Chapitre1 1

Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Calcul scientifique : Chapitre I.

Équations différentielles ordinaires (EDO)
Pr. Sabry Abdelhadi
Institut Nationale de Statistiques et de l’Economie

Appliquées
DS-SDRO-ESB-ACT FIN
1 / 57
Plan
1 Équations différentielles ordinaires
2 Méthodes à un pas
3 Méthodes a pas multiples
2 / 57
Introduction
Les équations différentielles ordinaires (EDO) apparaissent très
souvent dans la modélisation de la physique et des sciences de
l’ingénieur.
Trouver la solution d’une EDO ou d’un système d’EDO est un
problème courant, souvent difficile ou impossible à résoudre de
façon analytique.
Pour la plupart des équations différentielles, les solutions ne
s’expriment pas à partir de fonctions élémentaires ou de
primitives de fonctions élémentaires.
Il est alors nécessaire de recourir à des méthodes numériques
pour résoudre ces équations différentielles.
3 / 57
Introduction
Une équation différentielle ordinaire admet généralement une
infinité de solutions.
Pour en sélectionner une, on doit imposer une condition
supplémentaire qui correspond à la valeur prise par la solution en
un point de l’intervalle d’intégration.
Par exemple, l’équation (Dynamique des populations) :
Considérons une population de bactéries dans un environnement
confiné dans lequel pas plus de B individus ne peuvent coexister.
On suppose qu’au temps initial le nombre d’individus est égal à
y0 B et que le taux de croissance des bactéries est une
constante positive C .
4 / 57
Introduction
La vitesse de croissance de la population est proportionnelle au
nombre de bactéries, sous la contrainte que ce nombre ne peut
dépasser B . Ceci se traduit par l’équation différentielle suivante :
dy y
= Cy (1 − )
dt B
où B et C sont deux constantes positives. dont la solution
y = y (t) représente le nombre de bactéries au temps t .
B ψ (t)
Cette équation admet la famille de solutions y (t) = (1+ψ (t)) avec
ψ(t) = e Ct+K , K étant une constante arbitraire.
Si on impose la condition y (0) = 1, on sélectionne l’unique
1
solution correspondant à la valeur K = ln[ B − 1 ].
5 / 57
DEFINITION DES EDO

Soit une fonction y (t) définie sur un intervalle de R et de classe
C p ( continûment dérivable d’ordre p ). On appelle équation
différentielle d’ordre p une équation de la forme :
0 00
F (t, y , y , y , . . . , y p ) = 0
On appelle forme canonique d’une EDO une expression du type :
0 00
y p = f (t, y , y , y , . . . , y p−1 )
Toute équation différentielle peut se ramener à une équation
d’ordre 1 . L’équation canonique se met sous la forme du système
d’EDO d’ordre 1 suivant :
 0


 y1 = y2
y 0 = y

2 3
..... ....

y 0 = f (t, y , y , y , . . . , y )


p 1 2 p
6 / 57
LE PROBLEME DE CAUCHY
Soit y (t) une fonction définit par : y : [t0 , T ] → R
t 7→ y (t)
0 dy (t)
La dérivé de y (t) qu’on note y (t) = dt est définie par :
0
y (t) = limh→0 y (t+h)h−y (t)
Le problème de Cauchy consiste à trouver une fonction y (t)
définie sur
( l’intervalle [t0 , T ] telle que :
0
y (t) = f (t, y (t)); ∀t ∈ [t0 , T ]
y (t0 ) = y0 donnée
Le problème de Cauchy est dit problème à la valeur initiale.
Ici t représente la variable indépendante et y (t) est la variable
dépendante et f est une fonction quelconque supposée
differentiable.
7 / 57
Proposition :
On suppose que la fonction f(t,y) est
1. continue par rapport à ses deux variables ;
2. lipschitzienne par rapport à sa deuxième variable, c’est-à-dire
qu’il existe une constante positive L (appelée constante de
Lipschitz) telle que
|f (t, y1 ) − f (t, y2 )| ≤ L|y1 − y2 |∀t ∈ I , ∀y1 , y2 ∈ R
Alors la solution y = y(t) du problème de Cauchy existe, est

unique et appartient à C1 (I ).
8 / 57
Malheureusement, on ne peut expliciter les solutions que pour
des équations différentielles ordinaires très particulières.
Dans certains cas, on ne peut exprimer la solution que sous forme
implicite.
0 (y −t)
Par exemple, la solution de y = (y +t) vérifie la relation implicite :
1 y
ln(t 2 + y 2 ) + arctg ( ) = C
2 t
où C est une constante.
Dans d’autres cas, on ne parvient même pas à représenter la
solution sous forme implicite.
0 2
Par exemple, la solution générale de y = e −t ne peut pas
s’exprimer implicitement.
9 / 57
Si la fonction f est continue et vérifie une condition de Lipschitz
alors le problème admet une solution unique.
Forme integrale :
La forme integrale du problème de Cauchy s’écrit alors :
Z t 0
Z t
y (s)ds = f (s, y (s))ds.
t0 t0
Rt
Ce qui donne alors : y (t) = y (t0 ) + t0 f (s, y (s))ds.
Pour obtenir une approximation numérique de la solution y (t) sur
l’intervalle [t0 , T ], nous allons estimer la valeur de cette fonction en
un nombre fini de points ti , pour i = 0, 1, . . . , n , constituants les
noeuds du maillage.
10 / 57
Pour la discritisation numerique, on considère alors cette
subdivision de l’intevalle [t0 , T ], avec le pas : h = T −
N
t0
c.à.d
h = tn+1 − tn :
On a alors : t0 = t0 , t1 = t0 + h, t2 = t0 + 2h, . . . , tn = t0 + nh, pour

tout 0 ≤ n ≤ N,
La solution numérique discrète obtenue aux points ti est notée
y (ti ) = yi .
11 / 57
PRINCIPE GENERAL DES METHODES NUMERIQUES

L’écart entre deux abscisses, noté h , est appelé pas de
discrétisation, h = ti − ti −1 .
Le pas, dans les méthodes les plus simples, est constant, mais on
peut travailler avec un pas variable.
Le choix du maillage et de la répartition des noeuds peuvent
s’avérer crucial.
intégrant entreRdeux points successives tn et tn+1 :
R tn+1 0 t
tn y (s)ds = tnn+1 f (s, y (s))ds
Rt
⇔ y (tn+1 ) = y (tn ) + tnn+1 f (s, y (s))ds
Le schéma numerique s’obtient en approximant l’intégrale :
R tn+1
tn f (s, y (s))ds
12 / 57
PROPRIETES DES METHODES NUMERIQUES

Plusieurs notions mathématiques sont introduites lors de la
résolution d’EDO au moyen de leurs équivalents discrétisés.
Les trois principales sont la convergence, la stabilité et la
consistance permettant de relier la solution exacte des équations
continues à la solution numérique obtenue.
Consistance d’une méthode :
La consistance est la propriété qui assure que la solution de
l’équation discrétisée tend vers la solution exacte de l’équation
continue lorsque le pas de discrétisation h tend vers 0 .
Stabilité d’une méthode :
C’est la propriété qui assure que la différence entre la solution
numérique obtenue et la solution exacte des équations
discrétisées reste bornée. Le stabilité indique si l’erreur
augmente ou non au cours du calcul.
13 / 57
PROPRIETES DES METHODES NUMERIQUES

Ordre de précision d’une méthode :
L’erreur e est définie comme la différence entre la solution exacte
ye(t) et l’approximation numérique obtenue yn , soit :
en =| ye(tn ) − yn |= O(hp ).
L’ordre de précision de la méthode est donnée par l’entier p .
Convergence et taux de convergence d’une méthode :
• Une méthode est convergente si, lorsque le pas h tend vers 0 ,
la solution numérique tend vers la solution exacte de l’équation
continue.
• Une méthode est convergente si on a la relation suivante :
limh→0 | ye(tn ) − yn |= limh→0 (max0≤n≤N | en |) = 0
14 / 57
LES PRINCIPALES METHODES NUMERIQUES

Deux types de méthodes principales existent pour la résolution
numérique des EDO :
les méthodes à un pas :
Le calcul de la valeur discrète yn+1 au point tn+1 fait intervenir la
valeur yn obtenue au point tn . Les principales méthodes sont :
• Méthodes d’Euler explicite et implicite
• Méthode de Runge ( ou de point de milieu )
• Méthode de Heun • Méthode de Crank-Nicholson
• Méthodes de Runge et Kutta
les méthodes à pas multiples :
Le calcul de la valeur discrète yn+1 au point tn+1 fait intervenir les
valeurs yn , yn−1 , yn−2 , . . . obtenues aux points précédents. Les
principales méthodes sont :
• Méthode d’Adams-Moulton
• Méthode d’Adams-Bashforth-Moulton • Méthode de Gear
15 / 57
La
( formulation générale des méthodes à un pas explicite est :
y0 donné
yn+1 = yn + φ (tn , yn , h)
Où la fonction φ définit la méthode utilisée.
La
( formulation générale des méthodes à un pas implicite est :
y0 donné
yn+1 = yn + φ (tn , yn , yn+1 , h)
L’obtention de la solution à chaque abscisse nécessite la
résolution d’une équation.
Les méthodes numériques sont obtenues en utilisant des formules
d’intégration numérique pour intégrer le second membre de
l’équation différentielle.
16 / 57
Résultats théoriques :
1 Stabilité méthodes à un pas : On dit que la méthode est stable
s’il existe M >(0 indépendant de h tel que, pour tout (yn ) et (e yn )
yn+1 = yn + hn φ (tn , yn , hn ), 0 ≤ n ≤ N
satisfaisant :
yen+1 = yen + hn φ (tn , yen , hn ) + εn , 0 ≤ n ≤ N.
On a : max0≤n≤N |e yn − yn | ≤ M(|e yn − yn | + ∑0≤n≤N |εn |) où εn ∈ R
appelé la perturbation.
2 Condition suffisante de stabilité :
Si la fonction φ est lipschitzienne par rapport à la deuxième
variable y , alors les méthodes explicites sont stables. De plus si L
est la constante de Lipschitz pour φ , alors la constante de
stabilité est M = e LT
3 Les méthodes implicites sont toujours stables.
17 / 57
Résultats théoriques :
1 Consistance méthodes à un pas :
On dit que la méthode est consistante si pour toute solution
exacte y la somme des erreurs de consistance relatives à y , Soit
∑N
n=1 |en |, tend vers 0 quand h tend vers 0 .
2 Condition nécessaire et suffisante : La méthode à un pas définie
par la fonction φ est consistante ssi
∀t ∈ [t0 , T ], ∀ y φ (t, y , 0) = f (t, y )
3 Soit p ∈ N. On dit que la méthode a l’ordre p si, pour tout y
0
solution de l’équation y (t) = f (t, y (t)), on a en = O(hP ).
De plus il existe une constante C ≥ 0 telle que l’erreur de
consistance vérifie : |en | ≤ Chp+1 .
4 Résultat théorique : Si la méthode est stable et consistante, alors
elle est convergente.
18 / 57
Méthodes d’Euler explicite

La formule d’Euler explicite peut s’obtenir via la formule
d’intégration numérique.
R tn+1
Le schéma numérique donne : y (tn+1 ) = y (tn ) + tn f (s, y (s))ds.
L’intégrale
Rt
peut s’approcher par la méthode du rectangle à
gauche : tnn+1 f (s, y (s))ds ' hf (tn , y (tn )).
D’où la formule yn+1 = yn + hf (tn , yn ).
La méthode (d’Euler explicite est d’ordre 1 , dont l’algorithme est
y0 donné
donné par :
yn+1 = yn + hf (tn , yn )
19 / 57
Graphiquement, la méthode est le résultat de l’application de la
formule des rectangles basée au point tn . On voit que cette
méthode estime l’aire de la fonction f .
La méthode peut s’interpréter aussi :

• Géométriquement : la méthode revient à remplacer localement
en chaque point tn la courbe solution par sa tangente.
• Via le développement de Taylor : la méthode provient du
développement de Taylor d’ordre 1 de la fonction y (t) au point tn .
20 / 57

0
Exemple : La méthode d’Euler pour l’équation y (t) = 2y1(t) avec un
1
pas constant hn = 1. Nous avons f (t, y ) = 2y
Faisons trois itérations avec une condition initiale :
y0 = y (t0 = 0) = 1.
La formule d’Euler pour cette équation différentielle s’écrit sous
cette forme :
(
yn+1 = yn + hf (tn , yn ) = yn + 2y1n
tn+1 = tn + h = tn + 1
- y0 = 1 - y1 = y0 + 2×1y0 = 1 + 21 = 1.5
- y2 = y1 + 2×1y1 = 1.5 + 2∗11.5 = 1.8333
- y3 = y2 + 2×1y2 = 1.8333 + 2∗1.18333 = 2.1060
21 / 57
0 1
Figure: La méthode d’Euler pour l’équation y = 2y .
22 / 57
Méthodes d’Euler implicite

La méthode d’Euler implicite, s’obtient aussi par l’application de
l’intégration numerique.
R tn+1
On aurait également pu approcher l’intégrale tn f (s, y (s))ds par
la méthode du rectangle à droite.
R tn+1
tn f (s, y (s))ds ' hf (tn+1 , y (tn+1 ))
D’où le schéma numérique,
( dit schéma d’Euler implicite dont
y0 donné
l’algorithme est :
yn+1 = yn + hf (tn+1 , yn+1 )
Notez que dans ce cas, yn+1 est présent dans le terme de gauche
et celui de droite.
Contrairement à la méthode d’Euler explicite, la valeur recherchée
yn+1 est reliée à une fonction qui dépend de cette même valeur.
23 / 57

On est amené à résoudre l’équation implicite à chaque étape ce qui
demande l’emploi d’un algorithme annexe (dichotomie, algorithme
de Newton-Raphson, etc.).
La méthode d’Euler implicite est aussi d’ordre 1
Graphiquement, la méthode consiste à remplaçer l’aire de la
fonction f par le rectangle basée au point tn+1 .
24 / 57

Exemple 1 :
0
Considérons l’exemple canonique : le cas linéaire : y = ay
0
Soit a ∈ R, on s’intéresse au problème de Cauchy : y = ay , y (0) = 1.
On alors prend f (t, y ) = ay . On obtient dans le cas :
• Méthode d’Euler explicite :
yn+1 = yn + hf (tn , yn ) = yn + hayn = (1 + ah)yn
D’où : yn = (1 + ah)n
• Méthode d’Euler implicite : yn+1 = yn + hf (tn+1 , yn+1 ) = yn + hayn+1 ,
ou encore (1 − ah)yn+1 = yn
D’où : yn = (1 − ah)−n = (1−1ah)n
25 / 57

Exemple 2 :
0
Soit à résoudre numériquement l’équation différentielle : 2y = t − y avec
0 t −y
y (0) = 1. Nous avons : y = 2 . On utilisera à cet effet le schéma
numérique d’Euler implicite :
t −y
yn+1 = yn + hf (tn+1 , yn+1 ) = yn + h( n+1 2 n+1 )
2yn+1 = 2yn + htn+1 − hyn+1
2y +ht
yn+1 = ( n 2+hn+1 )
Avec tn = t0 + nh. . On discretise l’axe des abscisses suivant 10 noeuds
sur un intervalle [0, 1].
−0)
Le pas de discrétisation est h = (110 = 0.1 et la condition initiale est
y (t0 = 0) = 1 = y0 .
Nous avons appliqué le schéma numérique ci-dessus pour dix
approximations avec h = 0.1.
26 / 57
Exemple 2 :
y1 = ( 2y2+h
0 +ht1
), y2 = ( 2y2+h
1 +ht2
), y3 = ( 2y2+h
2 +ht3
), . . ., y10 = ( 2y92+h
+ht10
)
n tn yn
0 0 1
1 0.1 0.9524
2 0.2 0.9118
3 0.3 0.8779
4 0.4 0.8504
5 0.5 0.8289
6 0.6 0.8133
7 0.7 0.8031
8 0.8 0.7982
9 0.9 0.7983
10 1 0.8031
27 / 57
Exemple :
Par exemple, la discrétisation de l’équation (Dynamique des
populations) par la méthode d’Euler explicite implique à chaque pas de
temps le simple calcul de
yn
yn+1 = yn + hCyn (1 − ),
B
tandis qu’avec la méthode d’Euler implicite on doit résoudre l’équation
non linéaire
yn+1
yn+1 = yn + hCyn+1 (1 − )
B
Les méthodes implicites sont plus coûteuses que les méthodes
explicites car, si la fonction f est non linéaire, un problème non linéaire
doit être résolu à chaque temps tn+1 pour calculer yn+1 .
Néanmoins, les méthodes implicites jouissent de meilleures propriétés
de stabilité que les méthodes explicites.
28 / 57
Méthode de Runge ( Méthode de point de milieu )

La méthode de Runge, appelée aussi méthode d’Euler modifié
utilise la formule de rectangle appliquée au point de milieu.
R tn+1
Il consiste à remplaçer l’integrale tn f (s, y (s))ds par la valeur
approchée hf (tn + h2 , y (tn + h2 )).
De plus la valeur de y (tn + h2 ) sera estimé par : yn + h2 f (tn , yn )
Donc on a : yn+1 = yn + hf (tn + h2 , yn + h2 f (tn , yn ))
D’où
 le schéma d’Euler modifié donné par l’algorithme suivant :

y 0 donné
∗
yn+1 = yn + h2 f (tn , yn ).
yn+1 = yn + hf (tn + h2 , yn+1∗ )


la méthode est le résultat de l’application de la formule de

rectangle du point de milieu tn + h2 basée sur une estimation de
f (tn + h2 , y (tn + h2 )) par la méthode d’Euler explicite.
29 / 57
Méthode de Heun
L’idée de la méthode RHeun consiste à utiliser la formule de
t
quadrature suivante : tnn+1 g (t)dt ' h[ 41 g (tn ) + 34 g ( 13 tn + 23 tn+1 )]
R tn+1
Appliquons cette formule à l’integrale tn f (s, y (s))ds pour
l’approcher numeriquement.
on obtient donc :
yn+1 = yn + h[ 14 f (tn , yn ) + 34 f (tn + 32 h, y (tn + 23 h))].
la valeur de y (tn + 23 h) sera estimé par : yn + 23 hf (tn , yn )
D’où
 l’algorithme de Heun donné par :

y 0 donné

k = f (t , y )
1 n n
2 2

k 2 = f (t n + 3 h, yn + 3 hk1 ).

yn+1 = yn + h4 [k1 + 3k2 ]

La méthode de Heun est d’ordre 2 .
30 / 57
méthode Crank-Nicholson
La méthode Crank-Nicholson dépend des valeurs de yn et yn+1 ce
qui donnerait lieu à une méthode implicite si on en restait là, c.à.d
sans utilisation d’une estimation de yn+1 .
L’algorithme de La( méthode Crank-Nicholson est présenté par le
y0 donné
schéma suivant : f (t ,y )+f (t ,y )
yn+1 = yn + h[ n n 2 n+1 n+1 ]
De plus, la méthode de Crank-Nicholson est d’ordre 2 et stable.
31 / 57
Méthodes Crank-Nicholson
Exemple :
Appliquons la méthode Crank-Nicholson pour l’équation
0
y (t) = −λ y avec un pas constant h.
f (t ,y )+f (t ,y )
On a alors : yn+1 = yn + h[ n n 2 n+1 n+1 ]
⇔ yn+1 = yn + h2 [−λ yn − λ yn+1 ]
Ceci implique (1 + λ2h )yn+1 = (1 − λ2h )yn
2−λ h
Donc on obtient : yn+1 = ( 2+λ h )yn
2−λ h n
⇒ yn = ( 2+λ h ) y0
2−λ h
L’approximation yn restera bornée pour n grand si −1 ≤ 2+λh ≤ 1
2 2+λ h
On a donc : 0 ≤ 2+λ h ≤ 1 alors 2 ≥ 1 ce qui implique λ h ≥ 0
Donc il faut prendre λ > 0
32 / 57
Méthodes de Runge et Kutta
Les méthodes de Runge-Kutta sont des méthodes d’ordre élevé,
obtenues à partir des formules d’intégration numérique plus
précises que la formule des rectangles.
On peut améliorer l’estimation de l’intégrale en calculant l’aire
d’un trapèze au lieu de celui d’un rectangle.
La méthode du trapèze consiste en l’approximation suivante :
Rb
f (x)dx ' b−2 a [f (a) + f (b)], appliquée à l’intégrale
Ratn+1
tn f (s, y (s))ds,
R tn+1
cela donne : tn f (s, y (s))ds = h2 [(f (tn , y (tn )) + f (tn+1 , y (tn+1 ))]
33 / 57

De plus l’intégrale dépend des valeurs de yn et yn+1 . On utilise la
méthode d’Euler explicite afin d’estimer la valeur yn+1 qui
intervient dans f (tn+1 , y (tn+1 )) par yn + hf (tn , yn )
On obtient l’algorithme deRunge-Kutta noté RK2 présenté par le

y0 donné

k = f (t , y )
1 n n
schéma itératif suivant :


k2 = f (tn + h, yn + hk1 )
yn+1 = yn + h2 (k1 + k2 )

La méthode RK2 est une méthode explicite, d’ordre 2 et présente

l’avantage d’être précise et assez simple à programmer.
La méthode RK2 peut se référer à l’amélioration la méthode
d’Euler dit Euler amélioré ou aussi la méthode de Heun.
34 / 57

• Afin d’illustrer le fonctionnement de la méthode de Runge et Kutta,
reprenant l’équation différentielle de l’exemple numérique précédent
0
2y = t − y avec f (t, y ) = t −2 y
• Cherchons la formule analytique correspondante :
tn+1 −(yn +h( tn −y
2 )
n
yn+1 = yn + h2 ( tn −2 yn ) + h2 ( 2 )
2yn +htn −hyn
h (tn +h)−( )
yn+1 = yn + h2 ( tn −2 yn ) + 2( 2
2
)
yn+1 = yn + h2 ( tn −2 yn ) + h 2tn +2h−2yn −htn +hyn
2 ( 4 )
h (2−h)tn +(h−2)yn +2h
yn+1 = yn + h2 ( tn −2 yn ) + 2 ( 4 )
Finalement :
2 2 2
yn+1 = ( 4h−8 h )tn + ( 8−4h+h8 )yn + h4
• cette façon de procéder n’est faisable que si la formule mathématique,
découlant du schéma numérique, est relativement simple.
35 / 57
• Il est ainsi plus pertinent d’appliquer explicitement la formule de
Runge-Kutta.
• Ci-dessous, les resultats numériques pour dix approximations :
n tn yn
0 0 1
1 0.1 0.9537
2 0.2 0.9146
3 0.3 0.8823
4 0.4 0.8564
5 0.5 0.8367
6 0.6 0.8227
7 0.7 0.8144
8 0.8 0.8113
9 0.9 0.8133
36 / 57

La méthode de Runge-Kutta d’ordre 4 est une étape
supplémentaire
R tn+1
dans le raffinement du calcul de l’intégrale
tn f (s, y (s))ds.
Au lieu d’utiliser la méthode des trapèzes, on utilise la méthode
de Simpson. Celle-ci consiste à remplacer la fonction intégrée par
une parabole passant par les points extrêmes et le point milieu.
On a ab f (x)dx ' b−6 a [f (a) + 4f ( a+b
R
2 ) + f (b)]
Appliquée cette formule à l’intégrale, cela donne :
R tn+1
tn f (t, y (t))dt '
h
6 [f (t n , y (tn )) + 4f (tn+ 1 , y (tn+ 1 )) + f (tn+1 , y (tn+1 ))]
2 2
D’où la relation :
yn+1 = yn + h6 [f (tn , y (tn )) + 4f (tn+ 1 , y (tn+ 1 )) + f (tn+1 , y (tn+1 ))]
2 2
37 / 57

Ici, une difficulté apparaı̂t car l’équation présente deux
inconnues : yn+ 1 et yn+1 . Pour rendre le schéma explicite, il faut
2
estimer 4f (tn+ 1 , yn+ 1 ) et f (tn+1 , yn+1 ) à partir de yn , tn et h.
2 2
Commençons par le terme 4f (tn+ 1 , y (tn+ 1 )) que l’on décompose
2 2
en deux termes identiques 2f (tn+ 1 , yn+ 1 ) + 2f (tn+ 1 , yn+ 1 )
2 2 2 2
Dans le premier, on remplace yn+ 1 par sa valeur déduite de la
2
(a)
méthode d’Euler explicite ; à savoir y = yn + h2 f (tn , yn ).
n+ 21
Dans le deuxième terme, on remplace yn+ 1 par sa valeur déduite
2
(b)
de la méthode d’Euler implicite : y = yn + h2 f (tn+ 1 , yn+ 1 ) que
n+ 12 2 2
h (a)
l’on va approcher par yn + 2 f (tn+ 21 , yn+ 1 )
2
38 / 57

Les méthodes d’Euler implicite et explicite produisant des erreurs
quasi opposées, on a ainsi l’espoir de minimiser l’erreur sur le calcul
de 4f (tn+ 1 , yn+ 1 )
2 2
Pour résumer, on écrira : 
k1 = f (tn , yn )

4f (tn+ 1 , yn+ 1 ) ' 2k2 + 2k3 avec k2 = f (tn + h2 , yn + h2 k1 )
2 2
k3 = f (tn + h2 , yn + h2 k2 )


Quant au terme f (tn+1 , yn+1 ), on l’approche en estimant yn+1 par la

méthode du point milieu, c-à-d en appliquant la méthode du
rectangle au milieu :
(b)
yn+1 ' yn + hf (tn+ 1 , yn+ 1 ) ' yn + hf (tn+ 1 , y 1 )
2 2 2 n+ 2
39 / 57

Finalement On obtient l’algorithme de Runge-Kutta noté RK4
présenté par le schéma itératif suivant :
yn+1 = yn + h[ 16 k1 + 13 k2 + 31 k3 + 16 k4 ] avec


 k1 = f (tn , yn )
k = f (t + h , y + h k )

2 n 2 n 2 1
h h


 k 3 = f (t n + 2 , y n + 2 k2 )

k4 = f (tn + h, yn + hk3 )
Par rapport à la méthode RK2, ce schéma numérique exige deux fois
plus de calcul à chaque pas et donc un temps de calcul plus long,
sans parler des erreurs d’arrondi qui s’accumulent plus vite.
Cependant, ce défaut est compensé par un gain de précision.
40 / 57
Méthodes de Runge et Kutta : Exemples d’applications

Exemples d’applications : (
y0 = 0
• Prenons l’équation suivante : 0
y = 1−y
dont la solution est la fonction exponentielle y (t) = 1 − e −t .
• Quelle valeur prévoit la méthode de Runge-Kutta d’ordre 2 et 4 pour
y1 = y (h) ?
• Sachant que(l’on a ici f (t, y (t)) = 1 − y (t), le schéma numérique de
k1 = f (0, y0 ) = 1 − y0 = 1
RK2 donne :
k2 = f (0 + h, y0 + hk1 ) = f (h, hk1 ) = 1 − h
• D’où il vient : y1 = y0 + h( 21 k1 + 21 k2 ) = h( 12 + 12 (1 − h)) = h − 12 h2
41 / 57
Méthodes de Runge et Kutta : Exemples d’applications

Exemples d’applications :
•
le schéma numérique de RK4 donne :

 k1 = f (0, y0 )
k = f (0 + 1 h, y + 1 hk )

2 2 0 2 1
1 1
⇒


 k 3 = f (0 + 2 h, y 0 + 2 hk 2)

k4 = f (0 + h, y0 + hk3 )


 k1 = 1 − y0 = 1
k = f ( 1 h, 1 h) = 1 − 1 h

2 2 2 2
1 1 1


 k 3 = f ( 2 h, 2 h(1 − 2 h)) = 1 − 12 h(1 − 12 h)
k4 = f (h, h(1 − 21 h(1 − 12 h))) = 1 − (h − 12 h2 (1 − 12 h))

• D’où il vient
y1 = y0 + [ 61 k1 + 31 k2 + 31 k3 + 16 k4 ] = h − 12 h2 + 61 h3 − 24
1 4
h
42 / 57
Introduction
Les méthodes à un pas utilisent seulement la valeur approchée yn
de y (tn ) pour calculer une valeur approchée yn+1 de y (tn + 1).
Les méthodes à pas multiples utilisent aussi l’information
obtenue aux points précédents tn−1 , tn−2 , . . . , tn−r . Pour calculer
yn+1 on peut s’appuyer sur les r valeurs ayant déja calculées.
Les méthodes a pas mutiples consistent à remplacer f (t, y (t)) par
un polynôme d’interpolation aux points tn−r , tn−r +1 , . . . , tn−1 , tn .
Les formules seront implicites ou explicites selon que yn+1 est l’un
des points d’interpolation ou non.
Rt
L’estimation de l’intégrale : tnn+1 f (t, y (t))dt est donc basée sur
l’utilisation du pôlynome d’interpolation.
43 / 57
Méthodes d’Adams-Bashforth
La méthode d’Adams-Bashforth utilise r points à gauche de
tn+1 . On suppose connues des valeurs approchées yn de y (tn ) et
fn = f (tn , yn ), fn−1 = f (tn−1 , yn−1 ), . . . , fn−r = f (tn−r , yn−r ).
Considérons le polynôme Pn,r (t) de degré r qui interpole les points
(tn−i , fn−i ) pour 0 ≤ i ≤ r , tel que : Pn,r (t) = ∑ri=0 fn−i Ln,i (t) où
t −t
Ln,i (t) = ∏rj=0,j 6=i t −n−j
n−i tn−j
Le polynôme Pn,r est de degré inférieur ou égal à r tel que :

P(tn−i ) = fn−i ∀i = 0, . . . , r .
les valeurs approchées yn seront donc
Rt
obtenues par l’utilisation
l’équation approchée yn+1 = yn + tnn+1 Pn,r (t)dt.
44 / 57
Méthodes d’Adams-Bashforth
On écrit maintenant
Rt
:
yn+1 = yn + tnn+1 ∑ri=0 fn−i Ln,i (t) = yn + h ∑ri=0 bi ,r fn−i
Rt
avec : bi ,r = h1 tnn+1 Ln,i (t)dt
La formulation générale est donné par :
yn+1 = yn + h ∑ri=0 bi ,r fn−i = yn + h[b0,r fn + b1,r fn−1 + . . . + br ,r fn−r ]
L’algorithme
 de la méthode d’Adams-Bashforth à r + 1 pas
r
yn+1 = yn + h ∑i=0 bi ,r fn−i , n ≥ r

s’écrit : tn+1 = tn + h

fn+1 = f (tn+1 , yn+1 )

L’intérêt de cette méthode provient de sa relative simplicité et du

fait qu’une seule évaluation de la fonction f est nécessaire à
chaque étape (contrairement aux méthodes de Runge-Kutta qui en
réclamaient plusieurs).
45 / 57
Méthode d’Adams-Bashforth à un pas

Les méthodes d’Adams-Bashforth sont des méthodes explicites.
On présente ces méthodes pour différentes valeurs prises par r .
Le cas r = 0 : on a pn,0 (t) = f (tn , yn ) = fn , le polynôme est
constant.
Rt
On a donc tnn+1 pn,0 (t)dt = hf (tn , yn )
D’où yn+1 = yn + hn f (tn , yn ).
Il s’agit donc de la méthode d’Euler explicite.
Le schéma
( de la méthode d’Adams-Bashforth à 1 pas est donné
y0 = y (t0 )
par :
yn+1 = yn + hf (tn , yn ) n = 0, 1, 2, . . . , N − 1.
46 / 57
Méthode d’Adams-Bashforth à deux pas

Le cas r = 1 : le polynôme pn,1 (t) est la fonction qui interpole les
deux points (tn , f (tn , yn )) et (tn−1 , f (tn−1 , yn−1 )).
D’où la formule : pn,1 (t) = f (tn , yn ) + f (tn ,yn )t− f (tn−1 ,yn−1 )
n −tn−1
(t − tn )
R tn+1 f (tn ,yn )−f (tn−1 ,yn−1 ) t
Or : tn pn,1 (t)dt = hn f (tn , yn )+ hn−1 [t − tn ]tn+1
n
2
= hn f (tn , yn ) + f (tn ,yn )−hfn−1
(tn−1 ,yn−1 ) hn
2
= hn (f (tn , yn ) + 2hhn−1
n
(f (tn , yn ) − f (tn−1 , yn−1 )))
On pose : hn = hn−1 = h ( pas constant ). L’algorithme s’écrit donc :

y0 = y (t0 )

y1 = y0 + hf (t0 , y0 )
yn+1 = yn + h( 32 f (tn , yn ) − 21 f (tn−1 , yn−1 )) n = 1, 2, . . . , N − 1.


On obtient une méthode explicite à 2 pas d’ordre 2 avec

seulement une évaluation du second membre à chaque pas.
47 / 57
Méthode d’Adams-Bashforth à trois pas

Pour le cas r = 2 : le polynôme s’écrit :
n ,yn ) f (tn−1 ,yn−1 )
pn,2 (t) = f (t2h 2 (t − tn−1 )(t − tn−1 ) − h2
(t − tn−2 )(t − tn ) +
f (tn−2 ,yn−2 )
2h2
(t − tn−1 )(t − tn )
Calcul
R tn+1
de l’integrale donne la formule suivante :
h
tn pn,1 (t)dt = 12 (23f (tn , yn ) − 16f (tn−1 , yn−1 ) + 5f (tn−2 , yn−2 ))
On obtient le schéma itératif suivant :


y0 = y (t0 )

y = y + hf (t , y )
1 0 0 0


y 2 = y 1 + hf (t 1 , y1 )
h
yn+1 = yn + 12 (23f (tn , yn ) − 16f (tn−1 , yn−1 ) + 5f (tn−2 , yn−2 ))n = 2, . . . , N −

On peut utiliser la formule d’Adams-Bashforth à 2 pas pour

calculer y2 : y2 = y1 + h( 32 f (t1 , y1 ) − 21 f (t0 , y0 ))
48 / 57
Méthode d’Adams-Bashforth à quatre pas

La
 méthode explicite d’Adams-Bashforth à 4 pas est présenté par :

 y0 = y (t0 ) donné

y 1 = y0 + hf (t0 , y0 )





y = y + hf (t , y )
2 1 1 1


 y3 = y2 + hf (t2 , y2 )
h
y n+1 = yn + 24 (55f (tn , yn ) − 59f (tn−1 , yn−1 )+





37f (tn−2 , yn−2 ) − 9f (tn−3 , yn−3 )) n = 3, 4, . . . , N − 1.

Il s’agit d’une méthode montre d’ordre 4 .

On peut utiliser la méthode d’Adams-Bashforth à 2 pas pour
calculer y2 et à 3 pas pour calculer y3
49 / 57
Méthodes d’Adams-Moulton
On utilise la même idée des méthodes d’Adams-Bashforth.
On approxime ici f (t, y (t)) par son polynôme d’interpolation aux
points tn+1 , tn , tn−1 , . . . , tn−r ; le point tn+1 est donc pris en plus.
On considère le polynôme pn∗,r (t) de degré r + 1 qui interpole les
points (tn−i , fn−i ) pour −1 ≤ i ≤ r :
t −t
Pn∗,r (t) = ∑ri=−1 fn−i L∗n,i (t) où L∗n,i (t) = ∏rj=−1,j 6=i t −tn−j
n−j
Comme dans le cas précédent On obtient donc Rt

la formule suivante :
yn+1 = yn + h ∑ri=−1 bi∗,r fn−i avec : bi∗,r = h1 tnn+1 L∗n,i (t)dt
La formule recurrante correspondant aux méthodes
d’Adams-Moulton s’écrit : yn+1 = yn + h ∑ri=−1 bi∗,r fn−i
50 / 57
On introduit ici les différentes cas des méthodes
d’Adams-Moulton selon les valeurs prise par r .
Pour le cas r = -1 : on a pn,−1 (t) = f (tn+1 , yn+1 ) = fn+1 , le
polynôme est constant.
Rt
Donc on a : tnn+1 pn,−1 (t)dt = hf (tn+1 , yn+1 ).
d’où yn+1 = yn + hn f (tn+1 , yn+1 ).
Alors, on obtient le schéma suivant à un pas, d’ordre 1 :
(
y0 = y (t0 )
yn+1 = yn + hf (tn+1 , yn+1 ) = yn + hfn+1 n = 0, 1, 2, . . . , N − 1.
On remarque que la méthode d’Adams-Moulton coı̈ncide avec la
méthode d’Euler implicite.
51 / 57
Pour le cas r = 0 : On a le polynôme suivant :
f (t ,yn+1 )−f (tn ,yn )
pn,0 (t) = fn + n+1 tn+1 −tn (t − tn ). D’où
R tn+1
tn pn,−1 (t)dt = h2 (f (tn , yn ) + f (tn+1 , yn+1 )) = h2 (fn + fn+1 )
on
( obtient donc le schéma itératif à un pas, d’ordre 2 :
y0 = y (t0 )
yn+1 = yn + h2 [f (tn+1 , yn+1 ) + f (tn , yn )] = h2 [fn+1 + fn ] n = 1, 2, . . . , N − 1.
La méthode d’Adams-Moulton dans ce cas coı̈ncide avec la
méthode de Crank-Nicolson.
52 / 57
f (tn−1 ,yn−1 )
Pour le cas r = 1 : On a pn,1 (t) = 2h2
(t − tn )(t − tn+1 ) −
f (tn ,yn ) f (tn+1 ,yn+1 )
h2
(t − tn−1 )(t − tn+1 ) + 2h2
(t − tn−1 )(t − tn )
L’integrale de pn,1 (t) :
R tn+1 h
tn pn,−1 (t)dt = 12 (5f (tn+1 , yn+1 ) + 8f (tn , yn ) − f (tn−1 , yn−1 ))
On obtient la méthode d’Adams-Moulton d’ordre 3 à deux pas,
dont
( l’algorithme s’écrit :
y0 = y (t0 ) y1 = y0 + hf (t0 , y0 )
h
yn+1 = yn + 12 (5f (tn+1 , yn+1 ) + 8f (tn , yn ) − f (tn−1 , yn−1 ))n = 1 . . . , N − 1.
La
 méthode d’Adams-Moulton à 3 pas d’ordre 4 est donné :
y0 = y (t0 ) = f0 y1 = y0 + hy (t0 , y0 ) y2 = y1 + hy (t1 , y1 )

h
yn+1 = yn + 24 (9f (tn+1 , yn ) + 19f (tn+1 , yn+1 ) − 5f (tn−1 , yn−1 )

+f (tn−2 , yn−2 )) n = 2, 3, . . . , N − 1.

53 / 57
Méthode de prédicteur-correcteur
Une méthode predicteur-correcteur est une méthode qui permet de
calculer yn+1 de façon explicite à partir d’une méthode implicite.
Principe : bénéficier des qualités d’une méthode implicite mais
l’appliquer à une estimation obtenue par une méthode explicite du
même ordre.
• pédiction de yn+1 par une méthode explicite.
• correction de yn+1 par une formule implicite où f (tn+1 , y (n + 1))
a été approximé par la prédiction f (tn+1 , yn+1 ).
On a déjà rencontré une méthode de type prédicteur-correcteur
lorsqu’on a construit les schémas classiques.
54 / 57
Exemple 1 : la méthode Euler amélioré où méthode de Heun qui
 autre que la méthode de Runge-Kutta d’ordre 2 RK2.
n’est
y0 = y (t0 )

yen+1 = yn + hf (tn , yn ) n = 1, 2, . . . , N.
yn+1 = yn + h2 (f (tn , yn ) + f (tn+1 , yen+1 )) n = 1, 2, . . . , N.


L’idée est de construite le schéma itératif en deux étapes suivantes :

• prédicteur : méthode d’Euler explicite (d’ordre 1 )
yen+1 = yn + hf (tn , yn )
• correcteur : méthode de Crank-Nicolson (d’ordre 2 )
yn+1 = yn + h2 (f (tn , yn ) + f (tn+1 , yen+1 ))
Pour rendre les méthodes d’Adams-Moulton explicite, on remplace
le yn+1 par son estimation par la méthode d’Adams-Bashforth.
55 / 57
Exemple 2 : Les méthodes de type prédicteur-correcteur sont
souvent construites en utilisant une prédiction d’Adams-Bashforth
suivie d’une correction d’Adams-Moulton. Par exemple, si on
considère les deux étapes suivantes :
• prédicteur : méthode d’Adams-Bashforth à 2 pas d’ordre 2 :
yen+1 = yn + h2 (3f (tn , yn ) − f (tn−1 , yn−1 ))
• correcteur : méthode d’Adams-Moulton d’ordre 3
h
yn+1 = yn + 12 (5f (tn+1 , yn+1 ) + 8f (tn , yn ) − f (tn−1 , yn−1 ))
On
 obtient la méthode dont l’algorithme est donné par :
y0 = y (t0 )


y = y + hf (t , y )
1 0 0 0
h

yen+1 = yn + 2 (3f (tn , yn ) − f (tn−1 , yn−1 )) n = 2, . . . , N.

h
yn+1 = yn + 12 (5f (tn+1 , yen+1 ) + 8f (tn , yn ) − f (tn−1 , yn−1 )) n = 2, . . . , N.

56 / 57
Exemple 3 : La méthode construite en utilisant une prédiction
d’Adams-Bashforth d’ordre 2 suivie d’une correc-
tion
 d’Adams-Moulton d’ordre 2 est présenté par le schéma suivant :
y0 = y (t0 ) y1 = y0 + hf (t0 , y0 )

yen+1 = yn + h2 (3f (tn , yn ) − f (tn−1 , yn−1 )) n = 2, . . . , N.
yn+1 = yn + h2 (5f (tn+1 , yen+1 ) + 8f (tn , yn ) − f (tn−1 , yn−1 )) n = 2, . . . , N.


Exemple 4 : La méthode construite en utilisant une prédiction

d’Adams-Bashforth d’ordre 4 suivie d’une correction
d’Adams-Moulton d’ordre 4 est donné par l’algorithme :

y0 = y (t0 ) y1 = y0 + hf (t0 , y0 )


y = y + hf (t , y )
2 1 1 1
h

 yn+1 = yn + 2 (3f (tn , yn ) − f (tn−1 , yn−1 )) n = 2, . . . , N.
e

yn+1 = yn + h2 (5f (tn+1 , yen+1 ) + 8f (tn , yn ) − f (tn−1 , yn−1 )) n = 2, . . . , N.

57 / 57

Chapitre1 1

Transféré par

Informations du document

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

Chapitre1 1

Transféré par

Droits d'auteur :

Formats disponibles

Équations différentielles ordinaires

Calcul scientifique : Chapitre I.

Pr. Sabry Abdelhadi

Institut Nationale de Statistiques et de l’Economie

1 Équations différentielles ordinaires

3 Méthodes a pas multiples

Équations différentielles ordinaires

Équations différentielles ordinaires

Équations différentielles ordinaires

Équations différentielles ordinaires

DEFINITION DES EDO

Équations différentielles ordinaires

Équations différentielles ordinaires

|f (t, y1 ) − f (t, y2 )| ≤ L|y1 − y2 |∀t ∈ I , ∀y1 , y2 ∈ R

Alors la solution y = y(t) du problème de Cauchy existe, est

Équations différentielles ordinaires

Équations différentielles ordinaires

Équations différentielles ordinaires

On a alors : t0 = t0 , t1 = t0 + h, t2 = t0 + 2h, . . . , tn = t0 + nh, pour

Équations différentielles ordinaires

PRINCIPE GENERAL DES METHODES NUMERIQUES

Équations différentielles ordinaires

PROPRIETES DES METHODES NUMERIQUES

Équations différentielles ordinaires

PROPRIETES DES METHODES NUMERIQUES

Équations différentielles ordinaires

LES PRINCIPALES METHODES NUMERIQUES

Méthodes d’Euler explicite

La méthode peut s’interpréter aussi :

Méthodes d’Euler explicite

Méthodes d’Euler implicite

Méthodes d’Euler implicite

Méthodes d’Euler implicite

Méthodes d’Euler implicite

Méthode de Runge ( Méthode de point de milieu )

la méthode est le résultat de l’application de la formule de

La méthode de Heun est d’ordre 2 .

Méthodes de Runge et Kutta

La méthode RK2 est une méthode explicite, d’ordre 2 et présente

Méthodes de Runge et Kutta

Méthodes de Runge et Kutta

Méthodes de Runge et Kutta

Méthodes de Runge et Kutta

Quant au terme f (tn+1 , yn+1 ), on l’approche en estimant yn+1 par la

Méthodes de Runge et Kutta

Méthodes de Runge et Kutta : Exemples d’applications

Méthodes de Runge et Kutta : Exemples d’applications

Méthodes a pas multiples

Méthodes a pas multiples

Le polynôme Pn,r est de degré inférieur ou égal à r tel que :

Méthodes a pas multiples

L’intérêt de cette méthode provient de sa relative simplicité et du

Méthodes a pas multiples

Méthode d’Adams-Bashforth à un pas

Méthodes a pas multiples

Méthode d’Adams-Bashforth à deux pas

On obtient une méthode explicite à 2 pas d’ordre 2 avec

Méthodes a pas multiples

Méthode d’Adams-Bashforth à trois pas

On peut utiliser la formule d’Adams-Bashforth à 2 pas pour

Méthodes a pas multiples

Méthode d’Adams-Bashforth à quatre pas

Il s’agit d’une méthode montre d’ordre 4 .

Méthodes a pas multiples