CHAPITRE 3

Equations différentielles ordinaires (EDOs)

Contents
3.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Problème de Cauchy . . . . . . . . . . . . . . . . . 27
3.3 Well posedness du problème de Cauchy . . . . . . 28
3.4 Approximation du problème de Cauchy . . . . . . 30
3.5 Approximation des EDOs d’ordre supérieur . . . 34
3.6 Théorème d’équivalence de Dahlquist : conver-
gence, consistance et stabilité . . . . . . . . . . . . 34
3.7 Exercices et travaux pratiques avec Python . . . 35
3.8 Notes bibliographiques et remarques . . . . . . . . 37

3.1 Motivation
On ne peut expliciter des solutions analytiques que pour des équations
différentielles ordinaires très particulières. Par exemple :
— dans certains cas, on ne peut exprimer la solution que sous forme implicite.
C’est le cas par exemple de l’EDO
y(t) − t
y 0 (t) =
y(t) + t
dont les solutions vérifient la relation implicite
!
1 y(t)
ln(t2 + y 2 (t)) + arctan = C,
2 t

26
ANALYSE NUMERIQUE 2 EHTP 2020

où C est une constante arbitraire.

— dans d’autres cas, on ne parvient même pas à représenter la solution sous
forme implicite.
2
C’est le cas par exemple de l’EDO y 0 (t) = e−t dont les solutions ne peuvent
pas s’écrire comme composition de fonctions élémentaires. Pour ces raisons, on
cherche des méthodes numériques capables d’approcher la solution de toutes les
équations différentielles qui admettent une solution.

3.2 Problème de Cauchy

Soit f : R × R+ −→ R
.
(x, t) 7−→ f (x, t)
On suppose que f est une fonction assez régulière, par exemple continue.
Notre objectif dans cette section est de résoudre le problème suivant. Etant
u : R+ −→ R
donné u0 (valeur initiale), trouver de classe C 1 telle
t 7−→ u(t)
que
 0
u (t) = f (u(t), t), t > 0
(PC)
u(0) = u0 .

Le problème (PC) s’appelle problème de Cauchy.

Exemple 3.2.1. On prend f (x, t) = 3x − 3t et u0 = α (un nombre qcq). Le
problème de Cauchy devient donc
 0
u (t) = 3u(t) − 3t, t > 0
u(0) = α.

La formule de la variation de la constante

Z t
3t
u(t) = αe + e3(t−s) .(−3s)ds
0
Z t
3t
= αe − 3e 3t
se−3s) ds
0
1 1
= (α − )e3t + t + .
3 3
√
Exemple 3.2.2. Pour f (x, t) = 3 x, u0 = 0. Le problème de Cauchy devient
 0 p
u (t) = 3 u(t), t > 0
u(0) = 0.

Exercice : On peut p vérifier que les fonctions u définies par

u(t) = 0 et u(t) = ± 8t3 /27, t > 0 sont toutes trois des solutions du problème
de Cauchy. Cet exemple nous montre que le problème de Cauchy n’a pas forcément
une solution unique.

27
ANALYSE NUMERIQUE 2 EHTP 2020

Exemple 3.2.3. Pour f (x, t) = x3 , u0 = 1. Le problème de Cauchy devient

 0
u (t) = u3 (t), t > 0
u(0) = 1.

Exercice : On peut vérifier que la solution u est donnée par

1
u(t) = √ , t ∈ [0, 1/2[.
1 − 2t

Cet exemple montre que le problème de Cauchy n’a pas toujours une solution
globale sur R, puique ici la solution u explose lorsque t → 1/2.

Remarque 3.2.1. Les trois exemples ci-dessus montrent que l’étude mathématique
de l’existence et de l’unicité des solutions du problème de Cauchy peut être une
affaire délicate.

3.3 Well posedness du problème de Cauchy

Dans ce paragraphe nous donnons les hypothèses pour lesquelles le problème
de Cauchy (PC) admet une solution unique. Nous nous contentons de donner
(sans démonstration) un résultat d’existence et d’unicité global au problème de
Cauchy. Avant d’énoncer le théorème qui répond à la question de well posedness
du problème de Cauchy (PC), on rappelle la définition donnée par Hadamard
qui pensait que les modèles mathématiques de phénomènes physiques devraient
satisfaire trois propriétés.

Définition 3.3.1. Le problème de Cauchy (PC) est dit bien posé, au sens de
Hadamard si :
(i) la solution existe,
(ii) la solution est unique,
(iii) la solution dépend de façon continue des données.

Remarque 3.3.1. Les problèmes qui ne sont pas bien posés au sens de Hada-
mard sont dites mal posés. Les problèmes inverses sont souvent mal posés. Par
exemple, l’équation de chaleur inverse, déduisant une distribution antérieure de
la température à partir des données finales, n’est pas bien posée dans le sens
que la solution est très sensible aux changements dans les données finales.

Théorème 3.3.1. Soit f : R×R+ −→ R continue, vérifiant l’hypothèse suivante

(H) il existe ` : t ∈ R+ −→ `(t) ∈ R continue, telle que pour tout x, y ∈ R et
pour tout t ∈ R+ on ait

f (x, t) − f (y, t) (x − y) 6 `(t)|x − y|2 .

Alors le problème de Cauchy (PC) admet une solution globale unique.

28
ANALYSE NUMERIQUE 2 EHTP 2020

Exemple 3.3.1. Soit f : R × R+ −→ R de classe C 1 telle que, il existe K ∈ R :

∂f
(x, t) 6 K, x ∈ R, t > 0.
∂x
Regardons si l’hypothèse (H) est vérifiée. Le théorème des acroissements finis
entraine qu’il existe ξ ∈]x, y[
∂f
f (x, t) − f (y, t) = (ξ, t)(x − y).
∂x
Ainsi nous obtenons
∂f
(ξ, t)(x − y)2 6 K|x − y|2 .


f (x, t) − f (y, t) (x − y) =
∂x
Si on pose `(t) = K, t ∈ R+ , l’hypothèse (H) est bien satisfaite. Le théorème
3.1 permet de conclure que (PC) admet une solution globale unique.
Considérons le problème de Cauchy suivant
(
t2
u0 (t) = −u3 (t) + e− 2 , t > 0
u(0) = 1.
Question : Ce problème, admet il une solution globale unique ?
t2
En effet, si on pose f (x, t) = −x3 + e− 2 , alors
∂f
(x, t) = −3x2 6 0.
∂x
On déduit d’après ce qui précède que (PC) admet une solution globale unique.
Corollaire 3.3.1 (Cauchy-Lipschitz). Si les deux hypothèse suivantes sont vérifiées
i) f : R × R+ −→ R continue.
ii) ∃L ∈ R, ∀x, y ∈ R, ∀t ∈ R+ , on ait
f (x, t) − f (y, t) 6 L|x − y|.
Alors (PC) admet une solution globale unique.
t2
Exemple 3.3.2. f (x, t) = |x| + sin(x) + e− 2 , u0 = 1.
f (x, t) − f (y, t) = |x| − |y| + sin(x) − sin(y)
6 |x| − |y| + | sin(x) − sin(y)
Z x
6 x−y + cosθdθ
y

6 2|x − y|.
Le corollaire précédent entraine qu’il existe une solution globale unique pour le
problème de Cauchy (PC).
Remarque 3.3.2. Pour les deux exemples précédents, Exemple 3.1.4 et Exemple
3.1.5, il n’est pas possible de donner une expression explicite de la solution u(t) ;
il est donc nécessaire d’utiliser une méthode pour obtenir des approximations des
valeurs u(t) pour différents t ∈ R+ .

29
ANALYSE NUMERIQUE 2 EHTP 2020

3.4 Approximation du problème de Cauchy

3.4.1 Schéma d’Euler
Pour établir un schéma d’approximation du problème de Cauchy
 0
u (t) = f (u(t), t), t > 0
(PC)
u(0) = u0

nous supposons que le problème de Cauchy (PC) est bien posé, et nous com-
mençons par partitionner l’axe (temporel) Ot, c. à. d. , nous choisissons des
points t0 , t1 , · · · , tels que

0 = t0 < t1 < t2 < · · · < tn < tn+1 < · · ·

En posant, hn = tn+1 − tn , nous pouvons approcher u0 (tn ) ou u0 (tn+1 ) par

u(tn+1 ) − u(tn )
.
hn
Nous notons dans la suite un ' u(tn ) (un est une approximation de u(tn )).
Ces deux approches, nous suggèrent les schémas suivants :
• Schéma d’Euler Progressif :
 n+1
 u − un
= f (un , tn ), n = 0, 1, 2 · · ·
 0 hn
u = u0 .

• Schéma d’Euler rétrograde :

 n+1
 u − un
= f (un+1 , tn+1 ), n = 0, 1, 2 · · ·
 0 hn
u = u0 .

Ces deux schémas nous permettent de calculer un+1 à partir de un , et il est

donc possible de déterminer successivement u1 , u2 , u3 , · · · , en partant de u0 .
— Le schéma d’Euler progressif est un schéma explicite, car il permet d’ex-
pliciter un+1 en fonction de un :

un+1 = un + hn f (un , tn ).

— Le schéma d’Euler rétrograde est un schéma implicite, car il ne permet

pas d’expliciter directement un+1 en fonction de un lorsque la fonction f
n’est pas triviale

un+1 − hn f (un+1 , tn+1 ) = un .

Dans ce cas pour calculer un+1 , on pose

g(x) = x − hn f (x, tn+1 ) − un

30
ANALYSE NUMERIQUE 2 EHTP 2020

et nous cherchons un zéro de g(x) en prenant par exemple une méthode

de Newton. On pose x0 = un et xm+1 = xm − gg(x m)
0 (x ) , m = 0, 1, 2, · · · On
m
a
∂f
g 0 (x) = 1 − hn (x, tn+1 ).
∂x
Nous obtenons donc dans ce cas le schéma suivant

x = un ,

 0

xm − hn f (xm , tn+1 ) − un
xm+1 = xm − , m = 0, 1, 2 · · ·
∂f
1 − hn (xm , tn+1 )


∂x
De plus, on peut montrer que xm → un+1 (g(un+1 ) = 0)

3.4.2 Schéma d’Euler progressif vs Schéma d’Euler rétrograde

On prend f (x, t) = −βx, β > 0 donné, alors le problème de Cauchy (PC)
devient
 0
u (t) = −βu(t), t > 0
u(0) = u0 .

— La solution associée à ce problème de Cauchy est donnée par u(t) =

e−βt u0 .
— u(·) décroit exponentiellement vers zéro.
Le schéma d’Euler explicite/progressif associé à ce problème de Cauchy
 n+1
 u − un
= −βun , n = 0, 1, 2, · · ·
 0 hn
u = u0 ,

ce qui est équivalent à

un+1 = un − βhn un , (hn = h, tn = nh)

n
= (1 − βh)u
= (1 − βh)n u0 , n = 0, 1, 2, · · ·

— Bien que u(t) −→ 0, un 6−→ 0 pour u0 6= 0 et |1 − βh| > 1. Il faut

t→+∞ n→+∞
donc chercher une condition pour éviter ce phénomène.
• Si u0 = 0 =⇒ un = 0.

2
• Si u0 6= 0 et |1 − βh| < 1 =⇒ h < β.
2
La condition h < β s’appelle condition de stabilité.

31
ANALYSE NUMERIQUE 2 EHTP 2020

Si on considère maintenant le schéma d’Euler rétrograde

 n+1
 u − un
= −βun+1 , n = 0, 1, 2, · · ·
 0 hn
u = u0 ,

alors

un+1 (1 + βhn ) = un (hn = h, tn = nh)

 1 n
un = u0 , n = 0, 1, 2, · · ·
1 + βh

— Dans ce cas un −→ 0 pour tout h > 0. On dit que le schéma d’Euler

n→+∞
implicite/rétrograde est inconditionnellement stable.

Remarque 3.4.1. Les schémas d’Euler sont d’ordre 1 en h c. à. d., ∃C(h

) > 0
telle que |u(t) − un | < Ch.

3.4.3 Schéma de Runge Kutta

Dans cette section nous introduisons des nouveaux schémas dits schémas de
Runge-Kutta après deux scientifiques allemands : un mathématicien et physicien
Carl Runge (1856-1927) et un mathématicien Martin Kutta (1867-1944).
Pour bien expliquer la différence entre les schémas d’Euler et les schémas de
Runge-Kutta, on considère notre problème de Cauchy (PC), que l’on suppose
bien posé. On a

u0 (t) = f (u(t), t)
Z tn+1 Z tn+1
0
u (t)dt = f (u(t), t)dt
tn tn
Z tn+1
u(tn+1 ) − u(tn ) = f (u(t), t)dt.
tn

R tn+1
La méthode de Runge Kutta repose sur l’approximation numérique de tn
f (u(t), t)dt.
• Si on utilise la méthode/la formule des trapèzes

1
hn f (un , tn ) + f (un+1 , tn+1 ) ,


u(tn+1 ) − u(tn ) = n = 0, 1, 2, · · ·
2
— Ce schéma est implicite. On l’appelle aussi le schéma de Crank-Nicolson.
— On peut aussi l’obtenir en faisant la moyenne entre le schéma d’Euler
progressif et le schéma d’Euler rétrograde.
— On peut montrer que ce schéma est d’ordre 2 en h, c. à. d.,

|u(t) − un | = O(h2 ).

32
ANALYSE NUMERIQUE 2 EHTP 2020

— Pour éviter le calcul implicite de un+1 , on peut utiliser une prédiction

d’Euler progressive et remplacer un+1 par ũn+1
ũn+1 = un + hn f (un , tn ).
Nous construisons ainsi un nouveau schéma dit schéma de Heun.
p1 = f (un , tn )
p2 = f (un + hn p1 , tn+1 )
hn
un+1 = un + (p1 + p2 ).
2
— La méthode de Heun fait partie des méthodes de Runge Kutta d’ordre 2,
explicites.
Rt
• Si cette fois ci on approche tnn+1 f (u(t), t)dt par la méthode/la formule
des rectangles
1
un+1 − un = hn f (un+ 2 , tn+ 12 )
— Là encore, on utilise une prédiction d’Euler progressive
1 hn
ũn+ 2 = un + f (un , tn ).
2
— Nous obtenons la méthode d’Euler modifiée
p1 = f (un , tn )
hn hn
p2 = f (un + p1 , tn + )
2 2
un+1 = un + hn p2 .

• Pour obtenir le schéma de Runge Kutta R t classique, dit aussi schéma de

Runge Kutta d’ordre 4, il faut approcher tnn+1 f (u(t), t)dt par la méthode/la
formule de Simpson, puis utiliser la prédiction d’Euler.
On trouve
p1 = f (un , tn )
hn hn
p2 = f (un + p1 , tn + )
2 2
hn hn
p3 = f (un + p2 , tn + )
2 2
p4 = f (un + hn p3 , tn+1 )
hn
un+1 = un + (p1 + 2p2 + 2p3 + p4 ).
6
Remarque 3.4.2. La méthode de Runge Kutta classique est clairement une
méthode explicite. Deplus, c’est une méthode d’ordre 4 en h, c. à. d.,
|u(t) − un | = O(h4 ).

33
ANALYSE NUMERIQUE 2 EHTP 2020

3.5 Approximation des EDOs d’ordre supérieur

Soit f : R2 × R+ −→ R
une fonction continue, et soient u0 , v0
(x, y, t) 7−→ f (x, t)
donnés. On cherche u de classe C 2 telle que
 00
u (t) = f (u(t), u0 (t), t), t > 0
(PD2)
u(0) = u0 , u0 (0) = v0 .

Il s’agit d’un problème différentiel d’ordre 2. Pour résoudre numériquement le

problème (PD2), on pose v(t) = u0 (t) et donc (PD2) devient
 0
 u (t) = v(t),
v 0 (t) = f (u(t), v(t), t), t > 0 (PD2)
u(0) = u0 , v(0) = v0 .


Remarque 3.5.1. — Pour résoudre ce système, on peut appliquer les méthodes

déjà obtenues dans les sections précédentes pour les systèmes d’ordre 1.
— Il existe des méthodes spécifiquement adaptées aux systèmes différentielles
d’ordre 2. Il s’agit ici de la méthode de Newmark.
On suppose que f (x, y, t) = g(x, t), c. à. d. ,
 00
u (t) = g(u(t), t), t > 0
u(0) = u0 , u0 (0) = v0 .

Le schéma numérique associé à ce problème

 n+1
u − 2un + un−1

 = g(un , tn ), t>0
0
h2
 u1 = u0 ,

u = u0 + hv0 + 12 h2 g(u0 , 0).

Ce schéma est d’ordre 2 en h, mais comme elle est explicite, elle est stable sous
une condition de stabilité.

3.6 Théorème d’équivalence de Dahlquist : conver-

gence, consistance et stabilité
Définition 3.6.1. Un schéma de différece finie approchant une équation différentielle
est dit convergent si pour toute solution de l’équation différetielle, u(t), et pour
toutes solutions du schéma de différence finie, v n , on v n converge vers u(t)
lorsque n∆t converge vers t lorsque ∆t converge vers 0.
Définition 3.6.2. Etant donné une équation différentielle P u = f et un schéma
aux différence fini, P∆t v = f , nous disons que le schéma de différence fiine est
consistant avec l’équation différentielle si pour toute fonction lisse φ(t)

P φ − P∆t φ → 0 quand ∆t → 0.

34
ANALYSE NUMERIQUE 2 EHTP 2020

Définition 3.6.3. Un schéma numérique est stable si sa solution reste bornée

quand ∆t → 0 pour un temps final T .

Remarque 3.6.1. Il y a des situations où il est plus simple de montrer que la
suite des solutions numériques est une suite de Cauchy et comme toute suite de
Cauchy est bornée, la stabilité en découle.

Le théorème d’équivalence de Dahlquist 1 , souvent appelé théorème fonda-

mental de l’analyse numérique, voir [10], même s’il n’est applicable qu’à une
petite classe de schémas numériques approchant des équations différentielles
linéaires bien posés, il est le principal outil permettant d’évaluer si un schéma
numérique est convergent ou non. En utilisant uniquement les concepts de
consistance et de stabilité, nous pouvons tirer une conclusion sur la convergence.
Cette relation est

consistance+stabilité⇐⇒ convergence.

Remarque 3.6.2. Pour les équations aux dérivées partilles (EDPs), l’équivalent
du théorème d’équivalence de Dahlquist est le théorème de Lax-Richtmyer. Le
fait que cette relation est toujours vraie a causé beaucoup de confusion dans
l’analyse numérique des équations différentielles. Dans le cas des EDPs, les
mathématiciens s’intéressent le plus souvent aux phénomènes non linéaires, pour
lesquels le théorème de Lax 2 -Richtmyer 3 ne s’applique pas. Plus encore, l’im-
plication directe que consistance + stabilité ⇒ convergence est triviale pour les
schémas linéaires, et donc ce n’est que la notion inverse que convergence ⇒ sta-
bilité que le théorème fournit. Cependant, l’intuition que le théorème donne pour
des problèmes qui ne satisfont pas Lax-Richtmyer est erronée, car la consistance
et la stabilité sont souvent insuffisantes pour la convergence, et la convergence
n’implique pas nécessairement la stabilité en général.

3.7 Exercices et travaux pratiques avec Python

Exercice 3.7.1. Question 1 : Montrer que ∃C > 0, ∀x > 0
1
e−x − 6 Cx2 .
x+1
Question 2 : Soit u0 ∈ R, soit β > 0 donnés et soit u : [0, 1] −→ R la solution
de u0 (t) = −βu(t), 0 < t 6 1, u(0) = u0 . On considère le schéma d’Euler
1. Germund Dahlquist, né le 16 janvier 1925 à Uppsala et mort le 8 février 2005 à
Stockholm, est un mathématicien suédois, connu principalement pour ses contributions à la
théorie de l’analyse numérique appliquée aux équations différentielles.
2. Peter Lax, né le 1er mai 1926 à Budapest, est un mathématicien hongrois de nationalité
américaine. En 2005, le prix Abel lui a été décerné pour l’ensemble de sa contribution en
mathématiques pures et appliquées, et en particulier pour son travail sur les équations aux
dérivées partielles.
3. Robert Davis Richtmyer, né le 10 octobre 1910 et mort le 24 septembre 2003, est un
physicien, mathématicien, éducateur, auteur et musicien américain.

35
ANALYSE NUMERIQUE 2 EHTP 2020

rétrograde pour approcher u : soit N un entier positif, h = 1/N le pas de temps,

tn = nh, n = 0, 1, 2, · · · , N . On pose u0 = u0 , pour n = 0, 1, 2, · · · , N − 1, étant
donné un , un+1 est tel que
un+1 − un
= −βun+1 .
h
Montrer que
 1 N
|u(tN ) − uN | = |u0 | (e−βh )N − .
1 + βh

En déduire ∃C > 0, ∀u0 ∈ R, ∀β > 0, ∀N > 0

1
|u(tN ) − uN | 6 C|u0 |β 2 .
N
Indication. On pourra utiliser l’identité suivante :
aN − bN = (a − b)(aN −1 + aN −2 b + · · · + abN −2 + bN −1 ).
Question 3 : Soit M un entier positif, soit u~0 ∈ RM , soit A une M × M
matrice symétrique définie positive et soit ~u : [0, 1] −→ RM la solution de ~u˙ (t) =
−Au(t), 0 < t 6 1, ~u(0) = ~u0 . On considère le schéma d’Euler rétrograde pour
approcher ~u : soit N un entier positif, h = 1/N le pas de temps, tn = nh,
n = 0, 1, 2, · · · , N . On pose ~u0 = ~u0 , pour n = 0, 1, 2, · · · , N − 1, étant donné
~un , ~un+1 est tel que
~un+1 − ~un
= −A~un+1 .
h
Soit λ > 0 une valeur propre de A, ~x 6= 0 le vecteur propre associé, i.e. A~x = λ~x.
Dans le cas où ~u0 = ~x, montrer que
 1 N
k~u(tN ) − ~uN k = k~xk (e−λh )N − .
1 + λh

En déduire qu’il existe C > 0 indépendant de M , N , λ et ~x tel que

1
k~u(tN ) − ~uN k 6 Ck~xkλ2
.
N
Exercice 3.7.2. Utiliser la formule de Simpson et montrer que le schéma de
Runge Kutta est d’ordre 4.
Exercice 3.7.3. Soit le système suivant
 0
u (t) = −k 2 u(t), t>0
(S)
u(0) = 1.
a) Calculer la solution u.
b) Utiliser le schéma d’Euler explicite et le schéma d’Euler implicite pour avoir
une approximation de la solution de (S).
c) Quel schéma préserve les propriétés de la solution exacte de (S).

36
ANALYSE NUMERIQUE 2 EHTP 2020

3.8 Notes bibliographiques et remarques

Les méthodes que nous avons présentées dans ce chapitre pour résoudre
numériquement des systèmes différentiels d’ordre 1 sont des méthodes à un
pas (Euler, Runge Kutta). Ces méthodes permettent de calculer un+1 à partir de
un . Les méthodes multipas utilisent les valeurs un , un−1 , un−2 , · · · pour cal-
culer un+1 . Citons par exemple les méthodes d’Adams, les méthodes prédicteur-
correcteur, voir par exemple [8, 4].
Certains équations différentielles sont très sensibles aux perturbations numériques.
On dit alors que le problème est raide (Stiff en englais). Il existe un certain
nombre de méthodes pour résoudre ce genre de problèmes, voir par exemple [9].

37