Analyse Numérique

Le support de cours est sur le site web:

[Link]

CHAPITRE 5:
APPROXIMATION DES ÉQUATIONS DIFFÉRENTIELLES

Pr. Youssef EL FOUTAYENI/ Pr. Khalid ADNAOUI

Introduction (1/2)
L’objectif est de développer quelques méthodes
qui permettent de calculer l’approximation de la
solution d’une équation différentielle donnée.
Ces méthodes sont particulièrement utiles dans le
cas où les équations différentielles sont difficiles à
résoudre. C’est le cas par exemple pour les EDO
du second ordre (linéaires ou non linéaires) à
coefficients non-constants….

Analyse Numérique 1
Introduction (2/2)
Dans ce qui suit, soit f une fonction continue sur
[𝑎, 𝑏] × 𝐼𝑅 à valeurs dans IR. On considère le
problème (dit de Cauchy): Trouver y : [a, b] → IR de
classe C1 telle que:  y ' ( x) = f (x, y ( x) )

 y (a ) = y0  IR
Pour résoudre ce problème, on suppose que f
satisfait la condition de Lipschitz en y
uniformément par rapport à x, i.e.; il existe L>0
tel que pour tout x  [a, b] et tout ( y1 , y2 )  IR 2 on ait:
f ( x, y1 ) − f ( x, y2 )  L y1 − y2
Analyse Numérique 2
I-Généralités(1/2)
Théorème: Sous l’hypothèse f ( x, y1 ) − f ( x, y2 )  L y1 − y2
Alors le problème  y ' ( x) = f (x, y ( x) )

 y (a ) = y0  IR
Admet une solution unique. De plus, si f  C p alors
y  C p +1
 y 1
 y ' ( x) = − + sur [e,5]
Exemple: Soit le problème  x ln x ln x
 y (e) = e

Montrer que ce problème admet une solution

unique.
Analyse Numérique 3
I-Généralités(2/2)
y 1 1
Ici f ( x, y ) = − x ln x + ln x . On a f ( x, y1 ) − f ( x, y2 )  e y1 − y2
La fonction f est continue et vérifie la condition de
Lipschitz, donc le problème admet une solution
unique. C’est la fonction y définie, pour tout x
dans [e,5] par y ( x) = x .
ln x

Remarque: Il est parfois commode de montrer que

Sous l’hypothèse fy est continue et bornée, pour
en déduire, grâce à la formule des accroissements
finis, que f est Lipchitzienne au sens de l’inégalité.
Analyse Numérique 4
II-Analyse et approximation
On suppose que le problème de Cauchy admet une
solution unique y et on propose de l’approcher.
On considère par conséquent une subdivision de
l’intervalle [a,b] en n sous-intervalles [xi,xi+1] de
même longueur h, avec x0=a; xi+1=xi +h,
i=0,…,n-1 ; et xn=b.

On cherche une approximation yi de y(xi).

5
II-1-Méthode d’Euler (1/4)
Elle est basée sur le développement de Taylor à
l’ordre 1: y ( xi + h) − y ( xi ) = hy ' ( xi ) + h (h)
D’autre part, y vérifie y ' ( xi ) = f ( xi , yi ) ; ce qui donne
y ( xi + h) = y ( xi ) + hf ( xi , yi ) + h (h)

La méthode d’Euler suggérée par cette relation

consiste à approcher y ( xi ) par la suite yi donnée
par:  y0 donnée

 yi +1 = yi + hf ( xi , yi )

6
II-1-Méthode d’Euler (2/4)
Exemple d’application: Déterminer par la
méthode d’Euler, une approximation de y(1) où y
est la solution de l’équation différentielle suivante:
 dy x
 =
 dx y
 y ( 0) = 1

avec un pas h=0.1.

7
II-1-Méthode d’Euler (3/4)
Exemple d’application: pour h=0.1, on fait la
subdivision de [0,1] en 10 intervalles [xi,xi+1] avec
x0 = 0; xi+1 = xi +h, i=0,…,n-1 ; et xn = 1.
La méthode d’Euler appliquée à l’équation
différentielle, donne:  y0 = 1

 xi
 yi +1 = yi + 0.1 y
 i

Une approximation de y(1) est donnée par

y10=y(1)=1.385561071

8
II-1-Méthode d’Euler (4/4)
Algorithme de la méthode : La méthode d’Euler
peut être présentée par l’algorithme :
h:=(b-a)/n;
y=y(a);
Pour i:=0 à n-1 faire
𝒙 ≔ 𝒂 + 𝒊 ∗ 𝒉;
𝒚 ≔ 𝒚 + 𝒉 ∗ 𝒇 𝒙, 𝒚 ;
Fin Pour

valeurApprocheeEuler ≔ 𝒚;
9
II-2-Méthode d’Euler améliorée (1/4)
La méthode d’Euler améliorée consiste à remplacer
f ( xi , yi ) par la valeur corrigée au milieu de l’intervalle
[xi,xi+1]; elle consiste donc à approcher y ( xi ) par la
suite yi donnée par:

𝒚𝟎 𝒅𝒐𝒏𝒏é𝒆
൞ 𝒉 𝒉
𝒚𝒊+𝟏 = 𝒚𝒊 + 𝒉𝒇 𝒙𝒊 + , 𝒚𝒊 + 𝒇 𝒙𝒊 , 𝒚𝒊
𝟐 𝟐

10
II-2-Méthode d’Euler améliorée (2/4)
Exemple d’application: Déterminer par la
méthode d’Euler améliorée, une approximation de
y(1) où y est la solution de l’équation différentielle
suivante:  dy x
 =
 dx y
 y ( 0) = 1


avec un pas h=0.1.

11
II-2-Méthode d’Euler améliorée (3/4)
Exemple d’application: pour h=0.1, on fait la
subdivision de [0,1] en 10 intervalles [xi,xi+1] avec
x0 = 0; xi+1 = xi +h, i=0,…,n-1 ; et xn = 1. La
méthode d’Euler améliorée appliquée à l’équation
différentielle, donne:  y0 = 1
 0 .1
 xi +
 y = y + 0 .1 2
 i +1 i
0.1 xi
 y i +
 2 yi
Une approximation de y(1) est donnée par
y10=y(1)=1.34579532
12
II-2-Méthode d’Euler améliorée (4/4)
Algorithme de la méthode : La méthode d’Euler
peut être présentée par l’algorithme :
h:=(b-a)/n;
y=y(a);
Pour i:=0 à n-1 faire
𝒙 ≔ 𝒂 + 𝒊 ∗ 𝒉;
𝒉 𝒉
𝒚 ≔ 𝒚 + 𝒉 ∗ 𝒇 𝒙 + , 𝐲 + ∗ 𝒇 𝒙, 𝒚 ;
𝟐 𝟐
Fin pour
valeurApprocheeEulerAmelioree≔ 𝒚;
13
 II-3-Méthode de Taylor (1/4)
Elle est basée sur le développement de Taylor à
l’ordre 2:
𝒉𝟐
𝒚(𝒙𝒊 + 𝒉) = 𝒚(𝒙𝒊 ) + 𝒉𝒚′(𝒙𝒊 ) + 𝒚"(𝒙𝒊 ) + 𝒉𝟐 𝜺(𝒉)
𝟐

D’autre part, y vérifie 𝒚′(𝒙𝒊 ) = 𝒇(𝒙𝒊 , 𝒚𝒊 )

ce qui donne
𝒉𝟐 𝝏𝒇 𝝏𝒇
𝒚(𝒙𝒊+𝟏 ) = 𝒚(𝒙𝒊 ) + 𝒉𝒇(𝒙𝒊 , 𝒚𝒊 ) + 𝒙 , 𝒚 + 𝒇(𝒙𝒊 , 𝒚𝒊 ) 𝒙 ,𝒚 + 𝒉𝟐 𝜺(𝒉)
𝟐 𝝏𝒙 𝒊 𝒊 𝝏𝒚 𝒊 𝒊

14
II-3-Méthode de Taylor (1/4)
La méthode de Taylor suggérée par cette relation
consiste à approcher 𝒚(𝒙𝒊) par la suite 𝒚𝒊 donnée
par:

𝒚𝟎 𝒅𝒐𝒏𝒏é𝒆
൞ 𝒉𝟐 𝝏𝒇 𝝏𝒇
𝒚𝒊+𝟏 = 𝒚𝒊 + 𝒉𝒇(𝒙𝒊 , 𝒚𝒊 ) + 𝒙𝒊 , 𝒚𝒊 + 𝒇(𝒙𝒊 , 𝒚𝒊 ) 𝒙𝒊 , 𝒚𝒊
𝟐 𝝏𝒙 𝝏𝒚

15
II-3-Méthode de Taylor (2/4)
Exemple d’application: Déterminer par la
méthode de Taylor, une approximation de y(1) où
y est la solution de l’équation différentielle
suivante:  dy x
 =
 dx y
 y ( 0) = 1


avec un pas h=0.1.

16
II-3-Méthode de Taylor (3/4)
Exemple d’application: pour h=0.1, on fait la
subdivision de [0,1] en 10 intervalles [xi,xi+1] avec
x0 = 0; xi+1 = xi +h, i=0,…,n-1 ; et xn = 1. La
méthode de Taylor appliquée à l’équation
différentielle, donne:  y0 = 1

 xi 0,12  1 xi xi 
 yi +1 = yi + 0.1 y + 2  y − y y 2 
 i  i i i 

Une approximation de y(1) est donnée par

y10=y(1)=1.34619155

17
II-3-Méthode de Taylor (4/4)
Algorithme de la méthode : La méthode de
Taylor peut être présentée par l’algorithme :
h:=(b-a)/n;
y=y(a);
Pour i:=0 à n-1 faire
𝒙 ≔ 𝒂 + 𝒊 ∗ 𝒉;
𝒉𝟐 𝝏𝒇 𝒙,𝒚 𝝏𝒇 𝒙,𝒚
𝒚 ≔ 𝒚 + 𝒉 ∗ 𝒇 𝒙, 𝒚 + + 𝒇 𝒙, 𝒚 ∗ ;
𝟐 𝝏𝒙 𝝏𝒚
Fin Pour
valeurApprocheeTaylor ∶= 𝒚;
18