UNIVERSIT

E D

ETAT DHAITI
FACULT

E DES SCIENCES
Cours sur la resolution dequations dierentielles
ordinaires prepare par:
Jean-Marie Vilaire
1. Equations Diff erentielles
Les equations dierentielles apparassent naturellement dans dierents domaines des sciences (mecani-
que des uides, transfert de la chaleur, probl`eme du pendule, elimination de drogue dans le sang, etc.) et
des sciences sociales, etc. Elles decrivent levolution de phenom`enes dependant du temps. Probablement
la resolution des equations dierentielles est le domaine de lanalyse numerique o` u les applications sont
plus nombreuses.
Une equation dierentielle dordre 1 est de la forme:
y

(t) = f(y(t), t)
o` u f : R
d
[0, T] R
d
est une fonction continue.
Le probl`eme avec condition initiale
(1)

(t) = f(y(t), t),

y(0) = y
0
R
d
,
est appele probl`eme de Cauchy.
Le premier probl`eme quon aborde dans cette section est une equation avec valeur intiale (equation
(1), avec d = 1),
(2)

(t) = f(t, x(t)),

x(0) = a.
Le theor`eme suivant garantit lexistence et lunicite de la solution de lequation (2), dont la preuve
est supposee connue.
Theor`eme 1.1. Soit f(t, x) une fonction continue L-Lipschitsienne en x (par rapport `a la deuxi`eme
variable) i.e,
|f(y, x) f(t, y)| L|x y|.
1
Alors pour toute valeur a il existe une unique fonction derivable x(t) qui verie

(t) = f(t, x(t)),

x(0) = a.
Letude dapproximations numeriques pour les equations dierentielles ordinaires commence avec les
methode ` a un pas.
Soit le probl`eme (2) nous cherchons une approximation de x(t) dans un certain intervalle [0, T]. Pour
cela, nous chercherons une facon de generer des valeurs x
1
, x
2
, ..., x
N
qui approximent x(t
1
), x(t
2
), ..., x(t
N
),
avec 0 = t
0
< t
1
< t
2
< ... < t
N
= T. Apr`es on pourra interpoler avec ces valeurs pour obtenir une
approximation de x(t). Si on est interesse de connatre seulement la valeur de x(T) dans ce cas les pas
intermediaires x
1
, ..., x
N1
peuvent se voir comme des pas auxiliaires pour calculer x
N
x(T).
La methode generale `a un pas a la forme
x
i+1
= x
i
+ h(x
i
, t
i
, h).
La fonction est connue sous le nom de fonction daccroissement et nous proportionne une approxi-
mation x
i+1
de x(t
i
+h) `a partir de x
i
, t
i
et de h. Un avantage de ces methodes est quon peut facilement
changer le pas h i c-`a-d nous calculons une approximation en un temps posterieur t
i+1
` a partir dune
approximation au temps t
i
.
2. M ethodes dEuler et Taylor dordre k
La methode dEuler est basee sur le processus suivant,
x(t
i
+ h) x(t
i
) + hx

(t
i
) = x(t
i
) + hf(t
i
, x(t
i
)),
pour des valeurs petites de h. En consequence, si x
i
est une approximation pour x(t
i
) on a que
x
i+1
= x
i
+ hf(t
i
, x
i
)
est une approximation raisonnable pour x(t
i
+ h) = x(t
i+1
).
Exemple 2.1. Resolvons lequation

(t) = x(t),
x(0) = 1.
La solution exacte est x(t) = e
t
. Maintenant en appliquant la methode dEuler on trouve

t e
t
h = 0.25 h = 0.125
0.125 1.1331 1.125
0.250 1.2840 1.25 1.2656
0.375 1.4549 1.4238
0.500 1.6487 1.5625 1.6018
0.625 1.8682 1.8020
0.750 2.1170 1.9531 2.0272
La methode dEuler est de la forme
x
i+1
= x
i
+ hf(t
i
, x
i
).
Une facon de penser est de voir quon approxime en utilisant le polynome de Taylor de degre un en t
i
pour calculer x
i+1
. En general, on peut utiliser une expansion avec beaucoup plus de termes comme suit:
On sait que
x(t
i
+ h) x(t
i
) + hx

(t
i
) +
1
2
h
2
x

(t
i
) + ... +
1
k!
h
k
x
(k)
(t
i
).
Si on connaissait les derivees de x jusqua lordre k on pourrait les utiliser pour implementer une
methode qui approxime x(t
i
+ h) `a partir de x(t
i
). Lequation dierentielle
x

= f(t, x)
nous proportionne toutes les derivees dordre superieur de la facon suivante. En derivant une fois on
obtient
x

= f
x
(t, x)x

+ f
t
(t, x),
c-`a-d
x

= f
x
(t, x)f(t, x) + f
t
(t, x).
A partir de cela on peut poser
x(t
i
+ h) x(t
i
) + hf(t
i
, x(t
i
)) +
1
2
h
2
f
x
(t
i
, x(t
i
))f(t
i
, x(t
i
)) + f
t
(t
i
, x
i
).
On peut deriver x

pour obtenir x

en fonction de f et ses derivees et ainsi de suite jusqua la derivee

dordre k en fonction de f et de ses derivees. Cela nous donne une facon de calculer des methodes
dapproximation `a un pas (en utilisant seulement x
i
, t
i
et h pour calculer lapproximation suivante
x
i+1
). C-`a-d, `a partir de
x(t
i
+ h) x(t
i
) + hx

(t
i
) +
1
2
h
2
x

(t
i
) + ... +
1
k!
h
k
x
(k)
(t
i
),
nous proposons la methode,
x
i+1
x
i
+ hf(t
i
, x
i
) + ... +
1
k!
h
k
x
(k)
(t
i
) = x
i
+ hT
k
(x
i
, t
i
, h).
Ces methodes sont connues sous le nom de methodes de Taylor dordre k. Le probl`eme majeur de ces
methodes est quelles requierent trouver et evaluer les derivees successives de f(t, x).
Exemple 2.2. Calculer la mehode de Taylor dordre 2 pour le probl`eme

(t) = 2tx(t),
x(0) = 1.
En derivant on obtient
x

= 2x + 2tx

= 2x(1 + 2t
2
).
Alors,
x
i+1
= x
i
+ h[2t
i
x
i
+ x
i
(1 + 2t
2
i
)h].
Exemple 2.3 (Exercice). Calculer la methode de Taylor dordre 3 de lexemple anterieur.
3. M ethodes de Runge-Kutta
Les methodes generales `a un pas sont de la forme
x
i+1
= x
i
+ h(x
i
, t
i
, h).
Nous pouvons penser que h(x
i
, t
i
, h) est une approximation de de la variation de x quand nous passons
de t
i
` a t
i+1
. Ainsi, nous proposons une forme particuli`ere de donnee par
(x
i
, t
i
, h) = A
1
f(
1
,
1
) + ... + A
N
f(
N
,
N
),
o` u (
i
,
i
) sont des ponits proches de (t
i
, x
i
). Pour specier la methode quon utilise il est necessaire de
specier les A
i
et les ponits (
i
,
i
).
Maintenant voyons un cas particulier o` u on utilise seulement deux points (t
i
, x
i
) et (t
i
+ h, x
i
+
hf(x
i
, t
i
)). Il nous reste libre (par exemple en considerant = 1 on utilise (t
i+1
, x
i+1
) o` u x
i+1
est
lapproximation que donne la methode dEuler).
En general, nous avons
x
i+1
= x
i
+ h[A
1
f(t
i
, x
i
) + A
2
f(t
i
+ h, x
i
+ hf(t
i
, x
i
))].
La strategie de la methode de Runge-Kutta est de choisir A
1
, A
2
et pour que ceci sapproxime `a
une methode de Taylor.
Voyons comment cela se fait. Developpons
f(t
i
+ h, x
i
+ hf(t
i
, x
i
)) = f(t
i
, x
i
) + f
t
(t
i
, x
i
)h + f
x
(t
i
, x
i
)hf(t
i
, x
i
) + E,
o` u E est de la forme E = Ch
2
. Maintenant en regroupant les termes on obtient
(t
i
, x
i
, h) = (A
1
+ A
2
)f(t
i
, x
i
) + A
2
[f
t
(t
i
, x
i
) + f
x
(t
i
, x
i
)f(t
i
, x
i
)] + Ch
2
.
Rappelons que dans la methode de Taylor on a
T
2
(t
i
, x
i
, h) = f(t
i
, x
i
) +
h
2
[f
t
(t
i
, x
i
) + f
x
(t
i
, x
i
)f(t
i
, x
i
)].
En egalant les coecients, on arrive ` a
A
1
+ A
2
= 1; A
2
=
1
2
A
1
= 1
1
2

1
A
2
=
1
2

1
.
C-` a-d, il y a une innite de solutions dependant de (et donc une une innite de methodes possibles).
Un choix possible = 1/2 correspond ` a la methode dEuler modiee.
Un autre choix possible = 1 qui donne
x
i+1
= x
i
+
h
2
[f(t
i
, x
i
) + f(t
i+1
, x
i
+ hf(t
i
, x
i
))]
correspond `a la methode de Heun.
Remarque 3.1. Ces methodes ne requierent pas levaluation de la derivee de f.
En considerant plus de termes dans le developpement de Taylor on peut deduire les methodes de
Runge-Kutta dordre superieur. Speciquement, une methode de Runge-Kutta dodre k a la forme
x
i+1
= x
i
+ h(t
i
, x
i
, h)
o` u
(t
i
, x
i
, h) = T
k
(x
i
, y
i
, h) + O(h
k
).
(t
i
, x
i
, h) =
m

j=1
A
j
K
j
(t
i
, x
i
, h).
Les termes K
j
sont donnes par
K
1
(t
i
, x
i
, h) = f(t
i
, x
i
),
K
j
(t
i
, x
i
, h) = f(t
i
+
j
h, y
i
+ h
j1

k=1

jk
K
k
(t
i
, x
i
, h)), j 2
o` u
0 <
j
1, et
j
=
j1

k=1

jk
.
Exemple 3.2. Une forme de Runge-Kutta dordre quatre est
x
i+1
= x
i
+
h
6
[K
1
+ 2K
2
+ 2K
3
+ K
4
],
K
1
= f(t
i
, x
i
), K
3
= f(t
i
+
h
2
, x
i
+
h
2
K
2
),
K
2
= f(t
i
+
h
2
, x
i
+
h
2
K
1
), K
4
= f(t
i
+ h, x
i
+ hK
3
).
4. M ethodes de pas variable
Lidee est de choisir les pas h
i
de facon variable.
4.1. Methode dEuler pour une equation qui explose. ???????????
5. Analyse derreur
Denissons lerreur de troncature de la mani`ere suivante
Denici on 5.1. Soit x(t) la solution de lequation dierentielle x

(t) = f(x(t), t) et soient t

, h donnes,
on denit lerreur de troncature locale, comme
x(t

+ h) = x(t

) + h(t

, x(t

), h) + h.
5.1. Methodes dEuler et Taylor dordre k. Dans ce cas lerreur de troncature est donnee par
x(t

+ h) = x(t

) + hx

(t

) +
h
2
2
x

()
on obtient
= +
h
2
x

().
Le meme argument utilise anterieurement nous conduit `a
=
h
k
(k + 1)!
x
(k+1)
()
Denici on 5.2. La methode x
i+1
= x
i
+ h(t
i
, x
i
, h) est dite dordre k si lerreur de troncature locale
satisfait
= O(h
k
)
Denici on 5.3. Si u(t) est une solution de

(t) = f(t, u(t))

u(t
i
) = x
i
, i = 1, 2, ..., n.
Lerreur locale se denit comme u(t
i+1
) x
i+1
.
Lerreur globale est x(t
i+1
) x
i+1
.
Remarque 5.4. Lerreur globale et lerreur locale sont relationnees par la formule
x(t
i+1
) x
i+1
= x(t
i+1
) u(t
i+1
) + u(t
i+1
) x
i+1
.
Ceci montre que lerreur globale est formee de deux composantes: une donnee par lequation dierentielle
et lautre donnee par la methode.
Lerreur locale peut sexprimer en fonction de lerreur de troncature locale,
u(t
i+1
) = u(t
i
) + h(t
i
, u(t
i
), h) + h
En faisant u(t
i
) = y
i
on a
u(t
i+1
) = y
i
+ h(t
i
, u(t
i
), h) + h
et alors
u(t
i+1
) y
i+1
= h.
Si la methode est dordre p, alors lerreur locale satisfait
u(t
i+1
) y
i+1
= O(h
p
).
5.2. Convergence y analyse de lerreur. Maintenant on se restreint aux probl`emes reguliers, c-`a-d
x

(t) = f(x(t), t), x(0) = x

0
o` u la solution est unique et reguli`ere dans [0, t
0
].
Denici on 5.5 (Convergence). La methode est convergente si pour tout t

[0, t
0
] on a
lim
n,t

=nh
x
n
= x(t

).
Supposons que notre methode ` a un pas est donnee par
x
i+1
= x
i
+ h(t
i
, x
i
, h)
et en plus est Lipschitzienne, i.e,
|(t, x, h) (t, y, h)| K|x y|.
Fixons un pas h = (b a)/n et soit e
j
lerreur globale, i.e,
e
j
= x(t
j
) x
j
.
Maintenant utilisons
x
i+1
= x
i
+ h(t
i
, x
i
, h)
et
x(t
i+1
) = x(t
i
) + h(t
i
, x(t
i
), h) + h
i
o` u h
i
est lerreur de troncature locale en t
i
. En faisant la dierence nous obtenons
e
i+1
= e
i
+ h((t
i
, x(t
i
), h) (t
i
, x
i
, h)) + h
i
puisque est Lipschitzienne on obtient
|e
i+1
| (1 + Kh)|e
i
| + h
i
et si on pose = max{
i
} on trouve
|e
i+1
| (1 + Kh)|e
i
| + h.
Maintenant nous enoncons le theor`eme suivant
Theor`eme 5.6.
|e
j
|

K
(e
K(t
j
)
1)
Preuve. On a
|e
i+1
| (1 + Kh)|e
i
| + h
en iterant une fois on obtient
|e
i+1
| (1 + Kh
2
)|e
i1
| + h(1 + (1 + hK)).
De cette fa con on obtient
|e
i+1
| (1 + Kh
i+1
)|e
0
| + h

j=0
(1 + hK)
j

.
Comme e
0
= x(0)x
0
on trouve e
0
= 0. Alors, en utilisant les sommes partielles de la serie geometrique
on a
|e
i+1
| h
(1 + Kh)
i+1
1
(1 + Kh) 1
=

K
((1 + hK)
i+1
1).
Maintenant remarquons que
(1 + )
i+1
e
(i+1)
alors
|e
i+1
|

K
(e
K(t
i+1
)
1).

De ce theor`eme on deduit que les methodes `a un pas sont convergentes si

lim
h0
= 0.
Denici on 5.7 (Consistance). Une methode est dite consistante si
lim
h0
= 0.
Supposons que est continue, on a la consistance
x

(t
i
) = (t
i
, x(t
i
), 0).
Comme x est solution de lequation dierentielle on a
x

(t
i
) = f(x(t
i
), t
i
).
Et donc
(t
i
, x(t
i
), 0) = f(x(t
i
), t
i
).
Preuve. Exercice. Prouver que les methode dEuler, de Runge-Kutta et de Taylor satisfont cette con-
dition.
Remarque 5.8. De la condition de Lipschitz de on peut extraire une condition de Lipschitz de f.
Remarquons que si on a un syst`eme dequations
U

(t) = F(U(t), t)
avec
U = (u
1
, u
2
, ..., u
N
)
on peut utiliser les memes methodes quavant, par exemple la methode dEuler nous donne
U
i+1
= U
i
+ hF(U
i
, t
i
).
En general, les methodes `a un pas ont la forme
U
i+1
= U
i
+ h(U
i
, t
i
, h).
6. M ethodes lin eaires ` a pas multiples
Jusquici pour approximer les solutions de x

= f(x, t) nous nous basons au point anterieur pour

calculer le suivant.
La philosophie des methodes `a pas multiples consiste ` a utiliser les k points anterieurs ` a t
i
pour calculer
lapproximation en t
i+1
.
Les methodes `a pas multiples lineaires sont de la forme
x
n+k
=
k1

j=0

j
x
n+j
+ h
k

j=0

j
f(t
n+j
, x
n+j
).
Plus generalemnt la methode anterieure est connue sous le nom de methode ` a pas multiples avec k pas.
Par exemple si on approxime la derivee par
x

(t)
x(t + h) x(t h)
2h
en considerant des points equidisants on a
x

(t
i
)
x
i+1
x
i1
2h
et comme
x

(t
i
) = f(x(t
i
), t
i
) f(x
i
, t
i
)
on peut poser
x
i+1
x
i1
2h
= f(x
i
, t
i
)
i.e,
x
i+1
= x
i1
+ 2hf(x
i
, t
i
)
qui est une methode ` a pas multiples de deux pas (pour calculer x
i+1
on utilise x
i
et x
i1
).
Les methodes dintegration proportionnent aussi des exemples de methodes `a pas multiples, par
exemple, si on approche lintegrale
x(t
n+2
) x(t
n
) =

t
n+2
tn
x

(s)ds
par la methode de Simpson on obtient
x(t
n+2
) x(t
n
)
h
3
(x

(t
n
) + 4x

(t
n+1
) + x

(t
n+2
)).
Et comme x

= f(x, t) nous pouvons proposer la methode suivante

x
n+2
x
n
=
h
3
(f(x
n
, t
n
) + 4f(x
n+1
, t
n+1
)) + f(x
n+2
, t
n+2
)).
qui est une methode ` a pas multiples de deux pas.
Maintenant nous utiliserons la notation
k

j=0

j
x
n+j
= h
k

j=0

j
f
n+j
pour la methode.
La methode est explicite si
k
= 0. Si
k
= 0 la methode est dite implicite.
Si nous utilisons une formule du type

t
n+k1
t
n+k
x

(s)ds h(A
0
x

(t
n
) + ... + A
k
x

(t
n+k
))
pour approximer les integrales on trouve une methode de la forme
x
n+k
x
n+k1
= h(A
0
f
n
+ ... + A
k
f
n+k
).
Cette methode est connue sous le nom de Adams-Bashforth si elle est explicite. Si elle est implicite
cest la methode de Adams-Moulton.
6.1. Convergence des methodes `a pas multiples. Commencons avec lerreur de troncature pour
une methode de k pas.
k

j=0

j
x
n+j
= h
k

j=0

j
f
n+j
.
Si x(t) est la solution de x

= f(x, t) lerreur de troncature locale est donnee par

k

j=0

j
x(t + jh) h
k

j=0

j
x

(t + jh) = h.
Si x(t) est assez reguliere, nous pouvons exprimer h de la forme
h = C
0
x(t) + C
1
hx

(t) + C
2
h
2
x

(t) + ... + C
q
h
q
x
(q)
(t) + ...
Pour voir cela, nous ecrivons
x(t + jh) = x(t) + x

(t)jh +
x

(t)
2
(jh)
2
+ ...
x

(t + jh) = x

(t) + x

(t)jh +
x

(t)
2
(jh)
2
+ ...
En remplacant dans lexpression de et egalant les puissances de h on obtient.
C
0
=
0
+ ... +
k
C
1
=
1
+ 2
2
+ 3
3
+ ... + k
k

2
...
k
.
Et en general pour tout q 1 on a
C
q
=
1
q!

1
+ 2
q

2
+ 3
q

3
+ ... + k
q

1
(q 1)!
(
1
+ 2
q1

2
+ ... + k
q1

k
).
Si C
0
= C
1
= ... + C
p
= 0 et C
p+1
= 0 la methode est dite dordre p. Pour une methode dordre p
lerreur satisfait
h = C
p+1
h
p+1
x
(p+1)
(t) + O(h
p+2
).
Pour voir la convergence, comme avant, xons t

et prenons n et h tels que t

= (n+k)h. Nous voulons

que
lim
h0
x
n+k
= x(t

).
Nous voulons voir quelles conditions il faut imposer `a la methode pour quon ait
lim
h0
x
n+k
= x(t

).
En premier lieu soit le probl`eme x

(t) = 0, x(0) = 1 (solution x 1). La methode appliquee `a ce

probl`eme se reduit ` a
k

j=0

j
x
n+j
= 0.
Pour nimporte quelle methode ` a pas multiples nous devons avoir (puisque k est xe et h 0) x
n+k

x(t

), ..., x
n
x(t

). Alors on peut ecrire

x
n+j
= x(t

) +
j
(h), avec
j
(h) 0 quand h 0.
En utilisant ceci on obtient
k

j=0

j
x(t

) +
k

j
(h) = 0.
Comme la seconde somme tend vers zero quand h 0 il nous reste
x(t

)
k

j=0

j
= 0
i.e,
C
0
= 0.
On doit avoir C
1
0 pour que la methode converge. Considerons le probl`eme x

(t) = 1, x(0) = 0
(solution x(t) = t). La methode pour ce probl`eme se reduit ` a
k

j=0

j
x
n+j
= h
k

j=0

j
.
Il est facile de verier que la suite donnee par
x
l
= lhM
est solution de ce schema o` u
M =

k
j=0

j

k
j=0
j
j
.
Si les valeurs initiales sont telles que x
l
= lhM et la methode va produire la solution x
l
= lhM et en
particulier
x
n+k
= (n + k)hM.
Comme nous supposons que la methode est convergente, les valeurs initiales satisfont x
i
x(0) = 0
quand h 0, et en plus x
n+k
x(t

), mais
x
n+k
= (n + k)hM = t

M t

.
Alors on conclut
M = 1
ce qui donne
C
1
= 0
Cest la consistance de la methode `a pas multiples.
References
[1] Rappaz, J. et Picasso, M., Introduction `a lanalyse numerique. Presses polytechniques et Universitaires Romandes,
Lausanne, Suisse, 1998.
[2] Fortin, A., Analyse numerique pour ingenieurs. Editions de lecole Polytechnique de Montreal, Montreal, Canada,
1995.
[3] El Jai, A., Elements danalyse numerique. Collection Etudes, Presse Universitaire de Perpignan, 2003.