Vous êtes sur la page 1sur 56

Chapitre 7: Résolution approchée des équations

différentielles ordinaires

Chapitre 7: Résolution approchée des équations différentielles ordinaires 1 / 56


Résolution approchée des équations différentielles
ordinaires

PLAN
1 Résolution approchée des équations différentielles avec conditions
initiales
Motivation
Position du problème
Eléments de théorie des équations différentielles
Principe des méthodes numériques
2 Equations différentielles avec conditions aux limites
Problèmes aux limites lineáires
Existence et unicité
Problèmes particuliers

Chapitre 7: Résolution approchée des équations différentielles ordinaires 2 / 56


Résolution approchée des équations différentielles
avec conditions initiales

Motivation
L’évolution de la concentration de certaines réactions chimiques au cours
du temps peut être décrite par l’équation différentielle :

y (t)
y 0 (t) = − .
1 + t2
Sachant qu’à l’instant t = 0 la concentration est y (0) = 5, déterminer la
concentration à t = 2.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 3 / 56


Résolution approchée des équations différentielles
avec conditions initiales

Position du problème
La résolution numérique des équations différentielles est probablement le
domaine de l’analyse numérique où les applications sont les plus
nombreuses. Que ce soit en mécanique des fluides, en transfert de chaleur
ou en analyse de structures, on aboutit souvent à la résolution d’équations
différentielles, de systèmes d’équations différentielles ou plus généralement
d’équations aux dérivées partielles. Parmi les avantages des méthodes
numériques, on peut évoquer l’étude des problèmes complexes pour
lesquels on ne connaı̂t pas de solution analytique, mais qui sont d’un grand
intérêt pratique.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 4 / 56


Résolution approchée des équations différentielles
avec conditions initiales

Position du problème
Dans ce chapitre comme dans les précédents, les diverses méthodes de
résolutions proposées sont d’autant plus précises qu’elles sont d’ordre
élevé. Nous commencerons par présenter des méthodes relativement
simples ayant une interprétation géométrique. Elles nous conduiront
progressivement à des méthodes plus complexes telles que les méthodes de
Runge-Kutta d’ordre 4, qui permettent d’obtenir des résultats d’une
grande précision. Nous considérerons principalement les équations
différentielles avec conditions initiales, mais nous évoquerons brièvement
les équations différentielles avec conditions aux limites à la fin du chapitre.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 5 / 56


Résolution approchée des équations différentielles
avec conditions initiales
Eléments de théorie des équations différentielles
Définition
Une équation différentielle d’ordre m est une expression de la forme :

f (t, y , y 0 , y 00 , . . . , y (m) ) = 0, (1)

où f : U → R, U ouvert de R × (Rn )m+1 . Ici y ne dépend que d’une seule


variable t, on parle d’équation différentielle ordinaire. Lorsqu’il y a
plusieurs variables, on parle d’équation aux dérivées partielles.
On dit qu’une équation est sous la forme normale si elle s’écrit

y 0 = f (t, y ), (2)

avec f : U → Rn , U ⊂ R × (Rn )n+1 , y 0 = (y10 , y20 , . . . , yn0 ). C’est ce type


d’équation que l’on va traiter dans ce chapitre.
Chapitre 7: Résolution approchée des équations différentielles ordinaires 6 / 56
Résolution approchée des équations différentielles
avec conditions initiales

Eléments de théorie des équations différentielles

Définition
Une solution de (2) sur un intervalle I ⊂ R est une fonction dérivable
y : I → Rn telle que
1 ∀t ∈ I , (t, y (t)) ∈ U ;
2 ∀t ∈ I , y 0 = f (t, y (t)).

Définition
1 L’ensemble {(t, y (t)), t ∈ I } est appelé trajectoire de la solution.

2 L’ensemble {y (t), t ∈ I } est appelé orbite de la solution.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 7 / 56


Résolution approchée des équations différentielles
avec conditions initiales

Eléments de théorie des équations différentielles


Si on écrit y = (y1 , y2 , . . . , yn ) et f = (f1 , f2 , . . . , fn ), alors (2) est un
système différentiel du premier ordre à n fonctions inconnues
y1 , y2 , . . . , yn ) :
 0

 y1 (t) = f1 (t, y1 , y2 , . . . , yn ),



0

 y2 (t) = f2 (t, y1 , y2 , . . . , yn ),



(3)
 ..
.








yn0 (t) = fn (t, y1 , y2 , . . . , yn ).

Chapitre 7: Résolution approchée des équations différentielles ordinaires 8 / 56


Résolution approchée des équations différentielles
avec conditions initiales

Problème de Cauchy

Définition
(Problème de Cauchy) : Etant donné un point (t0 , y0 ) ∈ U, le problème
de Cauchy consiste à trouver une solution y : I → Rn de (2) sur un
intervalle I contenant t0 dans son intérieur, telle que y (t0 ) = y0 .

Souvent, la variable t représente le temps et y = (y1 , y2 , . . . , yn ) est une


famille de paramétres décrivant l’état d’un système matériel donné.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 9 / 56


Résolution approchée des équations différentielles
avec conditions initiales

Principe des méthodes numériques


Soit y (t) la solution de l’équation différentielle :
 0
y (t) = f (t, y (t)), t ∈ [t0 , t0 + T ],
y (t0 ) = y0

Le principe général consiste à discrétiser l’intervalle I = [t0 , t0 + T ], en


introduisant des points t0 , t1 , . . . , tN = t0 + T qui peuvent être
équidistants mais ce n’est pas obligatoire. La quantité hn = tn − tn−1
s’appelle le pas. On veut, pour n = 1, . . . , N, calculer une approximation
de y (tn ), que l’on notera
yn = y (tn ),
à l’aide d’un procédé itératif.
Chapitre 7: Résolution approchée des équations différentielles ordinaires 10 / 56
Résolution approchée des équations différentielles
ordinaires
Principe des méthodes numériques
L’idée la plus simple consiste dans un premier temps à écrire le
développement de Taylor de y (t) en t = tn : comme la solution est
dérivable par rapport à t au moins une fois, on peut écrire que
2
y (tn+1 ) = y (tn + h) = y (tn ) + hy 0 (tn ) + h2 y 00 (ξ), ξ ∈ [tn , tn+1 ],
= y (tn ) + hf (tn , y (tn )) + o(h2 ).
On a supposé que hn est constant et égal à h = T
N où N est un entier fixé.
Si l’on suppose N que h est suffisamment petit, on peut alors proposer le
schéma itératif suivant :

y0 , donné
yn+1 = yn + hf (tn , yn ), 0 ≤ n ≤ N − 1,
Ce procédé itératif s’appelle schéma d’Euler simple. Mais nous verrons
d’autres manières de l’introduire.
Chapitre 7: Résolution approchée des équations différentielles ordinaires 11 / 56
Résolution approchée des équations différentielles
ordinaires

Principe des méthodes numériques


Une autre solution consiste à pousser le développement de Taylor à l’ordre
2. On y voit qu’il est alors nécessaire de calculer y 00 (t) soit

d ∂f ∂f
y 00 (t) = f (t, y (t)) = (t, y (t)) + (t, y (t)) × f (t, y (t)),
dt ∂t ∂y
car y est solution de l’équation différentielle. Dans ce même exemple, on
présente aussi l’application de ces deux schémas à un exemple très simple.
Enfin, ayant poussé le développement de Taylor jusqu’à l’ordre 2, il est
naturel de penser à le développer à l’ordre 3,4,... Cependant, il suffit de
d2
calculer dt 2 (f (t, y (t)) pour voir que cette méthode devient rapidement
impraticable dans le cas général.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 12 / 56


Résolution approchée des équations différentielles
ordinaires
Principe des méthodes numériques
On distingue deux grandes familles de schémas de résolution numérique
des problèmes aux conditions initiales pour les équations différentielles :
- Les schémas à un pas. Pour calculer une approximation de la valeur
de la fonction cherchée en un point tn+1 , on oublie tout ce qui s’est
passé avant le point tn . Le gros avantage est de permettre de changer
de pas très facilement au cours du calcul en fonction des estimations
d’erreur que l’on obtient en même temps que les valeurs approchées
au cours du calcul.
- Les schémas multi-pas. Dans ces méthodes au contraire, pour
calculer une approximation de la valeur de la fonction cherchée en un
point tn+1 , on utilise les valeurs calculées en tn , tn−1 , . . . , Cela
permet un coût de calcul moindre, mais rend les valeurs plus
interdépendantes de sorte qu’il est plus difficile de changer le pas
localement au coursChapitre
du calcul.
7: Résolution approchée des équations différentielles ordinaires 13 / 56
Résolution approchée des équations différentielles
ordinaires

Les schémas à un pas : Schémas d’Euler à partir de


l’intégration numérique
Pour définir certains schémas numériques de résolution d’équation
différentielle, on remarque que la solution exacte y (t) vérifie
y 0 (t) = f (t, y (t)), ce qui donne
Z tn+1
y (tn+1 ) = y (tn ) + f (t, y (t)).
tn

On peut alors penser approcher l’intégrale par une formule utilisant des
valeurs de f (t, y (t)) sur l’intervalle [tn , tn+1 ]bien que y (t) ne soit pas
connue sur cet intervalle. Pour simplifier l’écriture, nous supposons que le
pas hn = tn+1 − tn est constant, h = T N où N est un entier, mais la
généralisation à un pas non constant est évidente.
Chapitre 7: Résolution approchée des équations différentielles ordinaires 14 / 56
Résolution approchée des équations différentielles
ordinaires
Les schémas à un pas : Schémas d’Euler à partir de
l’intégration numérique
Pour commencer, utilisons la méthode des rectangles ”à gauche” pour le
calcul approché de l’intégrale,(ceci est équivalent à la formule de Taylor
appliquée à y (t) en t = tn )
On peut donc proposer le schéma suivant :
yn+1 = yn + hf (tn , yn ), 0 ≤ n ≤ N − 1,
qui n’est autre que le schéma d’Euler simple. On peut aussi approcher
l’intégrale avec la méthode des rectangles à droite. Un calcul équivalent
provient de la formule de Taylor appliquée à y (t) en t = tn+1 :
h2 00
y (tn ) = y (tn+1 − hf (tn+1 , y (tn+1 )) + y (ξ), ξ ∈ [tn , tn+1 ]
2
Chapitre 7: Résolution approchée des équations différentielles ordinaires 15 / 56
Résolution approchée des équations différentielles
ordinaires
Les schémas à un pas : Schémas d’Euler à partir de
l’intégration numérique
Ceci conduit au schéma
yn+1 = yn + hf (tn+1 , yn+1 ), 0≤n ≤N −1
que l’on nomme schéma d’Euler rétrograde. On dit que ce schéma est
implicite car yn+1 est défini implicitement comme solution de l’équation
x = yn + hf (tn+1 , x)
qui en général est non-linéaire. On fait alors appel à des méthodes de type
point fixe ou Newton. Cependant, comme le pas h est petit, le nombre
d’itérations nécessaires en pratique est petit : parfois même une seule
suffit. Il reste alors à initialiser le processus avec une première estimation
de yn+1 , qui peut être yn .
Chapitre 7: Résolution approchée des équations différentielles ordinaires 16 / 56
Résolution approchée des équations différentielles
ordinaires
Les schémas à un pas : Schémas prédicteur-correcteurs
Reprenons le schéma implicite d’Euler rétrograge défini précédemment :

yn+1 = yn + hf (tn+1 , yn+1 ), 0 ≤ n ≤ N − 1.

On peut construire un nouveau schéma dit prédicteur-correcteur,


- on détermine une première estimation grossière de yn+1 , on peut avoir
recours par exemple à la méthode d’Euler explicite
- on améliore cette estimation en s’inspirant du schéma d’Euler
rétrograde.
On obtient le schéma :

ŷn+1 = yn + hf (tn , yn ),
yn+1 = yn + hf (tn + 1, ŷn+1 ).
Chapitre 7: Résolution approchée des équations différentielles ordinaires 17 / 56
Résolution approchée des équations différentielles
ordinaires

Les schémas à un pas : Schémas prédicteur-correcteurs


Dans le langage devenu classique pour ces méthodes, on dit que l’on fait
d’abord une prédiction (ŷn+1 ) à l’aide du schéma explicite, puis une
correction à l’aide du schéma implicite. En outre, on peut être conduit à
itérer sur les corrections.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 18 / 56


Résolution approchée des équations différentielles
ordinaires
Les schémas à un pas : Schémas prédicteur-correcteurs
Voyons un autre exemple, si on utilise la méthode des trapèzes pour
calculer l’intégrale de
Z tn+1
y (tn+1 ) = y (tn ) + f (t, y (t))dt
tn
qui donne l’expression
h h3
y (tn+1 ) = y (tn )+ [f (tn , y (tn ))+f (tn+1 , y (tn+1 ))]− y (3) (ξ), ξ ∈ [tn , tn
2 12
(3)
Le terme y correspond à la dérivée seconde par rapport à t de
t → f (t, y (t)). Ceci conduit au schéma de Crank-Nicolson :
h
yn+1 = yn + [f (tn , yn ) + f (tn+1 , yn+1 )]
2
qui est implicite, comme le schéma d’Euler rétrograde.
Chapitre 7: Résolution approchée des équations différentielles ordinaires 19 / 56
Résolution approchée des équations différentielles
ordinaires
Ordre et consistance des schémas à un pas
étant donnés f ,t0 , y0 , T , soit y (t) la solution exacte de
 0
y (t) = f (t, y (t)), t ∈ [t0 , t0 + T ],
(4)
y (t0 ) = y0 .
On va supposer, pour simplifier l’exposé, que l’on discrétise avec un pas
constant h = T N , on pose tn = t0 + nh. Les schémas à un pas explicites ou
prédicteur-correcteur peuvent se mettre sous la forme générique

y0 donné
(5)
yn+1 = yn + hφ(tn , yn , h), n ≤ n ≤ N − 1.
On peut se demander comment quantifier l’erreur commise en approchant
la solution exacte y (t) par la séquence discrète yn . La définition suivante
donne un début de réponse à cette question.
Chapitre 7: Résolution approchée des équations différentielles ordinaires 20 / 56
Résolution approchée des équations différentielles
ordinaires

Ordre et consistance des schémas à un pas

Définition
On appelle erreur locale relative au schéma (5) la quantité

τn+1 (h) = (y (tn+1 ) − y (tn )) − hψ(tn , y (tn ), h), n = 0, . . . , N − 1

où y (t) est la solution exacte de l’équation différentielle (4).

Chapitre 7: Résolution approchée des équations différentielles ordinaires 21 / 56


Résolution approchée des équations différentielles
ordinaires

Ordre et consistance des schémas à un pas

Définition
Lorsque qu’il existe K > 0 tel que
 
 τn (h) 
max   ≤ Khp ,
1≤n≤N  h 

le schéma est dit d’ordre p.

La définition suivante est propre aux schémas de résolution des équations


différentielles et se déduit rapidement de l’ordre.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 22 / 56


Résolution approchée des équations différentielles
ordinaires

Ordre et consistance des schémas à un pas

Définition
Le schéma est dit consistant quand
 
 τn (h) 
lim   = 0.
h→0  h 

Un schéma d’ordre strictement positif est donc consistant.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 23 / 56


Résolution approchée des équations différentielles
ordinaires

Ordre et consistance des schémas à un pas


Pour le schéma d’Euler simple, d’après Taylor il existe ξ dans [tn,tn+1] tel
que
h2
τn+1 (h) = (y (tn+1 ) − y (tn )) − hf (tn , yn ) = y 00 (ξ).
2
00 00
Supposons que y est bornée sur [tn , tn+1 ],soit— y (t)| ≤ M,
∀t ∈ [t0 , t0 + T ], alors on a

M 2
τn+1 (h) ≤ h ,
2
et d’après la définition précédente, le schéma d’Euler simple est d’ordre 1.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 24 / 56


Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas


La consistance ou l’ordre d’un schéma n’est qu’une indication locale de
l’erreur. Un moyen plus réaliste de mesurer l’erreur d’approximation de
y (tn ) par yn consiste à considérer l’erreur maximum commise pour
n = 1, . . . , N, et à regarder si cette erreur tend bien vers zéro quand
h → 0.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 25 / 56


Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas

Définition
Le schéma
T
yn+1 = yn + hφ(tn , yn , h), 0 ≤ n ≤ N − 1, h= , y0 donné
N
est dit convergent par rapport à l’équation différentielle

y 0 (t) = f (t, y (t)), y (t0 ) = y0 , t ∈ [t0 , t0 + T ],

si
lim max |y (tn ) − yn | = 0
h→0 1≤n≤N

Chapitre 7: Résolution approchée des équations différentielles ordinaires 26 / 56


Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas


La consistance d’un schéma n’implique pas qu’il soit convergent, nous
allons voir qu’il s’agit tout au plus d’une condition nécessaire. Une
condition supplémentaire fait intervenir la notion de stabilité :
Définition
Le schéma
T
yn+1 = yn +hφ(tn , yn , h), 0 ≤ n ≤ N−1, h= , y0 donné
N
est dit stable s’il existe une constante M telle que pour tout y0 , pour tout
u0 , pour tout h ≤ h∗ et pour tout suite {εn }, les suites {yn } et {un }
définies par les relations

Chapitre 7: Résolution approchée des équations différentielles ordinaires 27 / 56


Résolution approchée des équations différentielles
ordinaires
Stabilité et convergence des schémas à un pas

yn+1 = yn + hφ(tn , yn , h),


un+1 = un + hφ(tn , un , h) + εn
vérifient la condition
n−1
!
X
∀n = 1, . . . , N, |yn − un | ≤ M |y0 − u0 | + |εk |
k=0

En gros cela signifie qu’un schéma stable n’amplifie ni les erreurs sur la
condition initiale, ni les erreurs introduites dans le schéma : il s’agit d’une
notion de continuité. On peut noter que la stabilité peut éventuellement
dépendre de h. La définition ci- dessus montre qu’il peut exister un pas
limite h∗ au-delà duquel un schéma stable devient instable. On a aussi une
condition suffisante de stabilité :
Chapitre 7: Résolution approchée des équations différentielles ordinaires 28 / 56
Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas

Proposition
Pour qu’un schéma soit stable, il suffit qu’il existe une constante Λ telle
que

∀t ∈ [t0 , t0 +T ], ∀z, u ∈ R, h ∈ [0, h∗ ], |φ(t, z, h)−φ(t, u, h)| ≤ Λ|z−u

Chapitre 7: Résolution approchée des équations différentielles ordinaires 29 / 56


Résolution approchée des équations différentielles
ordinaires
Stabilité et convergence des schémas à un pas
Le théorème suivant est simple et essentiel ; il est généralement connu sous
le nom de consistance plus stabilité impliquent convergence.
Théorème
Soit φ une fonction continue de t ∈ [t0 , t0 + T ], z ∈ R et h, définissant le
schéma à un pas
T
yn+1 = yn + hφ(tn , yn , h), 0 ≤ n ≤ N − 1, y0 donné, h =
N
Si ce schéma à un pas est consistant et s’il est stable, alors il est
convergent par rapport à l’équation différentielle

y 0 (t) = f (t, y (t)), y (t0 ) = y0 , t ∈ [t0 , t0 + T ]


Chapitre 7: Résolution approchée des équations différentielles ordinaires 30 / 56
Résolution approchée des équations différentielles
ordinaires
Les schémas de Runge-Kutta
Il s’agit de schémas qui permettent de retrouver les bonnes propriétés des
schémas de Taylor (ordre élevé), sans en présenter les inconvénients (calcul
des dérivées successives de f ).
Il existe classiquement deux manières de les construire. Nous en présentons
une ici. Il s’agit de schémas à un pas, donc se mettant sous la forme :

y0 donné
yn+1 = yn + hφ(tn , yn , h), n≥0
où φ prend la forme particulière suivante :
q
X
φ(t, y , h) = γi K i ,
i=1

Chapitre 7: Résolution approchée des équations différentielles ordinaires 31 / 56


Résolution approchée des équations différentielles
ordinaires
Les schémas de Runge-Kutta
et les Ki sont définis récursivement de la façon suivante :


 K1 = f (t, y ),
K2 = f (t + hα1 , y + hβ11 K1 ),




 K3 = f (t + hα2 , y + hβ21 K1 + hβ22 K2 ),


..

 . !

 q−1
 P
 Kq = f t + hαq−1 , y + βq−1,p Kp



p=1

L’introduction des ces q valeurs intermédiaires a pour but d’approcher un


schéma de Taylor d’ordre q. Pour cela il faut déterminer les inconnues qui
sont
[γi ]i=1...q , [αi ]i=1,...,q−1 , [βij ]i=1,...,q−1, j=1,...,i
Chapitre 7: Résolution approchée des équations différentielles ordinaires 32 / 56
Résolution approchée des équations différentielles
ordinaires
Les schémas de Runge-Kutta
Nous allons nous contenter de raisonner sur un exemple, ici pour q = 2,
puis nous donnerons sans démonstration les valeurs obtenues pour q = 4,
qui est la valeur la plus couramment utilisée dans la pratique.
Un schéma de Taylor d’ordre 2 s’écrit
yn+1 = yn + hψ(tn , yn , h),
où  
h ∂f ∂f
ψ(t, y , h) = f (t, y ) + (t, y ) + f (t, y ) (t, y )
2 ∂t ∂y
Pour q = 2 la fonction φ(t, y , h) est définie par
φ(t, y , h) = γ1 K1 + γ2 K2 ,
= γ1 f (t, y ) + γ2 f (t + hα1 , y + hβ1 f (t, y )),
où l’on a posé β1 = β11 .
Chapitre 7: Résolution approchée des équations différentielles ordinaires 33 / 56
Résolution approchée des équations différentielles
ordinaires

Les schémas de Runge-Kutta


On va essayer d’identifier les coefficients inconnus γ1 , γ2 , α1 , β1 de façon
à ce que φ(t, y , h) et ψ(t, y , h) soient les plus proches possibles. Pour cela
on développe
f (t + hα1 , y + hβ1 f (t, y )),
à l’aide d’un développement de Taylor suivant les deux variables, ce qui
donne à l’ordre 2 :
∂f ∂f u2 ∂ 2f
f (t + u, y + v ) = f (t, y ) + u (t, y ) + v (t, y ) + (ξ, η)
∂t ∂y 2 ∂t 2
2
∂ f 2
v ∂ f2
+ uv (ξ, η) + (ξ, η),
∂t∂y 2 ∂y 2

où (ξ, η) ∈ [t, t + u] × [y , y + v ].


Chapitre 7: Résolution approchée des équations différentielles ordinaires 34 / 56
Résolution approchée des équations différentielles
ordinaires

Les schémas de Runge-Kutta


Nous obtenons ainsi
∂f ∂f
f (t+hα1 , y +hβ1 f (t, y )) = f (t, y )+hα1 (t, y )+hβ1 f (t, y ) (t, y )+o(h2 )
∂t ∂y
ce qui nous permet d’écrire
 
∂f ∂f
φ(t, y , h) = (γ1 +γ2 )f (t, y )+γ2 hα1 (t, y ) + hβ1 f (t, y ) (t, y ) +o(h2 )
∂t ∂y

Chapitre 7: Résolution approchée des équations différentielles ordinaires 35 / 56


Résolution approchée des équations différentielles
ordinaires

Les schémas de Runge-Kutta


Si l’on néglige le reste on peut alors identifier cette expression avec
ψ(t, y , h), on obtient alors les équations suivantes :

 γ1 + γ2 = 1
γ2 α1 = 12 ,
γ2 β1 = 21

Comme il y a trois équations pour quatre inconnues, il y a une infinité de


possibilités pour le choix des coefficients ; nous ne donnerons ici que les
plus populaires :

Chapitre 7: Résolution approchée des équations différentielles ordinaires 36 / 56


Résolution approchée des équations différentielles
ordinaires
Les schémas de Runge-Kutta
Comme il y a trois équations pour quatre inconnues, il y a une infinité de
possibilités pour le choix des coefficients ; nous ne donnerons ici que les
plus populaires :
γ1 = 0, γ2 = 1, α1 = β1 = 12 , qui donnent le schéma
 
1 1
yn+1 = yn + hf tn + h, yn + hf (tn , yn )
2 2
appelé schéma du point milieu.
- γ1 = γ2 = 21 , α1 = β1 = 1, qui donnent le schéma bien connu
h
yn+1 = yn + (f (tn , yn ) + f (tn+1 , yn + hf (tn , yn ))
2
puisqu’il s’agit du schéma d’Euler-Cauchy.
Chapitre 7: Résolution approchée des équations différentielles ordinaires 37 / 56
Résolution approchée des équations différentielles
ordinaires

Les schémas de Runge-Kutta


Ces schémas sont bien sûr d’ordre 2 puisque l’on a

φ(tn , yn , h) = o(h2 ) + ψ(tn , yn , h)


ce qui permet de conserver l’ordre de l’erreur locale du schéma de Taylor
utilisé.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 38 / 56


Résolution approchée des équations différentielles
ordinaires

Les schémas de Runge-Kutta


Le choix le plus courant est q = 4. Cela donne le schéma de
Runge-Kutta d’ordre 4, ou en abrégé RK4, utilisé presque
universellement dans les sciences de l’ingénieur :


 K1 = hf (tn , yn ), 

 h K 1
 K2 = hf tn + , yn + ,



  2 2 
h K2
K3 = hf tn + , yn + ,
2 2




K4 = hf (tn + h, yn + K3 ) ,




yn+1 = yn + 16 (K1 + 2K2 + 2K3 + K4 )

Chapitre 7: Résolution approchée des équations différentielles ordinaires 39 / 56


Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas


La consistance ou l’ordre d’un schéma n’est qu’une indication locale de
l’erreur. Un moyen plus réaliste de mesurer l’erreur d’approximation de yn
consiste à considérer l’erreur maximum commise pour n = 1, . . . , N, et à
regarder si cette erreur tend bien vers zéro quand h → 0.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 40 / 56


Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas

Définition
Le schéma
T
yn+1 = yn + hφ(tn , yn , h), 0 ≤ n ≤ N − 1, h= , y0 donné
N
est dit convergent par rapport à l’équation différentielle :

y 0 (t) = f (t, y (t)), y (t0 ) = y0 , t ∈ [t0 , t0 + T ],

si
lim max |y (tn ) − yn | = 0
h→0 1≤n≤N

Chapitre 7: Résolution approchée des équations différentielles ordinaires 41 / 56


Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas

Définition
Le schéma
T
yn+1 = yn + hφ(tn , yn , h), 0 ≤ n ≤ N − 1, h= , y0 donné
N
est dit stable s’il existe une constante M telle que pour tout y0 , pour tout
z0 , pour tout h ≤ h∗ et pour toute suite (εn ), les suites (yn ) et (zn )
définies par les relations

yn+1 = yn + hφ(tn , yn , h),


zn+1 = zn + hφ(tn , zn , h),

Chapitre 7: Résolution approchée des équations différentielles ordinaires 42 / 56


Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas


vérifient la condition
n−1
!
X
|yn − zn | ≤ M |y0 − z0 | + |εk |
k=0

En gros cela signifie qu’un schéma stable n’amplifie ni les erreurs sur la
condition initiale, ni les erreurs introduites dans le schéma : il s’agit d’une
notion de continuité. On peut noter que la stabilité peut éventuellement
dépendre de h. La définition ci- dessus montre qu’il peut exister un pas
limite h∗ au-delà duquel un schéma stable devient instable.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 43 / 56


Résolution approchée des équations différentielles
ordinaires

Stabilité et convergence des schémas à un pas


On a aussi une condition suffisante de stabilité :
Proposition
Pour qu’un schéma soit stable, il suffit qu’il existe une constante K telle
que

∀t ∈ [t0 , t0 +T ], ∀y , z ∈ R, ; ∀h ∈ [0, h∗ ], |φ(t, y , h)−φ(t, z, h)| ≤ K |y −z|.

Cela signifie que la fonction φ doit vérifier la condition de Lipschitz sur son
deuxième argument. En général, on montre que f vérifie une condition de
Lipschitz pour obtenir cette propriété pour φ. Dans ce cas, le schéma
d’Euler simple est évidemment stable, puisque l’on a φ(t, z, h) = f (t, z).
Chapitre 7: Résolution approchée des équations différentielles ordinaires 44 / 56
Résolution approchée des équations différentielles
ordinaires
Stabilité et convergence des schémas à un pas
Le théorème suivant est simple et essentiel ; il est généralement connu sous
le nom de consistance plus stabilité impliquent convergence.
Théorème
Soit φ une fonction continue de t ∈ [t0 , t0 + T ], z ∈ R et h, définissant le
schéma à un pas
T
yn+1 = yn + hφ(tn , yn , h), 0 ≤ n ≤ N − 1, h= , y0 donné
N
Si ce schéma à un pas est consistant et s’il est stable, alors il est
convergent par rapport à l’équation différentielle

y 0 (t) = f (t, y (t)), y (t0 ) = y0 , t ∈ [t0 , t0 + T ],


Chapitre 7: Résolution approchée des équations différentielles ordinaires 45 / 56
Résolution approchée des équations différentielles
avec conditions aux limites
Problème aux limites linéaires
Soient un réel L > 0 et trois fonctions données
f (x), p(x), q(x) ∈ [0, L] → R continues par rapport à la variable x. On
cherche à déterminer une fonction y (x) ∈ C 2 ([0, L]) qui satisfait (pour
deux réels c0 et cL donnés)
−y 00 (x) + p(x)y 0 (x) + q(x) = f (x),

x ∈ [0, L], équations différent
cl(0) = c0 , Cl(L) = cL , (conditiondeNeumann)
(6)
avec cl(x) correspondant à une des deux options suivantes

dy
cl(x) = y (x) (conditiondeDirichlet) (x) (conditiondeNeumann).
dx
Le problème (6) est un problème aux limites linéaire unidimensionnel du
second ordre.
La différence par rapportChapitre
au problème de Cauchy
7: Résolution approchée (considéré
des équations différentiellesdans le
ordinaires 46 / 56
Résolution approchée des équations différentielles
avec conditions aux limites

Existence et unicité

Théorème
Si les fonctions f (x), p(x), q(x) sont continues, q(x) est non négative sur
[0, L], et
soit les conditions aux limites sont de type Dirichlet
soit p(x) = 0 et au plus une des deux conditions est de type
Neumann alors le problème aux limites

−y 00 (x) + p(x)y 0 (x) + q(x) = f (x),



x ∈ [0, L],
(7)
cl(0) = c0 , Cl(L) = cL ,

admet une et une seule solution.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 47 / 56


Résolution approchée des équations différentielles
avec conditions aux limites

Dans ce qui suit nous considérons deux problèmes particuliers :


Problème de Poisson

−y 00 (x) = f (x),

x ∈ [0, L],
(8)
cl(0) = c0 , Cl(L) = cL ,
Problème de convection-diffusion

−y 00 (x) + p(x)y 0 (x) = f (x),



x ∈ [0, L],
(9)
y (0) = c0 , y (L) = cL ,

Chapitre 7: Résolution approchée des équations différentielles ordinaires 48 / 56


Résolution approchée des équations différentielles
avec conditions aux limites
Equation de Poisson : Applications
Le problème de Poisson
−y 00 (x) = f (x),

x ∈ [0, L],
cl(0) = c0 , Cl(L) = cL ,
a plusieurs applications, dont entre autres :
Le problème de Poisson décrit le déplacement y (x) d’une corde de
longueur L soumise à une densité de charge f (x). Le déplacement aux
deux extrémités est imposé avec les conditions de Dirichlet
y (0) = y (L) = 0.

Le problème de Poisson décrit aussi la distribution stationnaire de


température y (x) dans une barre homogène ; f(x) décrit alors la
production de chaleur linéique.
Chapitre Laapprochée
7: Résolution conditions de différentielles
des équations Dirichletordinaires
y =c 49 / 56
Résolution approchée des équations différentielles
avec conditions aux limites

Equation de Poisson : résolution numérique


La méthode des différences finies consiste à approcher la solution exacte
y (x) sur l’intervalle [0, L] aux m + 1 points

0 = x0 < x1 < . . . < xm = L,

par y0 , y1 , . . . , ym . Nous supposerons pour simplifier que xk = kh,


k = 0, . . . , m, avec
h = L/m,
étant le pas de discrétisation.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 50 / 56


Exercices
Exercice
La loi de Newton affirme que la vitesse de refroidissement d’un corps est
proportionnelle à la différence entre la température du corps et la
température externe, autrement dit qu’il existe une constante K < 0 telle
que la température du corps suit l’équation différentielle :
 0
T (t) = K (T (t) − Text ),
T (0) = T0 .

Soit ∆t le pas temporel. Ecrire le schéma d’EULER IMPLICITE pour


approcher la solution de cette équation différentielle.
Soit Text = 0o C . En déduire une forme du type :
Tn+1 = g (∆t, n, T0 ), avec g (∆t, n, T0 ) à préciser (autrement dit,
l’itéré en tn ne dépend que de ∆t, de n et de T0 ). Que peut-on en
déduire sur la convergence de la méthode ?
Chapitre 7: Résolution approchée des équations différentielles ordinaires 51 / 56
Exercices

Problème. Un homicide a été commis. On veut établir l’heure du


crime sachant que
pour un corps humain, on peut approcher K ≈ −0.007438118376
(l’échelle du temps est en minutes et la température en Celsius),
le corps de la victime a été trouvé sur le lieu du crime à 2H20 du matin,
à l’heure du décès la température du corps était de 37o C ,
à l’heure de la découverte la température du corps est de 20o C ,
la température externe est Text = 0o C .
Approcher l’heure de l’homicide en utilisant le schéma d’EULER
implicite avec ∆t = 10 minutes.
Pour cette équation différentielle, il est possible de calculer
analytiquement ses solutions. Comparer alors la solution exacte avec
la solution approchée obtenue au point précédent.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 52 / 56


Exercices

Exercice
Pour résoudre numériquement y 0 = −λy , on décide d’approcher y 0 (tn ) par
les différences finies centrées
y (tn+1 ) − y (tn−1 )
y 0 (tn ) ≈ , h = tn+1 − tn−1 , ∀n.
2h
Ceci conduit au schéma

yn+1 = yn−1 − 2λhyn .

Montrer que ce schéma est toujours instable.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 53 / 56


Exercices

Exercice
On considère le problème de CAUCHY
 0
y (t) = −(y (t))m + cos(t), pour t > 0,
(10)
y (0) = 0

où m est un entier impair.


1 Montrer que le problème (10) possède une solution unique locale.
2 Soit h > 0 un pas de temps donné, soit tn = nh pour n ∈ N et un une
approximation de y (tn ). écrire le schéma d’EULER rétrograde
permettant de calculer un+1 à partir de un .
3 A partir du schéma obtenu au point précédent, écrire un seul pas de
la méthode de NEWTON pour calculer une nouvelle approximation de
un+1 . En déduire ainsi un nouveau schéma explicite.

Chapitre 7: Résolution approchée des équations différentielles ordinaires 54 / 56


Exercices

Exercice
Le but de cet exercice est de tester différentes méthodes numériques
permettant de résoudre les problèmes de Cauchy de type
 0
y (t) = f (t, y (t)), si t > t0 ,
(11)
y (t0 ) = y0

On considère l’intervalle I = [t0 , T ] sur lequel sera calculée la solution


approchée du problème étudié. On discrétise l’intervalle I. On note hn le
pas de discrétisation avec hn = (T − t0 )/n où n est entier donné. On note
yi l’approximation de y (ti ). On se propose d’approcher la solution de (11)
par trois méthodes : Méthode d’EULER EXPLICITE, Méthode d’EULER
IMPLICITE implicite, et une méthode de type RUNGE KUTTA d’ordre 2
ou HEUN

Chapitre 7: Résolution approchée des équations différentielles ordinaires 55 / 56


Exercices
Soit l’équation différentielle :

y 0 + 2y = t + 1, avec y (0) = 1. (12)

Résoudre l’équation (12)


Méthode de Euler explicite
On se place dans l’intervalle [0, 1] en prenant le pas h = n1 , déterminer
une solution approchée yk de y par la méthode d’Euler explicite.
Exprimer yk en fonction de k (n étant une valeur donnée)
Ecrire un fichier euler.m qui prend en entrée n résous numériquement
(12) et représente graphiquement les courbes approchées de y et la
courbe exacte pour n = 50 ; n = 100 ; n = 500 et n = 1000 ;
Même travail avec la méthode de HEUN ou RUNGE KUTTA d’ordre
2.
Comparer les deux schémas
Chapitre 7: Résolution approchée des équations différentielles ordinaires 56 / 56

Vous aimerez peut-être aussi