vers 0 quand t + ?
() Indiquer sur un meme gure :
la forme des trajectoires T (x0 , 0) partant dun point (x0 , 0), x0 > 0,
de laxe des x ;
la forme des trajectoires T (0, y0 ) partant dun point (0, y0 ), y0 > 0,
de laxe des y.

5.3. On note t une variable reelle, et on consid`ere les deux matrices


   
0 1 1 1
B= , C= .
1 0 0 1

(a) Pour tout n 0, calculer explicitement B n et C n , et en deduire etB et etC .


(b) Memes questions pour la matrice

0 1 0 0
1 0 0 0
A= .
0 0 1 1
0 0 0 1

On pose maintenant T = [0, +[ ; on note bi (t) (1 i 4) quatre fonctions


continues sur T , et on consid`ere le syst`eme dierentielle lineaire avec second
membre 
y = y2 + b1 (t)
1
y2 = y1 + b2 (t)
(S) 
y
3 = y 3 + y 4 + b3 (t)
y4 = y4 + b4 (t) .
On note (S0 ) le syst`eme sans second membre associe `a (S).

(c) Ecrire la solution de (S0 ) correspondant a` des conditions initiales yi (0) = vi , les
vi (1 i 4) etant quatre constantes donnees.
(d) Indiquer comment on peut alors resoudre (S) par la methode dite de variation
des constantes, et appliquer cette methode au cas particulier
b1 (t) = 1, b2 (t) = b3 (t) = 0, b 4 = et .

5.4. On consid`ere lequation lineaire du 3e ordre

(E) y  + y  + y  + y = cos t,

u y designe une fonction inconnue de la variable t 0.


o`
VII Syst`
emes diff
erentiels lin
eaires 217

(a) Determiner la solution generale de lequation sans second membre associee `a (E).

(b) A laide de la methode de variation des constantes, determiner la solution


generale de lequation (E).

(c) Montrer que (E) admet une solution et une seule de la forme At cos t+Bt sin t :
la determiner explicitement, et tracer son graphe.

5.5. On consid`ere dans R2 le syst`eme dierentiel





dx
= tx y

dt


dy = x + ty
dt

o`
u x, y sont des fonctions reelles de la variable reelle t.

(a) Resoudre le probl`eme de Cauchy de donnee initiale (x0 , y0 ) au temps t0 = 0 (on


pourra poser z = x + iy).

(b) Meme question pour le syst`eme





dx
= tx y + t cos t t3 sin t

dt


dy = x + ty + t sin t + t3 cos t.
dt

5.6. On consid`ere un syst`eme dierentiel X  = A(t)X o` u A(t) est une matrice `a


2 lignes et 2 colonnes `a coecients de periode 2, bornes et continus par morceaux.

(a) Montrer que lapplication qui a` M R2 associe la position `a linstant s de la


solution X(t) de X  = A(t) veriant X(0) = M est une application lineaire
bijective. On designera par Us cet endormorphisme et on notera V = U2 .

(b) Montrer que lequation X  = A(t)X admet une solution 2-periodique non
identiquement nulle si et seulement si 1 est valeur propre de V ; comment peut-
on interpreter le fait que V admette pour valeur propre une racine k-i`eme de
lunite ?

(c) On consid`ere lequation dierentielle y  + f (t)y = 0 o`


u f est une fonction 2-
periodique a` valeurs relles. Mettre cette equation sous la forme dun syst`eme
du premier ordre.

(d) On supposera dorenavant que



(w + )2 si t [0, [
f (t) =
(w )2 si t [, 2[
218 Analyse num
erique et
equations diff
erentielles

o`
u 0 < < w sont des constantes. Determiner U ; montrer que V se met sous
la forme B U o` u lon determinera la matrice B (on pourra utiliser que f est
constante sur [, 2[ ainsi que sur [0, [). Verier que det V = 1.

(e) Montrer qualors une des valeurs propres de V est inferieure `a 1 en module et que
lequation y  + f (t)y = 0 admet une solution bornee (non identiquement nulle)
sur [0, +[ et une solution bornee (non identiquement nulle) sur ] , 0[ ;
a quelle condition admet-elle une solution bornee (non identiquement nulle)
`
sur R ?

(f) Montrer que la trace de V secrit

cos 2 + (2 + ) cos 2w

o`
u
w+ w
+ = 2(1 + ).
w w+
En deduire que si w nest pas la moitie dun entier et si est assez petit, toutes
les solutions de y  + f (t)y = 0 sont bornees. Que passe-t-il si w est la moitie
dun entier ?


       

Lobjectif de ce chapitre est de decrire un certain nombre de methodes permettant


de resoudre numeriquement le probl`eme de Cauchy de condition initiale y(t0 ) = y0
pour une equation dierentielle
(E) y  = f (t, y),
o`u f : [t0 , t0 +T ]R R est une fonction susamment reguli`ere. Nous avons choisi
ici dexposer le cas des equations unidimensionnelles dans le seul but de simplier
les notations ; le cas des syst`emes dans Rm est tout `a fait identique, a` condition
de considerer y comme une variable vectorielle et f comme une fonction vectorielle
dans les algorithmes qui vont etre decrits.

Etant donne une subdivision t0 < t1 < . . . < tN = t0 + T de [t0 , t0 + T ], on cherche


a determiner des valeurs approchees y0 , y1 , . . . , yN des valeurs y(tn ) prises par la
`
solution exacte y. On notera les pas successifs
hn = tn+1 tn , 0 n N 1,
et
hmax = max (hn )
le maximum du pas.
On appelle methode ` a un pas une methode permettant de calculer yn+1 `a partir de
la seule valeur anterieure yn . Une methode `a r pas est au contraire une methode
qui utilise les r valeurs anterieures yn , . . . , ynr+1 (valeurs qui doivent donc etre
memorisees) an de faire le calcul de yn+1 .

 
  
   
 
     

 

 
Les methodes `a un pas sont les methodes de resolution numerique qui peuvent
secrire sous la forme
yn+1 = yn + hn (tn , yn , hn ), 0 n < N,
220 Analyse num
erique et
equations diff
erentielles

o`u : [t0 , t0 + T ] R R R est une fonction que lon supposera continue.


Dans la pratique, la fonction (t, y, h) peut netre denie que sur une partie de la
forme [t0 , t0 + T ] J [0, ] o`
u J est un intervalle de R (de sorte en particulier que
[t0 , t0 +T ]J soit contenu dans le domaine de denition de lequation dierentielle).

Exemple La methode dEuler est la methode `a un pas associee `a la fonction


(t, y, h) = f (t, y), et denie par la formule de recurrence yn+1 = yn + hn f (tn , yn )
(voir chapitre V, 2.3).

D
enition Lerreur de consistance en relative a` une solution exacte z est
lerreur
en = z(tn+1 ) yn+1 , 0n<N
produite par application de lalgorithme yn+1 = yn + hn (tn , yn , hn ) `
a partir de la
valeur yn = z(tn ). Autrement dit, cette erreur mesure lecart entre la valeur exacte
z(tn+1 ) au temps tn+1 , et la valeur approchee yn+1 issue de la valeur yn = z(tn )
prise comme valeur initiale au temps tn (une seule etape de lalgorithme est donc
mise en jeu). En termes de la fonction , on a

en = z(tn+1 ) z(tn ) hn (tn , z(tn ), hn ).

y
z

z(tn+1 )
yn+1 en

yn

tn tn+1 = tn + hn t

Comme le montre le schema ci-dessous, lerreur de consistance na a priori que peu


de rapport avec lerreur globale n = max |z(tj ) yj | resultant dun calcul de n
0jn
valeurs successives y1 , . . . , yn `a partir de la donnee initiale y0 = z(t0 ) (qui est a` vrai
dire la seule erreur interessant reellement le numericien). On imagine cependant, et
nous reviendrons l` a-dessus plus en detail au 2, que |n | sera de lordre de grandeur
de |e0 | + |e1 | + + |en1 |, sous des hypoth`eses convenables de regularite pour la
fonction f . Cest pourquoi levaluation de en va gouverner levaluation de lerreur
globale.
VIII M
ethodes num ` un pas
eriques a 221

y z
z1 z2 z3
e3

e2
y4
e1 y3

e0 y2
y1
y0

t0 t1 t2 t3 t4 t

[Les fonctions z, z1 , z2 , z3 representent ici les solutions exactes passant par les
points (t0 , y0 ) et (tj , yj ), j = 1, 2, 3].

  
 
 
Soit z une solution exacte de lequation (E). On a au premier ordre lapproximation
z(tn+1 ) = z(tn + hn )  z(tn ) + hn z  (tn ) = z(tn ) + hn f (tn , z(tn )).
Comme on la dej`a vu au chapitre V, ceci conduit a` lalgorithme

yn+1 = yn + hn f (tn , yn )
tn+1 = tn + hn .
Par denition de lerreur de consistance, on a en = z(tn + hn ) yn+1 o`
u
yn+1 = z(tn ) + hn f (tn , z(tn )) = z(tn ) + hn z  (tn ).
La formule de Taylor-Lagrange donne
1 2 
en = z(tn + hn ) (z(tn ) + hn z  (tn )) =h z (tn ) + o(h2n ),
2 n
pourvu que z soit de classe C 2 . Cest bien le cas si f est de classe C 1 , et on sait
alors que
z  (t) = f [1] (t, z(t)) o`
u f [1] = ft + fy f.
On en deduit par consequent
1 2 [1]
en = h f (tn , yn ) + o(h2n ).
2 n
Cette erreur en h2n est relativement importante, a` moins que le pas hn ne soit
choisi tr`es petit, ce qui augmente considerablement le volume des calculs `a eectuer.
On va donc essayer de construire des methodes permettant de reduire lerreur de
consistance en .
222 Analyse num
erique et
equations diff
erentielles



  
 
 p
 

Supposons que f soit de classe C p . Alors toute solution exacte z est de classe C p+1 ,
et sa derivee k-i`eme est z (k) (t) = f [k1] (t, z(t)). La formule de Taylor dordre p
implique

p
1 k [k1]
z(tn + hn ) = z(tn ) + h f (tn , z(tn )) + o(hpn ).
k! n
k=1

Lorsque hn est assez petit, lapproximation est dautant meilleure que p est plus
grand. On est donc amene `a considerer lalgorithme suivant, appele methode de
Taylor dordre p :


p
1 k [k1]
yn+1 = yn + h f (tn , yn )
k! n


k=1

tn+1 = tn + hn .

Dapr`es la denition
g enerale des methodes `a un pas, cet algorithme correspond au
1
hk1 f [k1] (t, y). Calculons lerreur de consistance en .
p
choix (t, y, h) = k=1 k!
En supposant yn = z(tn ), la formule de Taylor dordre p + 1 donne


p
1 k (k)
en = z(tn+1 ) yn+1 = z(tn + hn ) h z (tn )
k! n
k=0
1
= hp+1 f [p] (tn , yn ) + o(hp+1
n ).
(p + 1)! n

Lerreur est donc maintenant de lordre de hp+1n . On dira dune mani` ere generale
quune methode est dordre p si lerreur de consistance est en hp+1
n chaque fois que
f est de classe C p au moins. La methode dEuler est le cas particulier p = 1 de la
methode de Taylor.

Remarque Dans la pratique, la methode de Taylor soure de deux in-


convenients graves qui en font generalement deconseiller lutilisation pour p 2 :

Le calcul des quantites f [k] est souvent complexe et co uteux en temps machine.
Il faut aussi pouvoir evaluer explicitement f [k] , ce qui nest pas toujours le cas
(par exemple, si f est une donnee experimentale discretisee).
La methode suppose a priori que f soit tr`es reguli`ere ; les erreurs risquent
donc de ne pas pouvoir etre controlees si certaines derivees de f presentent des
discontinuites ou une mauvaise continuite (pentes elevees).



   
 
Cette methode est decrite par le schema suivant.
VIII M
ethodes num ` un pas
eriques a 223

y
z

z(t + h)

z(t)

t t + h/2 t+h t

 
Lidee est que la corde de la fonction z sur [t, t + h] a une pente voisine de z  t + h2 ,
alors que dans la methode dEuler on approxime brutalement cette pente par z  (t).
On ecrit donc :  h
z(t + h)  z(t) + hz  t + . ()
2
Si z est de classe C 3 , il vient
1 1
z(t + h) = z(t) + hz  (t) + h2 z  (t) + h3 z  (t) + o(h3 ),
2 6
 h 1 1 2 

z t+ = z (t) + hz (t) + h z (t) + o(h2 ).
 
2 2 8
Lerreur commise est donc
 h 1 3 
= z(t + h) z(t) hz  t + = h z (t) + o(h3 ),
2 24
soit une erreur en h3 au lieu de h2 dans la methode dEuler. On par ailleurs
 h  h  h 
z t + = f t + ,z t + .
2 2 2
 
Comme la valeur de z t + h2 nest pas connue, on lapproxime par
 h h
z t+  z(t) + f (t, z(t)), ()
2 2
do`
u en denitive
 h h 
z(t + h)  z(t) + hf t + , z(t) + f (t, z(t)) .
2 2
Lalgorithme du point milieu est associe au choix
 h h 
(t, y, h) = f t + , y + f (t, y)
2 2
224 Analyse num
erique et
equations diff
erentielles

et donne lieu au schema numerique





hn

yn+ 12 = yn + 2 f (tn , yn )



 

pn = f tn + hn , yn+ 1
2 2




yn+1 = yn + hn pn





tn+1 = tn + hn .

Calculons lerreur de consistance : en = z(tn+1 ) yn+1 , avec yn = z(tn ). On a


en = n + n o`u les erreurs
 hn 
n = z(tn+1 ) z(tn ) hn z  tn + ,
2
 hn 
n = hn z  tn + (yn+1 z(tn ))
  2
hn  hn   hn 
= hn f tn + , z tn + f tn + , yn+ 12
2 2 2
proviennent respectivement des approximations () et (). Dapr`es le calcul fait
plus haut
1 3  1 3 [2]
n = hn z (tn ) + o(h3n ) = h f (tn , yn ) + o(h3n ).
24 24 n
Dautre part
 hn   hn   hn  
z tn + yn+ 12 = z tn + z(tn ) + z (tn )
2 2 2
1 2  1 2 [1]
= hn z (tn ) + o(hn ) = hn f (tn , yn ) + o(h2n ).
2
8 8
Dapr`es le theor`eme des accroissements nis applique en y, on a
 hn  hn   hn 
f tn + , z tn + f tn + , yn+ 12
2 2 2
 hn   hn  

= f y tn + , cn z t n + yn+ 12
2 2
  1 

= fy (tn , yn ) + o(hn ) hn f (tn , yn ) + o(h2n )
2 [1]
8
1 2  [1]
= hn fy f (tn , yn ) + o(h2n ),
8
do`
u
1
n = h3n fy f [1] (tn , yn ) + o(h3n ).
8
On en deduit
1 3  [2] 
en = n + n = hn f + 3fy f [1] (tn , yn ) + o(h3n ).
24
La methode du point milieu est donc dordre 2.
VIII M
ethodes num ` un pas
eriques a 225



  

  
Si on observe les algorithmes precedents, on voit que la seule operation eventuel-
lement co uteuse en temps de calcul est levaluation de la fonction f (t, y), le reste
consistant en un petit nombre dadditions ou de multiplications. On mesure donc
le co
ut dune methode dordre donne par le nombre devaluations de la fonction f
quelle reclame `a chaque pas. Pour des methodes dordres dierents la comparaison
ne tient pas, puisquune methode dordre plus eleve exige `a precision egale un
nombre de pas nettement inferieur.

Dans la methode du point milieu, on va modier  le calcul successif de f (tn , yn ) et de


la pente intermediaire pn = f tn + h2n , yn+ 12 en introduisant lalgorithme suivant,
qui fait leconomie de levaluation de f (tn , yn ) :


hn

yn+ 12 = yn + 2 pn1



 


pn = f tn + hn , yn+ 1
2 2




yn+1 = yn + hn pn





tn+1 = tn + hn .

On a donc modie leg`erement le calcul de yn+ 12 en remplacant la pente f (tn , yn )


par la pente pn1 calculee `a letape anterieure. Il sensuit naturellement que les
valeurs yn sont elles aussi modiees en des valeurs yn .

Remarque Le demarrage (etape n = 0) presente une diculte car la pente


p1 na pas ete evaluee. On resout cette diculte en initialisant p1 = f (t0 , y0 ).
On observera que la methode du point milieu modie est en fait une methode `a 2
pas (les etapes n et n 1 sont utilisees pour calculer yn+1 ).


Evaluons maintenant lerreur de consistance en = z(tn+1 ) yn+1 , en supposant
yn = z(tn ). On peut ecrire

en = (z(tn+1 ) yn+1 ) + (yn+1 yn+1 ) = en + n ,

o`
u en est lerreur de consistance de la methode du point milieu standard (on suppose
donc aussi yn = z(tn ) pour la calculer). Il vient

  hn   hn 
n = yn+1 yn+1 = hn f tn + , yn+ 12 f tn + , yn+ 12 .
2 2
hn  
yn+ 12 yn+ 12 = f (tn , yn ) pn1
2
hn   hn1 
= f (tn , yn ) f tn1 + , yn 12 .
2 2
226 Analyse num
erique et
equations diff
erentielles

 hn1  hn1
Or tn tn1 + 2 = 2 et
 hn1 
yn yn 12 = yn yn1 + pn2
2
 hn1 
= yn yn hn1 pn1 + pn2
2
 1 
= hn1 pn1 pn2
2
1
= hn1 f (tn , yn ) + o(hn1 ) ;
2
a la troisi`eme ligne on utilise le fait que yn = yn = z(tn ), et a` la quatri`eme le fait
`
que pni = f (tni +hni /2, yni +1/2) converge vers f (tn , yn ) pour i = 1, 2 lorsque
hmax tend vers 0. Gr ace `a la formule de Taylor pour les fonctions de 2 variables, il
vient
 hn2 
f (tn , yn ) f tn1 + , yn 12
2
hn1  1
= ft (tn , yn ) + hn1 f (tn , yn )fy (tn , yn ) + o(hn1 )
2 2
1
= hn1 (ft + f fy )(tn , yn ) + o(hn1 )
2
1
= hn1 f [1] (tn , yn ) + o(hn1 ),
2
do`
u
1
yn+ 12 yn+ 12 = hn hn1 f [1] (tn , yn ) + o(hn hn1 ).
4
On en deduit nalement
 hn   1  
n = hn fy tn + , cn yn+ 12 yn+ 12 = h2n hn1 fy f [1] (tn , yn ) + o(h2n hn1 ),
2 4
do`u lerreur de consistance
1 3  [2]  1
en = hn f + 3fy f [1] (tn , yn ) + h2n hn1 (fy f [1] )(tn , yn ) + o(h3n + h2n hn1 ).
24 4
La methode du point milieu modie est donc encore une methode dordre 2 (mais
ce nest pas une methode `a un pas !).


  

    

 
 


        
 
La premi`ere notion que nous introduisons a trait au probl`eme de laccumulation
des erreurs de consistance (accumulation purement theorique dans le sens o` u on
tient pas compte du fait que la solution calculee secarte de la solution exacte, cf.
schemas du 1.1).
VIII M
ethodes num ` un pas
eriques a 227

D
enition 1 On dit que la methode est consistante si pour
toute solution
exacte z la somme des erreurs de consistance relatives a
` z, soit |en |, tend
0nN
vers 0 quand hmax tend vers 0.

Une autre notion fondamentale est la notion de stabilite. Dans la pratique, le calcul
recurrent des points yn est en eet entache derreurs darrondi n . Pour que les
calculs soient signicatifs, il est indispensable que la propagation de ces erreurs
reste controlable. On est amene `a la denition suivante.

enition 2 On dit que la methode est stable sil existe une constante S 0,
D
appelee constante de stabilite, telle que pour toutes suites (yn ), (
yn ) denies par

yn+1 = yn + hn (tn , yn , hn ), 0n<N


yn+1 = yn + hn (tn , yn , hn ) + n , 0n<N

on ait   
max |
yn yn | S |
y0 y0 | + |n | .
0nN
0n<N

Autrement dit, une petite erreur initiale | y0 y0 | et de petites erreurs darrondi n


dans le calcul recurrent des yn provoquent une erreur nale max | yn yn | contr
olable.
Une derni`ere notion importante en pratique est la suivante.

D
enition 3 On dit que la methode est convergente si pour toute solution
exacte z, la suite yn telle que yn+1 = yn + hn (tn , yn , hn ) verie

max |yn z(tn )| 0


0nN

quand y0 z(t0 ) et quand hmax 0.

La quantite max |yn z(tn )| sappelle lerreur globale (de la suite yn calculee par
0nN
rapport a` la solution exacte z). Cest evidemment cette erreur qui importe dans la
pratique.

Calcul de lerreur globale Posons yn = z(tn ). Par denition de lerreur de


consistance (cf. 2.1) on a

yn+1 = yn + hn (tn , yn , hn ) + en .

Si la methode est stable, de constante de stabilite S, lerreur globale est donc


  
max |yn z(tn )| S |y0 z(t0 )| + |en | .
0nN
0n<N

Corollaire Si la methode est stable et consistante, elle est convergente.


228 Analyse num
erique et
equations diff
erentielles


En eet 0n<N |en | tend vers 0 quand hmax tend vers 0, puisque la methode est
consistante par hypoth`ese.




  

   

  

Soit z une solution exacte de lequation (E) et soient

en = z(tn+1 ) z(tn ) hn (tn , z(tn ), hn )

les erreurs de consistance correspondantes. Dapr`es le theor`eme des accroissements


nis, il existe cn ]tn , tn+1 [ tel que

z(tn+1 ) z(tn ) = hn z  (cn ) = hn f (cn , z(cn ))

do`
u
en = hn (f (cn , z(cn )) (tn , z(tn ), hn )) = hn (n + n )
avec
n = f (cn , z(cn )) (cn , z(cn ), 0),
n = (cn , z(cn ), 0) (tn , z(tn ), hn ).
Comme la fonction (t, h) (t, z(t), h) est continue sur [t0 , t0 + T ] [0, ] qui est
compact, elle y est uniformement continue. Par consequent, pour tout > 0, il
existe > 0 tel que hmax |n | . Pour hmax on a donc
 
  
    
 |e | h 
n n 
| | hn |n | hn = T .
 n
0n<N 0n<N  0n<N

On en deduit
 
lim |en | = lim hn |n |
hmax 0 hmax 0
0n<N 0n<N
 t0 +T
= |f (t, z(t)) (t, z(t), 0)|dt
t0


car hn |n | est une somme de Riemann de lintegrale precedente. Par denition,

la methode est consistante si et seulement si lim |en | = 0 pour toute solution
exacte z. On en deduit :

Th
eor`
eme La methode `a 1 pas denie par la fonction est consistante si et
seulement si
(t, y) [t0 , t0 + T ] R, (t, y, 0) = f (t, y).

Il resulte de ce theor`eme que les methodes `a un pas dej`a mentionnees sont bien
consistantes.
VIII M
ethodes num ` un pas
eriques a 229


  

  
 
Pour pouvoir majorer lerreur globale decrite au 2.1, il
faut savoir estimer dune
part la constante de stabilite S, et dautre part la somme 0n<N |en |. Le resultat
suivant permet devaluer S.

Th
eor`
eme Pour que la methode soit stable, il sut que la fonction soit
a-dire quil existe une constante 0 telle que
lipschitzienne en y, cest-`

t [t0 , t0 + T ], (y1 , y2 ) R2 , h R on ait

|(t, y1 , h) (t, y2 , h)| |y1 y2 |.

Dans ce cas, on peut prendre pour constante de stabilite S = eT .

Demonstration. Considerons deux suites (yn ), (


yn ) telles que

yn+1 = yn + hn (tn , yn , hn ),
yn+1 = yn + hn (tn , yn , hn ) + n .

Par dierence, on obtient

|
yn+1 yn+1 | |
yn yn | + hn |
yn yn | + |n |.

En posant n = |
yn yn |, il vient

n+1 (1 + hn )n + |n |.

Lemme de Gronwall (cas discret) Soient des suites hn , n 0 et n R


telles que n+1 (1 + hn )n + |n |. Alors

n e(tn t0 ) 0 + e(tn ti+1 ) |i |.
0in1

Le lemme se verie par recurrence sur n. Pour n = 0, linegalite se reduit a` 0 0 .


Supposons maintenant linegalite vraie `a lordre n. On observe que

1 + hn ehn = e(tn+1 tn ) .

Par hypoth`ese on a

n+1 e(tn+1 tn ) n + |n |

e(tn+1 t0 ) 0 + e(tn+1 ti+1 ) |i | + |n |.
0in1

Linegalite cherchee sensuit `a lordre n + 1.


230 Analyse num
erique et
equations diff
erentielles

Comme tn t0 T et tn ti+1 T , le lemme de Gronwall implique


  
max n eT 0 + |i |
0nN
0iN 1

Par denition de n , on a donc


  
yn yn | eT |
max | y0 y0 | + |n | ,
0nN
0nN

et le theor`eme est demontre.

Remarque Dans la pratique, lhypoth`ese lipschitzienne faite sur est tr`es


rarement satisfaite globalement pour y1 , y2 R et h R (ne serait-ce que parce que
le domaine de denition de est peut-etre plus petit). Par contre cette hypoth`ese
est souvent satisfaite si on se restreint `a des y1 , y2 J et |h| o`u J est un
intervalle ferme borne assez petit. Dans ce cas, la constante de stabilite S = eT
est valable pour des suites yn , yn J et pour hmax .

Exemples Supposons que la fonction f soit lipschitzienne de rapport k en y


et calculons , S pour les dierentes methodes dej`a presentees.
Dans la methode dEuler, (t, y, h) = f (t, y). On peut prendre = k, S = ekT .
Dans la methode du point milieu, on a
 h h 
(t, y, h) = f t + , y + f (t, y) .
2 2
On en deduit
  
 h h 
|(t, y1 , h) (t, y2 , h)| ky1 + f (t, y1 ) y2 + f (t, y2 ) 
2 2
 h 
k |y1 y2 | + |f (t, y1 ) f (t, y2 )|
2
 h   1 
k |y1 y2 | + k|y1 y2 | = k 1 + hk |y1 y2 |.
2 2
 
On peut prendre ici = k 1 + 12 hmax k , do` u
  1 
S = exp kT 1 + hmax k .
2
Si hmax est petit (par rapport a` 1/k2 T ), cette constante est du meme ordre de
grandeur que dans la methode dEuler.

Corollaire Lorsque f est lipschitzienne en y, les methodes dEuler et du point


milieu sont convergentes.

Le lecteur observera lanalogie des techniques utilisees pour obtenir ce corollaire


avec celles utilisees au chapitre V, 3.1.
VIII M
ethodes num ` un pas
eriques a 231

      


  
    
Nous allons voir ici que lordre dune methode numerique a une inuence determi-
nante sur la precision que cette methode permet datteindre. La denition de lordre
que nous allons donne prend lerreur de consistance comme point de depart (le
lecteur prendra garde au decalage dune unite entre lordre et lexposant de hn dans
lerreur de consistance ! )

Denition On dit quune methode `a 1 pas est dordre p si pour toute solution
exacte z dune equation dierentielle

(E) y  = f (t, y) u f est de classe C p ,


o`

il existe une constante C 0 telle que lerreur de consistance relative a


` z verie

|en | Chp+1
n , n, 0 n < N.

Elle est dite dordre p (exactement) si elle est dordre p mais pas dordre p + 1.

Rappelons que lerreur de consistance est donnee par

en = z(tn+1 ) yn hn (tn , yn , hn ) o`
u yn = z(tn ).

Supposons que soit de classe C p . La formule de Taylor donne alors


p
1 l l
(tn , yn , hn ) = h (tn , yn , 0) + o(hpn ).
l! n hl
l=0

Si f est de classe C p , la solution z est de classe C p+1 donc

z(tn+1 ) yn = z(tn + h) z(tn )



p+1
1 k (k)
= h z (tn ) + o(hn+1 )
k! n n
k=1
p
1
= hl+1 f [l] (tn , yn ) + o(hp+1
n ).
(l + 1)! n
l=0

On en deduit aussit
ot
 1 l+1  1 l  
p
en = hn f [l] (tn , yn ) l
tn , yn , 0) + o(hp+1
n )
l! l+1 h
l=0

equence La methode est dordre p si et seulement si est telle que


Cons

l 1
l
(t, y, 0) = f [l] (t, y), 0 l p 1.
h l+1
232 Analyse num
erique et
equations diff
erentielles

Sous cette hypoth`ese, lerreur en se reduit a`

1 p+1  1 p 
en = hn f [p] (tn , yn ) p
(tn , yn , 0) + o(hp+1
n ).
p! p+1 h

Remarque De ce qui prec`ede on deduit les equivalences

Methode consistante (t, y, 0) = f (t, y) Methode dordre 1.

Lutilisation de la formule de Taylor avec reste de Lagrange implique lexistence de


points n ]tn , tn+1 [ et n ]0, hmax [ tels que
 
1 1 p
en = hp+1
n f [p] (n , z(n )) (t n , z(t n ), n ) .
(p + 1)! p! hp

Ceci permet (au moins theoriquement) de trouver une constante C dans la majora-
tion de lerreur de consistance : on peut prendre

1 1 p
C= f [p] (t, z(t)) + (t, z(t), h)
(p + 1)! p! hp

u les normes sont etendues aux


o` (t, h) [t0 , t0 + T ] [0, hmax ].

Majoration de lerreur globale Compte tenu de la majoration supposee


satisfaite pour en , on a
  
|en | Chp+1
n C hn hpmax CT hpmax .
0n<N

Si la methode est stable avec constante de stabilite S, on obtient donc la majoration

max |yn z(tn )| S(|y0 z(t0 )| + CT hpmax ).


0nN

Lerreur initiale |y0 z(t0 )| est generalement negligeable. Lerreur globale donnee
par une methode stable dordre p est donc de lordre de grandeur de hpmax avec une
constante de proportionnalite SCT (on retiendra que lordre est egal `a lexposant
de hmax dans la majoration de lerreur globale, alors que lerreur de consistance,
elle, est en hp+1
n ).
Si la constante SCT nest pas trop grande (disons 102 ), une methode dordre 3
avec pas maximum hmax = 102 permet datteindre une precision globale de lordre
de 104 .
VIII M
ethodes num ` un pas
eriques a 233

  
   
Lerreur globale calculee au 2.4 est une erreur theorique, cest-`a-dire quelle ne tient
pas compte des erreurs darrondi qui se produisent inevitablement en pratique. Dans
la realite lordinateur va calculer non pas la suite recurrente yn , mais une valeur
approchee yn de yn dans laquelle interviendront

une erreur darrondi n sur (tn , yn , hn ),


une erreur darrondi n sur le calcul de yn+1 .

En denitive, on aura

yn+1 = yn + hn ((tn , yn , hn ) + n ) + n


= yn + hn (tn , yn , hn ) + hn n + n .

Il se peut egalement que y0 di`ere leg`erement de la valeur theorique y0 : y0 = y0 +0 .


Hypoth`
ese n, |n | , |n | .

Les constantes , dependent des caracteristiques de lordinateur et de la precision


des operations arithmetiques (si les reels sont codes sur 6 octets, on a typiquement
= 109 , = 1010 , |0 | 1010 ).
Si la methode est stable avec constante de stabilite S, on en deduit
  
max |
yn yn | S |0 | + (hn |n | + |n |)
0nN
0n<N

S(|0 | + T + N ).

A cette erreur due aux arrondis sajoute lerreur globale theorique

max |yn z(tn )| SCT hpmax si y0 = z(t0 ).


0nN

Lerreur totale commise est donc

max |
yn z(tn )| S(|0 | + T + N + CT hpmax )
0nN

T
Supposons le pas hn = h constant pour simplier. On a alors N = h et lerreur est
majoree par

T  
E(h) = S(|0 | + T + + CT hp ) = S(|0 | + T ) + ST + Chp
h h

Letude de E(h) donne la courbe suivante, avec un minimum de E(h) realise en


  p+1
1
hopt = pC .
234 Analyse num
erique et
equations diff
erentielles

E(h)

hopt h

Typiquement, pour une methode dordre p = 2 o` u pC  10, on obtient hopt  103 .


Si on prend un pas plus petit, lerreur augmente ! Ceci est d u au fait que le
nombre de pas N = Th augmente, et avec lui les erreurs darrondi, lorsque le pas
h diminue. Les erreurs darrondi lemportent alors sur lerreur globale theorique
SCT hp . Lexperience numerique suivante conrme ces previsions theoriques.

Exemple Considerons le probl`eme de Cauchy y  = y avec donnee y0 = 1 en


t0 = 0. La solution exacte est y(t) = et , do`u y(1) = e  2, 7182818285. Si lon
utilise la methode du point milieu avec pas constant h, on obtient lalgorithme
yn+1 = (1 + h + h2 /2)yn , y0 = 1.
Lerreur de consistance est donnee par en h3 yn /6, do` u en Ch3 avec C = e/6
sur [0, T ] = [0, 1]. Par ailleurs, on peut au mieux esperer = 1011 , ce qui donne
 11 1/3
10 T
hopt  2, 224 104 , Nopt = < 4500.
2 e/6 hopt
Un calcul sur un ordinateur disposant dune precision relative maximale des reels
de 1011 environ nous a donne en fait les resultats suivants :

Nombre de pas Valeur yN associee Erreur y(1) yN


N = 10 2,7140808465 4, 2 103
N = 100 2,7182368616 4, 5 105
N = 500 2,7182800146 4, 8 106
N = 1000 2,7182813650 4, 6 107
N = 2000 2,7182816975 1, 3 107
N = 3000 2,7182817436 8, 5 108
N = 4000 2,7182817661 6, 2 108
N = 4400 2,7182817882 4, 0 108
N = 5000 2,7182817787 5, 0 108
N = 6000 2,7182817607 6, 8 108
N = 7000 2,7182817507 7, 8 108
N = 10000 2,7182817473 8, 1 108
N = 20000 2,7182817014 1, 3 107
VIII M
ethodes num ` un pas
eriques a 235

Le nombre de pas optimal observe est Nopt  4400.



 

 
  
   

  


 

Lobjet de ce paragraphe est de mettre en evidence les dicultes qui peuvent
apparatre dans la mise en uvre des algorithmes de resolution numerique.

Denition 1 On dit quun probl`eme de Cauchy est mathematiquement bien


pose si la solution est unique et depend contin
ument de la donnee initiale.

Exemple Considerons le probl`eme de Cauchy


y  = 2 |y|, t [0, +[
y(0) = 0.

Ce probl`eme admet les solutions y(t) = 0, y(t) = t2 et plus generalement



y(t) = 0, t [0, a]
y(t) = (t a)2 , t [a, +[.

Lutilisation de la methode dEuler yn+1 = yn + 2hn yn va conduire aux solutions
approchees suivantes :

si y0 = 0 y(t) = 0

si y0 = y(t)  (t + )2 quand hmax 0.

Il ny a ici ni unicite, ni continuite de la solution. Le probl`eme de Cauchy est donc


mathematiquement mal pose.
Les resultats du chapitre V 3.2 (et ceux a` venir du chapitre XI 1.2) montrent
que le probl`eme de Cauchy est mathematiquement bien pose d`es que f (t, y) est
localement lipschitzienne en y.

D enition 2 On dit quun probl`eme de Cauchy est numeriquement bien pose si


la continuite de la solution par rapport a
` la donnee initiale est susamment bonne
pour que la solution ne soit pas perturbee par une erreur initiale ou des erreurs
darrondi faibles.

Par lexpression  continuite susamment bonne , on entend en general lexistence


dune constante de Lipschitz petite en regard de la precision des calculs. On notera
que la denition 2 ne fait pas reference `a la methode de calcul utilisee.

Exemple 2 Soit le probl`eme de Cauchy



y  = 3y 1, t [0, 10]
y(0) = 13 .
236 Analyse num
erique et
equations diff
erentielles

La solution exacte est y(t) = t + 13 . La donnee initiale y(0) = 1


3 + fournit
y(t) = t + 13 + e3t . On a alors

y(10) y(10) = e30  1013 .

Le probl`eme est ici mathematiquement bien pose, mais numeriquement mal


pose si la precision des calculs est seulement de 1010 . Le probl`eme redevient
numeriquement bien pose si la precision des calculs est de 1020 .

Exemple 3 Lexemple suivant montre que meme un probl`eme numeriquement


bien pose peut soulever des dicultes inattendues :

y  = 150y + 30, t [0, 1],
y(0) = 15 .

La solution exacte est y(t) = 15 et la donnee initiale y(0) = 15 + fournit


y(t) = 15 +e150t . Comme 0 e150t 1 sur [0, 1], le probl`eme est numeriquement
bien pose. La methode dEuler avec pas constant h donne

yn+1 = yn + h(150yn + 30) = (1 150h)yn + 30h,


1 1
yn+1 = (1 150h)(yn ),
5 5
1  1
do`
u yn = (1 150h)n y0 .
5 5
1 1 1
Supposons h = 50 . Une erreur initiale y0 = 5 + conduit a` yn = 5 + (2)m , do`
u
pour t = 1
1 1
y50 = + 250  + 1015 !
5 50
Pour que |yn | ne diverge pas vers +, il est necessaire de prendre |1 150h| 1,
1
soit 150h 2, h 75 . Bien que le probl`eme soit tout `a fait bien pose, on voit
quil est necessaire de prendre un pas assez petit, et donc de faire des calculs plus
co
uteux que dordinaire.

D
enition 3 On dit quun probl`eme est bien conditionne si les methodes
numeriques usuelles peuvent en donner la solution en un temps raisonnable.

Un probl`eme sera bien conditionne si la constante de stabilite S nest pas trop


grande (disons nettement < 1010 si la precision des calculs est 1010 ). Sinon, on
dit quon a aaire a` un probl`eme raide.
On sait quen general la constante de stabilite S est majoree par eT . Dans un
probl`eme raide, on peut avoir typiquement T = 103 , eT > 10400 . Il existe des
algorithmes permettant de traiter certains probl`emes raides, mais nous naborderons
pas cette question. Le lecteur pourra consulter sur ce point le livre de Crouzeix-
Mignot.
VIII M
ethodes num ` un pas
eriques a 237

 
  
 

 

 
On consid`ere un probl`eme de Cauchy
 
y = f (t, y), t [t0 , t0 + T ]
y(t0 ) = y0

et on cherche `a discretiser ce probl`eme par rapport a` une subdivision t0 < t1 < . . . <
tN = t0 + T . Lidee est de calculer par recurrence les points (tn , yn ) en utilisant des
points intermediaires (tn,i , yn,i ) avec

tn,i = tn + ci hn , 1 i q, ci [0, 1].

A chacun de ces points on associe la pente correspondante

pn,i = f (tn,i , yn,i ).

Soit z une solution exacte de lequation. On a


 tn,i
z(tn,i ) = z(tn ) + f (t, z(t))dt
tn
 ci
= z(tn ) + hn f (tn + uhn , z(tn + uhn ))du
0

gr
ace au changement de variable t = tn + uhn . De meme
 1
z(tn+1 ) = z(tn ) + hn f (tn + uhn , z(tn + uhn )du.
0

On se donne alors pour chaque i = 1, 2, . . . , q une methode dintegration approchee


 ci 
(Mi ) g(t)dt  aij g(cj ),
0 1j<i

ces methodes pouvant etre a priori dierentes. On se donne egalement une methode
dintegration approchee sur [0, 1] :
 1 
(M) g(t)dt  bj g(cj ).
0 1jq

En appliquant ces methodes dintegration a` g(u) = f (tn + uhn , z(tn + uhn )), il vient

z(tn,i )  z(tn ) + hn aij f (tn,j , z(tn,j )),
1j<i

z(tn+1 )  z(tn ) + hn bj f (tn,j , z(tn,j )).
1jq
238 Analyse num
erique et
equations diff
erentielles

La methode Runge-Kutta correspondante est denie par lalgorithme



tn,i = tn + ci hn






yn,i = yn + hn aij pn,j 1iq


1j<i
pn,i = f (tn,i , yn,i )


tn+1 = tn + hn






y = y + h bj pn,j .
n+1 n n
1jq

On la represente conventionnellement par le tableau

(M1 ) c1 0 0 ... 0 0
(M2 ) c2 a21 0 ... 0 0
.. .. .. .. .. ..
.. .. .. . . .
.. .. .. 0 0
(Mq ) cq aq1 aq2 ... aqq1 0
(M) b1 b2 ... bq1 bq

o`
u les methodes dintegration approchees correspondent aux lignes. On pose par
convention aij = 0 pour j i.

Hypoth`
ese On supposera toujours que les methodes dintegration (Mi ) et (M)
sont dordre 0 au moins, cest-`
a-dire
 
ci = aij , 1= bj .
1j<i 1jq

En particulier, on aura toujours

c1 = 0, tn,1 = tn , yn,1 = yn , pn,1 = f (tn , yn ).

  



0  0
Exemple 1 Pour q = 1, le seul choix possible est 
 1
On a ici c1 = 0, a11 = 0, b1 = 1. Lalgorithme est donne par


pn,1 = f (tn , yn )
tn+1 = tn + hn


yn+1 = yn + hn pn,1

Il sagit de la methode dEuler.


VIII M
ethodes num ` un pas
eriques a 239

Exemple 2 Pour q = 2, on consid`ere les tableaux de la forme





0 0 0

 0
, o`
u ]0, 1].

 1 1
 1
 2 2

Lalgorithme secrit ici



pn,1 = f (tn , yn )



t
n,2 = tn + hn



yn,2 = yn + hn pn,1
pn,2 = f (tn,2 , yn,2 )



tn+1 = tn + hn

  


yn+1 = yn + hn 1 1
pn,1 + 1
pn,2 ,
2 2

ou encore, sous forme condensee :


 1  1 
yn+1 = yn + hn 1 f (tn , yn ) + f (tn + hn , yn + hn f (t, yn )) .
2 2

Cest neanmoins la premi`ere formulation qui est la plus ecace en pratique,


puisquelle requiert seulement deux evaluations de la fonction f au lieu de 3 pour
la forme condensee.

Pour = 12 , on retrouve la methode du point milieu


 hn hn 
yn+1 = yn + hn f tn + , yn + f (tn , yn ) ,
2 2

qui est basee sur la methode dintegration du point milieu :


 1 1
(M) g(t)dt  g .
0 2

Pour = 1, on obtient la methode de Heun :


1 1 
yn+1 = yn + hn f (tn , yn ) + f (tn+1 , yn + hn f (tn , yn )) ,
2 2

qui repose sur la methode dintegration des trap`ezes :


 1
1
(M) g(t)dt  (g(0) + g(1)).
0 2
240 Analyse num
erique et
equations diff
erentielles

Exemple 3 Methode de Runge-Kutta  classique  :


Il sagit de la methode denie par le tableau


0  0 0 0 0


1  1
2  2 0 0 0


1  1
q = 4, 2  0 2 0 0

1  0 0 1 0

 1 2 2 1
 6 6 6 6


Lalgorithme correspondant secrit



pn,1 = f (tn , yn )



tn,2 = tn + 12 hn





yn,2 = yn + 12 hn pn,1



pn,2 = f (tn,2 , yn,2 )




yn,3 = yn + 12 hn pn,2
pn,3 = f (tn,2 , yn,3 ) (noter que tn,3 = tn,2 )



tn+1 = tn + hn (noter que tn,4 = tn+1 )





yn,4 = yn + hn pn,3



pn,4 = f (tn+1 , yn,4 )

 


y =y +h 1 p + 2
pn,2 + 2
pn,3 + 1
pn,4
n+1 n n 6 n,1 6 6 6

On verra plus loin que cette methode est dordre 4. Dans ce cas les methodes
dintegration (Mi ) et (M) utilisees sont respectivement :
 1
2 1
(M2 ) g(t)dt 
g(0) : rectangles `a gauche,
0 2
 12
1 1
(M3 ) g(t)dt  g : rectangles `a droite,
0 2 2
 1 1
(M4 ) g(t)dt  g : point milieu,
0 2
 1
1 2 1 2 1 1
(M) g(t)dt  g(0) + g + g + g(1) : Simpson.
0 6 6 2 6 2 6

 




Les methodes de Runge-Kutta sont des methodes `a un pas

yn+1 = yn + hn (tn , yn , hn )
VIII M
ethodes num ` un pas
eriques a 241


avec (tn , yn , hn ) = bj pn,j . La fonction est denie de mani`ere explicite par
1jq


(t, y, h) = bj f (t + cj h, yj ) avec

1jq
 ()

yi = y + h aij f (t + cj h, yj ), 1 i q.


1j<i
Supposons que f soit k-lipschitzienne en y. On va montrer que est alors egalement
lipschitzienne. Soit z R et supposons (t, z, h) et zi denis a` partir de z comme
dans la formule ().
  
Lemme Soit = max |aij | . Alors
i
1ji

|yi zi | (1 + (kh) + (kh)2 + . . . + (kh)i1 )|y z|.

On demontre le lemme par recurrence sur i. Pour i = 1, on a y1 = y, z1 = z et le


resultat est evident. Supposons linegalite vraie pour tout j < i. Alors

|yi zi | |y z| + h |aij | k max |yj zj |,
j<i
j<i

|yi zi | |y z| + kh max |yj zj |.


j<i
Par hypoth`ese de recurrence il vient
max |yj zj | (1 + kh + . . . + (kh)i2 )|y z|,
j<i
et linegalite sensuit `a lordre i.
La formule () entrane maintenant

|(t, y, h) (t, z, h)| |bj | k |yj zj | |y z| avec
1jq


=k |bj |(1 + (khmax ) + . . . + (khmax )j1 ).
1jq

Corollaire Les methodes de Runge-Kutta sont stables, avec constante de


stabilite S = eT .

Remarque Dans le cas frequent o`u les coecients bj sont 0, on a la relation


k(1 + (khmax ) + . . . + (khmax )q1 ).
Si les coecients aij sont eux-memes 0, on a = max ci .
i
Lorsque hmax est assez petit devant 1/k, la constante de stabilite est donc de
lordre de grandeur de ekT . Ces observations montrent que les methodes de Runge-
Kutta decrites dans les exemples 1, 2, 3 du 3.3 poss`edent une excellente stabilite
(il est facile de voir que ekT est la borne inferieure possible pour S, quelle que soit
la methode utilisee : considerer pour cela lequation y  = ky).
242 Analyse num
erique et
equations diff
erentielles


   
   
Pour determiner lordre, on peut appliquer le crit`ere du 2.4 consistant a` evaluer les
l
derivees hl (t, y, 0) : lordre est au moins egal `a p si et seulement si cette derivee
1
est egale `a l+1 f [l] (t, y) pour l p 1. Gr
ace `a la formule () du 3.3, on obtient
facilement les derivees successives de :

(t, y, 0) = bj f (t, y) = f (t, y).
1jq

Les methodes de Runge-Kutta sont donc toujours dordre 1 (cest-`a-dire consis-


tantes).

  yj 
(t, y, h) = bj cj ft (t + cj h, yj ) + fy (t + cj h, yj ) ,
h j
h
yi    yj 
= aij f (t + cj h, yj ) + h aij cj ft + fy .
h j<i j<i
h
Pour h = 0, on obtient donc

yi   
 = aij f (t, y) = ci f (t, y)
h h=0 j<i
  
(t, y, 0) = bj cj (ft + fy f )(t, y) = bj cj f [1] (t, y).
h j


Dapr`es le 2.4, la methode est dordre 2 si et seulement si bj cj = 12 .

2    y 2 2 
2   yj  j  yj
(t, y, h) = b j c f + 2c j f + f + f ,
h2 j
j tt ty
h yy
h y
h2
2 yi      
  yj 2 
= 2 a ij c f
j t + f + h a ij c f + . . . .
h2 j<i
y
h j<i
j tt

Pour h = 0, il vient

2 yi  
2  =2 aij cj (ft + fy f )(t, y),
h h=0
2  
2    2
(t, y, 0) = b j c (f + 2f f + f f )(t, y) + 2 bi aij cj fy (ft + fy f )(t, y).
h2 j
j tt ty yy
i,j

Or f [2] est donne par

f [2] (t, y) = (f [1] )t + (f [1] )y f


= (ft + fy f )t + (ft + fy f )y f
= ftt + fty

f + fy ft + fty
  2
f + fyy f + fy2 f.
= (ftt + 2fty
  2
f + fyy f ) + fy (ft + fy f ).
VIII M
ethodes num ` un pas
eriques a 243

2 1
La condition h2 (t, y, 0) = 3 f [2] (t, y) se traduit en general par les conditions
 1  1
bj c2j = , bi aij cj =
j
3 i,j
6

(prendre respectivement f (t, y) = t2 , puis f (t, y) = t + y pour obtenir ces deux


3
conditions). Un calcul analogue (penible !) de h3 conduirait au resultat suivant.

Th
eor`
eme La methode de Runge-Kutta denie par le tableau des coecients
ci , aij , bj est
 1
dordre 2 ssi b j cj = .
j
2
 1  1  1
dordre 3 ssi b j cj = ; bj c2j = ; bi aij cj = .
j
2 j
3 i,j
6
dordre 4 ssi
 1  1  1
b j cj = ; bj c2j = ; bj c3j =
j
2 j
3 j
4
 1  1  1
bi aij cj = ; bi aij c2j = ; bi ci aij cj = ;
i,j
6 i,j
12 i,j
8
 1
bi aij ajk ck = .
12
i,j,k

Pour la verication pratique, on notera que certaines des expressions precedentes



c1
.
sont des produits des matrices C = .. , A = (aij ), B = (b1 b2 . . . bq ). Ainsi
cq
 
bi aij cj = BAC, bi aij ajk ck = BA2 C.
i,j i,j,k

Pour les exemples du 3.2, on voit ainsi que la methode dEuler est dordre 1, et
que les methodes de lexemple 2 sont dordre 2. De plus, dans une methode avec
q = 2, il y a a priori un seul coecient aij non nul, a` savoir = a21 . On a alors

c2 = j<2 a2j = et la methode est dordre 2 au moins ssi bj cj = b2 = 1/2,
soit b2 = 1/2 et b1 = 1 b2 = 1 1/2. On voit donc quil ny avait pas dautres
choix possibles pour une methode dordre 2 avec q = 2.
Enn, la methode Runge-Kutta   classique  presentee dans lexemple 3 est dordre 4
(lordre nest pas 5 car bj c4j = 1/5). Cest si lon peut dire la  methode
reine  des methodes `a un pas : ordre eleve, grande stabilite (grace `a la positivite
des coecients, voir remarque nale du 3.3). Il existe des methodes dordre encore
plus eleve (voir exercice 5.4), mais leur plus grande complexite les rend peut-etre
un peu moins praticables.
244 Analyse num
erique et
equations diff
erentielles



 
La mani`ere la plus simple pour appliquer une methode de resolution numerique
consiste `a utiliser un pas constant hn = h.
La principale diculte est alors de determiner hmax de facon que lerreur globale ne
depasse pas une certaine tolerance xee `a lavance ; on ne sait pas en eet quelle
sera levolution de la solution etudiee, de sorte quil est dicile de prevoir a priori
les erreurs de consistance.
Lutilisation dalgorithmes a` pas variables presente de ce point de vue deux
avantages majeurs :

ladaptation du pas a` chaque etape permet doptimiser lerreur commise en


fonction de la tolerance prescrite , sous reserve quon dispose dune estimation
 instantanee  de lerreur de consistance en .
lapproche dune discontinuite ou dune singularite de lequation dierentielle ne
peut se faire generalement quavec une reduction importante du pas. Dans cette
circonstance, il convient darreter lalgorithme avant de traverser la discontinuite,
faute de quoi les erreurs deviennent imprevisibles. Le calcul du pas sert alors de
test darret.

 

   
 

Soit [t0 , t0 + T ] lintervalle de temps considere. On suppose xee une tolerance


pour lerreur globale
max |yn z(tn )|.
0nN

Supposons egalement quon dispose dun estimation S de la constante de stabilite.


En negligeant lerreur initiale |y0 z(t0 )| et les erreurs darrondi, on a alors
  |en |
max |yn z(tn )| S |en | = S hn
0nN hn
0n<N
   |e |   |e | 
n n
S hn max ST max .
hn hn

Il sut donc de choisir les pas hn en sorte que


 |e | 
n
max = ;
hn ST
|en |
hn represente intuitivement lerreur de consistance par unite de temps, et cest ce
rapport quil sagit de contr
oler.
Il est bien entendu impossible de determiner exactement en , sinon on connatrait du
meme coup la solution exacte par la formule z(tn+1 ) = yn+1 + en ! On va supposer
neanmoins quon dispose dune estimation en de en .
Dans la pratique, on se xe un encadrement [hmin , hmax ] du pas (hmin est impose
par les limitations du temps de calcul et par laccroissement des erreurs darrondi
quand le pas diminue, cf. 2.5). On essaie alors de choisir hn [hmin , hmax ] de facon
VIII M
ethodes num ` un pas
eriques a 245

que |en |/hn , et si lerreur est notablement inferieure on se permet daugmenter


prudemment hn . Par exemple :

1 |en |
si 3 hn , alors hn+1 := hn ;
|e
n| 1
si hn < 3 , alors hn+1 := min(1.25 hn , hmax ) ;
|e
n|
si hn > , alors hn+1 := 0.8 hn , avec arr
et de lalgorithme si hn+1 < hmin .

Ce dernier cas peut correspondre `a lapproche dune discontinuite, lerreur augmen-


tant continuellement malgre la diminution du pas.
Pour linitialisation du pas, on prend h0 = hmin , a` moins que lon connaisse une
valeur initiale plus appropriee.

  
 
 |en|/hn
Pour estimer en , il nest pas question dutiliser les expressions analytiques des
l
derivees hl et f [l] , beaucoup trop co
uteuses en temps de calcul. On est donc amene
a rechercher des estimations ad hoc, qui nutilisent si possible que des quantites dej`a
`
calculees par lalgorithme, et qui ne reclament pas de nouvelle evaluation de f .

M
ethode dEuler

Si pn = f (tn , yn ), alors

pn+1 pn = f (tn + hn , yn + hn f (tn , yn )) f (tn , yn )


= hn ft (tn , yn ) + hn f (tn , yn )fy (tn , yn ) + o(hn )
= hn f [1] (tn , yn ) + o(hn ).
1
Comme en = 2 h2n f [1] (tn , yn ) + o(h2n ) on a une approximation de en donnee par

en 1
= (pn+1 pn ).
hn 2
Ceci ne necessite aucun calcul supplementaire puisque pn+1 est de toute facon
necessaire pour letape suivante.

M
ethode de Runge-Kutta dordre 2



0  0 0


 0

 1 1
 1
 2 2
Dapr`es le 2.4 on a ici
1 1 2 
en = h3n f [2] (tn , yn ) (t ,
n ny , 0) + o(h3n ),
3! 2! h2
246 Analyse num
erique et
equations diff
erentielles

et les calculs du 3.4 donnent


1 
en = h3n f [2] (ftt + 2fty   2
f + fyy f ) (tn , yn ) + o(h3n )
6 4
 1  1 
3
= hn (ftt + 2fty

f + fyy 2
f ) + fy f [1] + o(h3n ).
6 4 6

On est par ailleurs amene `a calculer les quantites

pn,1 = f (tn , yn ),
pn,2 = f (tn + hn , yn + hn pn,1 ),
  1  1 
pn+1,1 = f tn + hn , yn + hn 1 pn,1 + pn,2 .
2 2

Des developpements limites dordre 2 donnent apr`es calcul :

h2n 
pn,2 pn,1 = hn f [1] + 2 (f + 2fty   2
f + fyy f ) + o(h2n ),
2 tt
1
pn+1,1 pn,1 = hn f [1] + hn (pn,2 pn,1 )fy
2
h2
+ n (ftt + 2fty

f + fyy 2
f ) + o(h2n ),
2
1 h2
pn+1,1 pn,1 (pn,2 pn,1 ) = (1 ) n (ftt + 2fty   2
f + fyy f )
2
h2
+ n fy f [1] + o(h2n ).
2

On peut approximer tr`es grossi`erement en /hn par

en 1  1 
= pn+1,1 pn,1 (pn,2 pn,1 ) .
hn 3

Il ny a pas de justication theorique serieuse pour cela, lidee est simplement que
les developpements limites se ressemblent formellement.

M
ethode de Runge-Kutta classique

Il ny a pas ici de methode simple permettant devaluer en , meme grossi`erement.


On peut cependant observer que

en = h5n (derivees dordre 4 de f ) ;

Dautre part, des calculs analogues a` ceux ci-dessus montrent que les quantites

n = pn,4 2pn,2 + pn,1 et n = pn,3 pn,2

sont de la forme
h2n (derivees dordre 2 de f ).
VIII M
ethodes num ` un pas
eriques a 247

|en |
Au lieu de comparer hn a , on peut essayer de comparer
`

2n + 2n `a

ou (plus rapide)

|n | + |n | `a  = = ,
ST
quitte a` ajuster eventuellement les valeurs de et  par tatonnements.
Si lon desire une evaluation plus precise de en , il est necessaire dutiliser des
techniques plus elaborees, telles que les methodes de Runge-Kutta embotees (voir
par exemple le livre de Crouzeix-Mignot, chapitre 5, 6).



 
5.1. On etudie la methode numerique (M) de resolution de lequation dierentielle
y  = f (x, y) denie par

yn+1 = yn + hn (tn , yn , hn ),
h h
(t, y, h) = f (t, y) + f (t + , y + f (t, y)) + f (t + h, y + hf (t, h))
2 2

o`
u , , sont des reels compris entre 0 et 1.

(a) Pour quelles valeurs du triplet (, , ) retrouve-t-on


la methode dEuler ?
la methode du point milieu ?
la methode de Heun ?

(b) Dans cette question et la suivante, on supposera que la fonction f (t, y) est de
classe C sur [t0 , t0 + ] R, et k-lipschitzienne en y. Pour quelles valeurs de
(, , ) la methode proposee est-elle stable ?

(c) Quelles relations doivent satisfaire (, , ) pour que la methode soit


consistante ? convergente ? dordre 1 ? dordre 2 ?

La methode (M) peut-elle etre dordre superieur ?

5.2. On consid`ere la methode de Runge-Kutta denie par le tableau

0 0 0 0
1/4 1 0 0
3/4 9/20 6/5 0
1 1/9 1/3 5/9
248 Analyse num
erique et
equations diff
erentielles

On consid`ere lequation y  = f (t, y) = t + y + 1. Resoudre cette equation et calculer


f [n] (0, 0) pour tout n. Que peut-on dire de n /hn (0, 0; 0) ? Determiner lordre
de cette methode.

5.3. On se propose dobtenir une borne explicite pour lordre p dune methode de
Runge-Kutta dont le nombre de points intermediaires q est xe.
(a) Dans lespace vectoriel Pn des polyn omes `a coecients reels de degre inferieur
ou egal `a n, on consid`ere la forme bilineaire
 1
P, Q = P (x)Q(x)dx.
0

Determiner la matrice de cette forme bilineaire dans la base canonique


(1, x, . . . , xn ). En deduire que la matrice symetrique
1 1/2 . . . 1/(n + 1)
1/2 1/3 1/(n + 2)
M =
..

.
1/(n + 1) 1/(n + 2) 1/(2n + 1)
est denie positive et que det M > 0.
(b) On consid`ere pour q N le syst`eme dequations

b 1 + b 2 + . . . bq = 1


b1 c1 + b2 c2 + . . . + bq cq = 1/2
(S) ..

.

2q
b1 c1 + . . . + bq c2q
q = 1/(2q + 1)

u les bi et ci appartiennent a` R+ . Dans Rq+1 on note F lespace vectoriel


o`
engendre par les vecteurs (1, cj , c2j , . . . , cqj ), 1 j q.
() Quelle est la dimension maximum de F ?
() Montrer que si (S) avait une solution, les vecteurs
V1 = (1 1/2 . . . 1/(q + 1))
V2 = (1/2 1/3 . . . 1/(q + 2))
Vq+1 = (1/(q + 1) . . . 1/(2q + 1))
appartiendraient a` F . En deduire que det(V1 , V2 , . . . , Vq+1 ) = 0 puis que le
syst`eme (S) est impossible.
(c) On consid`ere une methode de Runge-Kutta
c1
..
. A = (aij )
..
. 1 i, j q
cq
b1 . . . . . . bq
VIII M
ethodes num ` un pas
eriques a 249
 1 
q
associee `a la methode dintegration (INT) f (x)dx  bj f (cj ).
0 j=1
On suppose que cette methode est dordre p.
() Montrer que (INT) est dordre p 1.
() En deduire que p 2q.

5.4. On consid`ere une methode `a un pas de la forme

(M) yn+1 = yn + hn (tn , yn , hn )

quon suppose etre dordre p. On se donne par ailleurs une methode dintegration
approchee
 1 
(I) g(u)du  bj g(cj )
0 1jq

dordre p au moins (il en existe pour p quelconque).


(a) On consid`ere la methode `a un pas avec points intermediaires tn,i = tn + ci hn
denie comme suit

tn,i = tn + ci hn

yn,i = yn + ci hn (tn , yn , ci hn ) 1 i q



pn,i = f (tn,i , yn,i )
(M )

tn+1 = tn + hn




yn+1 = yn + hn bj pn,j .
1jq

Montrer que (M ) est dordre p + 1.


(b) Gr
ace `a un raisonnement par recurrence, montrer quil existe des methodes de
Runge-Kutta dordre p arbitrairement eleve.


     

Comme dans le chapitre precedent, on sinteresse `a la resolution numerique du


probl`eme de Cauchy relatif `a une equation dierentielle
(E) y  = f (t, y), (t, y) [t0 , t0 + T ] R.
Si (tn )0nN est une subdivision de [t0 , t0 + T ] de pas successifs hn = tn+1 tn , on
appelle methode numerique a
` r + 1 pas toute methode numerique de la forme
yn+1 = (tn , yn , hn ; . . . ; tnr , ynr , hnr ).
Linteret de ces methodes vient du fait quon peut obtenir un ordre eleve pour une
complexite de calcul nettement inferieure `a celle des methodes de Runge-Kutta.
Lun des probl`emes essentiels, neanmoins, est de sassurer que la stabilite numerique
reste susamment bonne.


    
   
 
On suppose ici que le pas hn = h est constant. On sinteresse aux methodes `a r + 1
pas permettant un calcul recurrent des points (tn , yn ) et des pentes fn = f (tn , yn )
sous la forme  

yn+1 = i yni + h i fni

0ir 0ir
(M)

t = tn + h
n+1

fn+1 = f (tn+1 , yn+1 )
u les i , i , 0 i r sont des constantes reelles.
o`

D
emarrage de lalgorithme Le point initial (t0 , y0 ) etant donne, lalgo-
rithme ne peut demarrer que si les valeurs (y1 , f1 ), . . . , (yr , fr ) ont dej`a ete calculees.
Ce calcul ne peut etre fait que par une methode `a un pas pour (y1 , f1 ), a` au plus
2 pas pour (y2 , f2 ), . . . au plus r pas pour (yr , fr ). Linitialisation des r premi`eres
valeurs (yi , fi ), 1 i r, sera generalement faite a` laide dune methode de Runge-
Kutta dordre superieur ou egal `a celui de la methode (M), ou a` la rigueur un de
moins (voir le debut du 1.2 sur ce point).
252 Analyse num
erique et
equations diff
erentielles

   

  
La denition generale de lerreur de consistance pour une methode `a r + 1 pas est
la suivante (on ne suppose pas necessairement dans cette denition que le pas est
constant).

D
enition Soit z une solution exacte de lequation (E). Lerreur de consistance
en relative a
` z est lecart

en = z(tn+1 ) yn+1 , r n < N,

obtenu en calculant yn+1 ` a partir des r + 1 valeurs precedentes supposees exactes


yn = z(tn ), . . . , ynr = z(tnr ).
La methode est dite dordre p si pour toute solution z il existe une constante C telle
que
|en | Chn hpmax .

Determinons en dans le cas de la methode (M) ci-dessus. On a


 hk
z(tn+1 ) = z(tn + h) = z (k) (tn ) + O(hp+1 )
k!
0kp

d`es que f est de classe C p (z est alors de classe C p+1 ). Par ailleurs
 (ih)k
yni = z(tni ) = z(tn ih) = z (k) (tn ) + O(hp+1 ),
k!
0kp

fni = f (tni , z(tni )) = z (tni ) = z  (tn ih)




 (ih)k
= z (k+1) (tn ) + O(hp )
k!
0kp1
 (ih)k1 (k)
= k z (tn ) + O(hp ).
k!
0kp

Il vient par consequent



en = z(tn+1 ) yn+1 = z(tn+1 ) (i yni + hi fni )
0ir
 hk   
= z (k) (tn ) 1 (i (i)k + ki (i)k1 ) + O(hp+1 )
k!
0kp 0ir
 hk   
= z (k) (tn ) 1 (1)k ik i kik1 i + O(hp+1 ).
k!
0kp 0ir

La methode (M) est donc dordre p si et seulement si elle verie les conditions

ik i kik1 i = (1)k , 0 k p.
0ir
IX M ` pas multiples
ethodes a 253

En particulier, elle est dordre 1 (ou consistante) si et seulement si



0 + 1 + . . . + r = 1
1 + . . . + rr (0 + . . . + r ) = 1.
Pour quelle soit dordre p, la p-i`eme condition sexplicite de la mani`ere suivante :
1 + 2p 2 + . . . + rp r p(1 + 2p1 2 + . . . + rp1 r ) = (1)p .

  
On dit quune methode `a pas multiples est stable si une petite perturbation des
valeurs initiales y0 , . . . , yr et de petites erreurs n dans le calcul recurrent des valeurs
yn+1 , r n < N , provoquent une erreur nale contr olable. De facon precise :

D
enition On dit quune methode `a r+1 pas est stable de constante de stabilite
S si pour toutes suites yn , yn avec

yn+1 = (tni , yni , hni ), r n < N,


yn+1 = (tni , yni , hni ) + n , r n < N,

alors   
max |
yn yn | S max |
yn yn | + |n | .
0nN 0nr
rn<N

En appliquant cette denition a` yn = z(tn ), on voit que lerreur globale de la suite
yn par rapport a` la solution exacte z(tn ) admet la majoration
  
max |yn z(tn )| S max |yn z(tn )| + |en | .
0nN 0nr
rn<N


Si la methode est dordre p avec |en | Chn hpmax , alors on a |en | CT hpmax
 rn<N
car hn = T . Pour la phase dinitialisation, il convient donc de choisir une
methode conduisant a` une erreur dinitialisation max |yn z(tn )| de lordre de hpmax
0nr
au plus. Ceci conduit a` choisir une methode dinitialisation dordre p 1. Il est
toutefois preferable de choisir une methode dordre p, car lerreur dinitialisation
est alors bornee par C  hp+1
max et donc n egligeable.

Condition n
ecessaire de stabilit
e On cherche `a determiner les conditions
necessaires `a la stabilite de la methode (M) decrite au 1.1. Pour cela, on consid`ere
lequation dierentielle la plus simple qui soit :
(E) y  = 0.
La suite yn est alors denie par

yn+1 = i yni , n r.
0ir
254 Analyse num
erique et
equations diff
erentielles

Lensemble des suites veriant cette relation de recurrence est un espace vectoriel
de dimension r + 1, car chaque suite est denie de mani`ere unique par la donnee de
(y0 , y1 , . . . , yr ). On a de mani`ere evidente des solutions particuli`eres

yn = n ,

o`
u est racine du polyn
ome caracteristique

r+1 0 r 1 r1 . . . r = 0.

Soient j les racines complexes de ce polynome, et mj les multiplicites correspon-


dantes. On sait (par une theorie en tout point analogue a` celle des equations
dierentielles lineaires `a coecients constants), quune base de lespace vectoriel
des suites considerees est formee des suites

n nq nj , 0 q < mj .

Considerons maintenant la suite yn 0 et la suite yn = nj , 0 n N avec > 0


petit (on a ici n = 0, seule lerreur dinitialisation intervient). Si la methode (M)
est stable, on doit avoir

yN yN | = |j |N S max |j |n ,
|
0nr

ce qui equivaut a`
|j |N S max(1, |j |r ).
Si lon fait tendre h vers 0 et N = T
h vers +, ceci nest possible que pour |j | 1.
Supposons maintenant que le polyn ome caracteristique admette une racine j de
module |j | = 1 et de multiplicite mj 2. En regardant la suite yn = nnj
on trouve
yN yN | = N,
| max | yn yn | = r
0nr

ce qui contredit la stabilite. On obtient donc la condition necessaire suivante :


|j | 1 pour tout j, et si |j | = 1 alors cette racine doit etre simple.

Condition susante de stabilit


e* On va voir que la condition necessaire
qui vient detre trouvee est en fait susante.

Th
eor`
eme On suppose que f (t, y) est k-lipschitzienne en y. Alors la methode
(M) est stable si et seulement si

r+1 0 r . . . r = 0

a toutes ses racines de module 1 et si les racines de module 1 sont simples.

Remarque. On observera que = 1 est toujours racine d`es que la methode est
consistante, puisqualors 0 + . . . + r = 1.
IX M ` pas multiples
ethodes a 255

emonstration. Soient deux suites yn , yn telles que


D

yn+1 = i yni + hi fni

0ir

 rn<N
yn+1 = i yni + hi fni + n


0ir

avec fn = f (tn , yn ). Posons n = yn yn . Il vient |fn fn | k|n | et


 
n+1 i ni = h i (fni fni ) + n .
0ir 0ir

Posons n = n 0 n1 . . . r nr1 . On a donc



|n+1 | kh |i ||ni | + |n |, r n N. ()
0ir

Pour exploiter cette inegalite, on cherche `a majorer |n+1 | en fonction des |i |. Pour
cela, on observe que la relation de denition de n equivaut a` legalite formelle
 
n X n = ( n X n )(1 0 X . . . r X r+1 )

avec la convention n = 0, n = 0 pour n < 0. On a donc inversement


 1 
n X n = n X n .
1 0 X . . . r X r+1
Considerons le developpement en serie en X = 0 :
1 
= n X n .
1 0 X . . . X r+1

Lemme Sous les hypoth`eses du theor`eme, les coecients n sont bornes.

En eet, si les racines du polyn ome caracteristique sont les complexes j de


multiplicite mj , on a

1 0 X . . . r X r+1 = (1 j X)mj .
j

Il existe par consequent une decomposition en elements simples


1  cjq
= .
1 0 X . . . r X r+1 (1 j X)q
j,qmj

Par recurrence sur q et par derivation, on verie facilement que


+

1 (n + 1)(n + 2) . . . (n + q 1) n n
= j X .
(1 j X)q n=0
(q 1)!
256 Analyse num
erique et
equations diff
erentielles

Les coecients de cette derni`ere serie admettent lequivalent nq1 nj /(q 1)! et sont
donc bornes si et seulement si |j | < 1 ou bien |j | = 1 et q = 1.

Notons = sup |n | < +. Comme 0 = 1, on a toujours 1. La relation


nN
  
n X n = n X n n X n

equivaut a` n = 0 n + 1 n1 + . . . + n 0 , do`
u

|n | (|0 | + |1 | + . . . + |n |). ()

En combinant () et () il vient
    
|n+1 | |j | |j+1 | + |j |
0jn+1 rjn 0jr
      
|n+1 | kh |i ||ji | + |j | + |j | .
rjn 0ir 0jr

      
Or |i ||ji | |i | |j |
rjn 0ir 0ir 0jn
et la relation de denition j = j 0 j1 . . . r jr1 donne par ailleurs
    
|j | 1 + |i | |0 | + . . . + |r | .
0jr 0ir

On obtient donc

|n+1 | kh |i |(|0 | + . . . + |n |)
0ir

    
+ |j | + 1 + |i | |i | .
rjn 0ir 0ir

Posons n = |0 | + . . . + |n | et

= k |i |,
0ir

    
n = |j | + 1 + |i | |i | .
rjn 0ir 0ir

La derni`ere inegalite secrit maintenant

n+1 n hn + n n+1 (1 + h)n + n

et le lemme de Gronwall discret (cf. VIII 2.3) donne



n enh 0 + e(n1j)h j .
0jn1
IX M ` pas multiples
ethodes a 257

Or pour j n 1 on a j n et 0 = |0 | n . On en deduit

e(n+1)h 1
n n (1 + eh + . . . + enh ) = n .
eh 1

ot une majoration de n :
Cette inegalite entrane aussit

|n | = n n1 hn1 + n1
 enh 1 
= h h + 1 n1 .
e 1

Comme eh 1 h, il vient |n | enh n1 , soit


     
|n | enh 1+ |i | |i | + |j | ,
0ir 0ir rjn1

  
max0nN |n | S  1 + 0nr |i | 0ir |n | + rnN |n |

avec S  = eT , cest-`a-dire

S  = ekT |i |
o`
u = sup |n |.

Si lerreur initiale max |n | est negligeable (comme cest souvent le cas) on prendra
0nr
S = S  , sinon on peut prendre
  
S = (1 + r) 1 + |i | S  .
0ir

Remarque Pour une fonction f (t, y) de constante de Lipschitz k et pour une


duree dintegration T xees,
la stabilite de la methode depend essentiellement de la
grandeur de la constante |i |. On a donc interet `a choisir une methode pour
laquelle cette constante soit la plus petite possible.

  

M
ethode de Nystr
om

Cest la methode `a 2 pas denie par

yn+1 = yn1 + 2hfn , n 1.

On a ici 0 = 0, 1 = 1, 0 = 2, 1 = 0. Le principe de cette methode est analogue


` celui de la methode du point milieu :
a
258 Analyse num
erique et
equations diff
erentielles

yn+1
pente fn
yn1

tn1 tn tn+1 tn

2h

1
on approxime la pente 2h (yn+1 yn1 ) de la corde par la pente de la tangente au
point milieu tn . Les calculs du 1.1 donnent

h3 (3) h3 [2]
en = z (tn ) 2 + O(h4 ) = f (tn , yn ) + O(h4 ).
3! 3
La methode de Nystrom est donc dordre 2. Pour la phase dinitialisation, on
choisira une methode `a 1 pas dordre 2, par exemple la methode du point milieu :

f0 = f (t0 , y0 ) ;
h h
y1/2 = y0 + f0 ; t1/2 = t0 + ; f1/2 = f (t1/2 , y1/2 ) ;
2 2
y1 = y0 + hf1/2 ; t1 = t0 + h ; f1 = f (t1 , y1 ).

ome caracteristique est 2 1. Dapr`es le 1.2 la methode est stable et


Le polyn
1 1 
2
= 2
= X 2n .
1 0 X 1 X 1X
On a donc = 1, |0 | + |1 | = 2, do`
u la constante de stabilite

S  = e2kt .

On observe neanmoins que le polyn ome caracteristique admet la racine = 1


situee sur le cercle limite de stabilite || = 1, en plus de la racine obligee = 1.
Ceci laisse suspecter que la stabilite nest peut-etre pas tr`es bonne. Pour mettre en
evidence ce phenom`ene, regardons le cas de lequation dierentielle

(E) y  = y

avec donnee initiale t0 = 0, y0 = 1. La solution exacte est donnee par

z(t) = et , z(tn ) = enh .


IX M ` pas multiples
ethodes a 259

La suite yn sera donnee par la relation de recurrence

yn+1 = yn1 2hyn , n1 ()

(car ici fn = yn ), avec valeurs initiales :

y0 = 1, f0 = 1,
h h
y1/2 = 1 , f1/2 = 1 + ,
2 2
h2
y1 = 1 h + .
2
La solution generale de () peut secrire

yn = c1 n1 + c2 n2

o`
u 1 , 2 sont les racines de lequation

2 + 2hk 1 = 0,

a savoir 1 = h + 1 + h2 , 2 = h 1 + h2 . Les constantes c1 , c2 sont
`
determinees par 
y 0 = c1 + c 2 = 1
h2
y 1 = c1 1 + c 2 2 = 1 h + 2 .

On obtient donc
2 2
1 h + h2 2 1 + h2 + 1 + h2
c1 = = ,
1 2 2 1 + h2
 2
  
h2
1 1 h + h2 1 + h2 1 + 2
c2 = = .
1 2 2 1 + h2
h2 h4
Comme 1 + h2 = 1 + 2 8 + O(h6 ), on voit que

c1 = 1 + O(h4 )
1 4
c2 = h + O(h6 )
16
2
Par ailleurs 1 = 1 h + h2 + O(h4 ) = eh + O(h3 ),
 2

tandis que 2 = 1 + h + h2 + O(h4 ) = eh + O(h3 ).
On voit donc que yn est somme de deux termes

1 4
c1 n1  enh , c2 n2  h (1)n enh .
16
Le premier de ces termes approxime bien la solution exacte, mais le second est un
terme de perturbation qui diverge quand n +, bien quil soit negligeable quand
260 Analyse num
erique et
equations diff
erentielles

le temps tn = nh nest pas trop grand. Si la duree dintegration est trop longue
(plus precisement, si h4 eT nest plus negligeable), on va obtenir un trace de la forme
ci-dessous.

yn
y = et

0 tn T t

M
ethode de Milne
Cest la methode `a 4 pas denie par
8 4 8 
yn+1 = yn3 + h fn fn1 + fn2 .
3 3 3
On verie quelle est stable, dordre 4, mais comme pour la methode de Nystrom
la stabilite nest pas tr`es bonne a` cause des racines de module 1 du polyn
ome
caracteristique 4 1 = 0.

 



 

 

On ne suppose plus ici que le pas hn soit necessairement constant. Si z est une
solution exacte de lequation, on ecrit
 tn+1
z(tn+1 ) = z(tn ) + f (t, z(t))dt.
tn

Supposons que pour 0 i r on ait dej`a calcule les points z(tni ) et les pentes
fni = f (tni , z(tni )).
Lidee de la methode est dapproximer la fonction f (t, z(t)) sur [tn , tn+1 ] par
son polynome dinterpolation aux points tn , tn1 , . . . , tnr . Considerons donc le
polyn ome pn,r (t) qui interpole les points (tni , fni ) pour 0 i r :

pn,r (t) = fni Ln,i,r (t), deg (pn,r ) = r,
0ir
IX M ` pas multiples
ethodes a 261

 t tnj
u Ln,i,r (t) =
o` . On ecrit maintenant :
tni tnj
0jr
j=i

 tn+1
z(tn+1 ) = z(tn ) + f (t, z(t))dt
tn
 tn+1
 z(tn ) + pn,r (t)dt
tn

= z(tn ) + hn bn,i,r fn,i
0ir

avec  tn+1
1
bn,i,r = Ln,i,r (t)dt.
hn tn

Lalgorithme de la methode dAdams-Bashforth a` r + 1 pas (en abrege ABr+1 ) va


donc secrire : 

yn+1 = yn + hn bn,i,r fni , n r,

0ir

tn+1 = tn + hn


fn+1 = f (tn+1 , yn+1 ).
Linteret de cette methode provient de sa relative simplicite et du fait quune
seule evaluation de la fonction f est necessaire `a chaque etape (contrairement aux
methodes de Runge-Kutta qui en reclamaient plusieurs). Il va en resulter un gain
assez important sur le temps de calcul.

Exemples
r = 0 : on a pn,0 (t) = constante = fn , do`
u AB1 : yn+1 = yn + hn fn . Il sagit
de la methode dEuler.

r = 1 : le polyn
ome pn,1 est la fonction ane qui interpole (tn , fn ) et (tn1 , fn1 ),
do`
u les formules
fn fn1
pn,1 (t) = fn + (t tn )
tn tn1
 tn+1
fn fn1  1 tn+1
pn,1 (t)dt = fn hn + (t tn )2
tn hn1 2 tn
 hn 
= b n fn + (fn fn1 ) .
2hn1

Lalgorithme secrit donc


 
hn

yn+1 = yn + hn fn + 2h (fn fn1 )
n1
AB2
tn+1 = tn + hn


fn+1 = f (tn , yn ).
262 Analyse num
erique et
equations diff
erentielles

Dans le cas o`
u le pas hn = h est constant, la formule de recurrence se reduit a`
3 1 
yn+1 = yn + h fn fn1 .
2 2

De mani`ere generale, lorsque le pas est constant les coecients bn,i,r ne dependent
pas de n car la methode est invariante par translation. Pour les petites valeurs de r,
les coecients bi,r correspondants sont donnes par le tableau :

r b0,r b1,r b2,r b3,r r = |bi,r |
i

0 1 1

3
1 2 12 2

23
2 12 16
12
5
12 3,66. . .

55
3 24 59
24
37
24
9
24 6,6. . .


Remarque On a toujours 0ir bn,i,r = 1, car pour fn = . . . = fnr = 1 on
a pn,r (t) 1, par consequent
 tn+1 
pn,r (t)dt = hn = hn bn,i,r 1.
tn 0ir

Comme on le verra plus loin, la quantite r intervient dans le calcul de la constante


de stabilite S.

   ABr+1
   

     

Soit z une solution exacte du probl`eme de Cauchy. Lerreur de consistance est


donnee par
en = z(tn+1 ) yn+1
  tn+1 
= z(tn+1 ) z(tn ) + pn,r (t)dt ,
tn
 tn+1  
en = z  (t) pn,r (t) dt,
tn

ome dinterpolation de la fonction z  (t) = f (t, z(t))


u pn,r est precisement le polyn
o`
aux points tni , 0 i r. Dapr`es le theor`eme de la moyenne, il existe un point
]tn , tn+1 [ tel que
 
en = hn z  () pn,r () .
IX M ` pas multiples
ethodes a 263

La formule donnant lerreur dinterpolation (voir chapitre II, 1.2) implique


1
z  () pn,r () = z (r+2) ()n,r (),
(r + 1)!
u ]tnr , tn+1 [ est un point intermediaire entre et les points tni , et o`
o` u

n,r (t) = (t tni ).
0ir

Si ]tnj , tnj+1 [, 0 j r, on a linegalite | tni | (1 + |j i|)hmax , do`


u

|n,r ()| hr+1


max (1 + j) . . . (1 + 1)1(1 + 1) . . . (1 + r j)

max (j + 1)!(r j + 1)! hmax (r + 1)!,


= hr+1 r+1

en majorant 2 par j + 2, . . . , (r j + 1) par (r + 1). On en deduit par consequent

|z  () pn,r ()| |z (r+2) ()| hr+1


max ,

ce qui donne la majoration cherchee de lerreur de consistance :

|en | |z (r+2) ()|hn hr+1


max Chn hmax
r+1

avec C = max |z (r+2) (t)|.


t[t0 ,t0 +T ]

La methode dAdams-Bashforth ` a r + 1 pas est donc dordre r + 1 (le lecteur pourra


verier a` titre dexercice que lordre nest pas r + 2 en considerant le cas de la
fonction f (t, y) = tr+1 ).

Phase dinitialisation De ce qui prec`ede, il resulte quon choisira une


methode de Runge-Kutta dordre r + 1 (ou r `a la rigueur) pour initialiser les
premi`eres valeurs y1 , . . . , yr , f0 , f1 , . . . , fr .



  
 ABr+1

Nous allons demontrer le resultat suivant.


Th
eor`
eme On suppose que f (t, y) est k-lipschitzienne en y et que les sommes
0ir |bn,i,r | sont major
ees independamment de n par une constante r .
Alors la methode dAdams-Bashforth ` a r+1 pas est stable, avec constante de stabilite

S = exp (r kT ).

emonstration. Soit yn la suite recurrente perturbee telle que


D


yn+1 = yn + hn bn,i,r fni + n , r n < N,
0ir


fni = f (tni , yni ).
264 Analyse num
erique et
equations diff
erentielles

Posons n = max |
yi yi |. On a
0in

|fni fni | k|


yni yni | kn ,

|
yn+1 yn+1 | n + hn |bn,i,r | kn + |n |
0ir

(1 + r khn )n + |n |.
yn+1 yn+1 |, n ), on en deduit
Comme n+1 = max (|
n+1 (1 + r khn )n + |n |.
Le lemme de Gronwall implique alors
   
N exp r k(tN tr ) r + |n | ,
rn<N

ce qui entrane bien la stabilite, avec constante S = exp (r kT ). Dapr`es le tableau


donne au 2.1, on voit que la constante r crot assez vite quand r augmente. La
stabilite devient donc de moins en moins bonne quand le nombre de pas augmente.
Cette stabilite mediocre est un des inconvenients les plus serieux des methodes
dAdams-Bashforth lorsque r est grand. En pratique, on se limitera le plus souvent
aux cas r = 1 ou r = 2.

Remarque Lexemple AB2 donne au 2.1 montre que les coecients bn,i,r ne
sont en general bornes que si le rapport hn /hn1 de 2 pas consecutifs reste borne.
Dans la pratique, il est raisonnable de supposer que
hn

hn1
avec disons 2. Les formules du 2.1 donnent dans ce cas :
 tn+1 tnj
|bn,i,r | max |Ln,i,r (t)| =
t[tn ,tn+1 ] |tni tnj |
1jn

Comme tn+1 tnj = hnj + . . . + hn (1 + + . . . + j )hnj et



|tni tnj | si j > i
hnj
|tni tnj | si j < i
Il vient  
|bn,i,r | i (1 + + . . . + j ) (1 + + . . . + j ).
j=i 0jr

On a donc lestimation assez grossi`ere


 
r = max |bn,i,r | (r + 1) (1 + + . . . + j ).
n
0ir 0jr
IX M ` pas multiples
ethodes a 265

 


 

 

Lidee en est la meme que celle des methodes dAdams-Bashforth, mais on approx-
ime ici f (t, z(t)) par son polynome dinterpolation aux points tn+1 , tn , . . . , tnr ; le
point tn+1 est donc pris en plus. On consid`ere le polyn ome pn,r (t) de degre r + 1
qui interpole les points (tni , fni ) pour 1 i r :

pn,r (t) = fni Ln,i,r (t),
1ir
 t tn,j
do`
u Ln,i,r (t) = .
t tn,i
1jr
j=i

On obtient donc comme au 2.2



z(tn+1 )  z(tn ) + hn bn,i,r fni
1ir

 tn+1
1
avec bn,i,r = Ln,i,r (t)dt.
hn tn

Lalgorithme correspondant AMr+1 secrit



yn+1 hn bn,1,r f (tn+1 , yn+1 ) = yn + hn bn,i,r fni .
0ir

On observera ici que yn+1 nest pas donne explicitement en fonction des quantites yn ,
fni anterieurement calculees, mais seulement comme solution dune equation dont
la resolution nest pas a priori immediate. Pour cette raison, on dit que la methode
dAdams-Moulton est une methode implicite (la methode dAdams-Bashforth est
dite par opposition explicite). Pour resoudre lequation ci-dessus, on aura recours
en general `a une methode iterative. Notons un la quantite (explicite)

un = yn + hn bn,i,r fni .
0ir

Le point yn+1 cherche est la solution x de lequation

x = un + hn bn,1,r f (tn+1 , x).

On va donc calculer la suite iteree xp+1 = (xp ) o`


u

(x) = un + hn bn,1,r f (tn+1 , x).


266 Analyse num
erique et
equations diff
erentielles

Comme  (x) = hn bn,1,r fy (tn+1 , x), lapplication va etre contractante (avec
une petite constante de Lipschitz) lorsque hn est assez petit. Si f (t, y) est k-
lipschitzienne en y, il sut que hn < |b 1 |k pour avoir convergence. La solution
n,1,r
yn+1 est alors unique dapr`es le theor`eme du point xe, et lalgorithme iteratif secrit

Fp = f (tn+1 , xp ),
xp+1 = un + hn bn,1,r Fp .

On choisira une valeur initiale x0 qui soit une approximation de yn+1 (la meilleure
possible !), par exemple la valeur donnee par la methode dAdams-Bashforth :

x0 = yn + hn bn,i,r fni .
0ir

On arrete literation pour |xp+1 xp | 1010 (par exemple) et on prend



yn+1 = derni`ere valeur xp+1 calculee
fn+1 = f (tn+1 , yn+1 ) (ou par economie = Fp )

Exemples
r = 0 : le polyn ome pn,0 est le polyn
ome de degre 1 qui interpole (tn+1 , fn+1 )
et (tn , fn ), soit

fn+1 fn
pn,0 (t) = fn + (t tn ) ;
hn
 tn+1 1 1 
pn,0 (t)dt = hn fn+1 + fn .
tn 2 2

On obtient ainsi la methode dite des trap`ezes (ou methode de Crank-Nicolson) :


1 1
yn+1 = yn + hn fn+1 + fn )
2 2
ou encore
1 1
yn+1 hn f (tn+1 , yn+1 ) = yn + hn fn .
2 2

ome pn,1 interpole les points (tn+1 , fn+1 ), (tn , fn ), (tn1 , fn1 ),
r = 1 : le polyn
do`
u les formules
(t tn )(t tn1 ) (t tn1 )(t tn1 ) (t tn )(t tn+1 )
pn,1 (t) = fn+1 fn +fn1 ,
hn (hn + hn1 ) hn hn1 hn1 (hn + hn1 )
 tn+1
yn+1 = yn pn,1 (t)dt,
tn
& '
2hn + 3hn1 3hn1 + hn h2n
yn+1 = yn + hn fn+1 + fn fn1 .
6(hn + hn1 ) 6hn1 6hn1 (hn + hn1 )
IX M ` pas multiples
ethodes a 267

u le pas hn = h est constant, cette formule se reduit a`


Dans le cas o`
5 8 1 
yn+1 = yn + h fn+1 + fn fn1 .
12 12 12

De mani`ere generale, les coecients bn,i,r sont des nombres bi,r independants de
n lorsque le pas est constant. On a la table suivante :

r b1,r b0,r b1,r b2,r b3,r r = |bi,r | r+1
i

1 1
0 2 2 1 2

5 8 1
1 12 12 12 1,16. . . 3,66. . .

9 19 5 1
2 24 24 24 24 1,41. . . 6,66. . .

251 646
3 720 720 264
720
106
720
19
720 1,78. . . 12,64. . .


Les coecients bn,i,r verient toujours bn,i,r = 1.
1ir


 AMr+1
  
  
   

Soit z une solution exacte du probl`eme de Cauchy. Sous lhypoth`ese yni = z(tni ),
0 i n, on a

en = z(tn+1 ) yn+1
  
= z(tn+1 ) z(tn ) + hn bn,i,r f (tni , z(tni )) + hn bn,1,r f (tn+1 , yn+1 )
0ir
  
= z(tn+1 ) z(tn ) + hn bn,i,r f (tni , z(tni ))
1ir

+ hn bn,1,r [f (tn+1 , z(tn+1 )) f (tn+1 , yn+1 )],


 tn+1  
en = (z  (t) pn,r (t))dt + hn bn,1,r f (tn+1 , z(tn+1 )) f (tn+1 , yn+1 ) .
tn

Supposons que f (t, y) soit lipschitzienne de rapport k en y. Alors il vient

 tn+1 
 
|en |  (z  (t) pn,r (t))dt + hn bn,1,r k|en |,
tn
  tn+1 
1   
|en |  (z (t) p (t))dt .
1 hn bn,1,r k tn
n,r
268 Analyse num
erique et
equations diff
erentielles

Quand le pas hn est susamment petit, on a donc


  tn+1 
 
|en | =  (z  (t) pn,r (t))dt(1 + O(hn ))
tn

comme dans la methode dAdams-Bashforth. Par ailleurs la formule de la moyenne


donne
 tn+1
(z  (t) pn,r (t))dt = hn (z  () pn,r ()), ]tn , tn+1 [,
tn
1
z () pn,r () =

z (r+3) ()n,r

(), ]tn,r , tn+1 [.
(r + 2)!


o`
u n,r (t) = (t tni ). Il resulte du 2.2 que
1ir


|n,r ()| = | tn+1 | |n,r ()|
(r + 1)hmax (r + 1)! hr+1
max (r + 2)! hmax ,
r+2

 tn+1 
 
 (z  (t) pn,r (t))dt |z (r+3) ()|hn hr+2
max ,
tn

par consequent lerreur de consistance admet la majoration

|en | Chn hr+2


max (1 + O(hn )),

avec C = max |z (r+3) |.


t[t0 ,t0 +T ]

La methode AMr+1 est donc dordre r + 2. On initialisera les r premi`eres valeurs


y1 , . . . , yr `
a laide dune methode de Runge-Kutta dordre r + 2 (ou a` la rigueur
r + 1).




 
 
AMr+1

On suppose que les rapports hn /hn1 restent bornes, de sorte que les quantites

r = max |bn,i,r |, r = max |bn,1,r |
n n
ir

sont controlees. Supposons egalement que f (t, y) soit k-lipschitzienne en y. La


methode de resolution iterative pour yn+1 fonctionne d`es que hn < |b 1 |k , en
n,1,r
particulier d`es que
1
hmax < ,
r k
ce que nous supposons desormais. Soit yn une suite perturbee telle que
  
yn+1 = yn + hn bn,1,r fn+1 +
bn,i,r fni + n
0ir


fni = f (tni , yni ), r n < N,
IX M ` pas multiples
ethodes a 269

et posons n = max |
yi yi |. Comme on a n+1 = max (|
yn+1 yn+1 |, n ), il vient
0in

  
n+1 n + khn |bn,1,r |n+1 + |bn,i,r |n + |n |,
0ir
  
n+1 (1 |bn,1,r |khn ) n 1 + |bn,i,r |khn + |n |
0ir
  
1+ |bn,i,r |khn (n + |n |).
0ir

Or 1 |bn,1,r |khn 1 r khmax > 0, par suite



1+ |bn,i,r |khn
0ir
n+1 (n + |n |),
1 |bn,1,r |khn

|bn,i,r |khn
1ir
n+1
1 + 1 |b
(n + |n |),

n,1,r |khn

n+1 (1 + hn )(n + |n |),

avec = r k/(1 r khmax ). Un raisonnement analogue a` la demonstration du


lemme de Gronwall discret donne par recurrence sur n :
  
n e(tn tr ) r + |i | ,
rin

do`
u la constante de stabilite
 
r kT
S = eT = exp
1 r khmax

Lorsque hmax est assez petit devant 1/r k, on a donc sensiblement

S  exp (r kT ).

Le tableau du 3.1 montre qu` a ordre r + 2 egal, la methode AMr+1 est beaucoup
plus stable que ABr+2 . Il nen reste pas moins que malgre cet avantage important,
la methode dAdams-Moulton est dutilisation delicate `a cause de son caract`ere
implicite. Les methodes de prediction-correction que nous allons decrire permettent
dobtenir une stabilite equivalente, tout en fournissant un schema explicite de
resolution.
270 Analyse num
erique et
equations diff
erentielles

 
 
      

 

 
On se donne une methode dite de prediction (ou predicteur), fournissant (explicite-
ment) une premi`ere valeur approchee pyn+1 du point yn+1 `a atteindre :

pyn+1 = prediction de yn+1 ,


pfn+1 = f (tn+1 , pyn+1 ) = prediction de fn+1 .

En substituant la valeur pfn+1 ainsi trouvee `a fn+1 dans la formule dAdams-


Moulton, on obtient alors une nouvelle valeur corrigee yn+1 qui est retenue en
vue des calculs ulterieurs.
De facon precise, une methode PECE (prediction, evaluation, correction, evaluation)
a r + 1 pas va secrire de la mani`ere suivante : ynr , fnr , . . . , yn , fn etant dej`a
`
calcules, on pose



Prediction : a partir des yni , fni , 0 i r)
pyn+1 = . . . (`



tn+1 = tn + hn

Evaluation : pfn+1 = f (tn+1 , pyn+1 )
 

yn+1 = yn + hn bn,1,r pfn+1 + 0ir bn,i,r fni

Correction :


Evaluation : fn+1 = f (tn+1 , yn+1 )
Nous avons utilise ici la methode dAdams-Moulton comme correcteur, mais cela
pourrait etre a priori nimporte quelle autre methode implicite.
Ici encore, le demarrage de lalgorithme PECE necessite le calcul prealable des
points y1 , . . . , yr et des pentes f0 , . . . , fr `a laide dune methode `a 1 pas. On peut
estimer que le co ut en temps de calcul dune methode PECE est environ le double de
celui dune methode dAdams-Bashforth dordre egal (mais on verra que la stabilite
est beaucoup meilleure). Ce temps de calcul est en general inferieur `a celui des
methodes de Runge-Kutta sophistiquees (dordre 3).

 
 
 
  
Soit z une solution exacte du probl`eme de Cauchy. Lerreur de consistance est

en = z(tn+1 ) yn+1 avec yni = z(tni ), 0 i r.



Soit yn+1 la valeur qui serait obtenue a` laide du seul correcteur (Adams-Moulton),
de sorte que  


yn+1 = yn + hn bn,1,r fn+1

+ bn,i,r fn,i
0ir

f
n+1 = f (tn+1 , yn+1 ).
Lerreur de consistance correspondante est

en = z(tn+1 ) yn+1

.
IX M ` pas multiples
ethodes a 271

Le predicteur introduit lui aussi une erreur de consistance

pen = z(tn+1 ) pyn+1 .

Ecrivons

en = (z(tn+1 ) yn+1 ) + (yn+1 yn+1 )

en = en + (yn+1 yn+1 ).
On a par ailleurs

yn+1 yn+1 = hn bn,1,r (fn+1

pfn+1 ).

Si f (t, y) est k-lipschitzienne en y, on en deduit



|yn+1 yn+1 | hn |bn,1,r | k |yn+1

pyn+1 |

et yn+1 pyn+1 = (z(tn+1 ) pyn+1 ) (z(tn+1 ) yn+1 ), do`
u

|yn+1 pyn+1 | |pen | + |en |.

Il en resulte nalement

|yn+1 yn+1 | |bn,1,r | khn (|pen | + |en |)