Академический Документы
Профессиональный Документы
Культура Документы
2/03/06
10:41
R E N O B L E
Page 1
C I E N C E S
J.-P. DEMAILLY
ANALYSE NUMRIQUE ET
QUATIONS DIFFRENTIELLES
Jean-Pierre DEMAILLY
Ancien lve de l'Ecole normale suprieure (rue d'Ulm),
professeur l'Universit Joseph Fourier de Grenoble,
titulaire dune chaire lInstitut universitaire de France,
Jean-Pierre Demailly est un universitaire maintes fois
distingu pour ses travaux de recherche et son rayonnement (mdaille du CNRS, prix Rivoire, prix du Collge de
France, prix scientifique IBM, grand prix de lAcadmie des
sciences, prix Humboldt). Les tudiants connaissent bien ses qualits pdagogiques. Jean-Pierre Demailly prside le Groupe de Rflexion Interdisciplinaire sur
les Programmes qui milite pour que les savoirs fondamentaux soient au centre
des proccupations de lcole.
9 782868 838919
GRENOBLE
SCIENCES
UNIVERSITE
JOSEPHFOURIER
O L L E C T I O N
R E N O B L E
C I E N C E S
29
ANALYSE NUMRIQUE
ET QUATIONS
DIFFRENTIELLES
Nouvelle dition
Jean-Pierre DEMAILLY
ANALYSE NUMRIQUE
ET
QUATIONS DIFFRENTIELLES
Grenoble Sciences
Grenoble Sciences poursuit un triple objectif!:
! raliser des ouvrages correspondant un projet clairement dfini, sans contrainte
de mode ou de programme,
! garantir les qualits scientifique et pdagogique des ouvrages retenus,
! proposer des ouvrages un prix accessible au public le plus large possible.
Chaque projet est slectionn au niveau de Grenoble Sciences avec le concours de
referees anonymes. Puis les auteurs travaillent pendant une anne (en moyenne)
avec les membres dun comit de lecture interactif, dont les noms apparaissent au
dbut de louvrage. Celui-ci est ensuite publi chez lditeur le plus adapt.
(Contact!: Tl.!: (33)4 76 51 46 95 - E-mail!: Grenoble.Sciences@ujf-grenoble.fr)
Deux collections existent chez EDP Sciences!:
! la Collection Grenoble Sciences, connue pour son originalit de projets et sa qualit
! Grenoble Sciences!-!Rencontres Scientifiques, collection prsentant des thmes de
recherche dactualit, traits par des scientifiques de premier plan issus de
disciplines diffrentes.
Directeur scientifique de Grenoble Sciences
Jean BORNAREL, Professeur l'Universit Joseph Fourier, Grenoble 1
Comit de lecture pour Analyse numrique et quations diffrentielles
! M. ARTIGUE, Professeur l'IUFM de Reims
! A. DUFRESNOY, Professeur l'Universit Joseph Fourier - Grenoble 1
! J.R. JOLY, Professeur l'Universit Joseph Fourier - Grenoble 1
! M. ROGALSKI, Professeur l'Universit des Sciences et Techniques - Lille 1
ISBN 2-86883-891-X
EDP Sciences, 2006
ANALYSE NUMRIQUE
ET
QUATIONS DIFFRENTIELLES
Jean-Pierre DEMAILLY
Analyse num
erique et
equations diff
erentielles
La seconde edition de cet ouvrage a benecie dun bon nombre de remarques et de suggestions
proposees par Marc Rogalski. Les modications apportees concernent notamment le debut du
chapitre VIII, o`
u la notion delicate derreur de consistance a et
e plus clairement explicitee, et
les exemples des chapitres VI et XI traitant du mouvement du pendule simple. Lauteur tient `
a
remercier de nouveau Marc Rogalski pour sa precieuse contribution.
Saint-Martin dH`eres, le 26 septembre 1996
Lobjet de ce chapitre est de mettre en evidence les principales dicultes liees `a
la pratique des calculs numeriques sur ordinateur. Dans beaucoup de situations,
il existe des methodes speciques permettant daccrotre a` la fois lecacite et la
precision des calculs.
La capacite memoire dun ordinateur est par construction nie. Il est donc
necessaire de representer les nombres reels sous forme approchee. La notation la plus
utilisee `a lheure actuelle est la representation avec virgule ottante : un nombre
reel x est code sous la forme
x m bp
o`
u b est la base de numeration, m la mantisse, et p lexposant. Les calculs internes
sont generalement eectues en base b = 2, meme si les resultats aches sont
nalement traduits en base 10.
La mantisse m est un nombre ecrit avec virgule xe et possedant un nombre maximum N de chires signicatifs (impose par le choix de la taille des emplacements
memoires alloues au type reel) : suivant les machines, m secrira
m = 0, a1 a2 . . . aN =
N
k=1
m = a0 , a1 a2 . . . aN 1 =
ak bk ,
b1 m < 1 ;
ak bk , 1 m < b.
0k<N
Ceci entrane que la precision dans lapproximation dun nombre reel est toujours
une precision relative :
x
m
bN
=
1 = b1N .
x
m
b
Analyse num
erique et
equations diff
erentielles
Supposons par exemple que les reels soient calculees avec 3 chires signicatifs et
arrondis a` la decimale la plus proche. Soit a` calculer la somme x + y + z avec
x = 8, 22,
y = 0, 00317,
z = 0, 00432
(x + y) + z donne : x + y = 8, 22317 8, 22
(x + y) + z 8, 22432 8, 22
x + (y + z) donne : y + z = 0, 00749
x + (y + z) = 8, 22749 8, 23.
Laddition est donc non associative par suite des erreurs darrondi !
I Calculs num
eriques approch
es
En general, les reels x, y ne sont eux-memes connus que par des valeurs approchees
x , y avec des erreurs respectives x = |x x|, y = |y y|. A ces erreurs sajoute
lerreur darrondi
(x + y ) (|x | + |y |) (|x| + |y| + x + y).
Les erreurs x, y sont elles-memes le plus souvent dordre par rapport a` |x| et
|y|, de sorte que lon pourra negliger les termes x et y. On aura donc :
(x + y) x + y + (|x| + |y|).
n
k=1
partielles sk = u1 +u2 +. . .+uk vont se calculer de proche en proche par les formules
de recurrence
s0 = 0
sk = sk1 + uk ,
k 1.
Si les reels uk sont connus exactement, on aura sur les sommes sk des erreurs sk
telles que s1 = 0 et
sk sk1 + (sk1 + uk ) = sk1 + sk .
Lerreur globale sur sn verie donc
sn (s2 + s3 + . . . + sn ),
soit
sn (un + 2un1 + 3un2 + . . . + (n 1)u2 + (n 1)u1 ).
Comme ce sont les premiers termes sommes qui sont aectes des plus gros coecients
dans lerreur sn , on en deduit la r`egle generale suivante (cf. exemple 1.2).
R`
egle g
en
erale Dans une sommation de reels, lerreur a tendance `a etre
minimisee lorsquon somme en premier les termes ayant la plus petite valeur absolue.
Le produit de deux mantisses de N chires donne une mantisse de 2N ou 2N 1
chires dont les N ou N 1 derniers vont etre perdus. Dans le calcul dun produit
xy (o`
u x, y sont supposes representes sans erreur) il y aura donc une erreur darrondi
(xy) |xy|,
o`
u = b1N .
10
Analyse num
erique et
equations diff
erentielles
()
On sinteresse ici au probl`eme de levaluation dun polyn
ome
P (x) =
n
a k xk .
k=0
k
k1
x
x = x
pour k 1.
uk = a k xk
sk = sk1 + uk
Pour chaque valeur de k, deux multiplications et une addition sont donc necessaires.
Il existe en fait une methode plus ecace :
R`
egle de H
orner On factorise P (x) sous la forme :
P (x) = a0 + x(a1 + x(a2 + . . . + x(an1 + xan ) . . .)).
11
I Calculs num
eriques approch
es
Si lon pose
pk = ak + ak+1 x + . . . + an xnk ,
cette methode revient a` calculer P (x) = p0 par recurrence descendante :
pn = an
pk1 = ak1 + xpk ,
1 k n.
On eectue ainsi seulement une multiplication et une addition a` chaque etape,
ce qui economise une multiplication et donc une fraction substantielle du temps
dexecution.
Comparons maintenant les erreurs darrondi dans chacune des deux methodes, en
supposant que les reels x, a0 , a1 , . . . , an sont representes sans erreur.
M
ethode
n
k=1
n
k|ak ||x| +
k
k|ak ||x|k +
k=1
n
k=1
n
(n + 1 k)|ak ||x|k .
k=0
n
|ak ||x|k .
k=0
R`
egle de H
orner. Dans ce cas, on a
pk1 (xpk ) + (|ak1 | + |xpk |)
(|x|pk + |xpk |) + (|ak1 | + |xpk |)
= (|ak1 | + 2|x||pk |) + |x|pk .
En developpant P (x) = p0 , il vient
p0 (|a0 | + 2|x||p1 |) + |x| |a1 | + 2|x||p2 | + |x| |a2 | + . . .
do`
u
P (x)
P (x)
P (x)
n
|ak ||x|k + 2
k=0
n
k=0
n
|ak ||x|k + 2
n
k=1
n
k=1
k=0
|x|k |pk |,
(|ak ||x|k + . . . + |an ||x|n ),
12
Analyse num
erique et
equations diff
erentielles
On voit que la somme des coecients derreur aectes aux termes |ak ||x|k , soit
n
(2k + 1) = (n + 1)2 , est la meme que pour la methode nave ; comme
k=0
2k + 1 2(n + 1), lerreur commise sera dans le pire des cas egale `a 2 fois celle de
la methode nave. Neanmoins, les petits coecients portent sur les premiers termes
calcules, de sorte que la precision de la methode de Horner sera nettement meilleure
si le terme |ak ||x|k decrot rapidement : cest le cas par exemple si P (x) est le debut
dune serie convergente.
Exercice Evaluer dans les deux cas lerreur commise sur les sommes partielles
de la serie exponentielle
n
xk
k=0
k!
x0
1
k! .
Les majorations derreurs que nous avons donnees plus haut pechent en general par
exc`es de pessimisme, car nous navons tenu compte que de la valeur absolue des
erreurs, alors quen pratique elles sont souvent de signe aleatoire et se compensent
donc partiellement entre elles.
Supposons par exemple
cherche a` calculer une somme sn de rang eleve dune
quon
+
serie convergente S = k=0 uk , les uk etant des reels 0 supposes representes sans
erreur. On pose donc
sk = sk1 + uk ,
s0 = u0 ,
13
I Calculs num
eriques approch
es
Hypoth`
eses
(1) Les erreurs k sont des variables aleatoires globalement independantes les unes
des autres (lorsque les uk sont choisis aleatoirement).
(2) Lesperance mathematique E(k ) est nulle, ce qui signie que les erreurs
darrondi nont aucune tendance a` se faire par exc`es ou par defaut.
Lhypoth`ese (2) entrane E(sn ) = 0 tandis que lhypoth`ese (1) donne
var(sn ) = var(1 ) + . . . + var(n ).
Comme E(k ) = 0 et |k | S, on a var(k ) 2 S 2 , do`
u
(sn ) = var(sn ) nS
Lerreur quadratique moyenne crot seulement dans ce cas comme
linegalite de Bienayme-Tchebychev on a :
n. Dapr`es
P (|sn | (sn )) 2 .
Les phenom`enes de compensation se produisent lorsquon tente deectuer des
soustractions de valeurs tr`es voisines. Ils peuvent conduire a` des pertes importantes
de precision.
Les exemples suivants illustrent les dicultes pouvant se presenter et les rem`edes `a
apporter dans chaque cas.
x2 1634x + 2 = 0
Supposons que les calculs soient eectues avec 10 chires signicatifs. Les formules
habituelles donnent alors
816, 9987760
= 667 487,
x2 = 817 0, 0012240.
On voit donc quon a une perte de 5 chires signicatifs sur x2 si lon eectue la
soustraction telle quelle se presente naturellement ! Ici, le rem`ede est simple : il
u
sut dobserver que x1 x2 = 2, do`
x2 =
2
1, 223991125 103 .
x1
14
Analyse num
erique et
equations diff
erentielles
e10
Supposons quon utilise pour cela la serie
e
10
n
(1)k
k=0
10k
,
k!
les calculs etant toujours eectues avec 10 chires signicatifs. Le terme general
|uk | = 10k /k! est tel que
|uk |
10
=
1 d`es que
|uk1 |
k
k 10.
1010
2, 755 103
10!
u10 :
e10 :
5,
0,
Ceci signie quau moins 8 chires signicatifs vont etre perdus par compensation
des termes uk de signes opposes. Un rem`ede simple consiste `a utiliser la relation
e10 = 1/e10
avec e10
n
10k
k=0
k!
On essaiera dans la mesure du possible deviter les sommations dans lesquelles des
termes de signes opposes se compensent.
Soit Pn le demi-perim`etre du polygone regulier a` n cotes inscrit dans un cercle de
rayon 1.
Le cote de ce polygone vaut 2 R sin /n = 2 sin /n, do`
u
,
n
1
3
Pn = 2 + o 3 .
6n
n
Pn = n sin
15
I Calculs num
eriques approch
es
R=1
/n
xk = P2k = 2k sin k .
2
Si est un angle compris entre 0 et 2 on a
sin =
2
1
(1 cos ) =
2
1
(1
2
1 sin2 ).
()
Ce nest pourtant pas du tout ce quon va observer sur machine ! D`es que (xk /2k )2
sera inferieur `a la precision relative des calculs, lordinateur va donner
1 (xk /2k )2 = 1 do`
u xk+1 = 0.
Pour eviter cette diculte, il sut de remplacer () par
sin
1 1 cos2
sin =
2
2 1 + cos
2(1 + cos )
do`
u
sin
()
sin
=
.
2
2(1 + 1 sin2 )
16
Analyse num
erique et
equations diff
erentielles
On obtiendra une methode plus ecace encore en observant quon peut evaluer
cos dans () par la formule cos = 2sinsin2 . Ceci donne
sin = sin
2
xk+1 = xk
sin
,
2 sin + sin 2
do`
u
2xk
.
xk + xk1
Deux valeurs
dinitialisation sont alors requises pour demarrer, par exemple x1 = 2
et x2 = 2 2.
Il sagit de phenom`enes damplication des erreurs darrondi. Une telle amplication
se produit assez frequemment dans le cas de calculs recurrents ou iteratifs.
Supposons a` titre dexemple quon cherche a` evaluer numeriquement lintegrale
In =
1
0
xn
,
10 + x
n N.
17
I Calculs num
eriques approch
es
Comme
1
1
In
.
11(n + 1)
10(n + 1)
Lapproximation In
In
In
1
1
11(n+1) donne une erreur absolue 110(n+1) et donc
1
10 . Ceci donne lordre de grandeur mais nest pas
erreur relative
une
tr`es
1 1
In .
10 n
1
In , estimation qui
En negligeant lerreur sur n1 , on a donc cette fois In1 10
1
va dans le bon sens. Si lon part de I46 11.47 , on obtiendra pour I36 une erreur
relative sans doute meilleure que 1010 .
1
10(n+1)(n+2) ,
et en deduire a
` partir de
que lon a en fait lestimation
1
1
1
In
+
,
11(n + 1)
11(n + 1) 110(n + 1)(n + 2)
donc In
1
11(n+1)
1
10(n+2) .
On voit donc le r
ole fondamental joue par le coecient damplication de lerreur,
10 dans le premier cas, 1/10 dans le second. En general, si on a un coecient
damplication A > 1, il est imperatif de limiter le nombre n detapes en sorte que
An reste tr`es inferieur `a 1, si est la precision relative des calculs.
Soit a` calculer une suite (un ) denie par sa valeur initiale u0 et par la relation de
recurrence
un+1 = f (un ),
u f n = f f . . . f est la
o`
u f est une fonction donnee. On a donc un = f n (u0 ) o`
n-i`eme iteree de f . On consid`ere par exemple la suite (un ) telle que
u0 = 2,
dont on cherche a` evaluer le terme u30 . Un calcul eectue `a la precision 109 sur
un ordinateur nous a donne u30 0, 880833175.
A la lumi`ere de lexemple precedent, il est neanmoins legitime de se demander si
ce calcul est bien signicatif, compte tenu de la presence des erreurs darrondi. En
partant de valeurs de u0 tr`es voisines de 2, on obtient en fait les resultats suivants
18
Analyse num
erique et
equations diff
erentielles
2,000000000
5,595485181
0,703934587
1,126698502
2,000000001
5,595484655
0,703934920
1,126689382
1,999999999
5,595485710
0,703934252
1,126707697
5 1010
9 108
5 107
8 106
u20
u24
u25
u26
u30
1,266106839
1,000976376
0,000975900
6,932150628
0,880833175
1,266256924
1,001923276
0,001921429
6,254686211
0,691841353
1,265955552
1,000022532
0,000022532
10,700574400
1,915129896
104
103
100%
50%
100%
2
4.1. Soit x 0 ; on note F (x) =
et dt.
19
I Calculs num
eriques approch
es
an (x) aN
n=N +1
x2
N x2
(pour N > x2 )
(e) En utilisant les resultats precedents, ecrire un programme en langage informatique qui, a` la lecture de x et dun entier k 1 calcule une valeur approchee de
F (x) a` 10k pr`es.
4.2. Soit (In )nN la suite des integrales
In =
xn
dx.
6 + x x2
()
o`
u , sont des constantes et (cn ) une suite numerique explicite.
(b) On envisage le calcul recurrent de In `a partir de I0 et I1 par la formule ().
On suppose que les valeurs de I0 et I1 sont aectees derreurs darrondis 0 et
1 , et on note n lerreur qui en resulte sur In (on neglige ici lerreur sur le
calcul de cn et les erreurs darrondi pouvant intervenir dans lapplication de la
formule ()).
() Determiner n en fonction de 0 et 1 .
() Est-il possible de calculer I50 par ce procede avec un ordinateur donnant
une precision relative de 1010 ?
4.3. Etant donne une suite xk , k = 1, . . . , n de reels, on note n =
n
2
la moyenne et n = n2 lecart type avec n2 = n1
k=1 (xk n ) .
n
(a) Soit qn = k=1 x2k . Exprimer n2 en fonction de qn et de n .
1
n
n
k=1
xk
(b) Ecrire un programme qui calcule les moyennes et lecart type dun nombre
indetermine de reels. Les donnees reelles sont entrees au clavier ; apr`es chaque
entree on achera la moyenne et lecart type de la suite des nombres dej`a entres.
20
Analyse num
erique et
equations diff
erentielles
n
n+1
n2 +
1
n
(xn+1 n+1 )2 .
2kn1
n1 ,
k = 1, . . . , n. Determiner sa
(g) Meme question pour la suite des 2n reels xk , k = 1, . . . , 2n telle que pour
fonctions polyn
omes sur R `
a coecients reels, de degre inferieur ou egal `a n. On a
donc dim Pn = n + 1.
Par ailleurs, si f est une fonction denie sur un intervalle [a, b] R `a valeurs dans
R ou C, la norme uniforme de f sur [a, b] sera notee
f [a,b] = sup |f (x)|
x[a,b]
o`
u meme simplement f sil ny a pas dambigute. Enn C([a, b]) designera lespace
des fonctions continues sur [a, b] a` valeurs dans R.
Soit f : [a, b] R une fonction continue. On se donne n + 1 points x0 , x1 , . . . , xn
dans [a, b], deux a` deux distincts, non necessairement ranges par ordre croissant.
Probl`
eme Existe-t-il un polynome pn Pn tel que pn (xi ) = f (xi ),
i = 0, 1, . . . , n ?
Un tel polyn
ome sera appele polyn
ome dinterpolation (de Lagrange) de f aux points
x0 , x1 , . . . , xn . Posons
(x xj )
, 0 i n,
li (x) =
(xi xj )
j=i
22
Analyse num
erique et
equations diff
erentielles
o`
u le produit est eectue sur les indices j tels que 0 j n, j = i. Il est clair que
li Pn et que
li (xj ) = 0 si j = i,
li (xi ) = 1.
Le probl`eme ci-dessus admet donc au moins une solution
pn (x) =
n
pn Pn .
()
i=0
Th
eor`
eme Le probl`eme dinterpolation pn (xi ) = f (xi ), 0 i n, admet une
solution et une seule, donnee par la formule ().
Il reste `a prouver lunicite. Supposons que qn Pn soit une autre solution du
probl`eme. Alors pn (xi ) = qn (xi ) = f (xi ), donc xi est racine de qn pn . Par suite
le polyn
ome
n
n+1 (x) =
(x xj )
j=0
j=i (x
xj ), do`
u
(xi xj ).
j=i
n+1 (x)
.
(x xi )n+1
(xi )
Remarque
2 Pour demontrer le theor`eme, on peut egalement poser pn (x) =
n
j=0
n
aj xji = f (xi ),
0 i n,
j=0
x20
x21
...
...
x2n
...
xn0
xn1
.
n
xn
23
ome de
Il sagit de montrer que = 0 si les xi sont distincts. Or est un polyn
en
les
variables
x
,
x
,
.
.
.
,
x
.
Il
est
clair
que
degre total 1 + 2 + . . . + n = n(n+1)
0
1
n
2
couple
(i,
j)
tel
que
0
j
<
i
n.
= 0 chaque fois que xi = xj pour un
est donc divisible par le polyn
ome 0j<in (xi xj ), qui est lui aussi de
. Le quotient est donc une constante, donnee par exemple par le
degre total n(n+1)
2
coecient de x1 x22 . . . xnn dans , qui vaut 1. Par suite
=
(xi xj ).
0j<in
Lerreur dinterpolation est donnee par la formule theorique suivante.
Th
eor`
eme On suppose que f est n + 1 fois derivable sur [a, b]. Alors pour tout
x [a, b], il existe un point x ] min (x, xi ), max (x, xi )[ tel que
f (x) pn (x) =
1
n+1 (x)f (n+1) (x ).
(n + 1)!
Lemme Soit g une fonction p fois derivable sur [a, b]. On suppose quil existe
p + 1 points c0 < c1 < . . . < cp de [a, b] tels que g(ci ) = 0. Alors il existe ]c0 , cp [
tel que g (p) () = 0.
Le lemme se demontre par recurrence sur p. Pour p = 1, cest le theor`eme de Rolle.
Supposons le lemme demontre pour p 1. Le theor`eme de Rolle donne des points
0 ]c0 , c1 [, . . . , p1 ]cp1 , cp [ tels que g (i ) = 0. Par hypoth`ese de recurrence,
il existe donc ]0 , p1 [ ]c0 , cp [ tel que (g )(p1) () = g (p) () = 0.
24
Analyse num
erique et
equations diff
erentielles
D
emonstration du th
eor`
eme
Si x = xi , on a n+1 (xi ) = 0, tout point x convient.
Supposons maintenant x distinct des points xi .
Soit pn+1 (t) le polyn
ome dinterpolation de f (t) aux points x, x0 , . . . , xn+1 , de sorte
ome
que pn+1 Pn+1 . Par construction f (x)pn (x) = pn+1 (x)pn (x). Or le polyn
pn+1 pn est de degre n + 1 et sannule aux n + 1 points x0 , x1 , . . . , xn . On a
donc
pn+1 (t) pn (t) = c n+1 (t), c R.
Considerons la fonction
g(t) = f (t) pn+1 (t) = f (t) pn (t) cn+1 (t).
Cette fonction sannule en les n + 2 points x, x0 , x1 , . . . , xn donc dapr`es le lemme
il existe x ] min (x, xi ), max (x, xi )[ tel que g (n+1) (x ) = 0. Or
p(n+1)
= 0,
n
(n+1)
n+1 = (n + 1)!
f (n+1) (x )
n+1 (x).
(n + 1)!
Corollaire f pn
1
n+1 f (n+1) .
(n + 1)!
Ces formules montrent que la taille de lerreur dinterpolation f (x) pn (x) depend
` la fois de la quantite f (n+1) , qui peut etre grande si f oscille trop vite, et de la
a
quantite n+1 , qui est liee `a la repartition des points xi dans lintervalle [a, b].
On va decrire ici une methode simple et ecace permettant de calculer les
ome dinterpolation de f aux
polyn
omes dinterpolation de f . Soit pk le polyn
points x0 , x1 , . . . , xk .
25
pn (x) = f (x0 ) +
n
()
k=1
Pour pouvoir exploiter cette formule, il reste bien entendu a` evaluer les coecients
f [x0 , x1 , . . . , xk ]. On utilise a` cette n une recurrence sur le nombre k de points xi ,
en observant que f [x0 ] = f (x0 ).
Formule de r
ecurrence Pour k 1, on a
f [x0 , x1 , . . . , xk ] =
()
Alors pk Pk , pk (x0 ) = pk1 (x0 ) = f (x0 ), pk (xk ) = qk1 (xk ) = f (xk ) et pour
0 < i < k on a
pk (xi ) =
Algorithme pratique On range les valeurs f (xi ) dans un tableau TAB, puis
on modie ce tableau en n etapes successives, en procedant par indices decroissants :
Tableau
Etape 0
TAB [n]
f (xn )
Etape 1
f [xn1 , xn ]
TAB [n 1]
f (xn1 )
f [xn2 , xn1 ]
TAB [n 2]
..
.
TAB [2]
f (xn2 )
..
.
f (x2 )
..
.
f [x1 , x2 ]
TAB [1]
f (x1 )
f [x0 , x1 ]
TAB [0]
f (x0 )
Etape 2
...
f [xn2 , xn1 , xn ] . . .
..
.
f [x0 , x1 , x2 ]
Etape n
f [x0 , . . . , xn ]
26
Analyse num
erique et
equations diff
erentielles
0 k < n,
1
k (xk )f (k) ()
k!
1 (k)
f (),
k!
Si lon suppose que f, f , . . . , f (n) existent et sont continues, on voit que les
dierences divisees f [x0 , . . . , xk ] sont bornees independamment du choix des xi ,
meme si certains de ces points sont tr`es voisins.
On consid`ere la subdivision de lintervalle [a, b] de pas constant h =
dinterpolation sont donc
xi = a + ih = a + i
ba
,
n
ba
n .
Les points
0 i n.
0 i n 1.
k 1,
0 i n k,
27
o`
u lon convient que 0 fi = fi , 0 i n.
j j
j=0 (1) Ck fi+j ,
Il est alors facile de montrer par recurrence que les dierences divisees sont donnees
par
k fi
.
f [xi , xi+1 , . . . , xi+k ] =
k!hk
Recrivons avec ces notations la formule fondamentale ().
eectuons le changement de variable
x = a + sh,
s [0, n].
On a alors
(x x0 ) . . . (x xk1 ) = sh(sh h) . . . (sh (k 1)h)
= hk s(s 1) . . . (s k + 1).
On obtient la formule de Newton suivante, dans laquelle s = (x a)/h :
n
s(s 1) . . . (s k + 1)
k!
k=0
s
s1
sn+1 n
f0 . . . .
= f0 +
1 f0 +
2 f0 + . . . +
1
2
n
pn (x) =
k f0
fn1
fn2
f1
f0
2 fn2 . . . n1 f1
n1 f0
2
f0
n f0
..
.
28
Analyse num
erique et
equations diff
erentielles
La fonction (s) = |s(s 1). . . (s n)|, s [0, n], verie (n s) = (s), donc elle
atteint son maximum dans 0, n2 . Comme (s 1)/(s) = (n + 1 s)/s > 1 pour
1 s n2 , on voit que atteint en fait son maximum dans [0, 1], do`
u
max = max (s) n!
[0,n]
s[0,1]
Il en resulte
1
max |f (n+1) |.
n + 1 [x0 ,...,xn ]
Une application typique de ces formules est le calcul dune valeur approchee de
limage f (x) au moyen dune table numerique donnant les valeurs successives f (xi )
avec un pas constant h. Supposons par exemple que h = 102 et que lon cherche
a evaluer f (x) a` 108 pr`es. Une interpolation lineaire (cas n = 1) donnerait une
`
erreur en h2 = 104 beaucoup trop grande. On doit ici aller jusquau degre n = 3,
ce qui permet dobtenir un erreur h4 = 108 pourvu que max |f (4) | 4.
|f (x) pn (x)| hn+1
et la formule de Stirling n!
est
n!
(b a)n+1
nn+1
n
2n ne montre que lordre de grandeur de n+1
n+1 = O
ba
e
n+1
quand
Comme
1 1 1 3
1
= ... n
2
2 2 2
2
1
1 nn
n!
6n n
4n
4n
e
pour n grand, on voit en fait que
n+1
1
nn 2
hn+1 n+1
e
n +.
1
1 2 . . . (n 1)
4
1
nn 2
en+1
ba
e
n+1
.
n3/2
Nous obtiendrons au 2.2 des estimations beaucoup plus precises. Lexercice suivant
montre linteret de la formule de Newton en arithmetique.
Exercice
(a) Montrer que les polyn
omes de Newton
Nk (s) =
s(s 1) . . . (s k + 1)
,
k!
0kn
29
On denit les polyn
omes de Tchebychev par
x [1, 1]
2i + 1
] 1, 1[,
2n
0 i n 1.
D
enition Les points dinterpolation de Tchebychev dordre n sont les points
xi = cos
2i+1
2n+2
, 0 i n, racines du polyn
ome tn+1 .
x10
x7
x8
x6
x4
x5
x2 x0
x3
x1
n = 11
1
n
(x xi ) = 2n n+1 (x).
i=0
30
Analyse num
erique et
equations diff
erentielles
qui envoie 1 sur a et 1 sur b. Les images des points dinterpolation de Tchebychev
ui ] 1, 1[ sont donnes par
xi =
2i + 1
a+b ba
+
cos
,
2
2
2n + 2
0 i n.
.
n+1
n+1
22n+1
22n+1
ba
2
Par denition des polyn
omes de Tchebychev on a tn+1 = 1, donc
n+1
ba
n+1 = 2
.
4
Cette valeur est beaucoup plus petite que lestimation (b a/e)n+1 obtenue pour
n+1 avec des points xi equidistants, surtout lorsque n est assez grand : pour
n = 30 par exemple, on a (e/4)n+1 < 7 106 .
Il en resulte que linterpolation aux points de Tchebychev est en general considerablement plus precise que linterpolation en des points equidistants, do`
u son
interet pratique. Nous reviendrons sur ces questions au 3.
Probl`
eme A quelle(s) condition(s) (portant sur la nature de la fonction f
ur que pn converge uniformement
et/ou le choix des points xi,n ) pourra-t-on etre s
vers f quand n + ?
Si lon ne dispose daucune information sur la repartition des points xi,n , la meilleure
majoration de n+1 (x) dont on dispose a priori est
|n+1 (x)| =
n
i=0
|x xi,n | (b a)n+1 ,
x [a, b],
31
b a n+1
e
b a n+1
resp. n+1 2
.
4
Une fonction analytique est par denition une fonction qui est somme dune serie
enti`ere au voisinage de tout point o`
u elle est denie.
+
u la serie a un rayon de convergence R > 0. La
Supposons f (x) = k=0 ak xk , o`
fonction f est donc denie sur ] R, R[ au moins. Pour tout r < R, la serie
ak r k
k
est convergente, donc la suite ak r est bornee (et tend vers 0), cest-`a-dire quil
existe une constante C(r) 0 telle que
|ak |
C(r)
,
rk
k N.
On peut alors deriver terme `a terme f (x) sur ] r, r[ ] R, R[, ce qui donne
f (n) (x) =
+
ak
k=0
dn
(xk ),
dxn
+
1 dn
(xk ) si x 0
rk dxn
k=0
+
dn x k
= C(r) n
dx
r
k=0
1
dn
dn r
= C(r) n
= C(r) n
x
dx
1 r
dx r x
n!rC(r)
=
.
(r x)n+1
32
Analyse num
erique et
equations diff
erentielles
r ba
2
n+1
ba
2rC(r)
ba
r ba
r
2
2
avec respectivement = 1 si les points xi,n sont quelconques, = e sils sont
equidistants, = 4 si ce sont les points de Tchebychev. Lerreur
vers
va converger
0 si lon peut choisir r tel que (b a)/ < r (b a)/2, soit r > 1 + 12 (b a). Ceci
est possible d`es que le rayon de convergence R verie lui-meme cette minoration.
On peut donc enoncer :
Th
eor`
eme Soit f : [a, b] R une fonction analytique donnee par une serie
enti`ere de rayon de convergence R centree au point c = a+b
2 . Alors pour des points
dinterpolation xi,n quelconques et = 1 (respectivement, equidistants et = e, de
Tchebychev et = 4), les polyn
omes dinterpolation
pn aux points xi,n convergent
uniformement vers f pourvu que R > 1 + 12 (b a).
Exercice
c=
a+b
2 ,
1
(b a)2
4
n(z) z C
Posons h =
ba
n ,
xj = aj + jh, 0 j n, et soit z C,
|n+1 (z)| = |z xi |
|z xj |,
j=1
ln |z xj |
j=i
o`
u n (z) = |z xi | est la distance de z au plus proche point xi . La derni`ere
sommation apparat comme une somme de Riemann de la fonction x
ln |z x|.
On va donc comparer cette sommation `a lintegrale correspondante.
33
1
0
ln |1 at| dt.
Alors lintegrale converge et la fonction est continue sur C. De plus :
h
1 xj+1
, 0j i1 ;
(i)
ln |z x|dx ln |z xj | =
h xj
z xj
1 xj+1
h
(ii)
ln |z x|dx ln |z xj+1 | =
, i j n 1.
h xj
z xj+1
D
emonstration. Si a [1, +], la fonction t
ln |1 at| est denie et continue
sur [0, 1]. Soit Log la determination principale du logarithme complexe, denie sur
C ] , 0]. Comme ln |z| = Re(Log z), on en deduit aisement
(0) = 0,
(a) = Re
1
1
Log (1 a) 1 si a {0} [1, +[
a
gr
ace `a une integration
parties. Si a [1, +[, un calcul analogue donne
par
(1) = 1 et (a) = 1 a1 ln (a 1) 1 pour a > 1. La continuite de se verie
sur ces formules (exercice !)
Egalit
e (i) : on eectue le changement de variable
x = xj + ht,
t [0, 1].
dx = h dt,
Il vient :
1
1 xj+1
ln |z x| dx =
ln |z xj ht| dt
h xj
0
1
ln |z xj | 1
=
0
h
h
.
t dt = ln |z xj | +
z xj
z xj
Egalit
e (ii) : sobtient de meme en posant x = xj+1 ht.
En sommant les dierentes egalites (i) et (ii), on obtient
1
h
ln |z x|dx
a
ln |z xj | =
j=i
i1
j=0
n
h
h
+
.
z xj
z xj
j=i+1
x0
x1
xj
xi1
xi
xi+1
xn
()
34
Analyse num
erique et
equations diff
erentielles
1
2
h
2
do`
u
h
1
1
xj = i j
h (i j)h
2
2
2
h
> 0,
z xj
h
2
2.
z xj
ij
h
2
et
1
1
h
h (j i)h,
|z xj | Re(xj z) xj xi = j i
2
2
2
h
2
h
> 0,
2.
Re
z xj
z xj
ji
1
ln |1 + a| + O(|a|2 ).
2
D
emonstration. Les deux membres etant continus sur Re a 0, il sut de
montrer lestimation lorsque a est voisin de 0. On sait que Log (1 + z) = z + O(|z|2 )
do`
u
ln |1 + z| = Re Log(1 + z) = Re Log(1 + z) = Re z + O(|z|2 ),
1
1
( Re a t + O(|a|2 t2 ))dt = Re a + O(|a|2 ),
(a) =
2
0
tandis que ln |1 + a| = Re a + O(|a|2 ). Le lemme sensuit.
h
Legalite () ci-dessus et le lemme 2 applique avec a = zx
=O
j
alors
j=i
1
ln |z xj |
h
1
ji
impliquent
i1
n
h 1
h
1
ln 1 +
ln 1
+
2 j=0
z xj
2 j=i+1
z xj
1
1
1
1
1
+O 2 +
+
.
.
.
+
+
.
.
.
+
+
O
.
i
(i 1)2
12
12
(n i)2
ln |z x|dx =
a
+
Comme la serie n=1 n12 est convergente, les termes complementaires sont bornes,
cest-`a-dire O(1). De plus
z xj + h
z xj1
h
=
=
,
z xj
z xj
z xj
z xj h
z xj+1
h
1
=
=
.
z xj
z xj
z xj
1+
35
Dans les deux sommations, les logarithmes se simplient alors mutuellement, ce qui
donne
z x1 z xn+1
1 b
1
+ O(1)
ln |z xj |
ln |z x|dx = ln
h a
2
z xi1 z xi+1
j=i
. ()
ln |zx|dx
|zxj | = |zxi | exp O(1)+
h a
|z xi1 | |z xi+1 |
La quantite sous la racine est comprise entre 1 et (1 + 2n)2 . En eet on a
1
|z xi1 | + ih
|z x1 |
1 + 2i,
|z xi1 |
|z xi1 |
On voit donc que le terme dominant du comportement de |n+1 (z)| est le facteur
exponentiel A(z)n . Pour evaluer n+1 [a,b] , il sut de calculer A(x) lorsque
x [a, b] :
1 b
ln |x t|dt .
A(x) = exp
ba a
La fonction t
ln |t x| est discontinue en t = x, mais le lecteur pourra sassurer
que lintegration par parties suivante est legitime :
dt
t
x
a
= (b x) ln (b x) + (x a) ln (x a) (b a),
(t x)
xa
bx
1
A(x) = (x a) ba (b x) ba
e
si x ]a, b[,
36
Analyse num
erique et
equations diff
erentielles
y
1
e (b
a)
1
2e (b
a)
A(x)
a+b
2
Lobjet de ce paragraphe est de donner un exemple concret de fonction analytique
f pour laquelle les polyn
omes dinterpolation ne forment pas une suite convergente.
Nous considerons pour cela la fonction
f (x) =
1
,
x2 + 2
x [1, 1],
o`
u > 0 est un param`etre.
y
1/2
pn (n = 14)
Soit pn le polyn
ome dinterpolation de f aux points xj = 1 + j n1 , 0 j n.
On a ici
f (x) =
37
+
x2 k
1
1
1
=
(1)k 2
2
2
2
x
1 + 2
k=0
x2
1
1 (x2 + 2 )pn (x)
pn (x) =
.
2
+
x2 + 2
Le polyn
ome 1 (x2 + 2 )pn (x) est de degre n + 2, nul aux points x0 , . . . , xn
(puisque pn interpole f ) et e
gal `a 1 aux points i. En particulier 1(x2 +2 )pn (x)
est divisible par n+1 (x) = (x xj ), le quotient etant de degre 0 ou 1. Examinons
la parite de ce quotient.
ome pn
Comme les points xj sont repartis symetriquement par rapport a` 0, le polyn
est toujours pair, tandis que n+1 est pair si n est impair et vice-versa. Le quotient
est un bin
ome c0 + c1 x, pair si n est impair, impair si n est pair. Par consequent
c0 n+1 (x) si n est impair,
1 (x2 + 2 )pn (x) =
c1 x n+1 (x) si n est pair.
En substituant x = i, on trouve c0 = 1/n+1 (i) et c1 = 1/in+1 (i), do`
u
1
n+1 (x)
si n est impair,
x2 + 2
n+1 (i)
f (x) pn (x) =
x
n+1 (x)
si n est pair.
i(x2 + 2 ) n+1 (i)
On va maintenant etudier tr`es precisement la convergence ponctuelle de pn (x), en
utilisant les estimations du 2.2.
Etude
de la convergence ponctuelle de la suite pn(x)
1
Si x = 1, pn (x) = pn (1) = f (1) = 1+
2 est une suite constante. On suppose
donc dans la suite que x est un point xe dans ] 1, 1[ et on cherche `a obtenir une
estimation de |n+1 (x)/n+1 (i). Pour x = i, la formule () du 2.2 montre
quil existe des constantes C3 , C4 > 0 telles que
38
Analyse num
erique et
equations diff
erentielles
1 1
1
ln(x2 + 2 )dx =
1 + 2 exp Arctg
= exp
,
2 0
e
A(x) =
1
,
e
lim A(i) = +.
sup A(x) =
x[1,1]
2
,
e
soit 0 0, 526. Pour > 0 , la suite (pn ) converge ponctuellement (et meme
uniformement) vers f sur [1, 1]. Pour < 0 , on a le schema suivant :
y
2/e
A(i)
A(x)
1/e
x 1
Si A(x) < A(i) (intervalle ouvert hachure), pn (x) converge vers f (x).
Si x ] 1, 1[ et A(x) A(i), la suite (pn (x)) diverge comme on le voit `a laide
du lemme suivant.
1
min(1 + x, 1 x) > 0.
2
39
1
(nn (x) + (n + 1)n+1 (x))
2
1
|n(x + 1) 2j| + |(n + 1)(x + 1) 2k|
2
1
1
|dierence| = |x + 1 2k + 2j|
2
2
1
distance (x, entiers impairs dans Z)
2
1
min(|x 1|, |x + 1|).
=
2
Gr
ace au lemme, on voit que
n
A(x)
max |f (x) pn (x)| , |f (x) pn+1 (x)| C
,
A(i)
donc la suite (|f (x) pn (x)|)nN nest pas bornee si A(x) > A(i) et ne tend pas
vers 0 si A(x) = A(i).
Cet exemple montre donc que, meme pour une fonction f parfaitement reguli`ere,
il ne faut pas sattendre a` ce que les polynomes dinterpolation pn aux points
equidistants convergent vers f sur lintervalle dinterpolation.
On munit lespace vectoriel C([a, b]) des fonctions continues f : [a, b] R de la
norme uniforme
f = sup |f (x)|,
x[a,b]
40
Analyse num
erique et
equations diff
erentielles
Th
eor`
eme et d
enition Pour tout n N, il existe un unique polynome
qn Pn qui realise le minimum de la distance
f qn = d(f, Pn )
Ce polyn
ome est appelee polyn
ome de meilleure approximation uniforme de f `a
lordre n.
Demontrons dabord lexistence de qn . En approximant f par p = 0, on voit que
omes p Pn tels que f p f est
d(f, Pn ) f . Lensemble des polyn
une partie fermee et bornee K Pn , non vide puisque 0 K. Comme Pn est de
dimension nie, K est une partie compacte, donc la fonction continue p
f p
atteint son inf en un point p = qn K.
Avant de prouver lunicite, nous introduisons une denition commode.
D
enition On dit quune fonction g C([a, b]) equioscille sur (k + 1) points
de [a, b] sil existe des points x0 < x1 < . . . < xk dans [a, b] tels que
i = 0, 1, . . . , k,
|g(xi )| = g
et
i = 0, 1, . . . , k 1,
g(xi+1 ) = g(xi ).
y
g
g
0
a x0
x1
x2
x3
x4 b
Preuve de lunicit
e.* Montrons que si p Pn est un polyn
ome realisant le
minimum de la distance f p , alors g = f p equioscille sur n + 2 points
de [a, b]. Si ce nest pas le cas, soit
x0 = inf {x [a, b] ; |g(x)| = g }
le premier point en lequel g atteint sa valeur absolue maximum, puis x1 le premier
point > x0 en lequel g(x1 ) = g(x0 ), . . . , xi+1 le premier point > xi en lequel
g(xi+1 ) = g(xi ). Supposons que cette suite sarrete en i = k n. Dapr`es le
theor`eme des valeurs intermediaires, g sannule necessairement sur chaque intervalle
41
[xi1 , xi ]. Soit ci [xi1 , xi ] le plus grand reel de cet intervalle tel que g(ci ) = 0,
de sorte que
a x0 < c1 < x1 < c2 < . . . < xk1 < ck < xk b.
Supposons par exemple g(x0 ) > 0 et posons
(x) = (c1 x)(c2 x) . . . (ck x), Pn ,
g (x) = g(x) (x) = f (x) (p(x) + (x)).
On va montrer que g < g pour > 0 assez petit, ce qui contredira la minimalite
de f p . Par construction, on a signe(g(xi )) = (1)i et
g < g(x) g
sur [a, x0 ],
[xi1 , ci ]
sur [ci , xi ]
(si on avait une valeur < 0, g(x) sannulerait sur ]ci , xi [),
g < (1)k g(x) g
sur [xk , b]
42
Analyse num
erique et
equations diff
erentielles
Caract
erisation Pour f C([a, b]), le polynome de meilleure approximation
ome de degre n tel que f qn equioscille
uniforme qn Pn de f est lunique polyn
sur au moins (n + 2) points de [a, b].
les polyn
omes de Tchebychev sous la forme
Exemple Ecrivons
2n tn+1 (x) = xn+1 qn (x)
avec qn de degre n. Comme tn+1 (cos ) = cos (n + 1) equioscille sur les n + 2
C([a, b])
Il est malheureusement tr`es dicile en general de determiner le polyn
ome de
meilleure approximation uniforme qn . Cest pourquoi nous allons etudier ici une
methode beaucoup plus explicite dapproximation.
D
enition Si f C([a, b]), le module de continuite de f est la fonction
f : R+ R+ denie par
x, y [a, b]
avec
|x y| t}.
Propri
et
es du module de continuit
e
(i) t
f (t) est une fonction croissante.
(ii) lim+ f (t) = 0.
t0
43
D
emonstration. (i) est evident, (ii) resulte du fait que toute fonction continue
sur [a, b] y est uniformement continue.
(iii) Soient x, y [a, b] quelconques tels que |x y| t1 + t2 . Il existe alors z [x, y]
u
tel que |x z| t1 et |z y| t2 , do`
|f (x) f (y)| |f (x) f (z)| + |f (z) f (y)| f (t1 ) + f (t2 ).
Linegalite (iii) sen deduit en prenant le sup sur x, y.
(iv) se deduit immediatement de (iii) et (v) sobtient en appliquant (iv) a` n =
E() + 1.
Nous allons maintenant introduire les polyn
omes dits de Jackson, donnant une assez
bonne approximation dune fonction continue quelconque. Pour tout entier n 2,
on consid`ere le polyn
ome trigonometrique Jn 0 de degre n 2
2k + 1
Jn () = cn
1 cos
n
1kn2
o`
u cn > 0 est xee telle que Jn n = 12 . En changeant k en n1k on voit aussit
ot
2k+1
pour
tout
k
Z,
on
a
J
=
0
si
k
0
ou
que Jn () = Jn (). De plus,
n
n
1 (mod n), tandis que Jn n = 12 . Nous avons besoin du lemme suivant.
Lemme Soit P () = |j|n1 aj eij , j Z, un polynome trigonometrique de
degre au plus n 1. Alors
( R)
0kn1
En eet
eij(k2/n) = eij
0kn1
2
= na0 .
P k
n
1 eijn2/n
= 0 si j 0 (mod n), et la somme
1 eij2/n
vaut n si j = 0.
Comme Jn () et Jn ()(1 cos ) sont des polyn
omes trigonometriques de degre
n 2 et n 1 respectivement, on en deduit que
2
Jn k
= 1,
n
0kn1
2
2
1 cos k
= 1 cos
;
Jn k
n
n
n
0kn1
44
Analyse num
erique et
equations diff
erentielles
ak bk | ( a2k )1/2 ( b2k )1/2 aux
2
2 1/2
bk = Jn k
,
cos cos k
n
n
on en deduit
2
2
Jn k
cos cos k
n
n
0kn1
2 1/2
1/2
2
2
2
Jn k
cos cos k
Jn k
n
n
n
1/2
2
2
1 cos k
2
Jn k
n
n
1/2
.
()
2 1 cos
= 2 sin
n
2n
n
Soit maintenant f C([1, 1]) une fonction continue quelconque. On lui associe le
polyn
ome trigonometrique de degre n 2
n () =
0kn1
2
2
f cos k
Jn k
.
n
n
0kn1
2
jn,k (x),
f cos k
n
x [1, 1].
Ce polyn
ome sera appele polyn
ome dapproximation de Jackson de degre n2 de f .
Cela etant, nous avons le :
Th
eor`
eme de Jackson Pour tout f C([a, b]), les polynomes dapproximation de Jackson verient
f pn 3 f
ba
.
n+2
45
D
emonstration. Le cas dun intervalle [a, b] quelconque se ram`ene facilement au
cas o`
u [a, b] = [1, 1], en utilisant le meme changement de variable quau 1.5. On
suppose donc f C([1, 1]) et on cherche `a majorer
f pn2 [1,1] = sup |f (cos ) n ()|.
[0,]
La propriete
Jn k
2
n
= 1 permet decrire
f (cos ) =
0kn1
2
f (cos )Jn k
,
n
do`
u
f (cos ) n () =
0kn1
2
2
f (cos ) f cos k
Jn k
n
n
par denition
de n . La propriete (v) du module de continuite avec t =
n
= 2 cos cos k 2
n implique
2
n
et
2
f (cos ) f cos k
f (t)
k
2 2
n
,
1 + cos cos k f
2
n
n
par consequent linegalite () donne
2
2
2
n
Jn k
|f (cos ) n ()|
1 + cos cos k f
n
2
n
n
0kn1
n 2
1+
f
.
2 n
n
Th
eor`
eme de Weierstrass
C([a, b]) pour la norme uniforme.
46
Analyse num
erique et
equations diff
erentielles
n
i=0
On a donc
|rn (x)|
n
|li (x)| g .
i=0
Th
eor`
eme et d
enition La norme de loperateur dinterpolation Ln est
n = sup
x[a,b]
|li (x)| .
i=0
n
|li ()| = n ,
i=0
47
Th
eor`
eme Pour tout f C([a, b]), on a
f Ln (f ) (1 + n )d(f, Pn ).
xi
Posons xi = a + ih, 0 i n et x = a + sh, o`
u s [0, n], h =
li (x)
ba
n .
On a alors
sj
(x xj )
=
(xi xj )
ij
j=i
j=i
= (1)ni
s(s 1) . . . (s%
i) . . . (s n)
,
i!(n i)!
o`
u s%
i designe un facteur omis. On peut demontrer a` partir de l`
a que
n
2n+1
.
en ln (n)
Nous nous contenterons de demontrer une minoration de n . Pour s = 12 , cest-`adire pour x = a + h2 , il vient
|li (x)| =
1
2
1
2
3
2
%
. . . i 12 . . . n 12
i!(n i)!
1) . . . (n 1)
1
n!
1 1 2 . . . (i%
2
.
4
i!(n i)!
4n i!(n i)!
On en deduit
n
n
i=0
|li (x)|
n
1 i
1
Cn = 2 2n .
2
4n i=0
4n
48
Analyse num
erique et
equations diff
erentielles
Exercice
|li (x)|
(nk)!(k+1)!
i!(ni)!
avec
li (x) =
tn+1 (x)
n+1 (x)
=
.
(x xi )n+1
(xi )
(x xi )tn+1 (xi )
2
ln (n)
quand
n +.
xi = cos i
o`
u
i =
2i + 1
,
2n + 2
0 i n.
Minorons la quantite
cos cos i = 2 sin
+ i
i
sin
.
2
2
49
y
y=
1
y = sin t
/2
Pour t 0, 2 on a sin t
t, or
2 | i |
i
i
, , donc sin
.
2
2 2
2
2
i
Par ailleurs +
avec 2i 2 et i +
2i , i +
2 , donc
2
2
2
i
+ i
i +
i
i
= min sin , cos
.
min sin , sin
sin
2
2
2
2
2
Comme sin i = 2 sin 2i cos 2i 2 min sin 2i , cos 2i , on obtient
|li (cos )|
| cos (n + 1)|
.
(n + 1)| i |
()
| j |
Linegalite () donne
n
|li (cos )|
i=0
do`
u n 2 1 +
1
2
+ ... +
1
n
(n + 1)h
j=i,i+1,i1
+ 3 C ln (n).
1
+ 3,
|j i| 1
50
Analyse num
erique et
equations diff
erentielles
2
1
i
cotan
n + 1 i=0
2
|li (1)| =
i=0
/2
cotan t dt
0 /2
2
ln (n).
ba
.
n+2
ln (n)
,
n+2
y
Points dinterpolation :
1/2
equidistants
de Tchebychev
f
pn
(n = 6)
51
Soit ]a, b[ un intervalle ouvert borne ou non dans R. On se donne un poids sur
]a, b[, cest-`a-dire une fonction w : ]a, b[ ]0, +[ continue. On suppose en outre
b
|x|n w(x)dx est convergente ; cest le cas
que pour tout entier n N lintegrale
ba
par exemple si ]a, b[ est borne et si
w(x)dx converge. Sous ces hypoth`eses, on
a
consid`ere lespace vectoriel E des fonctions continues sur ]a, b[ telles que
f 2 =
a
Gr
ace aux hypoth`eses faites ci-dessus, E contient lespace vectoriel des fonctions
polyn
omes. Lespace E est muni dun produit scalaire naturel
f, g =
f (x)g(x)w(x)dx,
a
et 2 est la norme associee `a ce produit scalaire ; cette norme est appelee norme
L2 ou norme moyenne quadratique. On notera d2 (f, g) = f g 2 la distance
associee.
Th
eor`
eme 1 Il existe une suite de polynomes unitaires (pn )nN , deg(pn ) = n,
orthogonaux 2 `
a 2 pour le produit scalaire de E. Cette suite est unique. Les
omes orthogonaux pour le poids w.
polyn
omes pn sont appeles polyn
D
emonstration. On construit pn par recurrence `a laide du procede dorthogonalisation de Schmidt. On a p0 (x) = 1, puisque p0 doit etre unitaire.
Supposons p0 , p1 , . . . , pn1 dej`a construits. Comme deg pi = i, ces polynomes
forment une base de Pn1 . On peut donc chercher pn sous la forme
pn (x) = xn
n1
j,n pj (x).
j=0
n1
j,n pj , pk
j=0
= xn , pk k,n pk 22 .
On a donc un et un seul choix possible, a` savoir
k,n =
xn , pk
.
pk 22
52
Analyse num
erique et
equations diff
erentielles
xpn1 , pn1
,
pn1 22
n =
n2
pn1 22
.
pn2 22
D
emonstration. Le polyn
ome xpn1 est unitaire de degre n, donc on peut ecrire
n1
xpn1 = pn +
k pk ,
k=0
o`
u xpn1 , pk = k pk 22 , 0 k n 1. Par denition du produit scalaire, on a
xpn1 , pk = pn1 , xpk =
Si k n3, xpk Pn2 , donc pn1 , xpk = 0. Il y a donc au plus deux coecients
non nuls :
n1 =
xpn1 , pn1
= n ,
pn1 22
n2 =
pn1 , xpn2
.
pn2 22
Exemples Certains cas particuliers ont donne lieu `a des etudes plus poussees.
Mentionnons entre autres les cas suivants :
]a, b[ = ]0, +[,
w(x) = ex ,
2
w(x) = 1,
]a, b[ = ] 1, 1[,
w(x) =
1
,
1x2
pn = polyn
omes de Laguerre ;
pn = polyn
omes de Hermite ;
omes de Legendre ;
pn = polyn
pn = polyn
omes de Tchebychev.
53
1
dx =
tn (cos
1 x2
1
0
si
0
cos n cos k d = 2
=
si
si
1
tn (x)tk (x)
)tk (cos ) d
n = k
n = k = 0.
n=k=0
p0 (x) = t0 (x) = 1
pn (x) = 21n tn (x)
si n 1.
On sait que tn a n zeros distincts dans ] 1, 1[. On va voir que cest une propriete
generale des polyn
omes orthogonaux.
Th
eor`
eme 3 Pour tout poids w sur ]a, b[, le polynome pn poss`ede n zeros
distincts dans lintervalle ]a, b[.
D
emonstration. Soient x1 , . . . , xk les zeros distincts de pn contenus dans ]a, b[
et m1 , . . . , mk leurs multiplicites respectives. On a m1 + . . . + mk deg pn = n.
Posons i = 0 si mi est pair, i = 1 si mi est impair, et
q(x) =
k
(x xi )i ,
deg q k n.
i=1
Le polyn
ome pn q admet dans ]a, b[ les zeros xi avec multiplicite paire mi + i , donc
pn q est de signe constant dans ]a, b[ \ {x1 , . . . , xk }. Par consequent
pn (x)q(x)w(x)dx = 0.
pn , q =
a
Th
eor`
eme 4 Soit f E. Alors il existe une unique polynome rn Pn tel
54
Analyse num
erique et
equations diff
erentielles
E
0
rn
Pn
n
f, pk
k=0
pk 22
pk (x).
entrane
f 2 Cw f ,
o`
u
Cw =
w(x)dx
1/2
Th
eor`
eme 5 Si ]a, b[ est borne, alors lim f rn 2 = 0 pour tout f E.
n+
55
a+/2
a+
b/2 b
Comme f C(]a, b[), on a f C([a, b]) si lon convient que f (a) = f (b) = 0.
De plus
a+
b
|f (x)|2 w(x)dx +
|f (x)|2 w(x)dx,
f f 22
a
quadratique de f . On a
f rn 2 f r,n 2 f f 2 + f r,n 2 .
Soit > 0 xe. On peut dabord choisir > 0 tel que f f 2 < 2 ; etant
ainsi xe, on peut choisir n0 tel que n > n0 entrane f r,n 2 < 2 et donc
f rn 2 < .
des rn est possible d`es lors quon sait evaluer les integrales f, pk : les methodes
dintegration numerique feront precisement lobjet du prochain chapitre. Si les
polyn
omes pn ne sont pas connus, on peut les calculer numeriquement par la formule
de recurrence du theor`eme 2. Le co
ut global de ces calculs est en general beaucoup
plus eleve que celui des methodes dinterpolation.
6.1. On note C([a, b], R) lespace des fonctions continues sur lintervalle [a, b] a`
valeurs dans R, muni de la norme de la convergence uniforme. On consid`ere
lapplication
: C([a, b], R) Rn+1
f
(m0 (f ), m1 (f ), . . . , mn (f ))
telle que mi (f ) =
1
2
56
Analyse num
erique et
equations diff
erentielles
(a) Soit f C([a, b], R) telle que (f ) = 0. Montrer que pour tout i il existe
i [xi , xi ] tel que f (i ) = 0.
omes de
(b) Montrer que la restriction : Pn Rn+1 de `a lespace Pn des polyn
degre n est injective. En deduire que pour tout f C([a, b]), R) il existe un
unique polyn
ome Pn P tel que (pn ) = (f ).
(c) On suppose ici que f est de classe C n+1 . En utilisant (a), majorer pn f
en fonction de f (n+1) et b a.
(d) Calculer explicitement p2 en fonction de m0 (f ), m1 (f ), m2 (f ) pour la subdivision x0 < x0 < x1 < x1 < x2 < x2 de [a, b] = [1, 1] de pas constant 25 .
6.2. On note tn le polyn
ome de Tchebychev de degre n et c un reel tel que |c| < 1.
(a) Montrer quil existe une fonction continue `a valeurs reelles, denie sur [0, ]
avec (0) = () = 0 et veriant
ei() =
1 cei
.
1 cei
k=0
.
fc (2x 1) = 1+x
() Montrer quil existe une suite de polyn
omes qn de Pn tels que la suite
n = Supx[0,1]
1
qn (x)
1+x
57
6.3. Soit f : [a, b] R une fonction continue, indeniment derivable sur ]a, b[.
Soient x0 , x1 , . . . , xn [a, b]. Pour chaque i {0, 1, . . . , n}, soit i un entier
positif.
On cherche un polyn
ome P (x) de degre < = (i + 1) tel que :
P (j) (xi ) = f (j) (xi ) pour
i = 0, 1, . . . , n et j = 0, 1, . . . , i ,
o`
u (j) designe lordre de derivation.
(a) Demontrer lunicite de P , puis son existence grace `a un raisonnement dalg`ebre
lineaire.
(b) On suppose P solution du probl`eme. Soient Ri (x) et pi (x) des polyn
omes
veriant les relations
Ri (x) = pi (x) + (x xi )i +1 Ri+1 (x),
R0 (x) = P (x), Rn+1 (x) = 0.
deg pi i ,
() Montrer que
(j)
(j)
j = 0, 1, . . . , i .
i
aik (x xi )k .
k=0
(k)
n
i1
pi (x)
(x xr )r +1 .
i=1
r=0
f () (t)
!
Lobjet de ce chapitre est de decrire quelques methodes numeriques classiques
(Newton-Cotes, Gauss, Romberg) permettant devaluer des integrales de fonctions
dont les valeurs sont connues en un nombre ni de points. On sattachera a` expliciter
le plus compl`etement possible les formules derreurs dans chacun des cas.
Soit f : [, ] R une fonction continue. On se propose de chercher des formules
approchees pour lintegrale f (x)dx. Pour cela, on choisit dabord une subdivision
= 0 < 1 < . . . < k =
de lintervalle [, ]. La formule de Chasles donne
f (x)dx =
k1
i+1
i=0
f (x)dx.
M
ethodes de quadrature
el
ementaires
i+1
f (x)dx (i+1 i )
o`
u i,j [i , i+1 ], 0 j li
li
j=0
et
li
j=0
i,j = 1.
i,j f (i,j ),
60
Analyse num
erique et
equations diff
erentielles
La sommation peut etre interpretee comme une valeur moyenne de f sur [, i+1 ].
Le probl`eme est de choisir convenablement les points i,j et les coecients i,j
de facon `a minimiser lerreur. Ceci se fera en general en evaluant lintegrale
i+1
f (x)dx au moyen dune interpolation de f aux points i,j .
i
La methode de quadrature composee associee sera
f (x)dx
k1
li
i=0
j=0
(i+1 i )
i,j f (i,j )
D
enition On dit quune methode de quadrature (elementaire ou composee)
est dordre N si la formule approchee est exacte pour tout f PN et inexacte pour
au moins un f PN +1 .
On observera
que les formules sont toujours exactes pour f (x) = 1 a` cause de
earite, elles sont donc exactes au moins pour
lhypoth`ese
j i,j = 1. Par lin
f P0 .
i+1
f (x)dx (i+1 i )f (i ),
f (x)dx
k1
(i+1 i )f (i ),
i=0
f (x)dx
k1
(i+1 i )f (i ).
i=0
f (x)dx
k1
(i+1 i )f (i+1 ).
i=0
61
III Int
egration num
erique
i = i
i i+1
i = i+1
i i+1
i +i+1
2
f (i )
i+1
i,
i,0 = i ,
i,1 = i+1
et on remplace f sur [i , i+1 ] par la fonction lineaire p1 qui interpole f aux points
i , i+1 :
(x i )f (i+1 ) (x i+1 )f (i )
.
p1 (x) =
i+1 i
On obtient les formules suivantes, correspondant a` la methode dite des trap`ezes :
1
1
f (i ) + f (i+1 )
p1 (x)dx = (i+1 i )
2
2
i
i
k1
1
1
f (i ) + f (i+1 )
f (x)dx
(i+1 i )
2
2
i=0
i+1
f (x)dx
i+1
62
Analyse num
erique et
equations diff
erentielles
i i+1
i+1 i
l
l
f (j )Lj (x)
j=0
avec Lj (x) =
x k
. On a donc
j k
k=j
1
1
avec j =
1
2
1
1
f (x)dx
1
1
pl (x)dx = 2
l
j f (j )
j=0
lj = j .
1 =
1
2
(1 x2 )dx =
2
,
3
do`
u 0 = 2 = 12 (1 1 ) = 16 . Apr`es changement de variable, les coecients
j restent inchanges (le lecteur le veriera a` titre dexercice), donc on obtient les
63
III Int
egration num
erique
formules
i+1
f (x)dx (i+1 i )
l
j f (i,j ),
j=0
f (x)dx
k1
l
i=0
j=0
(i+1 i )
j f (i,j ).
f (x)dx = 0 = 2
l
j f (j ).
j=0
Si l est pair, les formules sont donc encore exactes pour f (x) = xl+1 , et plus
generalement pour f Pl+1 par linearite. On demontre en fait le resultat suivant
que nous admettrons :
0 = 1 =
l = 2 : methode de Simpson (ordre 3)
0 = 2 =
1
,
6
1 =
2
.
3
7
,
90
1 = 3 =
16
,
45
2 =
2
15
41
,
840
1 = 5 =
9
,
35
2 = 4 =
9
,
280
3 =
34
.
105
Pour l 8, il apparat des coecients j < 0, ce qui a pour eet de rendre les
formules beaucoup plus sensibles aux erreurs darrondis (cf. 1.3). Les methodes
N Cl ne sont donc utilisees en pratique que dans les 4 cas ci-dessus.
64
Analyse num
erique et
equations diff
erentielles
Supposons que les valeurs de f soient calculees avec des erreurs darrondi de
valeur absolue . Lerreur qui va en resulter par application dune methode
de quadrature composee sera majoree par
k1
li
i=0
j=0
(i+1 i )
|i,j |.
|i,j | =
j=0
li
i,j = 1.
j=0
k
+
Le resultat theorique suivant de convergence justie en partie linteret des methodes
composees.
Th
eor`
eme On suppose que les methodes de quadrature elementaire font
intervenir un nombre de points li = l xe et que les coecients i,j = j ne
dependent pas de i, k. Alors lapproximation donnee par la methode composee, soit
Tk (f ) =
l
i=0
j=0
(i+1 i )
j f (i,j )
converge vers
hmax =
k1
max (i+1
D
emonstration. On peut ecrire Tk (f ) =
Sj,k (f ) =
l
j=0
j Sj,k (f ) o`
u
k1
(i+1 i )f (i,j )
i=0
j = 0, 1, . . . , l xe, Sj,k (f ) converge vers f (x)dx quand hmax tend vers 0. Par
consequent Tk (f ) converge aussi vers
65
III Int
egration num
erique
li
i=0
j=0
(i+1 i )
i,j f (i,j )
converge encore vers f (x)dx quand hmax tend vers 0, pourvu que i,j 0. [
Indication : revenir a
` la denition de lintegrale en encadrant f par des fonctions
en escalier.]
1
1
l
f (x)dx 2
j f (j )
j=0
Nous allons montrer que lorsque la fonction f `a integrer est susamment reguli`ere,
lerreur dintegration numerique peut sexprimer de mani`ere assez simple en fonction
dune certaine derivee de f . Auparavant, nous aurons besoin de quelques rappels
dAnalyse.
Enon
cons tout dabord une version de la formule de Taylor fournissant une expression exacte du reste. Ceci est possible `a laide dintegrations par parties successives,
permettant dexprimer le reste comme une integrale o`
u gurent les derivees de la
fonction consideree.
x
N
1 (k)
1
k
f (x) =
f ()(x ) +
(x t)N f (N +1) (t)dt.
k!
N
!
k=0
D
emonstration.
simplement `a
f (x) = f () +
f (t)dt.
66
Analyse num
erique et
equations diff
erentielles
Si la formule est vraie a` lordre N 1, le reste integral secrit, apr`es integration par
parties :
x
1
(x t)N 1 f (N ) (t)dt
(N
1)!
&
'x x
1
1
(x t)N f (N ) (t)
(x t)N f (N +1) (t)dt
=
N!
N
!
x
1
1
N (N )
(x ) f () +
(x t)N f (N +1) (t)dt.
=
N!
N
!
f (x) = pN (x) +
1
(N +1)
(x t)N
(t)dt
+f
N!
o`
u pN est le polyn
ome de Taylor de f dordre N au point .
que w(x)dx converge. Alors pour toute f C([, ]), il existe un point ], [
tel que
f (x)w(x)dx = f ()
w(x)dx.
D
emonstration. Soient m, M respectivement le minimum et le maximum de f
sur [, ]. Comme w 0, il vient
Si
w(x)dx
f (x)w(x)dx M
w(x)dx
q=
(
f (x)w(x)dx
Supposons donc
w(x)dx [m, M ].
Le theor`eme des valeurs intermediaires montre que f (], [) est un intervalle ayant
pour bornes m, M . Si q ]m, M [, il existe donc ], [ tel que q = f (). Restent
les cas q = m et q = M . Si q = m et si f () > m pour tout ], [, alors
puisque w(x)dx > 0, ce qui est contradictoire. Il existe donc dans ce cas ], [
tel que f () = m. Le cas q = M est analogue.
67
III Int
egration num
erique
En vue de letude des methodes de Gauss au 3, on se place ici dans une situation
un peu plus generale.
Situation
etudi
ee
fonction continue > 0 telle que w(x)dx converge. On cherche `a evaluer lintegrale
l
f (x)w(x)dx
j f (xj ), xj [, ].
j=0
On notera
que les formules du 1 rentrent dans ce cadre (avec w 1); en general,
on a
j = 1. Lerreur due a` la methode est donnee par :
l
f (x)w(x)dx
j f (xj ).
E(f ) =
j=0
Th
eor`
eme et d
enition On suppose que la methode est dordre N 0. Si
f est de classe C N +1 sur [, ], alors
E(f ) =
1
N!
a la methode,
o`
u KN est une fonction sur [, ], appelee noyau de Peano associe `
denie par
t [, ].
KN (t) = E x
(x t)N
+ ,
D
emonstration. On observe dabord que f
E(f ) est une forme lineaire sur
C([, ]). Si g : (x, t)
g(x, t) est une fonction integrable sur [, ] I, le theor`eme
de Fubini implique par ailleurs
E x
g(x, t)dt =
E x
g(x, t) dt.
tI
tI
u
Comme pN PN , on a E(pN ) = 0 par hypoth`ese, do`
1
(N +1)
(x t)N
(t)dt
E(f ) = E x
+f
N!
1
(N +1)
=
(x t)N
E x
f
(t)
dt
+
N!
1 (N +1)
f
(t) E x
(x t)N
=
+ dt
N!
1
=
KN (t)f (N +1) (t)dt.
N!
68
Analyse num
erique et
equations diff
erentielles
Corollaire 1 On a la majoration
1
f (N +1)
E(f )
N!
|KN (t)|dt.
KN (t)dt =
1
N +1
KN (t)dt.
E(x xN +1 ), donc
E(f ) =
1
f (N +1) () E(x
xN +1 ).
(N + 1)!
D
emonstration. La premi`ere egalite resulte du theor`eme et de la formule de la
moyenne appliquee `a la fonction f (N +1) et au poids w = KN (ou w = KN si
KN 0). La deuxi`eme egalite sobtient en prenant
f (x) = xN +1 ,
qui donne
E(f ) =
1
f (x)dx 2f (0).
1
1
(x t)dx 2t
=
t
1
2
(x t)2
1
t
2t =
1
(1 t)2 2t .
2
69
III Int
egration num
erique
On a donc
K1 (t) =
1
2
1
2
(1 t)2
(1 t)2 + 2t =
1
2
1
f (),
3
si t 0
si t 0,
(1 + t)2
1
1
K1 (t) =
1
(1
0
] 1, 1[.
M
ethode des trap`
ezes (ordre 1)
E(f ) =
1
1
K1 (t) =
1
1
(x t)dx (1 t),
=
t
1
K1 (t) = (1 t2 ) 0
2
Comme
1
1
K1 (t)dt = 23 , on en deduit
2
E(f ) = f (),
3
] 1, 1[.
M
ethode de Simpson (ordre 3)
1
2
1
f (1) + f (0) + f (1) .
f (x)dx 2
6
3
6
1
3
K3 (t) = E x
(x t)+
1
2
1
K3 (t) =
(x t)3+ dx 2 0 + (t)3+ + (1 t)3+
3
6
1
1
2
1
t3 + (1 t)3
=
(x t)3 dx 2
3
6
t
1
E(f ) =
Si t 0, on obtient donc
1
1
(1 t)4 (1 t)3
4
3
1
1
3
(1 t) [3(1 t) 4] = (1 t)3 (1 + 3t).
=
12
12
K3 (t) =
t)2 dt =
1
3,
70
Si
Analyse num
erique et
equations diff
erentielles
t 0, on a
K3 (t) =
1
4
1
(1 t)3 (1 + 3t) + t3 = (1 + t)3 (1 3t).
12
3
12
1
1
f (x)dx 2
l
j f (j )
j=0
On a donc ici
1
K3 (t) = (1 |t|)3 (1 + 3|t|) 0 sur [1, 1],
12
1
1
1
1
1
1
1
(1 t)4 (1 t)3 dt = 2
= ,
K3 (t) = 2
4
3
20 12
15
1
0
1
E(f ) =
f (4) ().
15 3!
Nous admettrons le resultat general suivant.
Th
eor`
eme de Steensen Dans les methodes de Newton-Cotes, le noyau de
Peano est de signe constant.
Le corollaire 2 du 2.2 est donc toujours applicable dans ce cas.
g(x)dx 2
l
j g(j ),
j [1, 1].
j=0
1
1
g(x)dx 2
l
j=0
j g(j ).
71
III Int
egration num
erique
f (x)dx
Ecomp (f ) =
k1
i=0
hi
l
j f (i,j )
j=0
o`
u i,j se deduit de j par le changement de variable
[1, 1] [i , i+1 ]
hi
i + i+1
+u .
u
x =
2
2
Denissons gi C([1, 1]) par
gi (u) = f
Comme dx =
hi
2
+
hi
i
i+1
+u
.
2
2
du, il vient
k1
hi
Ecomp (f ) =
2
i=0
gi (u)du hi
l
j gi (j ) =
j=0
k1
i=0
hi
Eelem (gi ).
2
2
i + i+1
t
. Alors i [1, 1] si et
hi
2
pour u [1, 1] :
N
pour u [1, 1].
ou bien i < 1, et (u i )N
+ (u i )
72
Analyse num
erique et
equations diff
erentielles
hj
2
N +1
kN
2
hj
kN
t
j +j+1
2
,
t [j , j+1 ].
KN
1 2
3 4
Th
eor`
eme
CN
hN +1 f (N +1) ()( ).
N ! 2N +2
On voit donc que lorsque le pas h tend vers 0 lordre de grandeur de lerreur dans
une methode composee dordre N est approximativement hN +1 . Ce resultat justie
linteret des methodes dordre eleve, qui donnent une precision plus grande pourvu
que f soit tr`es reguli`ere.
D
emonstration. KN etant lui aussi de signe constant, le corollaire 2 du 2.2
montre lexistence de ], [ tel que
1 (N +1)
f
()
KN (t)dt.
Ecomp (f ) =
N!
h N +1 1 2
0 + 1
kn
=k
t
dt
2
h
2
0
1
+ h2 u, dt = h2 du fournit
Le changement de variable t = 0 +
2
h N +2 1
KN (t)dt = k
kn (u)du
2
= kh
CN
hN +1
CN = N +2 hN +1 ( ),
N
+2
2
2
73
III Int
egration num
erique
do`
u le theor`eme.
Les exemples du 2.3 donnent en particulier :
1
,
3
2
N = 1, C1 = ,
3
1
N = 3, C3 = ,
15
Point milieu :
1 2
h f ()( ),
24
1
Ecomp (f ) = h2 f ()( ),
12
1
Ecomp (f ) =
h4 f (4) ()( ).
2880
N = 1, C1 =
Trap`ezes :
Simpson :
Ecomp (f ) =
Les methodes de Gauss concernent le calcul numerique dintegrales faisant intervenir
un poids. Elles constituent une application directe de la theorie des polyn
omes
orthogonaux.
Soit w une fonction poids xee sur ], [. On etudie les methodes dintegration
approchee du type
f (x)w(x)dx
l
j f (xj ),
xj [, ].
j=0
Th
eor`
eme 1 Il existe un choix et un seul des points xj et des coecients j
de sorte que la methode soit dordre N = 2l + 1. Les points xj appartiennent `
a
], [ et sont les racines du (l + 1)-i`eme polyn
ome orthogonal pour le poids w.
Unicit
e. Supposons quon ait des points xj et des coecients j pour lesquels la
methode est dordre 2l + 1. Posons
l+1 (x) =
l
(x xj ).
j=0
p(x)l+1 (x)w(x)dx =
l
j=0
Ceci entrane que l+1 est orthogonal a` Pl . Comme l+1 est unitaire, cest donc le
(l + 1)-i`eme polynome orthogonal associe au poids w. Les points xj ne sont autres
que les racines de ce polynome.
74
Analyse num
erique et
equations diff
erentielles
Soit Li Pl tel que
Li (xj ) = 1 si i = j,
Li (xj ) = 0 si i = j.
l
j Li (xj ) =
Li (x)w(x)dx.
j=0
pl (x) =
j=0
l
pl (x)w(x) =
j f (xj ).
j=0
f (x)w(x)dx =
r(x)w(x)dx =
l
j r(xj )
j=0
Comme f (xj ) = r(xj ), on a donc bien E(f ) = 0. Il reste seulement `a voir que
lordre nest pas > 2l + 1, ce qui resulte du theor`eme ci-dessous.
Th
eor`
eme 2 Le noyau de Peano K2l+1 est 0, et pour tout f C 2l+2 ([, ]),
il existe ], [ tel que
f (2l+2) ()
E(f ) =
(2l + 2)!
75
III Int
egration num
erique
o`
u est une primitive dordre 2l + 2 de . Supposons par labsurde quil existe
K
(t)(t)dt
K2l+1 (t)K2l+1 (t)dt 2
|K2l+1 (t)|dt.
2l+1
Comme
petit :
K2l+1 (t)K2l+1
(t)dt =
(K2l+1
(t))2 dt
2
l+1
(x)q(x)w(x)dx 0.
E() = q()
2
l+1
(x)w(x)dx,
et par ailleurs
E() =
1
(2l + 1)!
76
Analyse num
erique et
equations diff
erentielles
g admet x0 , . . . , xl comme zeros de multiplicite 2, et de multiplicite 1, cest-`adire au moins 2l + 3 zeros. Il existe donc un point intermediaire entre les points
xj , , tel que g (2l+2) () = 0. Par suite
0 = g (2l+2) () = (2l+2) () (2l + 2)! q() = () (2l + 2)! q()
et comme () > 0 on en deduit bien q() > 0, contradiction. Par suite K2l+1 0
et le corollaire 2 du 2.2 donne
E(f ) =
1
f (2l+2) () E(x
x2l+2 ).
(2l + 2)!
2l+2
2
2
E(x
x
) = E(l+1 ) = l+1 (x) w(x)dx, ce qui demontre le theor`eme.
Linteret des methodes de Gauss est de realiser lordre N maximal pour un nombre
xe l + 1 de points dinterpolation. Neanmoins, la complexite du calcul des
polyn
omes orthogonaux fait que les methodes de Gauss ne sont gu`ere utilisees que
dans les deux cas suivants.
w(x) = 1 sur [1, 1] : methode de Gauss-Legendre.
Les polyn
omes orthogonaux successifs et les points xj correspondant sont donnes
par le tableau :
l+1 (x)
x2
1
3
x3
3
x
5
6
3
x4 x2 +
7
35
x5
10 3
5
x + x
9
21
x0 , . . . , xl
0 , . . . , l
ordre N
1, 1
1
1
,
3
3
3
3
, 0,
5
5
3 2 6
7 7 5
5 2 10
0,
9 9 7
5 8 5
, ,
9 9 9
1 1 5 1 1 5
, +
2 6 6 2 6 6
compliques !
1
sur ] 1, 1[ : methode de Gauss-Tchebychev.
1 x2
Les points xj sont alors les points dinterpolation de Tchebychev dans lintervalle
] 1, 1[ :
2j + 1
, 0 j l,
xj = cos
2l + 2
w(x) =
77
III Int
egration num
erique
.
f (x)
f cos
l + 1 j=0
2l + 2
1 x2
1
Nous allons quitter ici quelque peu le l directeur des paragraphes precedents. Notre
objectif est dobtenir une formule theorique pour le calcul du developpement limite
des approximations numeriques en fonction du pas de la subdivision. Ceci conduit,
pour des fonctions susamment reguli`eres, `a des procedes numeriques en general
tr`es performants.
Soit f une fonction de classe C p sur [0, 1] avec p 1. Une integration par parties
donne
'1 1
&
1
1
1
x
f (x)
f (x)dx,
f (x)dx = x
2
2
0
0
0
ce qui peut se recrire
1
1
1
1
f (0) + f (1) =
f (x)dx +
B1 (x)f (x)dx
2
2
0
0
1
1)!
p!
p!
0
0
1
o`
u bp = Bp (0) = Bp (1) par denition (noter que Bp (1) Bp (0) = 0 pBp1 (x)dx
est nulle pour p 2). De ceci on deduit facilement par recurrence la formule
1
b
1
bm (m1)
1
f (0) + f (1) =
f
f (x)dx +
(1)m
(1) f (m1) (0)
2
2
m!
0
m=2
1
Bp (x) (p)
f (x)dx.
()
+ (1)p+1
p!
0
78
Analyse num
erique et
equations diff
erentielles
B2 (x) = x x + C,
do`
u
x [0, 1],
x [0, 1[.
1/2
B1
2
1/2
1/2
1/6
2
B2
1
1/12
Th
eor`
eme et d
enition
Les polyn
omes Bp sont appeles polyn
omes de
Bernoulli. Les nombres de Bernoulli sont les reels bp denis par
b0 = 1,
1
b1 = ,
2
bp = Bp (0)
si
On a les formules :
(1)
p
Bp (x) =
Cpm bm xpm
, p 1,
m=0
(2)
bp =
p
Cpm bm
, p 2.
m=0
(3)
(4)
Bp (1 x) = (1)p Bp (x)
bm = 0 si m est impair 3.
, p 1.
x [0, 1[.
p 2.
79
III Int
egration num
erique
D
emonstration
(1) La formule est vraie pour p = 1 dapr`es la denition de b0 , b1 . Supposons la
formule vraie a` lordre p 1 :
Bp1 (x) =
p1
m
Cp1
bm xp1m .
m=0
On a alors
p1
m
pCp1
bm xp1m ,
m=0
Bp (x) = Bp (0) +
= bp +
p1
p
m
Cp1
bm xpm
p
m
m=0
p1
Cpm bm xpm ,
m=0
p
Bp (x) (p)
m bm
(m1)
(m1)
p+1
+
f
f (x)dx.
(1)
() f
() + (1)
m!
p!
m=2
80
Analyse num
erique et
equations diff
erentielles
1
2
f () la somme
k
b2m (2m1)
() f (2m1) ()
f
(2m)!
m=1
B2k (x) (2k)
f
(x)dx.
(2k)!
f (x)dx +
T (f ) =
1=
2inx
dx + 0 (2in)
p
0
Bp (x) 2inx
e
dx,
p!
Bp (n) =
-p (0) =
B
p!
(2in)p
si n = 0,
Bp (x) = 0 si n = 0.
e2inx
,
(2in)p
(x R).
nZ
+
(1)k+1 2(2k)! cos 2nx
,
(2)2k
n2k
n=1
+
(1)k+1 2(2k + 1)! sin 2nx
.
(2)2k+1
n2k+1
n=1
81
III Int
egration num
erique
(1)k+1 2(2k)!
(2k).
(2)2k
b2k =
Comme (s) 1 +
particulier on a
+
1
+
1
,
s
n
n=1
b2k
(1)k+1 2(2k)!
(2)2k
quand
k +.
Les coecients |b2k | tendent donc vers + assez vite. Par ailleurs, il est clair que
B2k (x) atteint sa valeur absolue maximum pour x = 0 ; on obtient donc
|B2k (x)| |b2k |,
x R.
()
Soit f une fonction de classe C sur [, +[ o`
u Z. Pour tout entier n , on
cherche `a obtenir un developpement limite `a tout ordre de la somme
Sn (f ) = f () + f ( + 1) + . . . + f (n)
lorsque n tend vers +. Un tel developpement est appele developpement asymptotique de Sn (f ) ; il permet generalement dobtenir de tr`es bonnes valeurs approchees
de Sn (f ) lorsque n est grand.
Th
eor`
eme On suppose quil existe un entier m0 N et un reel x0 tels que
pour m m0 les derivees f (m) (x) soient de signe constant sur [x0 , +[, avec
limx+ f (m) (x) = 0. Alors il existe une constante C independante de n et k, telle
que pour tout n x0 et tout k > m20 on ait :
Sn (f ) = C +
avec
Rn,k =
1
f (n) +
2
f (x)dx +
k1
b2m
f (2m1) (n) + Rn,k
(2m)!
m=1
b2k
f (2k1) (n) = (1er terme omis),
(2k)!
[0, 1].
82
Analyse num
erique et
equations diff
erentielles
D
emonstration. On a par denition Sn (f ) = 12 f () + 12 f (n) + T (f ) o`
u T (f ) est
la somme des trap`ezes de f sur [, n]. La formule dEuler Maclaurin entrane
Sn (f ) =
k
b2m
f (2m1) (n)
(2m)!
m=1
+
k
b2m
B2k (x) (2k)
f (2m1) ()
f
(x)dx
(2m)!
(2k)!
m=1
+
B2k (x) (2k)
f
+
(x)dx.
(2k)!
n
1
1
f () + f (n) +
2
2
f (x)dx +
m=1
+
B2k (x) (2k)
b2k
(2k1)
f
f
Rn,k =
(n) +
(x)dx,
(2k)!
(2k)!
n
` condition de montrer que les integrales convergent. Comme k > m20 , f (2k) est de
a
signe constant sur [x0 , +[. Dapr`es linegalite () du 4.2, il vient
+ B (x)
|b2k | + (2k)
2k
(2k)
f
(x)dx
f
(x),
(2k)!
(2k)!
n
n
+
N
(2k)
f (2k1) (N )f (2k1) (n) = f (2k1) (n).
f
(x)dx = lim
= lim
n
N +
N +
On a donc bien convergence et nos estimations montrent par ailleurs que lintegrale
gurant dans Rn,k est de valeur absolue plus petite que le premier terme, donc
Rn,k =
b2k
f (2k1) (n),
(2k)!
[0, 2].
83
III Int
egration num
erique
f (m) (x) =
(1)m1 (m 1)!
,
xm
ln (n!) = C +
n! = eC
k1
1
b2m
1
ln (n) + n(ln (n) 1) +
+ Rn,k
2m1
2
2m(2m 1) n
m=1
k1
n n
b2m
1
n
exp
+
R
n,k
e
2m(2m 1) n2m1
m=1
2n
n n
e
Exercice On pose In =
(a) Montrer
Calculer
do`
u
1
1
1
.
12n 360n3
1260n5
1680n7
/2
0
que In = n1
n In2 si
I0 , I1 puis I2n , I2n+1
sinn x dx, n N.
n 2.
et I2n I2n+1 .
(2n)!
22n
et la valeur de eC .
2
n!
n
On va montrer ici comment `a partir de la formule dEuler-Maclaurin on peut
construire une methode dintegration basee sur lacceleration de la convergence
de la methode des trap`ezes. On obtient ainsi un algorithme de calcul souple et
performant, aise `a programmer et souvent prefere `a tout autre dans la pratique.
On suppose donnee une fonction A qui admet un developpement limite `a tout ordre
au voisinage de 0 :
A(t) = a0 + a1 t + . . . + ak tk + Rk+1 (t)
84
Analyse num
erique et
equations diff
erentielles
Principe de la m
ethode Soit r > 1 un reel xe. On a
A(rt) = a0 + . . . + an rn tn + . . . + ak rk tk + O(tk+1 ).
Pour eliminer le terme en tn , il sut de former le quotient
rn A(t) A(rt)
= a0 + b1 t + . . . + bn1 tn1 + 0 + bn+1 tn1 + . . .
rn 1
Si on calcule successivement les quantites
A0 (t) = A(t)
rA0 (t) A0 (rt)
A1 (t) =
,...,
r1
rn An1 (t) An1 (rt)
An (t) =
,
rn 1
alors on elimine successivement t, t2 , . . . , tn . De mani`ere generale on aura
An (t) = a0 + bn,n+1 tn+1 + . . . + bn,k tk + O(tk+1 )
donc An (t) = A0 + O(tn+1 ) est une meilleure approximation de a0 que la fonction
A(t) initiale. Supposons en particulier quon sache calculer les quantites
Am,0 = A(rm t0 )
o`
u t0 > 0 est xe (de sorte que limm+ Am,0 = a0 ). On a seulement a priori
A(t) = a0 + O(t), donc
Am,0 = a0 + O(rm ).
Si on pose Am,n = An (rm t0 ), il vient
Am,n = a0 + O(rm(n+1) ) quand
m +,
de sorte que la convergence est sensiblement (n + 1)-fois rapide que celle de Am,0 .
Les nombres Am,n se calculent par la formule de recurrence
Am,n =
rn Am,n1 Am1,n1
.
rn 1
Dans la pratique, on commence par ranger les valeurs Am,0 dans un tableau
TAB, puis on eectue le calcul des colonnes Am,1 , Am,2 , . . . comme suit :
85
III Int
egration num
erique
TAB[0]
A0,0
A1,1
A2,2
A3,3
TAB[1]
A1,0
A2,1
A3,2
...
TAB[2]
A2,0
A3,1
...
...
TAB[3]
...
A3,0
...
...
...
...
...
...
...
Chaque colonne est une suite convergeant vers a0 , mais la colonne dindice n converge n + 1 fois plus vite a` linni que celle dindice 0.
Soit f C ([, ]). On consid`ere la subdivision de [, ] en l sous-intervalle egaux
u h =
donnee par les points xj = + jh, 0 j l o`
l , et on note
1
1
f () + f ( + h) + . . . + f ( h) + f ()
Tf (h) = h
2
2
la somme des trap`ezes associees. Appliquons la formule dEuler-Maclaurin a` la
fonction
g(u) = f ( + uh), u [0, l],
g (m) (u) = hm f (m) ( + uh).
Il vient
Tg (1) =
k
b2m 2m1 (2m1)
h
() f (2m1) ()
f
2m!
m=1
l
B2k (u) (2k)
f
h2k
( + uh)du
2k!
0
f ( + uh)du +
0
do`
u
k
b2m
h2m f (2m1) () f (2m1) ()
(2m)!
m=1
B2k ((x )/h) (2k)
f
(x)dx.
h2k
2k!
f (x)dx +
Tf (h) =
f (x)dx +
avec am =
b2m
(2m)!
k1
am h2m + O(h2k )
m=1
f (2m1) () f (2m1) () .
86
Analyse num
erique et
equations diff
erentielles
a0 =
f (x)dx.
)
Am,0 = Tf
2m
On applique donc le procede dextrapolation de Richardson avec r = 4, ce qui
conduit a` la formule de recurrence
Am,n =
4n Am,n1 Am1,n1
.
4n 1
Am,0 = h f ( + h) + f ( + 3h) + . . . + f ( h)
et alors on obtient
Am,0 =
1
Am1,0 + Am,0 .
2
reduit a` son terme constant. Il est inutile dans ce cas dappliquer le procede
dextrapolation de Richardson : la derni`ere somme des trap`ezes calculee Am,0 donne
dej`a une tr`es bonne approximation de lintegrale.
Exercice Verier que Am,1 (resp. Am,2 ) est la methode de Simpson composee
sur 2m1 sous-intervalles (resp. Boole-Villarceau sur 2m2 sous-intervalles).
Pour n 3, on peut verier que Am,n ne correspond plus a` une methode de NewtonCotes.
87
III Int
egration num
erique
6.1. Soient x1 et x2 deux points de [1, 1] et 1 et 2 R. On designe par C[1, 1]
lespace vectoriel des fonctions continues sur [1, 1] et `a valeurs reelles et on denit
T : C[1, 1] R
par
T (f ) = 1 f (x1 ) + 2 f (x2 ).
(a) Quelles conditions doivent verier x1 , x2 , 1 , 2 pour que T soit une methode
dintegration sur [1, 1] exacte pour
() Les fonctions constantes ?
() Les fonctions anes ?
() Les polyn
omes de degre inferieur ou egal `a 2 ?
(b) Parmi les methodes exactes pour les polynomes de degre inferieur ou egal `a 2,
une seule verie x1 = x2 . Montrer que ce choix de x1 et x2 (et des 1
et 2 correspondants) fournit une methode exacte pour les polynomes de degre
inferieur ou egal `a 3 et quil sagit de la seule methode dintegration exacte pour
les polyn
omes de degre inferieur ou egal `a 3 qui soit du type etudie dans le
probl`eme. Quelle est cette methode ?
6.2.
(a) Montrer que pour un polyn
ome trigonometrique de degre n
n
cp eipx ,
p=n
2
n+1
2
0
f (x)dx.
(c) On consid`ere f (x) = exp 12 sin x . Donner une majoration de lerreur pour la
2
methode des trap`ezes pour 0 f (x) dx avec h = /2, h = /4. Que pensez-vous
de ce dernier resultat ?
6.3. Soit f : [1, 1] R une fonction de classe C n , o`
u n sera suppose aussi
grand que les besoins lexigeront. On consid`ere la methode dintegration numerique
approchee donnee par
(M)
1
88
Analyse num
erique et
equations diff
erentielles
E(f ) =
1
f (x) (f () + f ())
g(x)dx
a
n
mp .
m=1
1
x
et on note
() =
+
1
.
n
n=1
89
III Int
egration num
erique
e dx
2 ea 1
(2m)!
ea 1 0 (2k)!
m=1
(b) Montrer que le reste integral est majore pour tout a C par
|b2k | e| Re a| 1
|a|
|a|2k
a
(2k)! | Re a| |e 1|
si
ea = 1.
+
a
a2m
+1
En deduire que a2 eea 1
= 1 + m=1 b2m
(2m)! sur le disque |a| < 2, et que le
rayon de convergence de la serie est 2.
(c) Lorsque a est reel, montrer que le reste integral est majore par |b2k |a2k /(2k)!,
ainsi que par 2|b2k+2 |a2k+2 /(2k + 2)!.
Utiliser ceci pour trouver une valeur approchee de (e + 1)/(e 1) en prenant
k = 4. Verier que lerreur commise est inferieure `a 107 .
6.7. On consid`ere la fonction
f (x) =
1
,
1 + x2
x R.
n
k=0
1
.
1 + k2
(c) Calculer S10 et en deduire une valeur approchee `a 106 pr`es de la somme
+
1
.
1
+
n2
n=0
6.8. On se propose ici detudier une methode dintegration numerique analogue
aux methodes de Newton-Cotes.
90
Analyse num
erique et
equations diff
erentielles
(a) Soit g une fonction continue sur [1, 2]. Determiner le polyn
ome
2
p(x) = i=1 g(i)i (x) de degre 3 qui interpole g aux points 1, 0, 1, 2.
Exprimer lerreur dinterpolation a` laide du polyn
ome
(x) = x(x + 1)(x 1)(x 2).
(b) Calculer
1
0
En deduire
p(x)dx et
2
1
0
1
p(x)dx.
1
0
|(x)|dx et
0
1
|(x)|dx.
i+1
ba
n
et on pose fi = f (ai ).
f (x)dx =
a
n1
ai+1
i=0
f (x)dx
ai
n1
ai
i=0
pi (x)dx
ai+1
o`
u pi designe le polynome dinterpolation de Lagrange de f aux points ai1 , ai ,
ai+1 , ai+2 si 1 i n 2, avec la convention decriture p0 = p1 , pn1 = pn2 .
Montrer que cette methode secrit
f (x)dx h
a
n
i fi
i=0
pour des coecients i que lon explicitera. Que peut-on dire de lordre de la
methode ?
(e) Majorer les erreurs
ai+1
ai
|f (x) pi (x)|dx et
f (x)dx h
E(f ) =
a
n
i fi
i=0
91
III Int
egration num
erique
dx est convergente.
1 x2
1
ome de Tchebychev de degre n.
(b) On note tn le polyn
1 tn (x)tk (x)
1
1x2
1 xn tm (x)
dx
1
1x2
On rappelle le resultat
Kronecker. Calculer
dx =
pour
n,k o`
u n,k est le symbole de
n < m.
1
0
4
dx
x(1x)
sa valeur.
(e) Pour n xe non nul, on designe par xk les racines de tn et par Ak des nombres
reels (0 k n 1). Pour tout f C on note
Sn (f ) =
n1
k=0
Ak f (xk ) et
Rn (f ) =
1
1
f (x)
dx Sn (f ).
1 x2
() Montrer que lon peut determiner les Ak de mani`ere unique de sorte que
pour tout polyn
ome P de degre n 1 on ait Rn (P ) = 0.
n1
() Montrer que pour 1 p n 1 on a k=0 Tp (xk ) = 0.
En deduire que Ak = n pour tout k.
ome de degre 2n 1.
() Montrer que Rn (P ) = 0 pour tout polyn
(f) Soient f C et P un polyn
ome. En supposant f p < , donner un majorant
de |Rn (f )| lorsque n +. En deduire
1
f (x)
lim Sn (f ) =
dx.
n+
1 x2
1
6.10. Le but du probl`eme est detablir quelques resultats sur la formule approchee
1
1
f (x)dx 1 Pn (x)dx o`
u Pn (x) est le polyn
ome dinterpolation de degre n de
1
f aux points de Tchebychev xi = cos i , tels que i =
(2i+1)
2n+2
, 0 i n.
92
Analyse num
erique et
equations diff
erentielles
1
1
Pn (x)dx =
n
i f (xi ) avec i =
i=0
(1)i sin i
an+1 (xi ).
n+1
1q< n
2
1
sin (n 2q).
4q 2 1
2 4
i =
1q n+1
2
1
cos 2qi
4q 2 1
n+1
Soit (E, d) un espace metrique complet et : E E une application continue. On
dit que a E est un point xe de si (a) = a. On dit que est contractante si
est lipschitzienne de rapport k < 1, cest-`a-dire sil existe k < 1 tel que
x, y E,
Th
eor`
eme Soit : E E une application contractante dun espace metrique
complet dans lui-meme. Alors admet un point xe unique a E. De plus, pour
tout point initial x0 E, la suite iteree (xp ) denie par xp+1 = (xp ) converge
vers a.
Unicit
e du point xe. Si avait deux points xes a = b, alors d((a), (b)) =
d(a, b) et d(a, b) = 0, donc ne pourrait etre contractante, contradiction.
Existence du point xe. Soit x0 E un point initial quelconque et (xp ) la suite
iteree associee. On a alors
d(xp , xp+1 ) = d((xp1 ), (xp )) k d(xp1 , xp )
94
Analyse num
erique et
equations diff
erentielles
do`
u par recurrence d(xp , xp+1 ) k p d(x0 , x1 ). Pour tout entier q > p il vient
d(xp , xq )
q1
d(xl , xl+1 )
l=p
avec
q1
l=p
kl
+
l=p
kl =
q1
k
d(x0 , x1 )
l=p
kp
. On a donc
1k
d(xp , xq )
kp
d(x0 , x1 ),
1k
p < q
ce qui montre que (xp ) est une suite de Cauchy. Comme (E, d) est complet, la suite
(xp ) converge vers un point limite a E. Legalite xp+1 = (xp ) et la continuite
de impliquent a` la limite a = (a).
G
en
eralisation Le theor`eme precedent reste enti`erement valable si on
remplace lhypoth`ese que est contractante par lhypoth`ese que est continue et
quil existe une certaine iteree m = . . . qui soit contractante.
En eet, dans ce cas, lhypoth`ese que m soit contractante implique que m admet
un unique point xe a. On a donc m (a) = a et en appliquant `a cette egalite on
trouve
m ((a)) = m+1 (a) = (m (a)) = (a),
de sorte que (a) est encore un point xe de m . Lunicite du point xe de m
entrane (a) = a. Par ailleurs, comme tout point xe de est aussi un point xe
de m , ce point xe est necessairement unique. Enn, pour tout point initial x0 , la
sous-suite xmp = mp (x0 ) = (m )p (x0 ) (correspondant aux indices multiples de m)
converge vers a. Il en resulte que xmp+r = r (xmp ) converge aussi vers r (a) = a
pour r = 0, 1, . . . m 1, et on en deduit limq+ xq = a. Voir aussi le probl`eme
4.1 pour une autre demonstration de ces resultats.
IV M
ethodes it
eratives pour la r
esolution d
equations
95
Comme premi`ere application elementaire du resultat precedent, soit a` resoudre
une equation f (x) = 0 dune variable reelle x. Supposons quon ait une fonction
dierentiable f : [a, b] R telle que disons
f (a) < 0, f (b) > 0, et f strictement
croissante, 0 < m f (x) M sur [a, b] dans le cas oppose f (a) > 0, f (b) < 0, et
M f (x) < m < 0 il sura de changer f en f . Si on pose
(x) = x Cf (x)
avec une constante C = 0, il est clair que lequation f (x) = 0 equivaut a` (x) = x
et donc la resolution de lequation f (x) = 0 se ram`ene `a rechercher les points xes
de . Lespace E = [a, b] est complet, et il nous faut verier de plus
que envoie bien E dans E,
que est bien contractante sur E.
Or nous avons (x) = 1 Cf (x), donc 1 CM (x) 1 Cm, et pour le
choix C = 1/M , la fonction est bien contractante dans le rapport k = 1 m/M .
De plus est croissante et on a (a) > a, (b) < b, donc ([a, b]) [a, b]. Il en
resulte que toute suite iterative xp+1 = (xp ) calculee `a partir dun point x0 [a, b]
quelconque va converger vers lunique solution de lequation f (x) = 0.
La vitesse de convergence peut etre estimee par la suite geometrique (1 m/M )p ,
et on voit quon a interet `a ce que les bornes m et M de lencadrement m f M
soient proches, ce qui est toujours possible si f est continue et si lencadrement
initial [a, b] de la solution x cherchee est susamment n. Lobjet de ce chapitre
est detudier et de generaliser ce type de techniques, pour des fonctions dune ou
plusieurs variables.
Notre objectif est ici detudier le comportement iteratif dune fonction au voisinage
de ses points xes. Soit I un intervalle ferme de R et : I I une application de
classe C 1 . Soit a I un point xe de . On peut distinguer trois cas :
(1) | (a)| < 1.
Soit k tel que | (a)| < k < 1. Par continuite de , il existe un intervalle
E = [a h, a + h] sur lequel | | k, donc est contractante de rapport k sur E ;
on a necessairement (E) E et par consequent
x0 [a h, a + h],
lim xp = a.
p+
On dit que a est un point xe attractif. Dans ce cas la convergence de la suite (xp )
est au moins exponentiellement rapide : |xp a| k p |x0 a|.
96
Analyse num
erique et
equations diff
erentielles
|xp a|
2
M
1
2
2p
M |x0 a| .
1
5M ,
on obtient
p
2
102 ;
M
on voit donc que le nombre de decimales exactes double environ `a chaque iteration ;
10 iterations suraient ainsi theoriquement pour obtenir plus de 1000 decimales
exactes ! La convergence est donc ici extraordinairement rapide.
Ce phenom`ene est appele phenom`ene de convergence quadratique, et le point xe a
est alors appele parfois point xe superattractif.
(2) | (a)| > 1.
(x) (a)
Comme lim
= | (a)| > 1, on voit quil existe un voisinage
x0
xa
[a h, a + h] de a tel que
x [a h, a + h] \ {a},
On dit alors que le point xe a est repulsif. Dans ce cas, la derivee est de signe
constant au voisinage de a, donc il existe h > 0 tel que la restriction |[ah,a+h]
admette une application reciproque 1 denie sur ([a h, a + h]), qui est un
intervalle contenant (a) = a. Lequation (x) = x peut se recrire x = 1 (x) au
voisinage de a, et comme (1 ) (a) = 1/ (a), le point a est un point xe attractif
pour 1 .
(3) | (a)| = 1.
On est ici dans un cas douteux, comme le montrent les deux exemples suivants dans
lesquels a = 0, (a) = 1 :
97
IV M
ethodes it
eratives pour la r
esolution d
equations
Exemple 1 (x)
= sin x, x 0, 2 . On a ici sin x < x pour tout x 0, 2 .
Pour tout x0 0, 2 la suite iteree (xp ) est strictement decroissante minoree, donc
convergente. La limite l verie l = sin l, donc l = 0.
Exemple 2 (x) = sinh x, x [0, +[. Comme sinh x > x pour tout x > 0,
on voit que le point xe 0 est repulsif et que x0 > 0, lim xp = +.
p+
Nous voulons decrire ici un peu plus nement le comportement de la suite iterative
xp+1 = (xp ) au voisinage dun point xe attractif a. On suppose donc de
classe C 1 et | (a)| < 1. On peut de nouveau distinguer plusieurs cas.
(1) (a) > 0.
Par continuite de on va avoir 0 < (x) < 1 au voisinage de a, donc il existe
un voisinage [a h, a + h] sur lequel x
(x) et x
x (x) sont strictement
croissantes, par suite
x < (x) < (a) = a pour x [a h, a[
a = (a) < (x) < x pour x ]a, a + h],
ce qui implique en particulier que ([a h, a + h] [a h, a + h]. Il est facile de
voir dans ce cas que la suite iterative xp+1 = (xp ) va etre strictement croissante
pour x0 [a h, a[ et strictement decroissante si x0 ]a, a + h]. On obtient alors
typiquement un graphe en escalier :
y
y=x
y = (x)
(x0 )
ah
x0
x1 ... xp a
x1
x0
a+h
98
Analyse num
erique et
equations diff
erentielles
tandis que si x > a, on (x) < (a) = a. Comme est strictement croissante
(de derivee < 1) sur [a h, a + h], le cas (1) montre que les suites x2p et x2p+1 sont
monotones de limite Il sagit donc de suites adjacentes, et on obtient un graphe en
escargot :
y
y=x
(xp )
y = (x)
ah
x0
x2
xp a xp+1 x3 x1
a+h
(3) (a) = 0.
En general, on ne va rien pouvoir conclure. Cependant, si est de classe C 2 et
(a) = 0, alors le point a est un extremum local. On choisira h assez petit pour
que ne change pas de signe et | | < 1 sur [a h, a + h]. Alors, si (a) < 0
(resp. (a) > 0), le point a est un maximum local (resp. un minimum local), et
pour x0 [a h, a + h] {a} quelconque, il est facile de voir que la suite (xp )
est strictement croissante (resp. decroissante), mis `a part peut-etre pour le terme
initial x0 . On aboutit encore a` un graphe en escalier.
Soit a` resoudre lequation f (x) = x3 4x + 1 = 0, x R. On a f (x) = 3x2 4 et
letude de f donne :
x
f (x)
f (x)
1+
16
3 3
2
3
23
1
16
3 3
99
IV M
ethodes it
eratives pour la r
esolution d
equations
y = f (x)
a1
2
2
3
a2
a3
2
Lequation f (x) = 0 admet donc 3 racines reelles a1 < a2 < a3 . le calcul de quelques
valeurs de f donne
2, 5 < a1 < 2,
0 < a2 < 0, 5,
1, 5 < a3 < 2.
(2) = 3.
sur [0 ; 0, 5],
0 0, 1875.
(1, 5) = 1, 6875.
1
4
(x3 + 1). On a
1
4 ,
x
(x) = 4
1
,
x
1/2
suivant que x est 0 ou 0. on a alors = 2x1 2 4 x1
, de sorte que
0 + + (1, 5) 0, 122
(2) 0, 059 0
La convergence sera donc assez rapide. Nous allons voir quil existe en fait une
methode generale plus ecace et plus systematique.
100
Analyse num
erique et
equations diff
erentielles
On cherche `a evaluer numeriquement la racine a dune equation f (x) = 0, en
supposant quon dispose dune valeur grossi`ere x0 de cette racine.
y
f
a
x1
x0
f (x)
et h = min r, 1 . Alors pour tout
et que f = 0 sur I. Soit M = max
M
xI f (x)
x [ah, a+h] on a |(x)a| M |xa|2 , et pour tout point initial x0 [ah, a+h]
|xp a|
p
1
(M |x0 a|)2 .
M
IV M
ethodes it
eratives pour la r
esolution d
equations
101
D
emonstration. Introduisons la fonction u(x) = f (x)/f (x). La fonction f est
monotone sur I, nulle en a, donc f a meme signe que f (a)(x a), ce qui entrane
que u(x) a meme signe que x a. De plus
u (x) = 1
f (x)f (x)
f (x)
u(x),
=
1
f (x)2
f (x)
Lemme 1 On a |u(x)|
1
M
Il vient
1
M
1 M a
(e
eM x ),
M
(x)
On peut maintenant ecrire (x) = u(x) ff (x)
, et le lemme 1 implique
2x3 1
x3 4x + 1
= 2
.
2
3x 4
3x 4
102
Analyse num
erique et
equations diff
erentielles
x0
x1
x2
x3
x4
x5
2, 125
2, 114975450
2, 114907545
2, 114907541
= x4
0, 25
0, 254098361
0, 254101688
= x3
1, 875
1, 860978520
1, 860805877
1, 860805853
= x4
Dans certaines situations, la derivee f est tr`es compliquee ou meme impossible `a
expliciter (cest le cas par exemple si la fonction f est le resultat dun algorithme
complexe). On ne peut alors utiliser telle quelle la methode de Newton.
Lidee est de remplacer f par le taux daccroissement de f sur un petit intervalle.
Supposons quon dispose de deux valeurs approchees x0 , x1 de la racine a de
lequation f (x) = 0 (fournies par un encadrement x0 < a < x1 ).
y
f
secante
x0 x2
0
x1
f (x1 ) f (x0 )
x1 x0
IV M
ethodes it
eratives pour la r
esolution d
equations
103
Inconv
enient de la m
ethode Lorsque xp et xp1 sont trop voisins, le calcul
lerreur commise. La
donc a` une perte de precision sur le calcul de p . Etudions
formule de Taylor-Lagrange a` lordre 2 au point xp donne
1
f (xp1 ) f (xp ) = (xp1 xp )f (xp ) + (xp1 xp )2 f (c),
2
1
p f (xp ) = (xp1 xp )f (c) = O(|xp xp1 |)
2
apr`es division de la premi`ere ligne par xp1 xp .
Supposons par ailleurs que le calcul des f (xi ) soit eectue avec une erreur darrondi
de lordre de . Le calcul de p est alors aecte dune erreur absolue de lordre de
|p f (xp )|, ce qui a lieu si |xp xp1 | > |xp xp1 | cest-`a-dire |xp xp1 | < .
Dans la pratique, si lon dispose dune precision absolue
= 1010 par exemple,
on arrete le calcul de p d`es que |xp xp1 | < = 105 ; on poursuit alors
a lobtention de la convergence (cest-`a-dire
les iterations avec p = p1 jusqu`
|xp+1 xp | < ).
Dun point de vue theorique, la convergence de la suite est assuree par le resultat
ci-dessous, qui donne simultanement une estimation precise pour |xp a|.
Th
eor`
eme On suppose f de classe C 2 et de derivee f = 0 sur lintervalle
I = [a r, a + r]. On introduit les quantites Mi , i = 1, 2, et les reels K, h tels que
Mi = max |f (i) (x)|,
xI
M1
M2
1+
,
K=
2m1
m1
Soit enn (sp ) la suite de Fibonacci, denie par sp+1 = sp + sp1 avec s0 = s1 = 1.
Alors quel que soit le choix des points initiaux x0 , x1 [a h, a + h] distincts, on a
|xp a|
1
[K max(|x0 a|, |x1 a|)]sp .
K
104
Analyse num
erique et
equations diff
erentielles
1
5
1+5 p+1
2
1+ 5
2
si y = x.
(x, y) =
0
f (x + t(y x))dt
(x, y) =
x
(x, y) =
y
inegalites
| (x, y)| m1 ,
1
M2 ,
x
2
(1 t)dt =
1
, on en deduit les
2
1
M2 .
y
2
Il en resulte en particulier
| (x, y) f (x)| = | (x, y) (x, x)| =
1
(x, t)dt M2 |y x|.
y
2
La suite (xp ) est denie par la formule de recurrence xp+1 = (xp , xp1 ) o`
u est
la fonction de classe C 1 telle que
(x, y) = x
f (x)
.
(x, y)
Posons hp = xp a. On a
hp+1 = (xp , xp1 ) a = (a + hp , a + hp1 ) (a, a)
et en particulier h2 = (a + h1 , a + h0 ) (a, a). En integrant sur [0, 1] la derivee
de la fonction t
(a + th1 , a + th0 ), on trouve
h2 =
1
0
(a + th1 , a + th0 ) + h0
(a + th1 , a + th0 ) dt.
h1
x
y
IV M
ethodes it
eratives pour la r
esolution d
equations
105
(x, y) f (x)
=1
+ f (x) x 2 ,
=
2
x
(x, y)
(x, y)
(x, y)
y
= f (x)
.
y
(x, y)2
Comme |f (x)| = |f (x) f (a)| M1 |x a|, les inegalites ci-dessus impliquent
M2 |y x|
M2
+ M1 |x a|
,
x
2m1
2m21
M2
y M1 |x a| 2m2 .
1
u
Pour (x, y) = (a + th1 , a + th0 ), on a |y x| (|h0 | + |h1 |)t et |x a| = |h1 |t, do`
&
'
M2 (|h0 | + |h1 |) + M1 M2 |h1 | t,
x
2m1
2m21
M1 M2
y 2m2 |h1 |t,
1
1
M2
M1 M2
|h2 |
+
|(|h
|
+
|h
|)
tdt
|h
1
0
1
2m1
2m21
0
K
=
|h1 |(|h0 | + |h1 |) K|h1 | max(|h0 |, |h1 |).
2
Comme |h0 |, |h1 | h
1
K,
1
K
p 2.
1
Linegalite |hp | K
[K max(|h0 |, |h1 |)]sp est triviale si p = 0 ou p = 1, resulte de
lestimation dej`a vue pour h2 si p = 2, et se generalise facilement par recurrence
pour p 3. Le theor`eme est demontre.
Rm
Rm
Soit E un espace vectoriel de dimension m sur R et u un endomorphisme de E.
106
Analyse num
erique et
equations diff
erentielles
D
enition On appelle spectre de u la famille (1 , . . . , m ) de ses valeurs
propres reelles ou complexes, comptees avec multiplicites ( = racines du polyn
ome
caracteristique). On appelle rayon spectral de u, note (u), la quantite
(u) = max |i |.
1im
Etant
donne une norme N sur E, on peut dautre part associer a` u sa norme |||u|||N
en tant quoperateur lineaire sur E :
|||u|||N =
N (u(x))
.
xE\{0} N (x)
sup
Th
eor`
eme Soit u un endomorphisme quelconque de E. Alors
(1) Pour tout N N, (u) |||u|||N .
(2) (u) = inf |||u|||N = inf |||u|||N .
N N
N Ne
1/p
2
Remarque Considerons lespace
de sa norme euclidienne canonique
R muni
0 a
, a R. On a (ua ) = 1 et pourtant
0 1
la norme |||ua ||| nest pas bornee quand |a| + ; linegalite (1) na donc pas
de reciproque. Pour m = dim E 2, le rayon spectral nest pas une norme
sur L(E, E) ; il ne verie dailleurs pas linegalite triangulaire, comme le montre
lexemple suivant : si u, v sont les endomorphismes de matrices
0 1
0 0
Mat(u) =
et Mat(v) =
,
0 0
1 0
et ua lendomorphisme de matrice
107
IV M
ethodes it
eratives pour la r
esolution d
equations
N Ne
A =
a11
0
...
..
aij
a1m
..
,
.
amm
j i,
aii = i .
108
Analyse num
erique et
equations diff
erentielles
1/p
1/p
Soit un ouvert de Rm et : Rm une fonction de classe C 1 . Soit N =
une norme xee sur Rm . On note (x) L(Rm , Rm ) lapplication lineaire tangente
au point x , de sorte que
(x + h) (x) = (x) h + h (h),
lim (h) = 0.
h0
Lemme
(1) Si est k-lipschizienne sur relativement a
` la norme N , alors ||| (x)|||N k
pour tout x .
(2) Si est convexe et si ||| (x)|||N k pour tout x , alors est
k-lipschitzienne sur relativement a
` N.
D
emonstration
(1) Pour tout > 0, il existe r > 0 tel que h r (h) . Par linearite de
(x), on a
(x) h
||| (x)|||N = sup
;
h
h =r
109
IV M
ethodes it
eratives pour la r
esolution d
equations
(t)dt
avec
0
On en deduit
(y) (x) =
(y) (x)
1
0
Th
eor`
eme Soit a un point xe de . Alors les deux proprietes suivantes
sont equivalentes :
(i) Il existe un voisinage ferme V de a tel que (V ) V et une norme N sur Rn
telle que |V soit contractante pour N .
(ii) ( (a)) < 1.
On dit alors que le point xe a est attractif.
D
emonstration. Si |V est contractante de rapport k < 1 alors dapr`es la partie
(1) du lemme on a
( (a)) ||| (a)|||N k < 1.
Inversement, si ( (a)) < 1, il existe une norme euclidienne N telle que
||| (a)|||N < 1. Par continuite de , il existe une boule fermee V = B(a, r), r > 0,
telle que supV ||| |||N = k < 1. Comme V est convexe, est alors contractante de
rapport k sur V ; en particulier (V ) B(a, kr) V .
x B(a, r).
110
Analyse num
erique et
equations diff
erentielles
Soit a` resoudre une equation f (x) = 0 o`
u f : Rm est une application de
2
m
classe C denie sur un ouvert R . On cherche a` evaluer numeriquement une
solution a du syst`eme f (x) = 0, connaissant une valeur approchee grossi`ere x0 de a.
Comme dans la methode de Newton usuelle, lidee est dapproximer f par sa partie
lineaire au point x0 :
f (x) = f (x0 ) + f (x0 ) (x x0 ) + o( x x0 )
On resout alors lequation f (x0 ) + f (x0 ) (x x0 ) = 0. Si f (x0 ) L(Rn , Rm ) est
inversible, on a une solution unique x1 telle que x1 x0 = f (x0 )1 f (x0 ), soit
x1 = x0 f (x0 )1 f (x0 ).
On va donc iterer ici lapplication de classe C 1
(x) = x f (x)1 f (x).
Th
eor`
eme On suppose que f est de classe C 2 , que f (a) = 0 et que lapplication
lineaire tangente f (a) L(Rm , Rm ) est inversible. Alors a est un point xe
superattractif de .
D
emonstration. Calculons un developpement limite `a lordre 2 de (a + h) quand
h tend vers 0. On a
1
f (a + h) = f (a) h + f (a) (h)2 + o( h 2 )
2
1
= f (a) h + f (a)1 (f (a) (h)2 ) + o( h 2 ) .
2
f (a + h) = f (a) + f (a) h + o( h )
= f (a) Id + f (a)1 (f (a) h) + o( h ) ,
f (a + h)1 = [ ]1 f (a)1
= Id f (a)1 (f (a) h) + o( h f (a)1 ,
f (a + h)1 f (a + h)
1
= Id f (a)1 (f (a) h) + o( h ) h + f (a)1 (f (a) (h)2 ) + o( h )
2
1 1
2
2
= h f (a) (f (a) (h) ) + o( h ) ,
2
do`
u nalement
(a + h) = a + h f (a + h)1 f (a + h)
1
= a + f (a)1 (f (a) (h)2 ) + o( h 2 ).
2
111
IV M
ethodes it
eratives pour la r
esolution d
equations
x2 + xy 2y 2 = 4
xex + yey = 0.
xex + yey
y 2 xexy
,
=
y
(1 + y)e
1+y
y=
C1
1
S
2
C2
y=
<x
/2
112
Analyse num
erique et
equations diff
erentielles
a
a
On voit que le syst`eme precedent admet une solution S
unique, avec
b
b
2
tr`es grossi`erement. Pour obtenir une valeur approchee plus precise, on
0, 2
x
0
cherche `a resoudre lequation f
=
avec
y
0
2
x + xy 2y 2 4
x
.
f
=
y
xex + yey
Lapplication lineaire tangente `a f est donnee par
f1 f1
2x + y
x
y
x
= f2 f2 =
f
y
(x + 1)ex
x
x 4y
(y + 1)ey
i = 1, 2,
aux courbes C1 , C2 au point S sont distinctes. Cest bien le cas ici. On obtient
& '1
(x + 1)ey x + 4y
1
x
=
f
y
(x, y)
(x + 1)ex 2x + y
y
x
avec (x,y) = (2x
+ y)(y
+ 1)e
(x 4y)(x + 1)e . On est alors amene `a calculer
xp+1
xp
les iteres
=
avec
yp+1
yp
2
x + xy 2y 2 4
(y + 1)ey x + 4y
1
x
x
y
y
(x, y)
(x + 1)ex 2x + y
xex + yey
x0
2
Partant du point initial
=
, on trouve
0, 2
y0
xp
2
2, 130690999
2, 126935837
2, 126932304
2, 126932304
0
1
2
3
4
do`
u
S=
yp
0, 2
0, 205937784
0, 206277868
0, 206278156
0, 206278156
a
2, 126932304
.
b
0, 206278156
IV M
ethodes it
eratives pour la r
esolution d
equations
113
Nous allons ici exploiter le theor`eme du point xe pour demontrer quelques
resultats fondamentaux du calcul dierentiel. Notre objectif est dobtenir aussi
des estimations quantitatives pour ces theor`emes, parce que ces estimations sont
souvent necessaires pour majorer les erreurs commises dans les calculs numeriques.
Nous commencons par un lemme de perturbation, qui sapplique dans un espace
numerique Rm muni dune norme N quelconque.
Lemme Soit f : B(x0 , r) Rm une application denie sur une boule de rayon
r dans Rm , telle que
f (x) = x + u(x)
o`
u u est une application contractante de rapport k < 1 ( petite perturbation de
lidentite ). Alors
(1) f est un homeomorphisme de B(x0 , r) sur un ouvert V = f (B(x0 , r)) de Rm ;
(2) f est (1 + k)-lipschitzienne et son application reciproque f 1 : V B(x0 , r) est
(1 k)1 lipschitzienne ;
(3) limage V satisfait lencadrement
B(f (x0 ), (1 k)r) V B(f (x0 ), (1 + k)r).
D
emonstration. Quitte a` remplacer f par f(x) = f (x + x0 ) f (x0 ) et u par
u
(x) = u(x + x0 ) u(x0 ), on peut supposer que x0 = 0 et f (0) = u(0) = 0. On a
de facon evidente
x2 x1 u(x2 ) u(x1 ) f (x2 ) f (x1 ) x2 x1 + u(x2 ) u(x1 ) ,
(1 k) x2 x1 f (x2 ) f (x1 ) (1 + k) x2 x1 .
Il en resulte que f est injective et (1 + k)-lipschitzienne, et que f (x) (1 + k) x .
Par suite f est une bijection de B(0, r) sur son image V , et
V = f (B(0, r)) B(0, (1 + k)r).
On consid`ere maintenant un rayon r < r quelconque, et pour y Rm donne, on
introduit lapplication
(x) = y + x f (x) = y u(x).
De meme que u, cest une application k-lipschitzienne, et comme
(x) y + k x ,
on voit que envoie B(0, r ) dans B(0, r ) d`es lors que y (1k)r . Le theor`eme
du point xe applique `a lespace complet E = B(0, r ) implique que poss`ede un
114
Analyse num
erique et
equations diff
erentielles
Th
eor`
eme dinversion locale Soit f : Rm une application de classe
donne un point x0 , on
C k denie sur un ouvert de Rm avec k 1. Etant
suppose que lapplication lineaire tangente = f (x0 ) L(Rm , Rm ) est inversible.
Alors
(1) Il existe un voisinage U = B(x0 , r) de x0 tel que V = f (U ) soit un ouvert de
Rm et f un dieomorphisme de classe C k de U sur V .
(2) Pour tout y = f (x), x U , la dierentielle de g = f 1 est donnee par
g (y) = (f (x))1 , soit g (y) = (f (g(y)))1 ou encore
(f 1 ) (y) = (f (f 1 (y)))1 L(Rm , Rm ).
(3) On suppose k 2. Si B(x0 , r0 ) et si M est un majorant de f sur
B(x0 , r0 ), on peut choisir U = B(x0 , r) avec r = min(r0 , 12 M 1 |||1 |||1 ).
D
emonstration. Lapplication u(x) = 1 (f (x)) x est de classe C 1 et on a
u (x0 ) = 1 f (x0 ) Id = 0 dans L(Rm , Rm ). Par continuite de u , il existe une
boule B(x0 , r) sur laquelle |||u (x)||| k < 1, ce qui entrane que u est contractante
de rapport k. Le lemme precedent montre alors que f(x) = 1 f (x) = x + u(x)
denit un homeomorphisme lipschitzien de U = B(x0 , r) sur V = f(V ), donc
f = f est un homeomorphisme lipschitzien de U sur V = (V ), la constante de
Lipschitz de f etant majoree par K = (1 + k)|||l||| et celle de g = f 1 = f1 1
par K = (1 k)1 |||1 |||.
Maintenant, si f est de classe C 2 et |||f ||| M sur la boule B(x0 , r0 ) ,
nous avons u = 1 f , donc |||u ||| M |||1 ||| et le theor`eme des accroissements nis nous donne |||u (x)||| M |||1 ||| x x0 sur B(x0 , r0 ). Pour
r = min(r0 , 12 M 1 |||1 |||1 ), on voit que |||u ||| k = 12 sur B(x0 , r) et on peut
appliquer ce qui prec`ede.
Pour tous y, V et x = g(y), = g(x) U = B(x0 , r), lhypoth`ese de
dierentiablilite de f au point x implique
y = f () f (x) = f (x)( x) + ( x) x
115
IV M
ethodes it
eratives pour la r
esolution d
equations
Nous allons reformuler le theor`eme dinversion locale pour en tirer dierentes
variantes et dierentes consequences geometriques. La variante la plus importante
est le theor`eme des fonctions implicites.
Soit un ouvert de Rp Rm
et f : R une application de classe C , k 1. On se donne un point
(x0 , y0 ) Rp Rm , et on suppose que
Th
eor`
eme des fonctions implicites
m
(i) f (x0 , y0 ) = 0 ;
(ii) la matrice des derivees partielles fy (x0 , y0 ) =
est inversible dans L(Rm , Rm ).
f
yj
(x0 , y0 )
1i,jm
Alors il existe un voisinage U V de (x0 , y0 ) dans sur lequel fy (x, y) est inversible,
et une application g : U V de classe C k telle que lequation implicite
f (x, y) = 0 pour (x, y) U V soit equivalente `
a y = g(x), x U . La derivee de
g est donnee par la formule
g (x) = fy (x, g(x))1 fx (x, g(x)).
Autrement dit, le theor`eme des fonctions implicites dit que lensemble des solutions
de lequation f (x, y) = 0 dans U V peut etre explicite comme le graphe y = g(x)
a o`
u fy (x, y) est inversible.
dune fonction g : U V de classe C k , l`
116
Analyse num
erique et
equations diff
erentielles
Id
0
fx (x, y) fy (x, y)
.
Ceci permet de voir aussitot que F (x, y) L(Rp+m , Rp+m ) est inversible en tout
point o`
u fy (x, y) L(Rp , Rp ) lest, avec
F (x, y)1 =
Id
0
fy (x, y)1
.
Remarque 2
117
IV M
ethodes it
eratives pour la r
esolution d
equations
D
enition Soit un ouvert de Rm et f : Rp une application de classe C k ,
k 1. On dit que
Th
eor`
eme des immersions Si f est une immersion en un point x0 , il
Th
eor`
eme des submersions Si f est une submersion en un point x0 ,
Th
eor`
eme du rang Si f est de rang constant r sur et si x0 , il
sur Q S.
0
0
Q S Q T
f
o`
u f est lapplication lineaire ().
118
Analyse num
erique et
equations diff
erentielles
D
emonstration du th
eor`
eme des immersions. Choisissons des vecteurs
lineairement independants (a1 , . . . apm ) de Rp de sorte quon ait une decomposition
en somme directe
1
Rai .
Rp = Im f (x0 )
1ipm
Comme (x, t)/ti = ai , il est clair que Im (x0 , 0) contient a` la fois Im f (x0 )
et les ai , donc (x0 , 0) est surjective. Mais comme est une application de
Rp dans Rp , ceci entrane que (x0 , 0) est inversible. Par consequent denit
un C k -dieomorphisme dun voisinage U T de (x0 , 0) sur un voisinage V de
y0 = f (x0 ). Nous avons (x, 0) = f (x) par denition de , donc = 1 repond
a la question.
`
D
emonstration du th
eor`
eme des submersions. Soit (a1 , . . . , am ) une base
de Rm choisie de telle sorte que (ap+1 , . . . , am ) soit une base de Ker f (x0 ). Nous
denissons
: Rp Rmp ,
01
01
f1
U1 V1
02
02
f2
U2 V2 .
Le premier niveau (1 , 1 ) consiste simplement en des changements anes de
coordonnees : on choisit respectivement x0 et y0 = f (x0 ) comme nouvelles origines
IV M
ethodes it
eratives pour la r
esolution d
equations
119
1 ... 0 0 ... 0
.
.
.
.
. ... . .
..
. .
...
0 ... 1
.
0 ... 0
0 ...
.
.
.
.
.. ..
..
..
0
...
0 ...
1 ... 0
0
...
0
.
.
.
.
.
..
. . ..
..
..
0 ... 1
...
0 ...
hr+1 /xr+1 . . . hr+1 /xm
.
.
.
.
..
..
..
..
0 ...
hp /xr+1
...
hp /xm
ne peut etre de rang r que si hi /xj = 0 pour i, j > r, ce qui signie que
hr+1 , . . . , hp sont en fait des fonctions des seules variables x1 , . . . , xr . On a donc
une application de rang constant r
(x1 , . . . , xr )
(x1 , . . . , xr , hr+1 (x1 , . . . , xr ), . . . , hp (x1 , . . . , xr ))
au voisinage de 0. En dautres termes, cest une immersion de Rr dans Rp en 0, et
dapr`es le theor`eme des immersions il existe un C k -dieomorphisme 2 de Rp en 0
tel que
2 (x1 , . . . , xr , hr+1 (x1 , . . . , xr ), . . . , hp (x1 , . . . , xr )) = (x1 , . . . , xr , 0, . . . , 0)
pr`es de 0. Il sensuit que
2 f1 1
2 (x1 , . . . , xm ) = (x1 , . . . , xr , 0, . . . , 0)
au voisinage de 0. Lexistence de petits voisinages U2 = Q S et V2 = Q T est
alors immediate, et le theor`eme du rang constant est demontre avec = 2 1 ,
= 2 1 , U = 1 (U2 ), V = 1 (V2 ).
120
Analyse num
erique et
equations diff
erentielles
5.1. Soit (E, d) un espace metrique et : E E une application continue telle
que literee m = . . . soit contractante, avec constante de Lipschitz k ]0, 1[
et m N .
(a) On convient de noter 0 = IdE . Verier que la formule
d (x, y) =
max
0im1
denit une distance sur E, topologiquement equivalente a` la distance d (cesta-dire que les ouverts pour d et d sont les memes). Montrer que (E, d ) est
`
complet d`es que (E, d) est complet.
(b) Montrer que est lipschitzienne de rapport k 1/m pour d . En deduire que
admet un point xe unique a, et que, pour tout point initial x0 E, il existe une
constante C telle que la suite des iteres xp = (xp1 ) verie d(xp , a) C kp/m .
5.2. On consid`ere la fonction f telle que
f (x) = x ln (x),
x [1, +[.
a
ln (x) .
() Etudier
les variations de la fonction et tracer sommairement la courbe
representative de .
() Etudier
la convergence de la suite (xp ) pour a [0, +[ et x0 [1, +[
quelconques.
() Evaluer
f 1 (2) par ce procede `a laide dune calculette. On donnera les
approximations successives obtenues.
5.3. On consid`ere la fonction
f (x) = exp(exp( cos(sin(x + ex )))) + x3 .
IV M
ethodes it
eratives pour la r
esolution d
equations
121
moyen dune methode iterative adaptee (qui permet deviter des calculs formels
trop compliques). La justication de la convergence nest pas demandee.
5.4. On se propose detudier le comportement des iteres dune fonction au voisinage
dun point xe, dans le cas critique o`
u la derivee vaut 1 en ce point.
Soit : R+ R+ une fonction de classe C 1 . On suppose que (0) = 0, (0) = 1,
et que admet un developpement limite
(x) = x axk + xk (x)
avec
a > 0,
k > 1,
lim (x) = 0.
x0+
(a) Montrer quil existe h > 0 tel que pour tout x0 ]0, h] la suite iteree
xp+1 = (xp ) converge vers 0.
(b) On pose up = xm
u m R. Determiner un equivalent de up+1 up en fonction
p o`
de xp .
(c) Montrer quil existe une valeur de m pour laquelle up+1 up poss`ede une limite
nie non nulle. En deduire un equivalent de xp .
(d) Pour (x) = sin x et x0 = 1, estimer le nombre diterations necessaires pour
atteindre xp < 105 .
5.5. Dans tout ce probl`eme, on travaille sur un intervalle [a, b] xe.
(a) Soit g : [a, b] R une fonction de classe C 2 telle que g(a) = g(b) = 0, g (x) > 0
pour tout x dans ]a, b[. Demontrer
que g(x) ne sannule en aucun x de ]a, b[,
puis que g(x) < 0 pour tout x dans ]a, b[.
[Raisonner par labsurde et utiliser le theor`eme de Rolle.]
(b) Soit f : [a, b] R une fonction de classe C 2 telle que f (a) < 0, f (b) > 0,
f (x) > 0 et f (x) > 0 pour tout x dans ]a, b[.
Demontrer
() quil existe c (unique) dans ]a, b[ tel que f (c) = 0 ;
() quil existe m1 et m2 tels que
0 < m1 f (x),
0 < f (x) m2
122
Analyse num
erique et
equations diff
erentielles
() Etablir
la majoration
|f (c1 )|
1
m2 |(c1 a)(c1 b)|.
2
f (cn )
.
m1
=
,
y
Y
3
5
X = x + y +
2
4
1
2
Y = x+y + 3
2
4
(a) Etudier
sommairement les variations de la fonction x
x ln x et montrer que
pour a 31 le syst`eme (S) na pas de solution (x, y) telle que x < 1. Montrer
IV M
ethodes it
eratives pour la r
esolution d
equations
123
3
1 + ln c
`
u
c ]x, y[.
(c) Ecrire
lalgorithme permettant de resoudre le syst`eme (S) au moyen de la
methode de Newton. On prendra a = 104 .
5.8. Soit A une alg`ebre unitaire normee de dimension nie sur R, par exemple
lalg`ebre des matrices carrees m m. Soit u A un element inversible.
(a) Montrer quil existe des reels , tels que lapplication (x) = x + xux
admette x = u1 comme point xe superattractif.
(b) Pour les valeurs de , trouvees au (a), montrer que lon a linegalite
||| (x)||| 2 u xu1 . En deduire que la suite iteree xp+1 = (xp ) converge
1
.
vers u1 d`es que x0 B(u1 , r) avec r < 2 u
(c) On suppose u = e v avec e = element unite de A et = v < 1. Montrer
+
v k . Determiner un entier n N tel que
que u est inversible et que u1 =
k=0
Le but de ce chapitre est de demontrer les theor`emes generaux dexistence et
dunicite des solutions pour les equations dierentielles ordinaires. Il sagit du
chapitre central de la theorie, de ce fait necessairement assez abstrait. Sa bonne
comprehension est indispensable en vue de la lecture des chapitres ulterieurs.
Soit U un ouvert de R Rm et
f : U Rm
une application continue. On consid`ere lequation dierentielle
y = f (t, y),
(E)
(t, y) U,
t R,
y Rm .
D
enition Une solution de (E) sur un intervalle I R est une fonction
derivable y : I Rm telle que
(i)
(t I)
(t, y(t)) U
(ii)
(t I)
L inconnue de lequation (E) est donc en fait une fonction. Le qualicatif
ordinaire pour lequation dierentielle (E) signie que la fonction inconnue y
depend dune seule variable t (lorsquil y a plusieurs variables ti et plusieurs derivees
y/ti , on parle dequations aux derivees partielles).
126
Analyse num
erique et
equations diff
erentielles
f = (f1 , . . . , fm ).
ym (t) = fm (t, y1 (t), . . . , ym (t)).
Interpr
etation physique
(m = 1)
Si on note x = t, lequation (E) se recrit
y =
(E)
dy
= f (x, y),
dx
(x, y) U R R.
y
U
y(x)
y0
x0
127
V Equations
diff
erentielles. R
esultats fondamentaux
DM
1
M
U = {M U ; f (M ) < 0}.
Les courbes integrales sont croissantes dans U+ , decroissantes dans U , stationnaires (souvent extremales) sur 0 .
128
Analyse num
erique et
equations diff
erentielles
3/2
1
U+
Nous introduisons dabord le concept de prolongement dune solution. Lexpression
solution maximale est alors entendue implicitement au sens de la relation dordre
fournie par le prolongement des solutions.
D
enition 1 Soient y : I Rm , y : I Rm des solutions de (E). On dit que
y est un prolongement de y si I I et y|I = y.
D
enition 2 On dit quune solution y : I Rm est maximale si y nadmet
Th
eor`
eme Toute solution y se prolonge en une solution maximale y (pas
necessairement unique).
D
emonstration.* Supposons que y soit denie sur un intervalle I = |a, b| (cette
notation designe un intervalle ayant pour bornes a et b, incluses ou non dans I).
Il sura de montrer que y se prolonge en une solution y : |a, b| Rm (b b)
maximale `a droite, cest-`
a-dire quon ne pourra plus prolonger y au del`
a de b. Le
meme raisonnement sappliquera a` gauche.
Pour cela, on construit par recurrence des prolongements successifs y(1) , y(2) . . . de y
avec y(k) : |a, bk [ Rm . On pose y(1) = y, b1 = b. Supposons y(k1) dej`a construite
129
V Equations
diff
erentielles. R
esultats fondamentaux
1
k
bk > k
si
ck < +,
si
ck = +.
La suite (ck ) est decroissante, car lensemble des prolongements de y(k1) contient
lensemble des prolongements de y(k) ; au niveau des bornes superieures on a donc
a partir dun certain rang, les suites
ck ck+1 . Si ck < + `
b1 b2 . . . bk . . . ck ck1 . . . c1
sont adjacentes, tandis que si ck = + quel que soit k on a bk > k. Dans les deux
cas, on voit que
b = lim bk = lim ck .
k+
k+
On suppose ici que louvert U est de la forme U = J o`
u J est un intervalle de
R et un ouvert de Rm .
D
enition Une solution globale est une solution denie sur lintervalle J tout
entier.
y
U
y(1)
y(2)
Attention : toute solution globale est maximale, mais la reciproque est fausse.
130
Analyse num
erique et
equations diff
erentielles
Sur le schema ci-dessus par exemple, y(1) est globale tandis que y(2) est maximale
mais non globale.
Donnons un exemple explicite de cette situation.
y
y2
= 1, do`
u par integration
1
= t + C,
y(t)
y(t) =
1
.
t+C
Rappelons quune fonction de plusieurs variables est dite de classe C k si elle admet
des derivees partielles continues jusqu`
a lordre k.
Th
eor`
eme Si f : R Rm U Rm est de classe C k , toute solution de (E)
y = f (t, y) est de classe C k+1 .
D
emonstration. On raisonne par recurrence sur k.
k = 0 : f continue.
Par hypoth`ese y : I Rm est derivable, donc continue.
Par consequent y (t) = f (t, y(t)) est continue, donc y est de classe C 1 .
Si le resultat est vrai a` lordre k 1, alors y est au moins de classe C k . Comme
f est de classe C k , il sensuit que y est de classe C k comme composee de fonctions
de classe C k , donc y est de classe C k+1 .
Calcul des d
eriv
ees successives dune solution y On suppose pour
simplier m = 1. En derivant la relation y (x) = f (x, y(x)) il vient
y (x) = fx (x, y(x)) + fy (x, y(x))y (x),
y = fx (x, y) + f (x, y)f (x, y) = f [1] (x, y)
avec f [1] = fx + fy f . Notons de mani`ere generale lexpression de la derivee k-i`eme
y (k) en fonction de x, y sous la forme
y (k) = f [k1] (x, y) ;
V Equations
diff
erentielles. R
esultats fondamentaux
131
dapr`es ce qui prec`ede f [0] = f , f [1] = fx + fy f . En derivant une nouvelle fois, on
trouve
y (k+1) = (f [k1] )x (x, y) + (f [k1] )y (x, y) y
= (f [k1] )x (x, y) + (f [k1] )y (x, y) f (x, y).
On obtient donc les relations de recurrence
y (k+1) = f [k] (x, y)
f [k] = (f [k1] )x + (f [k1] )y f,
avec f [0] = f.
En particulier, le lieu des points dinexion des courbes integrales est contenu dans
la courbe f [1] (x, y) = 0.
Dans tout ce paragraphe, on consid`ere une equation dierentielle
y = f (t, y)
(E)
o`
u f : U Rm est continue et U est un ouvert de R Rm .
Le lemme tr`es simple ci-dessous montre que la resolution de (E) est equivalente a`
la resolution dune equation integrale :
Pour resoudre lequation dierentielle (E), on va plut
ot chercher `a construire des
solutions de lequation integrale 2.1 (ii), et en premier lieu, on va montrer quune
solution passant par un point (t0 , y0 ) U ne peut seloigner trop vite de y0 .
132
Analyse num
erique et
equations diff
erentielles
On note une norme quelconque sur Rm et B(x, r) (resp. B(x, r)) la boule
ouverte (resp. fermee) de centre x et de rayon r dans Rm . Comme U est suppose
ouvert, il existe un cylindre
C0 = [t0 T0 , t0 + T0 ] B(y0 , r0 )
de longueur 2T0 et de rayon r0 assez petit, tel que C0 U . Lensemble C0 est ferme
borne dans Rm+1 , donc compact. Ceci entrane que f est bornee sur C0 , cest-`a-dire
sup f (t, y) < +.
M=
(t,y)C0
D
enition On dit que C est un cylindre de securite pour lequation (E) si toute
solution y : I Rm du probl`eme de Cauchy y(t0 ) = y0 avec I [t0 T, t0 + T ]
reste contenue dans B(y0 , r0 ).
Rm
r0
y0
C0
y(t)
t 0 T0
t0
t 0 + T0
2T
2T0
Sur le schema ci-dessus, C est un cylindre de
securite mais C0 nen est pas un : la solution
y sechappe de C0 avant le temps t0 + T0 .
Supposons que la solution y sechappe de C sur lintervalle [t0 , t0 + T ]. Soit le
premier instant o`
u cela se produit :
= inf {t [t0 , t0 + T ] ; y(t) y0 > r0 }.
V Equations
diff
erentielles. R
esultats fondamentaux
133
4
4
y (u)du4 M ( t0 )
t0
On cherche `a construire une solution approchee de (E) sur un intervalle [t0 , t0 + T ].
On se donne pour cela une subdivision
t0 < t1 < t2 . . . < tN 1 < tN = t0 + T.
Les pas successifs sont notes
hn = tn+1 tn ,
0 n N 1,
et on pose
hmax = max(h0 , . . . , hN 1 ).
La methode dEuler (ou methode de la tangente) consiste `a construire une solution
approchee y ane par morceaux comme suit. Soit yn = y(tn ). On confond la
courbe integrale sur [tn , tn+1 ] avec sa tangente au point (tn , yn ) :
y(t) = yn + (t tn )f (tn , yn ),
t [tn , tn+1 ].
yn+1 = yn + hn f (tn , yn )
tn+1 = tn + hn ,
0 n N 1.
134
Analyse num
erique et
equations diff
erentielles
y
y3
y2
y1
y0
t0
t1
t2
t3 . . . tN = t0 + T t
On construit de meme une solution approchee sur [t0 T, t0 ] en prenant des pas
hn < 0.
r0
, toute solution approchee y donnee par la methode dEuler
tel que T min T0 , M
est contenue dans la boule B(y0 , r0 ).
D
emonstration. On verie par recurrence sur n que
y([t0 , tn ]) B(y0 , r0 )
y(t) y0 M (t t0 ) pour t [t0 , tn ].
Cest trivial pour n = 0. Si cest vrai pour n, alors on a en particulier (tn , yn ) C,
donc f (tn , yn ) M , et par consequent
y(t) yn = (t tn ) f (tn , yn ) M (t tn )
pour t [tn , tn+1 ]. Par hypoth`ese de recurrence
yn y0 = y(tn ) y0 M (tn t0 ).
Linegalite triangulaire entrane alors t [tn , tn+1 ] :
y(t) y0 M (t tn ) + M (tn t0 ) M (t t0 ).
u
En particulier y(t) y0 M T r0 , do`
y([t0 , tn+1 ]) B(y0 , r0 ).
D
enition Soit y : [a, b] Rm une fonction de classe C 1 par morceaux (ceci
signie quil existe une subdivision a = a0 < a1 < . . . < aN = b de [a, b] telle que
pour tout n la restriction y[an ,an+1 ] soit de classe C 1 ; on suppose donc seulement
la continuite et lexistence dune derivee `
a droite et `
a gauche de y aux points an ).
On dit que y est une solution -approchee de (E) si
(i) (t [a, b])
(t, y(t)) U ;
V Equations
diff
erentielles. R
esultats fondamentaux
135
Autrement dit, y est une solution -approchee si y verie (E) avec une erreur .
u0+
Proposition 2
Proposition 3
(t) f (t, y(p) (t) p , il vient apr`es integration
D
emonstration. Comme y(p)
y(p) (t) y0
t0
136
Si p =
Analyse num
erique et
equations diff
erentielles
max
[t0 T,t0 +T ]
y(t) y0
f (u, y(u))du = 0,
t [t0 T, t0 + T ].
t0
Il sagit dun resultat preliminaire de nature topologique que nous allons formuler
dans le cadre general des espaces metriques. Si (E, ) et (F, ) sont des espaces
metriques, rappelons que par denition une suite dapplications (p) : E F
converge uniformement vers : E F si la distance uniforme
d((p) , ) = sup ((p) (x), (x))
xE
Th
eor`
eme (Ascoli) On suppose que E, F sont des espaces metriques compacts.
u k 0 est une
Soit (p) : E F une suite dapplications k-lipschitziennes, o`
constante donnee. Alors on peut extraire de (p) une sous-suite (pn ) uniformement
convergente, et la limite est une application k-lipschitzienne.
Soit Lipk (E, F ) lensemble des applications E F lipschitziennes de rapport k.
Une autre mani`ere dexprimer le theor`eme dAscoli est la suivante.
137
V Equations
diff
erentielles. R
esultats fondamentaux
Comme Sn1 est inni et que J N est ni, lun des elements (l1 , . . . , lN ) J N
admet pour image reciproque une partie innie de Sn1 : on note Sn cette partie.
Ceci signie que pour tout p Sn on a (j(p, 1), . . . , j(p, N )) = (l1 , . . . , lN ) et donc
(p) (xi ) Bli . En particulier
(p, q Sn ) ((p) (xi ), (q) (xi )) diam Bli
2
.
n
k
,
n
1
n.
k
.
n
k
2k + 2
2
+2 =
.
n
n
n
2k + 2
.
n
()
Ceci entrane que (pn ) (x) est une suite de Cauchy dans F pour tout x E. Comme
F est compact, F est aussi complet, donc (pn ) (x) converge vers une limite (x).
Quand N +, () implique a` la limite d((pn ) , ) 2k+2
n . On voit donc que
(pn ) converge uniformement vers . Il est facile de voir que Lipk (E, F ).
(p (x) q (x))2 dx
5
k0
Lipk (E, F )
est-il compact ?
138
Analyse num
erique et
equations diff
erentielles
D
emonstration. Soit y(p) la solution approchee donnee par la methode dEuler
en utilisant la subdivision avec pas constant h = T /p des intervalles [t0 , t0 + T ] et
[t0 T, t0 ]. Cette solution est p -approchee avec erreur p f ((M +1) T /p) tendant
vers 0. Chaque application y(p) : [t0 T, t0 + T ] B(y0 , r0 ) est lipschitzienne de
rapport M , donc dapr`es le theor`eme dAscoli on peut extraire de (y(p) ) une soussuite (y(pn ) ) convergeant uniformement vers une limite y. Dapr`es la proposition 3
du 2.3, y est une solution exacte de lequation (E).
Corollaire Par tout point (t0 , y0 ) U , il passe au moins une solution maximale
y : I Rm de (E). De plus, lintervalle de denition I de toute solution maximale
est ouvert (mais en general, il ny a pas unicite de ces solutions maximales).
On vient de voir en eet quil existe une solution locale z denie sur un intervalle
[t0 T, t0 + T ]. Dapr`es le theor`eme du 1.3, z se prolonge en une solution
maximale y = z : |a, b| Rm . Si y etait denie au point b, il existerait une
solution y(1) : [b , b + ] Rm du probl`eme de Cauchy avec donnee initiale
(b, y(b)) U . La fonction y : |a, b + ] Rm concidant avec y sur |a, b] et avec y(1)
sur [b, b + ] serait alors un prolongement strict de y, ce qui est absurde.
Exemple
y(2) (t) = t3 ,
t R.
Nous allons voir ici une condition geometrique necessaire et susante permettant
darmer quune solution est maximale.
Th
eor`
eme U un ouvert de R Rm et y : I = [t0 , b[ Rm une solution de
Crit`
ere de maximalit
e Une solution y : ]a, b[ Rm de (E) est maximale
V Equations
diff
erentielles. R
esultats fondamentaux
139
Inversement, supposons quil existe un compact K de U tel que (t, y(t)) K pour
tout t [t0 , b[. Posons
M = sup f (t, y) < +
(t,y)K
qui est ni par continuite de |f et compacite de K. Ceci entrane que t
y(t) est
lipschitzienne sur [t0 , b[, donc uniformement continue, et le crit`ere de cauchy montre
que la limite = limtb y(t) existe. Nous pouvons prolonger y par continuite en
b en posant y(b) = , et nous avons (b, y(b)) K U puisque K est ferme. La
relation y (t) = f (t, y(t)) montre alors que y est de classe C 1 sur [t0 , b]. Maintenant,
le theor`eme dexistence locale des solutions implique quil existe une solution locale z
d probl`eme de Cauchy de donnee initiale z(b) = = y(b) sur un intervalle [b, b+].
On obtient alors un prolongement y de y sur [t0 , b + ] en posant y(t) = z(t) pour
t [b, b + ]. Le theor`eme est demontre.
Reprenons les notations du debut du 2. On suppose ici en outre que f est
localement lipschitzienne en y : cela signie que pour tout point (t0 , y0 ) U il existe
un cylindre C0 = [t0 T0 , t0 + T0 ] B(y0 , r0 ) U et une constante k = k(t0 , y0 ) 0
tels que f soit k-lipschitzienne en y sur C0 :
(t, y1 ), (t, y2 ) C0
f (t, y1 ) f (t, y2 ) k y1 y2 .
fi
(t, )(y1,j y2,j )
yj
j
Sous ces hypoth`eses sur f , nous allons montrer que la solution du probl`eme
de Cauchy est necessairement unique, et que de plus toute suite de solutions
-approchees avec tendant vers 0 converge necessairement vers la solution exacte.
Compte tenu de limportance de ces resultats, nous donnerons ensuite une deuxi`eme
demonstration assez dierente basee sur le theor`eme du point xe (chapitre IV,
1.1).
140
Analyse num
erique et
equations diff
erentielles
Soit C0 = [t0 T0 , t0 + T0 ] B(y0 , r0 ) U un cylindre sur lequel f est k-lipschitzienne en y et soit M = supC0 f . On se donne > 0 et on consid`ere des solutions
y(1) et y(2) respectivement 1 -approchee et 2 -approchee du probl`eme de Cauchy de
donnee initiale (t0 , y0 ), avec 1 , 2 .
On a alors y(i)
(t) M + , et un raisonnement analogue a` celui du 2.1 montre
que les graphes de y(1) , y(2) restent contenus dans le cylindre
C = [t0 T, t0 + T ] B(y, r0 ) C0
0
, ce quon suppose desormais.
d`es que T min T0 , Mr+
ek|tt0 | 1
,
k
t [t0 T, t0 + T ].
D
emonstration. Quitte a` changer lorigine du temps on peut supposer t0 = 0 et,
par exemple, t [0, T ]. Posons alors
v(t) =
0
t
0
(y(2)
(u) y(1)
(u))du
t
0
cest-`a-dire
v (t) kv(t) + (1 + 2 )t.
Apr`es soustraction de kv(t) et multiplication par ekt , on trouve
(v (t) kv(t))ekt =
d
(v(t)ekt ) (1 + 2 )tekt .
dt
()
141
V Equations
diff
erentielles. R
esultats fondamentaux
Gr
ace `a une nouvelle integration (noter que v(0) = 0), il vient
v(t)e
kt
t
0
(1 + 2 )ueku du = (1 + 2 )
v(t) (1 + 2 )
1 (1 + kt)ekt
,
k2
ekt (1 + kt)
,
k2
ekt 1
.
k
Le cas o`
u t [T, 0] sobtient par un changement de variable t
t.
Th
eor`
eme (Cauchy-Lipschitz) Si f : U Rm est localement lipschitzienne
en y, alors pour tout cylindre de securite C = [t0 T, t0 + T ] B(y0 , r0 ) comme
ci-dessus, le probl`eme de Cauchy avec condition initiale (t0 , y0 ) admet une unique
solution exacte y : [t0 T, t0 + T ] U . De plus, toute suite y(p) de solutions
p -approchees avec p tendant vers 0 converge uniformement vers la solution exacte
y sur [t0 T, t0 + T ].
ekT 1
k
sur
[t0 T, t0 + T ],
par consequent y(p) est une suite de Cauchy uniforme. Comme les fonctions y(p)
sont toutes a` valeurs dans B(y0 , r0 ) qui est un espace complet, y(p) converge vers
une limite y. Cette limite y est une solution exacte de lequation (E) dapr`es la
proposition 3 du 2.3.
Unicit
e. Si y(1) , y(2) sont deux solutions exactes, le lemme de Gronwall avec
1 = 2 = 0 montre que y(1) = y(2) .
r0
un cylindre de
Soit C = [t0 T, t0 + T ] B(y0 , r0 ) C0 avec T min T0 , M
securite pour (E).
Notons F = C([t0 T, t0 + T ], B(y0 , r0 )) lensemble des applications continues de
[t0 T, t0 + T ] dans B(y0 , r0 ), muni de la distance d de la convergence uniforme.
A toute fonction y F, associons la fonction (y) denie par
(y)(t) = y0 +
f (u, y(u))du,
t0
t [t0 T, t0 + T ].
142
Analyse num
erique et
equations diff
erentielles
Dapr`es le lemme du 2.1, y est une solution de (E) si et seulement si y est un point
xe de . On va donc essayer dappliquer le theor`eme du point xe. Observons que
4 t
4
4
4
f (u, y(u))du4 M |t t0 | M T r0 ,
(y)(t) y0 = 4
t0
t
k y(u) z(u) du k|t t0 | d(y, z).
t0
De meme
t
y(2) (t) z(2) (t)
k y1 (u) z1 (u) du
0
t
|t t0 |2
d(y, z).
k k|u t0 |d(y, z)du = k2
2
t0
Par recurrence sur p, on verie aussit
ot que
y(p) (t) z(p) (t) kp
|t t0 |p
d(y, z),
p!
en particulier
d(p (y), p (z)) = d(y(p) , z(p) )
p
kp T p
d(y, z)
p!
()
p
Remarque Dapr`es (), on voit que pour toute fonction z F la suite iteree
z(p) = p (z) converge uniformement vers la solution exacte y du probl`eme de
Cauchy.
Le theor`eme dunicite locale entrane facilement un resultat dunicite globale, au
moyen dun raisonnement de connexite .
V Equations
diff
erentielles. R
esultats fondamentaux
143
Th
eor`
eme Soient y(1) , y(2) : I Rm deux solutions de (E), avec f localement
lipschitzienne en y. Si y(1) et y(2) concident en un point de I, alors y(1) = y(2)
sur I.
D
emonstration. Supposons y(1) (t0 ) = y(2) (t0 ) en un point t0 I. Montrons par
exemple que y(1) (t) = y(2) (t) pour t t0 . Sil nen est pas ainsi, considerons le
u y(1) et y(2) bifurquent :
premier instant
t0 o`
t0 = inf{t I ; t t0
et
Interpr
etation g
eom
etrique Le theor`eme dunicite signie geometriquement que des courbes integrales distinctes ne peuvent se couper.
2
1
y (y) 3 = 1)
3
do`
u y 3 = t + C1 (resp. (y) 3 = (t + C2 )) soit y(t) = (t + Ci )3 . Si y est une
solution maximale dans U = R R, alors y 0, donc y est croissante. Notons
a = inf{t, y(t) = 0},
144
Analyse num
erique et
equations diff
erentielles
(t0 , y0 )
a
On voit que pour tout point (t0 , y0 ) il passe une innite de solutions maximales : si
1/3
y0 > 0, b = t0 y0 est impose, mais le choix de a [, b] est arbitraire. Noter
que ce phenom`ene se produit bien quon ait unicite locale au point (t0 , y0 ) !
Nous donnons ici des conditions susantes dexistence pour les solutions globales,
reposant sur des hypoth`eses de croissance de f (t, y) lorsque y tend vers +.
On peut cependant obtenir des conditions susantes nettement plus faibles (voir
lexercice (b) ci-dessous, ainsi que le probl`eme 5.9).
Th
eor`
eme Soit f : U Rm une application continue sur un ouvert produit
145
V Equations
diff
erentielles. R
esultats fondamentaux
max
t[t0 T,t0 +T ]
k(t).
y (u) du
avec
t0
C
(1 eK(tt0 ) ),
K
t[t0 ,b[
C K(bt0 )
e
1 + y(t0 ) eK(bt0 ) .
K
Par consequent (t, y(t)) decrit une partie compacte K = [t0 , b] B(0, R) dans
U = J Rm , et y ne peut etre une solution maximale. Toute solution maximale
est donc globale. Le lecteur pourra etudier lexercice 5.9 pour un generalisation a`
une hypoth`ese de croissance plus faible
que (2), tenant compte uniquement de la
direction radiale du vecteur f (t, y) .
146
Analyse num
erique et
equations diff
erentielles
Exercices
Un syst`eme dierentiel dordre p dans Rm est une equation de la forme
(E)
o`
u f : U Rm est une application continue denie sur un ouvert U R (Rm )p .
Une solution de (E) sur un intervalle I R est une application y : I Rm p-fois
derivable, telle que
(i) (t I) (t, y(t), y (t), . . . , y (p1) (t)) U ,
(ii) (t I) y (p) (t) = f (t, y(t), y(t ), . . . , y (p1) (t)).
Le resultat suivant se demontre par recurrence dune mani`ere enti`erement analogue
a celle utilisee pour les equations dierentielles dordre 1. Le detail de largument
`
est laisse au lecteur.
R
egularit
e des solutions Si f est de classe C k , les solutions y sont de
classe C k+p .
Il est clair que le syst`eme (E) est equivalent au syst`eme dierentiel dordre 1
dY0
dt = Y1
dY1
dt = Y2
...
(E1 )
dYp2
= Yp1
dt
dYp1
= f (t, Y0 , Y1 , . . . , Yp1 )
dt
si lon pose Y0 = y, Y1 = y , . . .. Le syst`eme (E1 ) peut encore secrire
(E1 )
avec
Y = F (T, Y )
Y = (Y0 , Y1 , . . . , Yp1 ) (Rm )p
F = (F0 , F1 , . . . , Fp1 ) : U (Rm )p
F0 (t, Y ) = Y1 , . . . , Fp2 (t, Y ) = Yp1 ,
Fp1 (t, Y ) = f (t, Y ).
V Equations
diff
erentielles. R
esultats fondamentaux
147
Tout syst`eme dierentiel (E) dordre p dans Rm est donc equivalent a` un syst`eme
dierentiel (E1 ) dordre 1 dans (Rm )p . Il en resulte que les theor`emes dexistence et
dunicite demontres pour les syst`emes dordre 1 sont encore vrais pour les syst`emes
dordre p, avec des preuves qui sont des transpositions directes du cas dordre 1.
En voici les principaux enonces :
Pour tout point (t0 , y0 , y1 , . . . , yp1 ) U le probl`eme de Cauchy de conditions
initiales
y(t0 ) = y0 , y (t0 ) = y1 , . . . , y (p1) (t0 ) = yp1
admet au moins une solution maximale y : I Rm , denie sur un intervalle ouvert.
Remarque tr`
es importante On voit ainsi que pour un syst`eme dordre p,
la condition initiale requiert non seulement la donnee de la valeur y0 de y au temps
t0 , mais egalement la donnee de ses (p 1) premi`eres derivees.
Si de plus f est localement lipschitzienne en (y0 , . . . , yp1 ) sur U , cest-`a-dire si
(t0 , y0 , . . . , yp1 ) U il existe un voisinage [t0 T0 , t0 + T0 ] B(y0 , r0 ) . . .
B(yp1 , rp1 ) contenu dans U sur lequel
f (t, z0 , . . . , zp1 ) f (t, w0 , . . . , wp1 ) k( z0 w0 + . . . + zp1 wp1 ),
alors le probl`eme de Cauchy 4.3 admet une solution maximale et une seule.
5.1. On consid`ere lequation dierentielle y = y 2 x.
(a) Quelles sont les lignes isoclines ?
On notera I0 lisocline correspondant a` la pente nulle.
u la pente des solutions est strictement
Soit P lensemble des points du plan o`
negative. Decrire P . Montrer que si une solution entre dans P , alors elle y
148
Analyse num
erique et
equations diff
erentielles
reste (cest-`a-dire : si une solution y(x) a un point (x0 , y(x0 )) dans P , alors si
x1 > x0 , (x1 , y(x1 )) P ).
(b) Etudier
et tracer le graphe de la courbe I ensemble des points dinexion des
solutions de lequation dierentielle. Quelles sont les regions du plan o`
u y > 0,
respectivement y < 0 ?
On notera I1 la partie de I exterieure `a P , et I2 la partie de I qui se trouve
dans P .
(c) Soit C une courbe solution rencontrant I1 en un point (x, y).
() Montrer quen ce point, la pente de I1 est strictement inferieure `a la pente
de C.
() En deduire que C ne coupe I1 quen ce point, que C ne rencontre pas P , et
que C na quun point dinexion.
() Montrer que C poss`ede 2 branches innies a` direction asymptotique verticale.
() Soit (x0 , y0 ) un point de C. Comparer en ce point, la pente de C et la
2
pente de la solution de lequation dierentielle y = y2 . En deduire que les
branches innies de C correspondent a` des asymptotes verticales.
(d) Soit D une courbe solution rencontrant I0 .
() Montrer que D poss`ede une asymptote verticale.
() Montrer que D a un point dinexion et un seul.
() Montrer que lorsque x , D est asymptote `a I0 .
(e) Soit A (resp. B) lensemble des points de laxe Oy par o`
u passe une courbe
solution qui rencontre I1 (resp. I0 ).
() Montrer quil existe a tel que A = {0} ]a, +[.
() Montrer quil existe b tel que B = {0} ] , b[.
() Montrer que a = b. Quelle est lallure de la solution passant par le point de
coordonnees (0, a) ?
5.2. On consid`ere lequation dierentielle y = f (t, y), o`
u f et f
y sont continues.
u t1 peut eventuellement
Soit une fonction reelle denie sur un intervalle [t0 , t1 [ o`
etre inni ; on suppose continue et derivable par morceaux.
On dit que est une barri`ere inferieure [respectivement : superieure] pour lequation
dierentielle si (t) < f (t, (t)) [resp : (t) > f (t, (t))] pour tout t tel que (t)
existe, et, aux points o`
u nest pas derivable, pour la derivee `a gauche et pour la
derivee `a droite.
(a) Montrer que si est une barri`ere inferieure pour t0 t t1 et si u est une
solution de lequation dierentielle veriant (t0 ) u(t0 ), alors (t) < u(t) pour
tout t ]t0 , t1 [. Montrer un resultat analogue pour une barri`ere superieure.
V Equations
diff
erentielles. R
esultats fondamentaux
149
(b) On suppose que est une barri`ere inferieure sur [t0 , t1 [, que est une barri`ere
superieure sur [t0 , t1 [, et que (t) < (t) pour tout t [t0 , t1 [. Lensemble des
points (t, x) tels que t0 t t1 et (t) x (t) est appele entonnoir.
() Montrer que si une solution u de lequation dierentielle est telle que (s, u(s))
soit dans lentonnoir pour un s [t0 , t1 [, alors (t, u(t)) est dans lentonnoir
pour tout t [s, t1 [.
() Si est une barri`ere inferieure et une barri`ere superieure, et si (t) > (t)
pour t [t0 , t1 [, on dit que lensemble des (t, x) tels que t0 t t1 et
(t) x (t) est un anti-entonnoir.
Montrer quil existe une solution u(t) de lequation dierentielle, telle que
(t) u(t) (t) pour tout t [t0 , t1 [.
(c) Dans la suite du probl`eme, on prend f (t, y) = sin(ty). On se restreindra aux
solutions veriant y > 0.
() Determiner les isoclines correspondant aux pentes 1, 0, 1.
() Pour quelles valeurs de t ces isoclines sont-elles des barri`eres inferieures ?
superieures ? Quels sont les entonnoirs formes par ces isoclines ?
() Soit u une solution de lequation dierentielle ; soit la fonction continue,
derivable par morceaux, denie pour t 0 par : (0) = u(0) > 0 ;
est ane de pente 1 depuis t = 0 jusqu`
a ce que son graphe rencontre la
premi`ere isocline de pente 0, puis est ane de pente 0 jusqu`
a lisocline
de pente 0 suivante, puis est ane de pente 1 jusqu`
a lisocline de pente
0 suivante, et ainsi de suite. Montrer que le graphe de rencontre la droite
y = t.
() Montrer que est une barri`ere superieure.
() En deduire que toute solution de lequation dierentielle rencontre la droite
y = t, puis reste dans un entonnoir.
() Dessiner lallure des solutions de lequation dierentielle y = sin(ty).
5.3. On consid`ere lequation (appelee equation de Van der Pol) :
x (t) = y(t) x3 (t) + x(t),
t R.
(E)
y (t) = x(t),
(a) Montrer que le probl`eme de Cauchy correspondant admet une solution globale
unique (on pourra utiliser le resultat de lexercice 5.9).
(b) On appelle trajectoire associee `a une solution de (E), lensemble parcouru
dans le plan Euclidien par le point de coordonnees (x(t), y(t)) lorsque t parcourt R. Montrer que les trajectoires associees `a deux solutions distinctes de
(E) concident ou nont aucun point commun ; montrer que par chaque point
du plan passe une trajectoire et une seule ; montrer que si une trajectoire a un
point double (cest-`
a-dire correspondant a` deux valeurs distinctes de t), les solutions associees de (E) sont periodiques (et tous les points sont alors doubles).
Quelles sont les trajectoires reduites `a un point ?
150
Analyse num
erique et
equations diff
erentielles
(c) Montrer que la courbe symetrique dune trajectoire par rapport a` (0, 0) est
encore une trajectoire.
(d) On consid`ere maintenant les sous-ensembles du plan
D+ = {(0, y) ; y > 0);
D = {(0, y) ; y < 0} ;
E1 = {(x, y) ; x > 0 et
y > x3 x)};
E2 = {(x, y) ; x > 0 et
y < x3 x} ;
E3 = {(x, y) ; x < 0 et
y < x3 x};
E4 = {(x, y) ; x < 0 et
y > x3 x}.
Soit (x(t), y(t)) une solution de (E) ; montrer que, si (x(t0 ), y(t0 )) D+ , il
existe t4 > t3 > t2 > t1 > t0 tels que (x(t), y(t)) Ei pour t ]ti1 , ti [,
i = 1, 2, 3, 4, et (x(t1 ), y(t1 )) + , (x(t2 ), y(t2 )) D , (x(t3 ), y(t3 )) ;
(x(t4 ), y(t4 )) D+ .
(e) Soit y0 > 0 et t0 R ; il existe une solution de (E) telle que (x(t0 ), y(t0 )) =
(0, y0 ) ; on pose (y0 ) = y(t2 ) ; montrer que (y0 ) ne depend que de y0 (et non
de t0 ) et que est une application monotone continue de R+ dans R .
(f) En utilisant le (c), montrer que (0, y0 ) appartient a` la trajectoire dune solution
periodique si et seulement si (y0 ) = y0 .
(g) Soit > 0 tel que pour la solution de (E) veriant (x(t0 ), y(t0 )) = (0, ) on ait
(x(t1 ), y(t1 )) = (1, 0). Montrer que pour y0 < , on a (y0 )2 y02 > 0 (regarder
t2
d
[x(t)2 + y(t)2 ]dt).
dt
t0
(h) Soit y0 grand. Soit C la courbe formee des arcs suivants :
le segment (0, y0 ), (1, y0 ) ;
larc de cercle de centre O passant par (1, y0 ) et coupant (y = x3 x) en
(x1 , y1 ) avec x1 > 1.
le segment (x1 , y1 ), (x1 , 0).
larc de cercle de centre O passant par (x1 , 0) et coupant (x = 1) en (x1 , y1 ).
la tangente en (x1 , y1 ) a` cet arc de cercle qui recoupe Oy en (0, y2 ).
Montrer que la solution de (E) passant par (0, y0 ) est `a linterieur de C. En
deduire que (y0 )2 y02 < 0.
(i) En deduire quil existe une trajectoire et une seule correspondant a` des solutions
periodiques de (E). Montrer que les trajectoires non reduites `a (0, 0) convergent
asymptotiquement vers cette trajectoire quand t tend vers +.
5.4. Soit t une variable reelle 0. On consid`ere le probl`eme de Cauchy
y = ty,
y(0) = 1.
151
V Equations
diff
erentielles. R
esultats fondamentaux
(a) Demontrer que pour tout T > 0, ce probl`eme admet une solution et une seule
sur [0, T ], et indiquer comment la methode dEuler permet den trouver une
approximation.
(b) Deduire de ce qui prec`ede la formule
y(t) =
N +
N
1
1+
n=0
nt2
N2
(c) Pour > 0, etudier les variations de la fonction f (x) = x ln (1 + /x) sur
]0, +[ ; on montrera que f (x) < 0.
En deduire lencadrement
1+
t2 Nn
nt2
t2 n
1+ 2 1+ 2
N
N
N
si 0 n N 1.
t
= f (t, y)
o`
u le second membre est deni sur R2 `a laide de prolongements par continuite. On
note Y (t) la solution approchee denie sur R, obtenue par la methode dEuler pour
1
o`
u n N , et veriant Y (0) = 0. On suppose dans un premier
le pas h = n+1/2
temps que n est pair.
(a) Calculer Y (h), Y (2h) et Y (3h).
Demontrer les inegalites Y (3h) >
h3/2
2
>
(3h)3/2
16 .
(t+h)
1
2
3/2
t3/8 t >
3/2
<
8
5
1 3/8
.
10 t
3/8
En supposant
(mh)3/2
.
16
1
1
(mh)3/8 mh >
(mh)3/8 .
2
10
((m+1)h)3/2
.
16
(ph)3/2
.
16
152
Analyse num
erique et
equations diff
erentielles
(d) On suppose ici que n est impair. Calculer Y (h), Y (2h) et Y (3h). Montrer
3/2
.
3/2
3/2
((m+1)h)
,
16
pour tout
(e) Pour 0 < t < c, montrer que les solutions approchees Y (t) ne tendent vers
aucune limite n tend vers +.
5.6. Soit le syst`eme dierentiel dans R2 deni par
(S)
dx
= 2(x ty)
dt
dy = 2y.
dt
(a) Determiner la courbe integrale qui passe par le point (x0 , y0 ) au temps t = 0.
(b) On utilise la methode dEuler avec pas constant h, demarrant au temps t0 = 0.
Soit (xn , yn ) le point atteint au temps tn = nh (n N).
() Ecrire
la relation qui lie (xn+1 , yn+1 ) a` (xn , yn ).
() Calculer explicitement (xn , yn ) en fonction de n, h, x0 , y0 .
() Sans utiliser les theor`emes generaux du cours, verier que la solution
approchee qui interpole lineairement les points (xn , yn ) converge sur R+
vers la solution exacte de (S).
5.7. Soit f : [a, b] R R une fonction continue et lipschitzienne de rapport k en
sa deuxi`eme variable. On denit une suite de fonctions yn : [a, b] R en posant
y0 (t) = et
t
yn+1 (t) = +
f (u, yn (u))du, n N.
a
153
V Equations
diff
erentielles. R
esultats fondamentaux
(E)
Soit un reel h ]0, T [. On dira que z est une solution retardee de retard h si z est
une fonction continue sur [0, T ], derivable sur ]h, T ] et si
z (t) = f (t, z(t h)),
t ]h, T ].
(a) Soit y0 un reel xe. Montrer que (E) admet une solution retardee de retard h
et une seule, notee zh , telle que zh (t) = y0 pour tout t [0, h].
(b) Soit z une solution retardee de retard h. On pose
A = max |f (t, 0)|,
t[0,T ]
u[0,t]
m(t) m(h) +
(A + km(u))du.
h
() En deduire que
m(t)
A
A
+ m(h) ek(th) ,
k
k
t [h, T ].
t
(A
h
+ km(u))du.]
(t) (h) +
(kCh + k(u))du.
h
o`
u C est la constante de la question (c) ).
154
Analyse num
erique et
equations diff
erentielles
zn = zh (tn ) ;
tn+1
zn+1 = zn +
f (t, zh (t h))dt
tn
() Ecrire
la relation de recurrence denissant la suite (zn ).
() Exprimer lerreur de consistance relative `a une solution exacte y ; en calculer
un developpement limite `a lordre 2 en fonction de h et des derivees partielles
de f au point (t, y). Quel est lordre de la methode ? (voir chapitre VIII
pour les denitions).
5.9. Soit J un intervalle ouvert de R et f : J Rm Rm une application continue.
On se propose de demontrer que toute solution maximale de lequation dierentielle
y = f (t, y) est globale si f verie lhypoth`ese suivante :
(H) Il existe des fonctions a, b : I R+ continues telles que
f (t, y), y a(t) y 2 + b(t),
(t, y) J Rm ,
o`
u , et designent respectivement le produit scalaire et la norme
euclidienne standards sur Rm .
(a) Soit y : [t0 , t1 [ Rm une solution maximale a` droite passant par un point
(t0 , y0 ) et soit r(t) = y(t) 2 . Montrer que r (t) 2a(t)r(t) + 2b(t).
En deduire que y(t) 2 (t) o`
u : J R est la solution (toujours globale)
de lequation lineaire = 2a(t) + 2b(t), telle que (t0 ) = y0 2 .
[Indication : soit A(t) une primitive de a(t) ; etudier le signe de la derivee de
(r(t) (t))e2A(t) .
(b) Determiner un majorant explicite de y(t) lorsque a et b sont des constantes.
(c) On suppose que t1 < sup J. Montrer que y(t), y (t) sont bornees sur [t0 , t1 [ et
que ces fonctions se prolongent par continuite en t1 . Montrer que ceci conduit
a une contradiction. Conclure.
`
On consid`ere une equation dierentielle
(E)
dy
= f (x, y)
dx
o`
u f : U R est une fonction continue sur un ouvert U R2 , localement
lipschitzienne en y.
Les dierentes solutions de lequation (E) secrivent en general sous la forme
y = (x, )
o`
u est un param`etre reel : on dit parfois que la solution generale depend dun
seul param`etre. Pour comprendre ce phenom`ene, il sut dappliquer le theor`eme
de Cauchy-Lipschitz : si on cherche les solutions denies au voisinage dun point
x0 , on sait quil existe une solution y et une seule telle que y(x0 ) = y0 ; on peut
donc choisir = y0 pour parametrer les solutions. Dans la pratique, le param`etre
apparat souvent comme constante dintegration.
Il arrive parfois quen plus de la solution generale on ait des solutions particuli`eres
y = 0 (x), y = 1 (x), . . . qui ne sobtiennent pour aucune valeur de : on dit que
ce sont des solutions singuli`eres (ou courbes integrales singuli`eres) de (E).
156
Analyse num
erique et
equations diff
erentielles
On va maintenant decrire une situation un peu plus generale qui se ram`ene au cas
dune equation du type considere ci-dessus.
Syst`
emes di
erentiels autonomes dans un ouvert U R2 On
suppose donne un champ de vecteurs dans U , cest-`a-dire une application continue
x
a(x, y)
M
V (M )
, M U.
y
b(x, y)
dx
= a(x, y)
dM
dt
(S)
.
= V (M )
dt
dy = b(x, y)
dt
Si V (M ) represente un champ de vecteurs vitesse (associe par exemple `a lecoulement dune nappe de uide sur une surface plane), resoudre (S) revient a` chercher
la trajectoire et la loi du mouvement des particules de uide en fonction du temps.
Le mot autonome signie que le champ de vecteurs ne depend pas du temps t
(cas dun ecoulement stationnaire).
Si t
M (t) est solution, toute fonction t
M (t + 6
T ) obtenue par un de7calage
dans le temps est encore solution. Dans louvert U = M (x, y) ; a(x, y) = 0 on a
(S) (E) o`
u
b(x, y)
dy
=
= f (x, y).
dx
a(x, y)
(E)
Resoudre (E) permet de trouver la trajectoire des particules (mais pas la loi du
mouvement en fonction du temps).
Ce sont les equations dans lesquelles on peut regrouper x, dx dune part et y, dy
dautre part. Nous allons examiner 3 cas.
a) Equations
y = f (x), avec f : I R continue.
Les solutions sont donnees par
y(x) = F (x) + ,
R,
o`
u F est une primitive de f sur I. Les courbes integrales se deduisent les unes des
autres par translations dans la direction Oy.
b) Equations
y = g(y), avec g : J R continue.
Lequation peut se recrire
dy
dx
= g(y), ou encore
dy
g(y)
157
VI M
ethodes de r
esolution explicite
Notons yj les racines de g(y) = 0 dans lintervalle J. Alors y(x) = yj est une
solution (singuli`ere) evidente de lequation.
Dans louvert U = {(x, y) R J ; g(y) = 0}, on a
(E)
dy
= dx.
g(y)
o`
u G est une primitive quelconque de g1 sur chacun des intervalles ouverts [yj , yj+1 [
delimites par les racines de g. Dans chaque bande R ]yj , yj+1 [, les courbes
integrales se deduisent les unes des autres par translations dans la direction Ox ;
ceci est `a relier au fait que les lignes isoclines sont les droites y = m = constante.
Comme G = g1 et que g est de signe constant sur ]yj , yj+1 [, on en deduit que G est
une application strictement monotone bijective
G : ]yj , yj+1 [ ]aj , bj [
avec aj [, +[, bj ] , +]. On peut donc (au moins theoriquement)
exprimer y en fonction de x :
y = G1 (x + ),
R.
Supposons par exemple g > 0, et par suite G croissante sur ]yj , yj+1 [.
y +
dy
Si yjj g(y)
diverge, on a aj = , par consequent x = G(y) quand
y yj + 0. Dans ce cas, la courbe est asymptote `a la droite y = yj .
y +
dy
Si yjj g(y)
converge, alors aj R et x aj quand y yj + 0, avec de plus
y = g(y) 0 ; la courbe vient rejoindre la droite y = yj au point (aj , yj ) et
admet la droite y = yj pour tangente en ce point. Cette situation montre quil ny
a pas unicite du probl`eme de Cauchy en cas de convergence de lintegrale.
dy
g(y)
Lallure des courbes integrales est la suivante (dans le schema ci-dessous, on suppose
quil y a convergence en y2 0, divergence en y1 0 et y2 + 0) :
158
Analyse num
erique et
equations diff
erentielles
y
g(y) < 0
y = y2
g(y) > 0
x
y = y1
g(y) < 0
c) Cas g
en
eral des
equations `
a variables s
epar
ees :
(E)
dy
= f (x)dx
g(y)
do`
u G(y) = F (x) + , R, o`
u F est une primitive de f et G une primitive
de 1/g. Comme G est continue strictement monotone sur chaque intervalle [yj , yj+1 [,
lapplication G admet une application reciproque G1 et on obtient
y = G1 (F (x) + ).
1 y2
. Le domaine de denition est la reunion
1 x2
159
VI M
ethodes de r
esolution explicite
=
,
2
1 x2
1y
do`
u Arc siny = Arc sin x + , R. Comme Arcsin est une bijection de ] 1, 1[
sur 2 , 2 , on a necessairement ] , [. On doit avoir de plus
, si
2 2
Arc sin x ,
, =
2 2
2
2
,
si
2
2
De meme Arc sin y est dans
0,
0.
+ , 2 si 0, et dans 2 , 2 + si 0.
1 x2 sin
avec
x ] 1, cos [,
x ] cos , 1[,
y ] cos , 1[ si 0,
y ] 1, cos [ si 0.
,
2
x2 1
y 1
do`
u Arg cosh y = Arg cosh x + , R. Arg cosh est une bijection de ]1, +[ sur
]0, +[ ; en raisonnant comme ci-dessus, on obtient
y = x cosh +
x2 1 sinh
avec
x ]1, +[, y ] cosh , +[
x ] cosh , +[, y ]1, +[
si 0,
si 0,
2
2
par suite (y x cosh )2 x2 sinh
+ sinh = 0, ce quiest lequation dune
1
conique. Comme x2 1 = |x| 1 x12 = |x| 2|x|
+ O x13 , on voit que la
160
Analyse num
erique et
equations diff
erentielles
x = cos h
y= h
e x
cosh
1
y=
1 cosh
y = cos
x = < cos hv
y = cos
1
hv
e x
(E)
ou un syst`eme dierentiel
(S)
dx
dt = a(x, y)
dy = b(x, y)
dt
dans un ouvert U R2 . Dans les deux cas on a une ecriture sous forme dierentielle :
(E) f (x, y)dx dy = 0,
(S) b(x, y)dx a(x, y)dy = 0.
D
enition On dit quune fonction V : U R de classe C 1 est une integrale
premi`ere si (E) (respectivement (S)) implique
dV = Vx (x, y)dx + Vy (x, y)dy = 0.
161
VI M
ethodes de r
esolution explicite
d
[V (x, (x)] = 0.
dx
Les courbes integrales sont donc contenues dans les lignes de niveau V (x, y) = ,
o`
u R est une constante.
grad V
V (x, y) =
En tout point o`
u grad V = 0 , la ligne de niveau correspondante poss`ede une
tangente perpendiculaire a` grad V . Le champ des tangentes est dirige par le vecteur
1
a(x, y)
k
, resp. k
dans le cas de (E) (resp. (S)).
f (x, y)
b(x, y)
Propri
et
e caract
eristique V est une integrale premi`ere si et seulement si
Exemple Soit y =
y
x+y 2
sur
ydx (x + y 2 )dy = 0.
(E)
Cette dierentielle nest pas une dierentielle exacte dV = P dx + Qdy (on devrait
Q
eanmoins que
avoir P
y = x , ce qui nest pas le cas). On observe n
d
x
y
1
y2 ,
ydx xdy
.
y2
en se placant dans louvert y = 0 :
x
ydx xdy
y = 0.
dy = 0 d
2
y
y
x = y 2 + y.
162
Analyse num
erique et
equations diff
erentielles
2 /4
Ce sont des arcs de la parabole daxe y =
et de sommet
, delimites
/2
0
et le sommet, qui
par les points tels que x + y 2 = 2y 2 + y = 0, cest-`a-dire
0
doivent etre exclus. Par ailleurs, y = 0 est une solution singuli`ere, fournissant deux
solutions maximales pour x ] , 0[ et x ]0, +[ respectivement.
2
ydx (x + y )dy = 0.
1
y2
Ce sont les equations de la forme
(E)
y = a(x)y + b(x)
o`
u a, b : I R (ou C) sont des fonctions continues.
Supposons quon connaisse une solution particuli`ere y(1) de lequation (E). Alors
= a(x)(y y(1) ), cest-`a-dire que z = y y(1)
on obtient par soustraction y y(1)
verie lequation lineaire sans second membre
(E0 )
z = a(x)z.
Th
eor`
eme 1 La solution generale de (E) secrit
y = y(1) + z
u z est la solution generale de (E0 ).
o`
u y(1) est une solution particuli`ere de (E) et o`
163
VI M
ethodes de r
esolution explicite
a) Solutions de (E0 )
Comme f (x, z) = a(x)z est continue et de derivee partielle f
z (x, z) = a(x)
continue, on sait que le probl`eme de Cauchy admet une solution unique en tout
point (x0 , z0 ) I R. Or z(x) 0 est clairement solution de (E0 ). Dapr`es
lunicite, aucune autre solution ne peut sannuler en un quelconque point x0 I.
Si z = 0, on peut donc ecrire
z
= a(x),
z
ln |z| = A(x) + C,
C R,
o`
u A est une primitive de a sur I. On en deduit
|z(x)| = eC eA(x) ,
z(x) = (x)eC eA(x)
avec (x) = 1.
Th
eor`
eme 2 Les solutions maximales de (E0 ) : z = a(x)z forment un espace
vectoriel de dimension 1, ayant pour base x
eA(x) .
x0 I.
164
Analyse num
erique et
equations diff
erentielles
A(x)
b(t)eA(t) dt
x0
telle que y(1) (x0 ) = 0. La solution generale est donnee dapr`es le theor`eme 1 par
y(x) = eA(x) +
b(t)eA(t) dt .
x0
x0
a) Equations
de Bernoulli
Ce sont les equations de la forme
(E)
dy
= p(x)y + q(x)y ,
dx
R \ {1},
165
VI M
ethodes de r
esolution explicite
(E)
Posons z = y 1 ; alors
dz
dx
dy
= p(x)y 1 + q(x)
dx
dy
= (1 )y dx
, do`
u
(E)
dz
1
= p(x)z + q(x)
1 dx
b) Equations
de Riccati
Ce sont les equations de la forme
y = a(x)y 2 + b(x)y + c(x)
(E)
3x2
1
w+
,
3
1x
1 x3
w=
si x = 1.
1
,
z
166
Analyse num
erique et
equations diff
erentielles
w
w
ln |w| = ln |1 x3 | + C,
3x2
1x3
donne
do`
u
w=
.
1 x3
soit = 1,
(x) = x.
y = x2 + z = x2 +
1
w
= x2 +
y(x) =
1x3
x+ ,
x+
,
1 x3
soit encore
1 + 3
x2 + 1
= x 2 +
.
x+
x+
Une equation homog`ene est une equation qui peut se mettre sous la forme
y
(E)
y = f
o`
u f : I R est continue.
x
167
VI M
ethodes de r
esolution explicite
P (x,y)
o`
u P, Q sont des polyn
omes
Cest le cas par exemple des equations y = Q(x,y)
homog`enes de meme degre d : une division par xd au numerateur et au denominateur
P (1,y/x)
.
nous ram`ene `a y = Q(1,y/x)
M
ethode On pose z = xy , cest-`a-dire y = xz. Il vient
y = z + xz = f (z),
donc z satisfait lequation a` variables separees
z =
f (z) z
.
x
y(x) = zj x
o`
u {zj } est lensemble des racines de f (z) = z.
Pour f (z) = z on peut ecrire
dz
dx
=
,
f (z) z
x
F (z) = ln |x| + C = ln (x),
R ,
o`
u F est une primitive de z
1/(f (z) z) sur ]zj , zj+1 [. On en deduit que
u la famille de courbes integrales
z = F 1 (ln (x)), do`
C : y = xF 1 (ln (x)),
denies dans le secteur angulaire zj <
y
x
168
Analyse num
erique et
equations diff
erentielles
isocline y = mx
pente f (m)
y=
z 2x
f (m
)=
y=
zx
1
y2
x(2y x)
si x = 0,
y =
x
.
2
(y/x)2
.
2y/x 1
Solutions singuli`eres :
z = 0,
y = 0,
z = 1,
y = x.
169
VI M
ethodes de r
esolution explicite
La fonction
2z 1
z (1 z)
1
1
=
=
z(1 z)
z(1 z)
1z
z
y
y
z(1 z) = ,
1
= ,
x
x
x
x
y(x y) = x.
Les courbes integrales sont donc des coniques. On peut mettre lequation sous la
forme
(y )(x y ) = 2
cest-`a-dire XY = avec X = x y et Y = y . Il sagit dune hyperbole
dasymptotes y = , y = x (parall`eles aux directions asymptotiques y = 0,
y = x donnees par les droites integrales singuli`eres).
Exercice Montrer que chaque hyperbole passe par (0, 0) avec tangente x = 0.
Autre M
ethode de r
esolution Utilisation des coordonnees polaires.
Pour r > 0 et R on pose
x = r cos
.
y = r sin
170
Analyse num
erique et
equations diff
erentielles
Il vient
dy
dr sin + r cos d
dr tan + r d
=
=
.
dx
dr cos r sin d
dr r tan d
Lequation (E) y = f xy se transforme alors en
dr tan + r d = (dr r tan d)f (tan ),
dr(f (tan ) tan ) = rd(1 + tan f (tan )),
dr
1 + tan f (tan )
=
d.
r
f (tan ) tan
On aboutit donc a` une equation a` variables separees r, . Les integrales singuli`eres
correspondent aux droites = j telles que f (tan j ) = tan j .
Exercice Resoudre y =
x+y
xy
y
On appelle equation du premier ordre non resolue en y une equation de la forme
(E)
f (x, y, y ) = 0
o`
u (x, y, p)
f (x, y, p) est une fonction de classe C 1 dans un ouvert U R3 .
Placons-nous au voisinage dun point (x0 , y0 ) R2 . On suppose que lequation
f (x0 , y0 , p) = 0 admet des racines p1 , p2 , . . . , pN et que ces racines sont simples,
cest-`a-dire
f
(x0 , y0 , pj ) = 0.
p
Dapr`es le theor`eme des fonctions implicites, on sait alors quil existe un voisinage
V de (x0 , y0 ), un reel h > 0 et une fonction gj : V ]pj h, pj + h[ de classe C 1 ,
1 j N , tels que pour tout (x, y, p) V ]pj h, pj + h[ on ait
f (x, y, p) = 0
p = gj (x, y).
y = gj (x, y).
Comme gj est de classe C 1 , on voit que par tout point (x, y) V il passe exactement
N courbes integrales dont les pentes sont les racines p de f (x, y, p) = 0.
171
VI M
ethodes de r
esolution explicite
pente p2
y
pente p1
x
Remarque Dans cette situation, il arrive frequemment quon ait une famille
de courbes integrales C admettant une enveloppe , cest-`a-dire une courbe qui
est tangente en chacun de ses points `a lune des courbes C .
La courbe est alors elle-meme une courbe integrale, car en chaque point sa
tangente appartient au champ des tangentes de lequation (E) (elle concide avec la
tangente de lune des courbes C ). est donc une solution singuli`ere. On notera
quune telle courbe doit satisfaire simultanement les deux equations f (x, y, y ) = 0
et f /p(x, y, y ) = 0 : chaque point (x, y) est en eet limite dune suite de
points en lesquels deux tangentes du champ viennent se confondre, de sorte que
p = y est racine double de f (x, y, p) = 0. En particulier les hypoth`eses faites cidessus pour appliquer le theor`eme des fonctions implicites ne sont pas satisfaites si
(x0 , y0 ) .
M
ethode de R
esolution Pour resoudre les equations dierentielles non
resolues en y , le principe general est de chercher une parametrisation de x, y, y en
fonction dun param`etre t qui sera alors choisi comme nouvelle variable.
a) Equations
du type (E) : f (x, y ) = 0
Supposons que lequation f (x, p) = 0 admette une parametrisation de classe C 1
172
Analyse num
erique et
equations diff
erentielles
On a alors
x = (t)
p = (t).
dx = (t) dt
dy = y dx = (t) dx = (t) (t) dt
On en deduit
y=
t0
x = (t)
y = (t) + .
b) Equations
du type (E) : f (y, y ) = 0,
y = (t)
connaissant une parametrisation
y = (t).
(t)
On obtient dy = (t)dt = (t)dx, do`
u dx = (t)
dt. Les courbes integrales sont
parametrees par
x = (t) +
y = (t)
t
(u)
du.
avec (t) =
t0 (u)
Ce sont les equations pouvant etre mises sous la forme
(E)
y
x
, y = 0.
= (t)
y = (t).
x
On a alors
do`
u
y = x(t),
dy = (t)dx + x (t)dt
dy = (t) dx,
173
VI M
ethodes de r
esolution explicite
ln |x| = (t) + C,
x = e(t)
,
y = x(t) = (t)e(t)
R.
Il est clair sur ces derni`eres formules que les courbes integrales se deduisent les
unes des autres par les homotheties de centre O.
y
3
y
+ 3y =
+ y ,
x
x
cest donc une equation homog`ene non resolue en y . On obtient une parametrisation
en posant
y
x +y =t
y
3
x + 3y = t ,
do`
u
En dierentiant y =
1
2
= 12 (3t t3 )
y = 12 (t3 t).
y
x
()
(3t t3 )x on obtient
1
1
(3 3t2 )dt x + (3t t3 ) dx
2
2
1 3
= y dx = (t t) dx,
2
dy =
do`
u lequation
1
(3 3t2 )dt x,
2
3(1 t2 )
dx
=
dt.
x
2t(t2 2)
2
2
x,
y=
x.
y = 0,
y=
2
2
(t3 2t)dx =
174
Analyse num
erique et
equations diff
erentielles
Solution generale :
2
1 t2 t2
1
t
1 t2
=
=
,
t(t2 2)
t(t2 2)
2t 2(t2 2)
3(1 t2 )
3 dt 3 tdt
dt =
.
2t(t2 2)
4 t
4 t2 2
On en deduit
3
3
ln |t| ln |t2 2| + C,
4
8
x = |t|3/4 |t2 2|3/8
y = xy x = 2 (3t t3 )|t|3/4 |t2 2|3/8 .
ln |x| =
Exercice Montrer que par tout point (x, y) tel que |y| < |x| il passe exactement
trois courbes integrales, alors quil nen passe quune si |y| > |x|. Combien en passe`
t-il si |y| = |x| ? [Indication : etudier le nombre de valeurs de t et y associees a
une valeur donnee de y/x].
Cherchons `a determiner les equations dierentielles dont les courbes isoclines sont
des droites. La courbe isocline y = p sera une droite y = a(p)x + b(p) (pour
simplier, on ecarte le cas des droites parall`eles `a y Oy). Lequation dierentielle
correspondante est donc
(E)
y = a(y )x + b(y ).
175
VI M
ethodes de r
esolution explicite
M
ethode de R
esolution
y = a(p)x + b(p),
dy = a(p)dx + (a (p)x + b (p))dp
dy = y dx = pdx.
Il vient
(p a(p))dx = (a (p)x + b (p))dp,
et pour p = a(p) on aboutit a`
dx
1
=
(a (p)x + b (p)) ;
dp
p a(p)
cest une equation lineaire en la fonction x(p). La solution generale sera de la forme
R,
y = y x + b(y ).
Les droites
Dp : y = px + b(p)
qui etaient precedemment des solutions singuli`eres forment maintenant une famille
generale de solutions.
Montrons que les droites Dp poss`edent toujours une enveloppe . Une telle courbe
admet par denition une parametrisation (x(p), y(p)) telle que soit tangente a`
Dp au point (x(p), y(p)).
176
Analyse num
erique et
equations diff
erentielles
(x(p), y(p))
Dp
Le vecteur tangent (x (p), y (p)) a` doit avoir meme pente p que Dp , do`
u
y (p) = px (p). Par ailleurs (x(p), y(p)) Dp , donc
y(p) = px(p) + b(p).
En dierentiant, il vient
y (p) = px (p) + x(p) + b (p).
u la parametrisation cherchee de lenveloppe :
Ceci implique x(p) + b (p) = 0, do`
x(p) = b (p)
y(p) = pb (p) + b(p).
Si b est de classe C 2 , on a y (p) = pb (p) = px (p) de sorte que est bien
lenveloppe des droites Dp . La courbe est une solution singuli`ere de (E).
On consid`ere le probl`eme suivant :
Probl`
eme Etant donne une famille de courbes
C : h(x, y, ) = 0,
R,
existe-t-il une equation dierentielle du premier ordre dont les courbes C soient
les courbes integrales ?
177
VI M
ethodes de r
esolution explicite
Cas particulier. On suppose que les courbes C sont les lignes de niveau dune
fonction V de classe C 1 :
C : V (x, y) = ,
R.
(E)
Cas g
en
eral. Si lequation h(x, y, ) = 0 peut se mettre sous la forme
= V (x, y), on est ramene au cas precedent. Sinon on ecrit que sur chaque C on
a
h(x, y, ) = 0
hx (x, y, )dx + hy (x, y, )dy = 0,
et on essaie deliminer entre les 2 equations pour obtenir une equation ne faisant
plus intervenir que x, y, dx, dy.
y=m
y
C
A (1, 0)
A (1, 0)
y=< 1
mx
Les asymptotes de C sont alors des droites orthogonales passant par O, soit
y = mx,
Posons X = y mx, Y = y +
1
m
y=
1
x,
m
m R .
XY = C
(constante),
1
x = C,
(y mx)(y +
m
1
m xy = C.
y 2 x2 +
m
178
Analyse num
erique et
equations diff
erentielles
1
m
m (noter que m
1
m
R,
x2 y 2 1
,
xy
(2xdx 2ydy)xy (x2 y 2 1)(xdy + ydx)
.
d = 0 =
x2 y 2
=
(E) :
D
enition On dit que C et sont orthogonales si les tangentes a` C et
sont orthogonales en tout point de C , quels que soient et .
Probl`
eme Etant donne une famille de courbes C , trouver la famille ( ) des
courbes qui sont orthogonales aux C .
Pour cela, on suppose que lon connat une equation dierentielle (E) satisfaite par
les courbes C , et on cherche lequation dierentielle (E ) des courbes orthogonales . Distinguons quelques cas.
179
VI M
ethodes de r
esolution explicite
y =
1
.
f (x, y)
dx
= a(x, y)
dM
dt
.
= V (M )
(C ) satisfait (E) :
dt
dy
= b(x, y)
dt
dx
= b(x, y)
dt
(E )
dy = a(x, y)
dt
(C ) satisfait (E) : (x, y)dx + (x, y)dy = 0.
Alors ( ) verie (E ) : (x, y)dx + (x, y)dy = 0.
Cas particulier. Supposons que les courbes C sont les lignes de niveau V (x, y) =
de la fonction V . Elles verient alors
Vx (x, y)dx + Vy (x, y)dy = 0.
(E)
dx
= Vx (x, y)
dt
(E )
dy = Vy (x, y)
dt
(E ) :
Donc verie
(x2 + y 2 )(xdx + ydy) xdx + ydy = 0.
Une integrale premi`ere apparat immediatement :
d
1
4
(x2 + y 2 )2
y2
x2
+
=0
2
2
180
Analyse num
erique et
equations diff
erentielles
R,
M A M A = C = + 1,
avec
x
M
,
y
A
A
0
,
1
0
.
Nous presentons ici la cel`ebre courbe du chien comme exemple de courbe de
poursuite. Voici le probl`eme : un chien et son matre se deplacent lun et lautre a`
des vitesses scalaires constantes V (pour le chien) et v (pour le matre), avec V > v.
On suppose que le matre se deplace en ligne droite, disons sur laxe Ox, dans la
direction positive, suivant la loi x = vt. A linstant t = 0, le chien se trouve au
point x = 0 y = r0 , a` distance r0 du matre. Le chien cherche a` rejoindre son
181
VI M
ethodes de r
esolution explicite
y
C0
0
r0
V
C(t)
x(t)
y(t)
M0 = O
M (t)
vt
0
= dr/dt, (t)
= d/dt, . . . . A linstant t,
la position et la vitesse du chien sont donnees par
x(t) = vt r cos ,
y(t) = r sin ,
x(t)
r = v cos V,
r = v sin .
r = r0
tan(/2)
sin
Nous en deduisons
d
v sin
v
= =
= (sin )2 tan(/2) .
dt
r
r0
182
Analyse num
erique et
equations diff
erentielles
cos =
, on trouve
2
2
1 + 2
r0 tan(/2)
r0
d = (1 + 2 )2 d,
2
v (sin )
2v
1 +1
r0 1 1
+
t=
2v
1
+1
dt =
r0 1 1
1 +1 r0
x
=
+
(1 2 )1
2
1
+1
2
y = r0
1 +1
r 1 1
t = 0
+
,
[0, 1].
2v
1
+1
Au terme de la poursuite (y = = 0), le matre a parcouru la distance
x=
r0
2 1
pendant le temps t =
r0
.
2 1 v
C0
0
r0
M (t)
= V /v = 10
3, 0
2, 0
1, 5
vt
0
1, 25
Remarque Les equations ont encore un sens lorsque t < 0. On a dans ce cas
]/2, [ , ]1, +[ , le chien se trouve dans le quadrant x > 0, y > r0 et se
dirige vers le matre qui parcourt de son c
ote la demi-droite x < 0.
183
VI M
ethodes de r
esolution explicite
On consid`ere une equation dierentielle
y = f (x, y, y )
(E)
o`
u f : U R, U R3 , est une application continue localement lipschitzienne en
ses deuxi`eme et troisi`eme variables.
La solution generale y denie au voisinage dun point x0 depend alors de deux
param`etres , R qui apparaissent le plus souvent comme des constantes
dintegration :
y(x) = (x, , ).
Le theor`eme de Cauchy-Lipschitz montre quon peut choisir y0 = y(x0 ), y1 = y (x0 )
comme param`etres.
Il existe tr`es peu de cas o`
u on sait resoudre explicitement une equation du second
ordre : meme les equations lineaires du second ordre sans second membre ne se
resolvent pas explicitement en general.
a) Equations
du type (E) :
y = f (x, y )
b) Equations
du type (E) :
y = f (y, y )
avec f (yj , 0) = 0.
dy dy
dv
dy
=
=v
dx
dx dy
dy
184
Analyse num
erique et
equations diff
erentielles
dv
= f (y, v).
dy
dy
= x + ,
v(y, )
c) Equations
du type (E) :
R.
y = f (y)
Cest un cas particulier du cas b) precedent, mais on peut ici preciser davantage la
methode de resolution. On a en eet
y y = f (y)y ,
et en integrant il vient 12 y 2 = (y) + , R, o`
u est une primitive de f . On
obtient donc
y = 2((y) + ),
dy
= dx,
2((y) + )
y
du
= x + , R.
2((u) + )
y0
Interpr
etation physique On etudie la loi du mouvement dun point materiel
M de masse m astreint a` se deplacer sur une courbe (C). On suppose que la
FT
F
(C)
FN
185
VI M
ethodes de r
esolution explicite
Par hypoth`ese, il existe une fonction f telle que FT = f (y). Le principe fondamental
de la dynamique donne
d2 y
FT = mT = m 2 ,
dt
do`
u
(E)
my = f (y)
(y) = f (y)dy = FT (M ) dM = F (M ) dM
est lenergie potentielle Ep . Lenergie totale
Et = Ec + Ep =
1
my 2 (y)
2
est constante quel que soit le mouvement du point M . On dit que U (y, y ) =
1
2
egrale premi`ere de (E) (dans le sens que cest une
2 my (y) est une int
relation dierentielle obtenue `a laide dune premi`ere integration de lequation du
second ordre, une deuxi`eme integration restant necessaire pour etablir la loi du
mouvement). Si Et designe lenergie totale, la loi du mouvement est donnee par
t t0 = m/2
y
y0
du
Et + (u)
au voisinage de tout donnee initiale (t0 , y0 , y0 ) telle que 12 my02 = Et + (y0 ) > 0.
Supposons que la fonction f : R R soit de classe C 1 ,
strictement decroissante et telle que f (0) = 0 ; on a donc en particulier f (y) > 0
pour y < 0 et f (y) < 0 pour y < 0 (physiquement, ceci signie que la force est
une force de rappel vers la position neutre y = 0, dont lintensite saccrot avec
la distance a` la position neutre). Alors les solutions maximales t
y(t) sont
u
periodiques. Pour le voir, posons par exemple (u) = 0 f (y)dy et observons que
est une fonction concave negative ou nulle, passant par un maximum en (0) = 0.
Comme 12 my 2 (y) = Et avec y 2 0 et (y) > 0 si y = 0, les solutions non
triviales
nexistent que pour une valeur Et > 0 de lenergie totale, et elles verient
|y | 2Et /m et (y) Et . De plus, si a < 0, b > 0 sont les uniques reels
negatif et positif tels que (a) = (b) = Et , on a a y(t) b pour tout t. Ceci
implique dej`a que les solutions maximales sont denies sur R tout entier [si par
exemple une solution maximale netait denie que sur un intervalle ouvert ]t1 , t2 [,
le crit`ere de Cauchy uniforme montrerait que y se prolonge par continuit
e `a droite
en t1 et `a gauche en t2 , puisque y est lipschitzienne de rapport 2Et /m, et
1
ace `a la relation y = m
f (y) ; lexistence
de meme y et y se prolongeraient gr
de solutions locales au voisinage de t1 et t2 contredirait alors la maximalite de y].
Compl
ement
186
Analyse num
erique et
equations diff
erentielles
T
du
= m/2
,
2
E
a
t + (u)
et, en choisissant t0 tel que y(t0 ) = min y = a, on a les relations
y
du
t = t0 + m/2
+ nT,
t [t0 + nT, t0 + nT + T /2],
ay Et + (u)
du
FT
P = m
g
u
On a ici y = l et FT = P sin = mg sin , do`
ml = mg sin ,
g
= sin .
l
Lenergie totale est
1
1
my 2 mgl cos = ml2 2 mgl cos .
2
2
Les solutions t
(t) verient
Et = Ec + Ep =
2Et
2g
cos = =
2
,
R,
l
ml2
d
t0 R.
= t t0 ,
0
+ 2g
l cos
VI M
ethodes de r
esolution explicite
187
l
Si > 2g/l, on nest plus dans la situation de la remarque, mais on a cependant
encore un mouvement periodique de demi-periode
d
T
=
,
2
0
+ 2g
l cos
le pendule eectuant des rotations compl`etes sans jamais changer de sens de
rotation.
En physique, on sinteresse generalement aux oscillations de faible amplitude du
pendule. Ceci permet de faire lapproximation usuelle sin et
on obtient
alors les solutions approchees classiques = m cos (t t0 ) avec = g/l. Nous
reviendrons sur cette question au paragraphe 2.4 du chapitre XI, et nous indiquerons
en particulier une methode permettant devaluer lerreur commise.
La theorie generale des equations et syst`emes dierentiels lineaires sera faite au
chapitre suivant. Indiquons un cas o`
u lon peut se ramener a` un calcul de primitives.
Soit
a(x)y + b(x)y + c(x)y = 0.
(E)
Supposons quon connaisse une solution particuli`ere y(1) de (E). On peut alors
chercher la solution generale par la methode de variation des constantes :
y(x) = (x)y(1) (x).
Il vient
+ b(x) y(1) + y(1)
+ c(x)y(1) = 0,
+ y(1)
a(x) y(1) + 2 y(1)
+ b(x)y(1)
+ c(x)y(1) + 2a(x)y(1)
+ b(x)y(1) + a(x)y(1) = 0,
a(x)y(1)
2a(x)y(1)
+ b(x)y(1) + a(x)y(1) = 0.
188
Analyse num
erique et
equations diff
erentielles
y(1)
a(x)
(, ) R2 .
Les probl`emes variationnels conduisent tr`es souvent `a la resolution dequations
dierentielles du second ordre. Avant de donner un exemple, nous allons resoudre un
probl`eme variationnel general dans une situation simple. On consid`ere un operateur
fonctionnel (cest-`a-dire une fonction dont la variable est une fonction)
: C 2 ([a, b]) R
u (u) =
o`
u F : [a, b] R R R, (x, y, z)
F (x, y, z) est une application de classe C 2 .
Le probl`eme typique du calcul des variations est de rechercher les extrema de (u)
lorsque u decrit C 2 ([a, b]) avec la contrainte aux bornes suivante : les valeurs
aux bornes de lintervalle u(a) = u1 , u(b) = u2 sont xees.
Soit h C 2 ([a, b]) avec h(a) = h(b) = 0. Pour tout t R, la fonction u + th verie
la meme contrainte aux bornes que la fonction u. Si u est un extremum de sous
les conditions precisees plus haut, alors t = 0 est un extremum de la fonction dune
variable reelle
b
F (x, u(x) + th(x), u (x) + th (x))dx.
h (t) = (u + th) =
a
On doit donc avoir (0) = 0, et ceci quel que soit la fonction h C 2 ([a, b]) veriant
h(a) = h(b) = 0. Dapr`es le theor`eme de derivation sous le signe somme il vient
h (0)
b
h(x)Fy (x, u, u ) + h (x)Fz (x, u, u ) dx.
=
a
d
Fz (x, u, u ) dx.
h(x) Fy (x, u, u )
dx
VI M
ethodes de r
esolution explicite
189
Par densite de lensemble des fonctions h considerees dans lespace L1 ([a, b]) des
fonctions integrables sur [a, b], on aura donc h (0) = 0 pour tout h si et seulement
si u satisfait lequation dierentielle
d
(E)
Fy (x, u, u )
Fz (x, u, u ) = 0,
dx
ou encore :
(x, u, u ) u Fyz
(x, u, u ) u Fzz
(x, u, u ) = 0.
Fy (x, u, u ) Fxz
Cette equation dierentielle du second ordre en u est appelee equation dEulerLagrange associee au probl`eme variationnel deni par loperateur .
Application a
` la chanette On cherche `a determiner la courbe representant
la position a` lequilibre dun l souple inextensible de masse lineique = dm/ds
constante, lorsque ce l est suspendu par ses extremites en des points situes `a
la meme hauteur (cette courbe est appelee chanette ). On admettra comme
physiquement evident que la courbe cherchee est symetrique et situee dans le plan
vertical contenant les extremites. Soit Oxy un rep`ere orthonorme de ce plan tel
que Oy est la verticale oriente vers le haut et passant par le point le plus bas de
la courbe, les extremites ayant pour coordonnees (a, 0). Soit enn s [/2, /2]
labscisse curviligne mesuree le long du l avec le point le plus bas pris comme origine
( designe la longueur du l). La position dequilibre correspond `a la position la
plus basse possible du centre de gravite G. Par symetrie, on a (x etant choisi comme
variable) :
a
a
1
1
2 a
y dm =
y ds =
y ds,
yG =
m/2 0
/2 0
0
o`
u m = est la masse du l. Une integration par parties donne
2 a 2 a
ys 0
yG =
s dy
0
2 a
2 a
2
=
s dy =
s s 1 dx
0
0
s s2 1 dx,
(s) =
0
F (x, s, t) = s t2 1 donne
d ss
2
s2 + ss
ss2 s
s2 1
= 0.
= s 1
+ 2
dx
(s 1)3/2
s2 1
s2 1
Apr`es multiplication par (s2 1)3/2 on obtient lequation
(E)
190
Analyse num
erique et
equations diff
erentielles
=v
,
dx
dx ds
ds
dv
= 0,
(E) 1 v 2 + sv
ds
ds
vdv
1
= 2
ln s =
ln(v 2 1) + C,
s
v 1
2
s = v 2 1 = s2 1,
ds
s2
ds
s =
= 1 + 2 dx =
,
dx
1 + s2 /2
x
s
x = Arg sinh s = sinh ,
dy 2
ds
dy
x
x
= 1+
= sinh .
= ch
dx
dx
dx
s =
Remarque Notre
raisonnement nest pas parfaitement rigoureux dans la mesure
o`
u F (x, s, t) = s t2 1 est de classe C 2 seulement sur R R {|t| > 1}, alors que
u
|s | est 1 mais prend la valeur 1 pour x = 0 (on notera que ds/dx = 1/ cos o`
est langle de la tangente a` la courbe avec laxe 0x). Supposons s (x) > 1 pour
x > 0, comme cest le cas pour la solution physique observee. Le raisonnement
de derivation sous la signe somme et lintegration par parties appliques dans les
considerations generale du debut fonctionnent encore pour |t| petit si on suppose
h(x) = 0 sur un voisinage de 0 (et aussi bien s
ur h(a) = 0).
Ces fonctions h sont encore denses dans L1 ([0, a]), donc s doit eectivement
satisfaire lequation dierentielle (E) sur ]0, a].
Calcul de g
eod
esiques Nous etudions ici une autre application importante
du calcul des variations, a` savoir le calcul des geodesiques dune surface (ou dune
variete de dimension plus grande). Si nous avons une surface S R3 donnee comme
un graphe z = h(x, y) dune fonction h : R sur un ouvert R2 , lelement de
longueur innitesimal de la surface S est donne pour tout (x, y) par
ds2 = dx2 + dy 2 + dz 2 = dx2 + dy 2 + (hx dx + hy dy)2
= (1 + hx2 )dx2 + 2hx hy dx dy + (1 + hy2 )dy 2 .
191
VI M
ethodes de r
esolution explicite
(avec une matrice symetrique (aij (x)) denie positive). On supposera en outre que
donne
les coecients aij (x) sont susamment reguliers, disons de classe C 2 . Etant
1
une courbe : [a, b] de classe C , sa longueur (riemannienne) est par denition
ds = (t) dt q = q (t), (t)dt =
aij ((t)) i (t)j (t) dt,
long() =
ds =
a
1i,jm
b
1i,jm
a 1i,jm
(t) 2q dt
1/2
, avec egalite si et seulement si
soit long() (b a)E()
ds
= (t) q = Cte,
dt
condition qui peut toujours etre realisee en reparametrisant le chemin par son
abscisse curviligne s. Il en resulte que les chemins qui minimisent lenergie sont
exactement les geodesiques parametrees par labscisse curviligne (`a un facteur
constant pr`es). Or la fonctionnelle denergie
E() admet pour dierentielle
b
aij
((t)) i (t)j (t)hk (t) + 2
aij ((t)) i (t)hj (t) dt
E () h =
xk
a
i,j
i,j,k
b
a
d
ij
=
hk (t)
((t)) i (t)j (t) 2
aik ((t)) i (t) dt
xk
dt i
a
i,j
k
192
Analyse num
erique et
equations diff
erentielles
1 k m.
x
2
x
j
k
i
i,j
5.1. On consid`ere lequation dierentielle `a variables separees
(F )
dy
= y + 1,
dt
> 0.
0 x +1
(b) Plus precisement :
Determiner (en distinguant les deux cas 0 < 1 et > 1) le comportement
de G(y) sur [0, +[ ;
en deduire dans chaque cas lallure des solutions maximales de (F ) ;
traiter compl`etement et explicitement les deux cas = 1 et = 2.
5.2. On consid`ere lequation dierentielle
xy y 2 + (2x + 1)y = x2 + 2x.
(a) Poss`ede-t-elle une solution particuli`ere de type polyn
ome ?
solution generale.
En donner la
(b) Quelle est lequation de lisocline de pente 0 dans le nouveau rep`ere de vecteurs
de base ((1, 1), (0, 1)) ? Dessiner cette isocline en precisant les tangentes aux
points dabscisse 0 dans lancien rep`ere.
(c) Dessiner lallure generale des solutions.
(d) Soit (x0 , y0 ) un point de R2 . Combien passe-t-il de solutions maximales de
classe C 1 par (x0 , y0 ) ? On precisera lintervalle de denition de ces solutions
et le cas echeant on indiquera les solutions globales.
5.3. On consid`ere lequation dierentielle
dy
= y 2 (2x 1)y + x2 x + 1.
dt
193
VI M
ethodes de r
esolution explicite
dx
0 de x, y, y/x, puis preciser d
dy
dx dy
et d
. Quelle est la norme euclidienne du vecteur d
, d ? On se rappellera
que
dy
dx
= tan .
dy 2
dx 2
+ d
pour 0
(e) On pose z() =
d
z() puis tracer la courbe C0 .
2.
194
Analyse num
erique et
equations diff
erentielles
x4 = y 4 + x.
(b) Ecrire
lequation dierentielle des trajectoires orthogonales aux courbes (C ).
En observant que cette equation est dun type classique, determiner lequation
des trajectoires orthogonales.
5.8. On consid`ere le probl`eme de Cauchy
y = t2 + y 2 + 1 ;
(P)
y(0) = 0.
(a) Soient T et R deux reels > 0, et soit (T, R) le rectangle deni par les inegalites
0tT;
R y R.
z = z 2 + 1,
z(0) = 0,
o`
u z designe une nouvelle fonction inconnue de t.
() Determiner explicitement lunique solution z de (P1 ), et indiquer son
intervalle de denition maximal.
() Soit [0, T ] un intervalle sur lequel y et z soient simultanement denies.
Montrer que u = y z est solution dun probl`eme de Cauchy
(P2 )
u = a(t)u + b(t) ;
u(0) = 0 ;
o`
u b verie b(t) 0 pour tout t dans [0, T ]. En deduire que y(t) z(t) pour
tout t dans [0, T ].
195
VI M
ethodes de r
esolution explicite
2,
|dz|2
dx2 + dy 2
=
,
2
2
(1 |z| )
(1 (x2 + y 2 ))2
z = x + iy.
(a) Montrer (avec les notations du 4.4, et en gardant les fonctions complexes dans
les calculs) que la dierentielle de lenergie est donnee par
E() h = 2 Re
a
(t)
(t) (t) (t)
2 h (t) + 2
3 h(t) dt.
1 (t)(t)
1 (t)(t)
2 (t)2 (t)
1 (t)(t)
= 0.
(b) Montrer que le chemin (t) = tanh(kt) (qui decrit le diam`etre ]1, 1[ du disque)
est solution de lequation pour tout k R+ .
(c) Montrer que si t
(t) est solution, alors t
(t) est encore solution pour
tout nombre complexe de module 1, et egalement que ha est solution, pour
toute homographie complexe ha de la forme
ha (z) =
z+a
,
1 + az
a D.
Un syst`eme dierentiel lineaire du premier ordre dans Km est une equation
(E)
dY
= A(t)Y + B(t)
dt
y1 (t)
o`
u Y (t) = ... Km est la fonction inconnue et o`
u
ym (t)
b1 (t)
198
Analyse num
erique et
equations diff
erentielles
Th
eor`
eme Par tout point (t0 , V0 ) I Km il passe une solution maximale
unique, denie sur I tout entier.
On entend par l`
a un syst`eme lineaire avec B = 0 identiquement :
dY
(E0 )
= A(t)Y.
dt
Soit S lensemble des solutions maximales. Alors pour tous Y(1) , Y(2) S et tous
scalaires 1 , 2 K on a 1 Y(1) + 2 Y(2) S, donc S est un K-espace vectoriel.
Considerons lapplication devaluation au temps t0 :
t0 : S Km
Y
Y (t0 ).
t0 est un isomorphisme lineaire, la surjectivite provenant du theor`eme dexistence,
et linjectivite du theor`eme dunicite relatif au probl`eme de Cauchy.
Cons
equence Lensemble S des solutions maximales est un espace vectoriel
de dimension m sur K.
Revenons au syst`eme lineaire le plus general :
dY
= A(t)Y + B(t).
(E)
dt
On sait quil existe au moins une solution globale Y(1) . Si Y est une solution
quelconque, il est clair que Z = Y Y(1) satisfait lequation sans second membre
(E0 ) : dZ/dt = A(t)Z, et reciproquement. Par consequent, lensemble des solutions
maximales est donne par
Y(1) + S = {Y(1) + Z ; Z S},
o`
u S est lensemble des solutions maximales de lequation sans second membre (E0 )
associee. Lensemble Y(1) + S des solutions est un translate de S, cest donc un
espace ane de dimension m sur K, admettant S comme direction vectorielle.
Ce sont les syst`emes de la forme
dY
= AY + B(t)
dt
o`
u la matrice A = (aij ) Mn (K) est independante de t.
(E)
199
VII Syst`
emes diff
erentiels lin
eaires
dY
dt
= AY
j K.
La denition est calquee sur celle de la fonction exponentielle complexe usuelle,
calculee au moyen du developpement en serie enti`ere.
D
enition Si A M (K), on pose eA =
+
1 n
A .
n!
n=0
Munissons Mn (K) de la norme ||| ||| des operateurs lineaires sur Km associee `a la
norme euclidienne (resp. hermitienne) de Rm (resp. Cm ). On a alors
|||
de sorte que la serie
1
n!
1 n
1
A |||
|||A|||n ,
n!
n!
Propri
et
e fondamentale Si A, B Mm (K) commutent (AB = BA), alors
eA+B = eB eB .
200
Analyse num
erique et
equations diff
erentielles
V
erication. On consid`ere la serie produit
general est
Cn =
1
p!
Ap
1
q!
B q , dont le terme
1
n!
1
1
Ap B q =
Ap B np =
(A + B)n
p!q!
n!
p!(n
p)!
n!
p+q=n
p=0
n
M
ethode g
en
erale de calcul dans Mn(C) Toute matrice A Mn (C)
peut etre mise sous forme de blocs triangulaires correspondant aux dierents sousespaces caracteristiques de A. Il existe donc une matrice de passage P , dont
les colonnes sont constituees par des vecteurs formant des bases des sous-espaces
caracteristiques, telle que
T = P 1 AP
soit une matrice triangulaire de la forme
T1
T2
T =
,
.
..
Ts
Tj =
0
..
.
...
...
..
.
..
.
0
..
.
,
o`
u 1 , . . . , s sont les valeurs propres distinctes de A. On a alors de facon evidente
T1n
e T1
T2n
e T2
..
eT =
Tn =
..
,
.
.
Tsn
T1
e
e T2
A
T 1
..
e = Pe P = P
.
0
e Ts
e Ts
1
P
201
VII Syst`
emes diff
erentiels lin
eaires
...
.
..
. ..
0
B=. .
= I + N Mp (K),
.. ...
..
0 ... 0
.
.
..
o`
u I est la matrice unite et N une matrice nilpotente N = ..
0 ... 0
triangulaire superieure. La puissance N n comporte n diagonales nulles a` partir
de la diagonale principale (celle-ci incluse), en particulier N n = 0 pour n p. On
obtient donc
1 ...
.
..
. ..
1
1
0 1
N + ... +
N p1 = . .
eN = I +
.
.. ...
1!
(p 1)!
..
0 ... 0 1
Comme I et N commutent, il vient nalement
eB = eI eN = e eN
(car eI = e I).
dY
dt
= AY
Th
eor`
eme La solution Y telle que Y (t0 ) = V0 est donnee par
Y (t) = e(tt0 )A V0 ,
t R.
202
Analyse num
erique et
equations diff
erentielles
D
emonstration. On a Y (t0 ) = e0 V0 = IV0 = V0 .
Dautre part, la serie enti`ere
etA =
+
1 n n
t A
n!
n=0
est de rayon de convergence +. On peut donc deriver terme `a terme pour tout
tR:
+
+
1
1 p p+1
d tA
(e ) =
tn1 An =
t A ,
dt
(n
1)!
p!
n=1
p=0
d tA
(e ) = A etA = etA A.
dt
Par consequent, on a bien
d (tt0 )A
dY
=
V0 = Ae(tt0 )A V0 = AY (t).
e
dt
dt
En prenant t0 = 0, on voit que la solution generale est donnee par Y (t) = etA V
avec V Km .
Le calcul de etA se ram`ene au cas dun bloc triangulaire B = I + N Mp (C).
Dans ce cas on a etB = etI etN = et etN , avec
1
Q12 (t) . . . Q1p (t)
..
.
1 Q23 (t)
p1 n
t
tN
n
..
..
N =
e =
.
.
n!
n=0
1
Qp1 p (t)
o`
u Qij (t) est un polyn
ome de degre j i, avec Qij (0) = 0. Les composantes de
Y (t) sont donc toujours des fonctions exponentielles-polyn
omes 1js Pj (t)ej t
o`
u 1 , . . . , s sont les valeurs propres complexes de A (meme si K = R).
dY
dt
= AY + B(t)
203
VII Syst`
emes diff
erentiels lin
eaires
Il sut donc de choisir V telle que etA V (t) = B(t), soit par exemple
t
V (t) =
euA B(u)du, t0 I.
t0
t0
qui est la solution telle que Y (t0 ) = 0. La solution generale du probl`eme de Cauchy
telle que Y (t0 ) = V0 est donc
t
(tt0 )A
Y (t) = e
V0 +
e(tu)A B(u)du.
t0
Si V et
designent respectivement la vitesse et lacceleration, la loi de Lorentz et
le principe fondamental de la dynamique donnent lequation
F = m
= qV B + qE,
do`
u
q
dV
q
=
=
V B+
E.
dt
m
m
Il sagit dun syst`eme lineaire o`
u la matrice A (`
a coecients constants) est la matrice
q
V B . On confondra dans la suite A avec cette
de lapplication lineaire V
m
application lineaire. Un calcul simple montre que
q 2
q 2
(V B ) B =
B 2 PB ( V )
A2 ( V ) =
m
m
o`
u B = B et o`
u PB designe le projection orthogonale sur la plan vectoriel de
QB ( V )
(V B ) B
PB ( V )
V B
204
Analyse num
erique et
equations diff
erentielles
A2p ( V ) = (1)p
B 2p PB ( V ), p 1
m
q 2p+1
A2p+1 ( V ) = (1)p
B 2p V B ,
m
cette derni`ere relation etant encore valable pour p = 0. En notant =
deduit
q
m
B, on en
+
+
2p t2p
2p+1 t2p+1 1
PB ( V ) +
V B
etA ( V ) = V +
(1)p
(1)p
(2p)!
(2p + 1)! B
p=1
p=0
= V PB ( V ) + cos t PB ( V ) + sin t
V B.
B
En labsence de champ electrique, les equations du mouvement sont donnees par
1
V = QB ( V0 ) + cos t PB ( V 0 ) + sin t
V0 B
B
1
1 cos t
sin t PB ( V0 ) +
M0 M = tQB ( V0 ) +
V0B
w
B
o`
u M0 , V0 designent la position et la vitesse en t = 0 et QB la projection orthogonale
sur la droite R B . Il est facile de voir quil sagit dun mouvement helicodal
R = PB ( V0 ) /.
q
a donc dans ce cas une solution particuli`ere evidente V = t m E , do`
u les lois
generales des vitesses et du mouvement :
q
1
V = QB ( V 0 ) + t
E + cos t PB ( V0 ) + sin t V 0 B ,
m
B
1
q
1 cos t
sin t PB ( V0 ) +
M0 M = tQB ( V0 ) + t2
E +
V0 B .
2m
B
Le mouvement est encore trace sur un cylindre a` base circulaire et sa pulsation est
constante, mais le mouvement est accelere dans la direction de laxe.
dV
q
q
=
(V + V ) B +
E//
dt
m
m
205
VII Syst`
emes diff
erentiels lin
eaires
formules, on obtient
q
E// + cos t PB ( V0 + U )
V + U = QB ( V 0 ) + t
m
1
+ sin t ( V0 B + E ),
B
q
sin t
PB ( V0 + U )
M0 M = t QB ( V0 U ) + t2
E// +
2m
1 cos t
( V0 B + E ).
+
B
Il sagit encore dun mouvement de type helicodal accelere, mais cette fois le
mouvement nest plus trace sur un cylindre.
p
On consid`ere ici une equation dierentielle sans second membre
(E)
ap y (p) + . . . + a1 y + a0 y = 0
o`
u y : R K, t
y(t) est la fonction inconnue, et o`
u les aj K sont des constantes,
ap = 0.
Dapr`es le paragraphe V 4.2, on sait que lequation (E) est equivalente a` un syst`eme
dierentiel (S) dordre 1 dans Kp , qui est le syst`eme lineaire sans second membre
Y = AY avec
0 1 0 ...
0
0 0 1 ...
0
.
, cj = a j .
.
A= .
ap
0 0 0 ...
1
c0 c1 c2 . . . cp1
206
Analyse num
erique et
equations diff
erentielles
Gr
ace au 1.1, on peut donc enoncer :
Th
eor`
eme Lensemble S des solutions globales de (E) est un K-espace vectoriel
de dimension p.
Placons-nous maintenant sur le corps C (si K = R, les solutions reelles sobtiennent
simplement en prenant la partie reelle et la partie imaginaire des solutions complexes). Cherchons les solutions exponentielles de la forme
C.
y(t) = et ,
Comme y (j) (t) = j et , on voit que y est solution de (E) si et seulement si est
racine du polyn
ome caracteristique
P () = ap p + . . . + a1 + a0 .
P
Si P poss`ede p racines distinctes 1 , . . . , p , on obtient p solutions distinctes
t
ej t ,
1 j p.
On verra plus loin que ces solutions sont lineairement independantes sur C.
Lensemble des solutions est donc lespace vectoriel de dimension p des fonctions
j C.
y(t) = 1 e1 t + . . . + p ep t ,
P
On peut alors ecrire
P () = ap
s
( j )mj
j=1
o`
u mj est la multiplicite de la racine j , avec
m1 + . . . + ms = p.
Considerons loperateur dierentiel
p
d
di
ai i .
P
=
dt
dt
i=0
C.
207
VII Syst`
emes diff
erentiels lin
eaires
d
d
et d
commutent dapr`es le theor`eme de Schwarz,
Comme les derivees partielles dt
on obtient
d dq
d
dq d t
dq
t
t
=
P
=
P
()e
,
e
P
(tq et ) = P
e
dt
dt dq
dq
dt
dq
do`
u, gr
ace `a la formule de Leibnitz :
P
q
d
Cqi P (i) ()et .
(tq et ) =
dt
i=0
d
tq ej t = 0,
dt
0 q mj 1.
0 q mj1 ,
1js
1 j s,
qN
q
d
Cqi Q(i) (j )tqi ej t
(tq ej t ) =
dt
i=0
= 0 pour
0 q N,
1 j s,
d
(tN e1 t ) = Q(N ) (1 )e1 t .
dt
208
Analyse num
erique et
equations diff
erentielles
En appliquant loperateur Q
d
dt
`a la relation
Th
eor`
eme Lorsque le polynome caracteristique P () a des racines complexes
1 , . . . , s de multiplicites respectives m1 , . . . , ms , lensemble S des solutions est le
C-espace vectoriel de dimension p ayant pour base les fonctions
t
tq ej t ,
1 j s,
0 q mj 1.
p
Soit a` resoudre lequation dierentielle
ap y (p) + . . . + a1 y + a0 y = b(t),
(E)
o`
u b : I C est une fonction continue donnee. On commence par resoudre
lequation sans second membre
ap y (p) + . . . + a1 y + a0 y = 0.
(E0 )
Soit (v1 , . . . , vp ) une base des solutions de (E0 ). On cherche alors une solution
particuli`ere de (E).
Dans un certain nombre de cas, une solution simple peut etre trouvee rapidement.
Par exemple, si b est un polyn
ome de degre d et si a0 = 0, lequation (E)
admet une solution polynomiale y de degre d, que lon peut rechercher par
ome
identication des coecients. Si b(t) = et et si nest pas racine du polyn
caracteristique, lequation admet pour solution (/P ())et . Si b est une fonction
exponentielle-polyn
ome, (E) admet une solution du meme type (noter que les
fonctions trigonometriques se ram`enent a` ce cas).
En general, le principe consiste a` appliquer la methode de variation des constantes
au syst`eme dierentiel (S) dordre 1 associe a
` (E).
(p1)
= yp1 , lequation (E) equivaut au syst`eme
Si on pose y = y0 , y = y1 , . . . , y
y0 = y1
..
.
(S)
yp2
= yp1
ap
ap
y0
Y = ...
yp1
0
..
.
et B(t) =
1
ap
0
b(t).
209
VII Syst`
emes diff
erentiels lin
eaires
v
v
vp
1
2
vp
v1
v2
V
.
.
.
V
V1 =
=
=
. .
2
p
..
..
.
.
.
.
(p1)
(p1)
(p1)
v1
v2
vp
On cherche alors une solution particuli`ere de (S) sous la forme
Y (t) = 1 (t)V1 (t) + . . . + p (t)Vp (t).
Comme Vj = AVj , il vient
j (t)Vj (t) +
j (t)Vj (t)
= AY (t) +
j (t)Vj (t).
Y (t) =
1 (t)v1 (t) + . . . + p (t)vp (t) = 0
...
(p2)
(p2)
(t) + . . . + p (t)vp
(t) = 0
1 (t)v1
(p1)
(p1)
(t)v
(t) + . . . + p (t)vp
(t) = a1p b(t).
1
1
On obtient ainsi un syst`eme lineaire de p equations par rapport aux p inconnues
1 (t), . . . , p (t). Le determinant de ce syst`eme est non nul pour tout t R (les
vecteurs V1 (t), . . . , Vp (t) sont lineairement independants, car si une combinaison
lineaire Y = 1 V1 + . . . + p Vp est telle que Y (t) = 0, alors Y 0 dapr`es le
theor`eme dunicite, donc 1 = . . . = p = 0).
La resolution de ce syst`eme permet de calculer 1 , . . . , p , puis 1 , . . . , p par
integration, do`
u la solution particuli`ere cherchee :
y(t) = 1 (t)v1 (t) + . . . + p (t)vp (t).
.
2 2
On commence par resoudre lequation sans second membre
(E0 )
y + 4y = 0.
Le polyn
ome caracteristique est P () = 2 + 4, et poss`ede deux racines simples
2i et 2i. Lequation (E0 ) admet pour base de solutions les fonctions t
e2it ,
t
e2it , ou encore :
t
cos 2t, t
sin 2t.
On cherche ensuite une solution particuli`ere de (E) en posant
y(t) = 1 (t) cos 2t + 2 (t) sin 2t.
210
Analyse num
erique et
equations diff
erentielles
1
1
2
1
1
1
2 (t) =
tan t cos 2t =
tan t(2 cos2 t 1) = sin 2t tan t,
2
2
2
1
t
1 (t) = + sin 2t
2 4
1
1
1
t
cos 2t + sin 2t ln (cos t).
2
2
t
1
cos 2t + sin 2t ln (cos t) + 1 cos 2t + 2 sin 2t.
2
2
Lobjet de ce paragraphe (avant tout theorique) est de generaliser les resultats du
2 au cas des syst`emes lineaires `a coecients variables.
Considerons une equation lineaire sans second membre
(E0 )
Y = A(t)Y
o`
u A : R I Mm (K) est une matrice m m sur K `a coecients continus.
Soit S lensemble des solutions maximales de (E0 ). Pour tout t0 I, on sait que
t0 : S Km ,
Y Y (t0 )
S
Km
R(t, t0 ) = t 1
t0
V
Y
Y (t).
211
VII Syst`
emes diff
erentiels lin
eaires
D
enition R(t, t0 ) sappelle la resolvante du syst`eme lineaire (E0 ).
Pour tout vecteur V Km , on a avec les notations ci-dessus
d
d
R(t, t0 ) V =
R(t, t0 ) V )
dt
dt
dY
= A(t)Y (t) = A(t)R(t, t0 ) V.
=
dt
On en deduit donc
d
dt
R(t, t0 ) = A(t)R(t, t0 ).
Propri
et
es de la r
esolvante
(i) t I,
R(t, t) = Im
(ii) (t0 , t1 , t2 ) I 3 ,
avec Y (t0 ) = V0
Remarque Le syst`eme dM/dt = A(t)M (t) peut paratre plus complique que
A(t)A(u) = A(u)A(t)
Alors
R(t, t0 ) = exp
t0
A(u)du .
()
212
Analyse num
erique et
equations diff
erentielles
A(u)du
satisfait la condition
t0
(iii) ci-dessus. Il est clair que M (t0 ) = Im . Par ailleurs lhypoth`ese de commutation
d
b
A(u)du et
A(u)du commutent pour tous a, b, c, d I, le
() entrane que
a
t0
A(u)du
t+h
= exp
Or
t+h
A(u)du M (t).
t
t+h
lexponentielle on trouve
M (t + h) = (Im + hA(t) + o(h))M (t)
= M (t) + hA(t)M (t) + o(h),
ce qui montre bien que dM/dt = A(t)M (t).
En particulier, si U et V sont des matrices constantes qui commutent et si
A(t) = f (t)U + g(t)V pour des fonctions scalaires f, g, alors lhypoth`ese () est
satisfaite. On a donc
t
t
f (u)du U +
g(u)du V
R(t, t0 ) = exp
t0
t
f (u)du U
= exp
t0
g(u)du V
exp
t0
t0
Exercice 1
1 0 cos2 t
a(t) b(t)
A(t) =
, resp. A(t) = 0 1 cos2 t .
b(t)
a(t)
0 0 sin2 t
= 1t x + ty
=y
o`
u
A(t) =
1/t
0
R(t, t0 ) = exp
A(u)du .
t0
t
1
213
VII Syst`
emes diff
erentiels lin
eaires
Lexercice 2 montre que cest le plus souvent la resolution du syst`eme qui permet
de determiner la resolvante, et non pas linverse comme pourrait le laisser croire la
terminologie.
On va voir ici quon sait toujours calculer le determinant dun syst`eme de solutions,
ou ce qui revient au meme, le determinant de la resolvante, meme lorsque la
resolvante nest pas connue.
D
enition Le Wronskien dun syst`eme de m solutions Y1 , Y2 , . . . , Ym de (E0 )
est
W (t) = det (Y1 (t), . . . , Ym (t))
Posons Vj = Yj (t0 ). Alors Yj (t) = R(t, t0 ) Vj , do`
u
W (t) = det (R(t, t0 )) det (V1 , . . . , Vm ).
On est donc ramene `a calculer la quantite
(t) = det (R(t, t0 )),
et pour cela on va montrer que (t) verie une equation dierentielle simple. On a
(t + h) = det (R(t + h, t0 )) = det (R(t + h, t)R(t, t0 ))
= det (R(t + h, t))(t).
Comme R(t, t) = Im et
donne
d
du
aii .
1im
aii + h2 . . .
214
Analyse num
erique et
equations diff
erentielles
(t) = tr (A(t))(t),
tr A(u)du ,
t0
W (t) = exp
t0
Soit a` resoudre le syst`eme dierentiel lineaire
Y = A(t)Y + B(t),
(E)
(E0 )
Y (t) =
R(t, u)B(u)du.
t0
215
VII Syst`
emes diff
erentiels lin
eaires
On obtient ainsi la solution particuli`ere telle que Y (t0 ) = 0. La solution telle que
Y (t0 ) = V0 est donnee par
Y (t) = R(t, t0 ) V0 +
R(t, u)B(u)du.
t0
Dans le cas o`
u A(t) = A est `a coecients constants on retrouve la formule du 2.4,
dans laquelle R(t, t0 ) = e(tt0 )A , et la formule du Wronskien equivaut a` lidentite
dej`a connue
det (e(tt0 )A ) = exp ((t t0 ) tr A).
5.1. Soient b et c deux fonctions continues sur un intervalle xe T = [0, [. Soit (S)
le syst`eme dierentiel lineaire `a coecients constants et avec second membre
y + b(t)
x =
y = 2x y + c(t)
et soit (S0 ) le syst`eme sans second membre associe (pour lequel b(t) = c(t) = 0).
(a) Ecrire
la matrice A de (S0 ), et calculer etA .
(b) Determiner la solution generale du syst`eme (S0 ).
(c) Determiner la solution generale du syst`eme (S) pour b(t) = 0, c(t) = et .
5.2. Soit t une variable reelle 0. On consid`ere le syst`eme dierentiel lineaire
x =
2y
(S)
y = x y
(a) Ecrire
la matrice A de (S), montrer quelle a deux valeurs propres reelles et
( > ) et determiner les sous-espaces propres correspondants.
1
0
x
, ey =
, et on note respectivement v =
et
(b) On pose ex =
0
1
y
x
les vecteurs propres associes `a et tels que y = y = 1.
v =
y
Calculer x , x . Determiner la matrice de passage P de lancienne base (ex , ey )
a la nouvelle base (v , v ), et calculer sa matrice inverse P 1 .
`
a(t) b(t)
tA
(c) On pose e =
. Calculer explicitement a(t), b(t), c(t), d(t).
c(t) d(t)
Donner la solution du syst`eme (S) veriant les conditions initiales x(0) = x0 ,
y(0) = y0 .
216
Analyse num
erique et
equations diff
erentielles
(d) Soit T (x0 , y0 ) la trajectoire t
x0
initiales M (0) =
.
y0
x(t)
y(t)
= M (t) correspondant aux conditions
() Pour quelles positions de M (0) cette trajectoire T (x0 , y0 ) est-elle une demidroite ?
() Pour quelles positions de M (0) tend-elle vers 0 quand t + ?
() Indiquer sur un meme gure :
la
de
la
de
forme des trajectoires T (x0 , 0) partant dun point (x0 , 0), x0 > 0,
laxe des x ;
forme des trajectoires T (0, y0 ) partant dun point (0, y0 ), y0 > 0,
laxe des y.
0
1
A=
0
0
1
0
0
0
0
0
1
0
0
0
.
1
1
1
+ b2 (t)
y2 = y1
(S)
=
y
+
y
y
3
4 + b3 (t)
3
y4 + b4 (t) .
y4 =
On note (S0 ) le syst`eme sans second membre associe `a (S).
(c) Ecrire
la solution de (S0 ) correspondant a` des conditions initiales yi (0) = vi , les
vi (1 i 4) etant quatre constantes donnees.
(d) Indiquer comment on peut alors resoudre (S) par la methode dite de variation
des constantes, et appliquer cette methode au cas particulier
b1 (t) = 1,
b2 (t) = b3 (t) = 0,
b 4 = et .
y + y + y + y = cos t,
o`
u y designe une fonction inconnue de la variable t 0.
217
VII Syst`
emes diff
erentiels lin
eaires
(a) Determiner la solution generale de lequation sans second membre associee `a (E).
(b) A laide de la methode de variation des constantes, determiner la solution
generale de lequation (E).
(c) Montrer que (E) admet une solution et une seule de la forme At cos t+Bt sin t :
la determiner explicitement, et tracer son graphe.
5.5. On consid`ere dans R2 le syst`eme dierentiel
dx
= tx y
dt
dy = x + ty
dt
o`
u x, y sont des fonctions reelles de la variable reelle t.
(a) Resoudre le probl`eme de Cauchy de donnee initiale (x0 , y0 ) au temps t0 = 0 (on
pourra poser z = x + iy).
(b) Meme question pour le syst`eme
dx
= tx y + t cos t t3 sin t
dt
dy = x + ty + t sin t + t3 cos t.
dt
(w + )2
(w )2
si
si
t [0, [
t [, 2[
218
Analyse num
erique et
equations diff
erentielles
o`
u 0 < < w sont des constantes. Determiner U ; montrer que V se met sous
u lon determinera la matrice B (on pourra utiliser que f est
la forme B U o`
constante sur [, 2[ ainsi que sur [0, [). Verier que det V = 1.
(e) Montrer qualors une des valeurs propres de V est inferieure `a 1 en module et que
lequation y + f (t)y = 0 admet une solution bornee (non identiquement nulle)
sur [0, +[ et une solution bornee (non identiquement nulle) sur ] , 0[ ;
a quelle condition admet-elle une solution bornee (non identiquement nulle)
`
sur R ?
(f) Montrer que la trace de V secrit
cos 2 + (2 + ) cos 2w
o`
u
w+ w
+
= 2(1 + ).
w w+
En deduire que si w nest pas la moitie dun entier et si est assez petit, toutes
les solutions de y + f (t)y = 0 sont bornees. Que passe-t-il si w est la moitie
dun entier ?
(E)
o`
u f : [t0 , t0 +T ]R R est une fonction susamment reguli`ere. Nous avons choisi
ici dexposer le cas des equations unidimensionnelles dans le seul but de simplier
les notations ; le cas des syst`emes dans Rm est tout `a fait identique, a` condition
de considerer y comme une variable vectorielle et f comme une fonction vectorielle
dans les algorithmes qui vont etre decrits.
Etant
donne une subdivision t0 < t1 < . . . < tN = t0 + T de [t0 , t0 + T ], on cherche
a determiner des valeurs approchees y0 , y1 , . . . , yN des valeurs y(tn ) prises par la
`
solution exacte y. On notera les pas successifs
hn = tn+1 tn ,
0 n N 1,
et
hmax = max (hn )
le maximum du pas.
On appelle methode `
a un pas une methode permettant de calculer yn+1 `a partir de
la seule valeur anterieure yn . Une methode `a r pas est au contraire une methode
qui utilise les r valeurs anterieures yn , . . . , ynr+1 (valeurs qui doivent donc etre
memorisees) an de faire le calcul de yn+1 .
Les methodes `a un pas sont les methodes de resolution numerique qui peuvent
secrire sous la forme
yn+1 = yn + hn (tn , yn , hn ),
0 n < N,
220
Analyse num
erique et
equations diff
erentielles
o`
u : [t0 , t0 + T ] R R R est une fonction que lon supposera continue.
Dans la pratique, la fonction (t, y, h) peut netre denie que sur une partie de la
u J est un intervalle de R (de sorte en particulier que
forme [t0 , t0 + T ] J [0, ] o`
[t0 , t0 +T ]J soit contenu dans le domaine de denition de lequation dierentielle).
0n<N
y
z
z(tn+1 )
yn+1
en
yn
tn
tn+1 = tn + hn
221
` un pas
VIII M
ethodes num
eriques a
z
z1 z2 z3
e3
4
e2
y4
e1
y3
y2
e0
y1
y0
t0
t1
t2
t3
t4
[Les fonctions z, z1 , z2 , z3 representent ici les solutions exactes passant par les
points (t0 , y0 ) et (tj , yj ), j = 1, 2, 3].
Soit z une solution exacte de lequation (E). On a au premier ordre lapproximation
z(tn+1 ) = z(tn + hn ) z(tn ) + hn z (tn ) = z(tn ) + hn f (tn , z(tn )).
Comme on la dej`a vu au chapitre V, ceci conduit a` lalgorithme
yn+1 = yn + hn f (tn , yn )
tn+1 = tn + hn .
Par denition de lerreur de consistance, on a en = z(tn + hn ) yn+1 o`
u
yn+1 = z(tn ) + hn f (tn , z(tn )) = z(tn ) + hn z (tn ).
La formule de Taylor-Lagrange donne
1 2
h z (tn ) + o(h2n ),
2 n
pourvu que z soit de classe C 2 . Cest bien le cas si f est de classe C 1 , et on sait
alors que
o`
u
f [1] = ft + fy f.
z (t) = f [1] (t, z(t))
en = z(tn + hn ) (z(tn ) + hn z (tn )) =
222
Analyse num
erique et
equations diff
erentielles
p
Supposons que f soit de classe C p . Alors toute solution exacte z est de classe C p+1 ,
et sa derivee k-i`eme est z (k) (t) = f [k1] (t, z(t)). La formule de Taylor dordre p
implique
z(tn + hn ) = z(tn ) +
p
1 k [k1]
h f
(tn , z(tn )) + o(hpn ).
k! n
k=1
Lorsque hn est assez petit, lapproximation est dautant meilleure que p est plus
grand. On est donc amene `a considerer lalgorithme suivant, appele methode de
Taylor dordre p :
p
1 k [k1]
yn+1 = yn +
h f
(tn , yn )
k! n
k=1
tn+1 = tn + hn .
Dapr`es la denition
enerale des methodes `a un pas, cet algorithme correspond au
g
p
1
choix (t, y, h) = k=1 k!
hk1 f [k1] (t, y). Calculons lerreur de consistance en .
En supposant yn = z(tn ), la formule de Taylor dordre p + 1 donne
p
1 k (k)
h z (tn )
k! n
k=0
1
hp+1 f [p] (tn , yn ) + o(hp+1
=
n ).
(p + 1)! n
ere generale
Lerreur est donc maintenant de lordre de hp+1
n . On dira dune mani`
chaque
fois que
quune methode est dordre p si lerreur de consistance est en hp+1
n
f est de classe C p au moins. La methode dEuler est le cas particulier p = 1 de la
methode de Taylor.
Remarque
Dans la pratique, la methode de Taylor soure de deux inconvenients graves qui en font generalement deconseiller lutilisation pour p 2 :
Le calcul des quantites f [k] est souvent complexe et co
uteux en temps machine.
Il faut aussi pouvoir evaluer explicitement f [k] , ce qui nest pas toujours le cas
(par exemple, si f est une donnee experimentale discretisee).
La methode suppose a priori que f soit tr`es reguli`ere ; les erreurs risquent
donc de ne pas pouvoir etre controlees si certaines derivees de f presentent des
discontinuites ou une mauvaise continuite (pentes elevees).
Cette methode est decrite par le schema suivant.
223
` un pas
VIII M
ethodes num
eriques a
y
z
z(t + h)
z(t)
t + h/2
t+h
Lidee est que la corde de la fonction z sur [t, t + h] a une pente voisine de z t + h2 ,
alors que dans la methode dEuler on approxime brutalement cette pente par z (t).
On ecrit donc :
h
z(t + h) z(t) + hz t +
.
()
2
Si z est de classe C 3 , il vient
1
1
z(t + h) = z(t) + hz (t) + h2 z (t) + h3 z (t) + o(h3 ),
2
6
1
1 2
h
z t+
=
z (t) + hz (t) + h z (t) + o(h2 ).
2
2
8
Lerreur commise est donc
h
1 3
=
h z (t) + o(h3 ),
= z(t + h) z(t) hz t +
2
24
soit une erreur en h3 au lieu de h2 dans la methode dEuler. On par ailleurs
h
h
h
= f t + ,z t +
.
z t +
2
2
2
Comme la valeur de z t + h2 nest pas connue, on lapproxime par
h
h
z(t) + f (t, z(t)),
z t+
2
2
do`
u en denitive
h
h
z(t + h) z(t) + hf t + , z(t) + f (t, z(t)) .
2
2
Lalgorithme du point milieu est associe au choix
h
h
(t, y, h) = f t + , y + f (t, y)
2
2
()
224
Analyse num
erique et
equations diff
erentielles
hn
yn+ 12 = yn + 2 f (tn , yn )
pn = f tn + hn , yn+ 1
2
2
yn+1 = yn + hn pn
tn+1 = tn + hn .
Calculons lerreur de consistance : en = z(tn+1 ) yn+1 , avec yn = z(tn ). On a
u les erreurs
en = n + n o`
hn
n = z(tn+1 ) z(tn ) hn z tn +
,
2
hn
(yn+1 z(tn ))
n = hn z tn +
2
hn
hn
hn
, z tn +
, yn+ 12
f tn +
= hn f tn +
2
2
2
proviennent respectivement des approximations () et (). Dapr`es le calcul fait
plus haut
n =
1 3
1 3 [2]
hn z (tn ) + o(h3n ) =
h f (tn , yn ) + o(h3n ).
24
24 n
Dautre part
hn
hn
hn
z (tn )
yn+ 12 = z tn +
z(tn ) +
z tn +
2
2
2
1 2 [1]
1 2
2
= hn z (tn ) + o(hn ) = hn f (tn , yn ) + o(h2n ).
8
8
Dapr`es le theor`eme des accroissements nis applique en y, on a
hn
hn
hn
, z tn +
f tn +
, yn+ 12
f tn +
2
2
2
hn
hn
= f y tn +
, cn z t n +
yn+ 12
2
2
1
2 [1]
hn f (tn , yn ) + o(h2n )
= fy (tn , yn ) + o(hn )
8
1 2 [1]
= hn fy f (tn , yn ) + o(h2n ),
8
do`
u
1
n = h3n fy f [1] (tn , yn ) + o(h3n ).
8
On en deduit
1 3 [2]
hn f + 3fy f [1] (tn , yn ) + o(h3n ).
en = n + n =
24
La methode du point milieu est donc dordre 2.
` un pas
VIII M
ethodes num
eriques a
225
Si on observe les algorithmes precedents, on voit que la seule operation eventuellement co
uteuse en temps de calcul est levaluation de la fonction f (t, y), le reste
consistant en un petit nombre dadditions ou de multiplications. On mesure donc
le co
ut dune methode dordre donne par le nombre devaluations de la fonction f
quelle reclame `a chaque pas. Pour des methodes dordres dierents la comparaison
ne tient pas, puisquune methode dordre plus eleve exige `a precision egale un
nombre de pas nettement inferieur.
Dans la methode du point milieu,
le calcul successif de f (tn , yn ) et de
on va modier
la pente intermediaire pn = f tn + h2n , yn+ 12 en introduisant lalgorithme suivant,
qui fait leconomie de levaluation de f (tn , yn ) :
hn
pn = f tn + hn , yn+ 1
2
2
tn+1 = tn + hn .
On a donc modie leg`erement le calcul de yn+ 12 en remplacant la pente f (tn , yn )
par la pente pn1 calculee `a letape anterieure. Il sensuit naturellement que les
valeurs yn sont elles aussi modiees en des valeurs yn .
Evaluons
maintenant lerreur de consistance en = z(tn+1 ) yn+1 , en supposant
yn = z(tn ). On peut ecrire
en = (z(tn+1 ) yn+1 ) + (yn+1 yn+1 ) = en + n ,
o`
u en est lerreur de consistance de la methode du point milieu standard (on suppose
donc aussi yn = z(tn ) pour la calculer). Il vient
hn
hn
n = yn+1 yn+1 = hn f tn +
, yn+ 12 f tn +
, yn+ 12 .
2
2
hn
yn+ 12 yn+ 12 =
f (tn , yn ) pn1
2
hn
hn1
=
, yn 12 .
f (tn , yn ) f tn1 +
2
2
226
Analyse num
erique et
equations diff
erentielles
Or tn tn1 +
hn1
2
hn1
2
et
hn1
pn2
yn yn 12 = yn yn1 +
2
hn1
= yn yn hn1 pn1 +
pn2
2
1
= hn1 pn1 pn2
2
1
= hn1 f (tn , yn ) + o(hn1 ) ;
2
a la troisi`eme ligne on utilise le fait que yn = yn = z(tn ), et a` la quatri`eme le fait
`
que pni = f (tni +hni /2, yni +1/2) converge vers f (tn , yn ) pour i = 1, 2 lorsque
ace `a la formule de Taylor pour les fonctions de 2 variables, il
hmax tend vers 0. Gr
vient
hn2
, yn 12
f (tn , yn ) f tn1 +
2
hn1
1
=
ft (tn , yn ) + hn1 f (tn , yn )fy (tn , yn ) + o(hn1 )
2
2
1
= hn1 (ft + f fy )(tn , yn ) + o(hn1 )
2
1
= hn1 f [1] (tn , yn ) + o(hn1 ),
2
do`
u
yn+ 12 yn+ 12 =
1
hn hn1 f [1] (tn , yn ) + o(hn hn1 ).
4
On en deduit nalement
1
hn
, cn yn+ 12 yn+ 12 = h2n hn1 fy f [1] (tn , yn ) + o(h2n hn1 ),
n = hn fy tn +
2
4
do`
u lerreur de consistance
1 3 [2]
1
hn f + 3fy f [1] (tn , yn ) + h2n hn1 (fy f [1] )(tn , yn ) + o(h3n + h2n hn1 ).
en =
24
4
La methode du point milieu modie est donc encore une methode dordre 2 (mais
ce nest pas une methode `a un pas !).
La premi`ere notion que nous introduisons a trait au probl`eme de laccumulation
des erreurs de consistance (accumulation purement theorique dans le sens o`
u on
tient pas compte du fait que la solution calculee secarte de la solution exacte, cf.
schemas du 1.1).
227
` un pas
VIII M
ethodes num
eriques a
D
enition 1 On dit que la methode est consistante si pour
toute solution
|en |, tend
0nN
D
enition 2 On dit que la methode est stable sil existe une constante S 0,
appelee constante de stabilite, telle que pour toutes suites (yn ), (
yn ) denies par
0n<N
0n<N
yn+1 = yn + hn (tn , yn , hn ),
yn+1 = yn + hn (tn , yn , hn ) + n ,
max |
yn yn | S |
y0 y0 | +
|n | .
on ait
0nN
0n<N
D
enition 3 On dit que la methode est convergente si pour toute solution
exacte z, la suite yn telle que yn+1 = yn + hn (tn , yn , hn ) verie
max |yn z(tn )| 0
0nN
rapport a` la solution exacte z). Cest evidemment cette erreur qui importe dans la
pratique.
0nN
0n<N
228
Analyse num
erique et
equations diff
erentielles
En eet 0n<N |en | tend vers 0 quand hmax tend vers 0, puisque la methode est
consistante par hypoth`ese.
Comme la fonction (t, h)
(t, z(t), h) est continue sur [t0 , t0 + T ] [0, ] qui est
compact, elle y est uniformement continue. Par consequent, pour tout > 0, il
existe > 0 tel que hmax |n | . Pour hmax on a donc
|e
|
h
|
|
hn |n |
hn = T .
n
n n
0n<N
0n<N
0n<N
On en deduit
lim
hmax 0
|en | =
0n<N
lim
hmax 0
t0 +T
hn |n |
0n<N
t0
Th
eor`
eme La methode `a 1 pas denie par la fonction est consistante si et
seulement si
(t, y) [t0 , t0 + T ] R,
Il resulte de ce theor`eme que les methodes `a un pas dej`a mentionnees sont bien
consistantes.
229
` un pas
VIII M
ethodes num
eriques a
Pour pouvoir majorer lerreur globale decrite au 2.1, il
faut savoir estimer dune
part la constante de stabilite S, et dautre part la somme 0n<N |en |. Le resultat
suivant permet devaluer S.
Th
eor`
eme Pour que la methode soit stable, il sut que la fonction soit
lipschitzienne en y, cest-`
a-dire quil existe une constante 0 telle que
t [t0 , t0 + T ], (y1 , y2 ) R2 , h R on ait
|(t, y1 , h) (t, y2 , h)| |y1 y2 |.
Dans ce cas, on peut prendre pour constante de stabilite S = eT .
Demonstration. Considerons deux suites (yn ), (
yn ) telles que
yn+1 = yn + hn (tn , yn , hn ),
yn+1 = yn + hn (tn , yn , hn ) + n .
Par dierence, on obtient
|
yn+1 yn+1 | |
yn yn | + hn |
yn yn | + |n |.
En posant n = |
yn yn |, il vient
n+1 (1 + hn )n + |n |.
e(tn ti+1 ) |i |.
0in1
e(tn+1 ti+1 ) |i | + |n |.
230
Analyse num
erique et
equations diff
erentielles
0iN 1
yn yn | eT |
|n | ,
max |
y0 y0 | +
0nN
0nN
h
h
|(t, y1 , h) (t, y2 , h)| ky1 + f (t, y1 ) y2 + f (t, y2 )
2
2
h
k |y1 y2 | + |f (t, y1 ) f (t, y2 )|
2
h
1
k |y1 y2 | + k|y1 y2 | = k 1 + hk |y1 y2 |.
2
2
On peut prendre ici = k 1 + 12 hmax k , do`
u
1
S = exp kT 1 + hmax k .
2
Si hmax est petit (par rapport a` 1/k2 T ), cette constante est du meme ordre de
grandeur que dans la methode dEuler.
231
` un pas
VIII M
ethodes num
eriques a
D
enition On dit quune methode `a 1 pas est dordre p si pour toute solution
exacte z dune equation dierentielle
y = f (t, y)
(E)
o`
u f est de classe C p ,
n,
0 n < N.
Elle est dite dordre p (exactement) si elle est dordre p mais pas dordre p + 1.
Rappelons que lerreur de consistance est donnee par
u
en = z(tn+1 ) yn hn (tn , yn , hn ) o`
yn = z(tn ).
p
1 l l
h
(tn , yn , 0) + o(hpn ).
l! n hl
l=0
k=1
p
l=0
1
hl+1 f [l] (tn , yn ) + o(hp+1
n ).
(l + 1)! n
On en deduit aussit
ot
en =
p
1 l+1 1
l
tn , yn , 0) + o(hp+1
hn
f [l] (tn , yn )
n )
l
l!
l+1
h
l=0
Cons
equence La methode est dordre p si et seulement si est telle que
l
1
f [l] (t, y),
(t, y, 0) =
l
h
l+1
0 l p 1.
232
Analyse num
erique et
equations diff
erentielles
1 p+1 1
p
hn
f [p] (tn , yn )
(tn , yn , 0) + o(hp+1
n ).
p
p!
p+1
h
Methode consistante
(t, y, 0) = f (t, y)
Methode dordre
1.
1
1 p
f [p] (n , z(n ))
(t
,
z(t
),
)
.
n
n
n
(p + 1)!
p! hp
Ceci permet (au moins theoriquement) de trouver une constante C dans la majoration de lerreur de consistance : on peut prendre
C=
1 p
1
f [p] (t, z(t)) +
(t, z(t), h)
(p + 1)!
p! hp
o`
u les normes sont etendues aux
|en |
Chp+1
C
n
hn hpmax CT hpmax .
0n<N
0nN
Lerreur initiale |y0 z(t0 )| est generalement negligeable. Lerreur globale donnee
par une methode stable dordre p est donc de lordre de grandeur de hpmax avec une
constante de proportionnalite SCT (on retiendra que lordre est egal `a lexposant
de hmax dans la majoration de lerreur globale, alors que lerreur de consistance,
elle, est en hp+1
n ).
Si la constante SCT nest pas trop grande (disons 102 ), une methode dordre 3
avec pas maximum hmax = 102 permet datteindre une precision globale de lordre
de 104 .
233
` un pas
VIII M
ethodes num
eriques a
Lerreur globale calculee au 2.4 est une erreur theorique, cest-`a-dire quelle ne tient
pas compte des erreurs darrondi qui se produisent inevitablement en pratique. Dans
la realite lordinateur va calculer non pas la suite recurrente yn , mais une valeur
approchee yn de yn dans laquelle interviendront
une erreur darrondi n sur (tn , yn , hn ),
une erreur darrondi n sur le calcul de yn+1 .
En denitive, on aura
yn+1 = yn + hn ((tn , yn , hn ) + n ) + n
= yn + hn (tn , yn , hn ) + hn n + n .
Il se peut egalement que y0 di`ere leg`erement de la valeur theorique y0 : y0 = y0 +0 .
Hypoth`
ese
n,
|n | , |n | .
0nN
0n<N
S(|0 | + T + N ).
A cette erreur due aux arrondis sajoute lerreur globale theorique
max |yn z(tn )| SCT hpmax
0nN
si
y0 = z(t0 ).
0nN
T
h
et lerreur est
T
+ CT hp ) = S(|0 | + T ) + ST
+ Chp
h
h
234
Analyse num
erique et
equations diff
erentielles
E(h)
hopt
y0 = 1.
Valeur yN associee
Erreur y(1) yN
N
N
N
N
N
N
=
10
= 100
= 500
= 1000
= 2000
= 3000
2,7140808465
2,7182368616
2,7182800146
2,7182813650
2,7182816975
2,7182817436
4, 2 103
4, 5 105
4, 8 106
4, 6 107
1, 3 107
8, 5 108
N
N
N
N
N
N
N
= 4000
= 4400
= 5000
= 6000
= 7000
= 10000
= 20000
2,7182817661
2,7182817882
2,7182817787
2,7182817607
2,7182817507
2,7182817473
2,7182817014
6, 2 108
4, 0 108
5, 0 108
6, 8 108
7, 8 108
8, 1 108
1, 3 107
235
` un pas
VIII M
ethodes num
eriques a
D
enition 1 On dit quun probl`eme de Cauchy est mathematiquement bien
pose si la solution est unique et depend contin
ument de la donnee initiale.
Exemple Considerons le probl`eme de Cauchy
y = 2 |y|,
y(0) = 0.
t [0, +[
y(t) = 0,
y(t) = (t a)2 ,
t [0, a]
t [a, +[.
y(t) = 0
si y0 =
y(t) (t +
)2 quand hmax 0.
D
enition 2 On dit quun probl`eme de Cauchy est numeriquement bien pose si
la continuite de la solution par rapport a
` la donnee initiale est susamment bonne
pour que la solution ne soit pas perturbee par une erreur initiale ou des erreurs
darrondi faibles.
Par lexpression continuite susamment bonne , on entend en general lexistence
dune constante de Lipschitz petite en regard de la precision des calculs. On notera
que la denition 2 ne fait pas reference `a la methode de calcul utilisee.
y = 3y 1,
y(0) = 13 .
t [0, 10]
236
Analyse num
erique et
equations diff
erentielles
1
3
+ fournit
y = 150y + 30,
y(0) = 15 .
t [0, 1],
do`
u
Supposons h =
pour t = 1
1
5
+ conduit a` yn =
1
5
+ (2)m , do`
u
1
1
+ 250
+ 1015 !
5
50
Pour que |yn | ne diverge pas vers +, il est necessaire de prendre |1 150h| 1,
1
. Bien que le probl`eme soit tout `a fait bien pose, on voit
soit 150h 2, h 75
quil est necessaire de prendre un pas assez petit, et donc de faire des calculs plus
co
uteux que dordinaire.
D
enition 3 On dit quun probl`eme est bien conditionne si les methodes
numeriques usuelles peuvent en donner la solution en un temps raisonnable.
Un probl`eme sera bien conditionne si la constante de stabilite S nest pas trop
grande (disons nettement < 1010 si la precision des calculs est 1010 ). Sinon, on
dit quon a aaire a` un probl`eme raide.
On sait quen general la constante de stabilite S est majoree par eT . Dans un
probl`eme raide, on peut avoir typiquement T = 103 , eT > 10400 . Il existe des
algorithmes permettant de traiter certains probl`emes raides, mais nous naborderons
pas cette question. Le lecteur pourra consulter sur ce point le livre de CrouzeixMignot.
237
` un pas
VIII M
ethodes num
eriques a
t [t0 , t0 + T ]
et on cherche `a discretiser ce probl`eme par rapport a` une subdivision t0 < t1 < . . . <
tN = t0 + T . Lidee est de calculer par recurrence les points (tn , yn ) en utilisant des
points intermediaires (tn,i , yn,i ) avec
1 i q,
tn,i = tn + ci hn ,
ci [0, 1].
tn,i
z(tn,i ) = z(tn ) +
f (t, z(t))dt
tn
= z(tn ) + hn
ci
gr
ace au changement de variable t = tn + uhn . De meme
z(tn+1 ) = z(tn ) + hn
1
0
1j<i
ces methodes pouvant etre a priori dierentes. On se donne egalement une methode
dintegration approchee sur [0, 1] :
(M)
0
g(t)dt
bj g(cj ).
1jq
En appliquant ces methodes dintegration a` g(u) = f (tn + uhn , z(tn + uhn )), il vient
z(tn,i ) z(tn ) + hn
1j<i
z(tn+1 ) z(tn ) + hn
1jq
238
Analyse num
erique et
equations diff
erentielles
tn,i = tn + ci hn
yn,i = yn + hn
aij pn,j
1j<i
tn+1 = tn + hn
y
=
y
+
h
bj pn,j .
n+1
n
n
1iq
1jq
(Mq )
c1
c2
..
..
..
cq
0
a21
..
..
..
aq1
0
0
..
..
..
aq2
...
...
..
.
0
0
..
.
0
...
aqq1
0
0
..
.
0
0
b1
b2
...
bq1
bq
(M)
o`
u les methodes dintegration approchees correspondent aux lignes. On pose par
convention aij = 0 pour j i.
Hypoth`
ese On supposera toujours que les methodes dintegration (Mi ) et (M)
sont dordre 0 au moins, cest-`
a-dire
ci =
aij ,
1=
1j<i
bj .
1jq
tn,1 = tn ,
yn,1 = yn ,
pn,1 = f (tn , yn ).
0
pn,1 = f (tn , yn )
tn+1 = tn + hn
yn+1 = yn + hn pn,1
Il sagit de la methode dEuler.
0
1
239
` un pas
VIII M
ethodes num
eriques a
0
1
1
2
0
0
o`
u
1
2
]0, 1].
pn,1 = f (tn , yn )
t
n,2 = tn + hn
yn,2 = yn + hn pn,1
pn,2 = f (tn,2 , yn,2 )
tn+1 = tn + hn
yn+1 = yn + hn 1
1
2
pn,1 +
1
2
pn,2 ,
1
1
f (tn + hn , yn + hn f (t, yn )) .
1
f (tn , yn ) +
2
2
g(t)dt g
1
2
1
2
f (tn , yn ) +
1
f (tn+1 , yn + hn f (tn , yn )) ,
2
g(t)dt
1
(g(0) + g(1)).
2
240
Analyse num
erique et
equations diff
erentielles
q = 4,
1
2
1
2
1
6
2
6
2
6
1
6
pn,1 = f (tn , yn )
tn,2 = tn + 12 hn
yn,2 = yn + 12 hn pn,1
yn,3 = yn + 12 hn pn,2
pn,3 = f (tn,2 , yn,3 )
tn+1 = tn + hn
yn,4 = yn + hn pn,3
y
=y +h 1 p
n+1
n,1
2
6
pn,2 +
2
6
pn,3 +
1
6
pn,4
On verra plus loin que cette methode est dordre 4. Dans ce cas les methodes
dintegration (Mi ) et (M) utilisees sont respectivement :
1
2
1
g(0) :
rectangles `a gauche,
2
0
12
1 1
:
rectangles `a droite,
(M3 )
g(t)dt g
2
2
0
1
1
(M4 )
:
point milieu,
g(t)dt g
2
0
1
2 1 2 1 1
1
g(t)dt g(0) + g
(M)
+ g
+ g(1) :
6
6
2
6
2
6
0
(M2 )
g(t)dt
Simpson.
241
` un pas
VIII M
ethodes num
eriques a
avec (tn , yn , hn ) =
1jq
(t, y, h) =
bj f (t + cj h, yj ) avec
1jq
aij f (t + cj h, yj ), 1 i q.
yi = y + h
()
1j<i
1ji
j<i
avec
1jq
=k
1jq
Corollaire
stabilite S = eT .
Lorsque hmax est assez petit devant 1/k, la constante de stabilite est donc de
lordre de grandeur de ekT . Ces observations montrent que les methodes de RungeKutta decrites dans les exemples 1, 2, 3 du 3.3 poss`edent une excellente stabilite
(il est facile de voir que ekT est la borne inferieure possible pour S, quelle que soit
la methode utilisee : considerer pour cela lequation y = ky).
242
Analyse num
erique et
equations diff
erentielles
Pour determiner lordre, on peut appliquer le crit`ere du 2.4 consistant a` evaluer les
l
derivees hl (t, y, 0) : lordre est au moins egal `a p si et seulement si cette derivee
1
est egale `a l+1
f [l] (t, y) pour l p 1. Gr
ace `a la formule () du 3.3, on obtient
facilement les derivees successives de :
(t, y, 0) =
bj f (t, y) = f (t, y).
1jq
(t, y, h) =
bj cj ft (t + cj h, yj ) + fy (t + cj h, yj )
,
h
h
j
yj
yi
=
aij f (t + cj h, yj ) + h
aij cj ft + fy
.
h
h
j<i
j<i
(t, y, 0) =
bj cj (ft + fy f )(t, y) =
bj cj f [1] (t, y).
h
j
bj cj = 12 .
y 2
2
2
j
2
yj
yj
c
,
+
f
(t,
y,
h)
=
b
f
+
2c
f
+
f
j
j
j
tt
ty
yy
y
h2
h
h
h2
j
2 yi
yj
2
c
c
=
2
a
f
+
f
a
f
+
.
.
.
.
+
h
ij
j t
ij
y
j tt
h2
h
j<i
j<i
Pour h = 0, il vient
2 yi
=2
aij cj (ft + fy f )(t, y),
2
h h=0
2
2
2
(t,
y,
0)
=
b
c
(f
+
2f
f
+
f
f
)(t,
y)
+
2
bi aij cj fy (ft + fy f )(t, y).
j
j
tt
ty
yy
h2
j
i,j
Or f [2] est donne par
f [2] (t, y) = (f [1] )t + (f [1] )y f
= (ft + fy f )t + (ft + fy f )y f
2
f + fy ft + fty
f + fyy
f + fy2 f.
= ftt + fty
2
f + fyy
f ) + fy (ft + fy f ).
= (ftt + 2fty
243
` un pas
VIII M
ethodes num
eriques a
2
h2
La condition
(t, y, 0) =
1
3
bj c2j =
1
,
3
bi aij cj =
i,j
1
6
Th
eor`
eme La methode de Runge-Kutta denie par le tableau des coecients
ci , aij , bj est
dordre 2 ssi
b j cj =
1
.
2
b j cj =
1
;
2
dordre 3 ssi
j
bj c2j =
1
;
3
bi aij cj =
i,j
1
.
6
dordre 4 ssi
b j cj =
i,j
i,j,k
1
;
2
1
bi aij cj = ;
6
j
bj c2j =
i,j
1
;
3
j
1
;
bi aij c2j =
12
bj c3j =
i,j
1
4
bi ci aij cj =
1
;
8
1
.
bi aij ajk ck =
12
i,j,k
Pour les exemples du 3.2, on voit ainsi que la methode dEuler est dordre 1, et
que les methodes de lexemple 2 sont dordre 2. De plus, dans une methode avec
= a21 . On a alors
q = 2, il y a a priori un seul coecient aij non nul, a` savoir
bj cj = b2 = 1/2,
c2 = j<2 a2j = et la methode est dordre 2 au moins ssi
soit b2 = 1/2 et b1 = 1 b2 = 1 1/2. On voit donc quil ny avait pas dautres
choix possibles pour une methode dordre 2 avec q = 2.
Enn, la methode Runge-Kutta
classique presentee dans lexemple 3 est dordre 4
(lordre nest pas 5 car
bj c4j = 1/5). Cest si lon peut dire la methode
reine des methodes `a un pas : ordre eleve, grande stabilite (gr
ace `a la positivite
des coecients, voir remarque nale du 3.3). Il existe des methodes dordre encore
plus eleve (voir exercice 5.4), mais leur plus grande complexite les rend peut-etre
un peu moins praticables.
244
Analyse num
erique et
equations diff
erentielles
La mani`ere la plus simple pour appliquer une methode de resolution numerique
consiste `a utiliser un pas constant hn = h.
La principale diculte est alors de determiner hmax de facon que lerreur globale ne
depasse pas une certaine tolerance xee `a lavance ; on ne sait pas en eet quelle
sera levolution de la solution etudiee, de sorte quil est dicile de prevoir a priori
les erreurs de consistance.
Lutilisation dalgorithmes a` pas variables presente de ce point de vue deux
avantages majeurs :
ladaptation du pas a` chaque etape permet doptimiser lerreur commise en
fonction de la tolerance prescrite , sous reserve quon dispose dune estimation
instantan
ee de lerreur de consistance en .
lapproche dune discontinuite ou dune singularite de lequation dierentielle ne
peut se faire generalement quavec une reduction importante du pas. Dans cette
circonstance, il convient darreter lalgorithme avant de traverser la discontinuite,
faute de quoi les erreurs deviennent imprevisibles. Le calcul du pas sert alors de
test darret.
0nN
|en | = S
hn
0n<N
|en |
hn
|e |
|e |
n
n
ST max
.
hn max
hn
hn
|e |
n
;
=
hn
ST
|en |
hn
245
` un pas
VIII M
ethodes num
eriques a
|en |
1
3 hn , alors hn+1 := hn ;
|e
1
n|
hn < 3 , alors hn+1 := min(1.25 hn , hmax )
|e
n|
et de
hn > , alors hn+1 := 0.8 hn , avec arr
;
lalgorithme si hn+1 < hmin .
Ce dernier cas peut correspondre `a lapproche dune discontinuite, lerreur augmentant continuellement malgre la diminution du pas.
Pour linitialisation du pas, on prend h0 = hmin , a` moins que lon connaisse une
valeur initiale plus appropriee.
|en|/hn
Pour estimer en , il nest pas question dutiliser les expressions analytiques des
l
derivees hl et f [l] , beaucoup trop co
uteuses en temps de calcul. On est donc amene
a rechercher des estimations ad hoc, qui nutilisent si possible que des quantites dej`a
`
calculees par lalgorithme, et qui ne reclament pas de nouvelle evaluation de f .
M
ethode dEuler
Si pn = f (tn , yn ), alors
pn+1 pn = f (tn + hn , yn + hn f (tn , yn )) f (tn , yn )
= hn ft (tn , yn ) + hn f (tn , yn )fy (tn , yn ) + o(hn )
= hn f [1] (tn , yn ) + o(hn ).
Comme en =
1
2
Ceci ne necessite aucun calcul supplementaire puisque pn+1 est de toute facon
necessaire pour letape suivante.
M
ethode de Runge-Kutta dordre 2
0
1
2
1
2
1
3!
f [2] (tn , yn )
1 2
(t
,
y
,
0)
+ o(h3n ),
n n
2! h2
246
Analyse num
erique et
equations diff
erentielles
2
f [2] (ftt + 2fty
f + fyy
f ) (tn , yn ) + o(h3n )
6
4
1
1
3
2
f + fyy
f ) + fy f [1] + o(h3n ).
= hn
(ftt + 2fty
6
4
6
en = h3n
1
2
h2
+ n fy f [1] + o(h2n ).
2
pn,2 pn,1 = hn f [1] + 2
Il ny a pas de justication theorique serieuse pour cela, lidee est simplement que
les developpements limites se ressemblent formellement.
M
ethode de Runge-Kutta classique
Il ny a pas ici de methode simple permettant devaluer en , meme grossi`erement.
On peut cependant observer que
en = h5n (derivees dordre 4 de f ) ;
Dautre part, des calculs analogues a` ceux ci-dessus montrent que les quantites
n = pn,4 2pn,2 + pn,1
sont de la forme
et
n = pn,3 pn,2
247
` un pas
VIII M
ethodes num
eriques a
Au lieu de comparer
|en |
hn
`a
ou (plus rapide)
|n | + |n |
`a
=
,
ST
5.1. On etudie la methode numerique (M) de resolution de lequation dierentielle
y = f (x, y) denie par
yn+1 = yn + hn (tn , yn , hn ),
(t, y, h) = f (t, y) + f (t +
h
h
, y + f (t, y)) + f (t + h, y + hf (t, h))
2
2
o`
u , , sont des reels compris entre 0 et 1.
(a) Pour quelles valeurs du triplet (, , ) retrouve-t-on
la methode dEuler ?
la methode du point milieu ?
la methode de Heun ?
(b) Dans cette question et la suivante, on supposera que la fonction f (t, y) est de
classe C sur [t0 , t0 + ] R, et k-lipschitzienne en y. Pour quelles valeurs de
(, , ) la methode proposee est-elle stable ?
(c) Quelles relations doivent satisfaire (, , ) pour que la methode soit
consistante ?
convergente ?
dordre 1 ?
dordre 2 ?
0
1
9/20
1/9
0
0
6/5
0
0
0
1/3 5/9
248
Analyse num
erique et
equations diff
erentielles
1
1/2
. . . 1/(n + 1)
M =
1/2
1/3
..
.
1/(n + 1) 1/(n + 2)
1/(n + 2)
1/(2n + 1)
b 1 + b 2 + . . . bq = 1
b1 c1 + b2 c2 + . . . + bq cq = 1/2
(S)
..
2q
b1 c1 + . . . + bq c2q
q = 1/(2q + 1)
o`
u les bi et ci appartiennent a` R+ . Dans Rq+1 on note F lespace vectoriel
engendre par les vecteurs (1, cj , c2j , . . . , cqj ), 1 j q.
() Quelle est la dimension maximum de F ?
() Montrer que si (S) avait une solution, les vecteurs
V1 = (1
1/2 . . . 1/(q + 1))
V2 = (1/2 1/3 . . . 1/(q + 2))
Vq+1 = (1/(q + 1) . . . 1/(2q + 1))
appartiendraient a` F . En deduire que det(V1 , V2 , . . . , Vq+1 ) = 0 puis que le
syst`eme (S) est impossible.
(c) On consid`ere une methode de Runge-Kutta
c1
..
.
..
.
A = (aij )
1 i, j q
cq
b1 . . . . . . bq
249
` un pas
VIII M
ethodes num
eriques a
f (x)dx
q
bj f (cj ).
j=1
yn+1 = yn + hn (tn , yn , hn )
quon suppose etre dordre p. On se donne par ailleurs une methode dintegration
approchee
(I)
0
g(u)du
bj g(cj )
1jq
tn,i = tn + ci hn
yn,i = yn + ci hn (tn , yn , ci hn ) 1 i q
bj pn,j .
yn+1 = yn + hn
1jq
y = f (t, y),
(t, y) [t0 , t0 + T ] R.
On suppose ici que le pas hn = h est constant. On sinteresse aux methodes `a r + 1
pas permettant un calcul recurrent des points (tn , yn ) et des pentes fn = f (tn , yn )
sous la forme
yn+1 =
i yni + h
i fni
0ir
0ir
(M)
t
= tn + h
n+1
D
emarrage de lalgorithme Le point initial (t0 , y0 ) etant donne, lalgorithme ne peut demarrer que si les valeurs (y1 , f1 ), . . . , (yr , fr ) ont dej`a ete calculees.
Ce calcul ne peut etre fait que par une methode `a un pas pour (y1 , f1 ), a` au plus
2 pas pour (y2 , f2 ), . . . au plus r pas pour (yr , fr ). Linitialisation des r premi`eres
valeurs (yi , fi ), 1 i r, sera generalement faite a` laide dune methode de RungeKutta dordre superieur ou egal `a celui de la methode (M), ou a` la rigueur un de
moins (voir le debut du 1.2 sur ce point).
252
Analyse num
erique et
equations diff
erentielles
La denition generale de lerreur de consistance pour une methode `a r + 1 pas est
la suivante (on ne suppose pas necessairement dans cette denition que le pas est
constant).
D
enition Soit z une solution exacte de lequation (E). Lerreur de consistance
` z est lecart
en relative a
en = z(tn+1 ) yn+1 ,
r n < N,
hk
z (k) (tn ) + O(hp+1 )
k!
0kp
d`es que f est de classe C p (z est alors de classe C p+1 ). Par ailleurs
yni = z(tni ) = z(tn ih) =
(ih)k
z (k) (tn ) + O(hp+1 ),
k!
0kp
0kp
(ih)k1 (k)
z (tn ) + O(hp ).
k!
(i yni + hi fni )
0ir
hk
z (k) (tn ) 1
(i (i)k + ki (i)k1 ) + O(hp+1 )
k!
0ir
0kp
hk
z (k) (tn ) 1 (1)k
ik i kik1 i + O(hp+1 ).
=
k!
0ir
0kp
La methode (M) est donc dordre p si et seulement si elle verie les conditions
ik i kik1 i = (1)k ,
0 k p.
0ir
253
` pas multiples
IX M
ethodes a
On dit quune methode `a pas multiples est stable si une petite perturbation des
valeurs initiales y0 , . . . , yr et de petites erreurs n dans le calcul recurrent des valeurs
olable. De facon precise :
yn+1 , r n < N , provoquent une erreur nale contr
D
enition On dit quune methode `a r+1 pas est stable de constante de stabilite
S si pour toutes suites yn , yn avec
yn+1 = (tni , yni , hni ),
yn+1 = (tni , yni , hni ) + n ,
alors
yn yn | S
max |
0nN
r n < N,
r n < N,
max |
yn yn | +
0nr
|n | .
rn<N
En appliquant cette denition a` yn = z(tn ), on voit que lerreur globale de la suite
yn par rapport a` la solution exacte z(tn ) admet la majoration
max |yn z(tn )| S max |yn z(tn )| +
|en | .
0nN
0nr
rn<N
|en | CT hpmax
rn<N
car
hn = T . Pour la phase dinitialisation, il convient donc de choisir une
methode conduisant a` une erreur dinitialisation max |yn z(tn )| de lordre de hpmax
0nr
Condition n
ecessaire de stabilit
e On cherche `a determiner les conditions
necessaires `a la stabilite de la methode (M) decrite au 1.1. Pour cela, on consid`ere
lequation dierentielle la plus simple qui soit :
y = 0.
(E)
La suite yn est alors denie par
yn+1 =
0ir
i yni ,
n r.
254
Analyse num
erique et
equations diff
erentielles
Lensemble des suites veriant cette relation de recurrence est un espace vectoriel
de dimension r + 1, car chaque suite est denie de mani`ere unique par la donnee de
(y0 , y1 , . . . , yr ). On a de mani`ere evidente des solutions particuli`eres
yn = n ,
o`
u est racine du polyn
ome caracteristique
r+1 0 r 1 r1 . . . r = 0.
Soient j les racines complexes de ce polynome, et mj les multiplicites correspondantes. On sait (par une theorie en tout point analogue a` celle des equations
dierentielles lineaires `a coecients constants), quune base de lespace vectoriel
des suites considerees est formee des suites
n
nq nj ,
0 q < mj .
ce qui equivaut a`
|j |N S max(1, |j |r ).
Si lon fait tendre h vers 0 et N =
T
h
Th
eor`
eme On suppose que f (t, y) est k-lipschitzienne en y. Alors la methode
(M) est stable si et seulement si
r+1 0 r . . . r = 0
a toutes ses racines de module 1 et si les racines de module 1 sont simples.
Remarque. On observera que = 1 est toujours racine d`es que la methode est
consistante, puisqualors 0 + . . . + r = 1.
255
` pas multiples
IX M
ethodes a
D
emonstration. Soient deux suites yn , yn telles que
yn+1 =
i yni + hi fni
0ir
yn+1 =
i yni + hi fni + n
rn<N
0ir
0ir
()
0ir
Pour exploiter cette inegalite, on cherche `a majorer |n+1 | en fonction des |i |. Pour
cela, on observe que la relation de denition de n equivaut a` legalite formelle
n X n = (
n X n )(1 0 X . . . r X r+1 )
avec la convention n = 0, n = 0 pour n < 0. On a donc inversement
n X n =
1
n X n .
1 0 X . . . r X r+1
256
Analyse num
erique et
equations diff
erentielles
Les coecients de cette derni`ere serie admettent lequivalent nq1 nj /(q 1)! et sont
donc bornes si et seulement si |j | < 1 ou bien |j | = 1 et q = 1.
Notons = sup |n | < +. Comme 0 = 1, on a toujours 1. La relation
nN
n X n =
n X n
n X n
equivaut a` n = 0 n + 1 n1 + . . . + n 0 , do`
u
|n | (|0 | + |1 | + . . . + |n |).
()
En combinant () et () il vient
|n+1 |
|j |
|j+1 | +
|j |
0jn+1
|n+1 |
kh
|i ||ji |
rjn 0ir
0jr
rjn
|i ||ji | + |j | +
|j | .
0ir
rjn
Or
0jr
|i |
|j |
0ir
0jn
0ir
On obtient donc
|n+1 | kh
|i |(|0 | + . . . + |n |)
0ir
|j | + 1 +
|i |
|i | .
0ir
rjn
0ir
Posons n = |0 | + . . . + |n | et
|i |,
= k
0ir
n =
|j | + 1 +
rjn
|i |
|i | .
0ir
0ir
257
` pas multiples
IX M
ethodes a
Or pour j n 1 on a j n et 0 = |0 | n . On en deduit
n n (1 + eh + . . . + enh ) =
e(n+1)h 1
n .
eh 1
1+
|i |
|i | +
0ir
max0nN |n | S
0ir
|j | ,
rjn1
1 + 0nr |i |
0ir |n | +
rnN |n |
avec S = eT , cest-`a-dire
S = ekT
|i |
o`
u
= sup |n |.
Si lerreur initiale max |n | est negligeable (comme cest souvent le cas) on prendra
0nr
M
ethode de Nystr
om
Cest la methode `a 2 pas denie par
yn+1 = yn1 + 2hfn ,
n 1.
258
Analyse num
erique et
equations diff
erentielles
y
f
yn+1
pente fn
yn1
tn1
tn
tn+1
tn
2h
1
on approxime la pente 2h
(yn+1 yn1 ) de la corde par la pente de la tangente au
point milieu tn . Les calculs du 1.1 donnent
en =
h3 (3)
h3 [2]
z (tn ) 2 + O(h4 ) =
f (tn , yn ) + O(h4 ).
3!
3
y = y
z(tn ) = enh .
259
` pas multiples
IX M
ethodes a
n1
()
y0 = 1,
y1/2 = 1
h
,
2
y1 = 1 h +
f1/2 = 1 +
h
,
2
h2
.
2
h2
2 .
On obtient donc
2
2
1 h + h2 2
1 + h2 + 1 + h2
c1 =
=
,
1 2
2 1 + h2
2
1 1 h + h2
1 + h2 1 +
=
c2 =
1 2
2 1 + h2
Comme
1 + h2 = 1 +
h2
2
h4
8
h2
2
.
c1 = 1 + O(h4 )
1 4
h + O(h6 )
c2 =
16
2
c2 n2
1 4
h (1)n enh .
16
Le premier de ces termes approxime bien la solution exacte, mais le second est un
terme de perturbation qui diverge quand n +, bien quil soit negligeable quand
260
Analyse num
erique et
equations diff
erentielles
le temps tn = nh nest pas trop grand. Si la duree dintegration est trop longue
(plus precisement, si h4 eT nest plus negligeable), on va obtenir un trace de la forme
ci-dessous.
y
1
yn
y = et
tn
M
ethode de Milne
Cest la methode `a 4 pas denie par
8
4
8
yn+1 = yn3 + h
fn fn1 + fn2 .
3
3
3
On verie quelle est stable, dordre 4, mais comme pour la methode de Nystrom
la stabilite nest pas tr`es bonne a` cause des racines de module 1 du polyn
ome
caracteristique 4 1 = 0.
On ne suppose plus ici que le pas hn soit necessairement constant. Si z est une
solution exacte de lequation, on ecrit
tn+1
z(tn+1 ) = z(tn ) +
f (t, z(t))dt.
tn
Supposons que pour 0 i r on ait dej`a calcule les points z(tni ) et les pentes
fni = f (tni , z(tni )).
Lidee de la methode est dapproximer la fonction f (t, z(t)) sur [tn , tn+1 ] par
son polyn
ome dinterpolation aux points tn , tn1 , . . . , tnr . Considerons donc le
polyn
ome pn,r (t) qui interpole les points (tni , fni ) pour 0 i r :
pn,r (t) =
fni Ln,i,r (t), deg (pn,r ) = r,
0ir
261
` pas multiples
IX M
ethodes a
o`
u Ln,i,r (t) =
0jr
j=i
t tnj
. On ecrit maintenant :
tni tnj
tn+1
z(tn+1 ) = z(tn ) +
z(tn ) +
f (t, z(t))dt
tn
tn+1
pn,r (t)dt
tn
= z(tn ) + hn
bn,i,r fn,i
0ir
avec
bn,i,r
1
=
hn
tn+1
Ln,i,r (t)dt.
tn
yn+1 = yn + hn
bn,i,r fni , n r,
0ir
tn+1 = tn + hn
Exemples
r = 0 : on a pn,0 (t) = constante = fn , do`
u AB1 : yn+1 = yn + hn fn . Il sagit
de la methode dEuler.
r = 1 : le polyn
ome pn,1 est la fonction ane qui interpole (tn , fn ) et (tn1 , fn1 ),
do`
u les formules
fn fn1
(t tn )
tn tn1
tn+1
tn+1
fn fn1 1
(t tn )2
pn,1 (t)dt = fn hn +
hn1
2
tn
tn
hn
= b n fn +
(fn fn1 ) .
2hn1
pn,1 (t) = fn +
AB2
hn
(fn fn1 )
yn+1 = yn + hn fn + 2h
n1
tn+1 = tn + hn
fn+1 = f (tn , yn ).
262
Analyse num
erique et
equations diff
erentielles
Dans le cas o`
u le pas hn = h est constant, la formule de recurrence se reduit a`
3
1
fn fn1 .
yn+1 = yn + h
2
2
De mani`ere generale, lorsque le pas est constant les coecients bn,i,r ne dependent
pas de n car la methode est invariante par translation. Pour les petites valeurs de r,
les coecients bi,r correspondants sont donnes par le tableau :
r
b0,r
b1,r
b2,r
b3,r
r =
|bi,r |
3
2
12
23
12
16
12
5
12
55
24
59
24
37
24
Remarque On a toujours
3,66. . .
9
24
0ir bn,i,r
tn+1
pn,r (t)dt = hn = hn
tn
6,6. . .
bn,i,r 1.
0ir
ABr+1
Soit z une solution exacte du probl`eme de Cauchy. Lerreur de consistance est
donnee par
en = z(tn+1 ) yn+1
tn+1
= z(tn+1 ) z(tn ) +
pn,r (t)dt ,
tn
tn+1
en =
z (t) pn,r (t) dt,
tn
263
` pas multiples
IX M
ethodes a
1
z (r+2) ()n,r (),
(r + 1)!
o`
u ]tnr , tn+1 [ est un point intermediaire entre et les points tni , et o`
u
(t tni ).
n,r (t) =
0ir
avec C =
max
t[t0 ,t0 +T ]
|z (r+2) (t)|.
La methode dAdams-Bashforth `
a r + 1 pas est donc dordre r + 1 (le lecteur pourra
verier a` titre dexercice que lordre nest pas r + 2 en considerant le cas de la
fonction f (t, y) = tr+1 ).
ABr+1
Nous allons demontrer le resultat suivant.
Th
eme On suppose que f (t, y) est k-lipschitzienne en y et que les sommes
eor`
D
emonstration. Soit yn la suite recurrente perturbee telle que
fni = f (tni , yni ).
264
Analyse num
erique et
equations diff
erentielles
Posons n = max |
yi yi |. On a
0in
(1 + r khn )n + |n |.
Comme n+1 = max (|
yn+1 yn+1 |, n ), on en deduit
n+1 (1 + r khn )n + |n |.
Le lemme de Gronwall implique alors
N exp r k(tN tr ) r +
|n | ,
rn<N
Remarque Lexemple AB2 donne au 2.1 montre que les coecients bn,i,r ne
sont en general bornes que si le rapport hn /hn1 de 2 pas consecutifs reste borne.
Dans la pratique, il est raisonnable de supposer que
hn
hn1
avec disons 2. Les formules du 2.1 donnent dans ce cas :
tn+1 tnj
|bn,i,r | max |Ln,i,r (t)| =
|tni tnj |
t[tn ,tn+1 ]
1jn
(1 + + . . . + j )
j=i
(1 + + . . . + j ).
0jr
0ir
0jr
265
` pas multiples
IX M
ethodes a
Lidee en est la meme que celle des methodes dAdams-Bashforth, mais on approxime ici f (t, z(t)) par son polyn
ome dinterpolation aux points tn+1 , tn , . . . , tnr ; le
point tn+1 est donc pris en plus. On consid`ere le polyn
ome pn,r (t) de degre r + 1
qui interpole les points (tni , fni ) pour 1 i r :
pn,r (t) =
1ir
do`
u
Ln,i,r (t) =
1jr
j=i
t tn,j
.
t tn,i
z(tn+1 ) z(tn ) + hn
bn,i,r fni
1ir
avec
bn,i,r
1
=
hn
tn+1
Ln,i,r (t)dt.
tn
bn,i,r fni .
0ir
On observera ici que yn+1 nest pas donne explicitement en fonction des quantites yn ,
fni anterieurement calculees, mais seulement comme solution dune equation dont
la resolution nest pas a priori immediate. Pour cette raison, on dit que la methode
dAdams-Moulton est une methode implicite (la methode dAdams-Bashforth est
dite par opposition explicite). Pour resoudre lequation ci-dessus, on aura recours
en general `a une methode iterative. Notons un la quantite (explicite)
un = yn + hn
bn,i,r fni .
0ir
266
Analyse num
erique et
equations diff
erentielles
Comme (x) = hn bn,1,r fy (tn+1 , x), lapplication va etre contractante (avec
une petite constante de Lipschitz) lorsque hn est assez petit. Si f (t, y) est klipschitzienne en y, il sut que hn < |b 1 |k pour avoir convergence. La solution
n,1,r
yn+1 est alors unique dapr`es le theor`eme du point xe, et lalgorithme iteratif secrit
Fp = f (tn+1 , xp ),
xp+1 = un + hn bn,1,r Fp .
On choisira une valeur initiale x0 qui soit une approximation de yn+1 (la meilleure
possible !), par exemple la valeur donnee par la methode dAdams-Bashforth :
x0 = yn + hn
bn,i,r fni .
0ir
Exemples
r = 0 : le polyn
ome pn,0 est le polyn
ome de degre 1 qui interpole (tn+1 , fn+1 )
et (tn , fn ), soit
fn+1 fn
(t tn ) ;
hn
tn+1
1
1
fn+1 + fn .
pn,0 (t)dt = hn
2
2
tn
pn,0 (t) = fn +
1
2
fn+1 +
1
fn )
2
1
1
hn f (tn+1 , yn+1 ) = yn + hn fn .
2
2
r = 1 : le polyn
ome pn,1 interpole les points (tn+1 , fn+1 ), (tn , fn ), (tn1 , fn1 ),
do`
u les formules
pn,1 (t) = fn+1
tn+1
pn,1 (t)dt,
tn
&
'
2hn + 3hn1
3hn1 + hn
h2n
fn+1 +
fn1 .
= yn + hn
fn
6(hn + hn1 )
6hn1
6hn1 (hn + hn1 )
yn+1 = yn
yn+1
(t tn )(t tn1 )
(t tn1 )(t tn1 )
(t tn )(t tn+1 )
fn
,
+fn1
hn (hn + hn1 )
hn hn1
hn1 (hn + hn1 )
267
` pas multiples
IX M
ethodes a
Dans le cas o`
u le pas hn = h est constant, cette formule se reduit a`
5
8
1
fn+1 +
fn
fn1 .
yn+1 = yn + h
12
12
12
De mani`ere generale, les coecients bn,i,r sont des nombres bi,r independants de
n lorsque le pas est constant. On a la table suivante :
b1,r
b0,r
b1,r
b2,r
b3,r
r =
|bi,r |
r+1
1
2
1
2
5
12
8
12
1
12
9
24
19
24
5
24
1
24
251
720
646
720
264
720
106
720
19
720
1,16. . .
3,66. . .
1,41. . .
6,66. . .
1,78. . .
12,64. . .
bn,i,r = 1.
1ir
AMr+1
Soit z une solution exacte du probl`eme de Cauchy. Sous lhypoth`ese yni = z(tni ),
0 i n, on a
en = z(tn+1 ) yn+1
= z(tn+1 ) z(tn ) + hn
bn,i,r f (tni , z(tni )) + hn bn,1,r f (tn+1 , yn+1 )
0ir
= z(tn+1 ) z(tn ) + hn
bn,i,r f (tni , z(tni ))
1ir
tn+1
en =
tn
tn+1
tn
|en |
(z (t) pn,r (t))dt + hn bn,1,r k|en |,
tn+1
1
(z
(t)
p
(t))dt
.
n,r
1 hn bn,1,r k
tn
268
Analyse num
erique et
equations diff
erentielles
z (r+3) ()n,r
(),
(r + 2)!
z () pn,r () =
o`
u n,r
(t) =
]tn,r , tn+1 [.
1ir
|n,r
()| = | tn+1 | |n,r ()|
r+2
(r + 1)hmax (r + 1)! hr+1
max (r + 2)! hmax ,
tn+1
tn
(z (t) pn,r (t))dt |z (r+3) ()|hn hr+2
max ,
max
t[t0 ,t0 +T ]
|z (r+3) |.
AMr+1
On suppose que les rapports hn /hn1 restent bornes, de sorte que les quantites
|bn,i,r |,
r = max |bn,1,r |
r = max
n
ir
sont contr
olees. Supposons egalement que f (t, y) soit k-lipschitzienne en y. La
methode de resolution iterative pour yn+1 fonctionne d`es que hn < |b 1 |k , en
n,1,r
particulier d`es que
1
hmax < ,
r k
ce que nous supposons desormais. Soit yn une suite perturbee telle que
bn,i,r fni + n
yn+1 = yn + hn bn,1,r fn+1 +
fni = f (tni , yni ),
0ir
r n < N,
269
` pas multiples
IX M
ethodes a
n+1 n + khn |bn,1,r |n+1 +
|bn,i,r |n + |n |,
0ir
n+1 (1
|bn,1,r |khn )
n 1 +
|bn,i,r |khn + |n |
0ir
1+
|bn,i,r |khn (n + |n |).
0ir
|bn,i,r |khn
0ir
|bn,1,r |khn
(n + |n |),
|bn,i,r |khn
1ir
(n + |n |),
n+1
1 + 1 |b
|kh
n
n,1,r
n+1 (1 + hn )(n + |n |),
avec = r k/(1 r khmax ). Un raisonnement analogue a` la demonstration du
lemme de Gronwall discret donne par recurrence sur n :
|i | ,
n e(tn tr ) r +
rin
do`
u la constante de stabilite
S = eT = exp
r kT
1 r khmax
270
Analyse num
erique et
equations diff
erentielles
On se donne une methode dite de prediction (ou predicteur), fournissant (explicitement) une premi`ere valeur approchee pyn+1 du point yn+1 `a atteindre :
pyn+1 = prediction de yn+1 ,
pfn+1 = f (tn+1 , pyn+1 ) = prediction de fn+1 .
En substituant la valeur pfn+1 ainsi trouvee `a fn+1 dans la formule dAdamsMoulton, on obtient alors une nouvelle valeur corrigee yn+1 qui est retenue en
vue des calculs ulterieurs.
De facon precise, une methode PECE (prediction, evaluation, correction, evaluation)
a r + 1 pas va secrire de la mani`ere suivante : ynr , fnr , . . . , yn , fn etant dej`a
`
calcules, on pose
Prediction :
Evaluation :
Correction :
Evaluation :
pyn+1 = . . . (`
a partir des yni , fni , 0 i r)
tn+1 = tn + hn
pfn+1 = f (tn+1 , pyn+1 )
yn+1 = yn + hn bn,1,r pfn+1 + 0ir bn,i,r fni
fn+1 = f (tn+1 , yn+1 )
Nous avons utilise ici la methode dAdams-Moulton comme correcteur, mais cela
pourrait etre a priori nimporte quelle autre methode implicite.
Ici encore, le demarrage de lalgorithme PECE necessite le calcul prealable des
points y1 , . . . , yr et des pentes f0 , . . . , fr `a laide dune methode `a 1 pas. On peut
estimer que le co
ut en temps de calcul dune methode PECE est environ le double de
celui dune methode dAdams-Bashforth dordre egal (mais on verra que la stabilite
est beaucoup meilleure). Ce temps de calcul est en general inferieur `a celui des
methodes de Runge-Kutta sophistiquees (dordre 3).
Soit z une solution exacte du probl`eme de Cauchy. Lerreur de consistance est
en = z(tn+1 ) yn+1
0 i r.
Soit yn+1
la valeur qui serait obtenue a` laide du seul correcteur (Adams-Moulton),
de sorte que
yn+1
= yn + hn bn,1,r fn+1
+
bn,i,r fn,i
n+1
0ir
f (tn+1 , yn+1
).
en = z(tn+1 ) yn+1
.
271
` pas multiples
IX M
ethodes a
Ecrivons
en = (z(tn+1 ) yn+1
) + (yn+1
yn+1 )
en = en + (yn+1 yn+1 ).
On a par ailleurs
|yn+1
yn+1 | hn |bn,1,r | k |yn+1
pyn+1 |
|yn+1
pyn+1 | |pen | + |en |.
Il en resulte nalement
|yn+1
yn+1 | |bn,1,r | khn (|pen | + |en |)
On voit que linuence du predicteur est nettement moindre que celle du correcteur
puisque son erreur de consistance est en facteur dun terme O(hn ). Le correcteur
AMr+1 etant dordre r + 2 (cest-`a-dire |en | Chn hr+2
max ), on voit quil convient
de choisir un predicteur dordre r + 1. Les contributions de |en | et |pen | dans |en |
seront alors toutes deux Chn hr+2
max , lordre global de PECE est donc r + 2 dans ce
cas.
Pr
edicteur : Euler (ordre 1), Correcteur : AM1 (ordre 2).
:
:
:
:
pyn+1 = yn + hn fn
pfn+1 = f (tn+1 , pyn+1 )
yn+1 = yn + hn 12 pfn+1 +
fn+1 = f (tn+1 , yn+1 )
1
2
fn
Cet algorithme concide avec la methode de Heun, qui nest autre que la methode
de Runge-Kutta denie par
0 0 0
1 0 1
.
1 1
2 2
272
Analyse num
erique et
equations diff
erentielles
Pr
edicteur : Nystr
om (ordre 2) avec pas constant hn = h,
Correcteur : AM2 (ordre 3).
P :
E :
C :
E :
8
12
fn
1
12
fn1
Pr
edicteur : ABr+1 (ordre r + 1), Correcteur : AMr+1 (ordre r + 2).
P :
E :
C :
E :
pyn+1 = yn + hn
bn,i,r fni
0ir
n,i yni + hn
0ir
et notons
A = max
n
n,i fni
0ir
|n,i |,
B = max
n
|n,i |.
p
yn+1 =
n,i yni + hn
n,i fni
0ir
0ir
n+1 +
ni + n .
b
y
=
y
+
h
p
f
b
f
n+1
n
n
n,1,r
n,i,r
0ir
273
` pas multiples
IX M
ethodes a
yi yi | et pn = |p
yn pyn |. Comme f (t, y) est supposee
Posons n = max |
0in
k-lipschitzienne en y, il vient :
+
kh
|p
+
|b
|
|b
+ |n |.
n+1
n
n
n+1
n
n,1,r
n,i,r
0ir
n+1 n 1 +
|bn,i,r | + |bn,1,r |(A 1 + Bkhn ) khn + |n |,
1ir
n+1 n (1 + hn ) + |n |,
avec = (r + r (A 1 + Bkhmax ))k. Le lemme de Gronwall montre donc que la
methode PECE est stable, avec constante de stabilite
S = eT = exp (r + r (A 1 + Bkhmax )kT .
Si hmax est petit, on va avoir
S exp (r + r (A 1))kT .
Comme leur nom lindique, il sagit de methodes de prediction-correction dans
lesquelles la derni`ere etape devaluation est omise (en vue bien s
ur de gagner du
temps). Ceci signie que les pentes corrigees fn+1 ne sont pas calculees, il faudra
donc se contenter de faire intervenir les pentes predites pfni . On obtient alors
lalgorithme suivant :
Pr
e
diction
:
py
=
y
+
h
n,i pfni
n+1
n,i
ni
n
0ir
0ir
tn+1 = tn + hn
Evaluation : pfn+1 = f (tn+1 , pyn+1 )
bn,i,r pfni .
Correction : yn+1 = yn + hn
1ir
274
Analyse num
erique et
equations diff
erentielles
Stabilit
e de la m
ethode PEC* Avec les notations et hypoth`eses du 4.4,
considerons une suite perturbee yn telle que
yn+1 = yn + hn
bn,i,r pfni + n
1ir
et posons n = max |
yi yi |, pn = max |p
yi pyi |. Il vient :
0in
0in
pn+1 An + Bkhn pn
n+1 n + r khn pn+1 + |n |.
A
1Bkhmax
275
` pas multiples
IX M
ethodes a
5.1. On consid`ere le probl`eme de Cauchy y (t) = f (t, y(t)), y(t0 ) = y0 , o`
u
f : [t0 , t0 +T ]R R est une fonction de classe C 5 . Pour resoudre numeriquement
ce probl`eme, on se donne un entier N 2 et on consid`ere la subdivision tn = t0 +nh,
T
.
0 n N , de pas constant h = N
On etudie les methodes `a 2 pas de la forme
yn+1 = yn1 + yn + h(fn1 + fn + fn+1 ),
(M)
Ecrire
la condition necessaire et susante pour que la methode (M) soit dordre
1 (respectivement 2, 3, 4). Montrer que la seule methode (M) qui soit
dordre 4 est
(M4 )
1
4
1
fn1 + fn + fn+1 .
yn+1 = yn1 + h
3
3
3
276
Analyse num
erique et
equations diff
erentielles
1+
(|| + | | + | |)kh
1 | |kh
(n + |n |).
(e) Determiner en fonction de les methodes (M) qui sont dordre 3 ; on notera
celles-ci (M3 ). A quoi correspond (M30 ) ? Existe-t-il une methode (M3 ) qui soit
explicite et stable ?
Montrer quil existe une unique methode (M31 ) pour laquelle = 0.
(f) () Expliciter lalgorithme PECE dont le predicteur est la methode de Nystrom
et dont le correcteur est la methode (M31 ).
Linitialisation sera faite au moyen de la methode de Runge-Kutta dordre
4 usuelle.
() Ecrire
un programme informatique mettant en uvre lalgorithme precedent
dans le cas de la fonction f (t, y) = sin(ty y 2 ).
Lutilisateur fournit la donnee initiale (t0 , y0 ), le pas h, et le nombre N
diterations. Lordinateur achera alors les valeurs (tn , yn ) successives pour
0 n N.
5.2. Lobjet de ce probl`eme est detudier les methodes dAdams-Bashforth et
dAdams-Moulton avec pas constant.
(a) Montrer que la methode dAdams-Bashforth a` (r + 1) pas, de pas constant h,
secrit
r
bi,r f (tni , yni )
yn+1 = yn + h
i=0
avec
bi,r = (1)i
(b) On pose
s(s + 1) . . . (s%
+ i) . . . (s + r)
,
i!(r i)!
r =
0 i r.
s(s + 1) . . . (s + r 1)
ds.
r!
0 i r 1,
277
` pas multiples
IX M
ethodes a
1
0
(1 t)s ds =
+
r tr .
r=0
+
r=0
1
r1
0
+
+ ... +
+ r .
r+1
r
2
(d) Ecrire
un programme informatique mettant en uvre la methode dAdamsBashforth a` un nombre arbitraire de pas. On utilisera les formules de recurrence
ci-dessus pour evaluer r et bi,r . Linitialisation sera faite au moyen de la
methode de Runge-Kutta dordre 4.
(e) Demontrer des formules analogues a` celles de (a), (b), (c) pour la methode
dAdams-Moulton.
5.3. Soit a` resoudre numeriquement un probl`eme de Cauchy
y = f (t, y),
y(t0 ) = y0
o`
u f est de classe C 2 sur [t0 , t0 + T ] R. On se donne une subdivision
t0 < t1 < . . . < tN = t0 + T
de lintervalle, et on etudie la methode numerique suivante : si yn est la valeur
approchee de la solution au temps tn et si fn = f (tn , yn ) on pose
(M)
tn+1
yn+1 = yn1 +
pn (t)dt
tn1
o`
u pn est le polyn
ome dinterpolation des pentes fn , fn1 aux temps tn et tn1 .
On note hn = tn+1 tn .
(a) Calculer explicitement yn+1 . Quelle methode obtient-on lorsque le pas hn = h
est constant ?
(b) Soit z une solution exacte de lequation dierentielle.
Determiner un equivalent de lerreur de consistance en attachee `a la methode
(M). Quel est lordre de cette methode ? Comment procederiez-vous pour la
phase dinitialisation ?
(c) Soit une suite yn veriant la relation de recurrence
yn+1 = yn1 +
tn+1
tn1
pn (t)dt + n
278
Analyse num
erique et
equations diff
erentielles
o`
u pn interpole les valeurs fn = f (tn , yn ) et yn1 . La quantite n designe
lerreur commise `a letape n. On suppose que f (t, y) est k-lipschizienne en y et
yi yi |.
on note n = max |
0in
() Montrer que
n+1
=
hn hn1
1 + khn 1 + max
,
n + n .
hn1 hn
() On suppose que le rapport de 2 pas consecutifs est majore par une constante
= f (t, y),
y
y(t0 ) = y0 .
t [t0 , t0 + T ]
tn+1
z(tn+1 ) = z(tn ) +
f (t, z(t))dt
tn
h
, pyn+ 12 ),
2
279
` pas multiples
IX M
ethodes a
() Ecrire
en langage informatique la boucle centrale correspondant a` literation
de lalgorithme PEPEC (on precisera la signication des variables utilisees).
() Lerreur de consistance de la methode PEPEC est denie
6 par e7n = z(tn+1 )
u lon suppose que les points yn et pyni , i 0, 12 , 1 sont exacts.
yn+1 o`
Si pen et pen+ 12 designent les erreurs de consistance du predicteur sur les
intervalles de temps tn , tn + h2 et tn + h2 , tn+1 , montrer que
|en | |en | +
4
1
23
kh|pen | + kh |pen+ 12 | + |pen | +
kh|pen | .
6
6
24
yi pyi |,
pn = max |p
0in
0in
1+
1
7
6
4
6
kh
1
pn+ 12
p 1 ,
11
kh
1 6 kh n+ 2
pn+ 12 n + kh
pn+ 12
1
1
11
6
11
3
11
6
pn 12
11
6
kh
kh
n .
kh
On consid`ere le probl`eme de Cauchy associe `a une equation dierentielle
(E)
y = f (t, y)
D
enition Soit y(t, z) la solution maximale de (E) tel que y(t0 , z) = z. On
dira que la solution y(t, z0 ) est stable sil existe une boule B(z0 , r) et une constante
C 0 telles que
(i) Pour tout z B(z0 , r), t
y(t, z) est denie sur [t0 , +[ ;
(ii) Pour tous z B(z0 , r) et t t0 on a
y(t, z) y(t, z0 ) C z z0 .
282
Analyse num
erique et
equations diff
erentielles
z
z0
solution instable
z
z0
solution stable
z
z0
t0
Nous etudierons dabord le cas le plus simple, a` savoir le cas dun syst`eme lineaire
sans second membre
y1
Y = ... ,
ym
(E)
Y = AY,
a11
.
A = ..
...
a1m
..
.
am1
...
amm
avec yj , aij C ; le cas reel peut bien entendu etre vu comme un cas particulier du
cas complexe. La solution du probl`eme de Cauchy de condition initiale Y (t0 ) = Z
283
X Stabilit
e des solutions et points singuliers
0.
t +
0
1
..
=
A
.
0
o`
u 1 , . . . , m designent les valeurs prores de A. Le syst`eme se ram`ene aux equations
independantes yj = j yj et admet pour solution
yj (t, Z) = zj ej (tt0 ) ,
1 j m.
..
A=
= I + N
o`
u N est une matrice nilpotente (triangulaire superieure) non nulle. Il vient alors
e(tt0 )A = e(tt0 )I e(tt0 ) N
=e
(tt0 )
m1
k=0
(t t0 )k k
N ,
k!
omes
donc les coecients de e(tt0 )A sont des produits de e(tt0 ) par des polyn
de degre m 1 non tous constants (car N = 0, donc le degre est au moins 1).
Si Re() < 0, les coecients tendent vers 0, et si Re() > 0 leur module tend
vers + car la croissance de lexponentielle lemporte sur celle des polynomes. Si
284
Analyse num
erique et
equations diff
erentielles
Re() = 0, on a |e(tt0 ) | = 1 et par suite e(tt0 )A est non bornee. On voit donc que
les solutions sont asympotiquement stables si et seulement si Re() < 0 et sinon
elle sont instables. En resume, on peut enoncer :
Th
eor`
eme Soient 1 , . . . , m les valeurs propres complexes de la matrice A.
Alors les solutions du syst`eme lineaire Y = AY sont
asymptotiquement stables si et seulement si Re(j ) < 0 pour tout j = 1, . . . , m.
stables si et seulement si pour tout j, ou bien Re(j ) < 0, ou bien Re(j ) = 0 et
le bloc correspondant est diagonalisable.
On consid`ere dans Km = Rm ou Cm un syst`eme de la forme
Y = AY + g(t, Y )
(E)
o`
u g : [t0 , +[ Km Km est une fonction continue. On se propose de montrer
que si la partie lineaire est asymptotiquement stable et si la perturbation g est
susamment petite, en un sens `a preciser, alors les solutions de (E) sont encore
asymptotiquement stables.
Th
eor`
eme On suppose que les valeurs propres complexes j de A sont de
partie reelle Re j < 0.
(a) Sil existe une fonction k : [t0 , +[ R+ continue telle que lim k(t) = 0 et
t+
t [t0 , +[,
Y1 , Y2 Km ,
t [t0 , +[,
Y1 , Y2 B(0, r),
pour r r0 , alors il existe une boule B(0, r1 ) B(0, r0 ) telle que toute solution
Y (t, Z0 ) de valeur initiale Z0 B(0, r1 ) soit asymptotiquement stable.
D
emonstration.* Si K = R, on peut toujours etendre le syst`eme `a Cm en posant
par exemple g(t, Y ) = g(t, Re(Y )) pour Y Cm . On se placera donc dans Cm . Il
existe alors une base (e1 , . . . , em ) dans laquelle A se met sous forme triangulaire
A=
..
.
a12
2
...
...
...
..
.
...
...
a1m
..
am1m
m
285
X Stabilit
e des solutions et points singuliers
m
j (t)j (t).
j=1
m
j=1
m
j (t)j (t),
i=1
t
(t)(g(t, Y (t, Z)) g(t, Y (t, Z0 ))) .
(t)A(t) =
m
j=1
j |j (t)|2 +
i<j
de sorte que
Re(t (t)A(t))
m
j=1
i<j
|aij | (t) 2 .
286
Analyse num
erique et
equations diff
erentielles
m
|j (t)|2 = (t)
j=1
car (t0 ) = Z Z0 2 . On notera que (t) = (t) 2 ne peut sannuler que si les
deux solutions concident identiquement. En prenant la racine carree, on obtient
Y (t, Z) Y (t, Z0 ) (t) Z Z0
avec
(t) = exp
( k(u))du .
t0
Comme
u+
t+
(t t0 )( kr) Z .
()
X Stabilit
e des solutions et points singuliers
287
Comme lim k(r) = 0, on peut choisir r1 < r0 tel que k(r1 ) < , cest-`a-dire
r0
k(r1 ) > 0. Linegalite precedente montre alors que pour Z B(0, r1 ) la solution
maximale Y (t, Z) contenue dans la boule ouverte B(0, r1 ) verie les inegalites
Y (t, Z) Z < r1 . Cette solution maximale est necessairement denie
globalement sur [t0 , +[. Sinon lintervalle maximal serait un intervalle borne
[t0 , t1 [, necessairement ouvert `a droite dapr`es les resultats de V 2.4. Comme la
derivee de t
Y (t, Z) est majoree par
AY + g(t, Y ) (|||A||| + k(r1 )) Y M
avec M = (|||A||| + k(r1 ))r1 , la fonction Y (t, Z) verierait le crit`ere de Cauchy
lim
t,t t1 0
Y (t, Z) Y (t , Z) = 0.
tt1 0
On suppose donne un champ de vecteurs de classe C 1 dans un ouvert R2 ,
cest-`a-dire une application
2
R ,
x
f (x, y)
M=
V (M ) =
y
g(x, y)
o`
u f, g sont de classe C 1 sur . On consid`ere le syst`eme dierentiel associe
= V (M )
.
dt
y (t) = g(x(t), y(t))
Gr
ace au theor`eme de Cauchy-Lipschitz, on sait que par tout point il passe une
courbe integrale unique. Un probl`eme geometrique interessant est de decrire lallure
de la famille des courbes integrales passant au voisinage dun point M0 donne.
288
Analyse num
erique et
equations diff
erentielles
V (M0 )
M0
V (M )
M
Deuxi`
eme cas : V (M0 ) =
0 . On voit alors facilement sur des exemples quil y
a plusieurs congurations possibles pour le champ des tangentes :
x
x
=
y
y
x
x
=
y
y
x
y
=
y
x
Si V (M0 ) = 0 , on dit que M0 est un point singulier (ou point critique) du champ
de vecteurs. Un tel point donne evidemment une solution constante M (t) = M0 de
(E). Pour etudier les solutions voisines, on supposera apr`es translation eventuelle
de lorigine des coordonnees que M0 = 0. On a alors f (0, 0) = g(0, 0) = 0, de sorte
que le syst`eme dierentiel peut secrire
dx
dt
a b
c d
=
fx (0, 0)
gx (0, 0)
fy (0, 0)
gy (0, 0)
.
289
X Stabilit
e des solutions et points singuliers
|||G (M )|||
sup
M B(0,r)
tend vers 0 quand r tend vers 0 et le theor`eme des accroissements nis donne
fx (x0 , y0 )
fy (x0 , y0 )
gx (x0 , y0 )
gy (x0 , y0 )
dx
= x3
dt
t [t0 , +[ = [0, +[,
dy
= y 3
dt
qui admet lorigine comme point critique avec matrice jacobienne A = 0. On voit
facilement que la solution du probl`eme de Cauchy est
x(t) = x0 (1 2x20 t)1/2 ,
aura V (M ) = 0 , de sorte que M0 est un point singulier isole. Ce nest pas toujours
le cas si la matrice est degeneree : le champ V (x, y) = (x, 0) admet par exemple
toute une droite x = 0 de points singuliers. On exclura en general ces situations
qui peuvent etre extremement compliquees.
290
Analyse num
erique et
equations diff
erentielles
D
enition On dira quun point singulier M0 est non degenere si
det
fx (x0 , y0 )
gx (x0 , y0 )
fy (x0 , y0 )
gy (x0 , y0 )
= 0.
Considerons le syst`eme
dM
= AM,
dt
dx
= ax + by
dt
dy = cx + dy
dt
o`
u A=
a b
c d
.
dx
= 1 x
dt
dy
= 2 y.
dt
La solution du probl`eme de Cauchy avec M (0) = (x0 , y0 ) est donc
x(t) = x0 e1 t
y(t) = y0 e2 t
CR
291
X Stabilit
e des solutions et points singuliers
0 < 1 < 2
2 < 1 < 0
1 , 2 de signes opposes, par exemple 1 < 0 < 2 . Il sagit dun col (toujours
instable) :
292
Analyse num
erique et
equations diff
erentielles
>0
<0
A est non diagonalisable. Alors il existe une base dans laquelle la matrice A et le
syst`eme secrivent
A=
,
dx
= x
dt
dy = x + y.
dt
x(t) = x0 et
y(t) = (y0 + x0 t)et .
Comme toute courbe integrale avec x0 = 0 passe par un point tel que |x(t)| = 1, on
u
obtient toutes les courbes integrales autres que x = 0 en prenant x0 = 1, do`
ln |x|
t=
y = y |x| + x ln |x|
0
On dit quil sagit dun nud exceptionnel. Pour construire les courbes, on tracera
par exemple dabord la courbe y = x ln |x| passant par (x0 , y0 ) = (1, 0). Toutes
les autres sen deduisent par homotheties.
293
X Stabilit
e des solutions et points singuliers
>0
<0
dx
= x y
dt
dy = x + y.
dt
,
r = r0 et
,
= 0 + t
soit
( )
0
r = r0 e
294
Analyse num
erique et
equations diff
erentielles
>0
Foyer instable
<0
Foyer stable
=0
Centre
Lobjet de ce paragraphe est essentiellement de mettre en garde le lecteur contre un
certain nombre didees fausses frequemment rencontrees, en particulier lidee que
les courbes integrales dun champ de vecteurs quelconque au voisinage dun point
singulier ressemblent toujours a` celles du syst`eme lineaire associe. En fait, ce nest
en general pas le cas lorsque le syst`eme linearise presente un centre, et cela peut
de meme ne pas etre le cas lorsque celui-ci presente un nud. Les deux exemples
ci-dessous illustrent le phenom`ene.
(S)
dx
= y x(x2 + y 2 )
dt
dy
= x y(x2 + y 2 ).
dt
r dt = x dt + y dt = (x + y )
x dy y dx
d
dt
= dt2
=1
dt
x + y2
dr
r3 = dt
d = dt
car rdr = xdx + ydy et xdy ydx = r2 d (exercice !). Les courbes integrales de
lequation dr/r3 = d sont donnees par 1/2r2 = 0 , soit r = (2( 0 ))1/2
pour > 0 . On a ici = t + C, lim+ r() = 0. On voit que les courbes
integrales sont des spirales convergeant vers 0 quand t +, lorigine est donc un
foyer stable.
295
X Stabilit
e des solutions et points singuliers
e = e0
(S)
dx
2y
dt = x ln (x2 + y 2 )
2x
dy
= y +
dt
ln (x2 + y 2 )
sur le disque unite ouvert x2 + y 2 < 1. Observons que 2y/ ln (x2 + y 2 ) se prolonge
en une fonction de classe C 1 au voisinage de (0, 0) : elle admet en eet une limite
egale `a 0 `a lorigine, ainsi que ses derivees partielles
4xy
(x2
y 2 )(ln (x2
y 2 ))2
4y 2
2
2
.
2
2
+ y ) (x + y )(ln (x2 + y 2 ))2
ln (x2
Il en est de meme pour le terme 2x/ ln (x2 + y 2 ). Lorigine est donc un point
singulier, et le syst`eme lineaire associe dx/dt = x, dy/dt = y presente un nud
propre. Pour resoudre (S), on utilise de nouveau les coordonnees polaires (r, ). Il
vient
dr
x2 + y 2
= r
dt = r
1
1
d
2x2 + 2y 2
= 2
=
.
2
2
2
dt
x + y ln (x + y )
ln r
La solution du probl`eme de Cauchy est donnee par
r = r0 et avec r0 < 1,
dt
, = 0 ln (1 t/ ln r0 )
d =
ln r0 t
pour une donnee initiale (r0 , 0 ) en t = 0. La solution est denie sur [ln r0 , +[
et on a limt+ r(t) = 0, limt+ (t) = . On a ici encore une spirale
convergeant vers 0 (cest peu visible sur le schema ci-dessous car tend vers
tr`es lentement). Lorigine est donc un foyer stable. Comme limtln r0 +0 r(t) = 1
296
Analyse num
erique et
equations diff
erentielles
3.1. On consid`ere sur R2 le champ de vecteurs
2
x y2
x
.
V
=
y
2xy
(a) Determiner les points critiques.
(b) En posant z = x + iy, calculer la solution correspondant a` la donnee initiale z0
au temps t = 0.
(c) En deduire que les courbes integrales sont les deux demi-axes 0x, 0x et les
cercles passant par lorigine, centres sur laxe y 0y.
(d) Montrer que les solutions telles que z0 C \ [0, +[ sont asymptotiquement
stables. Quen est-il si z0 [0, +[ ?
3.2. On etudie dans R2 le syst`eme dierentiel
(S)
dM
= V (M )
dt
o`
u V designe le champ de vecteurs qui `a tout point M (x, y) R2 associe le vecteur
V (M ) = (x2 y, x + y 2 ).
297
X Stabilit
e des solutions et points singuliers
.(t) = (
t
M
x(t), y(t)) du syst`eme dierentiel obtenu en linearisant V au voisinage
de chacun des points critiques. Faire un schema indiquant lallure des solutions au
voisinage des points critiques. Ces points sont-ils stables ?
y
+
x
sin
exp
2 +y 2
x
x
V
=
y
x + y sin x2 +y
exp
2
1
x2 +y 2
1
x2 +y 2
(a) Montrer que le champ V est de classe C sur R2 ; on pourra commencer par
montrer que la fonction
t
sin (/t) exp (1/t),
t > 0,
(c) Etudier
la convergence des integrales Rk+1
dr/f (r) en chacune des bornes.
Montrer que la courbe integrale issue dun point de coordonnees polaires (r0 , 0 )
telles que Rk+1 < r0 < Rk est une spirale admettant les cercles r = Rk et
Etant
donne une equation dierentielle y = f (t, y, ) dependant dun param`etre ,
on se propose detudier comment les solutions varient en fonction de . En particulier on montrera que, sous des hypoth`eses convenables, les solutions dependent
contin
ument ou dierentiablement du param`etre . Outre laspect theorique, ces
resultats sont importants en vue de la methode dite des perturbations : il arrive
frequemment quon sache calculer la solution y pour une valeur particuli`ere 0 ,
mais pas pour les valeurs voisines ; on cherche alors un developpement limite
de la solution y associee `a la valeur en fonction de 0 . On montrera que
le coecient de 0 est obtenu en resolvant une equation dierentielle lineaire,
appelee equation linearisee de lequation initiale ; ce fait remarquable permet
generalement de bien etudier les petites perturbations de la solution.
Soit U un ouvert de R Rm Rp et
f : U Rm
(t, y, )
f (t, y, )
une fonction continue. Pour chaque valeur de Rp , on consid`ere lequation
dierentielle
(E )
y = f (t, y, ),
(t, y) U
o`
u U R Rm est louvert des points tels que (t, y, ) U . Une donnee initiale
(t0 , y0 ) etant xee, on note y(t, ) la solution maximale du probl`eme de Cauchy
relatif a` (E ) telle que y(t0 , ) = y0 ; on supposera toujours dans la suite que les
hypoth`eses assurant lunicite des solutions sont veriees. Notre objectif est detudier
la continuite ou la dierentiabilite de y0 (t, ) en fonction du couple (t, ).
300
Analyse num
erique et
equations diff
erentielles
B(0 , 0 ), le cylindre
C = [t0 T, t0 + T ] B(y0 , r0 ) U
est un cylindre de securite pour les solutions de E , dapr`es les resultats du chapitre
V, 2.1. Le theor`eme dexistence V 2.4 implique :
Proposition Avec les notations precedentes, la solution y(t, ) est denie pour
tout (t, ) [t0 T, t0 + T ] B(0 , 0 ) et elle est a
` valeurs dans B(y0 , r0 ).
On suppose maintenant de plus que f est localement lipschitzienne en y, cest-`a-dire
quapr`es avoir eventuellement retreci V0 , il existe une constante k 0 telle que
(t, ) [t0 T0 , t0 + T0 ] B(0 , 0 ),
f (t, y1 , ) f (t, y2 , ) k y1 y2 .
y1 , y2 B(y0 , r0 ),
Th
eor`
eme Si f est continue sur U et localement lipschitzienne en y, alors la
solution y(t, ) est continue sur [t0 T, t0 + T ] B(0 , 0 ).
D
emonstration. Remarquons dabord que
4
4d
4
4
4 y(t, )4 = f (t, y(t, ), ) M
dt
car f M sur V0 . Le theor`eme des accroissements nis montre alors que y(t, )
est M -lipschitzienne par rapport a` t, cest-`a-dire que
y(t1 , ) y(t2 , ) M |t1 t2 |
pour tous (t1 , ), (t2 , ) [t0 T, t0 + T ] B(0 , 0 ). Par ailleurs, comme V0 est
compact, f y est conformement continue et il existe donc un module de continuite
: R+ R+ tel que
f (t, y, 1 ) f (t, y, 2 ) ( 1 2 )
avec lim (u) = 0. Alors z1 (t) = y(t, 1 ) est la solution exacte du probl`eme de
u0+
y = f (t, y, 1 ),
XI Equations
diff
erentielles d
ependant dun param`
etre
301
ekT 1
( 1 2 )
k
et comme le second membre tend vers 0 lorsque (t2 , 2 ) (t1 , 1 ), on voit que
y(t, ) est bien continue sur [t0 T, t0 + T ] B(0 , 0 ).
j=1
m
v (t) =
m
(t, ) il vient
j=1
On observe que lequation (E ) satisfaite par v est lineaire. Lequation (E )
sappelle lequation dierentielle linearisee associee `a (E ). Par ailleurs v satisfait
la condition initiale
y
(t0 , ) = 0,
v(t0 ) =
302
Analyse num
erique et
equations diff
erentielles
Th
eor`
eme On suppose que f est continue sur U et admet des derivees partielles
fy j et f continues sur U .
Alors y(t, ) est de classe C 1 sur [t0 T, t0 + T ] B(0 , 0 ) et admet des derivees
partielles secondes croisees continues
y
y
=
.
t
t
De plus, si u(t) = y(t, ), la derivee partielle v(t) =
lequation dierentielle linearisee
(E )
v (t) =
m
j=1
v1 (t) =
m
j=1
avec condition initiale v1 (t0 ) = 0. Bien entendu, on ne sait pas encore que
y
(t, 1 ), cest justement ce quon veut demontrer. Pour cela on compare
v1 (t) =
u(t) = y(t, ) et u1 (t) + ( 1 )v1 (t) et on cherche `a montrer que la dierence est
o( 1 ). Posons donc
w(t) = u(t) u1 (t) ( 1 )v1 (t).
Par denition de u, u1 , v1 il vient
w (t) = f (t, u(t), ) f (t, u1 (t), 1 )
m
( 1 )
fy j (t, u1 (t), 1 )v1,j (t) + f (t, u1 (t), 1 )
()
j=1
m
j y1,j ) + f (t, y, )(
fk,y
(t, y, )(y
1 )
k,
j
j=1
XI Equations
diff
erentielles d
ependant dun param`
etre
303
m
j=1
o`
u g(t, y, y1 , ) admet une majoration uniforme
g(t, y, y1 , ) ( y y1 + | 1 |) ( y y1 + | 1 |)
pour un certain module de continuite . En substituant y = u(t), y1 = u1 (t) dans
la derni`ere formule, on deduit de () les relations
w (t) =
m
fy j (t, u1 (t), 1 )(uj (t) u1,j (t) ( 1 )v1,j (t)) + g(t, u(t), u1 (t), ),
j=1
w (t) =
m
()
j=1
1jm
0
Comme u(t0 ) = u1 (t0 ) = y0 et v1 (t0 ) = 0, on a w(t0 ) = 0, et par ailleurs w(t)
est une solution -approchee de () avec = o( 1 ). Le lemme de Gronwall V
3.1 montre que
w(t) = w(t) w(t)
eKT 1
= o( 1 ),
K
y
(t, ) = f (t, y(t, ), )
t
et
y
(t, ).
La derivee partielle y
t est continue en (t, ) puisque y lest. Par ailleurs v(t, ) =
y
(t,
)
est
la
solution
avec donnees initiales t0 , v0 = 0 de lequation linearisee
(E )
v = G(t, v, ) =
m
j=1
304
Analyse num
erique et
equations diff
erentielles
y
=
v(t, )
t
t
m
yj
=
(t, ) + f (t, y(t, ), )
fy j (t, y(t, ), )
j=1
=
(f (t, y(t, ), ) =
(t, )
G
en
eralisation Le theor`eme setend aisement au cas o`u Rp . Il sut en
eet de xer toutes les variables i sauf une pour constater que
y
que v(t) =
(t, ) est la solution de lequation linearisee
i
(Ei )
v (t) =
m
y
i t
y
t i
et
j=1
Th
eor`
eme On suppose que f est de classe C s et admet des derivees partielles
`
fy j et f i de classe C s . Alors la solution y(t, ) du probl`eme de Cauchy relatif a
(E ) est de classe C s+1 .
D
emonstration. Par recurrence sur s. Pour s = 0, il sagit du theor`eme precedent.
Supposons le resultat dej`a demontre `a lordre s 1. Alors y(t, ) est de classe C s .
Il en est de meme de sa derivee
y
(t, ) = f (t, y(t, ), ).
t
y
De plus v(t, ) =
(t, ) est la solution de lequation linearisee (Ei ), soit
i
v = G(t, v, ). Comme fy j et f i sont de classe C s , on voit que G est de classe
C s ; les derivees Gvj et Gi sont donc de classe C s1 et lhypoth`ese de recurrence
implique que v est de classe C s . Ceci montre que y est de classe C s+1 .
XI Equations
diff
erentielles d
ependant dun param`
etre
305
On designera ici par t
y(t, y0 , ) la solution de lequation dierentielle
(E )
y = f (t, y, )
z = f (t, z + , )
avec donnee initiale (t0 , 0). Les proprietes cherchees resultent alors des theor`emes
dej`a demontres, appliques `a lequation (E, ) pour le param`etre (, ) Rm+p . On
peut donc enoncer :
Th
eor`
eme Si f est de classe C s et admet des derivees partielles fy j et f i de
classe C s , alors y(t, y0 , ) est de classe C s+1 .
dM
= V (M ).
dt
y = f (y),
il sagit donc tout simplement dune equation dierentielle dont le second membre
est independant du temps. Louvert de denition est dans ce cas louvert produit
U = R . Resoudre (E) revient a` chercher les courbes integrales (ou orbites) du
champ de vecteurs.
306
Analyse num
erique et
equations diff
erentielles
V (M0 )
M0
V (M )
Dans cette situation, il y a invariance des solutions par translation dans le temps :
si t
y(t) est solution, il en est encore de meme pour t
y(t + a). Pour un point
M0 = x Rm donne, considerons la solution maximale du probl`eme de Cauchy y(t)
de donnee initiale y(0) = x. Dapr`es le theor`eme de Cauchy-Lipschitz, la solution
maximale est denie un intervalle ouvert contenant le temps 0. On appelle ot du
avec (0, x) = x.
Ceci signie precisement que si lon suit une trajectoire a` partir dun point x pendant
le temps s pour atteindre un point s (x), puis, a` partir de ce point la meme
trajectoire pendant le temps t pour atteindre t (s (x)), cela revient au meme
que de suivre la trajectoire pendant le temps s + t. Formellement, on a besoin du
theor`eme dunicite de Cauchy-Lipschitz pour pouvoir conclure. On voit que t
t
XI Equations
diff
erentielles d
ependant dun param`
etre
307
Soit M
V (M ) un champ de
vecteurs de classe C 1 dans un ouvert du plan. On suppose quil existe un compact
Th
eor`
eme de Poincar
e-Bendixson
On consid`ere une equation dierentielle
(E )
y = f (t, y, )
= u(t) + ( 0 )v(t) + o( 0 )
y(t, ) = y(t, 0 ) + ( 0 )
308
o`
u v(t) =
linearisee
(E0 )
Analyse num
erique et
equations diff
erentielles
v (t) =
m
j=1
y
(t0 , 0 ) = y0 (0 ).
Comme (E0 ) est lineaire, la resolution est en principe plus facile que celle de (E ).
Nous allons maintenant donner des exemples concrets de la methode.
Considerons dans le plan le champ de vecteurs
dx
= y
dM
dt
= V (M )
dt
dy = x.
dt
On resout ce syst`eme comme au chapitre X, 2.2(b) en posant z = x+iy. Le syst`eme
se ram`ene alors `a lequation dz/dt = iz, de sorte que la solution du probl`eme de
Cauchy avec donnee initiale z0 = x0 + iy0 est z = z0 eit . Les lignes de champ sont
les cercles centres en 0.
On suppose maintenant que le champ de vecteurs subit une petite perturbation de
la forme
dx
= y + a(x, y)
dz
dt
= iz + A(z)
()
(E )
dt
dy
= x + b(x, y)
dt
avec A(z) = a(x, y) + ib(x, y). Notons z(t, ) la solution telle que z(0, ) = z0 .
On sait que z(t, 0) = z0 eit et on aimerait avoir une approximation de z(t, ) quand
z
(t, 0) + o().
XI Equations
diff
erentielles d
ependant dun param`
etre
309
Gr
ace `a une dierentiation de () par rapport a` , il vient
z
z
=
=
(iz + A(z))
t
t
z
+ A(z) +
(A(z(t, ))).
=i
(E0 )
dv
= iv + A(z(t, 0)) = iv + A(z0 eit )
dt
z
(0, 0) = 0. Cette equation se resout par variation
avec condition initiale v(0) =
des constantes en posant v(t) = C(t)eit . Il vient
Ceci se calcule facilement d`es que a(x, y) et b(x, y) sont des polyn
omes par exemple.
Neanmoins, meme dans ce cas, il est generalement impossible dexpliciter la solution
exacte de lequation non linearisee.
= V (M ),
dt
(E)
dx
= ax + by + g(x, y)
dt
dy
= cx + dy + h(x, y)
dt
a b
est la matrice des derivees partielles (Vx (0, 0), Vy (0, 0)) et o`
u g, h
c d
sannulent ainsi que leurs derivees partielles premi`eres au point (0, 0). Les fonctions
g, h sont par hypoth`ese denies sur une certaine boule B(0, r0 ).
o`
u
310
Analyse num
erique et
equations diff
erentielles
dX
1
= aX + bY + g(X, Y )
dt
dY = cX + dY + 1 h(X, Y ).
dt
(E )
1
H(X, Y, ) = h(X, Y )
G(X, Y, ) =
G(X, Y, ) =
0
(Xgx (uX, uY
)+Y
gy (uX, uY
'u=1
1
g(uX, uY )
))du =
.
u=0
&
(E)
dX
= aX + bY
dt
dY = cX + dY.
dt
XI Equations
diff
erentielles d
ependant dun param`
etre
311
On etudie les oscillations dun pendule ponctuel de masse m suspendu a` un l de
longueur l. Lequation du mouvement a ete etablie au paragraphe VI 4.2(c) :
=
g
sin ,
l
o`
u designe langle fait par le l avec la verticale. On suppose ici quon lache le
pendule au temps t = 0 a` partir de lelongation maximale = m avec vitesse initiale
u
nulle. Lorsque m est petit, on fait habituellement lapproximation sin , do`
= 2
avec 2 =
g
.
l
(y, ) = y
1
1
y 3 + . . . + (1)n
n y 2n+1 + . . .
6
(2n + 1)!
y = 2 (y, )
est donc de classe C (on notera que tous les resultats du paragraphe 1 sont encore
vrais pour des equations dordre 2, puisque ces equations sont equivalentes a`
des syst`emes dordre 1). On a (y, 0) = y et y(t, 0) = cos t. Pour obtenir un
developpement limite de y(t, ) lorsque est petit, on derive (E ) par rapport a` ,
ce qui donne
(E )
2 y
2y
( 2 (y, ))
=
=
2
2
t
t
y
+ (y, ) .
= 2 y (y, )
312
Analyse num
erique et
equations diff
erentielles
y
On a y (y, 0) = 1 et (y, 0) = 16 y 3 , de sorte que la fonction v(t) =
(t, 0)
satisfait lequation
1
v (t) = 2 v(t) y(t, 0)3
6
1
= 2 v(t) + 2 cos3 t.
6
Comme y(0, ) = 1 et y/t(0, ) = 0 pour tout , les conditions initiales sont
v(0) = v (0) = 0. La solution generale du syst`eme sans second membre est
3
(t) = + 1 cos4 t
0
24
1
1
(t) = 0 +
(3t + 2 sin 2t + sin 4t).
48
4
Les conditions initiales v(0) = (0) = 0 et v (0) = (0) + (0) = 0 donnent
1
, 0 = 0 et
(0) = (0) = 0, donc 0 = 24
do`
u
1
1
1
(cos4 t 1) cos t +
(3t + 2 sin 2t + sin 4t) sin t
24
48
4
1
1
=
t + sin 2t sin t,
16
6
1
1
4
t 4
t= 4
T (0)
= = 0.
XI Equations
diff
erentielles d
ependant dun param`
etre
313
y 1
T (0), 0 = v
,
=
4
2
32
do`
u
1
T (0)() +
= 0,
T (0) =
,
4
32
8
T () = T (0) + T (0) + O(2 )
2
1
=
+ O(2 ) .
1+
16
On retrouve ainsi lapproximation bien connue
l
1 2
2
4
T (m ) = 2
m + O(m
) .
1+
g
16
Cette approximation pourrait egalement se retrouver de mani`ere directe `a partir de
la relation exacte
8l m
d
T =
,
g 0
cos cos m
qui resulte des formules obtenues au chapitre VI 4.2 c). Exercice pour le lecteur !
3.1. On consid`ere une equation dierentielle dordre p
(E )
Montrer que cette solution y est de classe C k+1 par rapport a` lensemble des
variables t, yj , , de meme que ses derivees partielles y/t, . . . , p1 y/tp1 .
[Indication : se ramener au cas dun syst`eme dordre 1].
314
Analyse num
erique et
equations diff
erentielles
cos
.
r2
dM = dr u + rd v ,
V
1 V
grad V =
u +
v .
r
r
XI Equations
diff
erentielles d
ependant dun param`
etre
315
Evaluer
le champ electrique E = grad V cree par le dip
ole.
Determiner lequation r = () de la ligne de champ (courbe integrale du
() Ecrire
lequation dierentielle d
= f (r, , ) des lignes de champ relatives
() On note
r = (, ) lequation polaire de la ligne de champ passant par le
point r0 , 2 [on ne cherchera pas a` evaluer ].
Montrer que w() =
` une equation dierentielle lineaire.
(, 0) satisfait a
En deduire le developpement limite `a lordre 1 de (, ) en fonction de .
dM
= V (M ).
dt
Montrer que toute solution maximale de (E) est globale dans les trois cas suivants :
t
Indication: majorer v( OM ) o`
u v(t) = 1 du/(u) a` laide dun raisonnement
de type lemme de Gronwall.
Amplication de lerreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Application contractante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Base de numeration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 4.1
IV 1.1
I 1.1
Calcul de pi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I 2.3
Calcul des variations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 4.4
Centre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
X 2.2 (b)
Chanette . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 4.4
Champ des tangentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 1.2
Col . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
X 2.2 (a)
Condition initiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 1.1
Constante de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 4.1
Constante de stabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 2.1, 2.3, IX 1.2
Contr
ole du pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 4
Convergence des polynomes dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 2
Convergence des methodes de quadrature . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.4
Convergence quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IV 2.1
Courbe du chien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 3.3
Crit`ere dattractivite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IV 3.2
Crit`ere de maximalite des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 2.6
Cumulation derreurs aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I 1.6
Cylindre de securite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 2.1
omes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Densite des polyn
Developpements asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Dierences divisees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Donnees initiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II
III
II
V
3.2
4.3
1.3
1.1
Enveloppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 2.1
Equation
dEuler-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 4.4
Equation
dierentielle linearisee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
XI 1.3
Equations
a` variables separees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 1.2
Equations
de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 1.5 (a)
Equations
de Clairaut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 2.5
Equations
dEuler-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 4.4
Equations
de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 2.4
Equations
de Riccati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 1.5 (b)
Equations
dierentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 1.1
320
Analyse num
erique et
equations diff
erentielles
Equations
dierentielles dordre superieur `a un . . . . . . . . . . . . . . . . . . . .
V 4, VII 3
Equations
dierentielles dependant dun param`etre . . . . . . . . . . . . . . . . . . . . . . .
XI
Equations
dierentielles du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 4
Equations
dierentielles lineaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 1.4, 4.3, VII
Equations
dierentielles non resolues en y . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 2.1
Equations
homog`enes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 1.6, 2.3
Erreur darrondi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I 1.3, 1.4, III 1.3, VIII 2.5
Erreur dintegration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 2.2
Erreur dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 1.2
Erreur de consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 1.1, IX 1.1
Erreur globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 2.1
Estimation de n+1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 2.2
Existence de solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V2
Existence de solutions globales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 3.4
Existence et unicite des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V3
Exponentielle dune matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VII 2.2
Extrapolation de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 5.1
Flot dun champ de vecteurs XI 1.5 Fonction analytique . . . . . . . . . . . . .
II 2.1
V 2.2
Fonction de classe C 1 par morceaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Fonction equioscillante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 3.1
Fonction lipschitzienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 4.3
Fonction localement lipschitzienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V3
Fonction de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 4.2
Formule de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 2.1
Formule de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 1.4
Formule de Stirling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 4.3
Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 2.1
Formule dEuler-Maclaurin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 4.1
Foyer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
X 2.2 (b)
Geodesiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 4.4
Instabilite numerique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I3
Integrale premi`ere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 1.3, 4.2 (c)
Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 1.1
Lemme de Gronwall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 3.1, VIII 2.3
Lignes isoclines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 1.2
Mantisse
Methode
Methode
Methode
Methode
Methode
Methode
Methode
Methode
Methode
...............................................................
I 1.1
consistante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 2.1
convergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 2.1
dEuler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 2.2, VIII 1.2
de Boole-Villarceau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.2 (c)
de Heun . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 3.2
de la secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IV 2.4
de Milne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IX 1.3
de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.2 (c)
de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IV 2.3, 3.3
321
Index terminologique
Methode de Nystrom . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IX 1.3
Methode de Romberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 5.2
Methode de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.2 (c)
Methode de variation des constantes . . . . . . . . . . . . . . . . .
VI 1.4, 4.3, VII 2.4, 3.3
Methode de Weddle-Hardy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.2 (c)
Methode de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 1.3
Methode des rectangles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.2 (a)
Methode des trap`ezes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.2 (b)
Methode du point milieu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.2 (a), VIII 1.4
Methode du point milieu modie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 1.5
Methodes `a un pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 1.1
Methodes `a pas multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IX
Methodes dAdams-Bashforth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IX 2
Methodes dAdams-Moulton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IV 3
Methodes de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 3
Methodes de quadrature elementaires et composees . . . . . . . . . . . . . . . . . . .
III 1.1
Methodes de prediction-corrcetion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IX 4
Methodes de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 3
IX 4.5
Methodes PEC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Methodes PECE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IX 4.1
Metrique de Poincare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 5.9
Module de continuite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 3.2, V 2.2
Nud propre, impropre, exceptionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
X 2.2 (a)
Nombres de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 4.1
II 5
Norme L2 de la moyenne quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Norme uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II Notations
Noyau de Peano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 2.2
Operateur aux dierences nies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Operateur dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ordre dune methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
III 1.1, VIII 2.4,
Ovale de Cassini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II
II
IX
VI
1.4
4.1
1.1
3.2
322
Analyse num
erique et
equations diff
erentielles
Polyn
omes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 5
Polyn
omes de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 5
Polyn
omes de Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 1.5, II 5
Polyn
omes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II 5
Precision relative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I 1.1
Probl`eme bien conditionne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 2.6
Probl`eme bien pose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 2.6
Probl`eme de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 1.1
Probl`eme raide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VIII 2.6
Probl`eme variationnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI 4.4
Rayon spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
IV 3.1
R`egle de Horner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I 1.5
Regularite des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 1.5, XI 1.3, 1.4
Relation de recurrence des polynomes orthogonaux . . . . . . . . . . . . . . . . . . . . . .
II 5
Resolvante dun syst`eme lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VII 4.1
Solution approchee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solution asymptotiquement stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solution dune equation dierentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solution generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solution globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solution maximale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solution singuli`ere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solution stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Spectre dun endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Stabilite des methodes numeriques .
VIII 2.1, 2.3, 3.3, IX 1.2, 2.3, 3.3,
Suite de Fibonacci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Syst`eme dierentiel autonome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Syst`eme dierentiel lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V
X
V
VI
V
V
VI
X
IV
3.4,
IV
VI
VII
2.2
1.1
1.1
1.1
1.4
1.3
1.1
1.1
3.1
4.4
2.4
1.1
1.1
Theor`eme dAscoli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme dexistence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V
Theor`eme dexistence et dunicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V 3.1,
Theor`eme dinversion locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme dunicite globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme de Cauchy-Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme de Cauchy-Peano-Arzela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme de Jackson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme de Poincare-Bendixson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme de Steensen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme des fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme des immersions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme des submersions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Theor`eme du point xe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Trajectoires orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Triangulation des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
V
2.4,
3.2,
IV
V
V
V
II
XI
III
IV
IV
IV
IV
VI
VII
2.3
4.3
4.4
4.1
3.3
3.1
2.4
3.2
1.5
2.3
4.2
4.2
4.2
1.1
3.2
2.2
VII 4.2
[a,b]
......................................................
II Notations
.................................................................
II 5
2
,
.................................................................
II 5
.............................................................
IX 2.1
ABr+1
...............................................................
III 5.1
Am,n
.............................................................
IX 3.1
AMr+1
bn,i,r
...............................................................
IX 2.1
...............................................................
IX 3.1
bn,i,r
..................................................................
III 4.1
bp
..............................................................
III 4.1
Bp (x)
.............................................................
IX 2.1, 2.3
r
.............................................................
IX 3.1, 3.3
r
C([a, b])
......................................................
II Notations
..................................................................
IX 3.3
r
.............................................................
II 3.1
d(f, Pn )
...............................................................
II 5
d2 (f, g)
x
..................................................................
I 1.1
................................................................
II 1.4
k fi
................................................................
VII 2.2
eA
................................................................
VIII 1.1
en
E(f )
...............................................................
III 2.2
...............................................................
XI 1.3
(E )
...............................................................
VI 3.2
(E )
f [x0 , x1 , . . . , xn ]
.....................................................
II 1.3
.................................................................
V 1.5
f [k]
................................................................
V 2.2
hmax
........................................................
II 3.2
jn (x), Jn ()
..............................................................
III 2.2
KN (t)
.........................................................
II 1.1
li (x), Li (x)
..................................................................
II 4.1
Ln
..................................................................
II 4.1
n
............................................................
III 1.2 (c)
N Cl
.........................................................
II 3.2, V 2.2
f (t)
................................................................
III 1.1
i,j
.................................................................
III 1.2
j
...............................................................
II 1.1
pn (x)
324
Analyse num
erique et
equations diff
erentielles
pfn+1
..............................................................
IX 4.1
...........................................................
II Notations
Pn
..............................................................
IX 4.1
pyn+1
.............................................................
II 1.1
n+1 (x)
............................................................
VII 4.1
R(t, t0 )
S
.....................................................
VIII 2.1, 2.3, IX 1.2
................................................................
II 1.5
tn (x)
w(x)
..................................................................
II 5
W (t)
..............................................................
VII 4.2
..........................................................
V 1.1
y = f (t, y)
(s)
................................................................
III 4.1
325
Formulaire et principaux r
esultats
n
li (x) =
x xj
.
xi xj
j=i
i=0
Formule derreur :
f (x) pn (x) =
avec
n+1 (x) =
n
i=0
1
n+1 (x)f (n+1) (x )
(n + 1)!
(x xi ),
326
Analyse num
erique et
equations diff
erentielles
Di
erences divis
ees :
f [x1 , . . . , xk ] f [x0 , . . . , xk1 ]
,
xk x0
n
f [x0 , x1 , . . . , xk ](x x0 ) . . . (x xk1 ).
pn (x) = f (x0 ) +
f [x0 , x1 , . . . , xk ] =
k=1
ba
n )
Polyn
omes de Tchebychev :
x [1, 1],
n 1.
2i + 1
,
2n + 2
0 i n.
n
x[a,b] i=0
b a
.
n
|li (x)|.
327
Formulaire et principaux r
esultats
Si Ln (f ) = pn =
n
f (xi )li , on a
i=0
f Ln (f ) (1 + n ) f qn .
2n+1
en ln (n) .
ln (n).
Polyn
omes orthogonaux. Formule de recurrence :
pn (x) = (x n )pn1 (x) n pn2 (x),
n2
n
f, pk
k=0
pk 22
pk (x).
f (x)dx
avec i,j = i + j
i+1 i
,
l
k1
l
i=0
j=0
(i+1 i )
j f (i,j )
1 j l.
k=0
328
Analyse num
erique et
equations diff
erentielles
j=0
1 (N +1)
f
()
N!
KN (t)dt,
], [.
f (x)w(x)dx
l
j f (xj )
j=0
j=i
Bp (x)dx = 0,
0
Bp periodique de periode 1 sur R.
e2inx
.
Bp (x) = p!
(2in)p
nZ
329
Formulaire et principaux r
esultats
Nombres de Bernoulli :
1
b0 = 1, b1 = , bp = Bp (0) si p 2.
2
+
k1
(2k)! 1
b = 2(1)
si k 1,
2k
(2)2k
n2k
n=1
b2k+1 = 0
si k 1.
|B2k (x)| |b2k |,
p
Bp (x) =
Cpm bm xpm , Bp (1 x) = (1)p Bp (x),
m=0
2k2
2
1
+ C2k+1
b2k2 + . . . + C2k+1
b2 + C2k+1
b1 + 1 = 0,
1
1
1
1
5
, b8 = , b10 =
.
b2 = , b4 = , b6 =
6
30
42
30
66
2k
b2k
C2k+1
1
1
f () + f ( + 1) + . . . + f ( 1) + f () =
2
2
f (x)dx+
k
B (x)
b2m (2m1)
2k
(2m1)
f (2k) (x)dx.
() f
()
f
(2m)!
(2k)!
m=1
Formule du d
eveloppement asymptotique. Soit f C ([, +[), Z. Si
(m)
lim f (x) = 0 et si f (m) (x) est de signe constant sur [x0 , +[ pour m m0
x+
alors n x0 et k >
m0
2
on a
f () + f ( + 1) + . . . + f (n) = C +
1
f (n) +
2
f (x)dx
k1
b2m
b2k (2k1)
f (2m1) (n) +
f
(n),
(2m)!
2k!
m=1
0 1.
Extrapolation de Richardson
Pour calculer la limite de A(t) = a0 + a1 t + . . . + ak tk + O(tk+1 ) en t = 0, on pose
Am,0 = A(rm t0 ),
rn Am,n1 Am1,n1
.
Am,n =
rn 1
M
ethode de Romberg : pour evaluer
f (x)dx, on calcule
1
1
f () + f ( + h) + . . . + f ( h) + f ()
Am,0 = h
2
2
330
o`
uh=
Analyse num
erique et
equations diff
erentielles
2m ,
puis
Am,n =
4n Am,n1 Am1,n1
.
4n 1
Chapitre IV : M
ethodes it
eratives pour la
r
esolution d
equations
M
ethode de Newton : pour resoudre f (x) = 0, on it`ere
(x) = x
Si f (a) = 0 et M =
f (x)
.
f (x)
f (x)
, alors pour h = min 1, 1 on a
M
x[ar,a+r] f (x)
max
(x [a h, a + h])
|(x) a| M |x a|2 .
p =
f (xp )f (xp1 )
xp xp1
xp+1 = xp
f (xp )
p
(p 1).
M
ethode de Newton-Raphson. Pour resoudre f (x) = 0 o`
u f : Rm Rm , on
it`ere la fonction
(x) = x f (x)1 f (x).
Chapitre V : Equations
di
erentielles. R
esultats
fondamentaux
Etant
donne un ouvert U R Rm et une fonction continue f : U Rm , il passe
par tout point (t0 , y0 ) U au moins une solution locale de lequation dierentielle
(E)
y = f (t, y).
De plus toute solution peut etre prolongee en une solution maximale ; lintervalle
de denition dune solution maximale est ouvert.
331
Formulaire et principaux r
esultats
M
ethode dEuler. Partant dun point initial (t0 , y0 ), on pose
yn+1 = yn + hn f (tn , yn )
tn+1 = tn + hn
et on construit une solution approchee y(t) lineaire par morceaux en joignant les
points (tn , yn ). Si C = [t0 T, t0 + T ] B(y0 , r0 ) est un cylindre de securite tel que
r0
f ,
T min T0 ,
, o`
u M=
sup
M
[t0 T0 ,t0 +T0 ]B(y0 ,r0 )
la solution approchee (t, y(t)) reste contenue dans C. Lerreur verie
y (t) f (t, y(t)) f ((M + 1)hmax )
o`
u f est un module de continuite pour f .
Th
eor`
eme de Cauchy-Lipschitz. Si f est localement lipschitzienne en y, il passe
par tout point (t0 , y0 ) une solution maximale unique et toute suite de solutions
p -approchees avec lim p = 0 converge vers la solution exacte : le lemme de
Gronwall montre que lecart entre 2 telles solutions approchees y1 , y2 verie
y1 (t) y2 (t) (1 + 2 )
ek|tt0 | 1
k
o`
u k est la constante de Lipschitz.
Equations
di
erentielles dordre p : y (p) = f (t, y, y , . . . , y (p1) ).
Si f est continue (resp. continue et localement lipschitzienne en toutes les variables
autres que t), il existe au moins une solution (resp. une unique solution) satisfaisant
la condition initiale
y(t0 ) = y0 ,
Chapitre VI : M
ethodes de r
esolution explicite des
equations di
erentielles
Equations
`
a variables s
epar
ees : y = f (x)g(y).
dy
Ecrire
g(y) = f (x)dx.
Equations
lin
eaires du premier ordre : y = a(x)y + b(x).
Solution generale : y(x) = eA(x) + y(1) (x) o`
u A est une primitive de a et o`
u y(1) (x)
sobtient par la methode de variation des constantes, y(1) (x) = (x)eA(x) .
332
Analyse num
erique et
equations diff
erentielles
Equations
de Bernoulli : y + p(x)y + q(x)y = 0 o`
u R \ {1}.
1
Diviser par y et poser z(x) = y(x)
. Alors z satisfait une equation lineaire.
Equations
de Riccati : y = a(x)y 2 + b(x)y + c(x).
Si une solution particuli`ere y(1) est connue, poser y = y(1) + z. Alors
equation lineaire.
Equations
homog`
enes : y = f
1
z
satisfait une
y
x .
Equations
non r
esolues en y : regarder si on peut trouver une parametrisation
simple de lequation.
Equations
de Lagrange : y = a(y )x + b(y ).
Choisir p = y comme nouvelle variable et x(p) comme nouvelle fonction inconnue.
Calculer dy et ecrire dy = p dx.
Equations
du second ordre : y = f (y, y ) : choisir y comme nouvelle variable
et v = y comme nouvelle fonction inconnue de y. On a alors y = v dv/dy.
Equations
lin
eaires homog`
enes du second ordre : a(x)y +b(x)y +c(x)y = 0.
Si une solution particuli`ere y(1) est connue, utiliser la methode de variation des
constantes : y(x) = (x)y(1) (x). Alors = est solution dune equation du
premier ordre.
Y (t) = e(tt0 )A V0
Y = AY + B(t) :
Y (t) = e(tt0 )A V0 +
e(tu)A B(u)du
t0
A
Equations
dordre p : ap y (p) + . . . + a1 y + a0 y = 0, aj C.
Si le polyn
ome caracteristique ap p + . . . + a1 + a0 admet pour racines complexes
1 , . . . , s de multiplicites m1 , . . . , ms , alors lespace des solutions admet pour base
t
tq ej t ,
1 j s,
0 q < mj .
333
Formulaire et principaux r
esultats
Syst`
emes di
erentiels lin
eaires quelconques Y = A(t)Y + B(t).
Si R(t, t0 ) designe la resolvante, alors la solution du probl`eme de Cauchy Y (t0 ) = V0
est donnee par
t
Y (t) = R(t, t0 ) V0 +
R(t, u)B(u)du,
t0
tr A(u)du .
t0
Chapitre VIII : M
ethodes num
eriques `
a un pas
Ces methodes peuvent secrire de mani`ere generale
yn+1 = yn + hn (tn , yn , hn ),
0 n < N.
Si z est une solution exacte, lerreur de consistance relative a` z est par denition
en = z(tn+1 ) yn+1 pour yn = z(tn ). La methode est dite dordre p sil existe
une constante C independante de n et hmax telle que |en | Chn hpmax . Pour quil
en soit ainsi, il faut et il sut que
l
1
f [l] (t, y),
(t, y, 0) =
hl
l+1
0 l p 1.
La methode est dite stable de constante de stabilite S si pour toute suite perturbee
yn telle que
yn+1 = yn + hn (tn , yn , hn ) + n , 0 n < N,
yn yn | S |
y0 y0 | +
|n |.
alors max |
0nN
0n<N
|en | ,
max |yn z(tn )| S |y0 z(t0 )| +
0nN
0n<N
0in1
e(tn t0 ) 0 +
0in1
|i | .
334
Analyse num
erique et
equations diff
erentielles
hn
yn+ 12 = yn +
f (tn , yn )
pn = f tn + n , yn+ 1
2
2
yn+1 = yn + hn pn
t
=t +h
n+1
hn
yn+ 12 = yn +
pn1
pn = f tn + n , yn+ 1
2
2
yn+1 = yn + hn pn
t
=t +h
n+1
Ces methodes sont dordre 2 (celle du point milieu est a` 1 pas, mais la methode
modiee est une methode `a 2 pas).
M
ethodes de Runge-Kutta :
c1
c2
..
..
.
cq
0
a21
0
0
...
...
0
0
0
0
aq1
aq2
...
aqq1
b1
b2
...
bq1
bq
tn,i = tn + ci hn
yn,i = yn + hn
aij pn,j
1 i q
1j<i
tn+1 = tn + hn
bj pn,j
yn+1 = yn + hn
1jq
On a toujours
1j<i
aij = ci ,
bj = 1.
1jq
1jq
1
2
1 2
1
1
b j cj = ;
bi aij cj =
b j cj = ;
2
3 i,j
6
b j cj =
bj c3j =
1
1
1
1
;
;
bi aij c2j =
bi ci aij cj = ;
bi aij ajk ck =
4 i,j
12 i,j
8
12
i,j,k
335
Formulaire et principaux r
esultats
Exemples :
Ordre 4 :
Ordre 2 :
1
2
1
2
1
2
1
2
1
2
1
: point milieu
= 1 : methode de Heun
1
2
1
2
1
6
2
6
2
6
1
6
Chapitre IX : M
ethodes `
a pas multiples
Pour une methode `a r + 1 pas de la forme
yn+1 = (tn , yn , hn ; . . . ; tnr , ynr , hnr ),
r n < N,
0 i r.
alors N
S r +
|n | o`
u n = max |
yi yi |.
rn<N
0in
fn = f (tn , yn )
0ir
0 l p.
0ir
336
Analyse num
erique et
equations diff
erentielles
(1 0 X . . . r X r+1 )1 =
n X n et si = sup |n | < +, la constante de
stabilite vaut
S = exp (kT
|i |).
Methode de Nystrom (ordre 2) : yn+1 = yn1 + 2hfn .
Methode de Milne (ordre 4) : yn+1 = yn3 + h 83 fn
4
3
fn1 +
8
3
fn2 .
M
ethodes dAdams-Bashforth ABr+1 :
tn+1
yn+1 = yn +
pn,r (t)dt = yn + hn
tn
avec
pn,r (t) =
Ln,i,r (t) =
0ir
bn,i,r =
1
hn
bn,i,r fni ,
0ir
j=i
0jr
t tnj
,
tni tnj
tn+1
Ln,i,r (t)dt.
tn
M
ethodes dAdams-Moulton AMr+1 :
tn+1
yn+1 = yn +
pn,r (t)dt = yn + hn
tn
bn,i,r fni
1ir
o`
u pn,r interpole les points (tn+1 , fn+1 ) . . . (tnr , fnr ).
Erreur de consistance : |en | |z (r+3) ()|hn hr+2
max (1 + O(hn )), ]tnr , tn+1 [.
kT
Constante de stabilite : S = exp 1 rkhmax , avec
r
r = max
n
|bn,i,r |,
r = max |bn,1,r |.
n
1ir
b0,r
3
2
12
23
12
16
12
5
12
55
24
59
24
37
24
b1,r
b2,r
b3,r
9
24
b1,r
b0,r
b1,r
b2,r
1
2
1
2
5
12
8
12
1
12
9
24
19
24
5
24
1
24
251
720
646
720
264
720
106
720
b3,r
19
720
337
Formulaire et principaux r
esultats
M
ethodes de pr
ediction-correction PECE et PEC
P : pyn+1 =
n,i yn,i + hn
n,i fni
0ir
0ir
C :
E :
P :
E :
C :
bn,i,r fni )
0ir
n,i yn,i + hn
0ir
n,i pfni
0ir
bn,i,r pfni
1ir
Erreur de consistance :
|en | 1 + |bn,1,r | khn |en | + bn,1,r | khn |pen |
o`
u en est lerreur de consistance de AMr+1 et pen lerreur de consistance du
predicteur.
Constante de stabilite :
methode PECE : S = exp((r + r (A 1)Bkhmax )kT )
r AkT
methode PEC : S = exp
1 Bkhmax
|n,i |, B = max
|n,i |.
o`
u A = max
n
Chapitre X : Stabilit
e des solutions et points singuliers dun champ de vecteurs
Stabilit
e des solutions. Une solution de valeur initiale z0 en t = t0 est dite
stable (resp. asymptotiquement stable) si lecart entre cette solution et la solution
de valeur initiale z voisine de z0 reste majoree sur tout lintervalle [t0 , +[ par
u C est une constante (resp. par (t) z z0 o`
u lim (t) = 0).
C z z0 o`
tt0
338
Analyse num
erique et
equations diff
erentielles
M =
Courbes int
egrales dune
equation ddt
V (M ) associee `a un champ de
On dit que M0 = (x0 , y0 ) est un point singulier si V (M0 ) = 0 , regulier sinon. Pour
quun point singulier soit asymptotiquement stable, il sut que la matrice
A=
fx (x0 , y0 )
gx (x0 , y0 )
fy (x0 , y0 )
gy (x0 , y0 )
ait ses valeurs propres de partie reelle < 0. On dit quun point singulier est non
degenere si det A = 0; si 1 et 2 sont les valeurs propres de A, on a alors les
dierentes congurations possibles suivantes :
1 , 2 reelles, distinctes, de meme signe : nud impropre,
de signe oppose : col.
1 = 2 reelles et A diagonalisable : nud propre (si champ lineaire),
et A non diagonalisable : nud exceptionnel.
1 , 2 non reelles de partie reelle non nulle : foyer,
de partie reelle nulle : centre (si champ lineaire).
Chapitre XI : Equations
di
erentielles d
ependant
dun param`
etre
D
ependance de la solution. Etant
donne une equation
y = f (t, y, ),
(E )
y Rm ,
o`
u f depend dun param`etre R et est continue en (t, y, ), la solution y(t, y0 , )
de (E ) de valeur initiale y0 en t = t0 est :
continue si f est localement lispchitzienne en y
de classe C 1 si f admet des derivees partielles fy j et f continues en (t, y, ).
de classe C k+1 si f est de classe C k et admet des derivees partielles fy j , f de
classe C k en (t, y, ).
Dans ces deux derniers cas, la derivee partielle v(t) =
de lequation dierentielle linearisee
(E0 )
v (t) =
m
j=1
Formulaire et principaux r
esultats
339
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Phenom`enes de compensation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
16
4. Probl`emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
21
21
30
39
45
5. Polyn
omes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
6. Probl`emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
59
2. Evaluation
de lerreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
65
3. Methodes de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
73
77
83
6. Probl`emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
86
93
93
95
dans R
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
342
Analyse num
erique et
equations diff
erentielles
119
Chapitre V. Equations
dierentielles. Resultats fondamentaux . . . . . . . . . . . . 125
1. Denitions. Solutions maximales et globales . . . . . . . . . . . . . . . . . . . . . . . 125
2. Theor`eme dexistence des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
3. Theor`eme dexistence et dunicite de Cauchy-Lipschitz . . . . . . . . . . . . . 139
4. Equations
dierentielles dordre superieur `a un . . . . . . . . . . . . . . . . . . . .
146
5. Probl`emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
147
155
1. Equations
du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
4. Equations
dierentielles du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
5. Probl`emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
192
3. Equations
dierentielles lineaires dordre p `a coecients constants . 205
4. Syst`emes dierentiels lineaires `a coecients variables . . . . . . . . . . . . . .
210
5. Probl`emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
215
2. Etude
generale des methodes `a un pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
3. Methodes de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
237
4. Contr
ole du pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
5. Probl`emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
247
251
2. Methodes dAdams-Bashforth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
260
274
343
299
325