Analyse Numérique

Méthodes Numériques pour la résolution d’ EDO

AMAL Youssef

ENSAT
Google Classroom: kzgrskw
yamal@uae.ac.ma

1445/2023
 Plan du Cours

Équations Différentielles ordinaires (EDO)

Introduction,
Problème de Cauchy,
Schéma d’Euler,
Schémas de Taylor
Schémas de Runge-Kutta,
Convergence des schémas numèriques : Consistance et Stabilité.
Applications Pratiques : Propagation de Virus
Utilisation des méthodes numériques pour modéliser la propagation de
virus informatiques.
Calculs par le logiciel R
Références Recommandées :
Numerical Methods for Ordinary Differential Equations by J.C. Butcher.
Using R for Numerical Analysis in Science and Engineering by Victor
A. Bloomfield.
AMAL Youssef Statistique pour Ingénieurs 1445/2023 2 / 30
Équations Différentielles Ordinaires (EDO) Introduction

Modèle SIR de propagation des Virus Informatiques :

dS
= −β · S · I
dt
dI
=β·S·I −γ·I
dt
dR
=γ·I
dt
où
S(t) : Ordinateurs susceptibles d’être infectés.
I(t) : Ordinateurs infectés.
R(t) : Ordinateurs rétablis ou sécurisés.
β : Taux de transmission du virus informatique.
γ : Taux de rétablissement ou de sécurisation des ordinateurs.
Difficulté de Résolution Analytique : Système d’EDO complexes et
non linéaires.
Possibilité d’approcher les solutions analytiques par des solutions
AMAL Youssef Statistique pour Ingénieurs 1445/2023 3 / 30
Équations Différentielles Ordinaires (EDO) Introduction

Probléme de Cauchy

Hypothèses :
Soient I un intervalle de R non réduit à un point, t0 ∈ I, f une fonction
continue sur I × Rm , m ∈ N∗ , à valeur dans Rm et y0 fixé dans Rm .
Le problème de Cauchy (C) consiste à trouver y une fonction dérivable
sur I, vérifiant le système suivant :

y ′ (t) = f (t, y(t)), t ∈ I

(
(C)
y(t0 ) = y0

AMAL Youssef Statistique pour Ingénieurs 1445/2023 4 / 30

Équations Différentielles Ordinaires (EDO) Introduction

Probléme de Cauchy

Existence et unicité de la solution :

On considère I = [t0 , t0 + T ], avec T ∈ R∗+ ,
Si la fonction f : [t0 , t0 + T ] × Rm → Rm est continue sur [t0 , t0 + T ] ×
Rm , est lipschitzienne par rapport à sa 2eme variable : il existe k > 0
tel que pour tout t ∈ K et y, z ∈ Rm ,

∥f (t, y) − f (t, z)∥ ≤ k∥y − z∥

Alors le problème de Cauchy (C) admet une unique solution y définie

sur I.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 5 / 30

Équations Différentielles Ordinaires (EDO) Discrétisation

On subdivise l’intervalle I = [t0 , t0 + T ] comme suit :

t0 < t1 < t2 < ... < tN = t0 + T ,

On cherche à définir y0 , y1 , y2 , ..., yN tels que les yi , i = 0, ..., N , ap-

prochent les y(ti ) (solution exacte aux points ti ).
N −1
On note le i-ème pas de discrétisation hi = ti+1 −ti > 0, et h = max hi .
i=1
y(ti ) est la solution analytique du problème de Cauchy en t = ti .
yi est la solution approximative en t = ti obtenue à l’aide d’une méthode
numérique : yi ≈ y(ti ).
Discrétisation uniforme :
h1 = h2 = ... = hN = h > 0.
Dans ce cas : T = N.h ou encore h = T /N .

AMAL Youssef Statistique pour Ingénieurs 1445/2023 6 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Schéma Explicite :
t0 , y0 = y(t0 ), hi , N nombre maximal de pas de temps, sont des donnés,
La solution y à chercher aux instants ti , i = 0, 1, ..., N ,
y(ti+1 ) ≈ y(ti ) + hi y ′ (ti ) = y(ti ) + hi f (ti , y(ti )),
c.à.d. yi+1 = yi + hi f (ti , yi ) pour tout 0 ≤ i ≤ N .
Schéma Implicite :
t0 , y0 = y(t0 ), hi , N nombre maximal de pas de temps, sont des donnés,
La solution y à chercher aux instants ti , i = 0, 1, ..., N ,
y(ti ) ≈ y(ti+1 ) − hi y ′ (ti+1 ) = y(ti+1 ) − hi f (ti+1 , y(ti+1 )),
c.à.d. yi+1 = yi + hi f (ti+1 , yi+1 ) pour tout 0 ≤ i ≤ N .

AMAL Youssef Statistique pour Ingénieurs 1445/2023 7 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Approche Géométrique

Pour un schèma d’Euler explicite de pas de temps h uniforme.

Remarquer la propagation des erreurs d’une itération à l’autre.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 8 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Schéma explicite à un pas

Un schéma numérique explicite à un pas approchant la solution du

problème de Cauchy (C )est un schéma qui s’écrit sous la forme
(
yi+1 = yi + hi Φ(ti , yi , hi )
y(t0 ) = y0
où la fonction Φ sera à définir suivant le schéma choisi.
Pour calculer la solution au pas de temps suivant, on se sert uniquement de
la solution au pas de temps précédent.

Exemple : Le schèma d’Euler est un schéma à un pas avec Φ(t, y, h) =

f (t, y).

AMAL Youssef Statistique pour Ingénieurs 1445/2023 9 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Consistance
Soit y la solution du problème de Cauchy et soient y0 , y1 , ...yN les ap-
proximation de y aux temps t0 , t1 , ...tN par le schèma explicite à un pas.
Soit
ỹ(ti+1 ) = y(ti ) + hi Φ(ti , y(ti ), hi )

l’erreur locale ẽi+1 commise lors d’un seul pas de temps hi :

ẽi+1 = |y(ti+1 ) − ỹ(ti+1 )|

On dit que le schéma explicite à un pas est consistant avec le problème

PN −1
de Cauchy si et seulement si lim i=0 | ẽi+1 |= 0
h→0
La Consistance assure que la solution exacte des équations discrétisées
tende vers la solution exacte des équations continues lorsque h tend vers
zero.
AMAL Youssef Statistique pour Ingénieurs 1445/2023 10 / 30
Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Stabilité

On dit qu’un schéma explicite à un pas est stable s’il existe un réel M ≥
0 tel que, étant donnés les perturbations ϵ1 , ..., ϵN ,

∗
yi+1 = yi∗ + hi Φ(ti , yi∗ , hi ) + ϵn+1 , avec y0∗ = y0

Alors
N
X
max ∥yi − yi∗ ∥ ≤ M |ϵi |.
0≤i≤N
i=1

La stabilité d’un schéma assure que l’erreur de propagation d’un pas de

temps à l’autre, est bornée.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 11 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Convergence

On dit que le schéma explicite à un pas est convergent vers la solution

du problème de Cauchy si

lim max ∥y(ti ) − yi ∥ = 0

h→0 1≤i≤N

THÉORÈME DE LAX :
Si le schéma explicite à un pas est stable et consistant avec le problème
de Cauchy, alors il converge vers la solution du problème de Cauchy.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 12 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Ordre de Convergence

On dit qu’un schéma à un pas converge à l’ordre p si :

max | y(ti ) − yi |= O(hp ).

1≤i≤N

AMAL Youssef Statistique pour Ingénieurs 1445/2023 13 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Convergence du schéma d’Euler :

Eli = |y(ti ) − ỹ(ti )| = O(h2 ), Egi = |y(ti ) − yi | = O(h)

L’erreur locale du schéma d’Euler est d’ordre p = 2, alors que l’erreur

globale est d’ordre de p = 1.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 14 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Exemple 1 : Considérons le problème de Cauchy (C) suivant :

( ′
y (t) = −2y(t)
y(0) = 1

1 Trouver la solution approchée de (C) par le schéma explicite et implicite

d’Euler.
2 Vérifier par calcul des erreurs que ces schéma sont globalement d’ordre 1.
Noter que la solution analytique de ce problème est y(t) = y0 e−2t .

AMAL Youssef Statistique pour Ingénieurs 1445/2023 15 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Exemple 1 :

AMAL Youssef Statistique pour Ingénieurs 1445/2023 16 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Exemple 1 :

AMAL Youssef Statistique pour Ingénieurs 1445/2023 17 / 30

Équations Différentielles Ordinaires (EDO) Schéma d’Euler

Interprétations :
Plus le pas de temps est petit, plus la solution donnée par le schéma d’Euler
est proche de la solution exacte.
Le schéma implicite est plus stable que le schéma explicite pour des pas de
temps relativement élevés.
À partir d’un pas de temps assez petit, les deux schémas explicite et im-
plicite se comporte de la même manière.
L’erreur globale donnèe par le schéma d’Euler est proportionnelle à h, dans
ce cas d’exemple, on a :
Eg ≈ 0.037h

Si on cherche une solution approchée avec une precision de 10−5 , le pas

de temps h devrait être

Eg < 0.00001 =⇒ h < 0.00001/0.037 ≈ 0.0003

Pour atteindre le temps T = 5 avec le pas de temps h = 0.0003, on a

besoin de N = T /h ≈ 16667 itérations.
AMAL Youssef Statistique pour Ingénieurs 1445/2023 18 / 30
Équations Différentielles Ordinaires (EDO) Schémas de Taylor d’ordre supérieur

Ces schèmas sont basées sur le développement limité de Taylor :

h2 ′′
y(ti+1 ) = y(ti ) + hy ′ (ti ) + y (ti ) + O(h3 )
2!
La différenciation successive de la solution, y(t), donne

y ′ (t) = f (t, y(t)), y ′′ (t) = ft′ (t, y(t)) + fy′ (t, y(t))f (t, y(t))

On obtient alors le schéma de Taylor d’ordre 2 :

h2  ′
f (ti , yi ) + fy′ (ti , yi )f (ti , yi )

yi+1 = yi + hf (ti , yi ) +
2! t

AMAL Youssef Statistique pour Ingénieurs 1445/2023 19 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Taylor d’ordre supérieur

Le schéma de Taylor d’ordre m est donné par :

yi+1 = yi + hTm (ti , yi ); où

h ′′ h(m−1) (m)
Tm (ti , yi ) ≈ y ′ (ti ) + y (ti ) + . . . + y (ti , y(ti )).
2! m!
Si m = 1, on a yi+1 = yi + hf(ti , yi ) (le schéma d’Euler).

h ′
Si m = 2, on a yi+1 = yi + h f (ti , yi ) + f (ti , y(ti ))
2!
Plus m est élevée, plus la méthode atteint une précision d’ordre supérieur.
La méthode nécessite de calculer des dérivées de f (t, y(t)) par rapport à t.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 20 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Taylor d’ordre supérieur

Exemple : Considérons le problème de Cauchy (C) suivant :

y ′ (t) = (1 − 2t)y(t)
(

y(0) = 1

1 Trouver T1 (t, y(t)), T2 (t, y(t)) et T3 (t, y(t)).

2 Pour h = 0.3, faire 4 itérations et calculer l’erreur commise sur e4 =
|y4 − y(1.2)| pour les 2 schémas T S1 et T S2. Noter que la solution
analytique de ce problème est y(t) = exp(0.25 − (t − 0.5)2 ).
3 Reprendre le même calcul Pour h = 0.15, et vérifier l’ordre de conver-
gence de ce schéma.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 21 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Taylor d’ordre supérieur

Solution :

AMAL Youssef Statistique pour Ingénieurs 1445/2023 22 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Runge-Kutta

Les Schémas de Runge-Kutta sont formulées à partir d’une moyenne

pondérée des pentes y ′ = f (t, y(t)) de la solution :

s
X
yn+1 = yn + h bp kp
p=1

s
bp kp = Ts (tn , yn ) + O(hs )
P
tel que :
p=1
Les méthodes de Runge-Kutta ont le même ordre de précision que la
méthode de Taylor d’ordre s.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 23 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Runge-Kutta

s
P
Description du cas générale: yn+1 = yn + h bp kp où bp ≥ 0 and
p=1
s
P
bp = 1 sont les poids,
p=1
!
s
P
Cas Explicite : kp = f tn + cp h, yn + h ap,q kq avec ap,q = 0
q=1
pour tout q ≤ p.

!
s
P s
P
Cas Implicite : kp = f tn + cp h, yn + h ap,q kq et cp = ap,q .
q=1 q=1

AMAL Youssef Statistique pour Ingénieurs 1445/2023 24 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Runge-Kutta

Description du cas explicite à l’ordre s = 2 (RK2):

k1 = f (tn , yn )
k2 = f (tn + αh, yn + βk1 )
yn+1 = yn + h(b1 k2 + b2 k2 ).
h2 ′′
On a y(tn+1 ) = y(tn ) + hy ′ (tn ) + 2
y (tn ) + O(h3 )
Or y ′′ = (f (t, y(t)))′ = ft′ (t, y(t)) + f (t, y(t))fy′ (t, y(t))
2
Alors yn+1 = yn + hf (tn , yn ) + h2 ft′ + f fy′ (tn , yn ) + O(h3 ), (⋆)

D’autre part,
f (tn + αh, yn + βk1 ) = f (tn , yn ) + αhft′ (tn , yn ) + βk1 fy′ (tn , yn ) +
O(h2 )
Ainsi, yn+1 = yn + h(b1 k1 + b2 k2 )
yn+1 = yn + h(b1 + b2 )f (tn , yn ) + b2 h2 αft′ + βf )fy′ (tn , yn ) +

O(h3 ), (⋆⋆)
En comparant (⋆) et (⋆⋆),
b1 + b2 = 1, αb2 = 1/2 et βb2 = 1/2.
par exemple α = β = 1 et b1 = b2 = 1/2 (Schéma de Heun).
AMAL Youssef Statistique pour Ingénieurs 1445/2023 25 / 30
Équations Différentielles Ordinaires (EDO) Schémas de Runge-Kutta

Pour b1 = 0, b2 = 1, α = β = 1/2 (Schéma de Euler Modifié):

k1 = f (tn , yn )
k2 = f (tn + h2 , yn + h2 k1 )
yn+1 = yn + hk2 .

AMAL Youssef Statistique pour Ingénieurs 1445/2023 26 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Runge-Kutta

h
(Schéma de Runge-Kutta d’ordre 3) : yn+1 = yn + 4 (k1 + 3k3 )
k1 = f (tn , yn )
k2 = f (tn + h3 , yn + h3 k1 )
2h 2h
k3 = f (tn + 3
, yn + k )
3 2

(Schéma de Runge-Kutta d’ordre 4) : yn+1 = yn + h6 (k1 + 2k2 + 2k3 + k4 )

k1 = f (tn , yn )
k2 = f (tn + h2 , yn + h2 k1 )
k3 = f (tn + h2 , yn + h2 k2 )
k4 = f (tn + h, yn + hk3 )

AMAL Youssef Statistique pour Ingénieurs 1445/2023 27 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Runge-Kutta

Exemple : Considérons le problème de Cauchy (C) suivant :

( ′
y (t) = t + y(t)
y(0) = 1

Comparer les erreurs globales liées aux schémas d’Euler, RK2 et RK4.

AMAL Youssef Statistique pour Ingénieurs 1445/2023 28 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Runge-Kutta

Solution :

AMAL Youssef Statistique pour Ingénieurs 1445/2023 29 / 30

Équations Différentielles Ordinaires (EDO) Schémas de Runge-Kutta

Solution :

Euler Taylor 2 Runge-Kutta 2 Runge-Kutta 4

h = 0.1 0.123710697 0.0322081820 4.159183e-03 2.063351e-06
h = 0.01 0.012611345 0.0039328140 4.208674e-05 2.102612e-10
h = 0.001 0.001263559 0.0004001187 4.212368e-07 1.997399e-14

AMAL Youssef Statistique pour Ingénieurs 1445/2023 30 / 30