Edo

Informatique & Mathématiques Appliquées
Équations différentielles ordinaires
J. Gergaud
16 décembre 2010
Table des matières
I Théorie mathématique 1
1 Introduction 3
I Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
II Terminologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
III Qu’est-ce qu’une solution ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Équations différentielles linéaires 5

I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
II Équations différentielles linéaires homogènes autonomes . . . . . . . . . . . . . . . . . . . . . . . . . 5
II.1 Approche élémentaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
II.2 Exponentielle de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
II.3 Calcul de l’exponentielle de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
II.4 Forme des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
III Équations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
III.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
III.2 Existence et unicité de solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
III.3 Résolvante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
III.4 Équations différentielles linéaires avec second membre . . . . . . . . . . . . . . . . . . . . . . 14
3 Théorie des équations différentielles 15

I Existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
II Dépendances par rapports aux données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
II.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
II.2 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
II.3 Dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
II Intégration numérique 25
4 Introduction 27
I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
II Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
II.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
II.2 Modèle de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
II.3 Exemple de Roberston . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5 Les méthodes de Runge-Kutta 31

I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
II Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
III Méthodes de Runge-Kutta explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
III.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
III.2 Ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
III.3 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
IV Erreurs d’arrondi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
V Contrôle du pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
V.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
V.2 Extrapolation de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
V.3 Méthode de Runge-Kutta emboı̂tées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
VI Les méthodes de Runge-Kutta implicites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
i
ii TABLE DES MATIÈRES
VII Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6 Sortie dense, discontinuités, dérivées 47

I Sortie dense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
I.1 Objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
I.2 Calcul de la sortie dense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
I.3 Détection d’évènements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
I.4 Intégration d’équations différentielles à second membre discontinues . . . . . . . . . . . . . . 49
II Calcul de la dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
II.1 Différences finies externes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
II.2 Équation variationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
II.3 Différentiation interne de Bock (IND) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
A 51
I Théorèmes de points fixes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
II Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
III Développement de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Première partie
Théorie mathématique
1
Chapitre 1
Introduction
I Objectifs
Dans ce document K désignera le corps des réels R ou des complexes C.
L’objectif de ce cours est l’étude mathématique, algorithmique et numérique des systèmes différentielles à
condition initiale aussi appelé problème de Cauchy

1 ẏ(t) = ϕ(t, y(t))
(IV P )
y(t0 ) = y0 ,
où
ϕ : Ω ⊂ R × Kn −→ Kn
(t, y) 7−→ ϕ(t, y),
Ω ouvert et (t0 , y0 ) ∈ Ω.
Nous ne traiterons ni les équations à retard[5]

ẏ(t) = ϕ(t, y(t), y(t − τ ))
(DDE) 2
y(t) = f (t) ∀t ∈ [t0 − τ, t0 ],
ni les équations différentielles algébriques[6]

 ẏ(t) = ϕ(y(t), z(t))
(DAE) 3 ψ(y(t), z(t)) = 0
y(t0 ) = y0 , z(t0 ) = z0 .

II Terminologie
– On appellera équation différentielle toute équation ẏ(t) = ϕ(t, y(t)) (c’est-à-dire sans la condition initiale).
– Si la fonction ϕ ne dépend pas explicitement du temps, c’est-à-dire que l’équation différentielle s’écrit
ẏ(t) = ϕ(y(t)), on dit que l’équation différentielle est autonome.
– L’équation différentielle est dite linéaire 4 si elle s’écrit ẏ(t) = A(t)y(t) + b(t).
– y : I −→ Kn ;
– A : I −→ L(Kn , Kn ) ≡ Mn (K) ;
– b : I −→ Kn .
– Elle est dite linéaire et homogène ou sans terme constant si elle s’écrit ẏ(t) = A(t)y(t) ;
– Elle est dite linéaire à coefficients constants si elle s’écrit ẏ(t) = Ay(t) + b.
III Qu’est-ce qu’une solution ?

La première question qui se pose est de savoir ce que l’on entend par une solution de (IV P ).
1. Initial Value Problem.
2. Delay Differential Equation.
3. Differential Algebraic Equation.
4. En français, on devrait dire équation affine.
3
4 CHAPITRE 1. INTRODUCTION
Définition III.1 (Définition classique) On suppose ϕ continue. On appelle solution classique de (IV P ) tout
couple (I, y), I intervalle ouvert de R, contenant t0 et y : I → Kn dérivable en tout point et vérifiant
(i) (t, y(t)) ∈ Ω, ∀t ∈ I
(ii) ẏ(t) = ϕ(t, y(t)), ∀t ∈ I
(iii) y(t0 ) = y0 .
Une solution est aussi appelée une courbe intégrale de l’équation différentielle.
Remarque III.2
Si ϕ est continue (respectivement C k ) et (I, y) est une solution alors y(t) est C 1 (respectivement C k+1 ).
On rappelle qu’une fonction y : I → Kn est localement absolument continue si elle est absolument continue sur
tout intervalle compact de I.
Définition III.3 (Solution faible) On appelle solution faible de (IV P ) tout couple (I, ϕ), I intervalle ouvert de
R contenant t0 et y : I → Kn localement absolument continue vérifiant
(i) (t, y(t)) ∈ Ω, ∀t ∈ I
(ii) ẏ(t) = ϕ(t, y(t)), pour presque tout t ∈ I
(iii) y(t0 ) = y0 .
Remarque III.4
Si ϕ est continue et y est une solution faible alors l’application t → ϕ(t, y(t)) est continue. Par suite la dérivée de
y(t) qui existe presque partout est égale à une fonction continue. Donc ẏ(t) existe partout sur I et y est une solution
classique.
Théorème III.5
(I, y) est une solution faible de (IV P ) si et seulement si (t, y(t)) ∈ Ω pour tout t dans I, la fonction t 7→ ϕ(t, y(t))
est localement intégrable et Z t
y(t) = y0 + ϕ(s, y(s))ds.
t0
Démonstration
– Si (I, y) est une solution faible, y(.) est absolument continue, alors (corollaire 2.41.5 de [11])
Z t Z t
y(t) = y0 + ẏ(s)ds = y0 + ϕ(s, y(s))ds.
t0 t0
– Réciproque.
Si l’application t 7→ ϕ(t, y(t)) est dans L1 et que l’on a
Z t
y(t) = y0 + ϕ(s, y(s))ds,
t0
alors (théorème 2.40.2 de [11]) ẏ(t) = ϕ(t, y(t)) presque partout. Donc (I, y) est une solution faible.
2
Dans toute la suite de ce document on supposera, sauf lorsque cela sera mentionné, que la fonction ϕ est continue.
Chapitre 2
Équations différentielles linéaires
I Introduction
Dans tout ce chapitre I sera un intervalle de R et K sera le corps des réels ou des complexes. L’objectif de ce
chapitre est l’étude mathématique des équations différentielles linéaires
ẏ(t) = A(t)y(t) + b(t),
où
– y : I −→ Kn ;
– A : I −→ L(Kn , Kn ) ≡ Mn (K) ;
– b : I −→ Kn .
Ce chapitre est fortement inspiré du cours polycopié de Frédéric Jean [7]. Nous commencerons par le cas des
équations linéaires homogènes et autonomes ẏ(t) = Ay(t), puis nous étudierons le cas non autonome ẏ(t) = A(t)y(t)
et le cas générale des équations linéaires ẏ(t) = A(t)y(t) + b(t).
II Équations différentielles linéaires homogènes autonomes

II.1 Approche élémentaire
Dans cette sous section le corps K sera le corps des réels R.
Exemple II.1
On considère l’équation différentielle ordinaire linéaire scalaire

ẏ(t) = λy(t)
(IV P 1)
y(t0 ) = y0 ,
où λ est un réel et y est une fonction de R dans R. On sait que la solution de cette équation, qui est unique (cf. le
théorème III.1 ci-après), est donnée par
y(t) = eλ(t−t0 ) y0 .
On en déduit que cette solution est définie sur I = R et que l’on a comme comportement asymptotique
– Si λ < 0 alors limt→+∞ y(t) = 0 ;
– Si λ = 0 alors y(t) = y0 ;
– Si λ > 0
– Si y0 < 0 alors limt→+∞ y(t) = −∞ ;
– Si y0 = 0 alors y(t) = 0 ;
– Si y0 > 0 alors limt→+∞ y(t) = +∞.
Exemple II.2
Considérons maintenant un système de deux équations différentielles


 ẏ1 (t) = λ1 y1 (t)
ẏ2 (t) = λ2 y2 (t)

(IV P 2)
 y1 (t0 ) = y0,1

y2 (t0 ) = y0,2 .

5
6 CHAPITRE 2. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
La solution est alors donnée par

y1 (t) = eλ1 (t−t0 ) y0,1

y2 (t) = eλ2 (t−t0 ) y0,2 .

et le comportement asymptotique est
– si λ1 < 0 et λ2 < 0 alors limt→+∞ y(t) = 0 ;
– si λ1 < 0 et λ2 > 0 et y0,2 6= 0 alors |y1 (t)| → 0 et |y2 (t)| → +∞, et donc ky(t)k → +∞, quand t → +∞ ;
– ...
Exemple II.3
Si maintenant nous considérons le cas du système différentiel

ẏ(t) = Λy(t)
(IV P 3)
y(t0 ) = y0 ,
avec  
λ1 ··· 0
 .. .. ..  .
Λ = diag(λ1 , . . . , λn ) =  . . . 
0 ··· λn
La solution est alors
e(t−t0 )λ1 y0,1
   (t−t )λ 
e 0 1
··· 0
. . .. ..
y(t) =  .. = ..  y0 = e(t−t0 )Λ y0 .
   
. .
e(t−t0 )λn y0,n 0 ··· e(t−t0 )λn
Le comportement asymptotique est alors

– si tous les λi sont strictement négatifs alors limt→+∞ y(t) = 0 ;
– si tous les λi sont négatifs ou nuls alors la solution est bornée quand t → +∞ ;
– si au moins un λi est strictement positif et que y0,i 6= 0 alors ky(t)k → +∞, quand t → +∞.
Exemple II.4
Soit maintenant A une matrice diagonalisable, A = P ΛP −1 et le système différentiel à valeur initiale

ẏ(t) = Ay(t)
(IV P 4)
y(t0 ) = y0 ,
Posons z(t) = P −1 y(t), alors z(t) est solution su système différentielle à valeur initiale
ż(t) = P −1 ẏ(t) = P −1 P ΛP −1 y(t) = Λz(t)

(IV P 5)
z(t0 ) = P −1 y0 .
On a donc z(t) = e(t−t0 )Λ P −1 y0 et y(t) = P z(t) = (P e(t−t0 )Λ P −1 )y0 . Par suite le comportement asymptotique est
caractérisé par les valeurs propres de la matrice A.
II.2 Exponentielle de matrice

L’espace vectoriel normé (Mn (K), k.k), où k.k est une norme d’opérateur (kABk ≤ kAkkBk) est un espace de
P+∞ k
Banach. La série k=0 Ak! est alors normalement convergente car
+∞ +∞
X kAk k X kAkk
≤ = ekAk .
k! k!
k=0 k=0
Définition II.5 (Exponentielle de matrice) On appelle exponentiel de matrice l’application
exp : Mn (K) −→ Mn (K)

+∞
X Ak
A 7−→ exp(A) = eA = .
k!
k=0
Théorème II.6
L’exponentielle de matrice a les propriétés suivantes :
II. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES HOMOGÈNES AUTONOMES 7
(i) e0 = I ;
(ii) si A = diag(λ1 , . . . , λn ) alors
eλ1
 
··· 0
exp(A) =  ... .. ..  ; (2.1)

. . 
λn
0 ··· e
(iii) si P est inversible on a

exp(P AP −1 ) = P exp(A)P −1 ; (2.2)
(iv) si A et B sont deux matrices qui commutent alors
exp(A + B) = exp(A) exp(B); (2.3)
(v) pour tout α et β, e(α+β)A = eαA eβA ;

(vi) pour toute matrice A, eA est inversible et
exp(A−1 ) = exp(−A); (2.4)
(vii) pour toute matrice A, l’application t → etA est C ∞ et
d tA
e = AetA = etA A. (2.5)
dt
Démonstration
(i) Évident.
(ii) Il suffit d’écrire la définition.
(iii) On a
P Ak P −1
exp(P AP −1 ) = P IP −1 + P AP −1 + · · · + ···
k!
Ak

= P I + A + ··· + + · · · P −1 .
k!
(iv) Soit A, B deux matrices carrés qui commutent. Par définition on a
(A + B)m
eA+B = I + (A + B) + · · · + + ···
m!
Mais A et B commutent, la formule du binôme permet alors d’écrire
m
X
(A + B)m = k k m−k
Cm A B .
k=0
Mais les séries définissant eA et eB étant normalement convergentes, nous avons
Ak Bk

eA eB = I + A + · · · + + ··· I + B + ··· + + ···
k! k!
m
!
k m−k
X A B
= I + (A + B) + · · · + ···
k! (m − k)!
k=0
m
!
1 X m! k m−k
= I + (A + B) + · · · A B + ···
m! k!(m − k)!
k=0
d’où le résultat.
(v) C’est immédiat car αA et βA commutent.
(vi) Il suffit d’écrire eA−A = eA e−A = I.
(vii) Posons
f : R −→ Mn (K)
t 7−→ etA .
La série définissant l’application f (t) est normalement convergente, par suite elle est uniformément convergente
sur tout intervalle compacte I de R. La série des termes dérivées s’écrit
tk Ak

A I + A + ··· + + · · · = AetA .
(k)!
Cette série est normalement convergente. On en déduit qu’elle est égale à f 0 (t).
2
Théorème II.7
L’unique solution du système différentielle linéaire, autonome et homogène à valeur initial

ẏ(t) = Ay(t)
(IV P 6)
y(t0 ) = y0 ,
est
y(t) = e(t−t0 )A y0 . (2.6)
Démonstration
Soit y vérifiant (2.6), la propriété (2.5) implique alors que
d (t−t0 )A
ẏ(t) = (e y0 ) = Ae(t−t0 )A y0 = Ay(t).
dt
Comme on a y(t0 ) = y0 , c’est bien une solution.
Supposons maintenant que y soit une solution de (IV P 6). Posons z(t) = e−(t−t0 )A y(t), alors
ż(t) = −Ae−(t−t0 )A y(t) + e−(t−t0 )A Ay(t) = 0,
car A et e−(t−t0 )A commutent. Par suite z(t) = z(t0 ) = y0 pour tout t et y(t) = e(t−t0 )A z(t) = e(t−t0 )A y0 . 2
II.3 Calcul de l’exponentielle de matrice

Exercice II.8
À partir de la définition calculer etA pour
1
1 0
A= ,
0 2
2
0 1
A= ,
0 0
3
0 1
A= ,
−1 0
4  
0 1 0
A = 0 0 1 .
0 0 0
Remarque II.9
Si A est une matrice réelle diagonalisable dans C, eA = P eΛ P −1 est aussi une matrice réelle.
Exercice II.10
Soit a ∈ R, à partir de la diagonalisation dans C, calculer

0 −a
exp
a 0
II. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES HOMOGÈNES AUTONOMES 9
Dans le cas général, pour calculer l’exponentiel d’une matrice, on va utiliser sa décomposition de Jordan [1]. On
note respectivement P (λ) et m(λ) les polynomes caractéristique et minimale de A ∈ Mn (C)
r
Y
P (λ) = (λ − λi )pi
i=1
Yr
m(λ) = (λ − λi )mi ,
i=1
et on rappelle que l’on a les propriétés suivantes

(i) Γi = kerC (A − λi )pi = kerC (A − λi )mi ;
(ii) dim Γi = pi ;
(iii) Les Γi sont invariants par A ;
(iv) La restriction de A à Γi s’écrit AΓi = λi IΓi + Ni , où Ni est un endomorphisme de Γi nilpotent d’ordre inférieur
où égal à pi (Nipi = 0).
Par suite, si P est la matrice de passage à une base formée d’une base de Γ1 , . . . , d’une base de Γr , on a
P −1 AP = Λ + N avec
λ1
 
..
.
 
 
   

 λ1

 N1
Λ=
 .. , N = 
  .. ,

 .  .

 λr 
 Nr
 . .

 . 
λr
où λi est présent pi fois dans Λ et où N est nilpotent. Pour aller plus loin nous allons utilisé la décomposition sous
la forme de Jordan.
Théorème II.11 (Décomposition de Jordan)

Soit A une matrice carré complexe, alors il existe une matrice P inversible telle que
 
J1
−1
P AP = 
 .. ,

.
Jr
où Ji est de dimension (pi , pi ) et s’écrit

 
  λi 1
Ji,1  .. .. 
..  . . 
Ji =  , Ji,k = , Ji,k matrice de dimension (ni,k , ni,k )
 
.  .. 
Ji,ei
 . 1
λi
avec
(i) ei = dim(ker(A − λi )) ;
(ii) mi est la dimension du plus grand bloc de Ji .
Démonstration
cf. [1]. 2
En conclusion, nous avons
 
tni,k −1
etJ1,1
 
1 t ... (ni,k −1)! 
exp(tA) = P etJ P −1 = 
 .. ,

etJi,k = etλi 

.. ..
.  . . t


etJr,er 1
II.4 Forme des solutions

Théorème II.12
Soit A une matrice carrée complexe. Toute solution de ẏ(t) = Ay(t) s’écrit
r
X m
X i −1
tλi
y(t) = e tk vi,k (2.7)
i=1 k=0
où vi,k ∈ Γi .
Remarque II.13
– Le terme en λi est polynomiale en t lorsque mi > 1, et constant lorsque mi = 1 (ce dernier cas se produit si et
seulement si les ordres de multiplicités algébrique et géométrique de λi coı̈ncident.
– Fixons y(0) = y0 = v1 + · · · + vr , avec vi ∈ Γi . Cette décomposition de y0 existe et est unique car Cn =
Γ1 ⊕ · · · ⊕ Γr . Alors en écrivant les dérivées successives en 0 dans la formule (2.7) et en utilisant le fait que
dk y
dtk
(0) = Ak y0 , on obtient
1
vi,k = N k vi
k!
où N est la matrice nilpotente de la décomposition Λ + N de P −1 AP .
Considérons maintenant le cas d’une matrice à coefficients dans R et d’une solution dans Rn . On peut bien
évidemment considérer A comme une matrice complexe, prendre comme condition initiale y0 + i0, appliquer le
théorème II.12, puis prendre la partie réelle. Mais on peut profiter du fait que si une valeur propre est complexe, sa
valeur conjuguée est aussi une valeur propre et on peut décomposer Rn comme la somme directe
Rn = E1 ⊕ · · · ⊕ Eq ,
où Ei = Γλi ∩ Rn si λ est une valeur propre réelle et Ei = (Γλi ⊕ Γλ̄i ) ∩ Rn si λi est une valeur propre complexe.
On obtient ainsi le
Théorème II.14
Si A est une matrice réelle, l’ensemble des solutions réelles s’écrit
q
X X
y(t) = etαi tk (cos(βi t)ai,k + sin(βi t)bi,k ),
i=1 0≤k≤mi −1
où λi = αi + iβi et les ai,k , bi,k sont dans Ei .
Corollaire II.15
Si A est une matrice réelle diagonalisable dans C, alors toute solution de ẏ(t) = Ay(t) s’écrit
q
X
y(t) = etαi (cos(βi t)ai + sin(βi t)bi )
i=1
avec λ1 , . . . , λs , valeurs propres réelles de A, λs+1 , λ̄s+1 , . . . , λq , λ̄q , valeurs propres complexes conjuguées de A,
λj = αj + iβj et aj + ibj vecteur propre de A associée à λj
III Équations linéaires

III.1 Introduction
On s’intéresse dans cette section aux équations différentielles linéaires à condition initiale

ẏ(t) = A(t)y(t) + b(t)
(IV P 7)
y(t0 ) = y0 ,
Les fonctions A : I ∈ R → Mn (K) et b : I → Kn seront toujours supposées de classe C k , k ≥ 0.

III. ÉQUATIONS LINÉAIRES 11
III.2 Existence et unicité de solution

Théorème III.1
On suppose que A et b sont C k , k ≥ 0, t0 ∈ I, intervalle ouvert de R et que y0 ∈ Kn , alors le problème de Cauchy
(IV P 7) admet une solution et une seule.
Démonstration
Ceci est aussi démontré au corollaire (3.I.12). Démontrons tout d’abord l’existence. On considère un intervalle
compact J ⊂ I qui contient t0 . Nous allons démontrer que l’application
T : E = (C 0 (J, Kn ), k.k∞ ) −→ E
Z .
y(.) 7−→ T (y(.)) = y0 + (A(s)y(s) + b(s))ds,
t0
admet un point fixe. Le théorème (1.III.5) permettra alors de conclure que le problème de Cauchy admet une
solution sur tout intervalle compact J ⊂ I et donc sur tout I. Pour démontrer que l’application T admet un point
fixe, nous allons utiliser le théorème du point fixe qui dit que si T , application d’un espace de Banach dans lui
même, admet un itéré T p qui est contractant pour p ≥ 1, alors T admet un point fixe (cf. A.I.2). Remarquons tout
d’abord que T est bien une application de E dans E et que E est un espace de Banach. Considérons maintenant
deux éléments de E, y1 (.) et y2 (.). Nous avons
Z t
k(T (y1 (.)) − T (y2 (.)))(t)k = k (A(s)(y1 (s) − y2 (s)))dsk
t0
Z t
= kA(s)(y1 (s) − y2 (s))kds
t0
Z t
≤ kA(.)k∞ ky1 (s) − y2 (s)kds
t0
≤ kA(.)k∞ ky1 (.) − y2 (.)k∞ (t − t0 ),
où ky(.)k∞ = maxt∈J ky(t)k. Comme J = [a, b], car c’est un intervalle compact de R, on a
kT (y1 (.)) − T (y2 (.))k∞ ≤ kA(.)k∞ ky1 (.) − y2 (.)k∞ (b − a).
Ceci montre en particulier que T est continue. Montrons maintenant par récurrence que l’on a
(t − t0 )p
k(T p (y1 (.)) − T p (y2 (.)))(t)k ≤ kA(.)kp∞ ky1 (.) − y2 (.)k∞ (2.8)
p!
kA(.)kp∞ (b − a)p
et kT p (y1 (.)) − T p (y2 (.))k∞ ≤ ky1 (.) − y2 (.)k∞ (2.9)
p!
L’assertion est vraie pour p = 1. Supposons la vraie pour p et montrons là pour p + 1.
k(T p+1 (y1 (.)) − T p+1 (y2 (.)))(t)k = k(T (T p y1 (.)) − T (T p y2 (.)))(t)k
Z t
=k (A(s)(T p y1 (s) − T p y2 (s)))dsk
t0
Z t
≤ kA(.)k∞ kT p y1 (s) − T p y2 (s)kds
t0
t
(s − t0 )p
Z
≤ kA(.)k∞ kA(.)kp∞ ky1 (.) − y2 (.)k∞ ds
t0 p!
(t − t0 )p+1
≤ kA(.)kp+1
∞ ky1 (.) − y2 (.)k∞
(p + 1)!
En prenant le maximum sur t ∈ J on obtient (2.9).

Il nous suffit donc de choisir l’entier p de façon à avoir
kA(.)k∞ (b − a)p
<1
p!
pour conclure. 2
III.3 Résolvante
On considère ici l’équation linéaire homogène
ẏ(t) = A(t)y(t). (2.10)
Théorème III.2
L’ensemble des solutions de l’équation différentielle linéaire et homogène (2.10) E est un espace vectoriel de dimension
n.
Démonstration
Le fait que E soit un espace vectoriel est immédiat. Considérons maintenant l’application
Lt0 : Kn −→ E
y0 7−→ y(., t0 , y0 )
où y(., t0 , y0 ) est l’unique solution de l’équation différentielle (2.10) vérifiant y(t0 ) = y0 . Il est évident que cette
application est linéaire. Le théorème III.1 d’existence et d’unicité de solution implique que cette application est une
bijection, d’où le résultat en ce qui concerne la dimension. 2
Définition III.3 On appelle résolvante de l’équation différentielle linéaire et homogène ẏ(t) = A(t)y(t) l’application
R(t, t0 ) : Kn −→ Kn
y0 7−→ y(t, t0 , y0 ).
Théorème III.4
(i) On a R(t, t0 ).y0 = y(t, t0 , y0 ).
(ii) Si le système est autonome on a R(t, t0 ) = e(t−t0 )A .
(iii) Pour tout t0 fixé, R(., t0 ) est la solution du problème de Cauchy

Ẏ (t) = A(t)Y (t)
(IV P 8)
Y (t0 ) = In .
(iv) Pour tout t0 , t1 et t2 dans I on a

R(t2 , t0 ) = R(t2 , t1 ) × R(t1 , t0 )
(v) Pour tout t0 , t1 dans I on a R(t0 , t1 ) = (R(t1 , t0 ))−1 .

(vi) Si A(.) est C k , alors R(., t0 ) est C k+1 .
Démonstration
(i) Le théorème d’existence et d’unicité de solution et la nature de l’équation différentielle ẏ(t) = A(t)y(t),
implique que R(t, t0 ) est une application linéaire et bijective, L’application R(t, t0 ) est donc un isomorphisme
de Kn sur Kn et on a y(t, t0 , y0 ) = R(t, t0 )y0 .
(ii) Évident.
(iii) Dans le problème (IV P 8), Y (t) est une matrice (n, n) et In est la matrice identité d’ordre n. La propriété
provient immédiatement du fait que
∂
(R(t, t0 )y0 ) = A(t)(R(t, t0 )y0 ),
∂t
et du fait que R(t0 , t0 ) = In par définition.
(iv) Il s’agit tout simplement de la composée de deux applications linéaires.
(v) Il suffit de remarquer que R(t0 , t1 ) × R(t1 , t0 ) = R(t0 , t0 ) = In .
(vi) Cela provient des propriétés des solutions d’une équation différentielle.
2
Théorème III.5
L’application R : I × I → Mn (K) qui à (t, s) associe R(t, s) est continue et de classe C k+1 si A(.) est de classe C k .
III. ÉQUATIONS LINÉAIRES 13
Démonstration
On peut écrire R(t, s) = R(t, t0 ) × (R(s, t0 ))−1 . Or l’application R(., t0 ) : I → Mn (K) est continue car c’est la
solution de (IV P 8). On sait de plus que l’application
Φ : Mn (K) × Mn (K) −→ Mn (K)

(A, B) 7−→ AB
est bilinéaire et continue et que l’application
inv : GL(Kn ) −→ Mn (K)

A 7−→ A−1
est continue.
On en déduit par composition des fonctions que R est continue.
Si A(.) est C k , alors R(., t0 ) est C k+1 . Comme Φ et inv sont C ∞ , on a, toujours par composition R qui est C k+1 . 2
Exercice III.6
Soit R(t, t0 ) la résolvante de l’équation différentielle linéaire
ẏ(t) = A(t)y(t).
On note ∆(t) = det R(t, t0 ).
1 On considère l’application
det : GLn (R) −→ R

A 7−→ det(A).
Montrer que det0 (A).H = det(A)trace(A−1 H)
2 Montrer que ∆(t) est solution du problème de Cauchy
˙

∆(t) = trace(A(t))∆(t)
(IV P )
∆(t0 ) = 1.
3 En déduire que
Z t
det(R(t, t0 )) = exp trace(A(s))ds .
t0
Corollaire III.7 (Liouville)

Si pour tout t, trace(A(t)) = 0, alors det(R(t, t0 )) = 1 pour tout t.
On se place ici dans le cas où le corps K est le corps des réels. Une conséquence du corollaire précédent est que si
la trace de l’opérateur A(t) est constamment nulle, alors l’équation différentielle conserve le volume d’un domaine de
Rn . En effet, si on note Γ0 un domaine de Rn et Γt son transport de t0 à t par l’équation différentielle, c’est-à-dire
Γt = {R(t, t0 )y0 ∈ Rn , y0 ∈ Γ0 } = R(t, t0 )Γ0 ,
alors en utilisant la formule du changement de variable dans une intégrale multiple on a

Z
∂y
Z

V ol(Γt ) = dy = det ∂y0 (t, t0 , y0 ) dy0

Γt Γ0
Z
= |det (R(t, t0 ))| dy0
Γ0
= | det(R(t, t0 )|V ol(Γ0 ).
Donc, si trace(A(t)) = 0 pour tout t, V ol(Γt ) = V ol(Γ0 ).

III.4 Équations différentielles linéaires avec second membre

Théorème III.8
La solution du problème de Cauchy linéaire

ẏ(t) = A(t)y(t) + b(t)
(IV P 9)
y(t0 ) = y0 ,
s’écrit Z t
y(t) = R(t, t0 )y0 + R(t, s)b(s)ds. (2.11)
t0
Démonstration
Nous allons appliquer la méthode de la variation de la constante. Posons z(t) = R(t, t0 )v(t), nous avons alors

d
ż(t)(t) = R(t, t0 ) v(t) + R(t, t0 )v̇(t)
dt
= A(t)R(t, t0 )v(t) + R(t, t0 )v̇(t)
= A(t)z(t) + R(t, t0 )v̇(t).
Il suffit alors de poser R(t, t0 )v̇(t) = b(t), soit v̇(t) = R(t0 , t)b(t), pour que z vérifie l’équation linéaire. Si on pose
Rt
maintenant v(t) = t0 R(t0 , s)b(s)ds, on obtient pour z une solution qui vérifie z(t0 ) = 0. En conclusion, si on prend
y(t) = R(t, t0 )y0 + z(t),
nous aurons bien y(t0 ) = y0 et
ẏ(t) = A(t)R(t, t0 )y0 + ż(t)

d
= A(t)R(t, t0 )y0 + (R(t, t0 )v(t))
dt
= A(t)R(t, t0 )y0 + A(t)R(t, t0 )v(t) + R(t, t0 )v̇(t)
= A(t)(R(t, t0 )y0 + R(t, t0 )v(t)) + b(t)
= A(t)y(t) + b(t)
Il suffit maintenant d’écrire

Z t
y(t) = R(t, t0 )y0 + R(t, t0 ) R(t0 , s)b(s)ds
t0
Z t
= R(t, t0 )y0 + R(t, t0 )R(t0 , s)b(s)ds
t0
Z t
= R(t, t0 )y0 + R(t, s)b(s)ds,
t0
pour conclure. 2
Chapitre 3
Théorie des équations différentielles
I Existence
On s’intéresse au problème de Cauchy suivant

ẏ(t) = ϕ(t, y(t))
(IV P )
y(t0 ) = y0 ,
où
ϕ : Ω ⊂ R × Rn −→ Rn
(t, y) 7−→ ϕ(t, y)
Ω ouvert et (t0 , y0 ) ∈ Ω.
Définition I.1 (Fonction localement lipschitzienne) L’application ϕ : Ω ⊂ R × Rn → Rn est localement

lipschitzienne par rapport à la variable y si et seulement si pour tout (t0 , y0 ) ∈ Ω il existe un voisinage V ∈ V(t0 , y0 )
et une constante k ≥ 0 tels que
∀(t, y1 ) ∈ V, ∀(t, y2 ) ∈ V, ||ϕ(t, y1 ) − ϕ(t, y2 )|| ≤ k||y1 − y2 ||.
Théorème I.2
Si ϕ est différentiable par rapport à y et si l’application
∂ϕ
: Ω −→ L(Rn , Rn )
∂y
∂ϕ
(t, y) 7−→ (t, y)
∂y
est continue alors ϕ est localement lipschitzienne.
Démonstration
C’est un corollaire du théorème des accroissements finis (cf. le corallaire 1.3.6 page 17 de [11]). 2
Théorème I.3 (Théorème de Cauchy-Lipschitz)

Soit ϕ : Ω → Rn , Ω ouvert de R × Rn , ϕ continue et localement lipschitzienne par rapport à y alors pour tout
(t0 , y0 ) ∈ Ω, il existe une unique solution locale au problème de Cauchy

ẏ(t) = ϕ(t, y(t))
(IV P )
y(t0 ) = y0 .
Remarque I.4
Par unique solution locale on entend : si (I1 , y1 ) et (I2 , y2 ) sont deux solutions de (IV P ) alors elles coı̈ncident sur
I1 ∩ I2 .
Démonstration
Nous allons appliquer le théorème du point fixe I.2 à l’application
T :E −→ E
y 7−→ T (y),
15
16 CHAPITRE 3. THÉORIE DES ÉQUATIONS DIFFÉRENTIELLES
Rn Ω
pente M
y(t)
r0
y0
| | | | |
t0 − η t0 − η0 t0 t0 + η0 t0 + η t
Figure 3.1 – Cylindre de sécurité ; y(t) est dans le cylindre de sécurité [t0 − η0 , t0 + η0 ] × Bf (y0 , r0 ), mais n’est pas
dans le cylindre initial [t0 − η, t0 + η] × Bf (y0 , r0 ). Ceci implique que ||ϕ(t, T (y)(t))|| ≤ M .
définie par
Z t
T (y)(t) = y0 + ϕ(s, y(s))ds.
t0
Il nous faut pour cela construire tout d’abord l’espace d’espace métrique complet E, puis montrer que T est bien
définie et qu’il existe un entier p pour lequel T p est une contraction.
Définissons donc tout d’abord E. Comme ϕ est localement lipschitzienne, il existe Vf = [t0 − η, t0 + η] × Bf (y0 , r0 )
voisinage de (t0 , y0 ) sur lequel ϕ est k−lipschitzienne. ϕ est continue, donc supVf ||ϕ(t, y)|| = M . Si M = 0 alors le
théorème est évident. Si M 6= 0, on pose η0 = min(η, r0 /M ) et C = [t0 − η0 , t0 + η0 ] × Bf (y0 , r0 ) ; C s’appelle le
cylindre de sécurité (cf. la Fig. 3.1). Posons maintenant E = C 0 ([t0 − η0 , t0 + η0 ], Bf (y0 , r0 )) et d la distance sur E
définie par d(y1 , y2 ) = sup[t0 −η0 ,t0 +η0 ] ||y1 (t) − y2 (t)||. (E, d) est alors un espace métrique complet.
Rt
Montrons maintenant que l’application T est bien définie. y est continue, ϕ est continue donc y0 + t0 ϕ(s, y(s))ds ∈
Rn existe. Il nous reste à vérifier que cette quantité est bien dans Bf (y0 , r0 ) ; c’est ici que nous allons utiliser le
cylindre de sécurité. Mais ceci est immédiat car
Z t Z t
||T (y)(t) − y0 || = || ϕ(s, y(s))ds|| ≤ ||ϕ(s, y(s))||ds
t0 t0
Z t
≤ M ds = M (t − t0 ) ≤ M (r0 /M ) = r0 .
t0
Pour démontrer la contraction de T p , constatons tout d’abord que

Z t
||T (y1 )(t) − T (y2 )(t)|| ≤ ||ϕ(s, y1 (s)) − ϕ(s, y2 (s))||ds
t0
Z t
≤ k||y1 (s) − y2 (s)||ds
t0
≤ k(t − t0 )|||y1 − y2 |||.
Par récurrence on a alors

k p (t − t0 )p
||T p (y1 )(t) − T p (y2 )(t)|| ≤ |||y1 − y2 |||
p!
k p η0p
d(T p (y1 ), T p (y2 )) ≤ d(y1 , y2 ).
p!
kp η0p
Il suffit donc de prendre p tel que p! < 1.
I. EXISTENCE 17
Nous avons donc montrer l’existence et l’unicité de la solution dans E. Il reste donc à montrer pour l’unicité
que toute solution définie sur [t0 − η0 , t0 + η0 ] est à valeur dans la boule Bf (y0 , r0 ). Raisonnons par l’absurde et
supposons qu’il existe une solution v telle que
A = {t ∈ [t0 + η0 ]||v(t) − y0 || > r0 } =
6 ∅
Posons t1 = Inf {t ∈ A}, on a t0 < t1 < t0 + η0 , ||v(t1 ) − y0 || = r0 et v(t) ∈ Bf (y0 , r0 ), ∀t ∈ [t0 , t1 ]. Par suite
Z t
r0 = ||v(t1 ) − y0 || ≤ ||ϕ(s, v(s))||ds ≤ M (t1 − t0 ) ≤ r0
t0
Donc r0 = M (t1 − t0 ) et t1 = t0 + r0 /M ≥ t0 + η0 d’où la contradiction. 2

Nous allons maintenant montrer l’unicité d’une solution dite maximale. Pour cela rappelons la
Définition I.5 (ensemble ordonné inductif ) Un ensemble ordonné est dit inductif si toute partie totalement
ordonnée est majorée.
Rappelons aussi le
Lemme I.6 (lemme de Zorn)

Tout ensemble ordonné inductif admet un élément maximal.
Démonstration
cf. page 24 de [13]. 2
Théorème I.7
L’ensemble des solutions du problème de Cauchy est ordonnée par la relation d’ordre

I1 ⊂ I2
(I1 , y1 ) ≤ (I2 , y2 ) ⇐⇒
y2|I1 = y1
et si cet ensemble est non vide alors il est inductif.
Démonstration
La relation d’ordre est évidente. Montrons que toute partie totalement ordonnée (Iα , yα )α∈A admet un élément
maximal. Posons I = ∪α∈A Iα et y : I → Rn la fonction définie par y|Iα = yα . y est bien définie, en effet soit t dans
I, alors il existe Iα qui contient t et y(t) = yα (t) ne dépend pas le α, si t ∈ Iα ∩ Iβ alors on a (Iα , yα ) ≤ (Iβ , yβ ) ou
(Iβ , yβ ) ≤ (Iα , yα ), et donc yα (t) = yβ (t)
On a bien évidemment (Iα , yα ) ≤ (I, y) il reste donc à montrer que (I, y) est bien une solution.
– I est un intervalle. Soit donc (s, t) ∈ I 2 . Alors il existe Iα et Iβ qui contiennent respectivement s et t. Mais on
a soit Iα ⊂ Iβ , soit Iβ ⊂ Iα , donc soit [s, t] ⊂ Iα ⊂ I, soit [s, t] ⊂ Iβ ⊂ I.
– t0 ∈ I et y(t0 ) = y0 .
– Pour tout t ∈ I, il existe α tel que t ∈ Iα et y(t) = yα (t), par suite (t, y(t)) ∈ Ω.
– Pour tout t ∈ I, il existe α tel que Iα contient t et (Iα , yα ) est une solution. Donc y(t) = yα (t) = y0 +
Rt
t0
ϕ(s, y(s))ds.
2
Corollaire I.8
Sous les hypothèses du théorème de Cauchy-Lipschitz, toute solution se prolonge en une solution maximale (I, y),
cette solution maximale est unique et I est un intervalle ouvert.
Démonstration
L’existence d’une solution maximale vient de l’application du lemme de Zorn et l’unicité du théorème d’existence et
d’unicité de Cauchy-Lipschitz. Pour montrer que I est un intervalle ouvert il suffit de voir que si I =]t0 − η, t0 + η0 ]
on peut la prolonger en t0 + η0 grâce au théorème de Cauchy-Lipschitz. 2
Remarque I.9
Le résultat d’exitence et d’unicité d’une solution maximal implique que les courbes solutions y(t, t0 , y0 ) ne peuvent
se couper, elles sont confondues ou sans point commun, elles forment une partition de l’ouvert Ω (cf. Fig. 3.2).
Exemple I.10
On considère le problème de Cauchy définie sur Ω = R × R
ẏ(t) = −y 2 (t)

(IV P 1)
y(t0 ) = y0 .
Pour (t0 , y0 ) fixé on a une unique solution maximale définie sur I =]ω− (t0 , y0 ), ω+ (t0 , y0 )[ qui dépend de (t0 , y0 ) :
– Si y0 = 0 alors I =] − ∞, +∞[; ω− (t0 , 0) = −∞, ω+ (t0 , 0) = +∞ et y(t) = 0 ;

– Si y0 > 0 alors I =]t0 − 1/y0 , +∞[ et
y0
y(t) = ;
(t − t0 )y0 + 1
– Si y0 < 0 alors I =] − ∞, t0 − 1/y0 [ et
y0
y(t) = .
(t − t0 )y0 + 1
Ces résultats sont visualisés sur la Fig. 3.2.
1.5
0.5
0
y
−0.5
−1
−1.5
−2
−5 −4 −3 −2 −1 0 1 2 3 4 5
t
Figure 3.2 – Solutions pour le problème ẏ(t) = −y 2 (t), y(t0 ) = y0 , les courbes intégrales ne peuvent se couper, elles
forment une partition de l’ouvert Ω.
Corollaire I.11
Soit ϕ : I × Rn → R, I intervalle ouvert, continue. On suppose qu’il existe une fonction continue k : I → R+ telle
que tour tout t fixé l’application ϕ soit localement lipschitzienne par rapport à y de rapport k(t). Alors la solution
maximale est globale, c’est-à-dire définie sur I.
Démonstration
Soit [t0 − η1 , t0 + η2 ] ⊂ I. Dans la démonstration du théorème de Cauchy-Lipschitz, prenons r0 = +∞, E =
C 0 ([t0 − η1 , t0 + η2 ], Rn ), d) et K = max[t0 −η1 ,t0 +η2 ] k(t). ϕ(t, y) est alors lipschitzienne de rapport K sur cet
intervalle et si p est tel que (K p /p!) max(η1 , η2 ) < 1, alors T p est une contraction. 2
Corollaire I.12
On considère le système de Cauchy linéaire

ẏ = A(t)y(t) + b(t)
(IV P 2)
y(t0 ) = y0 .
Si A(t) et b(t) sont définie sur R et continue alors on a existence et unicité de la solution sur I = R. Le résultat est
en particulier vérifié si le système est autonome.
Démonstration
Il suffit de prendre k(t) = ||A(t)||. En effet on a
||ϕ(t, y1 ) − ϕ(t, y2 )|| ≤ ||A(t)(y1 − y2 )|| ≤ ||A(t)||.||y1 − y2 ||.
Remarque I.13
Le résultat est encore vrai si A(t) est localement intégrable.
I. EXISTENCE 19
Théorème I.14 (Théorème d’explosion)

On suppose ϕ : Ω ⊂ R × Rn → Rn , Ω ouvert, continue dérivable par rapport à y et telle que l’application
∂ϕ
: Ω −→ L(Rn , Rn )
∂y
∂ϕ
(t, y) 7−→ (t, y)
∂y
soit continue. Soit K un compact contenu dan Ω et (t0 , y0 ) ∈ K, alors il existe η1 et η2 > 0 tels que pour tout
t 6∈]t0 − η1 , t0 + η2 [, (t, y(t, t0 , y0 )) soit extérieur à K.
Démonstration
Nous allons montrer l’existence de η2 .
Si ω+ (t0 , y0 ) = +∞ alors le résultat est évident car K étant compact, on a K ⊂ [t1 , t2 ] × Bf (y0 , R) et donc pour
tout t > t2 , on aura (t, y(t, t0 , y0 )) 6∈ K. Supposons donc maintenant que ω+ = ω+ (t0 , y0 ) ∈ R. Posons F = {Rn+1 Ω
et ρ = d(K, F ) > 0 et définissons le compact
Kρ/2 = {(t, y) ∈ R × Rn , d((t, y), K ≤ ρ/2}.
On a K ⊂ Kρ/2 ⊂ Ω. Considérons maintenant un point (t1 , y1 ) ∈ K, alors l’ensemble Ω(t1 , y1 ) = {(t, y) ∈ Ω, |t−t1 | <
η et ||y − y1 || < a} avec η 2 + a2 ≤ ρ2 /4 est un ouvert inclu dans Kρ/2 . Or Kρ/2 est un compact, par suite pour
tout (t, y) ∈ Ω(t1 , y1 ), ||ϕ(t, y)|| ≤ M et || ∂ϕ
∂y (t, y)|| ≤ k. On peut alors dans la démonstration du théorème de
Cauchy-Lipschitz prendre r0 = +∞ et η0 = η, ces quantités étant indépendantes de (t1 , y1 ). Montrons alors que
t2 = ω+ − η = t0 + η2 répond à la question. Raisonnons par l’absurde et supposons qu’il existe t̄ ∈]t2 , ω+ ] tel que
y(t̄, t0 , y0 ) soit dans K. Prenons t1 = t̄ et y1 = y(t̄, t0 , y0 ), la solution du système de Cauchy

ẏ(t) = ϕ(t, y(t))
(IV P 3)
y(t1 ) = y1
existe alors sur ]t1 − η, t1 + η[. Par conséquent la fonction définie par
(
y(t, t0 , y0 ) si t ∈]ω− , t1 [,
y(t) =
y(t, t1 , y1 ) si t ∈ [t1 , t1 + η[
est une solution du problème de Cauchy de départ et t̄ + η > t2 + η > ω+ , ce qui est impossible. 2
Corollaire I.15
Si dans le théorème précédent Ω = R × Rn et ω+ (t0 , y0 ) ∈ R alors on a ||y(t, t0 , y0 )|| → +∞ quand t → ω+ (t0 , y0 )
(cf Fig. 3.2).
Si on suppose seulement que ϕ est continue, alors on peut montrer qu’il existe une solution locale.
Théorème I.16 (Théorème de Peano)

On suppose que ϕ : Ω → Rn est continue, que kϕ(t, y)k est borné par A sur l’ensemble D = {(t, y), t0 ≤ t ≤
tf et ky − y0 k ≤ b}. Si tf − t0 ≤ b/A, alors il existe une sous suite des polygones d’Euler qui converge vers une
solution du problème de Cauchy.
Démonstration
cf. [5] page 42. 2
On peut cependant perdre l’unicité. Par exemple le problème
p
ẏ(t) = |y(t)|
(IV P 4)
y(0) = 0,
t|t|
admet les solutions y1 (t) = 0 et y2 (t) = 4 ainsi que

0 si t ≤ a
ya (t) =
y2 (t − a) si t > a
(cf. la Fig. 3.3).

0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
−1
−5 −4 −3 −2 −1 0 1 2 3 4 5
p
Figure 3.3 – Solutions pour le problème ẏ(t) = |y(t)|, y(0) = 0.
II Dépendances par rapports aux données

II.1 Introduction
On s’intéresse ici au problème de Cauchy

ẏ(t) = ϕ(t, y, λ)
(IV P 5)
y(0) = y0 ,
avec
– ϕ : Ω ⊂ R × Rn × Rp → Rn continue ;
– Ω ouvert ;
–
∂ϕ
: Ω −→ L(Rn , Rn )
∂y
∂ϕ
(t, y, λ) 7−→ (t, y, λ)
∂y
continue.
Sous ces hypothèses le problème de Cauchy

ẏ(t) = ϕ(t, y(t), λ)
(IV P 6)λ
y(t0 ) = y0 ,
admet une solution locale maximale pour tout (t0 , y0 , λ0 ) ∈ Ω
y :]ω− (t0 , y0 , λ0 ), ω+ (t0 , y0 , λ0 )[ −→ Rn

t 7−→ y(t, t0 , y0 , λ0 ).
La visualisation des ensembles ]ω− (0, y0 ), ω+ (0, y0 )[×y0 est donné à la Fig. 3.4.
Posons O = {(t, t0 , y0 , λ0 ) ∈ R × Ω, ω− (t0 , y0 , λ0 ) < t < ω+ (t0 , y0 , λ0 )}, l’objectif de cette section est d’étudier
les propriétés de continuité et de dérivabilité de la fonction
y:O −→ Rn
(t, t0 , y0 , λ0 ) 7−→ y(t, t0 , y0 , λ0 ).
II.2 Continuité
Nous allons dans un premier temps considérer la dépendance par rapport au paramètre λ. Posons ici O =
{(t, λ) ∈ R × Rp , ω− (λ) < t < ω+ (λ)}. On a alors le
Théorème II.1
Sous les hypothèses de la sous-section précédente
(i) O est un ouvert ;
(ii) y : O → Rn est continue.
II. DÉPENDANCES PAR RAPPORTS AUX DONNÉES 21
1.5
0.5
y0
0
−0.5
−1
−1.5
−2
−5 −4 −3 −2 −1 0 1 2 3 4 5
t
Figure 3.4 – Visualisation de l’ensemble {(t, y0 ) tel que (t, 0, y0 ) ∈ O} pour l’exemple ẏ(t) = −y 2 (t), y(t0 ) = y0 .
Pour démontrer ce théorème, nous avons besoin du
Lemme II.2
Soit u(t) une fonction de R à valeurs dans R continue et α et β deux réels strictement positifs. On suppose que
Z t
u(t) ≤ (αu(s) + β)ds,
t0
alors on a
β α(t−t0 )
u(t) ≤ (e − 1).
α
Démonstration
Rt
Posons v(t) = t0 (αu(s) + β)ds, v(t) est la solution du système de Cauchy

ẏ(t) = αy(t) + β
(IV P 7)
y(t0 ) = 0.
Rt
Donc v(t) = (β/α)(eα(t−t0 ) − 1). Considérons maintenant la suite v0 (t) = u(t), . . . , vi (t) = t0 (αvi−1 (t) + β)ds.
Cette suite converge uniformement sur tout compact vers v(t) la solution du problème à valeur initiale linéaire
Rt
(IVP7). Montrons par récurrence que l’on a toujours vi (t) ≤ t0 (αvi (t) + β)ds et vi+1 (t) ≥ vi (t). Nous aurons donc
montrer ainsi que
β α(t−t0 )
(e − 1) = v∞ (t) ≥ v0 (t) = u(t)
α
Ceci est évident pour i = 0. Supposons donc l’inégalité vraie pour i, alors par hypothèse de récurrence
Z t
vi+1 (t) = (αvi (t) + β)ds ≥ vi (t).
t0
Par suite on a, puisque α et β sont strictement positifs
αvi+1 (t) + β ≥ αvi (t) + β.
Et donc Z t
(αvi+1 (t) + β)ds ≥ vi+1 (t).
t0
2
Démonstration
du théorème. Le fait que O soit un ouvert est non trivial. Considérons (t∗ , λ∗ ) ∈ O et supposons pour fixer les
idées que t∗ ≥ t0 (le cas t∗ ≤ t0 se traite de la même manière). Comme y(t∗ , λ∗ ) existe, on a t∗ < ω+ (λ∗ ). On
peut donc choisir t∗ < t1 < ω+ (λ∗ ) et y(t, λ∗ ) est définie pour tout t ∈ [t0 , t1 ]. Définissons alors l’ensemble C =
{(t, y(t, λ∗ ), λ∗ ), t0 ≤ t ≤ t1 } ∈ Ω qui est un compact car c’est l’image du compact [t0 , t1 ] par l’application continue
t → (t, y(t, λ∗ ), λ∗ )). C est un compact de Rn+1 , donc il existe un coefficient de Lebesgue ε > 0 du recouvrement Ω
(cf. (A.II.1)), c’est-à-dire tel que pour tout (t, y, λ∗ ) ∈ C, B((t, y, λ∗ ), ε) ⊂ Ω. Par suite il existe a et b strictement
positifs tels que l’ensemble K = {(t, y, λ) ∈ R × Rn × Rp , t0 ≤ t ≤ t1 , ||y − y(t, λ∗ )|| ≤ a et ||λ − λ∗ || ≤ b} ⊂ Ω.
De plus K est un fermé borné, donc un compact, et ϕ(t, y, λ) est uniformément continue sur K :
∀ε, ∃η, ∀(t1 , y1 , λ1 ) ∈ K, ∀(t2 , y2 , λ2 ) ∈ K, ||(t1 , y1 , λ1 ) − (t2 , y2 , λ2 )|| < η, ⇒ ||ϕ(t1 , y1 , λ1 ) − ϕ(t2 , y2 , λ2 )|| < ε.
Considérons maintenant y(t, t0 , y0 , λ) pour ||λ − λ∗ || < b. Le théorème d’explosion (I.14) implique que y(., t0 , y0 , λ)
quitte le compact K quand t → ω+ (λ). Posons alors t2 = Inf {t, y(t, t0 , y0 , λ) 6∈ K}. On a bien évidemment
t0 < t2 ≤ t1 par définition de K. Nous allons montrer que t2 = t1 .
Z t
||y(t, t0 , y0 , λ) − y(t, t0 , y0 , λ∗ )|| ≤ ||ϕ(s, y(s, t0 , y0 , λ), λ) − ϕ(s, y(s, t0 , y0 , λ∗ ), λ∗ )||ds
t0
Or
||ϕ(s, y(s, t0 , y0 , λ), λ) − ϕ(s, y(s, t0 , y0 , λ∗ ), λ∗ )||

≤ ||ϕ(s, y(s, t0 , y0 , λ), λ) − ϕ(s, y(s, t0 , y0 , λ∗ ), λ)| + ||ϕ(s, y(s, t0 , y0 , λ∗ ), λ) − ϕ(s, y(s, t0 , y0 , λ∗ ), λ∗ )||
≤ k||y(t, t0 , y0 , λ) − y(t, t0 , y0 , λ∗ )|| car ϕ(t, y, λ) est Lipschitz par rapport à y
+ ε uniforme continuité.
Par suite Z t
||y(t, t0 , y0 , λ) − y(t, t0 , y0 , λ∗ )|| ≤ (k||y(t, t0 , y0 , λ) − y(t, t0 , y0 , λ∗ )|| + ε)ds.
t0
Donc en posant u(t) = ||y(t, t0 , y0 , λ) − y(t, t0 , y0 , λ∗ )|| dans le lemme (II.2) on obtient
ε k(t−t0 )
u(t) = ||y(t, t0 , y0 , λ) − y(t, t0 , y0 , λ∗ )|| ≤ (e − 1) = ε2 . (3.1)
k
Prenons maintenant ρ2 ≤ b, ε2 < a et ||λ − λ∗ || < ρ2 , alors (t2 , y(t2 , t0 , y0 , λ∗ ), λ∗ ) ∈ ∂K par définition de t2 , mais
– ||λ − λ∗ || < ρ2 < b ;
– ||y(t, t0 , y0 , λ) − y(t, t0 , y0 , λ∗ )|| ≤ ε2 < a.
Il faut donc que t2 = t1 . En conclusion pour t∗ ≥ t0 , il existe t2 > t∗ et ρ2 > 0 tels que pour tout t, t0 ≤ t ≤ t2 et
tout λ, ||λ − λ∗ || ≤ ρ2 , y(t, t0 , y0 , λ) existe et donc (t, λ) ∈ O. Par une démonstration identique on peut construire
t1 < t∗ et donc un ouvert ]t1 , t2 [×B(λ∗ , ρ) ⊂ O. On en déduit que O est bien un ouvert. Quant-à la continuité, elle
provient immédiatement de (3.1). 2
Théorème II.3
Sous les hypothèses de la sous-section précédente
(i) les fonctions ω− : (t0 , y0 , λ0 ) → ω− (t0 , y0 , y0 ) et ω+ : (t0 , y0 , λ0 ) → ω+ (t0 , y0 , y0 ) sont respectivement semi-
continue inférieurement et semi-continue supérieurement ;
(ii) O est un ouvert ;
(iii) y : O → Rn est continue ;
(iv) si ϕ est indépendante de λ, (t0 , y0 ) ∈ Ω ⊂ R × Rn et si ω− (t0 , y0 ) < a < b < ω+ (t0 , y0 ), alors pour tout
r > 0, il existe s > 0 et M ≥ 0 tels que pour tout (t1 , y1 ) vérifiant t1 ∈ [a, b] et ky1 − y(t1 , t0 , y0 )k ≤ s, on ait
ω− (t1 , y1 ) < a < b < ω+ (t1 , y1 ) et pour tout t ∈ [a, b]
ky(t, t1 , y1 ) − y(t, t0 , y0 )k ≤ r
≤ M |t1 − t0 | + M ky1 − y0 k
Démonstration
cf. [12] page 344 ou [8] 2
Remarque II.4
On suppose ϕ indépendante de λ, ϕ : Ω ∈ R × Rn → Rn , et on considère t0 < t1 . On pose
O0 = {y0 ∈ Rn , (t0 , y0 ) ∈ Ω, t1 < ω+ (t0 , y0 )}

O1 = {y1 ∈ Rn , (t1 , y1 ) ∈ Ω, ω− (t1 , y1 ) < t0 }.
II. DÉPENDANCES PAR RAPPORTS AUX DONNÉES 23
Dire que y0 ∈ O0 , c’est dire que l’intervalle de définition de y(t, t0 , y0 ) contient t1 , le point y(t1 , t0 , y0 ) appartient
alors à O1 . Ces ensembles O0 et O1 sont des ouverts et l’application
R(t0 , t1 ) : O0 −→ O1
y0 7−→ y(t1 , t0 , y0 )
est un homéomorphisme (cf. la figure 3.5).
O0
y
[
O1
]
t_0 t_f
t
Figure 3.5 – Homéomorphisme entre O0 et O1 .
II.3 Dérivée
On suppose dans cette sous-section que Λ = Rp .
Théorème II.5
Soit ϕ : Ω ⊂ R × Rn × Rp → Rn , Ω ouvert, ϕ continue. On suppose que ϕ admet des dérivées partielles continues
par rapport à y et λ
∂ϕ ∂ϕ
: Ω → Mn (R) : Ω → M(n,p) (R).
∂y ∂λ
Alors, la fonction y : O → E est de classe C 1 . Elle est de classe C k , 1 ≤ k ≤ ∞, si ϕ est de classe C k . De plus
∂y
(i) La fonction ∂y0 (., t0 , y0 , λ0 ) :]ω− (t0 , y0 , λ0 ), ω+ (t0 , y0 , λ0 )[→ Mn (R) est la solution au problème de Cauchy
linéaire
1 Ẏ (t) = A(t)Y (t)
(V AR8)
Y (t0 ) = In ,
∂ϕ
où A(t) = ∂y (t, y(t, t0 , y0 , λ0 ), λ0 ) ∈ Mn (R) et In est la matrice identité d’ordre n.
∂y
(ii) La fonction ∂t0 (., t0 , y0 , λ0 ) :]ω− (t0 , y0 , λ0 ), ω+ (t0 , y0 , λ0 )[→ Rn est la solution au problème de Cauchy linéaire

ẏ(t) = A(t)y(t)
(V AR9)
y(t0 ) = −ϕ(t0 , y0 , λ0 ).
∂y
(iii) La fonction ∂λ0 (., t0 , y0 , λ0 ) :]ω− (t0 , y0 , λ0 ), ω+ (t0 , y0 , λ0 )[→ Mn,p (R) est la solution au problème de Cauchy
linéaire
Ẏ (t) = A(t)Y (t) + B(t)
(V AR10)
Y (t0 ) = 0,
∂ϕ
avec B(t) = ∂λ (t, y(t; t0 , y0 , λ0 ), λ0 ) ∈ Mn,p (R).
1. Équations variationnelles.
Démonstration
Supposons que l’on ait la dérivabilité alors, puisque nous avons par définition
Z t
y(t, t0 , y0 , λ0 ) = y0 + ϕ(s, y(s, t0 , y0 , λ0 ), λ0 )ds,
t0
nous pouvons écrire grâce aux théorèmes classiques du calcul intégral

Z t
∂y ∂ϕ ∂y
(t, t0 , y0 , λ0 ) = I + (s, y(s, t0 , y0 , λ0 ), λ0 ) (s, t0 , y0 , λ0 )ds.
∂y0 t0 ∂y ∂y0
D’où le résultat.
Les autres formules s’obtiennent de façon similaire. Pour une démonstration complète du théorème nous renvoyons
à [12] page 350 ou [8] 2
Deuxième partie
Intégration numérique
25
Chapitre 4
Introduction
I Introduction
L’objectif de cette partie est d’étudier les algorithmes numériques utilisés dans les programmes actuels, en
particulier les programmes Ode45 de Matlab [10] et Dopri5 du professeur Hairer [5].
II Exemples
II.1 Exemple 1


 ẏ1 (t) = y1 (t) + y2 (t) + sin t
ẏ2 (t) = −y1 (t) + 3y2 (t)

(IV P )

 y 1 (0) = −9/25
y2 (0) = −4/25.

La solution est
y1 (t) = (−1/25)(13 sin t + 9 cos t)

y2 (t) = (−1/25)(3 sin t + 4 cos t).
Sur cet exemple on constate que si on utilise les valeurs des paramètres par défauts dans les codent d’intégrations
numériques on peut très rapidement obtenir des résultats faux. Par exemple sur la Fig. 4.1, la solution calculée pour
les valeurs par défauts des paramètres RelTol et AbsTol de Ode45 n’est pas du tout périodique.
RelTol=10−3, AbsTol=10−6 RelTol=10−6, AbsTol=10−9

100 1
0 0.5
−100 0
−200 −0.5
−300 −1
−400 −1.5
−500 −2
−600 −2.5
0 2 4 6 8 0 2 4 6 8
t t
RelTol=10−10, AbsTol=10−15 Solution

1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −1
0 2 4 6 8 0 2 4 6 8
t
Figure 4.1 – Solutions calculées avec Ode45, RelTol=10−3 et AbsTol=10−6 , RelTol=10−6 et AbsTol=10−9 ,
RelTol=10−10 et AbsTol=10−15 et solution exacte
27
II.2 Modèle de Lorenz



 ẏ1 (t) = −σy1 (t) + σy2 (t)
 ẏ2 (t) = −y1 (t)y3 (t) + ry( t) − y2 (t)


(IV P ) ẏ3 (t) = y1 (t)y2 (t) − by3 (t)y1 (0) = −8
y2 (0) = 8




y3 (0) = r − 1,

avec σ = 10, r = 28, b = 8/3. La solution est visualisée sur la figure 4.2.
20
y1 10
−10
−20
0 10 20 30 40 50 60 70 80 90 100
t
25 50
20 45
15 40
10 35
5 30
y2
y3
0 25
−5 20
−10 15
−15 10
−20 5
−25 0
−20 −10 0 10 20 −20 −10 0 10 20
y1 y1
Figure 4.2 – Solutions pour le problème de Lorentz.
II.3 Exemple de Roberston

On considère la réaction chimique
0.04
A −→ B (lente),
3.107
B+B −→ C +B (très rapide),
104
B+C −→ B (rapide).
Le système différentiel associé à cette réaction chimique, qui est un exemple de problème raide 1 , est donnée par
−0.04y1 (t) + 104 y2 (t)y3 (t)


 ẏ1 (t) =

 ẏ2 (t) = 0.04y1 (t) − 104 y2 (t)y3 (t) −3.107 y22 (t)



ẏ3 (t) = 3.107 y22 (t)

(IV P )

 y1 (0) = 1
y 2 (0) = 0




y3 (0) = 0,

et la solution calculée par les deux programmes Ode45 et Dopri5 sont visualisées sur la figure 4.3.
1. stiff problem en anglais.

II. EXEMPLES 29
−5
x 10
4
3.5
2.5
y2
1.5
0.5
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
t
Figure 4.3 – Solutions numérique pour le problème raide obtenues par une méthode classique ( Ode45) et par une
méthode pour les équations différentielles raides ( Ode15s)
Chapitre 5
Les méthodes de Runge-Kutta
I Introduction
Exemple I.1 (Orbite d’Arenstorf)
On considère deux corps de masses 1 − µ et µ en rotation circulaire dans le plan et un troisième corps de masse
négligeable dans le même plan. Les équations du mouvement sont
0
ÿ1 (t) = y1 (t) + 2ẏ2 (t) − µ0 y1r(t)−µ − µ y1r(t)−µ

 3 (t) 3 (t)
 1 2
ÿ2 (t) = y2 (t) − 2ẏ1 (t) − µ0 yr32 (t)

(t)
− µ yr32 (t)
(t)





 p 1 2
 r (t) = (y (t) + µ)2 + y 2 (t)

1 1 2
(IV P ) p

 r2 (t) = (y1 (t) − µ0 )2 + y22 (t)



 y1 (0) = 0.994, ẏ1 (0) = 0
 y2 (0) = 0



ẏ2 (0) = −2.00158510637908252240537862224,
avec µ0 = 1 − µ. La solution est alors périodique de période tf = T = 17.0652165601579625588917206249. Elle est

visualisée sur la figure 5.1.
2.5
Euler
RK4
ode45
2
1.5
0.5
Lune
0 Terre
point initial
−0.5
−1
−1.5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
Figure 5.1 – Orbite d’Arenstorf calculée avec Euler (24000 pas équidistants), Rk4 (6000 pas équidistants) et
Ode45 (64 pas variables), cf. [5] page 130.
II Définitions et exemples
On désire calculer la solution sur l’intervalle I = [t0 , tf ] du problème de Cauchy

ẏ(t) = ϕ(t, y(t))
(IV P )
y(t0 ) = y0 .
31
32 CHAPITRE 5. LES MÉTHODES DE RUNGE-KUTTA
On considère pour cela une subdivision t0 < t1 < . . . < tN = tf de I. On note hi = ti+1 − ti , i = 0, N − 1, les
pas, et hmax = maxi (hi ). Nous allons calculer successivement les valeurs approchées y1 , . . . , yN de y(t1 ), . . . , y(tN ).
Définition II.1 (Méthodes à un pas explicite) On appelle méthode à un pas explicite toute méthode pour
laquelle la valeur de yi+1 est calculée de façon explicite en fonction de ti , yi et hi :
yi+1 = yi + hi Φ(ti , yi , hi ). (5.1)
Remarque II.2
Pour simplifier les notations, nous n’écrirons dans la suite que le premier pas
y1 = y0 + hΦ(t0 , y0 , h).
Définition II.3 (Schéma d’Euler (1768)) On appelle méthode d’Euler explicite le schéma
y1 = y0 + hϕ(t0 , y0 ). (5.2)
Remarque II.4 Rt
Le shéma d’Euler explicite est tout simplement une approximation de l’intégrale t01 ϕ(s, y(s))ds par hϕ(t0 , y0 ).
Exemple II.5
ẏ(t) = t2 + y 2 (t)

(IV P )
y(−1.5) = −1.4
3
h:1/2
h=1/4
2.5 h=1/8
solution
1.5
1
y
0.5
−0.5
−1
−1.5
−1.5 −1 −0.5 0 0.5 1 1.5
t
Figure 5.2 – Schéma d’Euler, h = 1/2, 1/4, 1/8.
L’idée évidente pour améliorer la précision numérique est d’approcher cette intégrale par une formule de
quadrature ayant un ordre plus élevé. Si on prend pour approximer l’intégrale le point milieu nous obtenons
h h
y(t1 ) ≈ h0 + hϕ(t0 + , y(t0 + )).
2 2
Mais on ne connaı̂t pas la valeur de y(t0 + h2 ), d’où l’idée d’approximer cette quantité par un pas d’Euler. Nous
obtenons ainsi le schéma de Runge.
Définition II.6 (Schéma de Runge (1895) )
h h
y1 = y0 + hϕ(t0 + , y0 + ϕ(t0 , y0 )). (5.3)
2 2
III. MÉTHODES DE RUNGE-KUTTA EXPLICITE 33
III Méthodes de Runge-Kutta explicite

III.1 Définition
Définition III.1 (Méthode de Runge-Kutta explicite) On appelle méthode de Runge-Kutta explicite à s
étages, la méthode définie par le schéma
k1 = ϕ(t0 , y0 )
k2 = ϕ(t0 + c2 h, y0 + ha21 k1 )
..
. (5.4)
Ps−1
ks = ϕ(t0 + Pcs h, y0 + h i=1 asi ki )
s
y1 = y0 + h i=1 bi ki
où les coefficients ci , aij et bi sont des constantes qui définissent précisément le schéma. On supposera toujours
Pi−1
dans la suite que c1 = 0 et ci = j=1 aij pour i = 2, . . . , s.
On représente en pratique ce schéma par le tableau de Butcher[3], cf. la table 5.1.
c1
c2 a21
c3 a31 a32
.. .. .. ..
. . . .
cs as1 as2 ... ass−1
b1 b2 ... bs−1 bs
Table 5.1 – Tableau de Butcher.
Exemple III.2
On considére par exemple les schémas
0
0 1/3 1/3
0 1/2 1/2 2/3 0 2/3
1 0 1 1/4 0 3/4
Euler Runge Heun
0 0
1/2 1/2 1/3 1/3
1/2 0 1/2 2/3 −1/3 1
1 0 0 1 1 1 −1 1
1/6 2/6 2/6 1/6 1/8 3/8 3/8 1/8
La méthode Rk4 Rk4, règle 3/8
Table 5.2 – Schémas de Runge-Kutta classiques.
Exercice III.3
On considère le schéma de Heun, cf. la table 5.2.
1 Écrire le schéma de Runge-Kutta correspondant.
2 Donner explicitement Φ(t0 , y0 , h).
III.2 Ordre
Rappelons tout d’abord les notations de Landau
Définition III.4 (Notations de Landau) (i) L’équation (5.5) ci-après signifie qu’il existe un voisinage U de
0 et il existe une constante C telle que pour tout h ∈ U on a ke(h)k ≤ C|h|p .
e(h) = O(hp ) (5.5)
(ii) L’équation (5.6) ci-après signifie qu’il existe une fonction ε(h) à valeurs réelles telle que ke(h)k = |h|p ε(h)
avec ε(h) → 0 quand h → 0.
e(h) = o(hp ) (5.6)
Définition III.5 (Ordre) On dit d’une méthode à un pas est d’ordre p ≥ 1 si, pour tout problème de Cauchy avec
ϕ suffisamment dérivable, l’erreur sur un pas, appelée erreur locale satisfait
e(h) = y1 − y(t1 , t0 , y0 ) = O(hp+1 ), (5.7)
où y1 est la valeur calculée par le schéma et y(t1 , t0 , y0 ) est la valeur exacte du problème de Cauchy avec la valeur
initiale y(t0 ) = y0 .
Remarque III.6
Attention, un schéma d’ordre p a une erreur locale en O(hp+1 ). Nous verrons au corollaire (III.17) que c’est l’erreur
globale yN − y(tf , t0 , y0 ) qui est en O(hpmax ).
Exemple III.7
Le schéma d’Euler explicite est d’ordre p = 1 car par définition de la dérivée on a
y(t1 ) = y(t0 + h) = y0 + hẏ(t0 ) + O(h2 ) = y0 + hϕ(t0 , y0 ) + O(h2 )

= y1 + O(h2 )
Nous allons maintenant étudier les relations que doivent vérifier les coefficients aij , bi et ci pour qu’un schéma
de Runge-Kutta explicite à 2 étages soit d’ordre 2. Pour cela nous allons comparer les développements de Taylor à
l’ordre 2 de y1 et de y(t1 , t0 , y0 ). Pour y1 , nous avons
k1 = ϕ(t0 , y0 )
k2 = ϕ(t0 + c2 h, y0 + a21 hk1 )
y1 = y0 + h(b1 k1 + b2 k2 )
= y0 + h(b1 ϕ(t0 , y0 ) + b2 ϕ(t0 + c2 h, y0 + a21 hϕ(t0 , y0 )))
= y0 + h(b1 + b2 )ϕ(t0 , y0 ) + h2 b2 (c2 ϕt (t0 , y0 ) + a21 ϕy (t0 , y0 )ϕ(t0 , y0 )) + O(h3 ).
Quand à la solution exacte sur un pas, nous avons
h2
y(t0 + h, t0 , y0 ) = y0 + hẏ(t0 ) + ÿ(t0 ) + O(h3 )
2
h2
= y0 + hϕ(t0 , y0 ) + (ϕt (t0 , y0 ) + ϕy (t0 , y0 )ϕ(t0 , y0 )) + O(h3 ).
2
Par suite en identifiant les termes des coefficients des puissances de h et en utilisant c2 = a21 , on peut voir que le
schéma sera d’ordre deux si et seulement si on a
1
b1 + b2 = 1 et b2 a21 = .
2
Si on considère la méthode de Runge de la table 5.2, on voit qu’elle est d’ordre 2.
Exercice III.8
On considère le schéma de Runge-Kutta explicite à 3 étages
0
s
c2 a21 X
avec ci = aij ,
c3 a31 a32
j=1
b1 b2 b3
1 Vérifier que, dans le cas d’un système autonome, les relations que doivent vérifier les coefficients pour avoir un
schéma d’ordre 3 sont 
 b1 + b2 + b3 = 1
b2 a21 + b3 a31 + b3 a32 = 12


 b2 a221 + b3 (a231 + 2a31 a32 + a232 ) = 31
b3 a32 a21 = 16


Théorème III.9
Les méthodes de Heun et de Runge-Kutta Rk4 de la table 5.2 sont respectivement d’ordre 3 et 4.
Démonstration
cf. [5]. 2
Remarque III.10
On démontre que :
– p = 4 est possible pour s = 4 et que l’on a 8 conditions ;
– pour avoir p = 5, il faut que s ≥ 6 ;
– pour avoir p = 8, il faut s ≥ 11 et il y a 200 conditions ;
– pour p = 10, il y a 1205 conditions.
III.3 Convergence
Définition III.11 (Erreur de consistance ) Soit y(t) la solution du problème de Cauchy à valeur initiale y(t0 ) =
y0 . L’erreur de consistance ei+1 est l’erreur locale en ti+1 obtenue par le schéma à un pas en partant de la solution
à l’instant ti (cf. Fig. 5.3).
Z ti+1
ei+1 = y(ti+1 ) − yi+1 = ϕ(s, y(s))ds − hi Φ(ti , y(ti ), hi ). (5.8)
ti
y(ti+1 , ti , y(ti ))
← ei+1
yi+1
y(ti )
ti ti+1
Figure 5.3 – Erreur de consistance du schéma d’Euler.
Définition III.12 On dit qu’une méthode à un pas est consistante avec l’équation différentielle ẏ(t) = ϕ(t, y(t)) si
pour toute solution y(.) de l’équation différentielle on a
N
X −1 N
X −1
kei k = ky(ti+1 ) − hi Φ(ti , y(ti ), hi )k → 0, (5.9)
i=0 i=0
lorsque hmax = maxi (hi ) → 0.
Définition III.13 (Méthode stable) On dit qu’une méthode à un pas est stable si et seulement si il existe une
constante S indépendante de h telle que pour toutes suites
yi+1 = yi + hi Φ(ti , yi , hi ) 0≤i≤N −1 (5.10)

yei+1 = yei + hi Φ(ti , yei , hi ) + εi+1 0 ≤ i ≤ N − 1, (5.11)
on ait
N
X
max ke
yi − yi k ≤ S(ke
y0 − y0 k + kεi k). (5.12)
0≤i≤N
i=1
Définition III.14 Une méthode à un pas est convergente si pour toute solution exacte y(t), la suite (yi )i définie
par yi+1 = yi + hi Φ(ti , yi , hi ) vérifie
max ky(ti ) − yi )k → 0, (5.13)
0≤i≤N
lorsque y0 → y(t0 ) et hmax → 0.
Remarque III.15
La quantité max0≤i≤N ky(ti ) − yi )k dans l’équation (5.13) est l’erreur globale.
Calculons cette erreur globale. Posons yei = y(ti ). Par définition de l’erreur de consistance on a
yei+1 = yei + hi Φ(ti , yei , hi ) + ei+1 .
Si la méthode est stable, nous en déduisons que

X
max (ky(ti ) − yi k) ≤ S(ke
y0 − y0 k + kei k).
0≤i≤N
1≤i≤N
Nous en déduisons le théorème
Théorème III.16
Si la méthode est stable et consistante, alors, elle est convergente.
Corollaire III.17
Si la méthode est stable, consistante, d’ordre p et si ye0 = y0 alors l’erreur globale est en O(hp ).
Démonstration
Il suffit d’écrire (cf. Fig 5.4) que
X
max ky(ti ) − yi k ≤ S kei+1 k
0≤i≤N
0≤i≤N −1
Chp+1
X
≤S i
0≤i≤N −1
X
≤ SC(hmax )p hi
0≤i≤N −1
≤ SC(tf − t0 )(hmax )p
← Se0 ← e2 = Se2
← Se1 ← Se1
← Se0
← e2
← e1
← e1
← e0 ← e0
y0 y0
t0 t1 t2 t3 t0 t1 t2
Figure 5.4 – Convergence, attention l’erreur de consistance et la propagation des erreurs sont visualisées sur le
graphique de droite et non de gauche.
2
Théorème III.18
Une méthode à un pas est consistante si et seulement si
∀(t, y) ∈ [t0 , tf ] × Rn , Φ(t, y, 0) = ϕ(t, y).
Démonstration
Par définition, nous avons
ei+1 = y(ti+1 ) − y(ti ) − hi Φ(ti , y(ti ), hi ).
Le théorème des accroissements finis appliqué à y(t) sur l’intervalle [ti , ti+1 ] implique qu’il existe ci ∈]ti , ti+1 [ tel que
y(ti+1 ) − y(ti ) = hi ẏ(ci ) = hi ϕ(ci , y(ci )).
Par suite, nous pouvons écrire
ei+1 = hi (ϕ(ci , y(ci )) − Φ(ti , y(ti ), hi )) = hi (αi + βi )

αi = ϕ(ci , y(ci )) − Φ(ci , y(ci ), 0)
β = Φ(ci , y(ci ), 0) − Φ(ti , y(ti ), hi ).
Or la fonction (t, h) → Φ(t, y(t), h) est continue. Elle est donc uniformément continue sur le compact [t0 , tf ] × [0, δ],
et donc pour tout ε > 0, il existe η > 0, tels que hmax ≤ η(⇒ |ci − ti | < η) ⇒ kβi k < ε.
N
X −1 N
X −1
| (kei+1 k − hi kαi k)| ≤ |kei+1 k − hi kαi k|
i=0 i=0
N
X −1
≤ kei+1 − hi αi k
i=0
N
X −1
≤ khi βi k ≤ ε(tf − t0 )
i=0
PN PN −1
Par suite, si les limites existent, on a limhmax →0 i=1 kei k = limhmax →0 i=0 hi kαi k. Or, par définition de l’intégrale
de Riemann, nous avons
Z tf X
kϕ(t, y(t)) − Φ(t, y(t), 0)kdt = lim hi kϕ(ξi , y(ξi )) − Φ(ξi , y(ξ), 0)k,
t0 hmax →0
i
ξi ∈ [ti , ti+1 ]. Donc la méthode est consistante si et seulement si

Z tf
kϕ(t, y(t)) − Φ(t, y(t), 0)kdt = 0
t0
⇐⇒ ϕ(t, y(t)) = Φ(t, y(t), 0).
Théorème III.19 (Condition suffisante de stabilité)

Pour que la méthode à un pas explicite soit stable il suffit que Φ soit Lipchitzienne en y : il existe Λ tel que pour
tout t ∈ [t0 , tf ], h ≥ 0 et pour tout (y1 , y2 ) ∈ R2 on ait
kΦ(t, y1 , h) − Φ(t, y2 , h)k ≤ Λky1 − y2 k.
On peut alors prendre comme constante de stabilité S = eΛ(tf −t0 ) .
Lemme III.20 (Lemme de Gronwall)

Soient (hi )i , (θi )i et (εi )i des suites telles que
θi+1 ≤ (1 + Λhi )θi + |εi+1 |, (5.14)
alors
i−1
X
θi ≤ eΛ(ti −t0 ) θ0 + eΛ(ti −tk+1 ) |εk+1 |. (5.15)
k=0
Démonstration
Démontrons le résultat par récurrence. Pour i = 0, l’inégalité (5.15) devient θ0 ≤ θ0 . Pour i = 1, l’inégalité (5.14)
s’écrit θ1 ≤ (1 + Λh0 )θ0 + |ε1 |. Il suffit alors de remarquer que (1 + Λh0 ) ≤ eΛ(t1 −t0 ) pour conclure.
Supposons donc maintenant que l’assertion soit vraie pour i − 1 et montrons là pour i.
θi+1 ≤ (1 + Λhi )θi + |εi+1 |

i−1
X
Λ(ti+1 −ti ) Λ(ti −t0 )
≤e (e θ0 + eΛ(ti −tk+1 ) |εk+1 |) + |εi+1 |
k=0
i
X
≤ eΛ(ti+1 −t0 ) θ0 + eΛ(ti+1 −tk+1 ) |εk+1 |.
k=0
2
Démonstration
du théorème III.19. On considère les deux suites
yi+1 = yi + hi Φ(ti , yi , hi )
yei+1 = yei + hi Φ(ti , yei , hi ) + εi .
Comme Φ est Lipchitzienne par rapport à la variable y, nous avons
kyi − yei k ≤ kyi − yei k + hi Λkyi − yei k + kεi+1 k
Posons θi = kyi − yei k, le lemme de Gronwall III.20 implique alors que

i−1
X
θi ≤ eΛ(ti −t0 ) θ0 + kεk+1 k.
k=0
Mais ti − t0 ≤ tf − t0 et ti − tk+1 ≤ tf − t0 , ce qui donne

N
X −1
max (θi ) ≤ eΛ(tf −t0 ) (θ0 + kεk + 1k).
0≤i≤N
k=0
2
En conclusion lorsque le pas est constant, si nous notons f e = N s le nombre total d’évaluations du deuxième
membre ϕ(t, y) de l’équation différentielle, l’erreur globale en tf pour une méthode à un pas explicite d’ordre p
stable et consistante s’écrit
err = Chp
= C(tf − t0 )p sp (f e)−p
= C(p)(f e)−p .
Soit, en passant au logarithme en base 10
log10 (err) = log10 (C(p)) − p log10 (f e).
Ceci est illustré, pour l’équation Van der Pol (cf. page 140 de [5])

 ẏ1 (t) = y2 (t) 2

ẏ2 (t) = (1 − y1 (t))y2 (t) − y1 (t)

(IV P )

 y1 (0) = 2.00861986087484313650940188
y2 (0) = 0,

avec tf = T = 6.6632868593231301896996820305, sur la Fig. 5.5 où la pente de la droite est −p.
IV Erreurs d’arrondi
On considère sur [0, 1] l’équation différentielle ordinaire

ẏ(t) = y(t)
(IV P )
y(0) = 1.
Si on considère le schéma de Runge on a
V. CONTRÔLE DU PAS 39
0 0
Euler
−2 Euler −2
Runge
−4 Runge −4
log10(erreur pour y1)
log (erreur pour y )

2
Heun Heun
−6 −6
Rk4
10
Rk4
−8 −8
−10 −10
−12 −12
2 2.5 3 3.5 4 4.5 2 2.5 3 3.5 4 4.5
log10(fe) log10(fe)
Figure 5.5 – Erreur globale, pour chaque composante, en fonction du nombre d’évaluations, pour l’équation de Van
der Pol (E. Hairer, S.P. Norsett and G. Wanner, Tome I, page 140).
−9
x 10
5
4
erreur globale
0
0 0.5 1 1.5 2 2.5 3
−5
x 10
−12
x 10
8
erreur globale (Horner)
0
0 0.5 1 1.5 2 2.5 3 3.5 4
h −6
x 10
Figure 5.6 – Erreurs globales en fonction du pas h pour le schéma de Runge ; en haut y1 = (1 + h + h2 /2)y0 et en
bas y1 = y0 + h(y0 + (h/2)y0 ), hopt = 6.26 10−6 , J.P. Demailly page 218
(i) Calcul 1
k1 = y0
k2 = y0 + (h/2)y0
y1 = y0 + h(y0 + (h/2)y0 )
(ii) Calcul 2 y1 = (1 + h + h2 /2)y0

Donc ei ∼ h3 yi /6 d’où ei ≤ Ch3 avec C = e/6 sur [0, 1]. Par suite
1/3
macheps
hopt ≥ = 6.26 10−6
2e/6
V Contrôle du pas
V.1 Introduction
La question qui se pose maintenant est le choix du pas ; sachant qu’un calcul à pas constant est en général
inefficace (cf. Fig 5.1). L’idée est de choisir les pas afin que l’erreur locale soit partout environ égale à une tolérance
T ol fournie par l’utilisateur. Il faut pour cela avoir une estimation de cette erreur locale.
V.2 Extrapolation de Richardson

Pour simplifier la présentation, nous supposons ici que la dimension de l’équation différentielle est n = 1.
L’idée de Richardson [9] est de calculer 2 pas d’une longueur h d’une méthode de Runge-Kutta d’ordre p. En
partant de y0 , on obtient ainsi les valeurs de y1 et de y2 . On calcule ensuite un grand pas de longueur 2h et on
obtient une nouvelle quantité ȳ2 . L’erreur locale en t1 = t0 + h est e1 = y(t0 + h) − y1 = Chp+1 + O(hp+2 ). Quant-à
l’erreur en t2 = t0 + 2h pour la première méthode elle est elle composée de deux parties
y(t2 , t0 , y0 ) − y2 = (y(t2 , t0 , y0 ) − y(t2 , t1 , y1 )) + (y(t2 , t1 , y1 ) − y2 )

= (y(t2 , t1 , y(t1 , t0 , y0 )) − y(t2 , t1 , y1 )) + e2
∂y
= (t2 , t1 , y1 )e1 + e1 ε(e1 ) + e2
∂y1
Z t2
∂ϕ ∂y
= (I + (s, t1 , y1 ) (s, t1 , y1 )ds)e1 + e1 ε(e1 ) + e2
t1 ∂y ∂y1
∂φ
= (I + h (t1 , y1 ) + O(h2 ))e1 + e2
∂y
= (I + O(h))Chp+1 + Chp+1 + O(hp + 2)
= 2Chp+1 + O(hp+2 ).
Pour la deuxième méthode on a
ē2 = y(t0 + 2h, t0 , y0 ) − ȳ2 = C((2h)p+1 ) + O(hp+2 ).
Nous en déduisons alors l’estimation de l’erreur

1
y(t0 + 2h, t0 , y0 ) − y2 = (y(t0 + 2h, t0 , y0 ) − ȳ2 ) + O(hp+1 )
2p
y2 − ȳ2
= p + O(hp+2 ).
2 −1
Remarque V.1
Si on pose ŷ2 = y2 + y22p−ȳ
−1 , l’erreur local est en O(h
2 p+2
). Nous pouvons donc ainsi construire à partir d’une méthode
d’ordre p, une méthode d’ordre p + 1. Cette méthode est implémenté en particulier dans le code Odex des professeurs
Hairer et Wanner[5].
V.3 Méthode de Runge-Kutta emboı̂tées

On considère deux schémas de Runge-Kutta à s étages d’ordre p et p̂ = p − 1 emboı̂tés, c’est-à-dire avec les
mêmes coefficient aij . Nous pourrons alors par différence estimer l’erreur locale
e1 ∼ y1 − ŷ1 = (y1 − y(t1 , t0 , y0 )) + (y(t1 , t0 , y0 ) − yˆ1 ) = O(hp+1 ) + O(hp̂+1 ) = O(hp̂+1 )

= Chp̂+1 .
Exemple V.2 (Méthode de Runge-Kutta emboı̂tées Rk2(1))
0
1/2 1/2
0 1
1 0
k1 = f (t0 , y0 )
k2 = f (t0 + h/2, y0 + h/2k1 )
y1 = y0 + hk2 Runge
ŷ1 = y0 + hk1 Euler
estimation de l’erreur locale : ||y1 − ŷ1 || = h||k2 − k1 ||

V. CONTRÔLE DU PAS 41
0
1/3 1/3
2/3 −1/3 1
1 1 −1 1
1 1/8 3/8 3/8 1/8
1/12 1/2 1/4 0 1/6
k1 = f (t0 , y0 )
k2 = f (t0 + h/3, y0 + (h/3)k1 )
k3 = f (t0 + 2h/3, y0 + h(−k1 /3 + k2 ))
k4 = f (t + h, y0 + h(k1 − k2 + k3 ))
y1 = y0 + (h/8)(k1 + 3k2 + 3k3 + k4 ) 0(h5 )
ŷ1 = y0 + (h/12)(k1 + 6k2 + 3k3 + 2f (t0 + h, y1 )) O(h4 )
L’idée est alors d’accepter le pas si ||y1 − ŷ1 || < T ol. La norme choisie est en générale
s
yi1 − ŷi1

1X
||y1 − ŷ1 || = .
n i 1 + max(|yi0 |, |yi1 |)
On peut aussi écrire ceci err < 1, où s

yi1 − ŷi1

1X
err =
n i sci
et sci = T ol + T ol max(|yi0 |, |yi1 |). En pratique on prend sci = Atoli + Rtoli max(|yi0 |, |yi1 |).
Remarque V.4
– Si Rtoli = 0, on a pour cette composante une erreur locale absolue.
– Si Atoli = 0 on a pour cette composante une erreur locale relative.
– Dans Ode45 Rtol est un scalaire et Atol est un vecteur.
– Dans Dopri5 Rtol et Atol sont des vecteurs.
Il nous reste maintenant à déterminer la mise à jour du pas. Comme||y1 − ŷ1 || ≈ Chp̂+1 , et que l’on veut
1/(p̂+1)
1 1/(p̂+1)
Chp̂+1 T ol T ol

opt = T ol, on peut estimer que C = hp̂+1 . On en déduit que hopt = 0.9h ||y1 −ŷ1 || = 0.9h err .
opt
Le coefficient 0.9 est un coefficient de sécurité. Afin d’éviter de plus des variations brusques du pas on imposera en
pratique que 0.2 ≤ hopt ≤ 5h.En conclusion on obtient l’algorithme suivant.
Algorithme V.5 (Contrôle du pas)

Calculer les sci = Atoli + Rtoli max(|yi0 |, |yi1 |)
Calculer v
u n
u 1 X yi1 − ŷi1 2

err = ||y1 − ŷ1 || = t
n i=1 sci
si err < 1 alors

Le pas est accepté
fin si p
Calculer le nouveau pas : h = h min(5, max(0.2, 0.9 p̂+1 1/err))
si t + h > tf alors
h = tf − t
fin si
Quand au pas initiale, nous donnons ci-après l’algorithme implémenté dans Dopri5.
Algorithme V.6 (Pas initial Dopri5) qP

n yi 2
Ici sci = Atol + Rtol|yi | et ||y|| = i=1 ( sci ) .
Calcul d’un premier pas d’Euler
k0 = f (t0 , y0 ), d0 = ||y0 ||, d1 = ||k0 ||
y1 et y2
4
0
0 2 4 6 8 10 12 14 16 18 20
0
10
−1
10
pas acceptés
pas rejetés
−2
10
0 2 4 6 8 10 12 14 16 18 20
−4
10
−6
10
0 2 4 6 8 10 12 14 16 18 20
t
erreur local estimée
erreur locale "exacte"
erreur globale "exacte"
Figure 5.7 – Solutions, pas acceptés et rejetés, erreurs locales estimés, ”exactes” et erreurs globales ”exactes”.
L’intégration est effectuée avec rk34 (règle 3/8 pour l’ordre 4) et les solutions ”exactes” sont calculées avec ode45,
E. Hairer, S.P. Norsett and G. Wanner, Tome I, page 170.
h0 = 0.01 dd01 {le pas est petit par rapport à la solution}

si d0 < 10−5 ou d1 < 10−5 alors
h0 = 10−6
fin si
h0 = min(hmax , h0 )
y1 = y0 + h0 k0 {pas d’Euler}
Estimation de la dérivée seconde
k1 = f (t0 + h0 , y1 )
d2 = ||k1 − k0 ||/h0
si max(d1 , d2 ) < 10−15 alors
h1 = max(10−6 , 10−3 h0 )
sinon
h1 = (0.01/ max(d1 , d2 ))1/p {h1 tel que hp̂+1
1 max(d1 , d2 ) = 0.01}
fin si
h = min(100h0 , h1 , hmax )
Illustrons maintenant cet algorithme sur l’équation du Brusselator
ẏ1 (t) = 1 + y12 (t)y2 (t) − 4y1 (t)



ẏ2 (t) = 3y1 (t)) − y12 (t)y2 (t)


(IV P )

 y1 (0) = 1.5
y2 (0) = 3,

La Fig. 5.7 donne pour tf = 20 la solution calculée, les pas acceptés et rejetés et les erreurs commises.

Paires de Bogacki-Shampine utilisés dans Ode23 de Matlab.
0
1/2 1/2
3/4 0 3/4
2/9 1/3 4/9
7/24 1/4 1/3 1/8
VI. LES MÉTHODES DE RUNGE-KUTTA IMPLICITES 43
k1 = f (t0 , y0 )
k2 = f (t0 + h/2, y0 + h/2k1 )
k3 = f (t0 + 3/4h, y0 + 3/4hk2 )
y1 = y0 + h(2/9k1 + 3/9k2 + 4/9k3 ) O(h4 )
ŷ1 = y0 + h(7/24k1 + 1/4k2 + 1/3k3 + 1/8f (t1 , y1 )) O(h3 )
estimation de l’erreur locale : ||y1 − ŷ1 || = (h/72)|| − 5k1 + 6k2 + 8k3 − 9f (t1 , y1 )||

Paires de Dormand Prince utilisé dans Ode45 et Dopri5.
0
1 1
5 5
3 3 9
10 40 40
4 44
5 45 − 56
15
32
9
8 19372
9 6561 − 25360
2187
64448
6561 − 212
729
9017
1 3168 − 355
33
46732
5247
49
176
5103
− 18656
35 500 125 2187 11
1 384 0 1113 192 − 6784 84
5179 7571 393 92097 187 1
57600 0 16695 640 − 339200 2100 40
VI Les méthodes de Runge-Kutta implicites

Définition VI.1 (Méthode de Runge-Kutta implicite) On appelle méthode de Runge-Kutta implicite à s
étages, la méthode définie par le schéma
Ps
ki = ϕ(t0 + ci h, y0 + h j=1 aij kj ) pour i = 1, . . . , s
(S) Ps (5.16)
y1 = y0 + h i=1 bi ki
où les coefficients ci , aP

ij et bi sont des constantes qui définissent précisément le schéma. On supposera toujours
s
dans la suite que ci = j=1 aij pour i = 1, . . . , s.
Remarque VI.2
La méthode est implicite car sur chaque pas, il faut résoudre un système d’équations non linéaires.
On représente en pratique ce schéma par le tableau de Butcher, cf. la table 5.3.
c1 a11 ... a1s

.. .. .. ..
. . . .
cs as1 ... ass
b1 ... bs
Table 5.3 – Tableau de Butcher.
Exemple VI.3 (Euler implicite)
y1 = y0 + hϕ(t1 , y1 )
1 1
1
Exemple VI.4 (Trapèze)
y1 = y0 + h(ϕ(t0 , y0 ) + ϕ(t1 , y1 ))
0
1/2 1/2 1/2
1/2 1/2
Exemple VI.5 (Point milieu)
y1 = y0 + h(ϕ(t0 + h/2, (y0 + y1 )/2))

1/2 1/2
1
Exemple VI.6 (Gauss implicite à deux étage d’ordre 4)

√ √
1/2 − √3/6 1/4
√ 1/4 − 3/6
1/2 + 3/6 1/4 + 3/6 1/4
1/2 1/2
Théorème VI.7
On suppose ϕ : R × Rn → Rn continue et Lipchitzienne par rapport à la deuxième variable y de constante L. Si
1
h< P
L maxi ( j |aij |)
alors il existe une unique solution à (S) (cf. (5.16)). Si ϕ(t, y) est C p , alors les ki sont aussi C p .
Exercice VI.8
Démonstration du théorème (VI.7)
1 Démontrer l’existence et l’unicité de la solution de (S) (utiliser le théorème du point fixe).
2 Démontrer que les ki sont C p si ϕ est C p (utiliser le théorème des fonctions implicites).
Nous allons maintenant voir le lien entre les méthodes de Runge-Kutta implicites et les méthodes de collocation.
Ces dernières méthodes consistent à chercher sur chaque intervalle d’une discrétisation en temps un polynôme u de
degré s dont les dérivées coı̈ncident 1 en s points donnés à ϕ(t0 + ci h, u(t0 + ci h)).
Définition VI.9 (Méthode de collocation) Soit s ≥ 1 et c1 , . . . , cs , s points distincts de [0, 1], on définit
l’unique polynôme u(t) de degré s vérifiant
u(t0 ) = y0
u0 (t0 + ci h) = ϕ(t0 + ci h, u(t0 + ci h)).
La méthode de collocation consiste alors à calculer y1 par
y1 = u(t0 + h).
Théorème VI.10 ([4, 14])

La méthode de collocation est équivalente à une méthode de Runge-Kutta implicite à s étages avec
Z ci Z 1
aij = lj (t)dt bj = lj (t)dt i, j = 1, . . . , s,
0 0
où lj (t) est le polynôme de Lagrange.

Y t − ck
lj (t) = .
cj − ck
k6=j
1. co-locate en anglais.
VII. EXERCICES 45
Remarque VI.11
Pour résoudre sur chaque pas le système d’équations non linéaires, on peut soit utiliser un point fixe (cf. la
démonstration du théorème (VI.7)), soit utiliser un algorithme de type Newton. Nous allons donner ici le cas le
plus simple d’un algorithme du point fixe, sachant qu’en pratique, il est préférable d’utiliser un algorithme du type
Newton (cf. IV.8 page 118 de [5]).
Algorithme VI.12
Initialisation
N = nombre de pas
fpeps= epsilon pour le point fixe
fpitermax= nombre maximum d’itérations pour le point fixe
h = (tf − t0 )/N
pour l = 1 à N faire
Initialiser les ki = f (t0 + ci h, y0 )
normprog=1 ; nbiter=0
tant que (normprog>fpeps) et (nbiter≤fpitermax)
Ps faire
Calculer les newki = f (t0 + ci h, y0 + h j=1 aij kj ) pour i = 1, . . . , s
Calculer normprog=||(newk1 − k1 ; . . . ; newks − ks )||
ki := newki pour i = 1, . . . , s
nbiter=nbiter+1
fin tant que
t0 = t0 + h P
s
y0 = y0 + h j=1 bj kj
fin pour
VII Exercices
Exercice VII.1
1 Appliquez un pas d’une méthode de Runge-Kutta explicite à s étages à l’équation ẏ(t) = y(t), y(0) = 1 et montrez
que y1 est un polynôme en h de degré s.
2 En déduire que l’ordre d’une méthode de Runge-Kutta explicite ne peut être plus grand que le nombre d’étages :
p ≤ s.
Exercice VII.2
On rappelle qu’un système non autonome peut toujours s’écrire sous forme autonome. En effet si on considère le
problème à valeur initiale
ẏ(t) = ϕ(t, y(t))
(IV P )
y(t0 ) = y0 ,
et si on pose t = t0 + τ , τ ∈ [0, tf − t0 ], on a
 dt
(τ ) = 1  dz
 dτ dτ (τ )
=ϕ(z(τ
e ))

dy

dτ (τ ) = ϕ(t(τ ), y(τ ))

(IV P ) ⇐⇒ ⇐⇒ t
τ (0) = t0  z(0) = 0 ,
y0


y(0) = y0 ,

avec
t(τ ) 1
z(τ ) = et ϕ(z(τ )) = .
y(τ ) ϕ(t(τ ), y(τ ))
e
1 Écrire ce que devient le schéma de Runge-Kutta explicite à s étages dans le cas autonome, c’est-à-dire avec la
variable z : e
k1 = ....
Pi−1
2 On pose g1 = z0 et gi = z0 + h j=1 aij ϕ(g
e j ) pour i = 1, . . . , s. Écrire ce que donne ce schéma de Runge-Kutta
explicite avec ces notations.
3 En considérant la première composante des gi et de y1 , montrer que l’on doit avoir

s
X i−1
X
bi = 1 et aij = ci , ∀i = 2, . . . , s
i=1 j=1
Exercice VII.3
2
On considère l’équation différentielle de Cauchy du deuxième ordre et autonome (on considère pour simplifier ici
que y(t) ∈ R) 
 ÿ(t) = ϕ(y(t))
(IV P ) y(t0 ) = y0
ẏ(t0 ) = ẏ0 .

.
T
1 On pose z(t) = ẏ(t) et u(t) = y(t) z(t) . Écrire le système (IV P ) sous la forme d’un système à condition
initiale du premier ordre.
2 On considère maintenant le schéma de Nyström suivant


 k1 = ϕ(y0 )
2

k 2 = ϕ(y0 + hα1 z0 + (h /2)α2 k1 )




Φ1 (u0 , h) = Φ1 (y0 , z0 , h) = z0 + (h/2)(γ1 k1 + γ2 k2 )

 Φ2 (u0
 , h) = Φ2 (y0 , z0 , h) = (1/2)(δ
1 k1 + δ2k2 )
y y Φ1 (y0 , z0 , h)

1 0

 u1 = = u0 + hΦ(u0 , h) = +h


z1 z0 Φ2 (y0 , z0 , h)
Montrer que la méthode est consistante si et seulement si δ1 + δ2 = 2.
3 Donner le développement limité à l’ordre 2 de k2 : k2 = ϕ(y0 ) + · · · .
4 Donner les relations que doivent vérifier les coefficients pour que la méthode soit d’ordre 3.
2. sujet 36 page 83, Calcul différentiel et équations différentielles, Azé, Constans, Hiriart-Urruty, Dunod, 2002.
Chapitre 6
Sortie dense, discontinuités, dérivées
I Sortie dense
I.1 Objectif
Les intégrateurs numériques ne donnent les résultats qu’aux points de la subdivision t0 < t1 < . . . < tN (celle-ci
étant déterminée a priori pour les méthodes à pas fixes et a posteriori pour les méthodes à pas variables), or
l’utilisateur peut vouloir calculer la solution en tout point de l’intervalle [t0 , tf ] ou sur une grille très fine. L’objectif
de ce qui est appelé dans la littérature la sortie dense 1 est de répondre à ce besoin. La sortie dense est en autre
nécessaire :
– pour faire le tracé de la solution (cf. la trajectoire tracée dans le cas de l’utilisation d’Ode45 sur la figure 5.1) ;
– pour détecter un événement, on intègre le système différentiel jusqu’à l’instant T où E(y(T )) = 0 (cf. la
sous-section I.3 ci-après) ;
– pour intégrer les équations différentielles à second membre discontinue (cf. la sous section I.4 ci-après).
On désire donc sur un pas [t0 , t1 ] avoir une approximation peu coûteuse de la solution y(t) = y(t0 + θh), θ ∈ [0, 1],
c’est-à-dire qui ne nécessite pas d’évaluation supplémentaire du second membre de l’équation différentielle, et
de même ordre que la solution aux points de la subdivision t0 , . . . , tN . Cette approximation sera en pratique un
polynôme u(θ) ≈ y(t0 + θh) de degré p∗ = p − 1. Si on choisit correctement ce polynôme, nous pouvons avoir une
erreur d’approximation en O(θp ). En ajoutant cette erreur à l’erreur globale qui est en O(hp ) pour un schéma
d’ordre p, nous obtiendrons bien ce que nous voulons.
I.2 Calcul de la sortie dense

Une solution simple pour un schéma de Runge-Kutta d’ordre 4 est de considérer l’interpolation de l’Hermite,
c’est-à-dire de déterminer l’unique polynôme de degré 3 tel que
u(0) = y0 u̇(0) = ϕ(t0 , y0 )h
u(1) = y1 u̇(1) = ϕ(t1 , y1 )h.
On obtient ainsi le polynôme suivant
u(θ) = (1 − θ)y0 + θy1 + θ(θ − 1)((1 − 2θ)(y1 − y0 ) + (θ − 1)hϕ(t0 , y0 ) + θhϕ(t1 , y1 )).
Remarque I.1
– La solution approximée ainsi est C 1 ;
– pour calculer le polynôme, il faut calculer ϕ(t1 , y1 ), mais comme cette valeur est calculer au pas suivant, il ne
s’agit pas d’une évaluation supplémentaire de ϕ.
Dans le cas général, on suppose que l’on part d’une méthode de Runge-Kutta d’ordre p à s étages. On rajoute
s∗ − s étage et on cherche le polynôme u(θ) sous la forme
∗
s
X
u(θ) = y0 + bi (θ)ki .
i=1
En générale on prend s∗ ≥ s + 1 avec ks+1 = ϕ(t1 , y1 ). On cherche alors les polynômes bi (θ) tels que
∗
u(θ) − y(t0 + θh) = O(hp +1
).
1. dense output en anglais.
47
48 CHAPITRE 6. SORTIE DENSE, DISCONTINUITÉS, DÉRIVÉES
Exemple I.2
Pour la méthode Rk4, s = s∗ = 4, on peut prendre
3θ2 2θ3
b1 (θ) = θ − +
2 3
2θ2
b2 (θ) = b3 (θ) = θ2 −
3
θ2 2θ3
b4 (θ) = − + .
2 3
u(θ) est alors continue sur [t0 , tf ], mais non C 1 .
Exemple I.3
Pour la paire de Dorman-Prince (Dopri5 et Ode45) on trouvera les valeurs des bi (θ) page 192 de [5].
Remarque I.4
La sortie dense permet aussi d’obtenir une approximation polynomiale des dérivées u(k) (θ) et donc des y (k) (t0 + θh) :
∗
h−k u(k) (θ) − y (k) (t0 + θh) = O(hp +1−k
).
I.3 Détection d’évènements

L’objectif est de déterminer l’instant t tel que ψ(t, y(t)) = 0 ∈ R.
Algorithme I.5
si ψ(ti , yi )ψ(ti+1 , yi+1 ) ≤ 0 alors
Déterminer τ = ti + θhi et yτ , θ ∈ [0, 1] tel que g(θ) = ψ(ti + θh, u(θ)) = 0 {u(θ) est la sortie dense sur
[ti , ti+1 ].}
ti+1 = ti + θhi
yi+1 = u(ti + θhi )
fin si
Exemple I.6 (Balle qui rebondie)

>> help ballode
BALLODE Run a demo of a bouncing ball.
This is an example of repeated event location, where the initial
conditions are changed after each terminal event. This demo computes ten
bounces with calls to ODE23. The speed of the ball is attenuated by 0.9
after each bounce. The trajectory is plotted using the output function
ODEPLOT.
See also ODE23, ODE45, ODESET, ODEPLOT, FUNCTION_HANDLE.
>> orbitode
Exemple I.7 (Problème aux trois corps restreints)

>> help orbitode
ORBITODE Restricted three body problem.
This is a standard test problem for non-stiff solvers stated in Shampine
and Gordon, p. 246 ff. The first two solution components are
coordinates of the body of infinitesimal mass, so plotting one against
the other gives the orbit of the body around the other two bodies. The
initial conditions have been chosen so as to make the orbit periodic.
Moderately stringent tolerances are necessary to reproduce the
qualitative behavior of the orbit. Suitable values are 1e-5 for RelTol
and 1e-4 for AbsTol.
ORBITODE runs a demo of event location where the ability to

specify the direction of the zero crossing is critical. Both
the point of return to the initial point and the point of
maximum distance have the same event function value, and the
direction of the crossing is used to distinguish them.
II. CALCUL DE LA DÉRIVÉE 49
The orbit of the third body is plotted using the output function
ODEPHAS2.
L. F. Shampine and M. K. Gordon, Computer Solution of Ordinary

Differential Equations, W.H. Freeman & Co., 1975.
See also ODE45, ODE23, ODE113, ODESET, ODEPHAS2, FUNCTION_HANDLE.
>> orbitode
This is an example of event location where the ability to

specify the direction of the zero crossing is critical. Both
the point of return to the initial point and the point of
maximum distance have the same event function value, and the
direction of the crossing is used to distinguish them.
Calling ODE45 with event functions active...
Note that the step sizes used by the integrator are NOT
determined by the location of the events, and the events are
still located accurately.
I.4 Intégration d’équations différentielles à second membre discontinues
ẏ(t) = t2 + 2y 2 (t) si (t + 0.05)2 + (y(t) + 0.15)2 ≤ 1

(IV P )
ẏ(t) = 2t2 + 3y 2 (t) − 2 si (t + 0.05)2 + (y(t) + 0.15)2 > 1
35
pas acceptés
pas rejetés
30
25
Nombre de pas
20
15
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t
Figure 6.1 – Utilisation du pas variable, programme myode43.m, E. Hairer, S.P. Norsett and G. Wanner, Tome I,
page 197.
II Calcul de la dérivée
II.1 Différences finies externes
∂y 1
(tf , y0 ) ≈ (y(tf , y0 + δej ) − y(tf , y0 )),
∂y0j δ
où e1 , . . . , en désigne la base canonique de Rn .
50 CHAPITRE 6. SORTIE DENSE, DISCONTINUITÉS, DÉRIVÉES
II.2 Équation variationnelle

∂y
∂y0j (tf , y0 ) est la solution Yj (tf ) du système de Cauchy

 ẏ(t) = ϕ(t, y(t))
 ˙
Yj (t) = ∂ϕ

(EQ)j ∂y (t, y(t))Yj (t)
 y(0) = y0

Yj (0) = ej

II.3 Différentiation interne de Bock (IND)

Nous allons approximer par différences finies le deuxième membre de l’équation variationnelle [2]. On a
∂ϕ
ϕ(t, y(t) + δYj (t)) = ϕ(t, y(t)) + (t, y(t))δYj (t) + o(δYj (t))
∂y
On approxime alors dans les équations variationnelles
∂ϕ 1
(t, y(t))Yj (t) ≈ (ϕ(t, y(t) + δYj (t)) − ϕ(t, y(t))).
∂y δ
On résout donc 
 ẏ(t) = ϕ(t, y(t))
 ˙

Yj (t) = 1δ (ϕ(t, y(t) + δYj (t)) − ϕ(t, y(t)))
(IN D)j

 y(0) = y0
Yj (0) = ej .

0 2
1
−1
y1
y2
−2 −1
2.85 2.9 2.95 3 3.05 3.1 2.85 2.9 2.95 3 3.05 3.1
−0.5 2
1
−1
y1
y2
−1.5 −1
2.85 2.9 2.95 3 3.05 3.1 2.85 2.9 2.95 3 3.05 3.1
−0.5 2
1
−1
y1
y2
−1.5 −1
2.85 2.9 2.95 3 3.05 3.1 2.85 2.9 2.95 3 3.05 3.1
−0.5 2
1
−1
y1
y2
−1.5 −1
2.85 2.9 2.95 3 3.05 3.1 2.85 2.9 2.95 3 3.05 3.1
∂y (t ,λ) ∂y (t ,λ)
Figure 6.2 – Dérivée de la solution par rapport à λ 1∂λf et 2∂λf pour (de haut en bas) : les différences finies
√ √
avants (δλ = 4T ol), les différences finies avants (δλ = T ol), la différentiation interne de Bock (δλ = macheps)
et l’équation variationnelle. On utilise le code Ode45 de Matlab avec Atol = Rtol = T ol = 10−4 .
Annexe A
I Théorèmes de points fixes

Théorème I.1
Soit (E, d) un espace métrique complet et f : E → E une application contractante (c’est-à-dire qu’il existe 0 ≤ ρ < 1
tel que pour tout (x, y) ∈ E 2 , d(f (x), f (y)) ≤ kd(x, y)), alors f admet un point fixe unique x = f (x).
Démonstration
cf. [13] 2
Théorème I.2
Soit (E, d) un espace métrique complet et f : E → E une application, on suppose qu’il existe p > 0 telle que f p soit
contractante, alors f admet un point fixe unique x = f (x).
Démonstration
Le théorème du point fixe précédent appliqué à g = f p implique que g a un unique point fixe x = g(x) = f p (x). Par
suite f (x) = f (f p (x)) = g(f (x)). Donc f (x) est aussi un point fixe de g. L’unicité du point fixe de g implique alors
que x = f (x).
Supposons maintenant que f possède 2 points fixes x1 et x2 . On a x1 = f (x1 ) = f p (x1 ) et x2 = f p (x2 ). Donc x1
et x2 sont des points fixes de g. L’unicité du point fixe de g implique alors que x1 = x2 . 2
II Topologie
Lemme II.1 (Coefficient de Lebesgue d’un recouvrement)
Soient X un espace métrique compact et (Oi )i∈I un recouvrement ouvert de X, alors il existe ε > 0, appelé
coefficient de Lebesgue du recouvrement, tel que pour tout x ∈ X, B(x, ε) ⊂ ∪i∈I Oi .
Démonstration
Pour tout x ∈ X, il existe i ∈ I et ηx > 0, tel que B(x, ηx ) ⊂ Oi . Comme X ⊂ ∪x∈X B(x, ηx /2) et que X est
compact il existe J fini tel que X ⊂ ∪j∈J B(xj , ηxj ). Posons alors ε = minj∈J (ηxj ) > 0, alors pour tout x ∈ X il
existe j ∈ J tel que d(x, xj ) < ηxj /2, par suite si x0 ∈ B(x, ε) on a d(x0 , xj ) ≤ d(x0 , x) + d(x, xj ) < ε + ηxj /2 < ηxj .
Et donc il existe i ∈ Oi tel que B(x, ε) ⊂ B(xj , ηxj ) ⊂ Oi . 2
III Développement de Taylor

On rappelle ici les développement de Taylors. Soit f : Ω ∈ E → F , une fonction, Ω ouvert, E et F espaces
vectoriels normés. On suppose f de classe C k . On rappelle que
f 0 (y) ∈ L(E, F )
f 00 (y) ∈ L(E, L(E, F )) ≡ L2 (E, F )
f 00 (y) : E × E −→ F
(h1 , h2 ) 7−→ f 00 (y).(h1 , h2 )
f (k) (y) ∈ Lk (E, F ) (A.1)
f (k) (y) : E k −→ F
(h1 , . . . , hk ) 7−→ f (k) (y).(h1 , . . . , hk )
Si E = R, on identifie f (k) (y) ≡ f (k) (y).(1, . . . , 1) ∈ F .
51
52 ANNEXE A.
Proposition VI.1
Si y : [t0 , tf ] → F est C k et (k + 1) fois différentiable sur ]t0 , tf [ et telle que ||y k+1 (t)|| ≤ M, ∀t0 < t < tf alors
hk
y(t0 + h) = y(t0 ) + y 0 (t0 ).h + · · · + y (k) (t0 ) + rk (t),
k!
avec
M
||rk (t)|| ≤ hk+1 = O(hk+1 )
(k + 1)!
Théorème VI.2
Soit f : Ω ∈ E → F une fonction C k+1 et y0 et y0 + h deux points de Ω tels que [y0 , y0 + h] ∈ Ω alors
1 1
f (y0 + h) = f (y0 ) + f 0 (y0 ).h + f 00 (y0 ).(h, h) + · · · + f (k) (y0 ).(h, · · · , h) + rk (h),
2 k! | {z }
k fois
avec
||h||k+1 ||h||k+1
||rk (h)|| ≤ sup ||f (k+1) (y0 + th)|| ≤M = O(||h||k+1 )
0<t<1 (k + 1)! (k + 1)!
Bibliographie
[1] Patrick Altibelli and Luc Giraud. Cours d’algèbre linéaire : valeurs propres et vecteurs propres de matrices,
Décompositions canoniques de matrices et applications. Université de Toulouse, INPT-ENSEEIHT, département
Informatique et Mathématiques Appliquées, 2, rue Camichel - B.P. 7122 - 31071 Toulouse Cedex FRANCE,
2008.
[2] H.G. Bock. Numerical treatment of inverse problems in chemical reaction kinetics. In K.H. Hebert, P. Deuflhard,
and W. Jäger, editors, Modelling of chemical reaction systems, volume 18 of Springer series in Chem. Phys.,
pages 102–125, 1981.
[3] J.C. Butcher. Numerical Methods For Ordinary Differential Equations. John Wiley & Sons, 2003.
[4] A. Guillou and J.L. Soulé. La résolution numérique des problèmes différentiels aux conditions initiales par les
méthodes de collocation. R.I.R.O., (R-3) :14–44, 1969.
[5] E. Hairer, S.P. Norsett, and G. Wanner. Solving Ordinary Differential Equations I, Nonstiff Problems, volume 8
of Springer Serie in Computational Mathematics. Springer-Verlag, second edition, 1993.
[6] E. Hairer and G. Wanner. Solving Ordinary Differential Equations II, Stiff and Differential–Algebraic Problems,
volume 14 of Springer Serie in Computational Mathematics. Springer-Verlag, second edition, 1996.
[7] Frédéric Jean. Équations différentielles et introduction à l’automatique. ENSTA, 2006.
http ://www.ensta.fr/˜fjean/Cours enligne/.
[8] L. Pontriaguine. Équations différentielles ordinaires. Mir, 1975.
[9] L.F. Richardson. The deferred aproach to the limit. Philosophical Transactions of the Royal Society of London,
Series A, 226 :299–349, 1927.
[10] L.F. Shampine and M.W. Reichelt. The matlab ode suite.
http ://www.mathworks.com/access/helpdesk/help/pdf doc/otherdocs/ode suite.pdf.
[11] C. Wagschal. Dérivation, Intégration. Hermann, 1999.
[12] C. Wagschal. Fonctions holomorphes, Équations différentielles. Hermann, 2003.
[13] C. Wagschal. Topologie et analyse fonctionelle. Hermann, 2003.
[14] K. Wright. Some relationships between implicit runge-kutta collocation and lanczos τ methods, and their
stability properties. BIT, 10 :217–227, 1970.
53
Index
équations différentielles discontinues, 47

équations variationnelles, 23
détection d’événements, 46
développement de Taylor, 49
effet papillon, 27
erreur de consistance, 33
erreur locale, 32
extrapolation de Richardson, 38
fonction localement lipschitzienne, 15
Landau, 31
lemme de Gronwall, 35
méthode à un pas, 30
méthode de collocation, 42
Méthode de Runge-Kutta, 31
Méthode de Runge-Kutta implicite, 41
méthode explicite, 30
méthode stable, 33
modèle de Lorentz, 27
orbite d’Arenstorf, 29
ordre, 32
problème raide, 28
Roberston, 28
schéma d’Euler, 30
schéma de Runge, 30
sortie dense, 45
tableau de Butcher, 31, 41

théorème d’explosion, 18
Théorème de Cauchy-Lipschitz, 15
théorème de Peano, 19
théorème de point fixe, 49
54

Edo

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

Edo

Transféré par

Droits d'auteur :

Formats disponibles

Informatique & Mathématiques Appliquées

Équations différentielles ordinaires

2 Équations différentielles linéaires 5

3 Théorie des équations différentielles 15

5 Les méthodes de Runge-Kutta 31

6 Sortie dense, discontinuités, dérivées 47

III Qu’est-ce qu’une solution ?

Équations différentielles linéaires

ẏ(t) = A(t)y(t) + b(t),

II Équations différentielles linéaires homogènes autonomes

La solution est alors donnée par

y2 (t) = eλ2 (t−t0 ) y0,2 .

Le comportement asymptotique est alors

ż(t) = P −1 ẏ(t) = P −1 P ΛP −1 y(t) = Λz(t)

II.2 Exponentielle de matrice

Définition II.5 (Exponentielle de matrice) On appelle exponentiel de matrice l’application

exp : Mn (K) −→ Mn (K)

(iii) si P est inversible on a

(iv) si A et B sont deux matrices qui commutent alors

exp(A + B) = exp(A) exp(B); (2.3)

(v) pour tout α et β, e(α+β)A = eαA eβA ;

exp(A−1 ) = exp(−A); (2.4)

(vii) pour toute matrice A, l’application t → etA est C ∞ et

(iv) Soit A, B deux matrices carrés qui commutent. Par définition on a

Mais les séries définissant eA et eB étant normalement convergentes, nous avons

ż(t) = −Ae−(t−t0 )A y(t) + e−(t−t0 )A Ay(t) = 0,

II.3 Calcul de l’exponentielle de matrice

et on rappelle que l’on a les propriétés suivantes

Théorème II.11 (Décomposition de Jordan)

où Ji est de dimension (pi , pi ) et s’écrit

II.4 Forme des solutions

où λi = αi + iβi et les ai,k , bi,k sont dans Ei .

III Équations linéaires

Les fonctions A : I ∈ R → Mn (K) et b : I → Kn seront toujours supposées de classe C k , k ≥ 0.

III.2 Existence et unicité de solution

kT (y1 (.)) − T (y2 (.))k∞ ≤ kA(.)k∞ ky1 (.) − y2 (.)k∞ (b − a).

En prenant le maximum sur t ∈ J on obtient (2.9).

ẏ(t) = A(t)y(t). (2.10)

(iv) Pour tout t0 , t1 et t2 dans I on a

(v) Pour tout t0 , t1 dans I on a R(t0 , t1 ) = (R(t1 , t0 ))−1 .

Φ : Mn (K) × Mn (K) −→ Mn (K)

est bilinéaire et continue et que l’application

inv : GL(Kn ) −→ Mn (K)

On note ∆(t) = det R(t, t0 ).

det : GLn (R) −→ R

Montrer que det0 (A).H = det(A)trace(A−1 H)

2 Montrer que ∆(t) est solution du problème de Cauchy

Corollaire III.7 (Liouville)

Γt = {R(t, t0 )y0 ∈ Rn , y0 ∈ Γ0 } = R(t, t0 )Γ0 ,

alors en utilisant la formule du changement de variable dans une intégrale multiple on a

Donc, si trace(A(t)) = 0 pour tout t, V ol(Γt ) = V ol(Γ0 ).

III.4 Équations différentielles linéaires avec second membre

y(t) = R(t, t0 )y0 + z(t),

nous aurons bien y(t0 ) = y0 et

ẏ(t) = A(t)R(t, t0 )y0 + ż(t)

Il suffit maintenant d’écrire

Théorie des équations différentielles

Définition I.1 (Fonction localement lipschitzienne) L’application ϕ : Ω ⊂ R × Rn → Rn est localement

∀(t, y1 ) ∈ V, ∀(t, y2 ) ∈ V, ||ϕ(t, y1 ) − ϕ(t, y2 )|| ≤ k||y1 − y2 ||.

Théorème I.3 (Théorème de Cauchy-Lipschitz)

Pour démontrer la contraction de T p , constatons tout d’abord que

Par récurrence on a alors

Donc r0 = M (t1 − t0 ) et t1 = t0 + r0 /M ≥ t0 + η0 d’où la contradiction. 2