Université Sidi Mohammed Benabdallah Année universitaire 2020-2021

Faculté des Sciences Dhar-El-Mehraz Filière SMA–Semestre S5

Département de Mathématiques
Pr.Wardi Souad

Support de Cours
Module ANALYSE NUMERIQUE II

Chapitre I- Introduction
On considère l’Equation Di¤érentielle Ordinaire : y 0 = f (t; y)

et le problème suivant:
y 0 = f (t; y)
(1)
y(t0 ) = y0
où la fonction inconnue y est telle que

y : I0 ! Rn 0 1
y1 (t)
B C
t 7 ! y(t) = @ ... A avec I0 = [t0 ; t0 + T ] R,
yn (t)
et f une fonction donnée, dé…nie et continue sur I0 Rn à valeurs dans Rn :
Il s’agit donc d’un système d’équations di¤érentielles du premier ordre de la forme:

8
0
>
< y1 = f1 (t; y1 ::yn )
..
> .
: y 0 = f (t; ::y ::y )
n n 1 n

Le système di¤erentiel auquel on a ajouté la condition initiale y(t0 ) = y0 est

appelé Problème de Cauchy.

Des exemples seront précisés dans le cours notamment le système de

Lotka-Volterra.

Remarque: E.D.O. d’ordre supérieur:

Nous pouvons étudier une équation di¤érentielle ordinaire du Premier ordre sans perte de généralité
puisque toute E.D.O d’ordre supérieur peut se ramener à une équation du premier ordre. En e¤et:

Considérons l’E.D.O. d’ordre n :

8 (n)
< y = f (t; y; y 0 ; :::; y (n 1)
)
(2)
:
y(t0 ); :::y (n 1)
(t0 ) donnés
 8
> Y1 = y 0 1
>
> Y1
< Y2 = y 0 B C
On pose : .. . En notant Y = @ ... A puis
>
> .
>
: Y = y (n 1) Yn
n

0 1
Y2
B .. C
B . C
F (t; Y ) = B C,
@ Yn A
f (t; Y1 ; :::; Yn )
l’équation (2) devient alors une équation du premier ordre:

Y 0 (t) = F (t; Y )
Y (t0 ) donné.

Pour les di¤érentes E.D.O. rencontrées dans la pratique, on connaît rarement la solution exacte
de manière explicite, d’où l’intérêt des méthodes numériques qui permettent d’obtenir d’excellentes
approximations grâce aux performances actuelles de l’outil numérique.

II- Résultats généraux d’existence et d’unicité

Avant d’approcher numériquement la solution d’un problème posé, il faut d’abord s’assurer

de l’existence et d’une telle solution,

de l’intervalle où elle est dé…nie, appelé "durée de vie de la solution",

si elle est "globale" ou "locale" ,

si elle unique,

si elle est stable par rapport aux perturbations sur la donnée initiale ou par rapport aux erreurs
d’arrondi.

Dé…nitions:

1. La fonction y 2 C 1 (I) où I est un voisinage de t0 2 I est dite locale si:

8t 2 I; y 0 (t) = f (t; y(t))

et y(t0 ) = y0 :

On note cette solution (I; y):

2. On dit que la solution (J; z) prolonge la solution (I; y) si I J et si 8t 2 I; y(t) = z(t):

3. La solution (I; y) sera Maximale s’in n’existe aucune solution locale qui la prolonge.

4. (I; y) est une solution globale du problème dans I0 si elle est solution locale et si I = I0 :
Résultat d’existence Locale:
Théorème de Cauchy-Péano:
Si f est continue au voisinage de (t0; y0 ) dans I0 Rn ; où I0 = [t0 ; t0 + T ]:

Alors 9 J0 I0 , J0 2 v(t0 ) et 9y 2 C 1 (J0 ) /

8t 2 J0 ; y 0 (t) = f (t; y(t))

et y(t0 ) = y0 :

On a donc pour toute fonction f donnée continue au voisinage de (t0; y0 ) , il existe

une solution locale (J0 ; y):

D’autre part, étant donné une solution locale, il existe au moins une solution
maximale qui la prolonge.

Existence de solution globale:

THEOREME:
Soit f dé…nie et continue dans I0 Rn ; telle que:

9l 2 L1 (I0 ) (intégrable sur I0 ) / 8(t; y) 2 I0 Rn ; < f (t; y); y > l(t)(1 + kyk2 )
où < :; : > désigne le produit scalaire dans Rn et k:k la norme associée.
Alors le problème de Cauchy (1) admet au moins une solution globale dans I0 :

Résultat d’unicité

THEOREME

Soit f continue dans I0 Rn ; telle que:

9l 2 L1 (I0 ) / 8t 2 I0 , 8y; z 2 Rn ; < f (t; y) f (t; z); y z> l(t) ky zk2

alors le problème (1) admet une solution globale unique et toute solution locale sera

la restriction de cette solution globale.

Résultat de régularité
Si y 2 C 1 (I0 ) est solution du problème (1) et si f est p f ois dérivable en (t; y(t))
alors y est (p + 1) fois dérivable en t et on a y (p+1) (t) = f (p) (t; y(t));

où on dé…nit les dérivées succesives par rapport à t de la fonction f de deux

variables par:

f (0) (t; y) = f (t; y)

f (p+1) (t; y) = Dt f (p) (t; y) + Dy f (p) (t; y):f (t; y)

DEFINITION
On dit que la fonction f : I Rn ! Rn est Lipschitzienne en y s’il existe une
constante réelle L strictement positive telle que :

kf (t; y) f (t; z)k L ky zk ; 8y; z 2 Rn ; 8t 2 I:

THEOREME DE CAUCHY-LIPSCHITZ

Soit f : I Rn ! Rn continue et Lipschitzienne en y:

y 0 = f (t; y); t 2 I0
Alors le problème de Cauchy: (1)
y(t0 ) = y0
admet une solution et une seule y 2 C (I0 ; Rn ):
1

DEMONSTRATION
Soit F : y 2 C 0 ([t0 ; t0 + T ]) 7! F (y) 2 C 0 ([t0 ; t0 + T ]) dé…nie par:

Zt
F (y)(t) = y0 + f (s; y(s))ds
t0

Nous allons montrer l’existence et l’uncité d’un point …xe pour F:

Ce point …xe y véri…era alors: F (y) = y et par conséquent y d’après la dé…nition de F;
y sera bien la solution du problème de Cauchy (1):

Considérons la norme suivante:

2L(s t0 )
kykL = max e ky(s)k
s2I0

C 0 (I0 ) muni de cette norme est un espace de Banach.

Zt
On a 8t 2 I0 ; k(F (y) F (z))(t)k kf (s; y(s)) f (s; z(s))k ds ,
t0
(k:k étant la norme euclidienne dans Rn )
Zt
Le2L(s t0 )
ky zkL ds (car f Lipschitzienne)
t0
1 2L(t t0 )
2
e ky zkL (en calculant la primitive)

donc on a : k(F (y) F (z))(t)k 12 e2L(t t0 ) ky zkL

donc maxt2I0 e 2L(t t0 )
k(F (y) F (z))(t)k 21 ky zkL ; çad:
1
kF (y) F (z)kL 2
ky zkL :

Donc F est contractante donc F admet un point …xe unique y 2 C 0 (I0 ) d’après le
théorème du point …xe de Banach.
Il existe donc une solution unique pour le problème (1) qui est ce point …xe y:

NOTION DE TRAJECTOIRE
Dé…nition
On appelle Trajectoire ou Orbite partant de y0 l’ensemble:
 Ty0 = fy(t) 2 R (ou Rn ) = y est solution de (P )g
On déduit alors du théorème de Cauchy-Lipschitz le résultat suivant:

PROPOSITION
Si y0 ; z0 2 R sont deux données initiales distinctes alors les trajectoires

correspondantes Ty0 et Tz0 sont disjointes.

En e¤et : Supposons Ty0 \ Tz0 6= ? alors les courbes y(t) et z(t) se coupent en un
point E et par conséquent, en prenant ce point E comme donnée initiale, il ne peut
passer qu’une seule solution d’après le théorème, d’où le résultat.

III- METHODES NUMERIQUES A UN PAS

On subdivise l’intervalle I = [t0 ; t0 + T ] en N intervalles équidistants [tn ; tn+1 ] .
T
On pose h = tn+1 tn = N :

Une approximation de y(tn ) , y étant la solution exacte, sera toujours notée yn .

Une méthode numérique à un pas consiste à calculer yn+1 à partir de yn :

Etudions un exemple important de méthodes numériques à un pas:

1- Méthode Numérique d’Euler
Ce schéma numérique, appelé également Euler-explicite ou Euler-Cauchy est
donné par l’itération suivante:

yn+1 = yn + h f (tn ; yn )
y0 donné.

Remarquons que si on applique la formule de Taylor , alors on obtient:

2
y(tn+1 ) = y(tn ) + h y 0 (tn ) + Rn ,où Rn h2 y"( n ); n 2 [tn ; tn+1 ]
D’où: y(tn+1 ) = y(tn ) + h f (tn ; y(tn )) + Rn :
Par conséquent, si h est ’petit’et en négligeant le reste Rn qui tend vers 0 , on

obtient:
y(tn+1 ) ' y(tn ) + hf (tn ; y(tn ))
D’où l’approximation:
yn+1 = yn + h f (tn ; yn )
Une autre manière d’introduire le schéma d’Euler est la suivante:
On intégre entre tn et tn+1 l’èquation di¤érentielle y 0 (t) = f (t; y(t)) pour obtenir:

tZn+1 tZn+1

y 0 (t)dt = f (t; y(t))dt

tn tn

ce qui donne en appliquant la formule d’intégration numérique des Rectangles à

gauche:
tZn+1

y 0 (t)dt ' f (tn ; y(tn ))(tn+1 tn )

tn

càd y(tn+1 ) y(tn ) ' hf (tn ; y(tn )); d’où le schéma d’Euler .

Remarque
Si on applique la formule des Rectangles à droite :

tZn+1

y 0 (t)dt ' f (tn+1 ; y(tn+1 ))(tn+1 tn ) alors on obtiendra un schéma implicite:

tn

yn+1 = yn + h f (tn+1 ; yn+1 ) : ce schéma est appelé Euler-rétrograde.

CONVERGENCE DE LA METHODE D’EULER

Dé…nition:
Une méthode numérique d’approximation du problème de Cauchy (P ) est dite

convergente si l’erreur ,dé…nie par: en y(tn ) yn , véri…e:

lim f max jen j g = 0

h!0 0 n N

THEOREME
Soit la fonction f 2 C 1 (I; Rn ) et Lipschitzienne en y: Alors l’erreur d’approximation

dans la formule d’euler satisfait la majoration suivante:

eL(tn t0 )
1
jen j h max jy"(t)j
2L t2I

La méthode d’Euler est alors convergente et véri…e l’estimation d’erreur ci-dessus.

REMARQUE
L’hypothèse " f Lipschitzienne" dans ce théorème sera satisfaite si par exemple la

fonction f est dérivable par rapport à y et si 9M constante positive telle que:

@f
@y
t; y) M; 8t 2 I; 8y 2 Rn .

Avant de démontrer le théorème énoncons le lemme suivant qui est une version

discrète du Lemme de Gronwall:

LEMME 1.1
Si (an ) est une suite de réels positifs telle que 8n 2 N , an+1 A an + B ,
A; B des constantes positives, alors:
 n
1. an a0 An + B AA 1
1

2. Si de plus A > 1; en écrivant A = 1 + K avec K > 0; alors

enK 1
an a0 enK + B ; 8n 2 N
K
3. Si la suite (an ) véri…e une inégalité sous la forme:

an+1 A an + Bn ; 8n 2 N , alors on a:

X
n 1
n
an a0 A + An i 1
Bi
i=0

Démonstration du Théorème 1.1

La fonction f 2 C 1 (I; Rn ) donc y 2 C 2 (I): Appliquons alors la formule de Taylor à y à
l’ordre 1 au voisinage de tn :
2
y(tn+1 ) = y(tn )+ hy 0 (tn ) + h2 y"( n ); tn n tn+1 :
De plus, on a par le schéma d’Euler: yn+1 = yn + h f (tn ; yn );
2
D’où: y(tn+1 ) yn+1 = y(tn ) yn + h ff (tn ; y(tn ) f (tn ; yn ))g + h2 y"( n )
Or f est Lipschitzienne, donc l’erreur (en ) veri…e:
2
jen+1 j jen j + h L jen j + h2 y"( n )
2
càd: jen+1 j (1 + hL) jen j + h2 M où M = supt2I jy"(t)j :
D’où, d’après le Lemme 1.1 précédent:

h2 enhL 1
jen j je0 j enhL + M
2 hL

h nhL
or e0 = 0 , d’où: jen j 2
Me L 1 et puisque nh = tn t0 T; 8n 2 N ; alors:

h e(tn t0 )L 1 hM T L
jen j M (e 1) O(h)
2 L 2L
D’où: limh!0 max0 n N jen j = 0 ,

donc la méthode d’Euler est convergente, sous les hypothèses du théorème.

L’erreur véri…e donc jen j O(h); on dira que la méthode d’Euler est d’ordre 1.

C’est donc une méthode numérique simple mais peu précise.

Nous allons étudier d’autres méthodes numériques d’ordre plus élevé et donc

plus précises.

2- METHODE NUMERIQUE D’EULER- IMPLICITE

On intégre ici l’équation di¤erentielle y 0 = f (t; y(t)) entre tn et tn+1 ; en appliquant la

formule d’intégration numérique des Trapèzes. On obtient:

 tZn+1 tZn+1
h
y 0 (t)dt = f (t; y(t))dt ' ff (tn ; y(tn )) + f (tn ; y(tn+1 ))g
2
tn tn

D’où, en approchant par les valeurs numériques (yn ); on obtient le schéma

numérique d’Euler-implicite:
h
yn+1 = yn + ff (tn ; yn ) + f (tn+1 ; yn+1 )g
2

3- SCHEMA NUMERIQUE PREDICTEUR-CORRECTEUR

Le schéma précédent est implicite: l’inconnue yn+1 est encore présente dans le second membre de
l’équation; il faut donc résoudre, à chaque étape tn de l’itération, une équation souvent non linéaire.
Numériquement, on utilisera par exemple l’algorithme de Newton-Raphson de résolution des équations
non-linéaires de la forme F (x) = 0:

Pour éviter cet inconvenient tout en gardant un schéma numérique du même ordre,
on procède comme suit:
On calcule d’abord une valeur ’de prédiction’, qui provient du schéma

d’Euler-explicite:
yg
n+1 = yn + h f (tn ; yn )

Puis on l’insère dans le schéma d’Euler-implicite:

h
yn+1 = yn + ff (tn; yn ) + f (tn+1 ; yg
n+1 )g
2
càd:
h
yn+1 = yn + ff (tn; yn ) + f (tn+1; yn + h f (tn ; yn ))g
2
Le calcul de yn+1 s’obtient alors directement et explicitement à partir de la valeur de
yn :
Le schéma Euler-Prédicteur-Correcteur s’écrit:
8
< yg
n+1 = yn + h f (tn ; yn )

:
yn+1 = yn + h2 ff (tn; yn ) + f (tn+1 ; yg
n+1 )g

Les deux schémas Euler-implicite et Euler-Prédicteur-Correcteur sont d’ordre deux

comme nous le prouverons par la suite.

Remarque
Les valeurs calculées yn , à partir du schéma d’Euler yn+1 = yn + h f (tn ; yn ) sont en

fait "perturbées" par des erreurs d’arrondi.

On montrera que le choix du pas h est important pour assurer la stabilité par

rapport aux erreurs d’arrondi, h ne doit pas être trop "petit".

Stabilité par rapport aux erreurs d’arrondi dans le
schéma d’Euler
A cause des erreurs d’arrondi, on ne calcule pas en fait les valeurs yn du schéma :
yn+1 = yn + hf (tn ; yn )

mais valeurs approchées yen du problème perturbé:

yg
n+1 = yen + h[f (tn ; yen ) + n] + n:

où n est l’erreur commise en calculant f et n l’erreur d’arrondi commise par le

calculateur.

Soit = maxi j i j et = maxi j i j :

On pose een y(tn ) yen :

Alors on a:

yg
n+1 = yen + h[f (tn ; yen ) + n] + n

et y(tn+1 ) = y(tn ) + h f (tn ; y(tn )) + "n

) eg
n+1 = een +h[ f (tn ; y(tn )) f (tn ; yen )] + "n h n n:

Si f est Lipschitzienne par rapport à y alors:

jeg
n+1 j (1 + hL) jeen j + j"n j + h + :
h2
Or on a montré que :j"n j 2
maxt2I jy"(t)j :
h2
Donc: jeg
n+1 j (1 + hL) jeen j + 2
M +h + :
h2
Posons D 2
M +h + :

Donc jeg
n+1 j (1 + hL) jeen j + D

on peut donc appliquer le lemme de Gronwall discret pour obtenir:

nhL
jeg
n+1 j enhL jee0 j + D e hL
1

enhL 1 h2
càd: jeg
n+1 j enhL jee0 j + hL
(2M +h + )

eT L 1 h
) jeg
n+1 j eT L jee0 j +
( M + + ):
L 2 h
On en déduit que quand h ! 0; l’erreur dûe aux erreurs d’arrondis est en h
donc cette erreur ! 1
 et l’erreur dûe à la méthode est en h2 M;donc ! 0:

On met cette majoration de jf

eN j sous la forme:
C
jf
eN j A + Bh + '(h):
h

C
En étudiant la fonction '; on obtient : '0 (h) = B h2

q
) ' admet un minimum en h = e
h= C
B
:

Donc l’erreur sera minimale si h = e

h

et si h < e
h; '(h) risque d’être trop grande

=) on ne doit donc pas prendre un pas de discrétisation h trop petit.

CHAPITRE II-Etude générale des méthodes à un pas

On considère une fonction f : I Rn ! Rn continue et Lipschitzienne en
y: (I = [t0 ; t0 + T ])

Alors d’après le théorème de Cauchy-Lipschitz, il existe une solution

unique y 2 C 1(I; Rn ) véri…ant:
y 0 (t) = f (t; y(t)); 8t 2 I
(P )
y(t0 ) = , donné dans Rn
DEFINITION
Une méthode (ou schéma) numérique à un pas consiste à calculer à
chaque étape tn+1 la valeur yn+1 qui approche y(tn) uniquement en fonction de
la valeur yn calculée à l’étape précédente.
On écrit ces méthodes sous la forme générale suivante ( on travaillera
dans le cas n = 1 )

yn+1 = yn + hn (tn ; yn ; hn )
y0 = h , h donné dans R
où est continue dans son domaine [t0 ; t0 + T ] R [0; h ] ; hn tn+1 tn et
h = max0 n N hn :

Remarque

La méthode d’Euler correspond au cas (t ; y ; h) = f (t; y);

 càd ne dépend pas de h:
1-Stabilité d’un schéma numérique
On considère le schéma numérique à un pas suivant:
yn+1 = yn + hn (tn ; yn ; hn )
(1)
y0 = h , h donné dans R

et le schéma "perturbé" associé:

zn+1 = zn + hn (tn ; zn ; hn ) + n
(2)
z0 donné dans R
Le problème ici est de savoir comment varie la solution en fonction des
perturbations n ,
autrement dit si les perturbations sont "petites" est-ce que zn la solution
du problème perturbé est proche de yn la solution du problème initial?
DEFINITION
On dit que la méthode (1) est stable s’il existe une constante
M; indépendante de h telle que

X1
N
max jyn zn j M jy0 z0 j + j nj
0 n N
n=0

Cette dé…nition signi…e que pour un schéma stable, une petite perturba-
tion sur les données entraine une faible perturbation sur la solution.
Cette propriété est très importante pour réduire l’e¤et des erreurs d’arrondi.
2-CONSISTANCE D’UN SCHEMA NUMERIQUE
DEFINITION
On dit que la méthode numérique (1) est consistante avec l’équation di¤érentielle
y 0 = f (t; y) si:

X1
N
lim jy(tn+1 ) y(tn ) hn (tn ; y(tn ) ; hn )j = 0:
h!0
n=0

On note "n y(tn+1 ) y(tn ) hn (tn ; y(tn ) ; hn ) appelée erreur de consistance à

l’étape n:

Donc le schéma ou la méthode numérique est consistante si

X1
N
lim j"n j = 0
h!0
n=0
 3- CONVERGENCE D’UN SCHEMA NUMERIQUE
Le schéma numérique (1) est dit convergent s’il satisfait:

lim h = =) lim f max j y(tn ) yn jg = 0

h!0 h!0 0 n N

On notera en y(tn ) yn l’erreur à l’étape n:

THEOREME (de LAX)
Si la méthode numérique (1) est stable et consistante alors
elle est convergente.
Démonstration
Soit "n y(tn+1) y(tn ) hn (tn ; y(tn ) ; hn ) l’erreur de consistance en
tn :
On pose: zn y(tn): Alors zn véri…e le schéma perturbé (2) avec
n "n .
Or le schéma est stable donc N 1 X
9M > 0 = max0 n N jen j Mj h j+ j"n j :
n=0
Et de plus, le schéma est consistant
X1
N
donc le terme j"n j ! 0 quand h ! 0;
n=0
Alors si limh!0 h = , on aura: max0 n N jen j ! 0

d’où la convergence du schéma.

EXEMPLE
Les calculs précédents obtenus pour le schéma d’Euler montrent bien
que si f est Lipschitzienne alors c’est un schéma stable et consistant donc
convergent.
4- CONDITION NECESSAIRE ET SUFFISANTE DE CON-
SISTANCE
THEOREME
Le schéma général à un pas yn+1 = yn + hn (tn ; yn ; hn ) est
CONSISTANT si et seulement si:

8t 2 [t0 ; t0 + t]; 8y 2 R , (t; y; 0) = f (t; y)

DEMONSTRATION:
(: Supposons que 8t 2 [t0 ; t0 + t]; 8y 2 R , (t; y; 0) = f (t; y)
et montrons que le schéma est consistant:
Soit l’erreur de consistance à l’étape n :
 "n = y(tn+1 ) y(tn ) hn (tn ; y(tn ) ; hn )

On a , d’après le théorème des A.F. appliqué à la fonction dérivable y :

9cn 2 [tn ; tn+1 ] = y(tn+1 ) y(tn ) = hn y 0 (cn )

) :"n = hn [y 0 (cn ) (tn ; y(tn ) ; hn )] = hn [f (cn ; y(cn )) (tn ; y(tn ) ; hn )]

Notons n hn[f (cn ; y(cn)) (tn ; y(cn) ; 0)]
et n = (cn ; y(cn ); 0) (tn ; y(tn ) ; hn ):
Alors on a:
"n = n + hn n

X1
N X1
N X1
N
) j nj j nj + hn j nj :
n=0 n=0 n=0
X1
N
Or on remarque que j nj est en fait une somme de Riemann puisque,
n=0
si on pose: g(t) jf (t; y(t)) (t; y(t); 0)j
NX1 X
N 1
alors on a: j nj = hn g(cn ); cn 2 [tn ; tn+1 ];
n=0 n=0
tZ
0 +T tZ
0 +T
X1
N
D’où: limh!0 j nj = g(t)dt = jf (t; y(t)) (t; y(t); 0)j dt:
n=0 t0 t0
D’autre part, on a:
j nj = j (cn ; y(cn ); 0) (tn ; y(tn ); hn )j

(h) maxjt (t0 ; y(t0 ); h0 )j :

t0 j h; 0 h0 h j (t; y(t); 0)
Or la fonction est continue sur [t0; t0 + T ]; compact donc elle
est uniformément continue, d’où: (h) ! 0 quand h ! 0:
X1
N X1
N
Or hn j n j (h) hn = (h) T:
n=0 n=0
X1
N
Donc limh!0 hn j nj = 0:
n=0
Donc:N
X1 X1
N
limh!0 j n j = limh!0 j nj
n=0 n=0
tZ
0 +T

= jf (t; y(t)) (t; y(t); 0)j dt:

t0

Donc si f (t; y(t)) = (t; y(t); 0); 8t 2 [t0 ; t0 + t]; 8y 2 R;

X1
N
cette intégrale est nulle , donc limh!0 j n j) = 0
n=0
càd le schéma est consistant.
Réciproquement, supposons que la méthode numérique est consistante
X1
N
donc limh!0 j n j) = 0
n=0
tZ
0 +T

) d’après les calculs précedents jf (t; y(t)) (t; y(t); 0)j dt = 0

t0
) f (t; y(t)) (t; y(t); 0) 0 , 8t 2 [t0; t0 + T ];
ceci 8y solution de l’équation diférentielle y0 = f (t; y):
Montrons alors que pour tout y 2 R; 8t 2 [t0; t0 + T ]; f (t; y) (t; y; 0) = 0 :

Soit y 2 R; quelconque. Soit t 2 [t0 ; t0 + T ] quelconque.

Considérons alors le problème de Cauchy suivant :
y 0 = f (t; y)
(P )
y(t ) = y

Ce problème (P ) admet bien une et une seule solution y

d’après le théorème de Cauchy-Lipschitz.
Donc pour cette solution, on a :
f (t; y(t)) = (t; y(t); 0) 8t 2 [t0 ; t0 + T ] .
or y(t ) = y ) f (t ; y ) = (t ; y ; 0); d’où le théorème.

5-CONDITION SUFFISANTE DE STABILITE

PROPOSITION
Une condition su¢ sante de stabilité du schéma (1) est qu’il
existe une constante > 0 /

8t 2 [t0 ; t0 + t]; 8y; z 2 R; 8h 2 [h; h ]; j (t; y; h) (t; z; h)j jy zj

çad est Lipschitzienne en y:

DEMONSTRATION
Considérons le schéma (1) et le schéma perturbé (2), on a :

jyn+1 zn+1 j (1 + hn ) jyn zn j + j n j

D’où d’après le lemme de Gronwall discret cité précédemment:

 X
n 1
(tn t0 ) (tn tk+1 )
jyn zn j e jy0 z0 j + e j kj
k=0
X
n 1
) jyn zn j e T f jy0 z0 j + j kj g
k=0
X1
N
) max0 n N jyn zn j e T f jy0 z0 j + j nj g
n=0
d’où la stabilité, avec M e T
.
On en déduit le résultat suivant:
PROPOSITION
Si est Lipschitzienne en y et satisfait:
(t; y; 0) = f (t; y); 8t 2 [t0 ; t0 + T ]; 8y 2 R;

alors le schéma numérique est convergent.

En e¤et, est Lipschitzienne en y donc le schéma est stable
et la deuxième condition implique la consistance d’après la
proposition précédente.
Donc le schéma est stable et consistant donc convergent.
5- ORDRE D’UN SCHEME NUMERIQUE A UN PAS
DEFINITION
On dit que la méthode à un pas (1) est consistante d’ordre p
> 0 si pour toute solution y du problème (P ) telle que
y 2 C ([t ; t +T ]); on a:
p+1
0 0

X1
N
j"n j = O(hp )
n=0
X1
N
càd j"n j Chp , C une constante positive indépendante de h:
n=0

PROPOSITION
Si la méthode à un pas est stable et d’ordre p alors l’erreur à chaque
étape n véri…e:
8n 2 N, jen j M fj h j + Chp g

En e¤et, soit zn = y(tn) dans la dé…nition de la stabilité.

X1
N
Alors on a: max0 n N jyn zn j M f jy0 z0 j + j nj g
n=0
d’où max0 n N jyn zn j M f j h j + Chp g:

EXEMPLE:
 Le schéma d’Euler est bien d’ordre 1; si f est Lipschitzienne.
En e¤et: le schéma est alors stable et on a de plus grâce à
la formule de Taylor :
Si y 2 C 1([t0; t0 + T ]) : n = y(tn+1 ) y(tn ) hn f (tn ; y(tn ))

h2n
) n = hn y 0 (tn ) + 2
y"(cn ) hn y 0 (tn )), cn 2 [t0 ; t0 + T ]:

h2n h2n
) n = 2
y"(cn ) ) j nj 2
M; où M = supt2[t ;t +T ] jy"(t)j :
0 0

X1
N X1
N
) j"n j Mh hn = M hT; avec h = max0 n N hn
n=0 n=0
X1
N
) j"n j = O(h):
n=0

6- Critère pour calculer l’ordre d’un schéma

numérique:
THEOREME
Si f 2 C p([t0; t0+T ]) R; et si les fonctions ; @@h ; :::; @@h existent et sont continues
p 1
p 1

dans [t0; t0 + T ]) R [0; h ];

Alors la méthode (1) est d’ordre p si et seulement si:

8(t; y) 2 [t0 ; t0 + T ]) R,
8
>
> (t; y; 0) = f (t; y)
>
> @
(t; y; 0) = 21 f (1) (t; y)
< @h
(S) :
>
> :
>
>
: @p 1
@hp 1
(t; y; 0) = p1 f (p 1) (t; y)

REMARQUE: Calcul des dérivées succesives de y :

On a :y0t) = f (t; y(t))

) y"(t) = dtd ff (t; y(t))g

= @f
@t
(t; y(t)+ @f
@y
(t; y(t)) y 0 t) = @f
@t
(t; y(t))+ @f
@y
(t; y(t)):f (t; y(t))

0 1)
) y"(t) = f (t; y(t)):
Et pour tout k 0; on a:
 @f (k) @f (k)
f (k+1) (t) (t; y(t)) + (t; y(t)):f (t; y(t))
@t @y

Démonstration du théorème:
Soit "n = y(tn+1) y(tn) hn (tn ; y(tn) ; hn ) l’erreur de consistance en
tn :

Appliquons la formule de Taylor à l’ordre p à la fonction y :

h2n
On a: y(tn+1 ) = y(tn ) + hn y 0 (tn ) + 2!
y"(tn ) + ::: + O(hp+1 )
Pp 1 hk+1
= y(tn ) + k=0 (k+1)! f
n (k)
(tn ; y(tn )) + O(hp+1 ) ( h = maxn hn )
De mème, on applique la formule de Taylor à l’ordre (p 1) à
la fonction en h = 0 :
(tn ; y(tn ) ; hn )

hpn 1 @ (p 1)
= (tn ; y(tn ) ; 0) + hn @@h (tn ; y(tn ) ; 0) + ::: + (p 1)! @hp 1
(tn ; y(tn ); 0) + O(hp ):
Pp
D’où: "n = 1
k=0 hk+1
n k (tn ; y(tn )) + O(hp+1 )

avec k (t; y(t))

1
(k+1)!
f (k) (t; y) 1 @ (k)
k! @hk
(t; y(t); 0):

Supposons que les conditions du système (S) du Théorème sont satis-

faites:

on aura alors: 0; 8k = 0:::; p 1

k
PN 1 PN
D’où: j"nj Chp+1 p
n = Chn :hn ) n=0 j"n j Chp n=0
1
hn = CT hp :
(on a utilisé: hn h )
PN
) n=0
1
j"n j C te hp donc le schéma est bien consistant d’ordre p:

Réciproquement:
Supposons que le schéma est d’ordre p: Supposons ( par l’absurde) que
le système (S) n’est pas satisfait.

Donc il existerait un plus petit k < p = k (t; y(t)) 6= 0:

Donc d’après le calcul précédent : "n = hk+1 k (tn ; y(tn )) + O(hk+2 )

 Pp Pk Pp
( on a bien: 1
i=0 hi+1 = 1
i=0 hi+1 + 1
i=k hi+1 :::)

PN 1 PN 1 k+1
) n=0 j"n j hk n=0 hj k (tn ; y(tn ))j +T:O(h )

or le schéma est d’ordre p donc

PN PN 1

n=0
1
j"n j Chp ) n=0 j"n j
h k Chp k ! 0 qd h ! 0:
PN 1 PN R t0 +1
D’où: 0 = limh!0 h j" j = limh!0n=0
k
n
n=0
1
hj k (tn ; y(tn ))j = t0 j k (t; y(t))j dt

(Sommes de Riemann).
R t0 +1
Donc t0
j k (t; y(t))j dt = 0; donc k (t; y(t)) = 0; 8t 2 [t0 ; t0 +T ];

ceci 8 y solution de l’équation di¤érentielle.

) k (t; y(t)) = 0; 8t 2 [t0 ; t0 +T ]; 8 y 2 R;
(d’après le calcul fait précedement).
) k (t; y) 0;sur [t0 ; t0 +T ] R, ce qui est contraire à l’hypothèse k (t; y) 6= 0:

D’où le résultat.

CHAPITRE III
EXEMPLES DE SCHEMAS NUMERIQUES A UN PAS
1- Méthode de Taylor-2
h2 (1)
yn+1 = yn +h f (tn ; y n )+ f (tn ; y n )
2
y0 donné

On établit ce schéma directement à partir de la formule de

Taylor:
En e¤et, on a: y(tn+1 ) = y(tn ) + (tn+1 tn )y 0 (tn ) + 21 (tn+1 tn )2 y"(tn ) + Rn

Donc si h = tn+1 tn est "petit", on aura:

2
y(tn+1 ) ' y(tn ) + hy 0 (tn )+ h2 y"(tn ):

Or y"(tn) = (f (t; y(t)))0 (tn ) = @f

(t ; y(tn )) dt
@t n dt
+ @f (t ; y(tn )): dy
@y n dt
@f @f
= @t (tn ; y(tn ))+ @y (tn ; y(tn )):f (tn ; y(tn )) f (1) (tn ; y n ):

C’est évidemment un schéma d’ordre 2 puisque le schéma

 s’écrit:
yn+1 = y n +h (tn ; y n ; h) avec dé…nie par:

(t; y; h) = f (t; y) + h2 f (1) (t; y):

D’où, en appliquant les résultats précédents, on a bien:

(t; y; 0) = f (t; y)

() la consistance) et @
@h
(t; y; 0) = 1
2
f (1) (t; y )/:

Plus généralement, on dé…nit le schéma suivant:

2- Schéma de Taylor d’ordre p ( ou Taylor-p)
2 p
yn+1 = y n +hf (tn ; y n )+ h2! f (1) (tn ; y n ) + :::+ hp! f (p 1)
(tn ; y n )

yn+1 = yn + h (tn ; y n ; h)

h (1) hp 1 (p 1)
où (t; y; h)= f (t; y)+ f (t; y) + :::+ f (t; y)
2 p!

On véri…e facilement que ce schéma est consistant d’ordrep:

Si de plus , les fonctions f (k); k = 0; :::; p 1; véri…ent la
condition de Lipschitz par rapport à la variable y;
alors sera également Lipchitzienne et donc le schéma sera
stable.
3- Méthodes de RUNGE-KUTTA
Les schémas numériques de Taylor sont d’ordre élevé mais présentent
l’inconvénient de la présence des dérivées partielles di¢ ciles à calculer.
Les schémas de Runge-Kutta ci-après vont supprimer cet
inconvénient du calcul de dérivées partielles, tout en étant
d’ordre élevé et donc de convergence rapide.
:

On considère les points intermédiaires: tn;i = tn +ci h; où les coe¢ cients ci sont
choisis tels que:
ci 2 [0; 1]; 0 c1 c2 ::::: cr 1

On associe à ces points une valeur approchée yn;i de y(tn;i):

 R
On a y(tn;i) = y(tn)+ tt f (t; y(t))dt:
n;i
n

Soit s = t ht donc t = tn+sh et dt = hds:

n

On obtient :
R tn;i R ci
y(tn;i ) = y(tn )+ tn
f (t; y(t))dt = y(tn ) + h 0
f (tn +sh; y(tn +sh))ds
R t+1 R1
et y(tn+1) = y(tn)+ tn
f (t; y(t))dt = y(tn ) + h 0
f (tn +sh; y(tn +sh))ds:

Appliquons alors les deux formules d’intégration numérique

suivantes:

Z ci X
r
g(s)ds ' aij g(cj )
0 j=1
Z 1 Xr
et g(s)ds ' bj g(cj )
0 j=1

où les coe¢ cients aij ; ij = 1; :::; r et bj ; j = 1; :::; r détermineront le schéma de

Runge-Kutta considéré.
Remarque:
Si on prend g 1 dans la première formule d’intégration numérique ci-
dessus, on doit obtenir une formule exacte, çad, la méthode d’intégration
numérique choisie doit être au moins d’orde 0 (exacte pour les fonctions
constantes), on obtient alors:
X
r
ci = aij , i = 1; :::; r
j=1

Pour g 1 dans la seconde formule d’intégration numérique, on obtient:

X
r
1= bj
j=1

On obtient donc:
8 Pr
>
> y(tn;i )' y(t n ) + h j=1 aij f (tn +cj h; y(tn +cj h))
>
>
< P
(RKr ) y(tn+1 )' y(tn ) + h rj=1 bj f (tn +cj h; y(tn +cj h))
>
>
>
> Pr Pr
:
j=1 aij =ci ; i = 1; :::; r et j=1 bj = 1

D’où le schéma numérique de Runge-Kutta:

 X
r
yn;i = yn +h aij f (tn +cj h; yn;j )
j=1
X
r
et yn+1 = yn +h bi f (tn +ci h; y n;i )
i=1

On représente ces schémas par le tableau suivant:

c1 a11 . . . a1r
c2 a21 . . . a2r
. . . . . .
. . . . . . .
cr ar1 . . . arr
b1 . . . br

On note A la matrice carrée (aij )i;j=1:::r .

Si A est triangulaire inférieure stricte çad si aij = 0; 8j i; alors le schéma
est explicite:
les yn;i sont calculés explicitement, pour i = 1; :::; r selon la formule:

X
i 1
yn;i = y n +h aij f (tn +cj h; yn;j )
j=1

Si A est triangulaire inférieure :aij = 0; 8j > i;on dira que le

schéma est semi-implicite.
Si A n’est pas est triangulaire inférieure stricte alors le schéma est im-
plicite. Il faut alors voir si le schéma est bien dé…ni:

Proposition
Le schéma de Runge-Kutta implicite (RKr ) admet une et une
seule solution si la matrice A véri…e la condition suivante:

hL ( jAj )< 1 ; où ( jAj ) = max j i j ; i valeur propre de A

L la constante de Lipschitz de f:

Cette même propriété impliquera de plus la stabilité du

schéma.
Démonstration:
(détailler tous les calculs suivants à titre d’exercice)
 Pr
Notons yi 0 y + 1
h j=1 aij f (t + cj h; yj ); i = 1; :::; r:
y1
B y2 C
B C
Soit Y = B B : C : Soit la fonction
C vectorielle F dé…nie par:
@ : A
y
0 r 1
F1 (y)
B C
B C
F (Y ) = B
B : C
C
@ : A
F2 (y)
P
où Fi(Y )= y + h rj=1 aij f (t + cj h; yj )
Alors Y est un point …xe pour F si F (Y ) = Y

, F i (Y ) = Yi ; i = 1; :::; r:

Donc si on montre qu’il existe un point …xe unique Y pour F;

alors on aura:
Pr
9! yi yn;i = yi y+h j=1 aij f (t + cj h; yj );
Pr
càd yn;i = yn+h j=1 aij f (tn +cj h; yn;j ); i = 1; :::; r

Donc montrons
0 que1F est contractante.
jy1 j
B jy2 j C
B C
On note: jY j = B
B :
C;
C
@ : A
jyr j
et si X; Y sont des vecteurs de Rr ; on notera X Y si Xi Y i ; i = 1; :::; r:
P P
On a: jFi (Y ) Fi (Z)j = y + h rj=1 aij f (t + cj h; y j ) [y + h rj=1 aij f (t + cj h; z j )]
P P
h rj=1 jaij j L jyj zj j = hL rj=1 jaij j jyj zj j = hL(A: jY Zj )i ; i = 1; :::; r

Donc les vecteurs véri…ent:

jF (Y ) F (Z)j hL jAj : jY Zj

) jF (Y ) F (Z)j hL jAj : jY Zj ) jF n (Y ) F n (Z)j hn Ln jAjn : jY Zj

) kF n (Y ) F n (Z)k1 khn Ln jAjn k1 kY Zk1

Or on aura khnLn jAjnk1 < 1 si hL ( jAj) < 1:

 (Résultat géneral de calcul matriciel: on a (M ) kM k ;pour toute norme
matricielle)
) F est contractante donc F admet un point …xe unique qui sera la
solution (yn;i )i=1;::;r :
Donc le schéma implicite sera bien posé si hL ( jAj) < 1:
Remarque:
On déduit de cette proposition que si le schéma de Runge-Kutta est
explicite (càd si A est une matrice triangulaire inferieure stricte) alors il
sera stable puisque ( jAj ) = 0 et par conséquent la condition ci-dessus est
satisfaite.
Donc les schémas de Runge-Kutta explicites sont toujours stables.
Exercice:
Montrer, en utilisant les notations vectorielles précédentes que la condi-
tion hL ( jAj) < 1 implique aussi la stabilité du schéma.

Exemples usuels:
0 0
1. r = 1 : donné par le tableau 1
: le schéma s’écrit: yn;1 = yn et yn+1= yn+hf (tn; yn);
c’est le schéma d’Euler .
0 0 0
2. r = 2 : donné par le tableau: 1 1 0 :
1 1
2 2

le schéma s’écrit: yn;1= yn , yn;2= yn+hf (tn; yn)

et yn+1= yn+ h2 ff (tn; yn) + f (tn+1; yn+hf (tn; yn))g
appelé schéma de Heunn ou schéma de
Runge-Kutta 2.
il existe plusieurs schémas à 4 étages.
3. r = 4 :
L’exemple le plus connu et le plus souvent utilisé
dans la pratique est RK4:
Ce schéma est représenté par le tableau:
0 0 0 0 0
1 1
2 2
0 0 0
1 1
2
0 2
0 0
1 0 0 1 0
1 1 1 1
6 3 3 6
Il s’écrit, en posant kn;i = f (tn;i; yn;i); i = 1; ::; 4 :

h
yn+1 = yn + fk n;1 +2k n;2 +2k n;3 +k n;4 g
6
avec kn;1 = f (tn; yn)
h h
kn;2 = f (tn + ; yn + kn;1 )
2 2
h h
kn;3 = f (tn + ; yn + kn;2 )
2 2
kn;4 = f (tn + h; yn + h kn;3 )

ORDRE DES SCHEMAS DE RUNGE- KUTTA:

THEOREME
Si la fonction f est de classe au moins C 3; alors le schéma de
Runge-Kutta explicite
c1 0 . . . 0
c2 a21 0 . . :
donné par le tableau .. .. .. 0. .0 ..
cr ar1 . . . 0
b1 . . . br
est:
Pr Pr
d’ordre 1 si j=1 aij =ci ; i = 1; :::; r et j=1 bj = 1;
Pr
d’ordre 2 si de plus: i=1 bi ci = 1
2
Pr Pr
d’ordre 3 si de plus: 2
i=1 bi ci = 13 ; et 1
1 i r bi aij cj = 6
1 j<i
Pr Pr P
d’ordre 4 si de plus: 3
i=1 bi ci = 1
4
;
1 i r
1
bi aij c2j = 12 ; 1
1 i r bi ci aij cj = 8 et
1 j<i
P 1
1 j<i
1 i r bi aij ajk ck = 24 :
1 j<i; 1 k<i

Démonstration:
Le schéma Runge-Kutta explicie s’écrit:
yn+1 = y n +h (tn ; y n ; h) avec:

X
r
(t; y; h) = bi f (t + ci h; y i )
i=1
X
i 1
avec yi = y+h aij f (t + cj h; yj ); i = 1; :::; r
j=1
On applique alors le théorème sur l’ordre d’un schéma à un
pas:
Il su¢ t de calculer les dérivées successives de par rapport
à h et chercher des conditions su¢ santes pour véri…er les
critères correspondants:
Ordre 1 si
Pr Pr
(t; y; 0) = f (t; y) , i=1 bi f (t; y) = f (t; y) , i=1 bi = 1:

Ordre 2 si de plus @
@h
(t; y; 0) = 21 f
0 1)
(t; y) :
@
Calculons @h
(t; y; h) :
Pr
On a: @@h (t; y; h) = i=1 bi [ci @f
@t
(t + ci h; y i )+ @y i @f
: (t + ci h; y i )]
@h @y
P
Or @y@h = ij=11 aij f
i
(t + cj h; yj )
Pi 1 @y
+h aij [cj @f
j=1 @t
(t + cj h; y j )+ @hj : @f
@y
(t + cj h; y j )]
P
)pour h = 0 : @y i
@h jh=0
= ij=11 aij f (t; y)
P
= f (t; y) ij=11 aij = f (t; y)ci ;
P
sous la condition ij=11 aij = ci:
P
) @@h (t; y; 0) = ri=1 bi [ci @f
@t
(t; y) + ci f (t; y) @f
@y
(t; y)]
Pr P
= i=1 bi ci f (1) (t; y) = f (1) (t; y) ri=1 bi ci
P
D’où: le schéma sera d’ordre 2 si: ri=1 bici = 12 ;
en plus des 2 conditions précédentes.
Ordre 3 : cherchons des conditions supplémentaires
su¢ santes pour avoir @@h (t; y; 0) = 13 f 3)(t; y) :
2
2
0

On a:
@2
@h2
(t; y; h)
P
@
= @h f ri=1 bi [ci @f
@t
(t + ci h; y i )+ @y i @f
: (t + ci h; y i )]g
@h @y

Pr 2 2
= i=1 bi [c2i @@t2f (t + ci h; y i ) + ci @y i @ f
:
@h @t@y
(t + ci h; y i )
2 @yi @ 2 f
+ @y
@h
i @ f
fci @t@y (t + ci h; yi ) + @h @y 2
(t + ci h; yi )g
@2y
+ @h2i @f
@y
(t + ci h; yi )]
@ 2 yi Pi 1 @y j @f
Or @h 2 =
@f
j=1 aij [cj @t (t + cj h; y j )+ @h : @y (t + cj h; y j )]

Pi 1 @yj @f
+ j=1 aij [cj @f
@t
(t + cj h; yj ) + : (t
@h @y
+ cj h; yj )]
 P
+h( ij=11 aij [cj :::)
Donc en h = 0;on a:
@ 2 yi Pi 1
@h2 jh=0
= aij [cj @f
j=1 @t
(t; y) + cj f (t; y) @f
@y
(t; y)]
P @y
+ ij=11 aij [cj @f
@t
(t; y) + @hj : @f
@y
(t; y)]
Pi 1
= 2 j=1 aij [cj @f
@t
(t; y) + cj f (t; y) @f
@y
(t; y)]
Pi 1
= 2 j=1 aij cj f (1) (t; y)

2 Pr 2 2
) @@h2 (t; y; 0) = i=1 bi [c2i @@t2f (t; y) + ci @y i
: @ f (t; y)
@h jh=0 @t@y
2 2
+ @y
@h
i @ f
fci @t@y (t; y) + @yi
: @ f (t; y)g
@h jh=0 @y 2
2
+ @@hy2i jh=0 : @f
@y
(t; y)]
2 Pr 2 2
) @@h2 (t; y; 0) = i=1 bi [c2i @@t2f (t; y) + c2i f (t; y) @t@y
@ f
(t; y)
@ f 2 2 2
+ci f (t; y)ci @t@y (t; y) + c2i f (t; y) @@yf2 (t; y)g
Pi 1
+2 aij cj [ @f
j=1 @t
(t; y) + f (t; y) @f
@y
(t; y)] @f
@y
(t; y)
P 2 P @2f
= ri=1 bi c2i @@t2f +2 ri=1 bi c2i f @t@y
P 2
+ ri=1 bi c2i f 2 @@yf2
P P 2
+2 ij=11 bi aij cj @f @f
@t @y
+ 2 ij=11 bi aij cj f (t; y)( @f @y
);
( le tout en (t; y) )
(1) (1)
Or on a f (2)(t; y) = @f@t (t; y) + f (t; y) @f@y (t; y)
@2f 2 2 2
= @t2
@ f
+ 2f: @t@y + @@yf2 f + @f @f
@t @y
+( @f
@y
)2 f (t; y)

En identi…ant les coe¢ cients de ces dérivées successives,

on obtient que les conditions suivantes sont su¢ santes pour
avoir @@h (t; y; 0) = 13 f (2)(t; y) :
2
2

Pr Pr
2
i=1 bi ci = 1
3
et 1 i r
bi aij cj = 61 :
1 j i

On procède de même pour obtenir des conditions su¢ santes pour l’ordre
4 en calculant @@h (t; y; 0): 3
3

CHAPITRE IV-Méthodes Numériques Multipas

On cherche donc, comme précédemment, à approcher la solution du problème de Cauchy :

y 0 (t) = f (t; y(t)); t 2 [t0 ; t0 + T ]

(1)
y(t0 ) = y0 :
 où f est dé…nie dans [t0 ; t0 + T ] R qu’on supposera su¢ samment régulière pour
appliquer le théorème d’existence et l’unicité d’une solution.

On considère une subdivision t0 < t1 < ::: < tN de [t0 ; T ]; équidistante et on pose
T
h = ti+1 ti = :
N
La méthode ici, initiée par J.C.Adams vers 1860, consiste à utiliser l’information obtenue à partir
de plusieurs pas précédents : yn ; yn 1 ; :::; yn r+1 pour obtenir une approximation numérique plus
précise de la solution y à l’étape tn+1 .
Ces méthodes ont l’avantage de pouvoir choisir un ordre élevé de convergence selon le modèle étudié
et la nature du problème de Cauchy associé et selon la précision exigée.
On étudiera ici les principales méthodes numériques suivantes:
1- les méthodes d’Adams explicites.
2-les méthodes d’Adams implicites.
3- les méthodes de prédiction-correction
4- les méthodes de di¤érentiation rétrograde.

1- Méthodes d’Adams explicites

ou "Adams-Bashfort"

En intégrant l’équation
R tn+1 di¤érentielle sur [tn ; tn+1 ]; on obtient:
y(tn+1 ) = y(tn ) + tn f (t; y(t))dt
On applique alors une formule d’intégration numérique en approchant f par son polynôme d’interpolation
Pr 1 (t); de degré r 1 tel que:

Pr 1 (tj ) = fj ; j = n; n 1; :::; n r+1

où fj f (tj ; yj ):

Or le polynôme d’interpolation en ces r points s’écrit:

Pr 1 j 1
Pr 1 (t) = j=0 i=0 (t tn i )f [tn ; tn 1 ; :::; tn j ]
1
(avec la convention i=0 1)
R tn+1
Donc y(tn+1 ) ' y(tn ) + tn
Pr 1 (t)dt

Pr 1 R tn+1 j 1
) y(tn+1 ) ' y(tn ) + j=0 tn i=0 (t tn i )f [tn ; tn 1 ; :::; tn j ]dt

P Rt
) y(tn+1 ) ' y(tn ) + rj=01 f [tn ; tn 1 ; :::; tn j ] tnn+1 j 1
i=0 (t tn i )dt
d’où le schéma numérique:
P Rt
yn+1 = yn + rj=01 f [tn ; tn 1 ; :::; tn j ] tnn+1 j 1
i=0 (t tn i )dt
j
r fn
or on a: f [tn ; tn 1 ; :::; tn j ] = j!hj

t tn
) en posant le changement de variable: s = h
;
 Pr 1 j
yn+1 = yn + h j=0 j r fn avec

1
R1 j 1 s+j 1 R1
j = j! 0 i=0 (i + s)ds = ds 0
j
Les coe¢ cients peuvent être tabulés (calculés au préalable) puisqu’ils ne
dépendant pas de h ni de f:
5
Ainsi on obtient : 0 = 1; 1 = 21 ; 2 = 12 ; 3 = 38 ; :::

Exemples:

r = 1 : yn+1 = yn + h fn (on retrouve ici le schéma d’Euler explicite)

r = 2 : yn+1 = yn + h [ 32 fn 1
f ]
2 n 1
h
r = 3 : yn+1 = yn + 12
[23 fn 16 fn 1 + 5 fn 2 ]
h
r = 4 : yn+1 = yn + 24
[ 55 fn 59 fn 1 + 37 fn 2 9 fn 3 ]

Remarque:

Pour une formule multipas à 3 pas par exemple il faut d’abord déterminer les valeurs de y0 ; y1 ; y3 :
Comme y0 est donné, on calcule y1 ; y2 à l’aide d’une méthode numérique simple comme par exemple le
schéma d’Euler.

2- Méthodes d’Adams-implicites
ou Adams-Moulton
On considère maintenant le polynôme Pr (t) d’interpolation
aux points tn+1 ; tn ; tn 1 ; ::tn r+1 tel que:

P (tj ) = fj ; j = n + 1; n; :::; n r+1

où fj f (tj ; yj ):

Ce polynôme s’écrit:

Pr j 1
P (t) = j=0 i=0 (t tn+1 i )f [tn+1 ; :::; tn+1 j ]

Pr s+j 2 j
= j=0 r fn+1 ;
j
t tn s+j 2 (s+j 2)::::(s 1)
où s = h
et j!
.
j

D’où le schéma
R t numérique:
yn+1 = yn + tnn+1 P (t)dt
et avec le changement de variable,

on obtient le schéma d’Adams-implicite

P j
yn+1 = yn + h rj=0 j r fn+1 avec
 R1 s+j 2
j = 0
ds:
j

Les coe¢ cients j peuvent être tabulés :

Ainsi on obtient : 0 = 1; 1 = 21 ; 2 = 121 ; 3 = 1
24
; :::

On a donc les schémas suivants:

r = 0 : yn+1 = yn + h fn+1 (on retrouve ici le schéma Euler-rétrograde)

r = 1 : yn+1 = yn + h [ 12 fn+1 + 21 fn ]
h
r = 2 : yn+1 = yn + 12
[5 fn+1 + 8fn fn 1 ]
h
r = 4 : yn+1 = yn + 24
[9 fn+1 + 19fn 5fn 1 + fn 2 ]

Ces équations sont non-linéaires en l’inconnue yn+1 qu0 il faut résoudre par une méthode numérique
à chaque étape, comme par exemple la méthode de Newton-Raphson.
On peut les écrire sous la forme générale:

yn+1 = An + h B f (tn+1 ; yn+1 )

3- Méthode de Prédiction-Correction "Méthode P.E.C.E."

L’objectif ici est d’éviter d’avoir à résoudre une équation implicite à chaque étape, tout en gardant
l’avantage de l’ordre élevé d’un schéma implicite:
la procédure est alors la suivante: on calcule une première valeur à l’aide d’un schéma explicite puis
on la "corrige" en l’insérant dans un schéma implicite.

Etapes de l’algorithme:

P: (Prédiction)
Pr 1 j
On calcule la valeur yd
n+1 = yn + h j=0 j r fn
à l’aide d’une méthode d’Adams explicite

E: (Evaluation)
On évalue çàd on calcule fd
n+1 = f (tn+1 ; yd
n+1 )

C: (Correction)
On corrige l’approximation en calculant yn+1 = An + h B fd
n+1

E: (Evaluation)
On calcule fn+1 = f (tn+1 ; yn+1 )

Exemple:
Considérons le schéma d’Adams-implicite à 2 pas, çàd r = 2 :

h
yn+1 = yn + 12 [5 fn+1 + 8fn fn 1 ]
On montrera en exercice que ce schéma est d’ordre 3;
alors que le schéma d’Adams-explicite à 2 pas qui s’écrit:
est d’ordre 2 seulement.
Appliquons cette méthode de prédiction-correction à ce schéma :

3 1
Etape P : On calcule la valeur yd
n+1 = yn + h [ 2 fn f ]
2 n 1

Etape E : On calcule la valeur fd

n+1 = f (tn+1 ; yd
n+1 )

Etape C : On calcule yn+1 = yn + h

12
[5 fd
n+1 + 8fn fn 1 ]

Etape E : On évalue fn+1 = f (tn+1 ; yn+1 ):

4- Méthodes B.D.F. "Backward Di¤erentiation Formulas"

ou Méthodes de Di¤érentiation Rétrogrades

Dans les méthodes implicites précédentes, on a considéré le polynôme P tel que

P (tj ) = f (tj ; yj ); j = n + 1; :::; n r + 1:

Ici, on va considérer le polynôme d’interpolation Q(t);

de degré r; tel que: Q(tj ) = yj ; j = n + 1; :::; n r + 1;

Puis on calcule yn+1 tel que Q0 (tn+1 ) = f (tn+1 ; Q(tn+1 ))

= f (tn+1 ; yn+1 );

En écrivant l’expression du polynôme d’interpolation, on obtient:

P
Q(t) = rj=0 ji=01 (t tn+1 i )y[tn+1 ; :::; tn+1 j ]
Pr j 1
= yn+1 + j=1 i=0 (t tn+1 i )y[tn+1 ; :::; tn+1 j ]
Pr j 1
) Q0 (tn+1 ) = j=1 i=1 (tn+1 tn+1 i ) y[tn+1 ; :::; tn+1 j ]
0
(avec la convention i=1 1 ).
j
r yn+1
Or tn+1 tn+1 i = i h et y[tn+1 ; :::; tn+1 j ] = j!hj

Pr j
r yn+1 j 1 1
Pr 1 j
) Q0 (tn+1 ) = j=1 j!hj i=1 ih= h j=1 j r yn+1

or Q0 (tn+1 ) = f (tn+1 ; yn+1 ) = fn+1

D’où le schéma numérique B.D.F:

X
r
1 j
r yn+1 = h fn+1
j=1
j

Exemples de schéma numériques B.D.F:

r = 1 : ryn+1 = h fn+1 ) yn+1 = yn +h fn+1
 2
r = 2 : ryn+1 + r yn+1 = h fn+1
) yn+1 yn + 12 (yn+1 2yn +yn 1 ) = h fn+1
) 23 yn+1 2yn + 12 yn 1 = h fn+1

Ordre des schémas numériques multipas

Les méthodes numériques à pas multiples peuvent toutes s’écrire sous la forme:

Pr Pr
i=0 i y(n+1 r)+i =h i=0 i f(n+1 r)+i , r 6= 0

Pr Pr
, i=0 i yN 0 +i = h i=0 i fN 0 +i , avec N 0 n+1 r

Cette méthode générale est explicite si r = 0; implicite sinon.

L’erreur de consistance s’écrit ici:

Pr P
n = i=0 i y(tN 0 +i ) h ri=0 i f (tN 0 +i ; y(tN 0 +i )):
PN 1
La méthode sera donc consistante d’ordre p si n=0 j n j = O(hp ):

Montrons le critère suivant pour déterminer l’ordre d’un schéma miultipas:

Théorème:
Une méthode multipas de la forme:

Pr Pr
i=0 i yN 0 +i = h i=0 i fN 0 +i ( avec N 0 n+1 r)

est d’ordre p si et seulemnt si les coe¢ cients i et i satisfont les équations

suivantes:
8 Pr
< i=0 i =0
: Pr Pr
i=0 i iq = q i=0 i iq 1
; q = 1; :::; p

Démonstration
On suppose f de classe C p ; donc y est de classe C p+1 :
Appliquons la formule de Taylor p à la fonction y :
Pp iq hq (q) p+1
On a: y(t + ih) = y(t) + q=1 q!
y (t) + (ih)
(p+1)!
y (p+1) ( i )

Pr Pr Pp hq (q)
Pr
) i=0 i y(t + ih) = i=0 i y(t) + q=1 q! y (t) i=0 iq i
 h p+1 Pr p+1 (p+1)
+ (p+1)! i=0 ii y ( i)
Pr Pp hq (q)
Pr
= i=0 i y(t) + q=1 q! y (t) i=0 iq i +O(hp+1 )

On applique de même la formule de taylor à l’ordre (p 1) à la fonction y 0 :

Pp 1 iq hq (q+1) p
) y 0 (t + ih) = q=0 q! y (t) + (ih)
p!
y (p+1) ( i )
Pp 1 iq hq
= q=0 (q+1)! (q + 1)y (q+1) (t) + O(hp )
Pp iq 1 hq 1
= q=1 q!
qy (q) (t) + O(hp ):

Donc P
au point tN 0 +i = tN 0 P
+ ih; on obtient:
r r
"n = P i=0 i y(t 0
N +i ) h Pi=0 i f (tN 0 +i ; y(tN 0 +i )
= i=0 i y(tN 0 +i ) h ri=0 i y 0 (tN 0 +i )
r

Pr Pp hq (q)
Pr Pr
= y(tN 0 ) i=0 i + q=1 q! y (t)[ i=0 iq i q i=0 i iq 1
] + O(hp+1 ):

Donc le schéma sera consistant d’ordre p ssi j"n j = O(hp+1 )

8 Pr
< i=0 i = 0
, Pr q P
:
et i=0 i i q ri=0 i iq 1 = 0; q = 1; :::; p:

Remarque:

Le schéma sera consistant avec l’équation si, par dé…nition,

PN 1 PN 1
n=0 j"n j ! 0 qd h ! 0 , çad, si n=0 j"n j = O(h);

çad il su¢ t d’avoir p = 1 dans le système précédent.

Donc le schéma
Prest consistantPsir Pr
i=0 i = 0 et i=0 i i = i=0 i:

Ces conditions permettent de construire des méthodes numériques d’ordre maximal

en choisissant les coe¢ cients correspondant à un ordre p voulu et un nombre de

pas r:

Stabilité des schémas multipas

Critère de Dahlquist
Soit le schéma général multipas:
 Pr Pr
i=0 i yN 0 +i = h i=0 i fN 0 +i , avec N 0 n+1 r

On lui associe le polynôme de la variable complexe:

Pr
P (z) = i=0 i zi; z 2 C

Condition de Dahlquist:
On dit que le polynôme P satisfait la condition de Dahlquist
8
< Toutes les racines de P sont de module 1
si: :
et les racines de module égal à 1 sont racines simples

Remarque:
Pr
Si le schéma est consistant, alors i=0 i = 0 ) 1 est une racine de P:

Théorème
Une méthode multipas est stable si et seulement si

le polynôme P (z) associé véri…e la condition de Dalquist.

Exemples:
Pour les méthodes d’Adams-Bashfort, on a:
P j
yn+1 = yn + h rj=01 j r fn

) r = 1; r 1 = 1; j = 0; j = 1; ::; r 2:
) P (r) = z r z r 1 = z r 1 (z 1)
) les racines de P sont 0 et 1; et 1 est une racine simple.

De même pour les schémas d’Adams-implicite.

Donc tous les schémas d’Adams sont stables.

Remarque: P Pr Pr
Si P véri…e la condition de Dahlquist et si ri=0 i = 0 et i=0 i i = i=0 i;

alors le schéma sera stable et consistant donc convergent.

Exemple de Dahlquist:
En fait c’est un contre-exemple: on construit un schéma explicite à 2 pas

d’ordre 3 mais instable: ce schéma ne véri…e pas la condition de Dahlquist.

Cherchons donc un schéma explicite

P2 à 2 pas etP
d’ordre 3 :
On le cherche sous la forme: i=0 i yN +i = h 2i=0 i fN 0 +i
0

avec: N 0 = n 2 + 1 = n 1
P P
donc 2i=0 i yn 1+i = h 2i=0 i fn 1+i
Schéma explicite donc 2 = 0: On choisit 2 = 1:

) yn+1 + 1 yn + 0 yn 1 = h( 0 fn 1 + 1 fn ):

Les conditions sur

P2 l’ordre donnent le système:
P2 i=0 i = 0
P
q 2 q 1
i=0 i i = q i=0 i i ; q = 1; 2; 3

On obtient alors le schéma: yn+1 + 4yn 5yn 1 = h(2fn 1 + 4fn ):

P
On a alors: P (z) = 2i=0 i z i = z 2 + 4z 5 = (z 1)(z + 5)

La racine 5 est de module > 1 donc la condition de Dahlquist n’est pas satisfaite.

Pour montrer que ce schéma est instable, on l’applique à l’EDO particulière:

y 0 = y; y(0) = 1: On obtient:

yn+1 + 4yn 5yn 1 = h(2yn 1 + 4yn )

) yn+1 + 4(1 h)yn (5 + 2h)yn 1 =0

, yn+2 + 4(1 h)yn+1 (5 + 2h)yn = 0

On étudie cette suite en calculant les racines du polynôme:

Q(x) = X 2 + 4(1 h)X (5 + 2h) :

0
= 4(1 h)2 + 5 + 2h = 9 + 4h2 6h = 9 6h + O(h2 )

0 2
) '9 6h = 9(1 3
h) (pour h petit)

p 1
) 0 ' 3(1 h) '3 h
3

) les racines sont X1 ' 1 + h et X2 ' 5 + 3h

Donc la solution de l’itération yn+2 + 4(1 h)yn+1 (5 + 2h)yn = 0

est sous la forme: yn = C1 X1n + C2 X2n

Or pour n "grand", C2 X2n ' C2 ( 5)n ! 1

alors que la solution exacte qui est y(t) = et véri…e: y(tn ) = etn eT donc bornée.

Donc la solution numérique yn ne tend pas vers y(tn );

çad le schéma n’est pas convergent. Donc ce schéma est instable.

En e¤et, ce schéma est consistant (par construction) donc s’il était de plus stable,

il serait stable et consistant donc convergent, ce qui n’est pas le cas.