Chapitre 3

Résolution numérique des Équations Différentielles Ordinaires (EDO)
Introduction
Problème de Cauchy
Les équations du premier ordre
Les systèmes du 1er ordre
Les équations différentielles d’ordre >1
Approximation numérique des EDO d’ordre 1
Schémas classiques
Etude des méthodes à un pas
Stabilité et consistance
Consistance et ordre de consistance
Méthodes à pas multiple
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Problème de Cauchy
Schémas classiques
Introduction
Introduction
On s’intéresse ici à des problèmes physiques où l’inconnue est une fonction :
Chute libre : Trouver la vitesse v (t) satisfaisant
mv 0 (t) = mg − kv (t)2 ∀t
Pendule : Trouver l’angle θ(t) satisfaisant
ml θ00 (t) = −mg sin θ(t) − lcf θ0 (t) ∀t
Masse-ressort : Trouver le déplacement x (t) satisfaisant
x 00 (t) + cx 0 (t) + ω 2 x (t) = 0 ∀t
Croissance de population : Trouver le nombre d’individus N(t)
N 0 (t) = (n1 − m1 N(t))N(t) ∀t
9 avril 2020 1 / 50
Introduction
Equation différentielle
Une équation différentielle est une relation faisant intervenir les dérivées d’une fonction
inconnue y (t) à déterminer sur un intervalle [t0 , T ] :
F (t, y (t), y 0 (t), y 00 (t), . . . , y (n) (t)) = 0, ∀t ∈ [t0 , T ].
Définition
L’ordre d’une équation différentielle est déterminé par l’ordre maximal de la dérivée de la
fonction inconnue (variable dépendante).
Exemple
Ordre 1 : y 0 (t) = ty (t) alors F (t, y , y 0 ) = y 0 (t) − ty (t).
Ordre 2 : y 00 (x ) = y 0 (x ) − y (x ) alors F (x , y , y 0 , y 00 ) = y 00 (x ) − y 0 (x ) + y (x ).
9 avril 2020 2 / 50
Problème de Cauchy et Équations de premier ordre

Définition
Soit f une fonction définie de [t0 , T ] × R dans R. Le problème de Cauchy consiste à trouver
une fonction y : [t0 , T ] 7−→ R solution de
( 0
y (t) = f (t, y (t)), t ∈ [t0 , T ],
(1)
y (t0 ) = y0 .
La condition y (t0 ) = y0 est une condition initiale ou la condition de Cauchy.
Théorème de Cauchy
Si on suppose que la fonction f est continue par rapport aux deux variables t et y et que f est
uniformément Lipschitzienne par rapport à y , c’est à dire que
∃L > 0, ∀t ∈ [t0 , T ], ∀y1 , y2 ∈ R, |f (t, y1 ) − f (t, y2 | 6 L|y1 − y2 |,

1 9 avril 2020 3 / 50

Définition
( 0
y (t) = f (t, y (t)), t ∈ [t0 , T ],
(1)
y (t0 ) = y0 .

1 9 avril 2020 3 / 50

Définition
( 0
y (t) = f (t, y (t)), t ∈ [t0 , T ],
(1)
y (t0 ) = y0 .

1 9 avril 2020 3 / 50

Définition
( 0
y (t) = f (t, y (t)), t ∈ [t0 , T ],
(1)
y (t0 ) = y0 .

1 9 avril 2020 3 / 50

Définition
( 0
y (t) = f (t, y (t)), t ∈ [t0 , T ],
(1)
y (t0 ) = y0 .

1 9 avril 2020 3 / 50
Remarque
Le problème de Cauchy est un problème d’évolution, c’est à dire à partir de la condition initiale, on
peut calculer la solution à l’instant t comme suit :
Z t
y (t) = y (t0 ) + f (s, y (s)) ds, (2)
t0
et donc la solution à l’instant t dépend uniquement de la solution aux instants t0 6 s 6 t.
La solution (2) ne donne pas y de façon explicite sauf dans des cas simples.
Système du 1er ordre
Il s’écrit sous la forme suivante :
(
Y 0 (t) = F (t, Y (t)), t ∈ [t0 , T ],
(3)
Y (t0 ) = Y0 ,
avec Y = (y1 , y2 , . . . , yN ), F : [t0 , T ] × RN 7−→ RN définie par
F (t, Y ) = (f1 (t, Y ), f2 (t, Y ), . . . , fN (t, Y )). 9 avril 2020 4 / 50

Remarque
Z t
y (t) = y (t0 ) + f (s, y (s)) ds, (2)
t0
(
Y 0 (t) = F (t, Y (t)), t ∈ [t0 , T ],
(3)
Y (t0 ) = Y0 ,

Remarque
Z t
y (t) = y (t0 ) + f (s, y (s)) ds, (2)
t0
(
Y 0 (t) = F (t, Y (t)), t ∈ [t0 , T ],
(3)
Y (t0 ) = Y0 ,

Remarque
Z t
y (t) = y (t0 ) + f (s, y (s)) ds, (2)
t0
(
Y 0 (t) = F (t, Y (t)), t ∈ [t0 , T ],
(3)
Y (t0 ) = Y0 ,

Remarque
Z t
y (t) = y (t0 ) + f (s, y (s)) ds, (2)
t0
(
Y 0 (t) = F (t, Y (t)), t ∈ [t0 , T ],
(3)
Y (t0 ) = Y0 ,

Remarque
Z t
y (t) = y (t0 ) + f (s, y (s)) ds, (2)
t0
(
Y 0 (t) = F (t, Y (t)), t ∈ [t0 , T ],
(3)
Y (t0 ) = Y0 ,

Remarque
Z t
y (t) = y (t0 ) + f (s, y (s)) ds, (2)
t0
(
Y 0 (t) = F (t, Y (t)), t ∈ [t0 , T ],
(3)
Y (t0 ) = Y0 ,


Exemple : équation du pendule

00 g
θ (t) = − sin θ(t),

 L
θ(0) = θ 0 , (4)

 0

θ (0) = θ1 .
Cette équation différentielle d’ordre 2 se ramène à un système d’ordre 1 en posant y1 (t) = θ(t) et
y2 (t) = θ0 (t). En effet :
g g
y10 (t) = θ0 (t) et y20 (t) = θ00 (t) = − sin θ(t) = − sin y1 (t).
L L

y1 (t) y2 (t)
On note Y (t) = et F (t, Y (t)) = ,
y2 (t) − gL sin y1 (t)
alors l’équation (4) est équivalente à
 0
 Y (t) = F (t,Y (t),
θ0 (5)
 Y (0) = .
θ1 9 avril 2020 5 / 50


00 g
θ (t) = − sin θ(t),

 L
θ(0) = θ 0 , (4)

 0

θ (0) = θ1 .
g g
L L

y1 (t) y2 (t)
 0
 Y (t) = F (t,Y (t),
θ0 (5)
 Y (0) = .
θ1 9 avril 2020 5 / 50


00 g
θ (t) = − sin θ(t),

 L
θ(0) = θ 0 , (4)

 0

θ (0) = θ1 .
g g
L L

y1 (t) y2 (t)
 0
 Y (t) = F (t,Y (t),
θ0 (5)
 Y (0) = .
θ1 9 avril 2020 5 / 50
Les équations différentielles d’ordre > 1 suite
Dans le cas général d’une équation différentielle de la forme :
u (t) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t))

( (p)
(6)
u (j) (0) = uj0 , j = 0, . . . , p − 1.
On se ramène à un système d’ordre 1 en posant : y1 = u, y2 = u 0 , . . . , yp = u (p−1) , soit

0

y1 = u ⇒ y1 = y2 ,

0 0 00

y2 = u ⇒ y2 = u = y3 ,


.. (7)


 .

yp = u (p−1) ⇒ yp0 = u (p) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t)).


9 avril 2020 6 / 50
u (t) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t))

( (p)
(6)
u (j) (0) = uj0 , j = 0, . . . , p − 1.

0

y1 = u ⇒ y1 = y2 ,

0 0 00

y2 = u ⇒ y2 = u = y3 ,


.. (7)


 .



9 avril 2020 6 / 50
u (t) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t))

( (p)
(6)
u (j) (0) = uj0 , j = 0, . . . , p − 1.

0

y1 = u ⇒ y1 = y2 ,

0 0 00

y2 = u ⇒ y2 = u = y3 ,


.. (7)


 .



9 avril 2020 6 / 50
u (t) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t))

( (p)
(6)
u (j) (0) = uj0 , j = 0, . . . , p − 1.

0

y1 = u ⇒ y1 = y2 ,

0 0 00

y2 = u ⇒ y2 = u = y3 ,


.. (7)


 .



9 avril 2020 6 / 50
Exemples
1 Le problème du pendule satisfait les hypothèses du Théorème de Cauchy.
En effet : la fonction F de (5) vérifie pour tous Y et Z de R2 :
|F1 (Y ) − F1 (Z )| = |y2 − z2 | 6 kY − Z k,
|F2 (Y ) − F2 (Z )| = ω 2 |sin(y1 ) − sin(z1 )| 6 ω 2 kY − Z k, puisque
y1 − z1 y1 + z1
|sin(y1 ) − sin(z1 )| = 2|sin( )cos( )| 6 |y1 − z1 | 6 kY − Z k.
2 2
Donc il admet une solution unique. Cependant, on ne peut pas expliciter sa solution à l’aide de
fonctions usuelles. Cette solution peut s’exprimer à l’aide d’une fonction spéciale appelée fonction “sinus
amplitude” de Jacobi, mais c’est beaucoup plus compliqué que de rechercher une approximation numérique
de la solution en utilisant une des méthodes que nous allons exposer dans ce cours.
(
y 0 (t) = y (t)1/2 , t ∈ [0, 1],
2 Le problème ne satisfait pas les hypothèses du Théorème
y (0) = y0 ,
de Cauchy. Il admet au moins deux solutions distinctes y1 (t) = 0 et y2 (t) = (t/2)2 .
9 avril 2020 7 / 50
Exemples
|F1 (Y ) − F1 (Z )| = |y2 − z2 | 6 kY − Z k,
y1 − z1 y1 + z1
2 2
(
y 0 (t) = y (t)1/2 , t ∈ [0, 1],
y (0) = y0 ,
9 avril 2020 7 / 50
Exemples
|F1 (Y ) − F1 (Z )| = |y2 − z2 | 6 kY − Z k,
y1 − z1 y1 + z1
2 2
(
y 0 (t) = y (t)1/2 , t ∈ [0, 1],
y (0) = y0 ,
9 avril 2020 7 / 50
Exemples
|F1 (Y ) − F1 (Z )| = |y2 − z2 | 6 kY − Z k,
y1 − z1 y1 + z1
2 2
(
y 0 (t) = y (t)1/2 , t ∈ [0, 1],
y (0) = y0 ,
9 avril 2020 7 / 50
Exemples
|F1 (Y ) − F1 (Z )| = |y2 − z2 | 6 kY − Z k,
y1 − z1 y1 + z1
2 2
(
y 0 (t) = y (t)1/2 , t ∈ [0, 1],
y (0) = y0 ,
9 avril 2020 7 / 50
Exemples
|F1 (Y ) − F1 (Z )| = |y2 − z2 | 6 kY − Z k,
y1 − z1 y1 + z1
2 2
(
y 0 (t) = y (t)1/2 , t ∈ [0, 1],
y (0) = y0 ,
9 avril 2020 7 / 50
Exemples
|F1 (Y ) − F1 (Z )| = |y2 − z2 | 6 kY − Z k,
y1 − z1 y1 + z1
2 2
(
y 0 (t) = y (t)1/2 , t ∈ [0, 1],
y (0) = y0 ,
9 avril 2020 7 / 50
Approximation numérique des ODE d’ordre 1
Objectif et Vocabulaire
Objectif
Le but est d’étudier des méthodes numériques consistantes et stables permettant le calcul
de bonnes approximations de la solution exacte de l’EDO (1).
Au niveau numérique, on ne peut pas évaluer la solution y (t) en tout point t.
On va chercher une approximation de la solution pour certaines valeurs de la variable
indépendante t que l’on notera ti .
La méthode la plus célèbre est celle de Euler.
Vocabulaire
La distance entre ti+1 et ti est notée hi = ti+1 − ti , on l’appelle le pas du temps.
On utilisera généralement un pas de temps constant noté h.
On note y (ti ) la solution analytique évaluée en t = ti .
On note yi la solution approchée de y (ti ) obtenue par une méthode numérique.
9 avril 2020 8 / 50
Objectif et Vocabulaire
Objectif
Le but est d’étudier des méthodes numériques consistantes et stables permettant le calcul
de bonnes approximations de la solution exacte de l’EDO (1).
Au niveau numérique, on ne peut pas évaluer la solution y (t) en tout point t.
On va chercher une approximation de la solution pour certaines valeurs de la variable
indépendante t que l’on notera ti .
La méthode la plus célèbre est celle de Euler.
Vocabulaire
La distance entre ti+1 et ti est notée hi = ti+1 − ti , on l’appelle le pas du temps.
On utilisera généralement un pas de temps constant noté h.
On note y (ti ) la solution analytique évaluée en t = ti .
On note yi la solution approchée de y (ti ) obtenue par une méthode numérique.
9 avril 2020 8 / 50
Discrétisation
Supposons que l’on désire calculer la solution y (t) d’une équation différentielle pour t > t0 .
Une discrétisation de l’équation définissant y (t) est définie par
la donnée d’un ensemble discret de valeur pour la variable indépendante t : en général, on
−t0
fixe le pas h = T N avec N est le nombre de points de la discrétisation. On pose
ti = t0 + ih ∀i = 0, 1, . . . , N.
Produisant la suite
t0 < t1 < t2 < · · · < ti < · · · < tN = T = t0 + Nh,
et d’une méthode numérique (schéma) fournissant une approximation de la solution

exacte au points ti :
yi ≈ y (ti ).
9 avril 2020 9 / 50
Discrétisation
−t0
ti = t0 + ih ∀i = 0, 1, . . . , N.
Produisant la suite
t0 < t1 < t2 < · · · < ti < · · · < tN = T = t0 + Nh,

yi ≈ y (ti ).
9 avril 2020 9 / 50
Discrétisation
−t0
ti = t0 + ih ∀i = 0, 1, . . . , N.
Produisant la suite
t0 < t1 < t2 < · · · < ti < · · · < tN = T = t0 + Nh,

yi ≈ y (ti ).
9 avril 2020 9 / 50
Discrétisation
−t0
ti = t0 + ih ∀i = 0, 1, . . . , N.
Produisant la suite
t0 < t1 < t2 < · · · < ti < · · · < tN = T = t0 + Nh,

yi ≈ y (ti ).
9 avril 2020 9 / 50

Méthode de Euler. On se donne une subdivision de I = [t0 , T ] en N intervalles de pas
T − t0
h = tn+1 − tn = .
N
La méthode d’Euler consiste à approcher y 0 (tn ) par la formule de Taylor comme suit :
y (tn+1 ) = y (tn ) + hy 0 (tn ) + O(h2 ).
Soit
y (tn+1 ) − y (tn )
y 0 (tn ) = + O(h) = f (tn , y (tn )).
h
Soit yn une approximation de y (tn ) (yn ≈ y (tn )), le schéma d’Euler s’écrit
yn+1 = yn + hf (tn , yn ), n = 0, . . . , N − 1,
y (0) = y0 .
9 avril 2020 10 / 50

T − t0
h = tn+1 − tn = .
N
y (tn+1 ) = y (tn ) + hy 0 (tn ) + O(h2 ).
Soit
y (tn+1 ) − y (tn )
y 0 (tn ) = + O(h) = f (tn , y (tn )).
h
yn+1 = yn + hf (tn , yn ), n = 0, . . . , N − 1,
y (0) = y0 .
9 avril 2020 10 / 50

T − t0
h = tn+1 − tn = .
N
y (tn+1 ) = y (tn ) + hy 0 (tn ) + O(h2 ).
Soit
y (tn+1 ) − y (tn )
y 0 (tn ) = + O(h) = f (tn , y (tn )).
h
yn+1 = yn + hf (tn , yn ), n = 0, . . . , N − 1,
y (0) = y0 .
9 avril 2020 10 / 50

T − t0
h = tn+1 − tn = .
N
y (tn+1 ) = y (tn ) + hy 0 (tn ) + O(h2 ).
Soit
y (tn+1 ) − y (tn )
y 0 (tn ) = + O(h) = f (tn , y (tn )).
h
yn+1 = yn + hf (tn , yn ), n = 0, . . . , N − 1,
y (0) = y0 .
9 avril 2020 10 / 50

T − t0
h = tn+1 − tn = .
N
y (tn+1 ) = y (tn ) + hy 0 (tn ) + O(h2 ).
Soit
y (tn+1 ) − y (tn )
y 0 (tn ) = + O(h) = f (tn , y (tn )).
h
yn+1 = yn + hf (tn , yn ), n = 0, . . . , N − 1,
y (0) = y0 .
9 avril 2020 10 / 50
Interprétation de la méthode d’Euler
Définitions
Un schéma à un pas si yn+1 est une fonction de tn et yn uniquement (le schéma d’Euler).
Un schéma à deux pas si yn+1 est une fonction de (tn , yn ) et de (tn−1 , yn−1 ) uniquement.
Un schéma à k pas si yn+1 est une fonction de tn , yn , tn−1 , yn−1 , . . . , tn−(k−1) , yn−(k−1)
Un schéma à k pas est explicite si on peut exprimer yn+1 sous la forme
yn+1 = E (tn , tn−1 , . . . , tn−(k−1) , yn , yn−1 , . . . , yn−(k−1) ).
Le schéma d’Euler est explicite.

Un schéma à k pas est implicite si yn+1 est solution d’une équation non linéaire de la forme
yn+1 = I(tn+1 , tn , tn−1 , . . . , tn−(k−1) , yn+1 , yn , yn−1 , . . . , yn−(k−1) ).
9 avril 2020 11 / 50
Définitions

9 avril 2020 11 / 50
Définitions

9 avril 2020 11 / 50
Définitions

9 avril 2020 11 / 50
Définitions

9 avril 2020 11 / 50
Définitions

9 avril 2020 11 / 50
Schémas classiques
Une façon d’obtenir une multitude de schémas numériques est d’intégrer l’EDO sur [tn , tn+1 ] :
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
et ensuite d’approcher l’intégrale. Par exemple
Intégration par la méthode des rectangles à gauche :
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn
ce qui donne le schéma d’Euler explicite : yn+1 = yn + hf (tn , yn )

Intégration par la méthode des rectangles à droite :
Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn
ce qui donne le schéma d’Euler implicite : yn+1 = yn + hf (tn+1 , yn+1 ).

yn+1 est solution d’une équation non linéaire.
9 avril 2020 12 / 50
Schémas classiques
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn

Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn

9 avril 2020 12 / 50
Schémas classiques
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn

Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn

9 avril 2020 12 / 50
Schémas classiques
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn

Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn

9 avril 2020 12 / 50
Schémas classiques
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn

Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn

9 avril 2020 12 / 50
Schémas classiques
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn

Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn

9 avril 2020 12 / 50
Schémas classiques
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn

Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn

9 avril 2020 12 / 50
Schémas classiques
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn

Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn

9 avril 2020 12 / 50
Schémas classiques
Z tn+1
y (tn+1 ) − y (tn ) = f (t, y (t))dt,
tn
Z tn+1
f (t, y (t))dt ≈ hf (tn , y (tn )),
tn

Z tn+1
f (t, y (t))dt ≈ hf (tn+1 , y (tn+1 ),
tn

9 avril 2020 12 / 50
Schémas classiques ...

Intégration par la méthode des trapèzes
Z tn+1
h
f (t, y (t))dt ≈ (f (tn , y (tn )) + f (tn+1 , y (tn+1 ))),
tn 2
ce qui donne le schéma à un pas implicite :
h
yn+1 = yn + (f (tn , yn ) + f (tn+1 , yn+1 )).
2
Intégration par la méthode du point milieu

Z tn+1
h h
f (t, y (t))dt ≈ hf (tn + , y (tn + ))),
tn 2 2
Pour donner une approximation de la solution au point tn + h2 , on utilise le schéma d’Euler
explicite : y (tn + h2 ) ≈ y (tn ) + h2 f (tn , y (tn )), ce qui donne le schéma d’Euler modifié :
h h
yn+1 = yn + hf (tn + , yn + f (tn , yn )).
2 2 9 avril 2020 13 / 50

Z tn+1
h
tn 2
h
yn+1 = yn + (f (tn , yn ) + f (tn+1 , yn+1 )).
2

Z tn+1
h h
f (t, y (t))dt ≈ hf (tn + , y (tn + ))),
tn 2 2
h h
2 2 9 avril 2020 13 / 50

Z tn+1
h
tn 2
h
yn+1 = yn + (f (tn , yn ) + f (tn+1 , yn+1 )).
2

Z tn+1
h h
f (t, y (t))dt ≈ hf (tn + , y (tn + ))),
tn 2 2
h h
2 2 9 avril 2020 13 / 50

Z tn+1
h
tn 2
h
yn+1 = yn + (f (tn , yn ) + f (tn+1 , yn+1 )).
2

Z tn+1
h h
f (t, y (t))dt ≈ hf (tn + , y (tn + ))),
tn 2 2
h h
2 2 9 avril 2020 13 / 50

Z tn+1
h
tn 2
h
yn+1 = yn + (f (tn , yn ) + f (tn+1 , yn+1 )).
2

Z tn+1
h h
f (t, y (t))dt ≈ hf (tn + , y (tn + ))),
tn 2 2
h h
2 2 9 avril 2020 13 / 50

Z tn+1
h
tn 2
h
yn+1 = yn + (f (tn , yn ) + f (tn+1 , yn+1 )).
2

Z tn+1
h h
f (t, y (t))dt ≈ hf (tn + , y (tn + ))),
tn 2 2
h h
2 2 9 avril 2020 13 / 50

Z tn+1
h
tn 2
h
yn+1 = yn + (f (tn , yn ) + f (tn+1 , yn+1 )).
2

Z tn+1
h h
f (t, y (t))dt ≈ hf (tn + , y (tn + ))),
tn 2 2
h h
2 2 9 avril 2020 13 / 50
Une mise en oeuvre réussie

Le problème (
y 0 (t) = y (t), t ∈ [0, 1],
(8)
y (0) = 1,
admet comme unique solution y (t) = e t .
La méthode d’Euler explicite consiste à calculer, pour n > 0,
yn+1 = yn + hyn
= (1 + h)yn .
Partons de y0 = 1, on obtient yn+1 = (1 + h)n . Avec h = N1 ,on retrouve pour yN une valeur
1
approchée de y (1) = e, puisque lim yN = lim (1 + )N = e.
N→∞ N→∞ N
La méthode implicite fournit quant à elle yN = (1−11 )N qui converge également vers e lorsque
N
N tend vers l’infini.
9 avril 2020 14 / 50

Le problème (
y 0 (t) = y (t), t ∈ [0, 1],
(8)
y (0) = 1,
yn+1 = yn + hyn
= (1 + h)yn .
1
N→∞ N→∞ N
N
9 avril 2020 14 / 50

Le problème (
y 0 (t) = y (t), t ∈ [0, 1],
(8)
y (0) = 1,
yn+1 = yn + hyn
= (1 + h)yn .
1
N→∞ N→∞ N
N
9 avril 2020 14 / 50

Le problème (
y 0 (t) = y (t), t ∈ [0, 1],
(8)
y (0) = 1,
yn+1 = yn + hyn
= (1 + h)yn .
1
N→∞ N→∞ N
N
9 avril 2020 14 / 50

Le problème (
y 0 (t) = y (t), t ∈ [0, 1],
(8)
y (0) = 1,
yn+1 = yn + hyn
= (1 + h)yn .
1
N→∞ N→∞ N
N
9 avril 2020 14 / 50

Le problème (
y 0 (t) = y (t), t ∈ [0, 1],
(8)
y (0) = 1,
yn+1 = yn + hyn
= (1 + h)yn .
1
N→∞ N→∞ N
N
9 avril 2020 14 / 50

Le problème (
y 0 (t) = y (t), t ∈ [0, 1],
(8)
y (0) = 1,
yn+1 = yn + hyn
= (1 + h)yn .
1
N→∞ N→∞ N
N
9 avril 2020 14 / 50
Figure – Les méthodes d’Euler pour le problème (8)

9 avril 2020 15 / 50
En fait, ces comportements s’expliquent par un développement limité :

1 1
yN,exp = e N ln(1+ N ) + O( N12 )),

= e(1 − 2N
−N ln(1− N1 ) (9)
yN,imp = e = e(1 + 2N + O( N12 )).
1
Cette estimation est confortée par les valeurs données dans le tableau suivant, où εN désigne l’erreur
absolue au point t = 1 pour chacune des méthodes.
Euler Explicite Euler Implicite

εN εN
N εN h εN h
10 0.1245 1.2454 0.1497 1.4969
25 0.0524 1.3111 0.0564 1.4110
50 0.0267 1.3347 0.0277 1.3845
100 0.0135 1.3468 0.0137 1.3717
250 0.0054 1.3542 0.0055 1.3641
500 0.0027 1.3567 0.0027 1.3616
1000 0.0014 1.3579 0.0014 1.3604
εN e
Les valeurs du rapport h encadrent de mieux en mieux 2 ≈ 1.3591.
9 avril 2020 16 / 50

1 1
yN,exp = e N ln(1+ N ) + O( N12 )),

= e(1 − 2N
−N ln(1− N1 ) (9)
yN,imp = e = e(1 + 2N + O( N12 )).
1

εN εN
N εN h εN h
10 0.1245 1.2454 0.1497 1.4969
25 0.0524 1.3111 0.0564 1.4110
50 0.0267 1.3347 0.0277 1.3845
100 0.0135 1.3468 0.0137 1.3717
250 0.0054 1.3542 0.0055 1.3641
500 0.0027 1.3567 0.0027 1.3616
1000 0.0014 1.3579 0.0014 1.3604
εN e
9 avril 2020 16 / 50

1 1
yN,exp = e N ln(1+ N ) + O( N12 )),

= e(1 − 2N
−N ln(1− N1 ) (9)
yN,imp = e = e(1 + 2N + O( N12 )).
1

εN εN
N εN h εN h
10 0.1245 1.2454 0.1497 1.4969
25 0.0524 1.3111 0.0564 1.4110
50 0.0267 1.3347 0.0277 1.3845
100 0.0135 1.3468 0.0137 1.3717
250 0.0054 1.3542 0.0055 1.3641
500 0.0027 1.3567 0.0027 1.3616
1000 0.0014 1.3579 0.0014 1.3604
εN e
9 avril 2020 16 / 50
Une mise en oeuvre défaillante (exemple surprenant)

Considérons le problème suivant :
y 0 (t) = 3y (t) − 3t, t ∈ [0, T ],

(10)
y (0) = 13 ,
dont la solution est y (t) = 13 + t. Appliquons la méthode d’Euler pour en chercher la solution
approchée à l’instant T , pour différentes valeurs de T et différents choix du pas h. Les résultats
obtenus peuvent surprendre. Le tableau suivant donne les erreurs dans le calcul de yN :
h T =5 T = 10 T = 20
1 1.8651 10−14 1.9403 10−11 2.0345 10−05
0.5 4.9560 10−13 4.7278 10−09 4.2999 10−01
0.1 5.2402 10−14 2.6318 10−08 6.5252 10+03
0.05 1.5525 10−11 1.8232 10−05 2.5142 10+07
On constate que l’erreur semble croître avec le pas, contrairement à ce que l’on espérait. Par ailleurs,
pour T = 20, cette erreur atteint des valeurs astronomiques ! ! !
9 avril 2020 17 / 50

y 0 (t) = 3y (t) − 3t, t ∈ [0, T ],

(10)
y (0) = 13 ,
h T =5 T = 10 T = 20
1 1.8651 10−14 1.9403 10−11 2.0345 10−05
0.5 4.9560 10−13 4.7278 10−09 4.2999 10−01
0.1 5.2402 10−14 2.6318 10−08 6.5252 10+03
0.05 1.5525 10−11 1.8232 10−05 2.5142 10+07
9 avril 2020 17 / 50

y 0 (t) = 3y (t) − 3t, t ∈ [0, T ],

(10)
y (0) = 13 ,
h T =5 T = 10 T = 20
1 1.8651 10−14 1.9403 10−11 2.0345 10−05
0.5 4.9560 10−13 4.7278 10−09 4.2999 10−01
0.1 5.2402 10−14 2.6318 10−08 6.5252 10+03
0.05 1.5525 10−11 1.8232 10−05 2.5142 10+07
9 avril 2020 17 / 50

y 0 (t) = 3y (t) − 3t, t ∈ [0, T ],

(10)
y (0) = 13 ,
h T =5 T = 10 T = 20
1 1.8651 10−14 1.9403 10−11 2.0345 10−05
0.5 4.9560 10−13 4.7278 10−09 4.2999 10−01
0.1 5.2402 10−14 2.6318 10−08 6.5252 10+03
0.05 1.5525 10−11 1.8232 10−05 2.5142 10+07
9 avril 2020 17 / 50

y 0 (t) = 3y (t) − 3t, t ∈ [0, T ],

(10)
y (0) = 13 ,
h T =5 T = 10 T = 20
1 1.8651 10−14 1.9403 10−11 2.0345 10−05
0.5 4.9560 10−13 4.7278 10−09 4.2999 10−01
0.1 5.2402 10−14 2.6318 10−08 6.5252 10+03
0.05 1.5525 10−11 1.8232 10−05 2.5142 10+07
9 avril 2020 17 / 50

y 0 (t) = 3y (t) − 3t, t ∈ [0, T ],

(10)
y (0) = 13 ,
h T =5 T = 10 T = 20
1 1.8651 10−14 1.9403 10−11 2.0345 10−05
0.5 4.9560 10−13 4.7278 10−09 4.2999 10−01
0.1 5.2402 10−14 2.6318 10−08 6.5252 10+03
0.05 1.5525 10−11 1.8232 10−05 2.5142 10+07
9 avril 2020 17 / 50

y 0 (t) = 3y (t) − 3t, t ∈ [0, T ],

(10)
y (0) = 13 ,
h T =5 T = 10 T = 20
1 1.8651 10−14 1.9403 10−11 2.0345 10−05
0.5 4.9560 10−13 4.7278 10−09 4.2999 10−01
0.1 5.2402 10−14 2.6318 10−08 6.5252 10+03
0.05 1.5525 10−11 1.8232 10−05 2.5142 10+07
9 avril 2020 17 / 50
Analyse de l’exemple
Calculons la solution générale de l’équation différentielle : y 0 (t) = 3y (t) − 3t.
La solution de l’équation homogène est y (t) = Ke 3t . La méthode de variation de la constante fournit
pour notre équation
1 1
K 0 (t) = −3te −3t ⇒ K (t) = (t + )e −3t + k ⇒ y (t) = t + + ke 3t .
3 3
La constante k peut être évaluée à l’aide de la valeur de y en 0, avec k = 0 si y (0) = 13 . Mais si
y (0) = 13 + ε. On obtient k = ε implique que la solution réelle du problème devient
yε (t) = 31 + t + εe 3t . Les valeurs de e 3T sont respectivement :
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
Avec une unité d’arrondi de l’ordre de 1.1102 10−16 , on retrouve l’ordre de grandeur des erreurs
constatées ! Le problème (10) est typiquement un problème instable ; une petite perturbation de la
donnée initiale entraîne une grande perturbation de la solution.
9 avril 2020 18 / 50
1 1
3 3
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
9 avril 2020 18 / 50
1 1
3 3
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
9 avril 2020 18 / 50
1 1
3 3
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
9 avril 2020 18 / 50
1 1
3 3
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
9 avril 2020 18 / 50
1 1
3 3
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
9 avril 2020 18 / 50
1 1
3 3
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
9 avril 2020 18 / 50
1 1
3 3
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
9 avril 2020 18 / 50
1 1
3 3
pour T = 5, e 3T ' 3.269 106 ,
pour T = 10, e 3T ' 1.068 1013 ,
pour T = 20, e 3T ' 1.142 1026 .
9 avril 2020 18 / 50
Étude des méthodes à un pas

Dans les méthodes à un pas, le calcul de yn+1 fait intervenir tn , yn , h que l’on peut écrire sous la forme :

yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
où Φ c’est la fonction qui caractérise le schéma. Pour la méthode d’Euler explicite, on a Φ(t, y , h) = f (t, y ).
Dans le paragraphe précédent, plusieurs schémas numériques ont été présentés et afin de les comparer plusieurs critères
seront étudiés :
Stabilité numérique.
Consistance, ordre d’approximation.
Convergence.
Ce schéma sera convergent si les valeurs yn qu’il calcule se rapprochent des valeurs de la solution y (tn ) aux instants tn ,
pour n assez grand. Pour caractériser cette convergence, on introduit les erreurs locales
en = |y (tn ) − yn |,
qui sont dominées par l’erreur globale

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50


yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(11)
y0 donné.
seront étudiés :
Convergence.
en = |y (tn ) − yn |,

EN = max |en |.
06n6N
9 avril 2020 19 / 50
Erreur globale et erreurs locales

Comme la solution y (t) est inconnue, les erreurs en ne seront pas accessibles. Ces erreurs cumulent une
contribution “locale” δn qui correspond aux calculs pour le pas courant, et à la propagation des erreurs
précédentes.
La méthode donne accés aux seuls yn . Une façon de définir la contribution locale consiste à poser
δn+1 = zn (tn+1 ) − yn+1 , (12)
où zn est la solution du problème

(
zn0 (t) = f (t, zn (t)), tn 6 t 6 T
(13)
zn (tn ) = yn .
Les δn s’appellent erreurs locales de discrétisation. Les zn (t) sont des solutions de la même équation
différentielle que y (t), chacune d’entre elles étant celle qui passe par yn à l’instant tn . On obtient alors
δn+1 = zn (tn+1 ) − yn − hΦ(tn , yn , h). (14)
9 avril 2020 20 / 50

précédentes.
δn+1 = zn (tn+1 ) − yn+1 , (12)

(
zn0 (t) = f (t, zn (t)), tn 6 t 6 T
(13)
zn (tn ) = yn .
9 avril 2020 20 / 50

précédentes.
δn+1 = zn (tn+1 ) − yn+1 , (12)

(
zn0 (t) = f (t, zn (t)), tn 6 t 6 T
(13)
zn (tn ) = yn .
9 avril 2020 20 / 50

précédentes.
δn+1 = zn (tn+1 ) − yn+1 , (12)

(
zn0 (t) = f (t, zn (t)), tn 6 t 6 T
(13)
zn (tn ) = yn .
9 avril 2020 20 / 50

précédentes.
δn+1 = zn (tn+1 ) − yn+1 , (12)

(
zn0 (t) = f (t, zn (t)), tn 6 t 6 T
(13)
zn (tn ) = yn .
9 avril 2020 20 / 50

précédentes.
δn+1 = zn (tn+1 ) − yn+1 , (12)

(
zn0 (t) = f (t, zn (t)), tn 6 t 6 T
(13)
zn (tn ) = yn .
9 avril 2020 20 / 50

précédentes.
δn+1 = zn (tn+1 ) − yn+1 , (12)

(
zn0 (t) = f (t, zn (t)), tn 6 t 6 T
(13)
zn (tn ) = yn .
9 avril 2020 20 / 50

précédentes.
δn+1 = zn (tn+1 ) − yn+1 , (12)

(
zn0 (t) = f (t, zn (t)), tn 6 t 6 T
(13)
zn (tn ) = yn .
9 avril 2020 20 / 50
En fait, l’éqution (14) montre que δn+1 peut être considérée comme une erreur locale de
consistance : elle mesure avec quelle précision le schéma approche localement une solution de
l’équation différentielle. La contribution δn ajoutée à l’erreur par l’étape n pourra être
amplifiée ou réduite dans les calculs ultérieurs selon que le problème aura tendance à
amplifier ou à atténuer les perturbations. Cette tendance pourra varier dans le cas de
problèmes non linéaires. Elle caractérise la stabilité du problème.
Pour les problèmes linéaires, cette tendance ne varie pas.
Intéressons nous au problème :
y 0 (t) = y (t) − t 2 + 7t − 3 , 0 6 t 6 1.6


2 (15)
y (0) = 0,

dont la solution est y (t) = t 2 − 3t

2 se calcule facilement.
Appliquons la méthode d’Euler explicite à ce problème en 4 ètapes, avec un pas h = 0.4.
9 avril 2020 21 / 50
y 0 (t) = y (t) − t 2 + 7t − 3 , 0 6 t 6 1.6


2 (15)
y (0) = 0,


9 avril 2020 21 / 50
y 0 (t) = y (t) − t 2 + 7t − 3 , 0 6 t 6 1.6


2 (15)
y (0) = 0,


9 avril 2020 21 / 50
y 0 (t) = y (t) − t 2 + 7t − 3 , 0 6 t 6 1.6


2 (15)
y (0) = 0,


9 avril 2020 21 / 50
y 0 (t) = y (t) − t 2 + 7t − 3 , 0 6 t 6 1.6


2 (15)
y (0) = 0,


9 avril 2020 21 / 50
y 0 (t) = y (t) − t 2 + 7t − 3 , 0 6 t 6 1.6


2 (15)
y (0) = 0,


9 avril 2020 21 / 50
Les valeurs yn , 1 6 n 6 4 sont pointées par les

flèches qui illustrent la trajectoire de la méthode.
Les valeurs zn (t), 0 6 n 6 3 représentent les
trajectoires des différentes solutions exactes aux
problèmes (20), avec z0 (t) = y (t).
Les erreurs locales (12) ne sont pas simplement
additionnées pour contribuer à l’erreur globale :
elles sont d’abord “transportées” par les
solutions zn pour fournir des contributions ∆n à
l’erreur finale e4 qui vérifie :
4
X
e4 = ∆n .
n=1
Les zn transportent les erreurs locales de

discrétisation Sur notre exemple, ce “transport” a plutôt enrichi
les erreurs locales.
9 avril 2020 22 / 50

4
X
e4 = ∆n .
n=1

9 avril 2020 22 / 50

4
X
e4 = ∆n .
n=1

9 avril 2020 22 / 50

4
X
e4 = ∆n .
n=1

9 avril 2020 22 / 50

4
X
e4 = ∆n .
n=1

9 avril 2020 22 / 50

4
X
e4 = ∆n .
n=1

9 avril 2020 22 / 50

4
X
e4 = ∆n .
n=1

9 avril 2020 22 / 50
Stabilité du problème
Remarque : Le transport des erreurs locales de discrétisation par les solutions zn (t) ne les enrichit pas
nécessairement, et cela ne dépend pas de la solution y (t).
On vérifiera en exercice que la fonction y (t) = t 2 − 3t
2
est également solution des problèmes
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
Dans un cas les erreurs locales de discrétisation
Euler explicite en 4 étapes avec un pas h = 0.4 sont clairement amplifiées, et dans l’autre cas
clairement atténuées.
La dérivée partielle ∂y f permet de savoir si les
erreurs locales seront amplifiées ou atténuées.
Dans le cas “stable”, elle est égale à − 43 , et dans
le cas “instable” à + 34 .
On peut montrer qui si ∂y f (t, y ) < 0, alors on
aura ∆n 6 δn pour tout n.
On ne peut pas se contenter de résoudre les seuls
problèmes “stables”.
L’équation (14) permet de mettre en place des
stratégies de contrôle du pas h. On choisira9 avril
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
2
4 3 4 2 3
( (
y 0 (t) = (y (t) − t 2 ) + 4t − y 0 (t) = (t − y (t)) −
3 2 ; 3 2 (16)
y (0) = 0, y (0) = 0,
le pas2020 23 / 50
Seuil de stabilité
(
y 0 (t) = −a (y (t) − sin(t)), 0 6 t 6 2π
Etudions le problème suivant : (17)
y (0) = 0,
La solution générale est donnée par
a2 a
y (t) = ce−at + sin(t) − 2 cos(t).
a2+1 a +1
Si le paramètre a est positif (a = 10), c’est
un problème linéaire à coefficient constant avec
∂y f (t, y ) = −10 < 0 donc il est stable.
La condition initiale permet de calculer la
2
constante c = a a+a+1
2 +1 = 111
101 .
Solution exacte et solution approchée pour divers pas

Apparition d’instabilités pour certaines valeurs du pas 9 avril 2020 24 / 50
Seuil de stabilité
(
y 0 (t) = −a (y (t) − sin(t)), 0 6 t 6 2π
y (0) = 0,
a2 a
a2+1 a +1
2
2 +1 = 111
101 .

Seuil de stabilité
(
y 0 (t) = −a (y (t) − sin(t)), 0 6 t 6 2π
y (0) = 0,
a2 a
a2+1 a +1
2
2 +1 = 111
101 .

Seuil de stabilité
(
y 0 (t) = −a (y (t) − sin(t)), 0 6 t 6 2π
y (0) = 0,
a2 a
a2+1 a +1
2
2 +1 = 111
101 .

Seuil de stabilité
(
y 0 (t) = −a (y (t) − sin(t)), 0 6 t 6 2π
y (0) = 0,
a2 a
a2+1 a +1
2
2 +1 = 111
101 .

Seuil de stabilité
(
y 0 (t) = −a (y (t) − sin(t)), 0 6 t 6 2π
y (0) = 0,
a2 a
a2+1 a +1
2
2 +1 = 111
101 .

Pour le pas h = 0.19, la solution calculée commence par osciller autour des valeurs de la solution
exacte avant de se stabiliser.
Pour le pas h = 0.20, la solution oscille autour de la solution exacte sans se stabiliser.
Pour le pas h = 0.21, les oscillations initiales sont constament amplifiées au cours du calcul !
La valeur 0.20 semble bien être un seuil de stabilité pour ce calcul.
Analyse de l’exemple :
Pour comprendre ce phénomène, on peut d’abord remarquer que la solution du problème est une
combinaison linéaire de deux fonctions :
fR (t) = c e−at est la solution générale de l’équation homogène ; lorsque le paramètre a devient
grand, elle décrit un phénomène rapide ; son effet sur la solution a une durée de vie de l’ordre de 1a .
2
fL (t) = a2a+1 sin(t) − a2a+1 cos(t) qui dépend ici directement du second membre décrit un
phenomène plus lent.
9 avril 2020 25 / 50
2
9 avril 2020 25 / 50
2
9 avril 2020 25 / 50
2
9 avril 2020 25 / 50
2
9 avril 2020 25 / 50
2
9 avril 2020 25 / 50
2
9 avril 2020 25 / 50
2
9 avril 2020 25 / 50
On va donc essayer de comprendre ce qui se passe en

s’intéressant au calcul d’une solution de l’équation ho-
mogène associée au problème (17) :
y 0 (t) = −10 y (t).
Sa solution générale est y (t) = y (0) e −10t et tend vers

0 lorsque t tend vers l’infini. Il faut que le schéma qu’on
utilise pour calculer la solution de (17) respecte ce com-
portement.
Pour y0 = y (0), le schéma d’Euler donne y1 = y0 −
10 h y0 = (1 − 10 h) y0 , et au-delà, pour tout n,
yn = (1 − 10 h)n y0
On constate que yn ne tendra vers 0 lorsque n tend vers l’infini qu’à la condition que |1 − 10 h| < 1, et
2
comme le pas h est positif, il devra vérifier 10 h < 2, d’ou h < 10 = 0.2. Cette valeur constitue le seuil
de stabilité de la méthode pour le problème homogène, et par suite pour le problème (17).
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50

y 0 (t) = −10 y (t).

portement.
yn = (1 − 10 h)n y0
2
9 avril 2020 26 / 50
Calcul du seuil de stabilité

De façon générale, lorsque l’on applique une méthode à un pas à l’équation y 0 = −a y , la première
étape fournit y1 = R(a h) y0 , et pour n > 1, on aura
yn = R(a h)n y0 .
La fonction R(x ) va permettre de calculer le seuil de stabilité de la méthode pour un problème
donné. On détermine d’abord r tel que 0 < x < r entraine |R(x )| < 1. Le seuil de stabilité est alors
h∗ = ar . r est le rayon de stabilité de la méthode.
Toute méthode à un pas d’ordre p sera telle que
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0
Pour la méthode d’Euler implicite, la fonction R(x ) est donnée par

1
R(x ) = .
1+x
Cette fonction vérifie bien (18) puisque la méthode est d’ordre 1. Elle est telle que |R(x )| < 1 pour tout
x > 0. Il n’y a donc pas de restriction à la stabilité de cette méthode : elle inconditionnellement
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50

yn = R(a h)n y0 .
p
X xk
R(x ) = (−1)k + O(x p+1 ). (18)
k!
k=0

1
R(x ) = .
1+x
stable. 9 avril 2020 27 / 50
Remarque
Pour des systèmes différentiels, le réel a est remplacé par une matrice A ∈ Mn (R) symétrique définie positive. La solution
du problème Y 0 = −A Y est donnée par Y (t) = exp(−t A)Y (0), où exp(−t A) est définie, par analogie avec la fonction
exponentielle, par la relation :
∞
X (−t)k
exp(−t A) = Ak .
k!
k=0
Lorsque la matrice A est diagonalisable, selon A = P Λ P −1 , Λ une matrice diagonale dont les éléments diagonaux sont
les valeurs propres λi de A, et P la matrice de passage, on obtient :
 
exp(−λ1 t)
exp(−λ2 t) 0  P −1
exp(−t A) = P 
...
0 exp(−λn t)
Si A est symétrique définie positive, elle est diagonalisable, et ses valeurs propres sont strictement positives : Y (t) tend
donc vers 0 lorsque t tend vers l’infini. Le seuil de stabilité est alors s = λ r(A) , où r est le rayon de stabilité de la
M
méthode et λM (A) désigne la plus grande valeur propre de A.
9 avril 2020 28 / 50
Remarque
∞
X (−t)k
exp(−t A) = Ak .
k!
k=0
 
exp(−λ1 t)
exp(−λ2 t) 0  P −1
exp(−t A) = P 
...
0 exp(−λn t)
M
9 avril 2020 28 / 50
Remarque
∞
X (−t)k
exp(−t A) = Ak .
k!
k=0
 
exp(−λ1 t)
exp(−λ2 t) 0  P −1
exp(−t A) = P 
...
0 exp(−λn t)
M
9 avril 2020 28 / 50
Remarque
∞
X (−t)k
exp(−t A) = Ak .
k!
k=0
 
exp(−λ1 t)
exp(−λ2 t) 0  P −1
exp(−t A) = P 
...
0 exp(−λn t)
M
9 avril 2020 28 / 50
Remarque
∞
X (−t)k
exp(−t A) = Ak .
k!
k=0
 
exp(−λ1 t)
exp(−λ2 t) 0  P −1
exp(−t A) = P 
...
0 exp(−λn t)
M
9 avril 2020 28 / 50
Remarque
∞
X (−t)k
exp(−t A) = Ak .
k!
k=0
 
exp(−λ1 t)
exp(−λ2 t) 0  P −1
exp(−t A) = P 
...
0 exp(−λn t)
M
9 avril 2020 28 / 50
Remarque
∞
X (−t)k
exp(−t A) = Ak .
k!
k=0
 
exp(−λ1 t)
exp(−λ2 t) 0  P −1
exp(−t A) = P 
...
0 exp(−λn t)
M
9 avril 2020 28 / 50
Remarque
∞
X (−t)k
exp(−t A) = Ak .
k!
k=0
 
exp(−λ1 t)
exp(−λ2 t) 0  P −1
exp(−t A) = P 
...
0 exp(−λn t)
M
9 avril 2020 28 / 50
Définitions
Convergence : Soit en = yn − y (tn ) l’erreur locale de convergence. La méthode est convergente si
max |en | −→ 0 quand N −→ ∞.

06n6N
Consistance : Le schéma approche-t-il l’équation ?

Si on remplace la solution approchée par la solution exacte dans le schéma numérique, quelle est
l’erreur commise en fonction de h ? Pour ceci, on définit l’erreur locale de consistance
En = y (tn+1 ) − ȳn+1 ,
avec ȳn+1 est la solution du schéma issue de y (tn ) :
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).
On dit que le schéma est consistant d’ordre p > 1 si
∃K > 0 telle que |En | 6 Khp+1 .

9 avril 2020 29 / 50
Définitions
max |en | −→ 0 quand N −→ ∞.

06n6N

En = y (tn+1 ) − ȳn+1 ,
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).

9 avril 2020 29 / 50
Définitions
max |en | −→ 0 quand N −→ ∞.

06n6N

En = y (tn+1 ) − ȳn+1 ,
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).

9 avril 2020 29 / 50
Définitions
max |en | −→ 0 quand N −→ ∞.

06n6N

En = y (tn+1 ) − ȳn+1 ,
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).

9 avril 2020 29 / 50
Définitions
max |en | −→ 0 quand N −→ ∞.

06n6N

En = y (tn+1 ) − ȳn+1 ,
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).

9 avril 2020 29 / 50
Définitions
max |en | −→ 0 quand N −→ ∞.

06n6N

En = y (tn+1 ) − ȳn+1 ,
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).

9 avril 2020 29 / 50
Définitions
max |en | −→ 0 quand N −→ ∞.

06n6N

En = y (tn+1 ) − ȳn+1 ,
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).

9 avril 2020 29 / 50
Définitions
max |en | −→ 0 quand N −→ ∞.

06n6N

En = y (tn+1 ) − ȳn+1 ,
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).

9 avril 2020 29 / 50
Définitions
max |en | −→ 0 quand N −→ ∞.

06n6N

En = y (tn+1 ) − ȳn+1 ,
ȳn+1 = y (tn ) + hΦ(tn , y (tn ), h).

9 avril 2020 29 / 50
Définition
Stabilité : Un schéma est stable signifie qu’une petite perturbation sur les données (y0 , Φ) n’entraîne
qu’une petite perturbation sur la solution indépendamment de h. Plus précisément, soient (yn )n , (zn )n ,
n = 0, . . . , N, les solutions de
(
yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(19)
y0 donné,
et (
zn+1 = zn + h(Φ(tn , yn , h) + εn ), n = 0, . . . , N − 1
(20)
z0 donné.
La méthode est dite stable s’il existe deux constantes M1 et M2 indépendantes de h telles que
max |yn − zn | 6 M1 |y0 − z0 | + M2 max |εn |. (21)

06n6N 06n6N−1
(Théorème de Lax–Convergence)
Soit une méthode à un pas consistante et stable, alors elle est convergente.
9 avril 2020 30 / 50
Définition
(
yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(19)
y0 donné,
et (
(20)
z0 donné.

06n6N 06n6N−1
9 avril 2020 30 / 50
Définition
(
yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(19)
y0 donné,
et (
(20)
z0 donné.

06n6N 06n6N−1
9 avril 2020 30 / 50
Définition
(
yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(19)
y0 donné,
et (
(20)
z0 donné.

06n6N 06n6N−1
9 avril 2020 30 / 50
Définition
(
yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(19)
y0 donné,
et (
(20)
z0 donné.

06n6N 06n6N−1
9 avril 2020 30 / 50
Définition
(
yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(19)
y0 donné,
et (
(20)
z0 donné.

06n6N 06n6N−1
9 avril 2020 30 / 50
Définition
(
yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(19)
y0 donné,
et (
(20)
z0 donné.

06n6N 06n6N−1
9 avril 2020 30 / 50
Définition
(
yn+1 = yn + hΦ(tn , yn , h), n = 0, . . . , N − 1
(19)
y0 donné,
et (
(20)
z0 donné.

06n6N 06n6N−1
9 avril 2020 30 / 50
Démonstration
Le schéma est consistant, alors
y (tn+1 ) = ȳn+1 + En = y (tn ) + hΦ(tn , y (tn ), h) + En ,
on pose εn = En /h et donc |εn | 6 Khp −→ 0 quand h → 0 ou N → ∞. Comme le schéma est stable et en

prenant zn = y (tn ), on a
max |yn − y (tn )| 6 M1 |y0 − y (0)| + M2 max |εn |.
06n6N 06n6N−1
Ce qui montre
max |yn − y (tn )| −→ 0,
06n6N
et le schéma est convergent.
Thèorème (Stabilité et consistance)

(Condition suffisante de stabilité) Si Φ est Lipschtzienne par rapport à y uniformément en
h de constante M, alors la méthode à un pas est stable.
9 avril 2020 31 / 50
Démonstration

06n6N 06n6N−1
Ce qui montre
max |yn − y (tn )| −→ 0,
06n6N

9 avril 2020 31 / 50
Démonstration

06n6N 06n6N−1
Ce qui montre
max |yn − y (tn )| −→ 0,
06n6N

9 avril 2020 31 / 50
Démonstration

06n6N 06n6N−1
Ce qui montre
max |yn − y (tn )| −→ 0,
06n6N

9 avril 2020 31 / 50
Démonstration

06n6N 06n6N−1
Ce qui montre
max |yn − y (tn )| −→ 0,
06n6N

9 avril 2020 31 / 50
Démonstration

06n6N 06n6N−1
Ce qui montre
max |yn − y (tn )| −→ 0,
06n6N

9 avril 2020 31 / 50
Démonstration
Soient (yn )n solution de (19) et (zn )n solution de (20). En faisant la différence de deux équations, il vient
|yn+1 − zn+1 | 6 |yn − zn | + h|Φ(tn , yn , h) − Φ(tn , zn , h)| + h|εn |,
en tenant compte du fait que Φ est M-Lipschitz,
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.
On réutilise cette estimation pour estimer |yn − zn |, on déduit
|yn+1 − zn+1 | 6 (1 + hM)2 |yn−1 − zn−1 | + (1 + hM)h|εn−1 | + h|εn |,
ce qui permet de conclure par récurrence que

n
n+1
X
|yn+1 − zn+1 | 6 (1 + hM) |y0 − z0 | + h (1 + hM)k |εn−k |, (22)
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstration
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.

n
n+1
X
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstration
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.

n
n+1
X
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstration
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.

n
n+1
X
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstration
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.

n
n+1
X
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstration
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.

n
n+1
X
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstration
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.

n
n+1
X
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstration
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.

n
n+1
X
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstration
|yn+1 − zn+1 | 6 (1 + hM)|yn − zn | + h|εn |.

n
n+1
X
k=0
On a
n
X 1 − (1 + hM)n+1 (1 + hM)n+1 − 1
(1 + hM)k = = ,
1 − 1 − hM hM
k=0
9 avril 2020 32 / 50
Démonstartion suite ...

d’autre part,
(1 + hM)n+1 6 e (n+1)hM 6 e (T −t0 )M
De (22), on déduit
n
X
|yn+1 − zn+1 | 6 (1 + hM)n+1 |y0 − z0 | + h (1 + hM)k max |εk |,
06k6N
k=0
(1 + hM)n+1 −1
6 (1 + hM)n+1 |y0 − z0 | + max |εk |,
M 06k6N
e (T −t0 )M −1
6 e (T −t0 )M |y0 − z0 | + max |εk |,
M 06k6N
e (T −t0 )M −1
ce qui établit (21) avec M1 = e (T −t0 )M et M2 = M .
9 avril 2020 33 / 50

d’autre part,
(1 + hM)n+1 6 e (n+1)hM 6 e (T −t0 )M
De (22), on déduit
n
X
06k6N
k=0
(1 + hM)n+1 −1
6 (1 + hM)n+1 |y0 − z0 | + max |εk |,
M 06k6N
e (T −t0 )M −1
6 e (T −t0 )M |y0 − z0 | + max |εk |,
M 06k6N
e (T −t0 )M −1
9 avril 2020 33 / 50

d’autre part,
(1 + hM)n+1 6 e (n+1)hM 6 e (T −t0 )M
De (22), on déduit
n
X
06k6N
k=0
(1 + hM)n+1 −1
6 (1 + hM)n+1 |y0 − z0 | + max |εk |,
M 06k6N
e (T −t0 )M −1
6 e (T −t0 )M |y0 − z0 | + max |εk |,
M 06k6N
e (T −t0 )M −1
9 avril 2020 33 / 50

On va décrire une méthode générale pour calculer l’ordre de consistance d’un schéma à un pas. On rappelle l’erreur de
consistance
En = y (tn+1 ) − y (tn ) − hΦ(tn , y (tn ), h).
On pose t = tn un point générique, et donc
En = y (t + h) − y (t) − hΦ(t, y (t), h).
La formule de Taylor donne
h2 00 h3 (3) hp (p)
y (t + h) = y (t) + hy 0 (t) + y (t) + y (t) + . . . + y (t) + . . .
2! 3! p!
∂Φ h2 ∂ 2 Φ h3 ∂ 3 Φ hp−1 ∂ p−1 Φ
Φ(t, y (t), h) = Φ(t, y (t), 0)+h (t, y (t), 0)+ (t, y (t), 0)+ (t, y (t), 0)+. . .+ (t, y (t), 0)+. . .
∂h 2! ∂ 2 h 3! ∂ 3 h (p − 1)! ∂ p−1 h
alors
1 00 ∂Φ
h i
En = h y 0 (t) − Φ(t, y (t), 0) + h2 y (t) − (t, y (t), 0)
2 ∂h

h3 1 (3) ∂2Φ hp 1 (p) ∂ p−1 Φ
+ y (t) − 2 (t, y (t), 0) + . . . + y (t) − p−1 (t, y (t), 0) .
2! 3 ∂ h (p − 1)! p ∂ h
9 avril 2020 34 / 50

consistance
En = y (t + h) − y (t) − hΦ(t, y (t), h).
h2 00 h3 (3) hp (p)
y (t + h) = y (t) + hy 0 (t) + y (t) + y (t) + . . . + y (t) + . . .
2! 3! p!
∂Φ h2 ∂ 2 Φ h3 ∂ 3 Φ hp−1 ∂ p−1 Φ
∂h 2! ∂ 2 h 3! ∂ 3 h (p − 1)! ∂ p−1 h
alors
1 00 ∂Φ
h i
2 ∂h

h3 1 (3) ∂2Φ hp 1 (p) ∂ p−1 Φ
+ y (t) − 2 (t, y (t), 0) + . . . + y (t) − p−1 (t, y (t), 0) .
2! 3 ∂ h (p − 1)! p ∂ h
9 avril 2020 34 / 50

consistance
En = y (t + h) − y (t) − hΦ(t, y (t), h).
h2 00 h3 (3) hp (p)
y (t + h) = y (t) + hy 0 (t) + y (t) + y (t) + . . . + y (t) + . . .
2! 3! p!
∂Φ h2 ∂ 2 Φ h3 ∂ 3 Φ hp−1 ∂ p−1 Φ
∂h 2! ∂ 2 h 3! ∂ 3 h (p − 1)! ∂ p−1 h
alors
1 00 ∂Φ
h i
2 ∂h

h3 1 (3) ∂2Φ hp 1 (p) ∂ p−1 Φ
+ y (t) − 2 (t, y (t), 0) + . . . + y (t) − p−1 (t, y (t), 0) .
2! 3 ∂ h (p − 1)! p ∂ h
9 avril 2020 34 / 50

consistance
En = y (t + h) − y (t) − hΦ(t, y (t), h).
h2 00 h3 (3) hp (p)
y (t + h) = y (t) + hy 0 (t) + y (t) + y (t) + . . . + y (t) + . . .
2! 3! p!
∂Φ h2 ∂ 2 Φ h3 ∂ 3 Φ hp−1 ∂ p−1 Φ
∂h 2! ∂ 2 h 3! ∂ 3 h (p − 1)! ∂ p−1 h
alors
1 00 ∂Φ
h i
2 ∂h

h3 1 (3) ∂2Φ hp 1 (p) ∂ p−1 Φ
+ y (t) − 2 (t, y (t), 0) + . . . + y (t) − p−1 (t, y (t), 0) .
2! 3 ∂ h (p − 1)! p ∂ h
9 avril 2020 34 / 50

consistance
En = y (t + h) − y (t) − hΦ(t, y (t), h).
h2 00 h3 (3) hp (p)
y (t + h) = y (t) + hy 0 (t) + y (t) + y (t) + . . . + y (t) + . . .
2! 3! p!
∂Φ h2 ∂ 2 Φ h3 ∂ 3 Φ hp−1 ∂ p−1 Φ
∂h 2! ∂ 2 h 3! ∂ 3 h (p − 1)! ∂ p−1 h
alors
1 00 ∂Φ
h i
2 ∂h

h3 1 (3) ∂2Φ hp 1 (p) ∂ p−1 Φ
+ y (t) − 2 (t, y (t), 0) + . . . + y (t) − p−1 (t, y (t), 0) .
2! 3 ∂ h (p − 1)! p ∂ h
9 avril 2020 34 / 50

consistance
En = y (t + h) − y (t) − hΦ(t, y (t), h).
h2 00 h3 (3) hp (p)
y (t + h) = y (t) + hy 0 (t) + y (t) + y (t) + . . . + y (t) + . . .
2! 3! p!
∂Φ h2 ∂ 2 Φ h3 ∂ 3 Φ hp−1 ∂ p−1 Φ
∂h 2! ∂ 2 h 3! ∂ 3 h (p − 1)! ∂ p−1 h
alors
1 00 ∂Φ
h i
2 ∂h

h3 1 (3) ∂2Φ hp 1 (p) ∂ p−1 Φ
+ y (t) − 2 (t, y (t), 0) + . . . + y (t) − p−1 (t, y (t), 0) .
2! 3 ∂ h (p − 1)! p ∂ h
9 avril 2020 34 / 50

consistance
En = y (t + h) − y (t) − hΦ(t, y (t), h).
h2 00 h3 (3) hp (p)
y (t + h) = y (t) + hy 0 (t) + y (t) + y (t) + . . . + y (t) + . . .
2! 3! p!
∂Φ h2 ∂ 2 Φ h3 ∂ 3 Φ hp−1 ∂ p−1 Φ
∂h 2! ∂ 2 h 3! ∂ 3 h (p − 1)! ∂ p−1 h
alors
1 00 ∂Φ
h i
2 ∂h

h3 1 (3) ∂2Φ hp 1 (p) ∂ p−1 Φ
+ y (t) − 2 (t, y (t), 0) + . . . + y (t) − p−1 (t, y (t), 0) .
2! 3 ∂ h (p − 1)! p ∂ h
9 avril 2020 34 / 50

consistance
En = y (t + h) − y (t) − hΦ(t, y (t), h).
h2 00 h3 (3) hp (p)
y (t + h) = y (t) + hy 0 (t) + y (t) + y (t) + . . . + y (t) + . . .
2! 3! p!
∂Φ h2 ∂ 2 Φ h3 ∂ 3 Φ hp−1 ∂ p−1 Φ
∂h 2! ∂ 2 h 3! ∂ 3 h (p − 1)! ∂ p−1 h
alors
1 00 ∂Φ
h i
2 ∂h

h3 1 (3) ∂2Φ hp 1 (p) ∂ p−1 Φ
+ y (t) − 2 (t, y (t), 0) + . . . + y (t) − p−1 (t, y (t), 0) .
2! 3 ∂ h (p − 1)! p ∂ h
9 avril 2020 34 / 50
On conclut que :
Le schéma est au moins d’ordre 1 (consistant) si
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
Le schéma est au moins d’ordre 2 si de plus
∂Φ 1 1 d 1
(t, y (t), 0) = y 00 (t) = f (t, y (t)) = ∂t f (t, y (t)) + y 0 (t)∂y f (t, y (t))
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
Le schéma est au moins d’ordre p si de plus
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
On conclut que :
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
∂Φ 1 1 d 1
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
On conclut que :
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
∂Φ 1 1 d 1
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
On conclut que :
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
∂Φ 1 1 d 1
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
On conclut que :
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
∂Φ 1 1 d 1
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
On conclut que :
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
∂Φ 1 1 d 1
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
On conclut que :
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
∂Φ 1 1 d 1
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
On conclut que :
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
∂Φ 1 1 d 1
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
On conclut que :
Φ(t, y (t), 0) = y 0 (t) = f (t, y (t))
∂Φ 1 1 d 1
∂h 2 2 dt 2
1
= [∂t f (t, y (t)) + f (t, y (t))∂y f (t, y (t))] .
2
∂2Φ 1 1 d2
(t, y (t), 0) = y (3) (t) = f (t, y (t)).
∂2h 3 3 dt 2
∂ p−1 Φ 1 1 d p−1
p−1
(t, y (t), 0) = y (p) (t) = f (t, y (t)).
∂ h p p dt p−1
9 avril 2020 35 / 50
Méthode de Runge-Kutta
L’objectif des méthodes de Runge & Kutta est de construire des méthodes d’ordre élevé au moyen d’évaluations de
f (t, y (t)) en des points intermédiaires. Une méthode de Runge et Kutta à q évaluations de f s’écrit :
q q q
X X X
Φ(t, y , h) = c i ki , où ki = f t + h ai , y + h bi,j kj et ai = bi,j , 16i 6q
i=1 j=1 j=1
Si on appelle B la matrice q × q des bi,j , a et c les vecteurs de dimension q des coefficients respectivement ai et ci . La
méthode se représente traditionnellement par le tableau (tableau de Butcher) :
a B
cT
Si la matrice B est strictement triangulaire inférieure la méthode est explicite, sinon elle est implicite.
Remarque
P P
D’après les critères vus plus haut, une méthode de Runge-Kutta est d’ordre 1 si c = 1 et i
i i
c a = 1/2. On peut
i i i
démontrer aussi que les méthodes de Runge-Kutta sont stables si f est Lipschitzienne. Elles ont même une stabilité
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
q q q
X X X
i=1 j=1 j=1
a B
cT
Remarque
P P
i i
c a = 1/2. On peut
i i i
presque optimale.
9 avril 2020 36 / 50
Méthode de Runge-Kutta suite ...

Méthodes de Runge-Kutta d’ordre 2 : Méthodes explicites à 2 évaluations
h h
Φ(t, y , h) = (1 − α)f (t, y ) + αf t + ,y + f (t, y )
2α 2α
0 0 0
1 1
2α 2α
0
1−α α
1
Avec α = 2
on retrouve la méthode de Heun :
h h
yn+1 = yn + f (tn , yn ) + f tn + h, yn + hf (tn , yn )
2 2
Avec α = 1 c’est la méthode d’Euler modifiée ou méthode du point milieu :
h h
yn+1 = yn + hf tn + , yn + f (tn , yn )
2 2
9 avril 2020 37 / 50

h h
2α 2α
0 0 0
1 1
2α 2α
0
1−α α
1
Avec α = 2
h h
2 2
h h
2 2
9 avril 2020 37 / 50

h h
2α 2α
0 0 0
1 1
2α 2α
0
1−α α
1
Avec α = 2
h h
2 2
h h
2 2
9 avril 2020 37 / 50

h h
2α 2α
0 0 0
1 1
2α 2α
0
1−α α
1
Avec α = 2
h h
2 2
h h
2 2
9 avril 2020 37 / 50

h h
2α 2α
0 0 0
1 1
2α 2α
0
1−α α
1
Avec α = 2
h h
2 2
h h
2 2
9 avril 2020 37 / 50

h h
2α 2α
0 0 0
1 1
2α 2α
0
1−α α
1
Avec α = 2
h h
2 2
h h
2 2
9 avril 2020 37 / 50
Méthode de Runge-Kutta d’ordre 4

0 0
1 1
2 2 0
1 1
La méthode (explicite) la plus utilisée, dite RK 4 2 0 2
1 0 0 1 0
1 2 2 1
6 6 6 6
k1 = f (tn , yn ),
k2 = f (tn + h2 , yn + h2 k1 ),
k3 = f (tn + h2 , yn + h2 k2 ),
k4 = f (tn + h, yn + hk3 ),
yn+1 = yn + h6 (k1 + 2k2 + 2k3 + k4 )
Autre méthode explicite d’ordre 4 avec 4 évaluations
0 0
1 1
0 k1 = f (tn , yn ),
3 3
2 1 k2 = f (tn + h3 , yn + h3 k1 ), 9 avril 2020 38 / 50

0 0
1 1
2 2 0
1 1
1 0 0 1 0
1 2 2 1
6 6 6 6
k1 = f (tn , yn ),
k2 = f (tn + h2 , yn + h2 k1 ),
k3 = f (tn + h2 , yn + h2 k2 ),
k4 = f (tn + h, yn + hk3 ),
yn+1 = yn + h6 (k1 + 2k2 + 2k3 + k4 )
0 0
1 1
0 k1 = f (tn , yn ),
3 3
2 1 k2 = f (tn + h3 , yn + h3 k1 ), 9 avril 2020 38 / 50

0 0
1 1
2 2 0
1 1
1 0 0 1 0
1 2 2 1
6 6 6 6
k1 = f (tn , yn ),
k2 = f (tn + h2 , yn + h2 k1 ),
k3 = f (tn + h2 , yn + h2 k2 ),
k4 = f (tn + h, yn + hk3 ),
yn+1 = yn + h6 (k1 + 2k2 + 2k3 + k4 )
0 0
1 1
0 k1 = f (tn , yn ),
3 3
2 1 k2 = f (tn + h3 , yn + h3 k1 ), 9 avril 2020 38 / 50

0 0
1 1
2 2 0
1 1
1 0 0 1 0
1 2 2 1
6 6 6 6
k1 = f (tn , yn ),
k2 = f (tn + h2 , yn + h2 k1 ),
k3 = f (tn + h2 , yn + h2 k2 ),
k4 = f (tn + h, yn + hk3 ),
yn+1 = yn + h6 (k1 + 2k2 + 2k3 + k4 )
0 0
1 1
0 k1 = f (tn , yn ),
3 3
2 1 k2 = f (tn + h3 , yn + h3 k1 ), 9 avril 2020 38 / 50

0 0
1 1
2 2 0
1 1
1 0 0 1 0
1 2 2 1
6 6 6 6
k1 = f (tn , yn ),
k2 = f (tn + h2 , yn + h2 k1 ),
k3 = f (tn + h2 , yn + h2 k2 ),
k4 = f (tn + h, yn + hk3 ),
yn+1 = yn + h6 (k1 + 2k2 + 2k3 + k4 )
0 0
1 1
0 k1 = f (tn , yn ),
3 3
2 1 k2 = f (tn + h3 , yn + h3 k1 ), 9 avril 2020 38 / 50

0 0
1 1
2 2 0
1 1
1 0 0 1 0
1 2 2 1
6 6 6 6
k1 = f (tn , yn ),
k2 = f (tn + h2 , yn + h2 k1 ),
k3 = f (tn + h2 , yn + h2 k2 ),
k4 = f (tn + h, yn + hk3 ),
yn+1 = yn + h6 (k1 + 2k2 + 2k3 + k4 )
0 0
1 1
0 k1 = f (tn , yn ),
3 3
2 1 k2 = f (tn + h3 , yn + h3 k1 ), 9 avril 2020 38 / 50
• La seule méthode implicite d’ordre 4 avec 2 évaluations
√ √
3+ 3 1 3+2 3 √ √
3+ 3
6
√
4
√
12 k1 = f (tn + 6 h, yn + 14 k1 + 3+2 3
12 k2 ),
3− 3 3−2 3 1 √ √
3− 3 3−2 3
6 12 4 k2 = f (tn + 6 h, yn + 12 k1 + 14 k2 ),
1 1
2 2 yn+1 = yn + h2 (k1 + k2 )
• Une méthode semi-implicite d’ordre 4 avec 3 évaluations
0 0 k1 = f (tn , yn ),
1 1 1
2 4 4 k2 = f (tn + h2 , yn + h4 (k1 + k2 )),
1 0 1 0
1 4 1
k3 = f (tn + h, yn + hk2 ),
6 6 6 yn+1 = yn + h6 (k1 + 4k2 + k3 )
Les fonctions ode23 et ode45 de Matlab implantent les méthodes de runge-Kutta d’ordre 2, 3
et 4, 5 respectivement. 9 avril 2020 39 / 50
√ √
3+ 3 1 3+2 3 √ √
3+ 3
6
√
4
√
12 k1 = f (tn + 6 h, yn + 14 k1 + 3+2 3
12 k2 ),
3− 3 3−2 3 1 √ √
3− 3 3−2 3
6 12 4 k2 = f (tn + 6 h, yn + 12 k1 + 14 k2 ),
1 1
2 2 yn+1 = yn + h2 (k1 + k2 )
0 0 k1 = f (tn , yn ),
1 1 1
2 4 4 k2 = f (tn + h2 , yn + h4 (k1 + k2 )),
1 0 1 0
1 4 1
k3 = f (tn + h, yn + hk2 ),
6 6 6 yn+1 = yn + h6 (k1 + 4k2 + k3 )
√ √
3+ 3 1 3+2 3 √ √
3+ 3
6
√
4
√
12 k1 = f (tn + 6 h, yn + 14 k1 + 3+2 3
12 k2 ),
3− 3 3−2 3 1 √ √
3− 3 3−2 3
6 12 4 k2 = f (tn + 6 h, yn + 12 k1 + 14 k2 ),
1 1
2 2 yn+1 = yn + h2 (k1 + k2 )
0 0 k1 = f (tn , yn ),
1 1 1
2 4 4 k2 = f (tn + h2 , yn + h4 (k1 + k2 )),
1 0 1 0
1 4 1
k3 = f (tn + h, yn + hk2 ),
6 6 6 yn+1 = yn + h6 (k1 + 4k2 + k3 )
√ √
3+ 3 1 3+2 3 √ √
3+ 3
6
√
4
√
12 k1 = f (tn + 6 h, yn + 14 k1 + 3+2 3
12 k2 ),
3− 3 3−2 3 1 √ √
3− 3 3−2 3
6 12 4 k2 = f (tn + 6 h, yn + 12 k1 + 14 k2 ),
1 1
2 2 yn+1 = yn + h2 (k1 + k2 )
0 0 k1 = f (tn , yn ),
1 1 1
2 4 4 k2 = f (tn + h2 , yn + h4 (k1 + k2 )),
1 0 1 0
1 4 1
k3 = f (tn + h, yn + hk2 ),
6 6 6 yn+1 = yn + h6 (k1 + 4k2 + k3 )
√ √
3+ 3 1 3+2 3 √ √
3+ 3
6
√
4
√
12 k1 = f (tn + 6 h, yn + 14 k1 + 3+2 3
12 k2 ),
3− 3 3−2 3 1 √ √
3− 3 3−2 3
6 12 4 k2 = f (tn + 6 h, yn + 12 k1 + 14 k2 ),
1 1
2 2 yn+1 = yn + h2 (k1 + k2 )
0 0 k1 = f (tn , yn ),
1 1 1
2 4 4 k2 = f (tn + h2 , yn + h4 (k1 + k2 )),
1 0 1 0
1 4 1
k3 = f (tn + h, yn + hk2 ),
6 6 6 yn+1 = yn + h6 (k1 + 4k2 + k3 )
Théorème
Soit e ∈ Rq défini par e = (1, 1, . . . , 1)T . La méthode de Runge-Kutta caractérisée par les
éléments B, c et A ∈ Mq = Diag(a1 , a2 , . . . , aq ) définis ci-dessus est
consistante si et seulement si c T e = 1,
d’ordre 2 si en outre c T B e = c T B e = 1/2,
d’ordre 3 si en outre (
c T A2 e = 1/3,
c T B A e = 1/6,
d’ordre 4 si en outre 

 c T A3 e = 1/4,
 c T B A2 e

= 1/12,

 c T B2 A e = 1/24,
 T

c AB Ae = 1/8,
9 avril 2020 40 / 50
Méthode à pas multiples

Soit une équation différentielle :
y 0 (t) = f (t, y (t)).
La méthode à pas multiples consiste à construir des schémas dans lesquels l’approximation yn de la solution y (tn ) est
calculée en utilisant les p valeurs approchées antérieures yn−1 , yn−2 , . . ., yn−p .
Ces méthodes demanderont une procédure de démarrage spécifique afin de calculer les valeurs de y 1, y 2,. . . , yp−1 .
Le principe de ces méthodes consiste à intégrer l’équation différentielle dans l’intervalle [tn , tn+1 ], c’est-à-dire :
Z tn+1
y (tn+1 ) = y (tn ) + f (t, y (t)) dt
tn
Cela nous amène à un algorithme de la forme :

Z tn+1
yn+1 = yn + f (t, y (t)) dt
tn
Les méthodes d’Adams-Bashforth et d’Adams-Moulton vont remplacer f (t, y (t)) dans l’intégrale par un polynôme
d’interpolation.
9 avril 2020 41 / 50

y 0 (t) = f (t, y (t)).
Z tn+1
y (tn+1 ) = y (tn ) + f (t, y (t)) dt
tn

Z tn+1
yn+1 = yn + f (t, y (t)) dt
tn
d’interpolation.
9 avril 2020 41 / 50

y 0 (t) = f (t, y (t)).
Z tn+1
y (tn+1 ) = y (tn ) + f (t, y (t)) dt
tn

Z tn+1
yn+1 = yn + f (t, y (t)) dt
tn
d’interpolation.
9 avril 2020 41 / 50

y 0 (t) = f (t, y (t)).
Z tn+1
y (tn+1 ) = y (tn ) + f (t, y (t)) dt
tn

Z tn+1
yn+1 = yn + f (t, y (t)) dt
tn
d’interpolation.
9 avril 2020 41 / 50

y 0 (t) = f (t, y (t)).
Z tn+1
y (tn+1 ) = y (tn ) + f (t, y (t)) dt
tn

Z tn+1
yn+1 = yn + f (t, y (t)) dt
tn
d’interpolation.
9 avril 2020 41 / 50

y 0 (t) = f (t, y (t)).
Z tn+1
y (tn+1 ) = y (tn ) + f (t, y (t)) dt
tn

Z tn+1
yn+1 = yn + f (t, y (t)) dt
tn
d’interpolation.
9 avril 2020 41 / 50
Méthodes d’Adams-Bashforth
On écrit Z tn+1 Z tn+1
yn+1 = yn + f (t, y (t)) dt ≈ yn + Pn (t) dt,
tn tn
avec Pn le polynôme d’interpolation de Lagrange de degré p − 1, pour les couples de valeurs (tn−i , fn−i ), 0 6 i 6 p − 1,
où l’on a posé fi = f (ti , yi ), soit :
p−1 Z tn+1
X
n n 1
yn+1 = yn + h βp,j fn−j , avec βp,j = `np,j (t) dt.
h tn
j=0
`np,j étant le polynôme de base de l’interpolation de Lagrange de degré p − 1 : `np,j (tn−i ) = δi,j , où δi,j est le symbole de
Kronecker défini par n
0 si i 6= j
δi,j =
1 si i = j.
n ne dépend que de p et de j.
Pour un maillage régulier βp,j
Remarque
Les méthodes d’Adams-Bashforth sont des méthodes explicites.
9 avril 2020 42 / 50
tn tn
p−1 Z tn+1
X
n n 1
h tn
j=0
0 si i 6= j
δi,j =
1 si i = j.
Remarque
9 avril 2020 42 / 50
tn tn
p−1 Z tn+1
X
n n 1
h tn
j=0
0 si i 6= j
δi,j =
1 si i = j.
Remarque
9 avril 2020 42 / 50
Formules d’Adams-Bashforth
p=1 : yn+1 = yn + hfn (ordre 1)
h
p=2 : yn+1 = yn + (3fn − fn−1 ) (ordre 2)
2
h
p=3 : yn+1 = yn + (23fn − 16fn−1 + 5fn−2 ) (ordre 3)
12
h
p=4 : yn+1 = yn + (55fn − 59fn−1 + 37fn−2 − 9fn−3 ) (ordre 4)
24
La méthode d’Adams d’ordre 1 correspond à la méthode d’Euler qui est un schéma à un pas.
La méthode d’Adams d’ordre 2 est un schéma à 2 pas car dépend de yn et de yn−1 .
Pour démarrer un tel schéma, il faut connaître y0 et y1 . On peut utiliser une méthode à un pas du même ordre pour
calculer y1 (RK2).
En général, la méthode d’Adams d’ordre p est un schéma à p pas.
9 avril 2020 43 / 50
h
p=2 : yn+1 = yn + (3fn − fn−1 ) (ordre 2)
2
h
12
h
24
calculer y1 (RK2).
9 avril 2020 43 / 50
h
p=2 : yn+1 = yn + (3fn − fn−1 ) (ordre 2)
2
h
12
h
24
calculer y1 (RK2).
9 avril 2020 43 / 50
h
p=2 : yn+1 = yn + (3fn − fn−1 ) (ordre 2)
2
h
12
h
24
calculer y1 (RK2).
9 avril 2020 43 / 50
h
p=2 : yn+1 = yn + (3fn − fn−1 ) (ordre 2)
2
h
12
h
24
calculer y1 (RK2).
9 avril 2020 43 / 50
Méthodes d’Adams-Moulton
Z tn+1
On écrit yn+1 = yn + Pn∗ (t) dt,
tn
avec Pn∗ le polynôme d’interpolation de Lagrange de degré p, ppour les couples de valeurs (tn+1−i , fn+1−i ), 0 6 i 6 p, où
l’on a posé fi = f (ti , yi ), soit :
X
∗
yn+1 = yn + h βp,j fn+1−j .
j=0
Formules d’Adams-Moulton
Ces méthodes sont basées sur les noeuds
p=0 : yn+1 = yn + hfn+1 (ordre 1) tn+1 , tn , tn−1 , tn−2 , . . .
A cause de la présence de yn+1 dans le
h membre de droite, le schéma devient
p=1 : yn+1 = yn + (fn+1 + fn ) (ordre 2)
2 implicite, i.e. exige la résolution d’une
équation non linéaire pour calculer yn+1 .
h
p=2 : yn+1 = yn + (5fn+1 + 8fn − fn−1 ) (ordre 3) Pour contourner cette difficulté, on
12
combine les formules d’Adams-Bashforth
h et d’Adams-Moulton en des schémas dits
p=3 : yn+1 = yn + (9fn+1 + 19fn − 5fn−1 + fn−2 ) (ordre 4)
24 prédicteurs-correcteurs.
9 avril 2020 44 / 50
Z tn+1
tn
X
∗
j=0
p=1 : yn+1 = yn + (fn+1 + fn ) (ordre 2)
h
12
9 avril 2020 44 / 50
Z tn+1
tn
X
∗
j=0
p=1 : yn+1 = yn + (fn+1 + fn ) (ordre 2)
h
12
9 avril 2020 44 / 50
Z tn+1
tn
X
∗
j=0
p=1 : yn+1 = yn + (fn+1 + fn ) (ordre 2)
h
12
9 avril 2020 44 / 50
Méthodes de prédiction-correction
Schémas de prédiction-correction
p
Prédiction yn+1 = yn + hfn
p p
Evaluation fn+1 = f (tn+1 , yn+1 )
p
Correction yn+1 = yn + hfn+1 (ordre 1)
p h
Prédiction yn+1 = yn + (3fn − fn−1 )
p
2 p
h p
Correction yn+1 = yn + (fn+1 + fn ) (ordre 2)
2
9 avril 2020 45 / 50
Méthodes de prédiction-correction (suite)
Schémas de prédiction-correction (suite)
p h
Prédiction yn+1 = yn + (23fn − 16fn−1 + 5fn−2 )
p
12 p
h p
Correction yn+1 = yn + (5fn+1 + 8fn − fn−1 ) (ordre 3)
12
p h
Prédiction yn+1 = yn + (55fn − 59fn−1 + 37fn−2 − 9fn−3 )
p
24 p
h p
Correction yn+1 = yn + (9fn+1 + 19fn − 5fn−1 + fn−2 ) (ordre 4)
24
La fonction ode113 de Matlab implante cette méthode, pour des ordres pouvant varier de 1 à
13.
9 avril 2020 46 / 50
Exercice 1.
Un parachutiste pesant m = 75 kg est largué d’un avion volant à 1000 m d’altitude, avec une vitesse verticale égale à 0.
L’altitude du parachutiste est une fonction y (t) solution du problème
α(t)

00
y (t) = −g + m ,

y (0) = 1000, (23)

 0
y (0) = 0.
La fonction α qui modélise la résistance de l’air est définie par
k1 y 0 (t)2

si t < t0 ,
α(t) = 0 2
(24)
k2 y (t) si t > t0 .
1 Montrez si l’on ne tient pas compte de la résistance de l’air, et donc si k1 = k2 = 0, alors la chute devrait durer
environ 14 secondes, et la vitesse d’impact au sol serait d’environ 140 m s −1 .
2 On suppose que le parachutiste ouvre son parachute à l’instant to = 5, avec k1 = 0.5 et k2 = 2.5. Calculez des
valeurs approchées de l’altitude et de la vitesse du parachutiste en utilisant la méthode d’Euler avec un pas h = 1
pendant les dix premières secondes de la chute.
3 La vitesse semble se stabiliser autour de la valeur −17.15 m s −1 . Pouvez vous justifier cette valeur ? Quelle serait la
vitesse approximative de l’impact si le parachute ne s’ouvrait pas ? 9 avril 2020 47 / 50
Exercice 2.
On considère l’équation différentielle suivante :

y 000 (t) − R y 0 (t)2 − y (t)y 00 (t) + R a = 0,

(25)
y (0) = y 0 (0) = 0, y 0 (0) = 1.
où R et a sont des constantes données.

1 Ecrire ce problème sous forme d’un système différentiel du 1 ordre : Y 0 (t) = F (t, Y (t))
2 On suppose que R = 0.25 et a = 2. Ecrire une fonction Matlab foncexo2 qui calcule les valeurs de F (t, Y ), en
complétent sous la première ligne suivante : function Yp =foncexo2(t,Y) ;
3 Compléter le programme Matlab ci-dessous pour réaliser le calcul de la solution approchée sur l’intervale [0, tfin ]
avec tfin = 10 en utilisant la méthode de Runge-Kutta d’ordre 4, et proposer une représentation graphique sur cet
intervale. Ce programme utilisera la fonction foncexo2 définue ci-dessus.
tfin = 10;
N = 100;
t
h = Nfin ;
t = [0 : h : tfin ];
Y0 = [0; 0; 1];
Y = zeros(3, N + 1);
Y (:, 1) = Y0 ;
for n = 1 : N
9 avril 2020 48 / 50
Exercice 3.
 0
u t) = −7u(t) + 3v (t),
On considère le système différentiel suivant : v 0 t) = 6u(t) − 4v (t), (26)

u(0) = α; v (0) = β.

u(t)
1 On pose Y (t) = . Ecrire le système différentiel sous la forme Y 0 = A Y , Y (0) = Y0 .
v (t)
un
2 On choisit un pas de temps h, et on note tn = n h, un ≈ u(tn ) et vn ≈ v (tn ). On pose Yn = . Appliquer la
vn
méthode d’Euler explicite n
n et montrer queYn = (I + hA) Y0 puis appliquer la méthode d’Euler implicite et montrer
qu Yn = (I − hA)−1 Y0 .
3 on prend α = β = 1. Calculer les valeurs approchées de Y(3) par la méthode explicite et implicite pour les valeurs
de h égales à 1 ; 0.5 ; 0.25 ; 0.1 ; 0.05 ; 0.01.
4 Diagonaliser la matrice A. En déduire les solutions exactes du système différentiel. Donner une condition de stabilité
pour la méthode explicite.
5 On envisage de calculer la solution approchée du système différentiel Y 0 (t) = F (t, Y (t)) par
3 1
Yn+1 = Yn + h F (tn , Yn ) + F (tn+1, Yn+1 ) . (27)
4 4
Le schéma (27) est-il explicite ou implicite ? Déterminer sa fonction de stabilité puis son rayon de stabilité.
6 Expliciter l’application de ce schéma au problème (26) et donner une condition de stabilité pour ce schéma.
9 avril 2020 49 / 50
Exercice 4.
Pour calculer la solution approchée d’un problème de la forme :
Y 0 (t) = F (t, Y (t)),

t > 0,
(28)
Y (0) = Y0 ,
on envisage la méthode de type Runge-Kutta décrite par le tableau suivant :
0
1/2 1/2
3/4 0 3/4
2/9 3/9 4/9
1 Donner une écriture algorithmique de cette méthode.

2 Déterminer l’ordre de cette méthode.
3 On applique cette méthode avec le pas h du problème
y 0 (t) = y (t),

t > 0,
(29)
y (0) = 1,
Déterminer l’erreur locale de discrétisation δn+1 à l’étape n. 9 avril 2020 50 / 50

Chapitre 3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 3

Transféré par

Droits d'auteur :

Formats disponibles

Résolution numérique des Équations Différentielles Ordinaires (EDO)

Pendule : Trouver l’angle θ(t) satisfaisant

ml θ00 (t) = −mg sin θ(t) − lcf θ0 (t) ∀t

Masse-ressort : Trouver le déplacement x (t) satisfaisant

x 00 (t) + cx 0 (t) + ω 2 x (t) = 0 ∀t

Croissance de population : Trouver le nombre d’individus N(t)

N 0 (t) = (n1 − m1 N(t))N(t) ∀t

F (t, y (t), y 0 (t), y 00 (t), . . . , y (n) (t)) = 0, ∀t ∈ [t0 , T ].

Problème de Cauchy et Équations de premier ordre

La condition y (t0 ) = y0 est une condition initiale ou la condition de Cauchy.

∃L > 0, ∀t ∈ [t0 , T ], ∀y1 , y2 ∈ R, |f (t, y1 ) − f (t, y2 | 6 L|y1 − y2 |,

Problème de Cauchy et Équations de premier ordre

La condition y (t0 ) = y0 est une condition initiale ou la condition de Cauchy.

∃L > 0, ∀t ∈ [t0 , T ], ∀y1 , y2 ∈ R, |f (t, y1 ) − f (t, y2 | 6 L|y1 − y2 |,

Problème de Cauchy et Équations de premier ordre

La condition y (t0 ) = y0 est une condition initiale ou la condition de Cauchy.

∃L > 0, ∀t ∈ [t0 , T ], ∀y1 , y2 ∈ R, |f (t, y1 ) − f (t, y2 | 6 L|y1 − y2 |,

Problème de Cauchy et Équations de premier ordre

La condition y (t0 ) = y0 est une condition initiale ou la condition de Cauchy.

∃L > 0, ∀t ∈ [t0 , T ], ∀y1 , y2 ∈ R, |f (t, y1 ) − f (t, y2 | 6 L|y1 − y2 |,

Problème de Cauchy et Équations de premier ordre

La condition y (t0 ) = y0 est une condition initiale ou la condition de Cauchy.

∃L > 0, ∀t ∈ [t0 , T ], ∀y1 , y2 ∈ R, |f (t, y1 ) − f (t, y2 | 6 L|y1 − y2 |,

et donc la solution à l’instant t dépend uniquement de la solution aux instants t0 6 s 6 t.

avec Y = (y1 , y2 , . . . , yN ), F : [t0 , T ] × RN 7−→ RN définie par

F (t, Y ) = (f1 (t, Y ), f2 (t, Y ), . . . , fN (t, Y )). 9 avril 2020 4 / 50

et donc la solution à l’instant t dépend uniquement de la solution aux instants t0 6 s 6 t.

avec Y = (y1 , y2 , . . . , yN ), F : [t0 , T ] × RN 7−→ RN définie par

F (t, Y ) = (f1 (t, Y ), f2 (t, Y ), . . . , fN (t, Y )). 9 avril 2020 4 / 50

et donc la solution à l’instant t dépend uniquement de la solution aux instants t0 6 s 6 t.

avec Y = (y1 , y2 , . . . , yN ), F : [t0 , T ] × RN 7−→ RN définie par

F (t, Y ) = (f1 (t, Y ), f2 (t, Y ), . . . , fN (t, Y )). 9 avril 2020 4 / 50

et donc la solution à l’instant t dépend uniquement de la solution aux instants t0 6 s 6 t.

avec Y = (y1 , y2 , . . . , yN ), F : [t0 , T ] × RN 7−→ RN définie par

F (t, Y ) = (f1 (t, Y ), f2 (t, Y ), . . . , fN (t, Y )). 9 avril 2020 4 / 50

et donc la solution à l’instant t dépend uniquement de la solution aux instants t0 6 s 6 t.

avec Y = (y1 , y2 , . . . , yN ), F : [t0 , T ] × RN 7−→ RN définie par

F (t, Y ) = (f1 (t, Y ), f2 (t, Y ), . . . , fN (t, Y )). 9 avril 2020 4 / 50

et donc la solution à l’instant t dépend uniquement de la solution aux instants t0 6 s 6 t.

avec Y = (y1 , y2 , . . . , yN ), F : [t0 , T ] × RN 7−→ RN définie par

F (t, Y ) = (f1 (t, Y ), f2 (t, Y ), . . . , fN (t, Y )). 9 avril 2020 4 / 50

et donc la solution à l’instant t dépend uniquement de la solution aux instants t0 6 s 6 t.

avec Y = (y1 , y2 , . . . , yN ), F : [t0 , T ] × RN 7−→ RN définie par

F (t, Y ) = (f1 (t, Y ), f2 (t, Y ), . . . , fN (t, Y )). 9 avril 2020 4 / 50

Les équations différentielles d’ordre >1

Les équations différentielles d’ordre >1

Les équations différentielles d’ordre >1

Les équations différentielles d’ordre > 1 suite

Dans le cas général d’une équation différentielle de la forme :

u (t) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t))

On se ramène à un système d’ordre 1 en posant : y1 = u, y2 = u 0 , . . . , yp = u (p−1) , soit

Les équations différentielles d’ordre > 1 suite

Dans le cas général d’une équation différentielle de la forme :

u (t) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t))

On se ramène à un système d’ordre 1 en posant : y1 = u, y2 = u 0 , . . . , yp = u (p−1) , soit

Les équations différentielles d’ordre > 1 suite

Dans le cas général d’une équation différentielle de la forme :

u (t) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t))

On se ramène à un système d’ordre 1 en posant : y1 = u, y2 = u 0 , . . . , yp = u (p−1) , soit

Les équations différentielles d’ordre > 1 suite

Dans le cas général d’une équation différentielle de la forme :

u (t) = h(t, u(t), u 0 (t), u 00 (t), . . . , u (p−1) (t))

On se ramène à un système d’ordre 1 en posant : y1 = u, y2 = u 0 , . . . , yp = u (p−1) , soit