Académique Documents
Professionnel Documents
Culture Documents
Méthodes à un pas
Méthodes a pas multiples
DS-SDRO-ESB-ACT FIN
1 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Plan
2 Méthodes à un pas
2 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
6 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
LE PROBLEME DE CAUCHY
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
8 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
LE PROBLEME DE CAUCHY
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
LE PROBLEME DE CAUCHY
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
LE PROBLEME DE CAUCHY
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 :
11 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
12 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
13 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
14 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
Méthodes à un pas
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
Méthodes à un pas
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
Méthodes à un pas
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
19 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
Méthodes d’Euler explicite
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 .
Méthodes à un pas
21 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
0 1
Figure: La méthode d’Euler pour l’équation y = 2y .
22 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
23 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
24 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
25 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
26 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
Méthodes d’Euler implicite
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
Méthodes d’Euler implicite
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
29 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
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 ]
30 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
34 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
35 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
Méthodes de Runge et Kutta
• 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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
37 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
38 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
39 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
40 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
41 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes à un pas
42 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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
44 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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 )
45 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
46 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
47 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
48 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
49 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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
50 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes d’Adams-Moulton
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes d’Adams-Moulton
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthodes d’Adams-Moulton
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthode de prédicteur-correcteur
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.
55 / 57
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthode de prédicteur-correcteur
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
Équations différentielles ordinaires
Méthodes à un pas
Méthodes a pas multiples
Méthode de prédicteur-correcteur
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.
57 / 57