Vous êtes sur la page 1sur 6

ECOLE NATIONALE SUPERIEURE DES TRAVAUX PUBLICS

EQUATIONS DIFFERENTIELLES DU PREMIER ORDRE


Analyse numérique 2eme année classes préparatoires

par HAMADI Ahmed (2017 2018)

1. Introduction

Les équations di¤érentielles ordinaires (EDO) sont très utile dans la modélisation de plusieurs phénomènes
physiques en particulier les sciences de l’ingénieur. Le recours aux méthodes numériques pour résoudre ces
équations est nécessaire car trouver une solution par des méthodes analytiques est di¢ cile voir impossible parfois.

2. Rappels et dé…nitions

Une équation di¤érentielle ordinaire admet généralement une in…nité de solutions. Pour en sélectionner une,
on doit imposer une condition supplémentaire qui correspond à la valeur prise par la solution en un point de
l’intervalle d’intégration. On considérera par conséquent des problèmes, dits de Cauchy, ainsi dé…ni:

Soit I = [a; b] un intervalle fermé de R et f une application donnée f : I R ! R; (t; y) ! f (t; y) :


Et soit y : I R ! R une application di¤érentiable:

dy(t)
On appelle équation di¤ érentielle du premier ordre, la relation dt = f (t; y (t)) ::::::: (1)

On dit que y est la solution de cette équation di¤érentielle sur I = [a; b] si y véri…e la relation (1)
pour tout t 2 [a; b] :

On appelle problème de Cauchy ou problème de condition initiale l’équation di¤érentielle (2) à laquelle
on adjoint la condition initiale y (t0 ) = y0 telle que y0 est un nombre appelée donnée initiale
et t0 un point de I .

8 0 9
< y (t) = f (t; y (t)) ; 8t 2 I; =
::::::: (2)
: ;
y(t0 ) = y0

2.1. Dé…nition

En général, une équation di¤ érentielle d’ordre supérieur est une équation, dont l’inconnue est une fonction
y 2 n ([a; b]) exprimée sous la forme d’une relation F (y(t); y 0 (t); y 00 (t); : : : ; y (n) (t)) = g(t):::::: (3),

dans laquelle cohabitent à la fois y = y(t) et ses dérivées y 0 , y 00 , : : : (n est appelé l’ordre de l’équation).

Si la fonction g, appelée second membre de l’équation, est nulle, on dit que l’équation en question est homogène.
Par exemple

F (y(t); y 0 (t)) = g1 (t), est une équation di¤érentielle du premier ordre.

F (y(t); y 0 (t); y 00 (t)) = g2 (t), est une équation di¤érentielle du second ordre.

Résoudre ou intègrer l’équation di¤érentielle (3) consiste à trouver toutes les fonctions y qui véri…ent

l’équation (3) sur l’intervalle I.

On appelle forme canonique d’une EDO une expression du type y (n) (t) = F (t; y(t); y 0 (t); y 00 (t); : : : ; y (n 1)
(t))

2.2. Remarque

Nous pouvons nous limiter aux équations di¤érentielles du premier ordre car toute équation di¤érentielle d’ordre

n > 1 sous forme canonique peut étre écrite comme un système d’équations di¤érentielles du premier ordre par

l’introduction de n fonctions (y1 ; y2 ; :::; yn ) comme suit. On pose

8 9 8 9
>
> y1 = y >
> >
> y10 = y2 >
>
>
> >
> >
> >
>
>
> y2 = y 0 >
> >
> y20 = y3 >
>
< = < =
: :
=)
>
> : >
> >
> : >
>
>
> >
> >
> >
>
>
> : >
> >
> : >
>
: ; : ;
yn = y (n 1) yn0 = y (n) = F (t; y; y0; y 00 ; :::; y (n 1)
) = F (t; y1 ; y2 ; :::; yn )

2.3. Exemple

Soit l’équation non linéaire du troisième ordre à coe¢ cients non constant :

y 000 + 3xy 00 2xy 0 + 4y = x + 1

Pour l’écrire sous la forme d’un système linéaire, on pose


8 9 8 9 8 9
< y1 = y = < y10 = y2 = < y10 = y2 =
y2 = y 0 =) y20 = y3 =) y20 = y3
: 00 ; : 0 000 ; : ;
y3 = y y3 = y = 3xy 00 + 2xy 0 4y + x + 1 y30 = 3xy3 + 2xy2 4y1 + x + 1
3 2 2 32 3 2 3
y10 0 1 0 y1 0
Donc on écrit Y 0 = AY + b () 4 y20 5 = 4 0 0 1 5 4 y2 5 + 4 0 5
y30 4 2x 3x y3 x+1
2 3 2 3 2 3 2 3
y10 0 1 0 y1 0
C’est à dire Y 0 = 4 y20 5 ; A = 4 0 0 1 5 ; Y = 4 y2 5 et b = 4 0 5
y30 4 2x 3x y3 x+1
Nous avons trois formes de conditions aux limites;

2.4. Dé…nition:

Les conditions aux limites qui portent sur la fonction sont dites conditions de Dirichlet.

Les conditions aux limites qui portent sur la dérivée sont dites conditions de Neumann.

Les conditions aux limites qui portent sur la fonction et sur sa dérivée sont dites conditions mixtes.

2.5. Théorème de Cauchy-Lipschitz

Soit un problème de Cauchy. Si la fonction f (t; y) est


1) Continue par rapport à ses deux variables;

2) Lipschitzienne par rapport à sa deuxième variable, c’est-à -dire qu’il existe une constante

positive L (appelée constante de Lipschitz ) telle que

jf (t; y1 ) f (t; y2 )j Ljy1 y2 j; 8t 2 I; 8y1 ; y2 2 R;


1
alors la solution y = y(t) du probléme de Cauchy (2) existe, est unique et appartient à (I).

2.6. Corollaire

Soit f : [a; b] R ! R continument di¤érentiable et véri…e

@f
9k > 0 et dy (t; y) k 8t 2 [a; b]; 8y 2 R;

alors le problème de Cauchy (2) admet une solution unique.

3. Méthodes numériques pour la résolution du problème de Cauchy

Considérons le problème de Cauchy (2) et supposons que l’on ait montré l’existence d’une solution y.
Le principe des méthodes numériques est de subdiviser l’intervalle I = [a; b], en N intervalles de longueur
h = (bNa) = tn+1 tn , h est appelé le pas de discrétisation, t0 = a; tN = b.
Alors, pour chaque noeud tn = t0 + nh on cherche la valeur inconnue yn qui approche y(tn ).
L’ensemble des valeurs fy0 ; y1 ; : : : ; yN g représente la solution numérique.

Les schémas qu’on va construire permettent de calculer yn+1 à partir de yn et il est donc possible
de calculer successivement y1 ; y2 ; : : : ; yN en partant de y0 .

L’erreur de discrétisation en appelée aussi erreur de troncature, est dé…nie comme la di¤érence
entre la solution exacte et la solution numérique, soit en = jy(tn ) yn j : On cherche une méthode qui permette
le calcul de yn ; i = 1; 2; :::; N et telle que la solution approchée ainsi calculée converge, vers la solution exacte.
On cherchera de plus à évaluer l’erreur de discrétisation en , et plus précisément, à obtenir des estimations
d’erreur de la forme jen j Chp telle que C ne dépend que de la solution exacte et pas de h, p donne alors

l’ordre de précision ou l’ordre de convergence de la méthode considérée.


3.1. Propriétés des méthodes numériques

La qualité d’une méthode numérique est évaluée selon trois notions : la convergence, la consistance et la
stabilité. Ces propriétés permettent de relier la solution exacte des équations continues à la solution exacte
des équations discrétisées et à la solution numérique obtenue.

La stabilité: c’est la propriété qui assure que la di¤érence entre la solution numérique obtenue
et la solution exacte des équations discrétisées est bornée. La stabilité indique si l’erreur reste bornée
au cours des calculs.

La consistance: c’est la propriété qui assure que la solution exacte des équations discrétisées
tende vers la solution exacte des équations continues lorsque le pas de discrétisation h ! 0
P
N
Une méthode numérique est dite consistante si limN !+1 en = 0:
n=1

La convergence: c’est la propriété la plus importante, qui assure que la solution numérique
tende vers la solution exacte des équations continues.

3.2. Les méthodes d’Euler pour l’approximation des équations di¤érentielles ordinaires

tn+1
R
Si nous intégrons l’EDO: y 0 (t) = f (t; y(t)) entre tn et tn+1 nous obtenons y(tn+1 ) y(tn ) = f (t; y(t))dt:
tn

Soit yn une approximation de y(tn ) et yn+1 une approximation de y(tn+1 ). On peut construire di¤érentes schémas
selon la formule de quadrature utilisée pour approcher le membre de droite.

3.2.1 Schéma d’Euler progressif

tn+1
R
Si on utilise la formule de quadrature du rectangle à gauche, f (t; y(t))dt hf (tn ; y(tn ));
tn

8 9
< y0 = y(t0 ); =
on obtient le schéma d’Euler progressif:
: ;
yn+1 = yn + hf (tn ; y(tn )); n = 1; 2; :::; N

Il s’agit d’un schéma explicite car il permet d’expliciter yn+1 en fonction de yn .

3.2.2 Schéma d’Euler rétrograde

tn+1
R
Si on utilise la formule de quadrature du rectangle à droite, f (t; y(t))dt hf (tn+1 ; y(tn+1 ));
tn

8 9
< y0 = y(t0 ); =
on obtient le schéma d’Euler rétrograde :
: ;
yn+1 hf (tn+1 ; yn+1 ) = yn ; n = 1; 2; :::; N

Il s’agit d’un schéma implicite car il ne permet pas d’expliciter directement yn+1 en fonction de yn
lorsque la fonction f n’est pas triviale.
3.2.3 Remarque:

On dit que la méthode d’Euler est une méthode à pas séparés ou à un pas, parceque le calcul de yn+1
ne fait intervenir que yn :

3.2.4 Théorème ( l’erreur d’Euler)

Supposons que l’application f (t; y) soit continue par rapport aux deux variables, et lipschitzienne par
rapport à y (de constante de Lipschitz L) uniformément par rapport à t; et que y 2 2 ([a; b]) :
On pose M = maxt2[a;b] jy 00 (t)j ; alors on a la majoration jen j eL(b a) 1 M h
2L :

3.2.5 Remarque:

Ce résultat s’exprime sous la forme jen j kh; c’est à dire que la méthode d’Euler est d’ordre 1.

3.3. Méthode de Runge-Kutta d’ordre 2

La méthode de Runge Kutta d’ordre 2 est obtenue par l’utilisation de la formule des trapèzes.
Son algorithme, noté RK2, s’écrit:

8 h
9
< yn+1 = yn + 2 (K1 + K2 ) ; n = 0; 1; 2; ::: =
: ;
avec K1 = f (tn ; yn ) et K2 = f (tn + h; yn + hK1 )

3.4. Méthode de Runge-Kutta d’ordre 4

La méthode de Runge Kutta d’ordre 4 est la plus performante, pour des fonctions su…samment
régulières on a jen j= o h4 . Son algorithme, noté RK4, s’écrit:

8 h
9
>
> yn+1 = yn + 6 (K1 + 2K2 + 2K3 + K4 ) ; n = 0; 1; 2; ::: >
>
>
> >
>
< =
avec K1 = f (tn ; yn ); K2 = f (tn + h2 ; yn + h2 K1 );
>
> >
>
>
> >
>
: ;
K3 = f (tn + h2 ; yn + h2 K2 ) et K4 = f (tn + h; yn + hK3 )

3.5. Problème de Laplace avec condition au limite de type Dirichlet à 1 dimension


(équation de poisson)

Considérons l’équation di¤érentielle suivante:


8 9
< u00 (x) = f (x) ; x 2 [0; 1] =
avec f une fonction continue.
: ;
u (0) = a et u (1) = b
1
La discrétisation est de pas h = N; les noeuds sont les xi = ih; i 2 f0; 1; ::::; N g

Nous posons ui = u(xi ):

d2 u
L’équation s’écrit sous forme discrète en chaque noeud xi : dx2 = f (xi ) = fi
i

Approximons la dérivée seconde de u par un schéma centré d’ordre 2:

d2 u ui+1 2ui +ui 1


dx2 = h2 : L’équation discrétisée s’écrit alors:
i

8 ui+1 2ui +ui


9
< h2
1
= fi ; i 2 f1; 2; ::::; N 1g =
: ;
u0 = u (0) = a et uN = u(1) = b

Qui s’écrit sous forme matricielle:

2 32 3 2 3
2 1 0 : : 0 0 u1 f1 + ha2
6 1 2 1 0 : : 07 6 7 6 f2 7
6 7 6 u2 7 6 7
6 0 1 2 : : : 7 6
: 76 : 7 67 6 : 7
6 7
1 6 : : : : : 0 7 6 7
: 76 : 7 = 66 : 7 () AU = B
h2 6 7
6 : : : : : 1 7 6
0 76 : 7 67 6 : 7
6 7
4 0 0 : 0 1 2 5 4
1 uN 2 5 4 fN 2 5
0 0 : : 0 1 2 uN 1 fN 1 + hb2
2 3 2 3 2 3
2 1 0 : : 0 0 u1 f1 + ha2
6 1 2 1 0 : : 07 6 u2 7 6 f2 7
6 7 6 7 6 7
6 0 1 2 : : : : 7 6 : 7 6 : 7
6 7 6 7 6 7
Avec A= 1 6 : : : : : 0 : 7 U =6 : 7 6 : 7
h2 6 7, 6 7 et B=6 7
6 : : : : : 1 07 6 : 7 6 : 7
6 7 6 7 6 7
4 0 0 : 0 1 2 15 4uN 25
4 fN 2 5
0 0 : : 0 1 2 uN 1 fN 1 + hb2