République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scienti…que

UNIVERSITÉ MOHAMED KHIDER, BISKRA

FACULTÉ des SCIENCES EXACTES et des SCIENCES de la NATURE et de la VIE

DÉPARTEMENT DE MATHÉMATIQUES

Mémoire présenté en vue de l’obtention du Diplôme :

MASTER en Mathématiques

Option :Analyse

Par

ACHOUR Imane

Titre :

Application Des Polynômes D’Adomian

Membres du Comité d’Examen :

Dr. BELLAGOUNE Abdelghani UMKB Encadreur

Dr. BERBICHE Mohamed UMKB Président

Dr. GHODJMIS Fatiha UMKB Examinateur

Juin 2019
 Dédicace

Je dédie ce mémoire à :

ma mère et à mon père.

mon frère Ahmed et ma sœur Salma

ma grande famille et mes amies Sara, Karima, Nadia, Maria, Fatima.

tous mes collégues de la promotion "2018-2019".

tous ceux qui sont proches á mon cœur.

ACHOUR Imane

i
 REMERCIEMENTS

J’aimerais en premier lieu remercier mon dieu Allah qui m’a donné la volonté et
le courage pour la réalisation de ce travail.

Je tiens à remercier tout d’abord mon encadreur M.BELLAGOUN ABDELGHANI

pour m’avoir proposé le thème de ce mémoire et m’avoir dirigé tout le long de mon
travail, ses critiques et les conseils m’ont été précieux..

Je voudrais également remercier les membres du jury d’avoir accepter d’évaluer ce

travail et pour toutes leurs remarques et critiques, ainsi que le personnel
administratif et les enseignants du département de mathématiques de l’université
MOHAMED KHIDER, BISKRA et tous mes compagnons de promotion.

Et en…n j’adresse mes sincères remerciments à mes parents, mon frère et ma

soeur, mes amis et à tous qui sont contribué de prés ou de loin à l’élaboration de
ce travail.

ii
Table des matières

Dédicace i

Remerciements ii

Table des matières iii

Liste des …gures v

Introduction 1

1 Les opérateurs 3
1.1 Opérateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Espace vectoriel normé . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Opérateurs linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Espace de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.4 Opérateurs et Espaces de Banach . . . . . . . . . . . . . . . . . . . . 5
1.1.5 Théorème des applications ouvertes . . . . . . . . . . . . . . . . . . . 6
1.1.6 Opérateurs contractants . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.7 Opérateurs di¤érentiels . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.8 Opérateurs intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.9 Opérateurs compacts . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.10 Opérateurs inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Concepts de base de la théorie décompositionnelle . . . . . . . . . . . . . . . 9
1.2.1 Série décompositionnelle . . . . . . . . . . . . . . . . . . . . . . . . . 9

iii
Table des matières

1.2.2 Schéma décompositionnelle . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2.3 Méthode décompositionnelle . . . . . . . . . . . . . . . . . . . . . . . 10

2 Théorie de décomposition d’Adomian 11

2.1 Description de l’ADM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Les polynômes d’Adomian . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Tableau de réference des polynômes d’Adomian . . . . . . . . . . . . 18
2.3 Convergence de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3 Applications 28
3.1 Résolution des équations di¤érentielles fractionnaires par ADM . . . . . . . . 28
3.1.1 véri…cation de la solution . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Résolution de certaines équations de Bilan de
Populations par ADM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.1 les équations de Bilan de Populations (EBPs) . . . . . . . . . . . . . 35
3.2.2 application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

Conclusion 50

Bibliographie 51

Annexe A : Les Fonctions mathématiques 53

Annexe B : Logiciel MATLAB 56

Annexe C : Abréviations et Notations 61

iv
Table des …gures

2.1 George Adomian (1923-1996) . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.2 la solution exacte et les solutions tronquées pour n = 1; n = 2; :::; n = 5 . . . 17
2.3 Yves Cherruault . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.1 Les di¤érentes solutions tronquées pour n = 0; n = 1; n = 2; ::::; n = 10 . . . 31

3.2 La solution tronquée en n = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 La solution tronquée en n = 3 . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4 L’erreur jS3 S2 j . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.5 La solution tronquée en n = 20 . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.6 La solution tronquée en n = 30 . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.7 La solution tronquée en n = 50 . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.8 L’erreur jn (v; t) S50 j . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.9 La solution tronquée en n = 70 . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.10 La solution analytique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.11 La solution tronquée en n = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.12 La solution tronquée en n = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 47

v
Introduction

L
a plupart des phénomènes dans notre monde sont essentiellement non linéaires et
sont décrits par des équations non linéaires. Il est bien connu que les équations or-
dinaires non linéaire (EDO) et les équation aux dérivées partielles (EDP) et les équations
intégro-di¤erentielles (EID) avec conditions aux limites (aux bords) sont beaucoup plus dif-
…ciles à résoudre que les EDO, les EDP et EID linéaires, comme il est di¢ cile d’obtenir des
solutions exactes des problèmes non linéaires. Donc, nous essayons de trouver des solutions
approximatives.
Dans ce mémoire, on va introduire une méthode analytique pour les problèmes des
équations fonctionnelles, à savoir la méthode décompositionnelle d’Adomian (Adomian de-
composition method) (ADM), George Adomian a proposé une méthode d’approximation
analytique en 1981 cette méthode est appelée la méthode décompositionnelle d’Adomian
Elle est basée sur la décomposition de la fonction inconnue en une somme in…nie de
fonctions dé…nies par relation récurrente. Le terme non linéaire est écrit sous forme d’une
somme in…nie de polynômes spéciaux appelés polynômes d’Adomian. si la série converge et
le calcul de la somme est possible, la méthode conduit à une expréssion analytique de la
solution.
Ce mémoire se décompose de trois chapitres partagés de la manière suivante :
Premier chapitre : Ce chapitre est consacré aux notions, dé…nitions des opérateurs et
quelques concepts de base d’une théorie décompositionnelle.
Deuxiéme chapitre : Ce chapitre commence par une description de la méthode décompo-
tionnelle d’Adomian, avec quelques formules pour les polynômes d’Adomian, on termine par
l’etude de convergence pour cette méthode.

1
Introduction

Dans le dernier chapitre, on applique cette méthode à deux types des équations, équations
di¤érentielles fractionnaires et certaines équations de Bilan de Populations.
une bibliographie est apportée à la …n de ce mémoire.

2
Chapitre 1

Les opérateurs

D
ans ce chapitre, on s’interesse aux opérateurs linéaires et non linéaires dans les
espaces de Banach , parmi ces opérateurs, les opérateurs intégraux, opérateurs
di¤erentiels, opérateurs contractants, opérateurs inversibles, puis les opérateurs compacts [1]
[2] [3] [4].

1.1 Opérateurs

1.1.1 Espace vectoriel normé

Dé…nition 1.1 Soit E un |-espace vectoriel (e.v), une norme est une application
k.k : E ! R+ veri…ant les properites suivantes :

1. kvk = 0 () v = 0:

2. 8 2 |; 8v 2 E; k vk = j j kvk :(Homogènéité)

3. 8u; v 2 E; ku + vk kuk + kvk :(inégalité traingulaire)

L’espace E muni de la norme k.k appelé espace vectoriel normé (e.v.n) (où tout simplement
espace normé ), on le note par (E; k.k).

3
Chapitre 1. Les opérateurs

Exemple 1.1 Soit C ([a; b]; R), l’espace vectoriel des fonctions continues sur [a; b] à valeurs
réelles. pour tout f 2 C ([a; b]; R) , on pose

Zb
kf k1 = f (x)dx et kf k1 = sup jf (x)j :
x2[a;b]
a

les applications k:k1 et k:k1 sont des normes sur C ([a; b]; R).

1.1.2 Opérateurs linéaires

Dé…nition 1.2 Soient V et W deux |-e.v, un opérateur L : V ! W est dit linéaire si

8 1; 2 2 |; 8u; v 2 V; L( 1 u + 2 v) = 1 L(u) + 2 L(v):

Pour un opérateur linéaire L, on écrit généralement L(u) comme Lu.

Proposition 1.1 Soient V et W deux e.v.n , L : V ! W un opérateur linéaire. alors L

est borné si et seulement s’il existe une constante 0 telle que :

kLukW kukV 8u 2 V (1.1)

Preuve. évidemment (1.1) implique la bornitude. inversement, supposant que L est borné,
alors
sup kLukW +1
u2B

où B = fu 2 V; kukV 1g est la boule unité de centre 0. maintenant pour u 6= 0,

u
kukV
2 B et par la linéairité de L,

u
kLukW = kukV L kukV
kukV W

4
Chapitre 1. Les opérateurs

Théorème 1.1 Soient V et W deux e.v.n, L : V ! W un opérateur linéaire. alors L est

continu sur V s’il et seulement si est borné sur V .

Proposition 1.2 Si l’opérateur L : V ! W est linéaire et continu, on a

kLvkW
C = sup = sup kLvkW = sup kLvkW +1
v6=0 kvkV kvkV 1 kvkV =1
v2V

et
C = inf f 0; kLvkW kvkV ; 8v 2 V g

le nombre C appelé la norme de l’opérateur L

1.1.3 Espace de Banach

Dé…nition 1.3 Soit V un e.v.n, une suite fvn g V est appelé suite de Cauchy si :

lim kvm vn k = 0
m;n !+1

évidement, toute suite convergente est une suite de Cauchy.

Dé…nition 1.4 Un e.v.n dit complet si tout suite de Cauchy de E converge vers un élément
dans E, un espace normé complet est appelé espace de Banach.

Exemple 1.2 Soit V un e.v.n, et W un espace de Banach. alors L (V; W ) est un espace de
Banach

1.1.4 Opérateurs et Espaces de Banach

Soient V et W deux espaces de Banach.

Dé…nition 1.5 Soit D (A) un s.e.v de V . l’ensemble f(x; Ax) ; x 2 Dg V W est appelé
graphe de l’opérateur A. il sera noté Gr (A).

5
Chapitre 1. Les opérateurs

Proposition 1.3 1- Si D (A) = V , on véri…e que Gr (A) est un s.e.v de V W .

2- Si l’opérateur A est continu, alors le s.e.v Gr (A) est fermé.

Théorème 1.2 (Théorème de graphe fermé) Si le graphe d’un opérateur linéaire

A:V ! W est fermé dans V W alors l’opérateur A est continu.

1.1.5 Théorème des applications ouvertes

Théorème 1.3 Soient E et F deux espaces de Banach. tout opérateur linéaire, continu et
surjectif de E dans F est ouvert.

1.1.6 Opérateurs contractants

Soit K un sous-ensemble de V
Pour un opérateur T : K V ! V , on dit qu’il est contractant avec 2]0; 1[ si :

8'; 2K kT (') T ( )k k' k

1.1.7 Opérateurs di¤érentiels

Soit V un ouvert de Rn .
Un opérateur di¤érentiel sur V est une combinaison linéaire …nie de dérivatives d’ordre ar-
bitraires à coe¢ cients dans C 1 (V ). il est dit d’ordre m si les dérivations d’ordre superieur
n’y apparaissent pas, en d’autre terme un opérateur di¤érentiel d’ordre m sur V s’il est de
la forme :
X
L= a (u)D
j j m

où a 2 C 1 (V ) sont les coe¢ cients de L

6
Chapitre 1. Les opérateurs

et

D = D1 1 D2 2 :::Dnn
@
Dj = i
@xj

= ( 1; 2 ; :::; n) 2 Nn un multi-indice et j j = 1 + 2 + ::: + n son module.

Exemple 1.3 les espaces C [0; 1] et C 1 [0; 1] sont associés à leurs normes standards

kvkC[0;1] = max jv (x)j

0 x 1

et
kvkC 1 [0;1] = kvkC[0;1] + kv 0 kC[0;1] (1.2)

l’opérateur
d
L1 = : C 1 [0; 1] C [0; 1] ! C [0; 1]
dx

est un opérateur di¤érentiel n’est pas continu en utilisant la norme in…nie de C [0; 1] ; tandis
que l’opérateur di¤érentiel
d
L2 = : C 1 [0; 1] ! C [0; 1]
dx

est continu en utilisant la norme de (1:2) :

1.1.8 Opérateurs intégrales

Un opérateur intégral linéaire A est un opérateur qui s’écrit sous la forme suivante :

Zb
(A ) u = k(u; v) (v)dv
a

la fonction k s’appelle noyau de l’opérateur A.

Exemple 1.4 Soient V = W = C [a; b] avec la norme in…nie k:k1 et k 2 C [a; b]2

7
Chapitre 1. Les opérateurs

et dé…ni A : C [a; b] ! C [a; b] par

Zb
(A ) u = k(u; v) (v)dv (1.3)
a

l’opérateur A en (1:3) est un exemple d’opérateur intégral linéaire

Sur l’hypothèse de continuité sur k(:; :), l’opérateur intégral A est continu. de plus,

Zb
kAk = max k(u; v)dv
a u b
a

c’est la norme de cet opérateur.

1.1.9 Opérateurs compacts

Dé…nition 1.6 Soient E et F deux espaces de Banach. Un opérateur linéaire A de E dans F

est dit compact si et seulement si A (BE ) est relativement compact, ou encore A est compact
si et seulement si pour tout partie bornée M de E, A (M ) est relativement compact

Dé…nition 1.7 Soient E et F deux e.v.n, l’opérateur linéaire A de E dans F est un opérateur
de rang …nie si, le rang de A de dimension …nie.

Dé…nition 1.8 Soit E un espace de Hilbert séparable de dimension in…nie. si (en )n2N est
une base hilbertienne de E. on dit qu’un opérateur A 2 L (E) est un opérateur d’Hilbert
P
Schmidt si la série numérique est kAen k2 convergente.
n2N

Exemple 1.5 1- tout opérateur continu et de rang …ni est un opérateur compact.
2- tout opérateur d’Hilbert Schmidt est un opérateur compact
3- l’opérateur intégral A de C [a; b] dans C [a; b] à noyau continu est un opérateur compact.
4- une combinaison linéaire A = A1 + A2 des opérateurs compacts est un opérateur compact.
5- Le produit A1 A2 de deux opérateurs bornés A1 et A2 est compact si l’un des opérateurs A1
ou A2 est compact.

8
Chapitre 1. Les opérateurs

1.1.10 Opérateurs inversibles

Soient E et F deux e.v.n, et soit A 2 L (E; F )

Dé…nition 1.9 On dit que A est inversible s’il existe B 2 L (F; E) telle que AB = IdF
( inversible à droite) et BA = IdE ( inversible à gauche), un tel opérateur (lorsqu’il existe)
est unique. on l’appelle opérateur inverse de A, et on le note B = A 1 .

Théorème 1.4 (Théorème d’invese de Banach) Si A 2 L (E; F ) ( F espace de Ba-

1
nach) est bijectif, alors son inverse A est continu

Théorème 1.5 Soit A 2 L (E) tel que kAk < 1 ; alors IdE A est inversible et

1
X
+1
(IdE A) = An :
n=0

Remarque 1.1 Si A 2 L (E) tel que kIdE Ak < 1 ; alors A est inversible et

1
X
+1
(A) = (IdE A)n :
n=0

1.2 Concepts de base de la théorie décompositionnelle

1.2.1 Série décompositionnelle

P
Dé…nition 1.10 toute série des fonctions Bn où chaque Bn est une fonction de (n + 1)
variables de E : U0 ; U1 ; :::; Un : à valeurs dans E, s’appelle série décompositionnelle.

9
Chapitre 1. Les opérateurs

1.2.2 Schéma décompositionnelle

P
Dé…nition 1.11 soit une série décompositionnelle fortement convergente Bn (U0 ; U1 ; :::; Un ),
P
on appelle schéma décompositionnelle associé à Bn le schéma récurrent :
8
>
< u0 = 0
>
: un+1 = Bn (u0 ; u1 ; :::; un )

P
qui permet de construire une série un d’éléments de E

1.2.3 Méthode décompositionnelle

Dé…nition 1.12 on appelle méthode décompositionnelle la méthode consistant à construire

la solution d’une équation à l’aide d’un schéma décompositionnelle.

10
Chapitre 2

Théorie de décomposition d’Adomian

D
ans les années 1980 , le mathémathécien américain George Adomian (1923-1996)
a proposé une nouvelle méthode pour résoudre des équations fonctionelles non
linéaires. la méthode a été appliquée à de nombreux problèmes de frontières dans le domaine
de l’ingénierie, la physique, la biologie et la chimie...etc.
La résolution de telles équations par les méthodes dites classiques, entre autres les mé-
thodes des di¤érences …nis, des éléments …nis, des volumes …nis et la méthode spéctrale,
donnent des approximations de la solution en des points discrets. De plus, ces méthodes font
appel à des techniques de discrétisation de l’espace et de temps et elles linéairisent souvent
les équations.
La méthode de décomposition d’Adomian est utilisée comme méthode alternative pour
résoudre un large éventail de problèmes dont les modèles mathématiques concernés, l’algè-
briques, di¤érentiels, l’intégrales, l’intégro di¤érentielle, les équations di¤érentielles ordinaires
d’ordre superieur (EDO), les équations aux dérivées partielles (EDP) :
Notre but dans ce chapitre est d’expliquer la méthode décompositionnelle d’Adomian
(ADM) , et de donner quelques formules pour les polynômes d’Adomian, et on termine par
les principaux théorèmes de convergence de cette méthode. [5],[6],[7],[8].

11
Chapitre 2. Théorie de décomposition d’Adomian

Fig. 2.1 – George Adomian (1923-1996)

2.1 Description de l’ADM

Soit l’équation fonctionnelle générale

v Nv = g (2.1)

telle que :
– N est un opérateur non linéaire analytique d’un espace de Hilbert H dans lui même.
– g est une fonction donnée.
– v 2 H c’est la solution de l’équation (2:1).
La méthode décompositionnelle d’Adomian consiste à trouver la solution v sous forme d’une
série
c-à-d :

12
Chapitre 2. Théorie de décomposition d’Adomian

X
1
v= vi (2.2)
i=0

Et, Aussi à décomposer le terme non linéaire N v sous la forme d’une série

X
1
Nv = An (2.3)
n=0

Avec les An ce sont des fonctions depends de (n + 1) variables v0 ; v1 ; :::; vn :

Les An sont appelés polynômes d’Adomian, et elles sont données par la formule suivante :
" !#!
1 dn X
1
An = N ti vi (2.4)
n! dtn i=0 t=0

Nous revenons à l’équation initiale (2:1), et remplaçons les relations (2:2) et (2:3) dans cette
dernière. on trouve :
X
1 X
1
vi Ai = g (2.5)
i=0 i=0

d’où on déduit, par identi…cation des relations entre les vi et les Ai :

8
>
> v0 = g
>
>
>
>
>
>
>
> v 1 = A0
<
..
. (2.6)
>
>
>
>
>
> v n = An 1
>
>
>
> ..
: .

Maintenant la solution exacte de l’équation (2:1) est entièrement determinée. Cependant,

P
1
en pratique tous les termes de la série vi ne peuvent pas être déterminés, nous utilisons
i=0
donc une approximation de la solution v de la série tronquée :

X
n 1

n = vi ; lim n =v
n !+1
i=0

13
Chapitre 2. Théorie de décomposition d’Adomian

Remarque 2.1 – la solution v donner sous la forme d’une série en t dont les coe¢ cients
notés (vn )n 0 , c-à-d :
X
1
v= vn tn
n=0

en utilisant le développement de Taylor

X
1
v (n) (0) n
X
1
v (n) (0) X
1
n
v= (t 0) = t = vn tn
n=0
n! n=0
n! n=0

avec
1 @v
vn =
n! @tn t=0

– le terme non linéaire N v est dé…nit par la relation (2:3)

X
1
Nv = An
n=0

d’autre part, en utilisant le développement de Taylor encore une fois :

X
1
(t 0)n n
N v = f (v(t)) = D f (v(t))jt=0
n=0
n!

et si on pose,
X
1
f (v(t)) = An tn
n=0

alors on a :

1 n
An = D f (v(t))jt=0
n! !
1 n X1
= D f vn tn
n! n=0 t=0

où les polynômes d’Adomian An sont donnés par :

1 @n @f @f @v
An = n! @tn
f (v(t)) t=0
et Df = @t
= @v @t

14
Chapitre 2. Théorie de décomposition d’Adomian

alors :
1
An = n!
Dn f (v(t))jt=0 = f = f (v) et v = v (t)

Exemple 2.1 Dans cet exemple on va appliquer la méthode d’Adomian pour chercher la
solution d’une équation di¤érentielle ordinaire avec une condition initiale, en faisant
une comparaison avec les techniques usuelles
1- On considère le problème suivant :
8
>
< y0 = y
>
: y (0) = 1

comme l’on a vu dans les remarques précédantes que

P
1 P
1
y = y (t) = yn tn ; f (y(t)) = y(t) = An tn
n=0 n=0

on pose :
d 1 1
Rt
L=D= dt
() L =D = :ds
0

alors

Dy = f (y) () y(t) y(0) = D 1 f (y)

donc
X
1 X
1
n
y= yn t = y(0) + An D 1 tn
n=0 n=0

X
1 X
1
An 1 n
n
yn t = y(0) + t :
n=0 n=1
n

En tenant compte que les coe¢ cients yn sont donnés par :

8
>
< y0 = y (0) = 1
>
: yn = An 1
; 8n 1
n

15
Chapitre 2. Théorie de décomposition d’Adomian

Alors

A0 = f (y (0)) = y (0) = 1
df dy
A1 = = y1 f 0 (y0 ) = y1
dy dt
1 1
A2 = y2 f 0 (y0 ) + y12 f 00 (y0 ) = y2
2! 2
..
.

et

y0 = y (0) = 1

y1 = A0 = y (0) = 1
A1 y1 1
y2 = = =
2 2 2
..
.

et par suite :

X
1
An 1 n
y (t) = y0 + t :
n=1
n
A0 1 A1 2 A2 3
= y0 + t + t + t + :::
1 2 3
1 1 3 1 4
= 1 + t + t2 + t + t + :::
2 2:3 2:3:4

d’où :
X
1
tn
y (t) = = et
n=0
n!

16
Chapitre 2. Théorie de décomposition d’Adomian

2- Sachant que les méthodes directe donne :

y0
y 0 = y () y
=1
Rt y 0 (s) Rt
() 0 y(s)
ds = 0
1ds

() ln jy (s)j]t0 = t

() ln jy (t)j ln jy (0)j = t

() elnjy(t)j lnjy(0)j
= et

1
() jy (t)j jy(0)j = et

alors
y (t) = et

Fig. 2.2 – la solution exacte et les solutions tronquées pour n = 1; n = 2; :::; n = 5

17
Chapitre 2. Théorie de décomposition d’Adomian

2.2 Les polynômes d’Adomian

E est un espace de Banach.

P
Dé…nition 2.1 étant donné un opérateur analytique N , et une série convergente vi d’élé-
ment de E , on dé…nit les polynômes d’Adomian par
" !#!
1 dn X
1
An = N ti vi (2.7)
n! dtn i=0 t=0

2.2.1 Tableau de réference des polynômes d’Adomian

A0 = N (v0 )
A1 = v1 N (1) (v0 )
A2 = v2 N (1) (v0 ) + 2!1 v12 N (2) (v0 )
A3 = v3 N (1) (v0 ) + v1 v2 N (2) (v0 ) + 3!1 v13 N (3) (v0 )
1 2
A4 = v4 N (1) (v0 ) + v
2! 2
+ v1 v3 N (2) (v0 ) + 2!1 v12 v2 N (3) (v0 ) + 4!1 v14 N (4) (v0 )
1
A5 = v5 N (1) (v0 ) + (v2 v3 + v1 v4 ) N (2) (v0 ) + v v2
2! 1 2
+ 2!1 v12 v3 N (3) (v0 ) + 3!1 v13 v2 N (4) (v0 )
+ 5!1 v15 N (5) (v0 )
1 2 1 3
A6 = v6 N (1) (v0 ) + v
2! 3
+ v2 v4 + v1 v5 N (2) (v0 ) + v
3! 2
+ v1 v2 v3 + 2!1 v12 v4 N (3) (v0 )
1 21 2
+ v v
2! 1 2! 2
+ 3!1 v13 v3 N (4) (v0 ) + 4!1 v14 v2 N (5) (v0 ) + 6!1 v16 N (6) (v0 )
1 2
A7 = v7 N (1) (v0 ) + (v3 v4 + v2 v5 + v1 v6 ) N (2) (v0 ) + v v
2! 2 3
+ v1 2!1 v32 + v1 v2 v4 + 2!1 v12 v5
1
:N (3) (v0 ) + v v3
3! 1 2
+ 2!1 v12 v2 v3 + 3!1 v13 v4 N (4) (v0 ) + 1 31 2
v v
3! 1 2! 2
+ 4!1 v14 v3 N (5) (v0 )
+ 5!1 v15 v2 N (6) (v0 ) + 7!1 v17 N (7) (v0 ) :
..
.

18
Chapitre 2. Théorie de décomposition d’Adomian

Théorème 2.1 pour une fonction composée B (t) = N (vn (t)), où nous supposons que N v
est di¤érentiable jusqu’a l’ordre n , An sont donnés par
8
>
>
< A0 = N (v0 )
X v
k1
v
k2
v
k3 kn (2.8)
d(k1 +k2 +:::+kn ) N
>
: An =
> dv (k1 +k2 +:::+kn )
: k11 ! : k22 ! : k33 ! ::: vknn ! ; n 1
v=v0
k1 +2k2 +:::+nkn =n

Preuve. en appliquant la formule classique [11] , donnant le nieme dérivée de la fonction

B (t) = N (vn (t)), on obtient

1 X d(k1 +k2 +:::+kn )

An (v0 ; v1 ; :::; vn ) = N
n! k dv (k1 +k2 +:::+kn ) v=v0
1 +2k2 +:::+nkn =n
k1 k2 k3 kn
n!: (v1 ) : (2!v2 ) : (3!v3 ) ::: (n!vn )
: ;
(1!)k1 : (2!)k2 : (3!)k3 ::: (n!)k1 :k1 !:k2 !:k3 !:::kn !
X d(k1 +k2 +:::+kn ) N v1k1 v2k2 v3k3 vnkn
= : : : ::: ;
k +2k +:::+nk =n
dv (k1 +k2 +:::+kn ) v=v0 k1 ! k2 ! k3 ! kn !
1 2 n

D’où le corollaire suivant [7] [5]

Corollaire 2.1 La formule suivante permet également de déterminer les polynômes d’Ado-
mian :
8
>
>
< A0 = N (v0 )
X v1 1 2 v2 2 3 v3 3 4 v3 n 1 n n
> d 1N
: (vnn )! ; n
: An (v0 ; v1 ; :::; vn ) =
> dv 1
:
v=v0 ( 1
:
2 )! ( 2
:
3 )! ( 3 4 )!
::: ( n 1 n )!
1
1 + 2 +:::+ n =n
(2.9)
où ( i )i=1;:::;n est une suite décroissante.

19
Chapitre 2. Théorie de décomposition d’Adomian

Preuve. il su¢ t de choisit

k1 = 1 2

k2 = 2 3
..
.
kn 1 = n 1 n

kn = n;

ce qui conduit à :
k1 + 2k2 + ::: + nkn = 1 + 2 + ::: + n =n

et
k1 + k2 + ::: + kn = 1

Remarque 2.2 1- la somme dans le corrollaire doit être faite sur toutes les solutions de
l’équation

1 + 2 + ::: + n = n; 1 2 ::: n (2.10)

2- appelons P (n) le nombre de solutions de (2:10) , l’utilisation de la théorie des nombres

nous permet d’évaluer P (n).

Théorème 2.2
p2
n
P (n) < e 3 ; 8n 2 N : (2.11)

Preuve. posons la fonction f

P
+1 Y
+1
1
n
f (t) = P (n)t = 1 tk ; jtj 1 (2.12)
n=0 k=1

Pour 0 < t < 1; on dé…nit g (t) par

g (t) = log (f (t)) (2.13)

20
Chapitre 2. Théorie de décomposition d’Adomian

alors on a :
X
+1 X
+1 X
+1 kj
t X
+1
tj 1
g(t) = log 1 tk = = (2.14)
k=1 k=1 j=1
j j=1
1 tj j

si j 1; et 0 t 1; on obtient

1 tj
= 1 + t + t2 + ::: + tj 1
(2.15)
1 t

et donc
1 tj (2.16)
jtj 1
< 1 t
< j; 0 < t < 1; j 1

remplaçons (2:16) dans (2:14) , ce qui donne

X
+1 j
t 1
1 t X
+1
1
< g (t) < (2.17)
j=1
j2 t j=1
j2

mais on sait que

2
1 t
lim g(t) = (2.18)
t !1 t 6

et, donc

P (n) tn < f (t) ; si 0 < t < 1; pour n 0 (2.19)

d’après ces inégalites, on déduit que :

2
t 1
log (P (n)) < + n log (2.20)
6 1 t t

Possons 1 + u = 1t ; alors 0 < u < 1, pour 0 < t < 1 ;et on obtient

2
1
log (P (n)) < + n log (u) (2.21)
6 u

2
la fonction 6u
+ nu à un minimum ( par rapport à u), pour u = p
6n
, et ainsi

r
2
log (P (n)) < n (2.22)
3

21
Chapitre 2. Théorie de décomposition d’Adomian

alors
p2
n
P (n) < e 3 (2.23)

Théorème 2.3 1-
@ @
An k = An ; 8n; k; n k (2.24)
@v0 @vk

en particulier, pour n = k on trouve

@ @
A0 = An ; 8n; (2.25)
@v0 @vn

2-
1 X
n
@
An+1 = (k + 1) vk+1 An (2.26)
n + 1 k=0 @vk

Preuve. le premier résultat est une conséquence directe de la dé…nition de An

pour le second résultat, on a, par dé…nition
" !#
1 dn+1 X
n+1
i
An+1 = N t vi
(n + 1)! dtn+1 i=0 t=0
1 X n
@
= Cnk (k + 1)!vk+1 (n k)! An k
(n + 1)! k=0 @v0
1 X
n
@
= (k + 1) vk+1 An k
n + 1 k=0 @v0
1 X
n
@
= (k + 1) vk+1 An
n + 1 k=0 @vk

22
Chapitre 2. Théorie de décomposition d’Adomian

Théorème 2.4

X
(N (v0 ))n+1
n
(N 0 (v0 )) ::: N n 1
N (n) (v0 )
1 1 2 n 1 n
An = c 1 ; 2 ;:::; n (v0 )
1 + 2 +:::+ n =n
(2.27)
où

n!
c 1 ; 2 ;:::; n = 1 2 n 1 n
(2.28)
( 1 2 )!: ( n 1 n )!: n !: (1!) ::: ((n 1)!) (n + 1 1 )!

Preuve. voir [5]

2.3 Convergence de la méthode

La méthode d’Adomian pose des problèmes di¢ cilement solubles, parmi ces problèmes :
P P
– sous quelles conditions les séries vi et Ai convergent-elle ?
P
– vi est-elle solution de l’équation (2:1) du départ ?
Les premières preuves de convergence ont été précisées par Yves Cherruault . Elles
sont basées sur la méthode du point …xe. Donnons les grandes lignes de la démonstration .
D’importants théorèmes ont été donnés impliquant des conditions su¢ ssantes pour la
convergence. toutes ces conditions portent sur l’opérateur non linéaire N:

Fig. 2.3 –Yves Cherruault

23
Chapitre 2. Théorie de décomposition d’Adomian

P
1
Pour toute série convergente vi ; on dé…nit le terme non linéaire N (v) comme suit :
i=0

X
1
N (v) = Ai (v0 ; v1 ; v2 ; :::; vi ) (2.29)
i=0

avec les Ai de (2:29) étant déterminés grâce à les relations (2:4)

P
Nous verrons plus tard une hypothèse assurant la convergence de la série Ai :
Pn
Pour toute suite Un = vi on approxime N (Un ) par :
i=0

X
n
Nn (Un ) = Ai (v0 ; v1 ; v2 ; :::; vi ) (2.30)
i=0

Dans ce qui suit nous noterons Nn (Un ) par N (Un )

donc la méthode d’Adomian revient à trouver la suite

Sn = v1 + v2 + ::: + vn (2.31)

en utilisant un schéma itératif

8
>
< S0 = 0
(2.32)
>
: Sn+1 = N (v0 + Sn )

la relation itérative (2:32) permet de retrouver toutes les relations initiales d’Adomian (2:6),
donc en remarque qu’il y a une équivalence entre la méthode d’Adomian et le schéma (2:32).

Théorème 2.5 si l’opérateur N est un opérateur contractant ( < 1) et si on suppose que

kNn N k = "n ! 0 quand n ! +1
alors la suite (Sn )n 0 donné par

8
>
< S0 = 0
(2.33)
>
: Sn+1 = Nn (v0 + Sn )

24
Chapitre 2. Théorie de décomposition d’Adomian

converge vers S la solution de l’équation

S = N (v0 + S) (2.34)

Preuve. de la relation (2:33) et (2:34) ; on a :

kSn+1 Sk = kNn (v0 + Sn ) N (v0 + S)k

= kNn (v0 + Sn ) N (v0 + Sn ) + N (v0 + Sn ) N (v0 + S)k

kNn N k kv0 + Sn k + kSn Sk

"n (kv0 k + kSn k) + kSn Sk (2.35)

où < 1 est le paramètre de la contraction N:

faisons les hypothèses
N0
kSk ; et kv0 k N0
2

nous posons une autre l’hypothèse récurrente :

N0
kSn Sk (2.36)
2

Ce qui implique
kSn k N0 (2.37)

cela conduit à l’inégalité :

N0 N0
kSn+1 Sk + 4"n (2.38)
2 2

si nous avons besion de

N0
kSn+1 Sk ( + ")
2

où ( + ") est tel que ( + ") < 1

25
Chapitre 2. Théorie de décomposition d’Adomian

il su¢ t de choisit n > m (où m dépend de ") tel que

"
kNn N k = "n <
4

L’hypothèse récurrente est donc satisfaite et le théorème est prouvé.

Théorème 2.6 avec les hypothèses suivantes

i. N est C 1 dans le voisinage de v0 et N (n) (v0 ) M 0 , pour tout n

ii. kvi k M 1; i = 1; 2; :::

P
+1
la série An est absoluement convergente et , de plus
n=0

p2
n
kAn k e 3 M 0M n

Preuve. on sait que d’après le corollaire (2:1)

X v1 1 2
vn n 1 1 n
vn n
( 1)
An = N (v0 ) :::: :
( 1 2 )! ( n 1 n )! ( n )!
1 + 2 +:::+ n =n

appliquons le théorème (2:1) implique

p2
n
kAn k e 3 M 0M

qui est le terme générale d’une série convergente.

P
Mais une di¢ culté demeure. en e¤et, la convergence de la série An dépend des vi par
l’hypothèse et les vi sont également obtenus à partir des Ai . pratiquement, il sera di¢ cile de
prouver que vi est borné en norme.
P
Le résultat suivant est plus utile en prouvant directement que la série An converge.

Théorème 2.7 Si N est C 1 et satisfait N (n) (v0 ) M 1 pour tout n

P
+1
Alors la série décompositionnelle vn est absoluement convergente et on a
n=0

p2
p 3n
n+1 n
kvn+1 k = kAn k M n e

26
Chapitre 2. Théorie de décomposition d’Adomian

Preuve. en utilisant les théorème (2:2) et (2:4), on peut montrer que

X p2
p 3n
n
jc 1 ; 2 ;:::; n j n e
1 + 2 +:::+ n =n

et de plus,
p2
p 3n
n+1 n
kAn k M n e

kAn k est majoré par le terme général d’une série convergente.

27
Chapitre 3

Applications

3.1 Résolution des équations di¤érentielles fractionnaires

par ADM

La théorie des équations di¤érentielles fractionnaires a émergé comme un domaine inté-

ressant à explorer ces dernières années. Notons que cette théorie a de nombreuses applications
dans la description de nombreux évènements dans le monde réel. Par exemple, les équations
di¤érentielles fractionnaires sont souvent applicables dans l’ingénierie, la physique, la chimie,
la biologie, ...etc.
Dans cette section, nous donnons la dé…nition de dérivée et intégrale fractionnaires, et
puis on résout quatre problème des équations di¤érentielles fractionnaires par l’ADM.[9].

Dé…nition 3.1

q Z x
dq f (x) x 1 dn q+n 1
= j f= (x a) f (t) dt (3.1)
[d (x a)]q a (n q) dxn a

où n est le plus petit entier positive telle que n q > 0 ; (n = 0) si q < 0) et est la fonction
Gamma.

28
Chapitre 3. Applications

En particulier, lorsque 0 < < 1, a = 0

Z x
d f x 1 d f (t)
=j f= f (x) = dt (3.2)
dx 0 (1 ) dx 0 (x t)

et
Z x
d f x 1 f (t)
= j f = j f (x) = dt (3.3)
dx a ( ) 0 (x t)1

Resultat

1.
j f (x) = f (x) ; pour >0 (3.4)

2.
+
f (x) = f (x) ; pour > 0; >0 (3.5)

3.
[j ]2 f (x) = j j f (x) = 2
f (x) ; pour >0 (3.6)

et généralement
[j ]n f (x) = jn f (x) ; (3.7)

4.
1
x
f (x) = f (x) C ; (0 < < 1; x > 0) (3.8)
( )

où C est une constante arbitraire.

5.
(p + 1) p+
j [xp ] = x ; p> 1; pour tout (3.9)
(p + 1 + )

6.
X
+1
j ['y] = '(i) +j
y; >0 (3.10)
j=0
j

où ' = ' (x) et y = y (x) sont des fonctions analytique de x, aussi, '(0) = ' (x).

Dans tous les problèmes suivantes, on a 0 < < 1: et les fonctions a (x) ; b (x) et

29
Chapitre 3. Applications

f (x) sont des fonctions analytiques non nulles sur l’intervalle [0; +1[, aussi et sont des
constantes.

Problème 3.1
d y
+ y = f (x) (3.11)
dx

Solution 1 opérant par j , les deux côtés de l’équation (3:11) et en utilisant la relation (3:8),
on obtient
y (x) = g (x) j y (x) (3.12)

1
où g (x) = Cx + j f (x) et C est une constante arbitraire.
comme nous l’avons vu dans le chapitre précédant la solution de l’équation (3:11) par la
methode d’Adomian s’écrit comme :

y (x) = y0 (x) + y1 (x) + y2 (x) + ::: (3.13)

où
y0 (x) = g (x)
y1 (x) = j y0 (x)
(3.14)
y2 (x) = j y1 (x)
..
.

alors la solution prend la forme :

2
y (x) = g (x) j g (x) + g (x) ::: (3.15)
1
x x2 1 x3 1 2 3
=C ( ) + ::: + j f f + f :::
( ) (2 ) (3 )

Exemple 3.1 si = 21 , et f (x) = x, on obtient la solution de l’équation

1
d2 y
1 +y =x (3.16)
dx 2

30
Chapitre 3. Applications

donnée par
" #
1
1
x2 x0 x2
1 h 1 3
i
1
y (x) = C 1
+ 3
::: + 2 x x+ 2 x ::: (3.17)
2 2
(1) 2
p
p 1 x
p x
p x
=C p e erf c x + e erf x 2p ex + x + 1
x

Fig. 3.1 –Les di¤érentes solutions tronquées pour n = 0; n = 1; n = 2; ::::; n = 10

Problème 3.2
d y
+ y = f (x) (3.18)
dx
f (x)
Solution 2 posons = q et = f1 (x) et de la même manière que le problème (3:1) , on
opérant les deux côtés par j on obtient :

y = g (x) qj y (3.19)

31
Chapitre 3. Applications

1
où g (x) = Cx + j f1 (x) et C est une constante arbitraire.
procédes comme dans le cas du problème (3:1) , la méthode d’adomian donne lieu à la solution
du problème (3:2) , donnée par

1
x x2 1 x3 1 1
y (x) = C ( ) q + q2 ::: + j f (x) q 2
f (x) + q 2 3
f (x) :::
( ) (2 ) (3 )
(3.20)

Exemple 3.2 si on prend = 12 , et f (x) = x, = 2 et = 4, l’équation (3:18) prend la

forme :
1
d2 y x
1 + 2y = (3.21)
dx 2 2

la solution de l’équation (3:18) est :

p
p 1 4x
p 1 4x p x 1 4x
y (x) = C p 2e erf c 2 x + e erf 2 x 4p e 4x 1
x 16 16
(3.22)

Problème 3.3
d y
a (x) + b (x) y = 0 (3.23)
dx

Solution 3 le problème (3:3) peut être écrit dans la forme :

d y
+ ' (x) y = 0 (3.24)
dx

b(x)
où ' (x) = a(x)
est une fonction analytique, opérant par j les deux côtés, on trouve

1
y Cx + j ('y) = 0

où C est une constante arbitraire, i.e :

1
y = Cx My (3.25)

32
Chapitre 3. Applications

où
X
+1
My = '(i) +j
y
j=0
j

(voir la relation (3:10)) , la solution de l’équation ci-dessus (3:24) peut être exprimé, après
l’utilisation de la méthode d’Adomian sous la forme

1 1
y (x) = C x Mx + M 2x 1
::: (3.26)

où

M n y = M M n 1 y; pour n = 1; 2; 3; ::: (3.27)

Exemple 3.3 si = 21 , et ' (x) = x, la solution de l’équation

1
d2 y
1 + xy = 0 (3.28)
dx 2

est sous la forme

" 5 11
#
p 1 x x2 7x4 7:10 x 2
y (x) = C p + 7
+ 2 13
::: (3.29)
x 2 2
2 (5) 2 2

en dérivant la solution ci-dessus (3:29), nous avons utilisé la relation

1 1 1 3
2 (xy) = x 2 2 y (3.30)
2

Problème 3.4
d y
a (x) + b (x) y = f (x) (3.31)
dx

Solution 4 le problème (3:4) peut être réecrit comme :

d y
+ ' (x) y = f1 (x) (3.32)
dx

b(x) f (x)
où ' (x) = a(x)
et f1 (x) = a(x)
sont des fonctions analytique, ainsi, appliquer l’opérateur

33
Chapitre 3. Applications

j sur les deux côtés, nous obtenons :

y (x) = g (x) M y (x)

où

1
g (x) = Cx + j f1 (x)
X
+1
My = '(i) +j
y
j=0
j

et C est une constante arbitraire, en utilisant la même méthode d’Adomian que précédemment,
on obtient la solution du l’équation (3:32) donnée par :

1 1
y (x) = C x Mx + M 2x 1
::: + [j f1 (x) M j f1 (x) + M j f1 (x) :::]
(3.33)
où il a été fait usage de la relation du type (3:27)

Exemple 3.4 lorsque = 12 , ' (x) = x et f1 (x) = x, on trouve la solution de l’équation

di¤erentielle fractionnaire
1
d2 y
1 + xy = x
dx 2

peut être exprimé comme :

p X
+1
p X
+1
n 3n+5 n 3n+3
p 1 x 3 x 2 3 x 2
yp (x) = C p +C ( 1)n An 3n+7
+C ( 1) n
Bn 3n+5
x 2 n=0
2 2 n=0
2 2

où
A0 = 1 ; B0 = 1
7 7 7 5 5 5
An = 3 3
+ 1 ::: 3
+n 1 ; Bn = 3 3
+ 1 ::: 3
+n 1

34
Chapitre 3. Applications

3.1.1 véri…cation de la solution

1
appliquons 2 des deux côtés de l’équation (3:16) , on trouve

3 1
C 4 x2 d 2 y
y p p = 1 (3.34)
x 3 dx 2

où C est une constante arbitraire.

en dérivant l’équation (3:34) et de l’utilisation de la relation (3:16), on obtient l’équation
di¤erentielle ordinaire

dy 2 p C 3
y=p x x x 2 (3.35)
dx 2

la solution de cette équation (3:35) est

2 p p p C
y (x) = p x+ 1+ C ex erf x + x + 1 + p + C1 ex (3.36)
x

où C et C1 sont des constantes arbitraires

la fonction y (x) donnée dans l’équation (3:36) sera une solution de l’équation (3:16) si C1 =
p
(1 + C), la solution de l’équation (3:16), dérivée de (3:36), correspond à la solution
(3:17).

3.2 Résolution de certaines équations de Bilan de

Populations par ADM

3.2.1 les équations de Bilan de Populations (EBPs)

Les équations de Bilan de Population (EBPs) sont similaires aux équations du bilan de
masse et d’énergie. il décrivent une loi du bilan pour un nombre d’individu d’une population
donnée, tels que des gouttelettes, des bactéries...etc
Ce qui rend l’EBPs plus intérressants que les équations de bilan de masse c’est l’incor-

35
Chapitre 3. Applications

poration de plusieurs phénomènes qui sont responsables de l’évolution de la population des

individus. en plus par rapport aux ‡ux d’entrée et de sortie de particules, c’est à dire le sys-
tème d’écoulement soit continu ou bien discontinu, et qu’il existe plusieurs autre mécanismes
qui sont responsables de la variation de la population des particules dans le même volume
considéré. De nouvelles particules peuvent être nées d’une solution sursaturée donnée. Ce
processus augemente la population de petite particules. Donc la particule de taille inférieure
peut se développer pour former une plus grand particule par le processus d’agrégation et une
plus grosse peut subir la rupture pour former des particules de tailles inférieures.
En raison des phénomènes mentionnés ci-dessus pour la description du comporetement
dynamique des processus des particules qui consiste essentiellement à préciser l’évolution
temporelle de la distribution des particules.
le changement de la fonction densité en nombre est donné par l’équation de Bilan de
population (EBP), qui est une équation intégro-di¤érentielle partielle.
Le Bilan de population pour la rupture est largement connu à fort cisaillement de la
granulation humide, la cristallisation , la science de l’atomosphère et de nombreuses autres
problèmes de l’ingénierie de particules liées, la forme générale de l’équation de Bilan de la
population pour la rupture est donnée par :

Z+1
@n (v; t)
= S (v) n (v; t) + (v; v 0 ) S (v 0 ) n (v 0 ; t) dv 0 (3.37)
@t
v

où
– n (v; t) represente la densité de paticules de dimension v au temps t:
– (v; v 0 ) est la fonction de rupture.
– S (v) le taux de rupture de noyau:
Le modèle a été proposé par Zi¤ et McGrady [12] et est couramment utilisé comme
problème de repère pour les méthodes numériques. l’autre modèle qui réprésente la coalgu-

36
Chapitre 3. Applications

lation des particules est de la forme :

Zv Z+1
@n (v; t) 1 0 0 0 0 0
= ! (v v ; v ) n (v v ; t) n (v ; t) dv n (v; t) ! (v; v 0 ) n (v 0 ; t) dv 0 (3.38)
@t 2
0 0

Dans le cas générale, l’équation de Bilan de population (EBP) répresente le taux de

particules qui se forment par di¤érent processus physiques comme la rupture, la coalescence
ou et la croissance, le modèle est du à Ramkrishna [13]. l’autre expréssion proposée pour
la densité de la population de particules dans un espace continu est décrit par une équation
de la forme :

@n (v; t) @ (Gn (v; t)) 1 f eed

+ = n (v; t) n (v; t) + (n (v; t) ; v; t) (3.39)
@t @v k

où
@n(v;t)
– @t
: représente le taux d’accumulation de gouttelettes de volume v.
@(Gn(v;t))
– @v
: représente la convection le long de goutte de coordonnées interne avec la vitesse
de croiassance.
1
– k
nf eed (v; t) n (v; t) : représente le ‡ux globale dans une cuve.
– (n (v; t) ; v; t) : représente le taux de génération de gouttelettes formées par coalescence
et rupture.

8
>
> @n(v;t) R
+1
>
> (n (v; t) ; v; t) = = S (v) n (v; t) ! (v; v 0 ) n (v; t) n (v 0 ; t) dv 0
>
> @t
< 0
R
+1 Rv
+ 0 0 0
(v; v ) S (v ) n (v ; t) dv + 0 1
! (v v 0 ; v 0 ) n (v v 0 ; t) n (v 0 ; t) dv 0 (3.40)
>
> 2
>
> v 0
>
>
: n (v; 0) = n0 (v)

3.2.2 application
2
1- Le cas pour n0 (v) = e v ; S (v) = v; (v; v 0 ) = v0
et ! (v; v 0 ) = 0

37
Chapitre 3. Applications

L’équation (3:40) devient :

Z+1
@n (v; t) 2 0
= vn (v; t) + v n (v 0 ; t) dv 0 (3.41)
@t v0
v

Intégrant l’équation (3:41) par rapport à t nous avons :

0 1
Zt Z+1
@ vn (v; t) + 2 0
n (v; t) n (v; 0) = 0
v n (v 0 ; t) dv 0 A dt
v
0 v

Alors 0 1
Zt Z+1
@ vn (v; t) + 2 0
n (v; t) = n (v; 0) + v n (v 0 ; t) dv 0 A dt
v0
0 v

Nous ne supposons que la solution de l’équation. (3:41) a la forme de la série de décomposition

d’Adomian
X
+1
n (v; t) = nm (v; t)
m=0

Où les composants de la solution nm (v; t) sont déterminés par le schéma de récursion d’Ado-
mian suivant :

v
n0 (v; t) = n (v; 0) = e

0 1
Zt Z+1
@ n0 (v; t) v + 2 0
n1 (v; t) = v n0 (v 0 ; t) dv 0 A dt
v0
0 v

v
=e (2t vt)

Et en général, nm (v; t) est la solution de :

0 1
Zt Z+1
@ vnm 2 0
nm (v; t) = 1 (v; t) + v nm 1 (v 0 ; t) dv 0 A dt
v0
0 v

38
Chapitre 3. Applications

En…n nous calculons le terme général comme suit :

( 1)m m m 2
nm (v; t) = t v m (m 1) 2mv + v 2 e v
m!

Alors

X
+1
n (v; t) = nm (v; t)
m=0
X
+1
( 1)m m m 2
= t v m (m 1) 2mv + v 2 e v

m=0
m!

= (1 + t)2 e v(1+t)
:

donc la solution de l’équation (3:41) est :

n (v; t) = (1 + t)2 e v(1+t)

:

En e¤et, la solution tronquée en n s’écrit :

!
Xn
( 1)m m m
v 2 2
Sn = e (1 + 2t vt) + t v m (m 1) 2mv + v
m=2
m!

on a :

Xn
( 1)i i i Xn
( 1)i i i
2 2
lim tv (i (i 1)) = lim tv
n !+1
i=2
i! n !+1
i=2
(i 2)!
Xn
( 1)i i 2 i
2 2
= lim t t v
n !+1
i=2
(i 2)!
X
n 2
( tv)k
2
= lim t
n !+1
k=0
k!

= t2 e vt

39
Chapitre 3. Applications

Xn
( 1)i i i Xn
( 1)i 1 i 1 i
2 1
lim tv ( 2iv) = lim 2t t v
n !+1
i=2
i! n !+1
i=2
(i 1)!
X
n 2
( vt)k
= lim 2t
n !+1
k=0
(k)!
vt
= 2te

Xn
( 1)i i i Xn
( 1)i i i
2 2
lim tv v = lim tv
n !+1
i=2
i! n !+1
i=2
i!
Xn
( vt)k
= lim
n !+1
k=2
k!
vt
=e (1 vt)

ce qui donne la forme analytique :

S= lim Sn = (1 + t)2 e v(1+t)

:
n !+1

Fig. 3.2 –La solution tronquée en n = 2

40
Chapitre 3. Applications

Fig. 3.3 –La solution tronquée en n = 3

Fig. 3.4 –L’erreur jS3 S2 j

41
Chapitre 3. Applications

Fig. 3.5 –La solution tronquée en n = 20

Fig. 3.6 –La solution tronquée en n = 30

42
Chapitre 3. Applications

Fig. 3.7 –La solution tronquée en n = 50

Fig. 3.8 –L’erreur jn (v; t) S50 j

43
Chapitre 3. Applications

Fig. 3.9 –La solution tronquée en n = 70

Fig. 3.10 –La solution analytique

44
Chapitre 3. Applications

2
2- Le cas pour n0 (v) = e v ; S (v) = v 2 ; (v; v 0 ) = v0
et ! (v; v 0 ) = 0
L’équation (3:40) devient :

Z+1
@n (v; t) 2 2 0 2
= v n (v; t) + (v ) n (v 0 ; t) dv 0 (3.42)
@t v0
v

De la même manière que dans l’exemple précédent :

les composants de la solution nm (v; t) sont déterminés par le schéma de récursion d’Adomian
suivant :

v
n0 (v; t) = n (v; 0) = e

0 1
Zt Z+1
@ n0 (v; t) v 2 + 2 0 2
n1 (v; t) = (v ) n0 (v 0 ; t) dv 0 A dt
v0
0 v

v
=e 2t + 2vt v2t

Le terme général est :

0 1
Zt Z+1
@ v 2 nm 2 0 2
nm (v; t) = 1 (v; t) + (v ) nm 1 (v 0 ; t) dv 0 A dt
v0
0 v
m
( 1) m 2m 2
= t v 2m 2mv + v 2 e v
m!

Alors

X
+1
v
n (v; t) = e + nm (v; t)
m=1
X
+1
( 1)m m 2m 2
= t v 2m 2mv + v 2 e v
e v

m=0
m!
v(1+tv)
= (1 + 2t + 2tv) e :

45
Chapitre 3. Applications

donc la solution de l’équation (3:42) est :

2t
n (v; t) = ev v
(1 + 2t + 2tv) :

En e¤et,
pour le 2eme exemple , la solution tronquée en n s’écrit :

X
n
( 1)m m 2m
Sn = e v
t v 2
( 1)m 2m + ( 1)m 2mv + v 2 e v

m=2
m!

un calcul similaire abouti à :

2t
S= lim Sn = ev v
(1 + 2t + 2tv) :
n !+1

alors
2t
n (v; t) = ev v
(1 + 2t + 2tv) :

Fig. 3.11 –La solution tronquée en n = 1

46
Chapitre 3. Applications

Fig. 3.12 –La solution tronquée en n = 2

3- Le cas pour l’équation

Z+1
@n (v; t) 1 f eed
= n (v) n (v; t) S (v) n (v; t) + (v; v 0 ) S (v 0 ) n (v 0 ; t) dv 0 (3.43)
@t k
v

Où (v; v 0 ) = v2 ; S (v) = v; ! (v; v 0 ) = 0 et nf eed (v) = (v 2)

: fonction delta de dirac.
L’équation (3:43) peut être s’écrit

Z+1
@n (v; t) nf eed (v) 1
= + (v; v 0 ) S (v 0 ) n (v 0 ; t) dv 0 + S (v) n (v; t) (3.44)
@t k k
v

Intégrant l’équation (3:44) par rapport à t nous avons :

0 +1 1
f eed Zt Z
n (v) @ 1
n (v; t) = t+ (v; v 0 ) S (v 0 ) n (v 0 ; t) dv 0 + S (v) n (v; t)A dt
k k
0 v

le terme n0 est :
t: (v 2)
n0 (v; t) =
k

47
Chapitre 3. Applications

le terme suivant est :

t2 (1 + kv) : (v 2) 2k:H (2 v)
n1 (v; t) =
2k 2

avec H c’est la fonction d’Heaviside.

le terme générale :

( 1)m tm+1
nm+1 (v; t) = (1 + kv)m 2
(1 + kv)2 : (v 2)
(m + 1)! k m+1
2mk 2k 2 m (m 1) + k 2 vm (m + 1) :H (2 v)

la solution est :

X
+1
( 1)m tm+1
n (v; t) = n0 (v; t) + n1 (v; t) + m+1
(1 + kv)m 2
(1 + kv)2 : (v 2)
m=2
(m + 1)! k

2mk 2k 2 m (m 1) + k 2 vm (m + 1) :H (2 v)

ou encore

1 t(1+kv) t(1+kv)
n (v; t) = e k 1+e k (1 + kv)2 : (v 2) :
(1 + kv)2
t(1+kv) t(1+kv)
( 2k + 2ke k 4k 2 e k 2t 4kt 2t2 2ktv 4k 2 tv + t2 v

4kt2 v + 2kt2 v 2 2k 2 t2 v 2 + k 2 t2 v 3 ):H (2 v)

l’expression ci-dessus peut être réduite encore sous la forme :

1
1 e t(v+ k ) (2k 2 + (1 + 2k) : (v 2))
n (v; t) = +
(1 + 2k)2
1
e t(v+ k ) 2
2 : t ( 2 + v) (1 + kv) + 2t (1 + 2k) :H (2 v)
(1 + 2k)

48
Chapitre 3. Applications

Conclusion
Dans ce chapitre, nous avons examiné l’application de la méthode décompositionnelle d’Ado-
mian pour résourdre quelques équations di¤érentielles fractionnaires et l’équation intégro-
di¤érentielle de bilan de population pour la rupture dans le système continu.

49
Conclusion

L
’ADM est une nouvelle méthode trés e¢ cace pour la résolution des équations
di¤érentielles fractionnaires et des équations intégro-di¤érentielles, la méthode peut
être généralisée à tous types d’équations fonctionnelles, les résultats sont d’une grande im-
portance, sinon la troncature de la série approxime la solution analytique avec une grande
précision. Certes, toutes "nouvelle méthode" conduit à des problèmes ouverts. pour l’ADM,
les problèmes se situent, d’une part au niveau de la prise en compte des conditions initiales
et aux limites et d’autre part dans la recherche d’une forme canonique d’Adomian standard
valable pour tous les types d’équations.

50
Bibliographie

[1] Serge Alinac et Batrick Gérard, Opérateurs pseudo-di¤érentiels et Théorème de Nash

Moser, Paris (1991)

[2] Kendall Atkinson et Weimin Han, Theoretical Numerical Analysis, Springer (2001)

[3] A.Intissar, Analyse Fonctionnelle et Théorie Spectrale pour les Opérateurs compacts
auto-adjoints, (1997)

[4] Saïdi Soumia, Cours sur La théorie spectrale des opérateurs, Université Mohamed Seddik
Ben Yahia Jijel, Année universitaire 2016/2017

[5] K.Abbaoui et Y.Cherruault , New Ideas for Proving Convergence of Decomposition

Methods, computers Math.applic.vol.29 (1995), 103-108

[6] Y.Cherruault , sur la convergence de la méthode d’Adomian, RAIRO. Recherche opéra-

tionnelle, tome 22, (1988), 291-299

[7] K.Abbaoui et Y.Cherruault , Convergence of Adomian’s Method Applied to di¤erential

Equations, computers Math.applic.vol.28 (1994), 103-109

[8] Y.Cherruault , Convergence of Adomian’s Method, Mathl Comput. Modelling. vol 14,
(1990) 83-86

[9] A.J.George et A.Chakrabarti, The Adomian Method Applied to Some Extraordinary

Di¤erential Equations, Appl. Math, Vol. 8 (1995), 91-97.

[10] A. Hasseine, A. Bellagoun et H.-J. Bart, Analytical solution of the droplet breakup equa-
tion by the Adomian decomposition method, Applied Mathematics and Computation
218, 2249–2258, (2011)

51
Bibliographie

[11] L.Schwartz, cours d’analyse, Hermann, Paris, 1981:

[12] Zi¤ R.M et McGrady E.D, the kinetics of cluster fragmentation and depolymerization.
journal of physics A : Mathematical and General, vol 18, 3027-3037, 1985

[13] Ramkrishna.D, Population Balances Theory and Application to Particulate Systems in

Engineering, Academic Press, San Diego, 2000

52
Annexe A :
Les Fonctions mathématiques

On présente un rappel sur Les Fonctions mathématiques utilisées dans les chapitres préce-
dents.
Fonction Gamma
La Fonction Gamma d’Euler est dé…nie par l’intégrale suivante :

R
+1
(x) = tx 1 e t dt; pour x 2 R+
0

Fonction erreur
la fonction erreur est dé…nie par l’intégrale suivante :

Rx t2
erf (x) = p2 e dt; x2R
0

la fonction erreur complémentaire notée erf c est dé…nie par :

erf c (x) = 1 erf (x)

par conséquent

erf (0) = 0 et erf (1) = 1

53
Annexe A :Les Fonctions mathématiques

Fonction Delta de Dirac

La fonction Delta de Dirac en a est dé…nie par :
8
>
< 1 ; si x = a
(x a) =
>
: 0 ; si x =
6 a

Fonction d’Heaviside
la fonction d’Heaviside à pas centrée en a est dé…nie de la manière suivante :
8
>
< 1 ; si x > a
H(x a) =
>
: 0 ; si x < a

54
Annexe A :Les Fonctions mathématiques

pour a = 0 la discontinuité en x = 0
8
>
< 1 ; si x > 0
H(x) =
>
: 0 ; si x < 0

la …gure suivante c’est la répresentation graphique de la fonction d’Heaviside

la relation entre la fonction Delta de Dirac et la fonction d’Heaviside est

dH (x a)
= (x a)
dx

55
Annexe B :
Logiciel MATLAB

Mat (rix) lab(oratory) est un logiciel puissant doté à la fois d’un langage de program-
mation haut niveau et d’outil dédiés au calcul numérique et à la visualisation numérique.
Développé en c par la société mathworks, Matlab était destinée initialement à faire du calcul
matriciel simplement.
Actuellement, Matlab recouvre d’autre domaine d’application de l’informatique scienti…que :
- Visualisation graphique 2D et 3D.
- Résolution d’équation aux dérivées partielle
- Optimisation
- Simulation
Le système Matlab se divise en deux parties :
– Le noyau Matlab, qui comprend :

1. l’environnement de travail o¤rant plusieurs facilité pour la manipulation des don-

nées. Son interpréteur permet de tester rapidement ses propres programmes Matlab.

2. Le système graphique Matlab.

3. Le langage de programmation Matlab.

4. Une librairie de fonction mathématique Matlab.

5. Un système d’interface facilitant l’exécution de programme C ou fortran sous

Matlab.

56
Annexe B : Logiciel MATLAB

– Une collection de toolboxes (boites d’outils) regroupant un ensemble de fonction spéci-

…ques.
Les fonctions Matlab suivantes sont utilisées pour obtenir la solution tronquée en n des
équations dans les chapitres 2 et 3 par la méthode d’Adomian

function [m] = adomianm(n)

syms t
y0=1 ;
ss=y0 ;
for i=1 :n
y1=int(y0,t) ;
uu=y1 ;
y0=y1 ;
ss=uu+ss ;
end
m=simplify(ss) ;
end

function [ z] = adomfrac( n,c)

syms x t
f=x ;
f1=subs(f,x,t) ;
h=(1/gamma(1/2))*int(f1.*((x-t).^(1/2)),t,0,x) ;
g=c.*sqrt(x)+h ;
y0=g ;
ss=y0 ;
for i=1 :n
y1=-subs(h,f1,y0) ;

57
Annexe B : Logiciel MATLAB

yy=y1 ;
ss=yy+ss ;
end
z=simplify(ss) ;
end

function [h]=adomm1(n)
syms u v t
ro = 2./u ;
gama = u ;
nn = exp(-u) ;
f0 =gama ;
ss = subs(nn,u,v) ;
for i=1 :n
ff0=int(f0.*nn.*ro,u,v,Inf) ;
nn1=subs(nn,u,v) ;
gama1=subs(gama,u,v) ;
f1=int(ff0-gama1.*nn1,t) ;
uu=f1 ;
nn=subs(f1,v,u) ;
ss=uu+ss ;
end
h=simplify(ss) ;
end

function [h]=ado1(n)
syms u v t
ro = 2./u ;

58
Annexe B : Logiciel MATLAB

gama = u.^2 ;
nn = exp(-u) ;
f0 =gama ;
ss = subs(nn,u,v) ;
for i=1 :n
ff0=int(f0.*nn.*ro,u,v,Inf) ;
nn1=subs(nn,u,v) ;
gama1=subs(gama,u,v) ;
f1=int(ff0-gama1.*nn1,t) ;
uu=f1 ;
nn=subs(f1,v,u) ;
ss=uu+ss ;
end
h=simplify(ss) ;
end

function [h]=adomiang(n,k)
syms u v t
ro = 2./u ;
gama = u ;
nfeed=dirac(v-2) ;
nn = t.*dirac(u-2)./k ;
f0 =gama ;
ss = subs(nn,u,v) ;
for i=1 :n
ff0=int(f0.*nn.*ro,u,v,Inf) ;
nn1=subs(nn,u,v) ;
gama1=subs(gama,u,v) ;

59
Annexe B : Logiciel MATLAB

f1=int(ff0-(gama1+(1/k)).*nn1,t) ;
uu=f1 ;
nn=subs(f1,v,u) ;
ss=uu+ss ;
end
h=simplify(ss) ;
end

60
Annexe C :
Abréviations et Notations

Notations
| corps
R les nombres réels
C les nombres complexes
k:k norme
(E; k:k) e.v.n
C ([a; b]; R) l’espace des fonctions continues de [a; b] dans R
L opérateur linéaire
k:kV norme de l’espace V
L (V; W ) l’espace des opérateurs linéaires de V dans W
Gr (A) le graphe de A
D (A) le domaine de A
C 1 (V ) l’espace des fonctions indé…niment dérivable sur V
C[a; b] l’espace des fonctions continues de [a; b]
k (:; :) noyeau d’un operateur intégral
BE boule unité de E

61
Annexe C : Abréviations et Notations

IdE l’opérateur identité de E

1
A l’opérateur inverse de A
L (E) l’espace des opérateurs linéaires de E dans lui même
N opérateur non linéaire
An polynômes d’Adomian
@
@t
dérivée partielle par rapport à t
fonction Gamma
; ;C des constantes
n (v; t) représente la densité de paticules de dimension v au temps t:
(v; v 0 ) est la fonction de rupture
S (v) le taux de rupture de noyau

Abréviations
ADM Méthode Décompositionnelle d’Adomian
EDO Equation Di¤érentielle Ordinaire
EDF Equation Di¤érentielle Fractionnaire
EBP Equation de Bilan de Population
e.v.n Espace Vectoriel Normé

62