C

O L L E C T I O N

G

R E N O B L E

S

C I E N C E S

DIRIGÉE PAR JEAN BORNAREL

ANALYSE NUMÉRIQUE ET ÉQUATIONS DIFFÉRENTIELLES
Nouvelle édition

Jean-Pierre DEMAILLY

ANALYSE NUMÉRIQUE ET ÉQUATIONS DIFFÉRENTIELLES

Grenoble Sciences
Grenoble Sciences poursuit un triple objectif!: ! réaliser des ouvrages correspondant à un projet clairement défini, sans contrainte de mode ou de programme, ! garantir les qualités scientifique et pédagogique des ouvrages retenus, ! proposer des ouvrages à un prix accessible au public le plus large possible. Chaque projet est sélectionné au niveau de Grenoble Sciences avec le concours de referees anonymes. Puis les auteurs travaillent pendant une année (en moyenne) avec les membres d’un comité de lecture interactif, dont les noms apparaissent au début de l’ouvrage. Celui-ci est ensuite publié chez l’éditeur le plus adapté. (Contact!: Tél.!: (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 originalité de projets et sa qualité ! Grenoble Sciences!-!Rencontres Scientifiques, collection présentant des thèmes de recherche d’actualité, traités par des scientifiques de premier plan issus de disciplines différentes. Directeur scientifique de Grenoble Sciences Jean BORNAREL, Professeur à l'Université Joseph Fourier, Grenoble 1 Comité de lecture pour Analyse numérique et équations différentielles ! M. ARTIGUE, Professeur à l'IUFM de Reims ! A. DUFRESNOY, Professeur à l'Université Joseph Fourier - Grenoble 1 ! J.R. JOLY, Professeur à l'Université Joseph Fourier - Grenoble 1 ! M. ROGALSKI, Professeur à l'Université des Sciences et Techniques - Lille 1

Grenoble Sciences bénéficie du soutien du Ministère de l'Éducation nationale, de l'Enseignement supérieur et de la Recherche et de la Région Rhône-Alpes. Grenoble Sciences est rattaché à l'Université Joseph Fourier de Grenoble.

Illustration de couverture : Alice GIRAUD

ISBN 2-86883-891-X © EDP Sciences, 2006

ANALYSE NUMÉRIQUE ET ÉQUATIONS DIFFÉRENTIELLES
Jean-Pierre DEMAILLY

17, avenue du Hoggar Parc d’Activité de Courtabœuf - BP 112 91944 Les Ulis Cedex A - France

Ouvrages Grenoble Sciences édités par EDP Sciences
Collection Grenoble Sciences
Chimie. Le minimum à savoir (J.!Le!Coarer) • Electrochimie des solides (C.!Déportes et!al.) • Thermodynamique chimique (M.!Oturan & M.!Robert) • CD de Thermodynamique chimique (J.P.!Damon & M.!Vincens) • Chimie organométallique (D.!Astruc) • De l'atome à la réaction chimique (sous la direction de R.!Barlet) Introduction à la mécanique statistique (E.!Belorizky & W.!Gorecki) • Mécanique statistique. Exercices et problèmes corrigés (E.!Belorizky & W.!Gorecki) • La cavitation. Mécanismes physiques et aspects industriels (J.P.!Franc et al.) • La turbulence (M.!Lesieur) • Magnétisme!: I!Fondements, II!Matériaux et applications (sous la direction d’E.!du Trémolet de Lacheisserie) • Du Soleil à la Terre. Aéronomie et météorologie de l’espace (J.!Lilensten & P.L.!Blelly) • Sous les feux du Soleil. Vers une météorologie de l’espace (J.!Lilensten & J.!Bornarel) • Mécanique. De la formulation lagrangienne au chaos hamiltonien (C.!Gignoux & B.!Silvestre-Brac) • Problèmes corrigés de mécanique et résumés de cours. De Lagrange à Hamilton (C.!Gignoux & B.!Silvestre-Brac) • La mécanique quantique. Problèmes résolus, T.!1!et!2 (V.M.!Galitsky, B.M.!Karnakov & V.I.!Kogan) • Description de la symétrie. Des groupes de symétrie aux structures fractales (J.!Sivardière) • Symétrie et propriétés physiques. Du principe de Curie aux brisures de symétrie (J.!Sivardière) Exercices corrigés d'analyse, T.!1!et!2 (D.!Alibert) • Introduction aux variétés différentielles (J.!Lafontaine) Mathématiques pour les sciences de la vie, de la nature et de la santé (F. ! & J.P.!Bertrandias) • Approximation hilbertienne. Splines, ondelettes, fractales (M.!Attéia & J.!Gaches) • Mathématiques pour l’étudiant scientifique, T.!1!et!2 (Ph.J.!Haug) • Analyse statistique des données expérimentales (K.!Protassov) • Nombres et algèbre (J.Y.!Mérindol) Bactéries et environnement. Adaptations physiologiques (J.!Pelmont) • Enzymes. Catalyseurs du monde vivant (J.!Pelmont) • Endocrinologie et communications cellulaires (S.!Idelman & J.!Verdetti) • Eléments de biologie à l'usage d'autres disciplines (P.!Tracqui & J.!Demongeot) • Bioénergétique (B.!Guérin) • Cinétique enzymatique (A.!Cornish-Bowden, M.!Jamin & V. Saks) • Biodégradations et métabolismes. Les bactéries pour les technologies de l'environnement (J.!Pelmont) • Enzymologie moléculaire et cellulaire, T.!1!et 2 (J.!Yon-Kahn & G.!Hervé) La plongée sous-marine à l'air. L'adaptation de l'organisme et ses limites (Ph.!Foster) • L'Asie, source de sciences et de techniques (M.!Soutif) • La biologie, des origines à nos jours (P. ! Vignais) • Naissance de la physique. De la Sicile à la Chine (M. ! Soutif) • Le régime oméga!3. Le programme alimentaire pour sauver notre santé (A.!Simopoulos, J.!Robinson, M.!de!Lorgeril & P.!Salen) • Gestes et mouvements justes. Guide de l'ergomotricité pour tous (M.!Gendrier) • Science expérimentale et connaissance du vivant. La méthode et les concepts (P.!Vignais, avec la collaboration de P.!Vignais) Listening Comprehension for Scientific English (J. ! Upjohn) • Speaking Skills in Scientific English (J.!Upjohn, M.H.!Fries & D.!Amadis) • Minimum Competence in Scientific English (S.!Blattes, V.!Jans & J.!Upjohn)

Grenoble Sciences - Rencontres Scientifiques
Radiopharmaceutiques. Chimie des radiotraceurs et applications biologiques (sous la direction de M.!Comet & M.!Vidal) • Turbulence et déterminisme (sous la direction de M.!Lesieur) • Méthodes et techniques de la chimie organique (sous la direction de D.!Astruc) • L’énergie de demain. Techniques, environnement, économie (sous la direction de J.L.!Bobin, E.!Huffer & H.!Nifenecker) • Physique et biologie. Une interdisciplinarité complexe (sous la direction de B.!Jacrot)

il y a relativement peu d’ouvrages qui couvrent simultan´ ement ces diff´ erents aspects et qui se situent ` a un niveau accessible pour ete ´ etudiant de second cycle. et des livres classiques de H. Hildebrand). mais nous recommandons certainement encore aux ´ etudiants d’essayer d’impl´ ementer les algorithmes propos´ es dans ce livre sous forme de programmes ´ ecrits dans des langages de base . Cartan et J. Par ailleurs. les environnements disponibles sont beaucoup plus nombreux. pour lequel l’auteur s’est inspir´ e sans vergogne de la litt´ erature existante – en particulier du livre de Crouzeix-Mignot pour ce qui concerne les m´ ethodes num´ eriques. int´ egration num´ erique. La plupart des m´ ethodes num´ eriques expos´ ees avaient pu ˆ etre effectivement mises en œuvre par les ´ etudiants au moyen de programmes ´ ecrits en Turbo Pascal – ` a une ´ epoque remontant maintenant a ` la pr´ ehistoire de l’informatique. m´ ethode de Newton ` a une et plusieurs variables. Coddington-Levinson) soit aux techniques de l’Analyse Num´ erique (Henrici. Dieudonn´ e pour la th´ eorie des ´ equations diff´ erentielles – mais plutˆ ot dans le choix des th` emes et dans la pr´ esentation. Aujourd’hui. C’est pour cette raison qu’une part importante du cours est consacr´ ee ` a la mise en place d’un certain nombre de techniques fondamentales de l’Analyse Num´ erique : interpolation polynomiale.ÁÒØÖÓ Ù Ø ÓÒ Le pr´ esent ouvrage reprend avec beaucoup de compl´ ements un cours de “Licence de Math´ ematiques” – ex troisi` eme ann´ ee d’Universit´ e – donn´ e ` a l’Universit´ e de Grenoble I pendant les ann´ ees 1985-88. S’il est relativement facile de trouver des ouvrages sp´ ecialis´ es consacr´ es soit aux aspects th´ eoriques fondamentaux de la th´ eorie des ´ equations diff´ erentielles et ses applications (Arnold. Nous avons en particulier consacr´ e deux l’ honnˆ chapitres entiers ` a l’´ etude des m´ ethodes ´ el´ ementaires de r´ esolution par int´ egration explicite et a ` l’´ etude des ´ equations diff´ erentielles lin´ eaires ` a coefficients constants. ces questions ´ etant g´ en´ eralement omises dans les ouvrages de niveau plus avanc´ e. un effort particulier a ´ et´ e fait pour illustrer les principaux r´ esultats par des exemples vari´ es. Le but de ce cours ´ etait de pr´ esenter aux ´ etudiants quelques notions th´ eoriques de base concernant les ´ equations et syst` emes d’´ equations diff´ erentielles ordinaires. tout en explicitant des m´ ethodes num´ eriques permettant de r´ esoudre effectivement de telles ´ equations. L’originalit´ e de cet ouvrage ne r´ eside pas tant dans le contenu.

le 28 f´ evrier 2006 . L’auteur tient ` a remercier de nouveau Marc Rogalski pour sa pr´ ecieuse contribution. il nous paraˆ ıt plus judicieux d’envisager une r´ epartition du contenu sur l’ensemble des deux ann´ ees du second cycle universitaire. calcul de g´ eod´ esiques dans le chapitre VI . Saint-Martin d’H` eres. Bien entendu. L’ensemble des sujets abord´ es dans le pr´ esent ouvrage d´ epasse sans aucun doute le volume pouvant ˆ etre trait´ e en une seule ann´ ee de cours – mˆ eme si jadis nous avions pu en enseigner l’essentiel au cours de la seule ann´ ee de Licence. le 26 septembre 1996 La troisi` eme ´ edition de cet ouvrage a ´ et´ e enrichie d’un certain nombre de compl´ ements th´ eoriques et pratiques : comportement g´ eom´ etrique des suites it´ eratives en dimension 1. parce que ces logiciels dont le fonctionnement intime est inaccessible ` a l’utilisateur sont contraires a ` notre ´ ethique scientifique ou ´ educative. ou comme ouvrage de synth` ese au niveau de l’agr´ egation de math´ ematiques. Pour guider le lecteur dans sa s´ election. le 5 novembre 1990 La seconde ´ edition de cet ouvrage a b´ en´ efici´ e d’un bon nombre de remarques et de suggestions propos´ ees par Marc Rogalski. th´ eor` eme des fonctions implicites et ses variantes g´ eom´ etriques dans le chapitre IV . Nous ne citerons pas d’environnements ni de logiciels propri´ etaires ´ equivalents. les sous-sections de chapitres les plus difficiles ainsi que les d´ emonstrations les plus d´ elicates sont marqu´ ees d’un ast´ erisque. Mes plus vifs remerciements s’adressent ´ egalement a Mich` ` ele Artigue. Alain Dufresnoy. quelques exemples et exercices additionnels dans les chapitres suivants . Je voudrais ici remercier mes coll` egues grenoblois pour les remarques et am´ eliorations constantes sugg´ er´ ees tout au long de notre collaboration pendant les trois ann´ ees qu’a dur´ e ce cours. il est bien plus formateur pour les ´ etudiants de mettre vraiment “la main dans le cambouis” en programmant eux-mˆ emes les algorithmes. et les exemples des chapitres VI et XI traitant du mouvement du pendule simple. qui ont bien voulu prendre de leur temps pour relire le manuscrit original de mani` ere tr` es d´ etaill´ ee. Saint-Martin d’H` eres. o` u la notion d´ elicate d’erreur de consistance a ´ et´ e plus clairement explicit´ ee. il existe des logiciels libres sp´ ecialis´ es dans le calcul num´ erique qui impl´ ementent les principaux algorithmes utiles sous forme de librairies toutes prˆ etes – Scilab est l’un des plus connus – mais d’un point de vue p´ edagogique et dans un premier temps au moins. Jean-Ren´ e Joly et Marc Rogalski.6 Analyse num´ erique et ´ equations diff´ erentielles comme C ou C++. Le lecteur pourra trouver de nombreux exemples de trac´ es graphiques de solutions d’´ equations diff´ erentielles dans le livre d’Artigue-Gautheron : on y trouvera en particulier des illustrations vari´ ees des ph´ enom` enes qualitatifs ´ etudi´ es au chapitre X. et particuli` erement dans un environnement de programmation libre comme GCC sous GNU/Linux. Ce texte est probablement utilisable aussi pour les ´ el` eves d’´ ecoles d’ing´ enieurs. concernant les points singuliers des champs de vecteurs. crit` ere de maximalit´ e des solutions dans le chapitre V . Leurs critiques et suggestions ont beaucoup contribu´ e` a la mise en forme d´ efinitive de cet ouvrage. Dans les conditions actuelles. Saint-Martin d’H` eres. notions ´ el´ ementaires sur les flots de champs de vecteurs dans le chapitre XI. Les modifications apport´ ees concernent notamment le d´ ebut du chapitre VIII. et nous ne souhaitons donc pas en encourager l’usage.

1 ≤ m < b. La notation la plus utilis´ ee ` a l’heure actuelle est la repr´ esentation avec virgule flottante : un nombre r´ eel x est cod´ e sous la forme x ± m · bp o` u b est la base de num´ eration. a1 a2 . Dans beaucoup de situations. ½º ÙÑÙÐ Ø ÓÒ × ÖÖ ÙÖ× ³ ÖÖÓÒ Ñ Ð ÔÔÖÓ × ÒÓÑ Ö × Ö Ð× ½º½º Ê ÔÖ × ÒØ Ø ÓÒ La capacit´ e m´ emoire d’un ordinateur est par construction finie. m la mantisse. Les calculs internes sont g´ en´ eralement effectu´ es en base b = 2. aN = k=1 ak b −k . . b−1 ≤ m < 1 . . aN −1 = 0≤k<N ak b−k . il existe des m´ ethodes sp´ ecifiques permettant d’accroˆ ıtre a ` la fois l’efficacit´ e et la pr´ ecision des calculs. Ceci entraˆ ıne que la pr´ ecision dans l’approximation d’un nombre r´ eel est toujours une pr´ ecision relative : ∆x ∆m b−N = ≤ −1 = b1−N . x m b .Ô ØÖ Á Ð ÙÐ× ÒÙÑ Ö ÕÙ × ÔÔÖÓ × L’objet de ce chapitre est de mettre en ´ evidence les principales difficult´ es li´ ees ` a la pratique des calculs num´ eriques sur ordinateur. et p l’exposant. m s’´ ecrira N • m = 0. . a1 a2 . mˆ eme si les r´ esultats affich´ es sont finalement traduits en base 10. • m = a0 . La mantisse m est un nombre ´ ecrit avec virgule fixe et poss´ edant un nombre maximum N de chiffres significatifs (impos´ e par le choix de la taille des emplacements m´ emoires allou´ es au type r´ eel) : suivant les machines. . Il est donc n´ ecessaire de repr´ esenter les nombres r´ eels sous forme approch´ ee.

aN · bq . En Langage C standard (ANSI C). 23 bits de mantisse et 8 bits d’exposant (dont un pour le signe de l’exposant). . 22. 00749 x + (y + z ) = 8. L’addition est donc non associative par suite des erreurs d’arrondi ! ½º¿º ÖÖ ÙÖ ³ ÖÖÓÒ ×ÙÖ ÙÒ ×ÓÑÑ On se propose d’´ etudier quelques m´ ethodes permettant de majorer les erreurs d’arrondi dues aux op´ erations arithm´ etiques. a1 + a1 ≥ b).1. Ceci permet de repr´ esenter les r´ eels avec une mantisse de 6 ` a 7 chiffres significatifs apr` es la virgule. soit 1 bit de signe. 22432 8. y = 0. 22 (x + y ) + z 8. S’il n’y a pas d´ ebordement. donc ∆(x + y ) ≤ b−N +p . le calcul de x + y s’accompagne d’une perte des p − q derniers chiffres de y correspondant aux puissances b−k+q < b−N +p . Dans les deux cas : d’o` u ∆(x + y ) ≤ b ∆(x + y ) ≤ ε(|x| + |y |). aN · bp . . soit 1 bit de signe. ´ echelle allant de 2−128 ` −7 La pr´ ecision relative est de l’ordre de 10 . 4 octets de m´ emoire. z = 0. ecision relative d´ ecrite au §1. alors que x + y ≥ x ≥ b−1+p . a 22047 soit environ de 10−616 = 1 E − 616 a ` dans une ´ echelle allant de 2−2048 ` ecision relative est de l’ordre de 10−15 . 00317. Soit a ` calculer la somme x + y + z avec x = 8. Ceci reste vrai quel que soit le o` u ε = b1−N est la pr´ signe des nombres x et y . 00432 (x + y ) + z donne : x + y = 8. a1 a2 . Ceci permet de repr´ esenter les r´ eels avec une mantisse de 15 chiffres significatifs apr` es la virgule. les r´ eels peuvent occuper – pour le type float . . Soient x. . la d´ 1−N +p . 22 x + (y + z ) donne : y + z = 0. 22317 8.8 Analyse num´ erique et ´ equations diff´ erentielles On notera ε = b1−N cette pr´ ecision relative. dans une a 2127 soit environ de 10−38 = 1 E − 38 a ` 1038 = 1 E + 38. b−1+p ≤ x < bp y = 0. 22749 8. y des nombres r´ eels suppos´ es repr´ esent´ es sans erreur avec N chiffres significatifs : x = 0. 8 octets de m´ emoire. – pour le type double . . b−1+q ≤ y < bq Notons ∆(x + y ) l’erreur d’arrondi commise sur le calcul de x + y . 51 bits de mantisse et 12 bits d’exposant (dont un pour le signe de l’exposant). 10616 = 1 E + 616. a1 a2 . c’est-` a-dire si x + y < bp . 23. Supposons par exemple p ≥ q . La pr´ ½º¾º ÆÓÒ¹ ××Ó ØÚØ × ÓÔ Ö Ø ÓÒ× Ö Ø Ñ Ø ÕÙ × Supposons par exemple que les r´ eels soient calcul´ ees avec 3 chiffres significatifs et arrondis a ` la d´ ecimale la plus proche. En cas de d´ ebordement x + y ≥ bp (ce qui se produit par exemple si p = q et ecimale correspondant ` a la puissance b−N +p est elle aussi perdue.

. + (n − 1)u2 + (n − 1)u1 ). Si x et y ne sont eux-mˆ emes connus que par des valeurs approch´ ees x . on en d´ R` egle g´ en´ erale – Dans une sommation de r´ eels. de sorte que l’on pourra n´ egliger les termes ε∆x et ε∆y . . o` u ε = b1−N . exemple 1. Dans le calcul d’un produit xy (o` u x. . soit ∆sn ≤ ε(un + 2un−1 + 3un−2 + . . l’erreur a tendance ` a ˆ etre minimis´ ee lorsqu’on somme en premier les termes ayant la plus petite valeur absolue. dans l’erreur ∆sn . Comme ce sont les premiers termes somm´ es qui sont affect´ es des plus gros coefficients eduit la r` egle g´ en´ erale suivante (cf. + uk vont se calculer de proche en proche par les formules de r´ ecurrence s0 = 0 s k = s k − 1 + uk . on aura sur les sommes sk des erreurs ∆sk telles que ∆s1 = 0 et ∆sk ≤ ∆sk−1 + ε(sk−1 + uk ) = ∆sk−1 + εsk . ∆y = |y − y |. n Soit plus g´ en´ eralement ` a calculer une somme k=1 uk de r´ eels positifs.2). Si les r´ eels uk sont connus exactement. ½º º ÖÖ ÙÖ ³ ÖÖÓÒ ×ÙÖ ÙÒ ÔÖÓ Ù Ø Le produit de deux mantisses de N chiffres donne une mantisse de 2N ou 2N − 1 chiffres dont les N ou N − 1 derniers vont ˆ etre perdus. ∆y sont elles-mˆ emes le plus souvent d’ordre ε par rapport a ` |x| et |y |. Les sommes partielles sk = u1 + u2 + . A ces erreurs s’ajoute l’erreur d’arrondi ∆(x + y ) ≤ ε(|x | + |y |) ≤ ε(|x| + |y | + ∆x + ∆y ). les r´ eels x. On aura donc : ∆(x + y ) ≤ ∆x + ∆y + ε(|x| + |y |). on a une erreur initiale |x y − xy | = |x(y − y ) + (x − x)y | ≤ |x|∆y + ∆x|y | ≤ |x|∆y + ∆x|y | + ∆x∆y. k ≥ 1. L’erreur globale sur sn v´ erifie donc ∆sn ≤ ε(s2 + s3 + .I – Calculs num´ eriques approch´ es 9 En g´ en´ eral. . y ne sont eux-mˆ emes connus que par des valeurs approch´ ees x . . Les erreurs ∆x. y et si ∆x = |x − x|. + sn ). . y sont suppos´ es repr´ esent´ es sans erreur) il y aura donc une erreur d’arrondi ∆(xy ) ≤ ε|xy |. ∆y = |y − y |. y avec des erreurs respectives ∆x = |x − x|.

xk ) ≤ ∆(x1 . la majoration de l’erreur d’un produit ne d´ epend pas de l’ordre des facteurs. + |αk | − 1 est exactement le nombre d’op´ αk 1 α2 x . . . . . . . . . ıve qui vient a ` l’esprit consiste a ` poser x0 = 1. xk ) ≤ (|α1 | + . . x par multiplications ou divisions successives des xi . ε∆y . . . xk |. . . . deux multiplications et une addition sont donc n´ ecessaires. . . . s0 = a0 . ε∆x. . Il existe en fait une m´ ethode plus efficace : R` egle de H¨ orner – On factorise P (x) sous la forme : P (x) = a0 + x(a1 + x(a2 + . . uk = a k · xk   s k = s k − 1 + uk Pour chaque valeur de k . xk−1 )|xk | + ε|x1 . erations requises on observera que |α1 | + . + |αk | − 1)ε|x1 x2 . . La m´ ethode la plus na¨ puis a ` calculer par r´ ecurrence  k k −1  ·x x = x pour k ≥ 1.10 Analyse num´ erique et ´ equations diff´ erentielles A cette erreur s’ajoute une erreur d’arrondi ∆(x y ) ≤ ε|x y | ≤ ε(|x| + ∆x)(|y | + ∆y ). xk ) ≤ (k − 1)ε|x1 x2 . L’erreur sur un quotient est donn´ ee de mˆ eme par ∆(x/y ) ≤ ε|x/y |.)). ½º º Ê Ð ÀÓÖÒ Ö On s’int´ eresse ici au probl` eme de l’´ evaluation d’un polynˆ ome n P (x) = k=0 a k xk . La Soit plus g´ en´ eralement des r´ eels x1 . (∗) es repr´ esent´ es sans erreur. pour calculer xα 1 2 k Contrairement au cas de l’addition. xk . xk | . On en d´ eduit en´ erale pour tous exposants αi ∈ Z la formule g´ αk αk α1 α2 1 α2 ∆(xα 1 x2 . xk−1 · xk |. . . . d’o` u par une r´ ecurrence ais´ ee : ∆(x1 x2 . . . . . . . on obtient la formule approximative ∆(xy ) ≤ |x|∆y + ∆x|y | + ε|xy |. En n´ egligeant les termes ∆x∆y . + x(an−1 + xan ) . suppos´ formule (∗) entraˆ ıne ∆(x1 x2 .

. . . il vient apr` es sommation sur k : n n ∆ sn ≤ k=1 n kε|ak ||x|k + ε kε|ak ||x|k + ε k=1 (|a0 | + |a1 ||x| + . en esent´ es sans erreur. . + |ak ||x|k ). a1 .I – Calculs num´ eriques approch´ es 11 Si l’on pose pk = ak + ak+1 x + . ∆sk ≤ ∆sk−1 + kε|ak ||x|k + ε(|sk−1 | + |uk |) ≤ ∆sk−1 + kε|ak ||x|k + ε(|a0 | + |a1 ||x| + . + |ak ||x|k ) k=1 n ≤ (n + 1 − k )|ak ||x|k . . pn = an pk−1 = ak−1 + xpk . k=0 On obtient par cons´ equent n ∆P (x) ≤ (n + 1)ε k=0 |ak ||x|k . • R` egle de H¨ orner. + an xn−k . . . il vient ∆p0 ≤ ε(|a0 | + 2|x||p1 |) + |x| ε|a1 | + 2|x||p2 | + |x| ε|a2 | + . . Comparons maintenant les erreurs d’arrondi dans chacune des deux m´ ethodes. an sont repr´ • M´ ethode na¨ ıve . Dans ce cas. On a ici P (x) = sn avec ∆(ak · xk ) ≤ kε|ak ||x|k . . On effectue ainsi seulement une multiplication et une addition a ` chaque ´ etape. . . . a0 . k=0 ∆P (x) ≤ ε . cette m´ ethode revient a ` calculer P (x) = p0 par r´ ecurrence descendante : 1 ≤ k ≤ n. d’o` u ∆P (x) ≤ ε k=0 n n n |ak ||x|k + 2ε k=1 n |x|k |pk |. + |an ||x|n ). k=1 ∆P (x) ≤ ε k=0 n |ak ||x|k + 2ε (2k + 1)|ak ||x|k . ce qui ´ economise une multiplication et donc une fraction substantielle du temps d’ex´ ecution. . . En d´ eveloppant ∆P (x) = ∆p0 . on a ∆pk−1 ≤ ∆(xpk ) + ε(|ak−1 | + |xpk |) ≤ (|x|∆pk + ε|xpk |) + ε(|ak−1 | + |xpk |) = ε(|ak−1 | + 2|x||pk |) + |x|∆pk . supposant que les r´ eels x. Comme ∆s0 = 0. (|ak ||x|k + .

On trouve ∆P (x) ≤ ε(1 + (n + x)ex ) pour la m´ la factorisation P (x) = 1 + x 1 + x x x x 1+ 1 + . 1 + 1+ 2 3 n−1 n . l’erreur est donc proportionnelle ` n. elev´ e d’une Supposons par exemple qu’on cherche a ` calculer une somme sn de rang ´ +∞ etant des r´ eels ≥ 0 suppos´ es repr´ esent´ es sans s´ erie convergente S = k=0 uk . tandis que R´ eponse. les uk ´ erreur. . . Exercice – Evaluer dans les deux cas l’erreur commise sur les sommes partielles de la s´ erie exponentielle n k=0 xk . + αn et en particulier |∆sn | ≤ nεS . .. N´ eanmoins. On pose donc s k = s k − 1 + uk . soit n ε (2k + 1) = ε(n + 1)2 . k! x≥0 1 k! . erifient et les erreurs ∆sk v´ ∆sk = ∆sk−1 + αk avec ∆s0 = 0 et |αk | ≤ ε(sk−1 + uk ) = εsk ≤ εS. car nous n’avons tenu compte que de la valeur absolue des erreurs. alors qu’en pratique elles sont souvent de signe al´ eatoire et se compensent donc partiellement entre elles. l’erreur commise sera dans le pire des cas ´ egale ` a 2 fois celle de la m´ ethode na¨ ıve.. On en d´ eduit donc ∆sn = α1 + α2 + . ½º º ÙÑÙÐ Ø ÓÒ ³ ÖÖ ÙÖ× ³ ÖÖÓÒ Ð ØÓ Ö × Les majorations d’erreurs que nous avons donn´ ees plus haut pˆ echent en g´ en´ eral par exc` es de pessimisme.12 Analyse num´ erique et ´ equations diff´ erentielles On voit que la somme des coefficients d’erreur affect´ es aux termes |ak ||x|k . On va voir qu’on peut en fait esp´ a erer beaucoup mieux sous des hypoth` eses raisonnables. les petits coefficients portent sur les premiers termes calcul´ es.. ce qui est nettement meilleur en pratique puisque n doit ˆ etre choisi assez grand. s0 = u0 . Dans le pire des cas.. de sorte que la pr´ ecision de la m´ ethode de H¨ orner sera nettement meilleure si le terme |ak ||x|k d´ ecroˆ ıt rapidement : c’est le cas par exemple si P (x) est le d´ ebut d’une s´ erie convergente. est la mˆ eme que pour la m´ ethode na¨ ıve . donne ∆P (x) ≤ ε(1 + 3xex ). comme k=0 2k + 1 ≤ 2(n + 1). en tenant compte du fait qu’on a une certaine erreur d’arrondi sur ak = ethode na¨ ıve.

√ 1633. ce qui signifie que les erreurs d’arrondi n’ont aucune tendance a ` se faire par exc` es ou par d´ efaut. C’est donc l’algorithme num´ erique utilis´ e qui doit ˆ etre modifi´ e. 223991125 · 10−3 . Ils peuvent conduire a ` des pertes importantes de pr´ ecision. 0012240. Comme E (αk ) = 0 et |αk | ≤ εS . ¾º½º Ü ÑÔÐ Ö ×ÓÐÙØ ÓÒ Ð³ ÕÙ Ø ÓÒ x2 − 1634x + 2 = 0 Supposons que les calculs soient effectu´ es avec 10 chiffres significatifs. on a var(αk ) ≤ ε2 S 2 . d’o` u √ σ (∆sn ) = var(∆sn ) ≤ nεS L’erreur quadratique moyenne croˆ ıt seulement dans ce cas comme l’in´ egalit´ e de Bienaym´ e-Tchebychev on a : P (|∆sn | ≥ α σ (∆sn )) ≤ α−2 . x2 = 817 − ∆ On voit donc qu’on a une perte de 5 chiffres significatifs sur x2 si l’on effectue la soustraction telle qu’elle se pr´ esente naturellement ! Ici. des autres (lorsque les uk sont choisis al´ (2) L’esp´ erance math´ ematique E (αk ) est nulle. . le rem` ede est simple : il u suffit d’observer que x1 x2 = 2. + var(αn ). √ n. d’o` x2 = 2 x1 1. L’hypoth` ese (2) entraˆ ıne E (∆sn ) = 0 tandis que l’hypoth` ese (1) donne var(∆sn ) = var(α1 ) + . . D’apr` es ¾º È ÒÓÑ Ò × ÓÑÔ Ò× Ø ÓÒ Les ph´ enom` enes de compensation se produisent lorsqu’on tente d’effectuer des soustractions de valeurs tr` es voisines. Les formules habituelles donnent alors √ ∆ 816. . √ La probabilit´ e que l’erreur d´ epasse 10 nεS est donc inf´ erieure ` a 1%. 9987760 ∆ = 667 487. x1 = 817 + ∆ √ 0.I – Calculs num´ eriques approch´ es 13 Hypoth` eses (1) Les erreurs αk sont des variables al´ eatoires globalement ind´ ependantes les unes eatoirement). 998776. Les exemples suivants illustrent les difficult´ es pouvant se pr´ esenter et les rem` edes ` a apporter dans chaque cas.

k! les calculs ´ etant toujours effectu´ es avec 10 chiffres significatifs. 6n n On obtient donc une approximation de π avec une pr´ ecision de l’ordre de 6/n2 . 5 · 10−5 . ¾º¿º Ü ÑÔÐ Ð ÙÐ ÔÔÖÓ π Ô Ö Ð × ÔÓÐÝ ÓÒ × Ò× Ö Ø× Soit Pn le demi-p´ erim` etre du polygone r´ egulier a ` n cˆ ot´ es inscrit dans un cercle de rayon 1.14 Analyse num´ erique et ´ equations diff´ erentielles ¾º¾º Ü ÑÔÐ Ð ÙÐ ÔÔÖÓ e−10 Supposons qu’on utilise pour cela la s´ erie n e−10 (−1)k k=0 10k . k! On essaiera dans la mesure du possible d’´ eviter les sommations dans lesquelles des termes de signes oppos´ es se compensent. · 0 · 0 · 0 · 0 · 4 · 5 Ceci signifie qu’au moins 8 chiffres significatifs vont ˆ etre perdus par compensation es. Un rem` ede simple consiste ` a utiliser la relation des termes uk de signes oppos´ n e−10 = 1/e10 avec e10 k=0 10k . n 1 π3 Pn = π − 2 + o 3 . 755 · 103 k ≤ 10. Le terme g´ en´ eral |uk | = 10k /k! est tel que |uk | 10 = ≥ 1 d` es que |uk−1 | k On a donc 2 termes de valeur absolue maximale |u9 | = |u10 | = tandis que e−10 1010 10! 2. d’o` u Pn = n sin π . Le cˆ ot´ e de ce polygone vaut 2 · R sin π/n = 2 sin π/n. . Comparons u10 et e−10 : u10 : e−10 : 2 7 5 5. 0. 4.

l’ordinateur va donner 1 − (xk /2k )2 = 1 d’o` u xk+1 = 0. il suffit de remplacer (∗) par sin d’o` u sin α = 2 1 1 − cos2 α = 2 1 + cos α α = 2 sin α 2(1 + 1 − sin α) 2 sin α 2(1 + cos α) (∗∗) .I – Calculs num´ eriques approch´ es 15 R=1 π/n ethode de dichotomie permettant de calculer par Pour ´ evaluer Pn . de sorte que le calcul des xk peut ˆ etre pouss´ e beaucoup plus loin. On obtient alors la formule de r´ ecurrence xk+1 = 2(1 + 2xk 1 − (xk /2k )2 ) qui ´ evite le ph´ enom` ene de compensation pr´ ec´ edent. Pour ´ eviter cette difficult´ e. (∗) eduit les formules En substituant α = π/2k . . 2(1 − 1 − (xk /2k )2 ) et d’apr` es ce qu’on a dit plus haut lim xk = π . 2 Si α est un angle compris entre 0 et π 2 on a sin α = 2 1 (1 − cos α) = 2 1 (1 − 2 1 − sin2 α). on utilise une m´ r´ ecurrence π xk = P2k = 2k sin k . on en d´ xk+1 = 2k x1 = 2. k → +∞ Ce n’est pourtant pas du tout ce qu’on va observer sur machine ! D` es que (xk /2k )2 sera inf´ erieur ` a la pr´ ecision relative des calculs.

Une telle amplification se produit assez fr´ equemment dans le cas de calculs r´ ecurrents ou it´ eratifs. 10 + x n Ceci permet de calculer In par r´ ecurrence avec I0 = ln 11 10 1 In = n − 10 In−1 . 2 sin α + sin 2α d’o` u xk+1 = xk 2xk . On a en effet ∆In 10 ∆In−1 . ¿º È ÒÓÑ Ò × ³ Ò×Ø Ð Ø ÒÙÑ Ö ÕÙ Il s’agit de ph´ enom` enes d’amplification des erreurs d’arrondi. ¿º½º × ³ÙÒ Ð ÙÐ Ö ÙÖÖ ÒØ 1 Supposons a ` titre d’exemple qu’on cherche a `´ evaluer num´ eriquement l’int´ egrale In = Un calcul imm´ ediat donne 1 0 xn . L’erreur sur In explose donc etant multipli´ ee par 10n ` a l’´ etape n.16 Analyse num´ erique et ´ equations diff´ erentielles On obtiendra une m´ ethode plus efficace encore en observant qu’on peut ´ evaluer sin 2α . 10 + x n ∈ N. par exemple x1 = 2 √ d’initialisation sont alors requises pour d´ et x2 = 2 2. l’erreur initiale sur I0 ´ etant d´ ecroissante Comment faire alors pour calculer par exemple I36 ? La suite xn ´ . mˆ eme si on n´ eglige l’erreur d’arrondi sur 1/n. I0 = In = = 0 dx = ln (10 + x) 10 + x x · xn−1 dx = 10 + x x n−1 1 0 1 0 = ln 1− 11 . Ce probl` eme apparemment bien pos´ e math´ ematiquement conduit num´ eriquement a des r´ ` esultats catastrophiques. x k + xk − 1 Deux valeurs emarrer. exponentiellement. 10 1 0 10 xn−1 dx 10 + x 1 0 dx − 10 1 0 1 xn−1 dx = − 10 In−1 . Ceci donne cos α dans (∗∗) par la formule cos α = 2 sin α sin α = sin α 2 sin α .

An ε reste tr` ¿º¾º Ð ÙÐ× Ø Ö Ø × Soit a ` calculer une suite (un ) d´ efinie par sa valeur initiale u0 et par la relation de r´ ecurrence un+1 = f (un ). on a donc cette fois ∆In−1 En n´ egligeant l’erreur sur n 10 ∆In . En es voisines de 2. A la lumi` ere de l’exemple pr´ ec´ edent. 11(n + 1) 10(n + 1) L’approximation In ∆In In erreur relative ≤ satisfaisant. Si l’on part de I46 11. 10 dans le premier cas.I – Calculs num´ eriques approch´ es 17 Comme eme d´ ecroissante. ◦ f est la o` u f est une fonction donn´ ee. on obtient en fait les r´ esultats suivants partant de valeurs de u0 tr` . on voit que la suite In est elle-mˆ 10 ≤ 10 + x ≤ 11. 1/10 dans le second. L’id´ ee est alors de renverser la r´ ecurrence en posant In−1 = 1 1 − In . 880833175.47 . 10 n 1 1 11(n+1) donne une erreur absolue ≤ 110(n+1) et donc 1 10 . si ε est la pr´ ecision relative des calculs. Ceci donne l’ordre de grandeur mais n’est pas une tr` es 1 1 . pour x ∈ [0. il est imp´ eratif de limiter le nombre n d’´ etapes en sorte que es inf´ erieur ` a 1. u f n = f ◦ f ◦ . On voit donc le rˆ ole fondamental jou´ e par le coefficient d’amplification de l’erreur. et en d´ eduire a ` partir de que l’on a en fait l’estimation 1 1 1 ≤ In ≤ + . En g´ en´ eral. on obtiendra pour I36 une erreur relative sans doute meilleure que 10−10 . . dont on cherche a `´ evaluer le terme u30 . compte tenu de la pr´ esence des erreurs d’arrondi. si on a un coefficient d’amplification A > 1. . Un calcul effectu´ e` a la pr´ ecision 10−9 sur un ordinateur nous a donn´ e u30 0. 1]. un+1 = | ln (un )|. estimation qui 1 va dans le bon sens. On a donc un = f n (u0 ) o` n-i` eme it´ er´ ee de f . 11(n + 1) 11(n + 1) 110(n + 1)(n + 2) donc ∆In 1 11(n+1) avec erreur relative ≤ 1 10(n+2) . on a de plus 1 1 ≤ In ≤ . il est n´ eanmoins l´ egitime de se demander si ce calcul est bien significatif. On consid` ere par exemple la suite (un ) telle que u0 = 2. Exercice – Montrer que 0 ≤ In − In+1 ≤ la formule exprimant In en fonction de In+1 1 10(n+1)(n+2) .

001921429 6.000000000 5. Soit x ≥ 0 . il suffit d’observer qu’une erreur ∆x sur la variable x entraˆ ıne une erreur ∆f (x) sur f (x). approximativement donn´ ee par ∆f (x) = |f (x)| ∆x.18 Analyse num´ erique et ´ equations diff´ erentielles (arrondis a ` 10−9 pr` es.703934252 1. Ceci se voit bien sˆ ur en approximant f (x + ∆x) − f (x) par sa diff´ erentielle f (x)∆x.595485710 0. sur la mˆ eme impl´ ementation de calcul que ci-dessus) : u0 u5 u10 u15 u20 u24 u25 u26 u30 2.595484655 0.126689382 1.266106839 1. il se produit une v´ voisin de 100% ! Il en r´ esulte que toutes les valeurs calcul´ ees ` a partir de u25 sont certainement non significatives pour une pr´ ecision des calculs de 10−9 .000022532 0. Souvent dans les calculs num´ eriques (et ici en particulier).126707697 1.880833175 2. exprimer F (x) (b) En rempla¸ cant e−t par un d´ comme somme d’une s´ erie. calculer les 10 premiers termes 2 .001923276 0.1.265955552 1.700574400 1.000000001 5. ce coefficient vaut 1/| ln x| . il devient tr` es grand lorsque x est proche de 1. comme c’est le cas par exemple pour u24 . ce coefficient peut ˆ parfois assez grand. 2 (a) Encadrer F (x) par deux entiers cons´ ecutifs. il est plus pertinent de consid´ erer les erreurs relatives.266256924 1.000022532 10. lorsque f est d´ erivable au point x. eveloppement en s´ erie enti` ere de x. on note F (x) = √ π x 0 e−t dt. Dans le cas f (x) = ln (x) qui nous int´ eresse. Le coefficient d’amplification de l’erreur absolue etre est donc donn´ e par la valeur absolue de la d´ eriv´ ee |f (x)| . Pour comprendre ce ph´ enom` ene. On voit que cet ´ ecart augmente constamment pour atteindre environ 10−3 sur u24 .703934587 1.915129896 5 · 10−10 9 · 10−8 5 · 10−7 8 · 10−6 10−4 10−3 100% 50% 100% e La derni` ere colonne donne l’ordre de grandeur de l’´ ecart relatif ∆un /un observ´ entre la deuxi` eme ou troisi` eme colonne et la premi` ere colonne.691841353 1. Pour le calcul eritable catastrophe num´ erique : l’´ ecart relatif devient de u25 .000976376 0. º ÈÖÓ Ð Ñ × 2 4.703934920 1.595485181 0.932150628 0.999999999 5. On choisit x = 3 .000975900 6. La formule |f (x)||x| ∆x ∆f (x) = |f (x)| |f (x)| |x| montre que le coefficient d’amplification de l’erreur relative est |f (x)||x|/|f (x)|.254686211 0.126698502 1.

a partir de I0 et I1 par la formule (∗). Montrer que g est solution d’une ´ equation diff´ erentielle. Etant donn´ e une suite xk . ´ ecrire un programme en langage informatique qui. (d) En d´ eduire l’expression F (x) = n=0 an (x) o` ecurrence entre an (x) et an−1 (x). ed´ e avec un ordinateur donnant (β ) Est-il possible de calculer I50 par ce proc´ une pr´ ecision relative de 10−10 ? 4. . β sont des constantes et (cn ) une suite num´ erique explicite. k = 1.3. n de r´ eels. et on note εn l’erreur qui en r´ calcul de cn et les erreurs d’arrondi pouvant intervenir dans l’application de la formule (∗)). . Soit (In )n∈N la suite des int´ egrales 1 In = 0 xn dx. 6 + x − x2 (a) Montrer que In v´ erifie une relation de r´ ecurrence de la forme In+1 = αIn + βIn−1 + cn o` u α. u les an (x) sont tous positifs. 1 n n k=1 (∗) xk (b) Ecrire un programme qui calcule les moyennes et l’´ ecart type d’un nombre ind´ etermin´ e de r´ eels. D´ eterminer a0 (x) et donner la solution de r´ Montrer l’in´ egalit´ e +∞ +∞ 2 an (x) ≤ aN n=N +1 x2 N − x2 (pour N > x2 ) (e) En utilisant les r´ esultats pr´ ec´ edents. . Les donn´ ees r´ eelles sont entr´ ees au clavier . Exprimer g (x) comme somme d’une s´ erie enti` ere en x. (b) On envisage le calcul r´ ecurrent de In ` On suppose que les valeurs de I0 et I1 sont affect´ ees d’erreurs d’arrondis ε0 et esulte sur In (on n´ eglige ici l’erreur sur le ε1 . . on note µn = n 1 2 2 2 la moyenne et σn = σn l’´ ecart type avec σn = n k=1 (xk − µn ) . (α) D´ eterminer εn en fonction de ε0 et ε1 . (a) Soit qn = n k=1 2 x2 k . . En d´ eduire que pour x ≥ 3 on a un ph´ enom` ene de compensation dans le calcul de la somme des premiers termes de la s´ erie. (c) On d´ efinit g (x) par F (x) = e−x g (x). F (x) a ` 10−k pr` 4. a ` la lecture de x et d’un entier k ≤ 1 calcule une valeur approch´ ee de es. apr` es chaque entr´ ee on affichera la moyenne et l’´ ecart type de la suite des nombres d´ ej` a entr´ es.I – Calculs num´ eriques approch´ es 19 de la s´ erie.2. Exprimer σn en fonction de qn et de µn .

. n on ait Cn termes ´ n p− 1 p2 Cp n = pnCn−1 ). n. . . . . 2 En d´ eduire σn +1 = n n+1 2 σn + 1 n (xn+1 − µn+1 )2 .20 Analyse num´ erique et ´ equations diff´ erentielles (c) On suppose que pour k = 1. . . D´ eterminer sa eels xk . n on a xk = µ + εk avec |εk | < ε o` u ε est petit n − µ2 ≤ 3µε. devant µ. . 2k−n−1 n−1 . . . . (f) On consid` ere une suite de r´ eels xk = 1 + ε moyenne et son ´ ecart type. (n + 1)µn+1 = nµn + xn+1 . . . . Etablir les ´ egalit´ es : 2 2 2 2 (n + 1)σn +1 = nσn + n(µn+1 − µn ) + (xn+1 − µn+1 ) . . (d) On veut obtenir un algorithme de calcul de σn plus stable. k = 1. . 2n telle que pour (g) Mˆ eme question pour la suite des 2n r´ p− n p egaux a ` µ + 2√ (On pourra remarquer que p = 0. Montrer que l’on a l’in´ egalit´ e qn En d´ eduire que la m´ ethode de calcul de σn utilisant la formule du (a) est inadapt´ ee pour une telle suite. (e) Reprendre la question (b) avec le nouvel algorithme. k = 1. .

. deux a ` deux distincts. . b] sera not´ ee f [a. . b] ⊂ R ` a valeurs dans R ou C.b] = sup |f (x)| x∈[a. Dans ce cadre. l’un des outils de base est la m´ ethode d’interpolation de Lagrange. la norme uniforme de f sur [a. (xi − xj ) 0 ≤ i ≤ n. . . . ½º Å Ø Ó ½º½º Ü ×Ø Ò ³ ÒØ ÖÔÓÐ Ø ÓÒ Ø ÙÒ Ø Ù ÔÓÐÝÒÓÑ Ä Ö Ò ³ ÒØ ÖÔÓÐ Ø ÓÒ Soit f : [a.Ô ØÖ ÁÁ ÔÔÖÓÜ Ñ Ø ÓÒ ÔÓÐÝÒÓÑ Ð × ÓÒ Ø ÓÒ× ÒÙÑ Ö ÕÙ × Les fonctions les plus faciles ` a´ evaluer num´ eriquement sont les fonctions polynˆ omes. Enfin C([a. x1 . Probl` eme – Existe-t-il un polynˆ ome pn ∈ Pn tel que pn (xi ) = f (xi ). Il est donc important de savoir approximer une fonction arbitraire par des polynˆ omes.b] o` u mˆ eme simplement f s’il n’y a pas d’ambigu¨ ıt´ e. Notations – Dans toute la suite. ∀i = 0. xn dans [a. Par ailleurs. de degr´ e inf´ erieur ou ´ egal ` a n. On a donc dim Pn = n + 1. . non n´ ecessairement rang´ es par ordre croissant. . n ? Un tel polynˆ ome sera appel´ e polynˆ ome d’interpolation (de Lagrange) de f aux points x0 . x1 . b]. . on d´ esignera par Pn l’espace vectoriel des fonctions polynˆ omes sur R ` a coefficients r´ eels. Posons li (x) = j =i (x − xj ) . xn . b] a ` valeurs dans R. On se donne n + 1 points x0 . si f est une fonction d´ efinie sur un intervalle [a. b] → R une fonction continue. . . . 1. b]) d´ esignera l’espace des fonctions continues sur [a. .

Il reste ` a prouver l’unicit´ e. Il est clair que li ∈ Pn et que li (xj ) = 0 si j = i. donn´ ee par la formule (∗). 0 ≤ i ≤ n.. Ceci donne la formule li (x) = πn+1 (x) . Par suite le polynˆ ome n πn+1 (x) = (x − xj ) j =0 divise qn − pn . 1 xn ... Le d´ dit de Van der Monde : 1 1 ∆= . donc xi est racine de qn − pn . . j =0 0 ≤ i ≤ n. x2 0 x2 1 x2 n . Le probl` eme ci-dessus admet donc au moins une solution n pn (x) = i=0 f (xi )li (x). . Alors pn (xi ) = qn (xi ) = f (xi ).. x0 x1 . . j = i. . (∗) Th´ eor` eme – Le probl` eme d’interpolation pn (xi ) = f (xi ). Supposons que qn ∈ Pn soit une autre solution du probl` eme. d’o` u (xi − xj ). . xn 0 xn 1 xn n . Comme deg πn = n + 1 et qn − pn ∈ Pn . pn ∈ Pn . Remarque 1 – On a πn+1 (x) = (x − xi ) · πn+1 (xi ) = j =i j =i (x − xj ).22 Analyse num´ erique et ´ equations diff´ erentielles o` u le produit est effectu´ e sur les indices j tels que 0 ≤ j ≤ n. on peut ´ egalement poser pn (x) = n j =0 aj xj et r´ esoudre un syst` eme lin´ eaire de n + 1 ´ equations    n a j xj i = f (xi ). admet une solution et une seule.. . . . eterminant du syst` eme est un d´ eterminant en les n +1 inconnues a0 . la seule possibilit´ e est que qn − pn = 0. . an . (x − xi )πn+1 (xi ) Remarque 2 – Pour d´ emontrer le th´ eor` eme. a1 . li (xi ) = 1.. .

Lemme – Soit g une fonction p fois d´ erivable sur [a. b] tels que g (ci ) = 0. Il est clair que degr´ e total 1 + 2 + . Supposons le lemme d´ emontr´ e pour p − 1. donn´ ee par exemple par le degr´ e total n(n2 n . γp−1 ∈ ]cp−1 . . . Or ∆ est un polynˆ +1) en les variables x0 . On suppose qu’il existe p + 1 points c0 < c1 < .3). En (a) Montrer que l’application φn : Pn → Rn+1 . ½º¾º ÓÖÑÙÐ ³ ÖÖ ÙÖ L’erreur d’interpolation est donn´ ee par la formule th´ eorique suivante. cp [ tels que g (γi ) = 0. ∆ est donc divisible par le polynˆ ome 0≤j<i≤n (xi − xj ). Pour p = 1. qui vaut 1. x dans ∆. Par suite coefficient de x1 x2 2 n ∆= (xi − xj ). Traduire ces r´ esultats en terme d’existence et d’unicit´ e du polynˆ ome d’interpolation. Le quotient est donc une constante. Le lemme se d´ emontre par r´ ecurrence sur p. (n + 1)! On a besoin du lemme suivant. Th´ eor` eme – On suppose que f est n + 1 fois d´ erivable sur [a. b]. . j ) tel que 0 ≤ j < i ≤ n. cp [ tel que g (p) (ξ ) = 0. max (x. γ0 ∈ ]c0 . qui est lui aussi de +1) . + n = n(n2 ∆ = 0 chaque fois que xi = xj pour un couple (i.II – Approximation polynomiale des fonctions num´ eriques 23 ome de Il s’agit de montrer que ∆ = 0 si les xi sont distincts. . eaire. Nous verrons plus loin une m´ Exercice – On se propose de donner deux autres d´ emonstrations des r´ esultats ci-dessus. . . xi ). xn . Le th´ eor` eme de Rolle donne des points ese de r´ ecurrence. . c1 [. . En d´ eduire que c’est une base de Pn et que φn est un isomorphisme. Conclure. b]. b]. x1 . grˆ ace ` a des arguments d’alg` ebre lin´ eaire. 0≤j<i≤n Il n’est pas recommand´ e de r´ esoudre num´ eriquement le syst` eme pr´ ec´ edent pour ethode beaucoup plus efficace (cf. . qui d´ ecoule du th´ eor` eme de Rolle. p → (p(xi ))0≤i≤n est lin´ d´ eduire que φn est injective si et seulement si elle est surjective. Alors pour tout x ∈ [a. . . < cp de [a. γp−1 [ ⊂ ]c0 . c’est le th´ eor` eme de Rolle. Par hypoth` il existe donc ξ ∈ ]γ0 . (x − xn−1 )]. il existe un point ξx ∈ ] min (x. obtenir pn . ajuster la valeur p(xn ) ` (x − x0 ) . . § 1. Alors il existe ξ ∈ ]c0 . . . . . . esultat (b) Montrer par r´ ecurrence sur n que φn est surjective [Indication : si le r´ a l’aide du polynˆ ome de degr´ e n est vrai pour n − 1. xi )[ tel que f (x) − pn (x) = 1 πn+1 (x)f (n+1) (ξx ). cp [ tel que (g )(p−1) (ξ ) = g (p) (ξ ) = 0. (c) Montrer directement que les polynˆ omes (li )0≤i≤n forment une famille libre.

c ∈ R. xk ](x − x0 ) . xk . (n + 1)! En prenant la borne sup´ erieure de la valeur absolue des deux membres dans la formule d’erreur. x1 . . s’annulant aux points x0 . Or n+1) p( = 0. . x1 . xn+1 . On a pn+1 − pn est de degr´ donc pn+1 (t) − pn (t) = c · πn+1 (t). xi ). max (x. x0 . xn . Alors pk − pk−1 est un polynˆ ome de degr´ e ≤ k . Cette fonction s’annule en les n + 2 points x. Par construction f (x) − pn (x) = pn+1 (x) − pn (x). • Supposons maintenant x distinct des points xi . . quantit´ e πn+1 . xi )[ tel que g (n+1) (ξx ) = 0. Par suite : pk (x) − pk−1 (x) = f [x0 . . . qui est li´ ½º¿º Å Ø Ó × Ö Ò × Ú× × On va d´ ecrire ici une m´ ethode simple et efficace permettant de calculer les ome d’interpolation de f aux polynˆ omes d’interpolation de f . . d’o` u f (x) − pn (x) = pn+1 (x) − pn (x) = cπn+1 (x) = f (n+1) (ξx ) πn+1 (x). on obtient en particulier : Corollaire – f − pn ≤ 1 πn+1 (n + 1)! f (n+1) . xk−1 . . . Or le polynˆ e ≤ n + 1 et s’annule aux n + 1 points x0 . qui peut ˆ ee ` a la r´ epartition des points xi dans l’intervalle [a. . x1 . . . epend Ces formules montrent que la taille de l’erreur d’interpolation f (x) − pn (x) d´ etre grande si f oscille trop vite. xn donc d’apr` es le lemme il existe ξx ∈ ] min (x. . x1 . . et admettant f [x0 . . . . b]. on en d´ eduit la formule fondamentale . . . . de sorte ome que pn+1 ∈ Pn+1 . x1 . . . . on a πn+1 (xi ) = 0. x1 . Comme p0 (x) = f (x0 ). tout point ξx convient. . x1 . x0 . n πn+1 = (n + 1)! (n+1) On a par cons´ equent g (n+1) (ξx ) = f (n+1) (ξx ) − c · (n + 1)! = 0. Soit pn+1 (t) le polynˆ ome d’interpolation de f (t) aux points x. . Notation – On d´ esigne par f [x0 .24 Analyse num´ erique et ´ equations diff´ erentielles D´ emonstration du th´ eor` eme • Si x = xi . (x − xk−1 ). . . . xk ] le coefficient directeur du polynˆ ome pk ( = coefficient de tk dans pk (t)). . . et de la ` la fois de la quantit´ a e f (n+1) . Soit pk le polynˆ points x0 . . . xk ] pour coefficient directeur. . Consid´ erons la fonction g (t) = f (t) − pn+1 (t) = f (t) − pn (t) − cπn+1 (t). . .

On utilise a ` cette fin une r´ ecurrence sur le nombre k de points xi .. . D´ esignons par qk−1 ∈ Pk−1 le polynˆ ome de f aux points x1 . . . . on a f [x0 . Etape n   f [x . . . xn ] . Formule de r´ ecurrence – Pour k ≥ 1. xk ]. .. TAB [2] TAB [1] TAB [0] Etape 0 f (xn ) n−2 Etape 1 f [xn−1 . . . . . Pour pouvoir exploiter cette formule. .   f [x0 . . . xn ]     f (x0 )   . . . xk ] est appel´ d’ordre k de f aux points x0 . . . xk ] − f [x0 . . xk − x0 Alors pk ∈ Pk . V´ erification de (∗∗∗). . . e on obtient la formule (∗∗∗) cherch´ ee en ´ egalant les coefficients de xk dans l’identit´ pk (x) = (x − x0 )qk−1 (x) − (x − xk )pk−1 (x) . xk−1 ] . . f [x0 . . . . . x2 ] . la quantit´ e f [x0 . . x1 . f [x1 . x1 ] f [xn−2 . . x1 . . . pk (x0 ) = pk−1 (x0 ) = f (x0 ). . . xk − x0 Algorithme pratique – On range les valeurs f (xi ) dans un tableau TAB. en proc´ edant par indices d´ ecroissants : Tableau TAB [n] TAB [n − 1] TAB [n − 2] . . . x1 . xn ] Etape 2 . . (x − xk−1 ). . xk . . . . . pk (xk ) = qk−1 (xk ) = f (xk ) et pour 0 < i < k on a pk (xi ) = (xi − x0 )f (xi ) − (xi − xk )f (xi ) = f (xi ). x2 .II – Approximation polynomiale des fonctions num´ eriques n 25 (∗∗) pn (x) = f (x0 ) + k=1 f [x0 . x1 . . xk − x0 Par cons´ equent pk = pk . Comme le coefficient directeur de qk−1 est f [x1 . . en observant que f [x0 ] = f (x0 ). . f (x2 ) f (x1 ) . x1 . il reste bien entendu a `´ evaluer les coefficients f [x0 . . . x2 ] f [x0 . . . puis on modifie ce tableau en n ´ etapes successives. xk . xn−1 . x ]   f (xn−1 ) n−2 n−1   f (x ) . . . xk ] = f [x1 . . . Posons pk (x) = (x − x0 )qk−1 (x) − (x − xk )pk−1 (x) . xk ](x − x0 ) . . xk ]. xk − x0 (∗∗∗) ee diff´ erence divis´ ee A cause de cette formule.

.26 Analyse num´ erique et ´ equations diff´ erentielles A l’issue de la n-i` eme ´ etape. . . . d´ efinis par la formule de r´ ecurrence ∆k fi = ∆k−1 fi+1 − ∆k−1 fi . . xk ] sont born´ mˆ eme si certains de ces points sont tr` es voisins. . k! ξ ∈ ] min(xi ). . . x1 . . n 0 ≤ i ≤ n. . . . ½º º × ÓÙ Ð × ÔÓ ÒØ× ³ ÒØ ÖÔÓÐ Ø ÓÒ ×ÓÒØ ÕÙ ×Ø ÒØ× b− a n . . Il est commode f [x0 . Les points On note fi = f (xi ) les valeurs de f correspondantes. et on peut alors utiliser la formule (∗∗). . . . 0 ≤ i ≤ n − 1. . fn ) → (∆f0 . . xk )[. . . Lorsqu’on it` ere l’op´ eration ∆. ∆fn−1 ) avec ∆fi = fi+1 − fi . .2 donne pk (xk ) − pk−1 (xk ) = f (xk ) − pk−1 (xk ) = 1 πk (xk )f (k) (ξ ) k! avec πk (x) = (x − x0 ) . . k ≥ 1. . Remarque – D’apr` es l’´ egalit´ e pr´ ec´ edant (∗∗) on a pk (xk ) − pk−1 (xk ) = f [x0 . max (x0 . diff´ erences divis´ ees f [x0 . + (x − xn−1 )TAB [n]))) On effectue donc une r´ ecurrence descendante un = TAB [n] uk = TAB [k ] + (x − xk )uk+1 . En comparant les deux ´ egalit´ es il vient f [x0 . f . . . xk ). . xk ] = 1 (k ) f (ξ ). . xk ](xk − x0 ) . . . xk ] cherch´ d’appliquer ici la r` egle de H¨ orner : pn (x) = TAB [0] + (x − x0 )(TAB [1] + (x − x1 )(TAB [2] + . . et on introduit un op´ erateur not´ e ∆. b] de pas constant h = d’interpolation sont donc xi = a + ih = a + i b−a . . x1 . Or la formule d’erreur 1. 0 ≤ i ≤ n − k . f (n) existent et sont continues. . 0 ≤ i ≤ n − k. . . (x − xk−1 ) et ξ ∈ ] min(x0 . . on obtient des r´ eels ∆k fi . . f1 . . . On consid` ere la subdivision de l’intervalle [a. . appel´ ee op´ erateur aux diff´ erences finies. Si l’on suppose que f. . la case m´ emoire TAB[k ] contient le coefficient e. . max(xi )[. on voit que les ees ind´ ependamment du choix des xi . . . d´ efini par ∆ : (f0 . qui aboutit a ` u0 = pn (x). ∆f1 . (xk − xk−1 ). 0 ≤ k < n.

s ∈ [0. (s − k + 1). . (sh − (k − 1)h) = hk s(s − 1) . . effectuons le changement de variable x = a + sh. . ∆n−1 f1 ∆n−1 f0 2   ∆ n f0   ∆ f0 . le tableau contient les coefficients ∆k f0 cherch´ es. . (s − n). (s − k + 1) k! s−1 2 ∆2 f0 + . Estimation de l’erreur d’interpolation – On a πn+1 (x) = (x − x0 ) . (x − xn ) = hn+1 s(s − 1) . dans laquelle s = (x − a)/h : n Pour x ∈ [a. . . On obtient la formule de Newton suivante. . (n + 1)! . . . d’o` u f (x) − pn (x) = s(s − 1) . . .II – Approximation polynomiale des fonctions num´ eriques 27 o` u l’on convient que ∆0 fi = fi . (s − n) n+1 (n+1) h f (ξx ). xi+k ] = k !hk R´ ecrivons avec ces notations la formule fondamentale (∗∗). . . + s−n+1 n ∆ f0 . . Exercice – V´ erifier que ∆k fi = k j j j =0 (−1) Ck fi+j . Il est alors facile de montrer par r´ ecurrence que les diff´ erences divis´ ees sont donn´ ees par ∆ k fi . . . . n]. 0 ≤ i ≤ n.3 : fn fn−1 fn−2 f2 f1 f0   ∆fn−2       ∆f0   ∆f1 ∆fn−1 ∆2 fn−2 . . pn (x) = k=0 ∆ k f0 · s 1 s(s − 1) . A l’issue de la n-i` eme ´ etape. . n = f0 + ∆ 1 f0 + Les coefficients ∆k f0 se calculent suivant le sch´ ema d´ ecrit au § 1. xi+1 . . On a alors (x − x0 ) . . . . . . . . (x − xk−1 ) = sh(sh − h) . f [xi . b].

on voit en fait que b−a nn− 2 1 = 3/2 . . d’o` u 2 max ϕ = max ϕ(s) ≤ n! [0. Une interpolation lin´ eaire (cas n = 1) donnerait une 2 e n = 3. on voit que ϕ atteint en fait son maximum dans [0. . (s − k + 1) ... 1 1 1 1 3 1 = · · . |f (x) − pn (x)| ≤ hn+1 · Il en r´ esulte Remarque – D’apr` es l’expression de πn+1 donn´ ee plus haut. . donc elle . .2 des estimations beaucoup plus pr´ ecises. Comme ϕ ( s − 1) /ϕ(s) = (n + 1 − s)/s > 1 pour atteint son maximum dans 0. 1].n] n n e n! (b − a)n+1 nn+1 et la formule de Stirling n! ∼ est πn+1 Comme ϕ montre que l’ordre de grandeur de πn+1 n+1 = O b−a e quand n → +∞. v´ erifie ϕ(n − s) = ϕ(s). (b) Montrer qu’un polynˆ ome p ∈ Pn est tel que p(s) ∈ Z pour tout s ∈ Z si et seulement si p est combinaison lin´ eaire a ` coefficients dans Z de N0 . ..xn ] Une application typique de ces formules est le calcul d’une valeur approch´ ee de l’image f (x) au moyen d’une table num´ erique donnant les valeurs successives f (xi ) avec un pas constant h. k! 0≤k≤n forment une base de Pn et que pour tout s ∈ Z on a Nk (s) ∈ Z k ou une r´ ecurrence a ` partir de la relation [Indication : utiliser les Cn Nk (s) − Nk (s − 1) = Nk−1 (s)]. Nn . .1] 1 max |f (n+1) |.n] s∈[0. (s − n)|. .b] = hn+1 max ϕ(s) ≤ hn+1 n! = √ 2πn s∈[0.. L’exercice suivant montre l’int´ erˆ et de la formule de Newton en arithm´ etique. (n − 1) 2 2 2 2 2 4 1 1 1 √ nn nn− 2 ≥ n! ≥ 6n n ≥ n+1 4n 4n e e pour n grand. n 2 1≤s≤ n . On doit ici aller jusqu’au degr´ ce qui permet d’obtenir un erreur ≤ h4 = 10−8 pourvu que max |f (4) | ≤ 4.. n]. s ∈ [0. n + 1 [x0 . πn+1 ≥ hn+1 1 n+1 Exercice (a) Montrer que les polynˆ omes de Newton Nk (s) = s(s − 1) . n +1 e e n Nous obtiendrons au § 2.. . on voit que πn+1 [a. Supposons par exemple que h = 10−2 et que l’on cherche a´ ` evaluer f (x) a ` 10−8 pr` es. .28 Analyse num´ erique et ´ equations diff´ erentielles La fonction ϕ(s) = |s(s − 1) . . erreur en h = 10−4 beaucoup trop grande. n − ≥ 1 · 2 . .

II – Approximation polynomiale des fonctions num´ eriques

29

½º º ÁÒØ ÖÔÓÐ Ø ÓÒ ÙÜ ÔÓ ÒØ×

Ì

Ý

Ú
x ∈ [−1, 1]

On d´ efinit les polynˆ omes de Tchebychev par tn (x) = cos(n Arccos x),

Il n’est pas ´ evident a priori que tn est un polynˆ ome ! Pour le voir, on proc` ede comme suit. Posons θ = Arc cos x, c’est-` a-dire x = cos θ avec θ ∈ [0, π ]. Il vient alors tn (x) = cos nθ, tn+1 (x) + tn−1 (x) = cos ((n + 1)θ) + cos ((n − 1)θ) = 2 cos nθ cos θ = 2xtn (x). La fonction tn se calcule donc par les formules de r´ ecurrence t0 (x) = 1, t1 (x) = x tn+1 (x) = 2x tn (x) − tn−1 (x). Il en r´ esulte que tn est un polynˆ ome de degr´ e n, dont le coefficient directeur est eterminons les racines de tn . Si x = cos θ ∈ [−1, 1] avec θ ∈ [0, π ], 2n−1 si n ≥ 1. D´ 2i+1 on a tn (x) = cos nθ = 0 si et seulement si nθ = π 2 + iπ , soit θ = 2n π avec 0 ≤ i ≤ n − 1. Le polynˆ ome tn admet donc exactement n racines distinctes : cos 2i + 1 π ∈ ] − 1, 1[, 2n 0 ≤ i ≤ n − 1.

Comme tn est de degr´ e n, il ne peut avoir d’autres racines.

D´ efinition – Les points d’interpolation de Tchebychev d’ordre n sont les points
xi = cos
2i+1 2n+2

π , 0 ≤ i ≤ n, racines du polynˆ ome tn+1 .

Les points xi sont r´ epartis sym´ etriquement autour de 0 (avec xn−i = −xi ), de fa¸ con plus dense au voisinage de 1 et −1 : x11 x9 −1 x10 x8 x7 x6 0 x5 x4 x3 x2 x0 x1 1

n = 11

Puisque le coefficient directeur de tn+1 est 2n , il vient
n

tn+1 (x) = 2

n

(x − xi ) = 2n πn+1 (x).
i=0

Pour se ramener ` a un intervalle [a, b] quelconque au lieu de [−1, 1], on utilisera la bijection lin´ eaire [−1, 1] −→ [a, b] a+b b−a + u u −→ x = 2 2

30

Analyse num´ erique et ´ equations diff´ erentielles

qui envoie −1 sur a et 1 sur b. Les images des points d’interpolation de Tchebychev es par ui ∈ ] − 1, 1[ sont donn´ xi = 2i + 1 a+b b−a + cos π, 2 2 2n + 2 0 ≤ i ≤ n.

Ces points sont encore appel´ es points d’interpolation de Tchebychev d’ordre n de a l’intervalle [a, b]. Dans ce cas, on a x − xi = b− ome πn+1 2 (u − ui ), donc le polynˆ est donn´ e par
n

πn+1 (x) = o` u i=0 (u − ui ) = obtient donc πn+1 (x) =
n 1 2n tn+1 (u)

(x − xi ) =
i=0

b−a 2

n+1 n

(u − ui )
i=0

est le polynˆ ome πn+1 (u) correspondant a ` [−1, 1]. On 2 b−a x− a+b 2

(b − a)n+1 (b − a)n+1 t ( u ) = tn+1 n +1 22n+1 22n+1

.

Par d´ efinition des polynˆ omes de Tchebychev on a tn+1 πn+1 = 2 b−a 4
n+1

= 1, donc

.

Cette valeur est beaucoup plus petite que l’estimation (b − a/e)n+1 obtenue pour equidistants, surtout lorsque n est assez grand : pour πn+1 avec des points xi ´ n = 30 par exemple, on a (e/4)n+1 < 7 · 10−6 . Il en r´ esulte que l’interpolation aux points de Tchebychev est en g´ en´ eral consid´ erablement plus pr´ ecise que l’interpolation en des points ´ equidistants, d’o` u son int´ erˆ et pratique. Nous reviendrons sur ces questions au § 3.

¾º

ÓÒÚ Ö Ò × ÔÓÐÝÒÓÑ × ³ ÒØ ÖÔÓÐ Ø ÓÒ pn ÕÙ Ò n Ø Ò Ú Ö× +∞

Soit f : [a, b] → R une fonction continue. Pour chaque entier n ∈ N, on se donne une ` deux distincts et on consid` ere suite de n + 1 points xi,n ∈ [a, b], 0 ≤ i ≤ n, deux a le polynˆ ome d’interpolation pn de f aux points x0,n , x1,n , . . . , xn,n .

Probl` eme – A quelle(s) condition(s) (portant sur la nature de la fonction f etre sˆ ur que pn converge uniform´ ement et/ou le choix des points xi,n ) pourra-t-on ˆ vers f quand n → +∞ ?
Si l’on ne dispose d’aucune information sur la r´ epartition des points xi,n , la meilleure majoration de πn+1 (x) dont on dispose a priori est
n

|πn+1 (x)| =
i=0

|x − xi,n | ≤ (b − a)n+1 ,

∀x ∈ [a, b],

II – Approximation polynomiale des fonctions num´ eriques

31

u les points xi sont ´ equidistants ou en majorant |x − xi,n | par b − a. Dans le cas o` sont les points de Tchebychev, on a bien entendu une meilleure estimation πn+1 ≤ b−a e
n+1

,

resp. πn+1

≤2

b−a 4

n+1

.

Comme l’erreur d’interpolation d´ epend par ailleurs de f (n+1) d’apr` es le § 1.2, on est amen´ e` a chercher une majoration des d´ eriv´ ees successives de f .

¾º½º

× ³ÙÒ

ÓÒ Ø ÓÒ Ò ÐÝØ ÕÙ

Une fonction analytique est par d´ efinition une fonction qui est somme d’une s´ erie enti` ere au voisinage de tout point o` u elle est d´ efinie. +∞ u la s´ erie a un rayon de convergence R > 0. La Supposons f (x) = k=0 ak xk , o` fonction f est donc d´ efinie sur ] − R, R[ au moins. Pour tout r < R, la s´ erie ak r k est convergente, donc la suite ak rk est born´ ee (et tend vers 0), c’est-` a-dire qu’il existe une constante C (r) ≥ 0 telle que |ak | ≤ C (r) , rk ∀k ∈ N.

On peut alors d´ eriver 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

|f (n) (x)| ≤ C (r) = C (r)

+∞ k=0

dn dxn

x r
x r

k

1 dn = C (r) n dx 1− n!rC (r) = . (r − x)n+1

= C (r)

r dn dxn r − x

Sur tout intervalle [−α, α] avec α < r < R, on a donc 1 f (n) n!
[−α,α]

rC (r) . (r − α)n+1

Supposons maintenant que f : [a, b] → R soit somme d’une s´ erie enti` ere de centre b b− a b− a c = a+ et de rayon R > α = . Pour tout r tel que < r < R et tout n ∈ N 2 2 2 on a alors d’apr` es ce qui pr´ ec` ede 1 f (n) n!
[a,b]

rC (r) r−
b− a 2

n+1 .

32

Analyse num´ erique et ´ equations diff´ erentielles

L’erreur d’interpolation admet donc la majoration f − pn ≤ 1 πn+1 (n + 1)! 2rC (r) a r − b− 2 f (n+1)
n+1

≤2

b−a λ

n+1

rC (r) r−
b− a 2 n+2

r

b− a λ a − b− 2

avec respectivement λ = 1 si les points xi,n sont quelconques, λ = e s’ils sont ´ equidistants, λ = 4 si ce sont les points de Tchebychev. L’erreur va converger vers 1 +1 0 si l’on peut choisir r tel que (b − a)/λ < r − (b − a)/2, soit r > λ 2 (b − a). Ceci est possible d` es que le rayon de convergence R v´ erifie lui-mˆ eme cette minoration. On peut donc ´ enoncer :

Th´ eor` eme – Soit f : [a, b] → R une fonction analytique donn´ ee par une s´ erie b . Alors pour des points enti` ere de rayon de convergence R centr´ ee au point c = a+ 2 equidistants et λ = e, de d’interpolation xi,n quelconques et λ = 1 (respectivement, ´ Tchebychev et λ = 4), les polynˆ omes d’interpolation pn aux points xi,n convergent 1 +1 uniform´ ement vers f pourvu que R > λ 2 (b − a). Exercice –
c=
a+b 2 ,

Si les points xi,n sont r´ epartis syst´ ematiquement par rapport a ` montrer que l’on peut prendre λ = 2.

Indication : en supposant c = 0 pour simplifier, utiliser le fait que |(x − xi,n )(x + xi,n )| ≤ pour tout x ∈ [a, b] et tout i = 0, 1, . . . , n. Ces r´ esultats sont en fait un peu grossiers, car ils fournissent des conditions suffisantes de convergence qui sont en g´ en´ eral tr` es loin d’ˆ etre n´ ecessaires. Par ailleurs, ce sont des r´ esultats purement th´ eoriques qui ne tiennent aucun compte des erreurs d’arrondi. Nous allons maintenant faire des calculs plus fins sur des equidistants. exemples, en estimant de fa¸ con pr´ ecise le produit πn+1 pour des points ´ 1 (b − a)2 4

¾º¾º¶ ×Ø Ñ Ø ÓÒ πn(z )¸ z ∈ C¸ ÔÓÙÖ ÕÙ ×Ø ÒØ×
Posons h =
b− a n ,

× ÔÓ ÒØ× ³ ÒØ ÖÔÓÐ Ø ÓÒ

xj = aj + jh, 0 ≤ j ≤ n, et soit z ∈ C, |πn+1 (z )| = |z − xi | ·
j =1

|z − xj |, ln |z − xj |
j =i

ln |πn+1 (z )| = ln δn (z ) +

o` u δn (z ) = |z − xi | est la distance de z au plus proche point xi . La derni` ere sommation apparaˆ ıt comme une somme de Riemann de la fonction x → ln |z − x|. On va donc comparer cette sommation ` a l’int´ egrale correspondante.

II – Approximation polynomiale des fonctions num´ eriques

33

Lemme 1 – Pour tout a ∈ C, on pose φ(a) =
1 h 1 h
xj +1 xj xj +1 xj

ln |1 − at| dt. Alors l’int´ egrale converge et la fonction φ est continue sur C. De plus : (i) ln |z − x|dx − ln |z − xj | = φ h , 0≤j ≤i−1 ; z − xj h , i ≤ j ≤ n − 1. z − xj +1

1 0

(ii)

ln |z − x|dx − ln |z − xj +1 | = φ −

D´ emonstration. Si a ∈ [1, +∞], la fonction t → ln |1 − at| est d´ efinie et continue sur [0, 1]. Soit Log la d´ etermination principale du logarithme complexe, d´ efinie sur C ] − ∞, 0]. Comme ln |z | = Re(Log z ), on en d´ eduit ais´ ement φ(0) = 0, φ(a) = Re 1− 1 a Log (1 − a) − 1 si a ∈ {0} ∪ [1, +∞[

grˆ ace ` a une int´ egration par parties. Si a ∈ [1, +∞[, un calcul analogue donne 1 ln (a − 1) − 1 pour a > 1. La continuit´ e de φ se v´ erifie φ(1) = −1 et φ(a) = 1 − a sur ces formules (exercice !) ´ Egalit´ e (i) : on effectue le changement de variable x = xj + ht, Il vient : 1 h
xj +1 xj

dx = h dt,

t ∈ [0, 1].

ln |z − x| dx = =

1 0 1 0

ln |z − xj − ht| dt ln |z − xj | · 1 − h h . t dt = ln |z − xj | + φ z − xj z − xj

´ Egalit´ e (ii) : s’obtient de mˆ eme en posant x = xj +1 − ht. En sommant les diff´ erentes ´ egalit´ es (i) et (ii), on obtient 1 h
b i− 1

ln |z − x|dx −
a j =i

ln |z − xj | =
j =0

φ

h z − xj

n

+
j =i+1

φ −

h . z − xj

(∗)

z

x0

x1

xj

xi − 1

xi

xi+1

xn

34

Analyse num´ erique et ´ equations diff´ erentielles

Si 0 ≤ j < i, le fait que |z − xi | = min |z − xk | implique Re z ≥ xi − |z − xj | ≥ Re(z − xj ) ≥ xi − car
1 2

h 2

d’o` u

h 1 1 − xj = i − j − h ≥ (i − j )h 2 2 2

≤1 eduit donc : 2 (i − j ). Comme Re w > 0 implique Re (1/w ) > 0, on en d´ Re h z − xj > 0, h 2 ≤ 2. ≤ z − xj i−j
h 2

Si i < j ≤ n, on obtient de mˆ eme Re z ≤ xi + |z − xj | ≥ Re(xj − z ) ≥ xj − xi − Re − h z − xj > 0,

et

1 1 h = j−i− h ≥ (j − i)h, 2 2 2 2 h ≤ ≤ 2. z − xj j−i

Lemme 2 – Pour a ∈ C tel que Re a ≥ 0 et |a| ≤ 2 on a
φ(a) = − 1 ln |1 + a| + O(|a|2 ). 2

D´ emonstration. Les deux membres ´ etant continus sur Re a ≥ 0, il suffit de montrer l’estimation lorsque a est voisin de 0. On sait que Log (1 + z ) = z + O(|z |2 ) d’o` u ln |1 + z | = Re Log(1 + z ) = Re Log(1 + z ) = Re z + O(|z |2 ),
1

φ(a) =
0

(− Re a · t + O(|a|2 t2 ))dt = −

1 Re a + O(|a|2 ), 2

tandis que ln |1 + a| = Re a + O(|a|2 ). Le lemme s’ensuit.
h L’´ egalit´ e (∗) ci-dessus et le lemme 2 appliqu´ e avec a = ± z − xj = O alors 1 j −i

impliquent

ln |z − xj | −
j =i

1 h

b

ln |z − x|dx =
a

1 2

i− 1

ln 1 +
j =0

1 h h + ln 1 − z − xj 2 j =i+1 z − xj +O 1 1 + ... + 12 (n − i)2 .

n

+O
+∞

1 1 1 + + ... + 2 i2 (i − 1)2 1

1 ementaires sont born´ es, Comme la s´ erie n=1 n 2 est convergente, les termes compl´ c’est-` a-dire O(1). De plus

z − xj + h z − xj − 1 h = = , z − xj z − xj z − xj z − xj − h z − xj +1 h 1− = = . z − xj z − xj z − xj 1+

b] . En prenant l’exponentielle et en multipliant par |z − xi |. Estimation de πn+1 – On pose A(z ) = exp Alors il existe des constantes C1 . Il en r´ esulte  x−a b−x 1   A(x) = (x − a) b−a (b − x) b−a e   A(a) = A(b) = 1 (b − a). . (∗∗) |z − xi−1 | |z − xi+1 | La quantit´ e sous la racine est comprise entre 1 et (1 + 2n)2 . Comme exp(O(1)) est 1 n = b− encadr´ e par deux constantes positives et h a .II – Approximation polynomiale des fonctions num´ eriques 35 Dans les deux sommations. les logarithmes se simplifient alors mutuellement. x − ε] et [x + ε. il suffit de calculer A(x) lorsque exponentiel A(z )n . on obtient l’estimation suivante. on obtient |z − xj | = |z − xi | exp O(1)+ 1 h b ln |z − x|dx · a |z − x1 | |z − xn+1 | · . En effet on a 1≤ |z − xi−1 | + ih |z − x−1 | ≤ ≤ 1 + 2i. b[. ce qui donne ln |z − xj | − j =i 1 h b ln |z − x|dx = a z − x−1 z − xn+1 1 + O(1) ln · 2 z − xi−1 z − xi+1 avec x−1 = a − h et xn+1 = b + h. |z − xi−1 | |z − xi−1 | car |z − xi−1 | ≥ Re(z − xi−1 ) ≥ h etant ´ egal ` a 1 si i = 0. e si x ∈ ]a. Pour ´ x ∈ [a. On voit donc que le terme dominant du comportement de |πn+1 (z )| est le facteur evaluer πn+1 [a. le premier quotient ´ Le deuxi` eme quotient est major´ e de mˆ eme par 1 + 2(n − i). b] : b 1 ln |x − t|dt . a C1 δn (z )A(z )n ≤ |πn+1 (z )| ≤ C2 nδn (z )A(z )n . (t − x) b car la fonction t → (t − x) ln |t − x| est continue sur [a. C2 > 0 telles que 1 b−a b ln |z − x|dx . mais le lecteur pourra s’assurer que l’int´ egration par parties suivante est l´ egitime : b a ln |t − x|dt = [(t − x) ln |t − x|]b a− dt t − x a = (b − x) ln (b − x) + (x − a) ln (x − a) − (b − a). A(x) = exp b−a a La fonction t → ln |t − x| est discontinue en t = x. b] et on peut passer a ` la limite sur chacun des intervalles [a. b]. 2 si i = 0.

D’un point de vue pratique. b qu’au centre de l’intervalle. x2 fα pn (n = 14) −1 0 1 x 1 Soit pn le polynˆ ome d’interpolation de f aux points xj = −1 + j n . y 1/α2 1 . ¾º¿º¶ È ÒÓÑ Ò ÊÙÒ L’objet de ce paragraphe est de donner un exemple concret de fonction analytique f pour laquelle les polynˆ omes d’interpolation ne forment pas une suite convergente. 1]. il va en r´ en´ eral beaucoup moins bonne au voisinage des que la convergence de pn (x) est en g´ extr´ emit´ es a. + α2 x ∈ [−1. 0 ≤ j ≤ n. Nous consid´ erons pour cela la fonction fα (x) = o` u α > 0 est un param` etre.36 Analyse num´ erique et ´ equations diff´ erentielles Une ´ etude de x → A(x) donne l’allure du graphe : y 1 e (b 1 2e (b − a) − a) A(x) 0 a a+b 2 b x La fonction A atteint donc son maximum A = 1 e (b − a) en x = a ou b et son 1 a+b esulter minimum 2e (b − a) en x = 2 . .

Pour x = iα. . n + 1}. De mˆ eme pour eme ordre de z = x ∈ ] − 1. Par cons´ 1 − (x2 + α2 )pn (x) = c0 · πn+1 (x) c1 x · πn+1 (x) si n est impair. epartis sym´ etriquement par rapport a ` 0. . on voit donc que pn converge 1 1. C6 . Le quotient equent est un binˆ ome c0 + c1 x. impair si n est pair. on trouve c0 = 1/πn+1 (iα) et c1 = 1/iαπn+1 (iα). tandis que |z − x−1 | et |z − xn+1 | tendent respectivement vers grandeur que h = n 1 + x et 1 − x. On a donc des constantes positives C5 . 1[. d’o` u  1 πn+1 (x)   si n est impair. iα(x2 + α2 ) πn+1 (iα) On va maintenant ´ etudier tr` es pr´ ecis´ ement la convergence ponctuelle de pn (x). En substituant x = iα. xn Le polynˆ ome 1 − (x2 + α2 )pn (x) est de degr´ (puisque pn interpole f ) et ´ egal ` a 1 aux points ±iα.2. n x2 + α 2 x2 + α 2 e ≤ n + 2. 74. pair si n est impair. en utilisant les estimations du § 2. . Examinons est divisible par πn+1 (x) = (x − xj ). C7 nδn (x) A(x) A(iα) n n ≤ |fα (x) − pn (x)| ≤ C8 nδn (x) A(x) A(iα) . C4 > 0 telles que ´ Etude de la convergence ponctuelle de la suite pn(x) C3 A(iα)n ≤ |πn+1 (iα)| ≤ C4 A(iα)n √ car α ≤ |iα − xj | ≤ α2 + 4 pour tout j ∈ {−1.  x2 + α 2 π n+1 (iα) fα (x) − pn (x) =  x πn+1 (x)   si n est pair. . . 1[ et on cherche ` a obtenir une estimation de |πn+1 (x)/πn+1 (iα). Qu’en est-il si α est petit ? es que α > 2 1 + uniform´ ement vers fα d` 2 e Calcul de pn(x) – L’erreur d’interpolation est donn´ ee ici par fα (x) − pn (x) = 1 1 − (x2 + α2 )pn (x) − p ( x ) = . On suppose donc dans la suite que x est un point fix´ e dans ] − 1. tandis que πn+1 est pair si n est impair et vice-versa. 1 Si x = ±1. . le quotient ´ la parit´ e de ce quotient. En particulier 1 − (x2 + α2 )pn (x) etant de degr´ e 0 ou 1. . .II – Approximation polynomiale des fonctions num´ eriques 37 On a ici fα (x) = 1 1 1 = 2 x2 α2 1 + α α 2 +∞ (−1)k k=0 x2 α2 k avec rayon de convergence R = α. nul aux points x0 . D’apr` es le § 2. telles que C5 nδn (x)A(x)n ≤ |πn+1 (x)| ≤ C6 nδn (x)A(x)n . . . . le polynˆ ome pn Comme les points xj sont r´ est toujours pair. . les quantit´ es |z − xi−1 | et |z − xi+1 | sont du mˆ 2 . si n est pair. pn (x) = pn (±1) = fα (±1) = 1+ α2 est une suite constante. la formule (∗∗) du § 2.1.2 montre qu’il existe des constantes C3 .

2 donnent Analyse num´ erique et ´ equations diff´ erentielles 1+x 1−x 1 (1 + x) 2 (1 − x) 2 .38 Les calculs du § 2. Pour α > α0 .1] 2 . 1]. • Si x ∈ ] − 1. (n + 1)δn+1 (x)) ≥ 1 min(1 + x. α = exp 1 2 1 0 ln(x2 + α2 )dx = 1 e 1 + α2 exp α Arctg ln (x2 + α2 ) ayant pour primitive x ln (x2 + α2 ) − 2x + α Arctg x/α. max (nδn (x). +∞[. pn (x) converge vers fα (x). on a le sch´ y 2/e A(iα) 1/e A(x) −1 0 x 1 • Si A(x) < A(iα) (intervalle ouvert hachur´ e). e lim A(iα) = +∞. e soit α0 0. 526. la suite (pn ) converge ponctuellement (et mˆ eme ema suivant : uniform´ ement) vers fα sur [−1. 1 − x) > 0. 1[ et A(x) ≥ A(iα). e 1 1 A(iα) = exp ln |iα − x|dx = exp 2 −1 A(x) = 1 4 1 −1 ln (x2 + α2 )dx 1 . avec lim A(iα) = 1 . α→0 α → +∞ La valeur critique est la valeur α0 telle que A(iα0 ) = sup A(x) = x∈[−1. Lemme – Pour tout n ∈ N∗ . la suite (pn (x)) diverge comme on le voit ` a l’aide du lemme suivant. Pour α < α0 . La fonction α → A(iα) est strictement croissante sur ]0. 2 .

n | = x − δn+1 (x) = |x − xk.n | = x − On obtient donc max (nδn (x). |x + 1|). mˆ eme pour une fonction f parfaitement r´ eguli` ere. ¿º Å ÐÐ ÙÖ ¿º½º Ü ×Ø Ò ÔÔÖÓÜ Ñ Ø ÓÒ ÙÒ ÓÖÑ Ø ÙÒ Ø Ù ÔÓÐÝÒÓÑ Ñ ÐÐ ÙÖ ÔÔÖÓÜ Ñ Ø ÓÒ On munit l’espace vectoriel C([a. . donc la suite (|fα (x) − pn (x)|)n∈N n’est pas born´ ee si A(x) > A(iα) et ne tend pas vers 0 si A(x) = A(iα). Pn ) = inf p∈Pn f −p . b]) des fonctions continues f : [a.II – Approximation polynomiale des fonctions num´ eriques 39 Il existe en effet des indices j.b] et de la distance uniforme associ´ ee d(f. k tels que δn (x) = |x − xj. |fα (x) − pn+1 (x)| ≥ C A(x) A(iα) n . 2 n+1 1 2 1 ≥ 2 1 ≥ 2 1 = 2 ≥ |n(x + 1) − 2j | + |(n + 1)(x + 1) − 2k | |diff´ erence| = 1 |x + 1 − 2k + 2j | 2 distance (x. on voit que max |fα (x) − pn (x)| . . il ne faut pas s’attendre a ` ce que les polynˆ omes d’interpolation pn aux points ´ equidistants convergent vers f sur l’intervalle d’interpolation. Cet exemple montre donc que. x∈[a. b] → R de la norme uniforme f = sup |f (x)|. entiers impairs dans Z) min(|x − 1|. g ) = f − g . (n + 1)δn+1 (x)) ≥ 1 (nδn (x) + (n + 1)δn+1 (x)) 2 −1+j· −1+k· 2 n . On note donc d(f. Grˆ ace au lemme.

D´ emontrons d’abord l’existence de qn . b]. . K est une partie compacte. D’apr` es le g (xi+1 ) = −g (xi ). . alors g = f − p ´ equioscille sur n + 2 points de [a. k − 1. . g s’annule n´ ecessairement sur chaque intervalle . on voit que omes p ∈ Pn tels que f − p ≤ f est d(f.40 Analyse num´ erique et ´ equations diff´ erentielles Th´ eor` eme et d´ efinition – Pour tout n ∈ N. . y g g 0 a x0 x1 x2 x3 x4 b x − g Preuve de l’unicit´ e. . b] . k. . . . . soit x0 = inf {x ∈ [a. nous introduisons une d´ efinition commode. xi+1 le premier point > xi en lequel ete en i = k ≤ n. D´ efinition – On dit qu’une fonction g ∈ C([a. . < xk dans [a. . g (xi+1 ) = −g (xi ). 1.* Montrons que si p ∈ Pn est un polynˆ ome r´ ealisant le minimum de la distance f − p . puis x1 le premier point > x0 en lequel g (x1 ) = −g (x0 ). Supposons que cette suite s’arrˆ th´ eor` eme des valeurs interm´ ediaires. . . Avant de prouver l’unicit´ e. . Si ce n’est pas le cas. Pn ) Ce polynˆ ome est appel´ ee polynˆ ome de meilleure approximation uniforme de f ` a l’ordre n. En approximant f par p = 0. L’ensemble des polynˆ une partie ferm´ ee et born´ ee K ⊂ Pn . Pn ) ≤ f . b] s’il existe des points x0 < x1 < . |g (x)| = g } le premier point en lequel g atteint sa valeur absolue maximum. |g (xi )| = g et ∀i = 0. b]) ´ equioscille sur (k + 1) points de [a. non vide puisque 0 ∈ K . il existe un unique polynˆ ome ealise le minimum de la distance qn ∈ Pn qui r´ f − qn = d(f. donc la fonction continue p → f − p atteint son inf en un point p = qn ∈ K . 1. Comme Pn est de dimension finie. b] tels que ∀i = 0.

xi ]. xi+1 ] tel que p(ξi ) − q (ξi ) = 0 pour i = 0. xi [). n. sauf si dans l’intervalle [xi−1 . gε (x) = g (x) − επ (x) = f (x) − (p(x) + επ (x)). ci ]. b] (si on avait seulement ≤ au lieu de <. ci ] − g ≤ (−1) g (x) < g (si on avait seulement ≤ au lieu de <. Par construction. sur [ci . on peut choisir ome (−1)i (p(x) − q (x)) ne ξi−1 < ξi .II – Approximation polynomiale des fonctions num´ eriques 41 eel de cet intervalle tel que g (ci ) = 0. alors on aurait xi ≤ ci ). sur [xi−1 . xi+1 ] le polynˆ . b]. ci+1 [. xi ]. Soit ci ∈ [xi−1 . ce qu’il fallait d´ emontrer. . π ∈ Pn . xi ] le plus grand r´ de sorte que a ≤ x0 < c1 < x1 < c2 < .b] |π (x)| et en tenant compte du fait que signe(π (x)) = (−1)i sur ]ci . . . . Il existe donc une constante A < g positive telle que g (x) ≥ −A sur [a. 1. ce qui contredira la minimalit´ de f − p . Cette contradiction entraˆ ıne ce qui implique gε < g d` k ≥ n + 1. . . Supposons par exemple g (x0 ) > 0 et posons π (x) = (c1 − x)(c2 − x) . . (−1)i g (x) ≤ A sur [xi−1 . x0 ]. n + 1 on aurait (−1)i (p(xi ) − q (xi )) ≤ 0. on a signe(g (xi )) = (−1)i et − g < g (x) ≤ g i sur [a. il existerait un point ξi ∈ [xi . ci ] et (−1)k g (x) ≥ −A sur [xk . pour tout i = 0. . on obtient donc sur [a. xi ] (si on avait une valeur < 0. . e On va montrer que gε < g pour ε > 0 assez petit. D’apr` es le th´ eor` eme des valeurs interm´ ediaires. b]. − g < (−1)k g (x) ≤ g sur [xk . Si les ξi sont tous distincts. 0 ≤ (−1)i g (x) ≤ g sur [ci . . [xi−1 . −A − εM ≤ gε (x) < g − g < (−1)i gε (x) ≤ A + εM sur [xi−1 . x0 ]. Or. . < xk−1 < ck < xk ≤ b. alors p − q aurait n + 1 racines. q = p. (ck − x). En notant M = sup[a. Sinon. Pour v´ erifier l’unicit´ e de p. il y aurait un point xk+1 ). −A − εM ≤ (−1)k gε (x) < g es que ε est assez petit. . 1. −εM ≤ (−1)i gε (x) < g sur [xk . il existe un point xi avec 0 ≤ i ≤ n + 1 tel que (−1)i (f (xi ) − q (xi )) > (−1)i (f (xi ) − p(xi )) . x0 ]. donc p = q contrairement a ` l’hypoth` ese. il suffit de montrer que pour tout polynˆ ome q ∈ Pn . g (x) s’annulerait sur ]ci . ceci entraˆ ınera en particulier f − q > f − p .

b] avec |x − y | ≤ t}. x. Ceci entraˆ p − q aurait encore n + 1 racines compte tenu des multiplicit´ es. (v) Pour tout λ ∈ R+ et tout t ∈ R+ . de sorte que ωf mesure quantitativement la continuit´ e de f . t2 ∈ R+ . ωf (t1 + t2 ) ≤ ωf (t1 ) + ωf (t2 ). ωf (t) = 0. . 1]. y ∈ [a. on en d´ eduit que qn (x) est le polynˆ ome de meilleure points θi = i n+1 n+1 approximation uniforme a ` l’ordre n de x sur [−1. ´ les polynˆ omes de Tchebychev sous la forme Exemple – Ecrivons 2−n tn+1 (x) = xn+1 − qn (x) avec qn de degr´ e ≤ n. Pour tous x. (ii) lim + t→0 (iii) Pour tous t1 . par suite x = xi+1 . 1] : cette norme vaut 2−n . b]). b]) Il est malheureusement tr` es difficile en g´ en´ eral de d´ eterminer le polynˆ ome de etudier ici une meilleure approximation uniforme qn .42 Analyse num´ erique et ´ equations diff´ erentielles s’annule qu’en x = xi . Observons en outre que d’apr` es la d´ emonstration pr´ ec´ edente. y ∈ [a. (iv) Pour tout n ∈ N et tout t ∈ R+ . b]. ωf (nt) ≤ n ωf (t). Dans ce cas (−1)i (p(x) − q (x)) reste ≥ 0 sur [xi−1 . 2−n tn+1 est le polynˆ ome unitaire de degr´ e n + 1 ayant la plus petite norme uniforme possible sur [−1. b]). ¿º¾º Ò× Ø × ÔÓÐÝÒÓÑ × Ò× C([a. contradiction. 0 ≤ i ≤ n +1. le polynˆ ome de meilleure approximation uniforme se caract´ erise comme suit : Caract´ erisation – Pour f ∈ C([a. le module de continuit´ e de f est la fonction efinie par ωf : R+ → R+ d´ ωf (t) = sup {|f (x) − f (y )| . b]. Propri´ et´ es du module de continuit´ e (i) t → ωf (t) est une fonction croissante. Comme tn+1 (cos θ) = cos (n + 1)θ ´ equioscille sur les n + 2 π . Autrement dit. on a alors |f (x) − f (y )| ≤ ωf (|x − y |). auquel cas on doit prendre ξi−1 = xi = ξi . C’est pourquoi nous allons ´ m´ ethode beaucoup plus explicite d’approximation. le polynˆ ome de meilleure approximation ome de degr´ e ≤ n tel que f − qn ´ equioscille uniforme qn ∈ Pn de f est l’unique polynˆ sur au moins (n + 2) points de [a. ωf (λt) ≤ (λ + 1)ωf (t). xi+1 ] car son signe est positif en x = xi−1 et ıne que ξi = xi est racine au moins double de p − q . D´ efinition – Si f ∈ C([a.

ces sommes sont des constantes et pour θ = − π n la π = 0 sauf pour k = 0 et k = n − 1. donnant une assez bonne approximation d’une fonction continue quelconque. Alors |j |≤n−1 aj eijθ . b] y est uniform´ ement continue. on a Jn 2kn 1 −1 (mod n). tandis que Jn ± π n = 2 . e n−2 on consid` ere le polynˆ ome trigonom´ etrique Jn ≥ 0 de degr´ Jn (θ) = cn 1≤k≤n−2 1 − cos θ − 2k + 1 n π 1 o` u cn > 0 est fix´ ee telle que Jn π ot n = 2 . n 0≤k≤n−1 Jn θ − k 0≤k≤n−1 2π n 1 − cos θ − k 2π n = 1 − cos π . Nous avons besoin du lemme suivant. et la somme 1 − e−ij 2π/n vaut n si j = 0. Observons de plus que cos θ − cos k 2π n 2 = Re (eiθ − eik 2π/n ) ≤ eiθ − eik 2π/n 2 2 2 = ei 2π n θ−k 2π/n −1 = 2 1 − cos θ − k . y ] u tel que |x − z | ≤ t1 et |z − y | ≤ t2 . Il existe alors z ∈ [x. on en d´ eduit que 2π Jn θ − k = 1. (iii) Soient x. pour tout k ∈ Z. De plus. d´ efinition de Jn (θ) montre que Jn θ − k 2n π =1 auquel cas Jn θ − k 2n 2 . (i) est ´ evident. j ∈ Z. (iv) se d´ eduit imm´ ediatement de (iii) et (v) s’obtient en appliquant (iv) a ` n = E (λ) + 1. y ∈ [a. L’in´ egalit´ e (iii) s’en d´ eduit en prenant le sup sur x. (ii) r´ esulte du fait que toute fonction continue sur [a. Nous allons maintenant introduire les polynˆ omes dits de Jackson. Lemme – Soit P (θ) = degr´ e au plus n − 1. En effet 0≤k≤n−1 eij (θ−k2π/n) = eijθ 1 − e−ijn2π/n = 0 si j ≡ 0 (mod n). d’apr` es le lemme. n en effet. .II – Approximation polynomiale des fonctions num´ eriques 43 D´ emonstration. y . d’o` |f (x) − f (y )| ≤ |f (x) − f (z )| + |f (z ) − f (y )| ≤ ωf (t1 ) + ωf (t2 ). un polynˆ ome trigonom´ etrique de 2π n (∀θ ∈ R) 0≤k≤n−1 P θ−k = na0 . b] quelconques tels que |x − y | ≤ t1 + t2 . Comme Jn (θ) et Jn (θ)(1 − cos θ) sont des polynˆ omes trigonom´ etriques de degr´ e n − 2 et n − 1 respectivement. Pour tout entier n ≥ 2. En changeant k en n − 1 − k on voit aussitˆ +1 π = 0 si k ≡ 0 ou que Jn (−θ) = Jn (θ).

k (cos θ). bk = Jn θ − k cos θ − cos k 2π .k (x).k : on peut exprimer explicitement le polynˆ ome pn−2 ` pn−2 (x) = 0≤k≤n−1 f cos k 2π jn. Pour des raisons similaires. b]). il existe un polynˆ e ≤ n − 2 tel que jn. eaire des fonctions paires 1. . . 1]) une fonction continue quelconque. . n ∀x ∈ [−1. les polynˆ omes d’approximation de Jackson v´ erifient f − pn ≤ 3 ωf b−a . Cela ´ etant. on voit que ϕn (−θ) = ϕn (θ). n 2π n cos θ − cos k 2π θ−k n 2π n 1/2 1/2 2π n Jn 2π θ−k n 2π n 2π cos θ − cos k n 1/2 2 1/2 ≤ ≤ 2 Jn · Jn θ − k π n 1 − cos θ − k = 2 sin π π ≤ . On lui associe le polynˆ ome trigonom´ etrique de degr´ e ≤n−2 ϕn (θ) = 0≤k≤n−1 f cos k 2π 2π Jn θ − k .44 Analyse num´ erique et ´ equations diff´ erentielles En appliquant l’in´ egalit´ e de Cauchy-Schwarz | quantit´ es ak = Jn θ − k on en d´ eduit Jn θ − k 0≤k≤n−1 ak b k | ≤ ( 2π n 1/2 1/2 a2 ( k) 1/2 b2 aux k) 2π n 1/2 . 1].k (x) de degr´ 1 2 Jn θ + k 2π 2π + Jn θ − k n n = jn. cos θ. par cons´ equent ϕn (θ) est combinaison lin´ cos (n − 2)θ. on voit qu’il existe un polynˆ ome tel que ϕn (θ) = pn−2 (cos θ). nous avons le : Th´ eor` eme de Jackson – Pour tout f ∈ C([a. n n En changeant k en n − k pour 1 ≤ k ≤ n − 1. 2n n ≤ 2 1 − cos (∗) Soit maintenant f ∈ C([−1. n+2 .. En observant que pn−2 (cos θ) = 1 2 ϕn (θ ) + ϕn (−θ ) et en substituant x = cos θ . Ce polynˆ ome sera appel´ e polynˆ ome d’approximation de Jackson de degr´ e n − 2 de f . a partir des jn. Comme celles-ci sont pr´ ecis´ ement donn´ ees par les polynˆ omes de ome pn−2 de degr´ e ≤ n−2 Tchebychev tk (cos θ).

II – Approximation polynomiale des fonctions num´ eriques 45 D´ emonstration. θ∈[0. n f (cos θ) − f cos k par cons´ equent l’in´ egalit´ e (∗) donne  |f (cos θ) − ϕn (θ)| ≤  0≤k≤n−1  Jn 2π θ−k n 2π n cos θ − cos k 1+ 2 n  ωf 2 n ≤ 1+ On obtient donc finalement 2 n π · ωf . Comme le polynˆ ome de meilleure approximation qn satisfait par eduit que (qn ) converge uniform´ ement vers d´ efinition f − qn ≤ f − pn . 2 n n Il r´ esulte du th´ eor` eme de Jackson que (pn ) converge uniform´ ement vers f quand n tend vers +∞. b] quelconque se ram` ene facilement au cas o` u [a. L’espace P des polynˆ omes est dense dans .π ] = 1 permet d’´ ecrire f (cos θ)Jn θ − k 0≤k≤n−1 f (cos θ) = 2π . Le cas d’un intervalle [a. 2 n n f − pn−2 ≤ 1 + 2 2 π ωf ≤ 3 ωf . b] = [−1. on en d´ f quand n tend vers +∞. 1]. 1]) et on cherche ` a majorer f − pn−2 La propri´ et´ e Jn θ − k 2π n [−1.1] = sup |f (cos θ) − ϕn (θ)|. b]) pour la norme uniforme. On suppose donc f ∈ C([−1. La propri´ et´ e (v) du module de continuit´ e avec t = λ= n 2 et cos θ − cos π k 2n implique 2π k ≤ ωf (λt) ≤ 1+ 2π n cos θ − cos k 2 n ωf 2 . Ceci ´ equivaut a ` l’´ enonc´ e suivant : Th´ eor` eme de Weierstrass – C([a.5. en utilisant le mˆ eme changement de variable qu’au § 1. n d’o` u f (cos θ) − ϕn (θ) = 0≤k≤n−1 f (cos θ) − f cos k 2π n Jn θ − k 2π n 2 n par d´ efinition de ϕn .

l’erreur sur pn sera donc Ln (g ). b] des points 2 a ` 2 distincts.b] Le nombre Λn est appel´ e constante de Lebesgue associ´ ee ` a x0 . on va donc calculer pn = Ln (f ) = Ln (f )+ Ln (g ) = pn + Ln (g ). on a Ln (g ) = rn ≤ Λn g . .1 : si Ln (g ) = rn . o` u g est un terme d’erreur. R´ n ξ ∈ [a. Intuitivement. Au lieu de calculer pn = Ln (f ). Dans la pratique. . . D’un point de vue num´ erique. Th´ eor` eme et d´ efinition – La norme de l’op´ erateur d’interpolation Ln est Λn = sup |li (x)| . la constante Λn peut s’interpr´ eter comme le facteur d’amplification de l’erreur dans le proc´ ed´ e d’interpolation de Lagrange. Si g est l’erreur commise sur f . telle que g = 1 et g (xi ) = ±1 = signe (li (ξ )). D´ emonstration. Rappelons la formule d’interpolation (*) d´ emontr´ ee au § 1. xn . il va ˆ etre tr` es important de pouvoir estimer Ln (g ) en fonction de g . i=0 x∈[a. xn ∈ [a. . On a donc |rn (x)| ≤ n |li (x)| i=0 g . . b]) affine par morceaux. la continuit´ e des li entraˆ ıne qu’il existe un point |||Ln ||| ≤ Λn . x1 . la fonction f ` a interpoler n’est pas connue exactement : on ne dispose que d’une valeur approch´ ee f = f + g . . alors n rn (x) = i=0 g (xi )li (x). On peut trouver une fonction g ∈ C([a.46 Analyse num´ erique et ´ equations diff´ erentielles º ËØ Ð Ø ÒÙÑ Ö ÕÙ Ä Ö Ò º½º ÓÒ×Ø ÒØ Ä × Ù Ù ÔÖÓ ××Ó ³ ÒØ ÖÔÓÐ Ø ÓÒ ÙÜ ÔÓ ÒØ× ³ ÒØ ÖÔÓÐ Ø ÓÒ Soient x0 . x1 . . Alors n Ln (g )(ξ ) = i=0 |li (ξ )| = Λn . . b] tel que Λn = i=0 |li (ξ )|. On consid` ere l’op´ erateur d’interpolation de Lagrange Ln : C([a. donc eciproquement. On va voir que Λn est . b]) −→ Pn f −→ pn . D’apr` es ce qui pr´ ec` ede. de sorte que Ln (g ) ≥ Λn et |||Ln ||| ≥ Λn .

. Th. on voit que l’interpolation de Lagrange en des points ´ equidistants n’est pas une m´ ethode num´ erique tr` es stable : les erreurs en´ eral nettement sont fortement amplifi´ ees lorsque n est grand. grˆ ace a l’in´ ` egalit´ e suivante : Th´ eor` eme – Pour tout f ∈ C([a. le th´ . c’est-` h dire pour x = a + 2 . Pn ). Soit qn le polynˆ de sorte que f − qn = d(f. Puisque qn ∈ Pn . Pour s = 1 a2 . b]). donc f − Ln (f ) = f − qn − Ln (f − qn ) f − Ln (f ) ≤ f − qn + Ln (f − qn ) ≤ f − qn + Λn f − qn = (1 + Λn )d(f. . On peut d´ emontrer a ` partir de l` a que Λn ∼ 2n+1 . . de Jackson). º¾º × ÓÙ Ð × ÔÓ ÒØ× xi ×ÓÒØ ÕÙ ×Ø ÒØ× b− a n . Comme Λn tend en g´ eor` eme plus vite vers +∞ que d(f. ome de meilleure approximation uniforme de f . n − 1 2 i!(n − i)! 1 n! 1 1 · 2 .. Pn ).II – Approximation polynomiale des fonctions num´ eriques 47 ´ egalement li´ ee au probl` eme de la convergence des polynˆ omes d’interpolation. h = li (x) j =i On a alors (x − xj ) = (xi − xj ) j =i s−j i−j = (−1)n−i s(s − 1) . 4n2 Comme Λn tend vers +∞ assez rapidement. en ln (n) Nous nous contenterons de d´ emontrer une minoration de Λn . il vient 1 2 |li (x)| = ≥ On en d´ eduit · 1 2 · 3 2 . o` u s ∈ [0. (i − 1) . 4 i!(n − i)! 4n i!(n − i)! n Λn ≥ i=0 |li (x)| ≥ 1 4n2 n i Cn = i=0 1 n 2 . . . (s − i) . (n − 1) · ≥ 2 . .. D´ emonstration. . on a Ln (qn ) = qn . on a f − Ln (f ) ≤ (1 + Λn )d(f. n]. . 0 ≤ i ≤ n et x = a + sh. . Posons xi = a + ih. Pn ). i − 1 2 . Pn ) ne tend vers 0 (cf. (s − n) . i!(n − i)! o` u s − i d´ esigne un facteur omis..

Posons x = cos θ. 2 2 . En d´ º¿º × × ÔÓ ÒØ× ³ ÒØ ÖÔÓÐ Ø ÓÒ Ì Ý Ú Il est facile de voir que la constante Λn reste inchang´ ee si l’on effectue un changement affine de coordonn´ ees x → αx + β . k + 1]. il vient (−1)i . La relation tn+1 (cos θ) = cos (n + 1)θ entraˆ ıne par d´ erivation sin θ tn+1 (cos θ) = (n + 1) sin (n + 1)θ. 1]) est donn´ e par Pn (x) = i=0 f (xi )li (x) avec li (x) = tn+1 (x) πn+1 (x) = . 2n + 2 0 ≤ i ≤ n. −i)! .5. Nous nous contenterons de v´ erifier que Λn ≤ C ln (n). o` u C est une constante positive. On se placera donc pour simplifier sur l’intervalle es le § 1. (n + 1)| cos θ − cos θi | tn+1 (xi ) = (n + 1) Minorons la quantit´ e cos θ − cos θi = −2 sin θ + θi θ − θi sin . (x − xi )πn+1 (xi ) (x − xi )tn+1 (xi ) Estimation de la constante de Lebesgue – On peut montrer que Λn ∼ 2 ln (n) π quand n → +∞.48 Analyse num´ erique et ´ equations diff´ erentielles ci-dessus donne ´ egalement une indication de la raison pour laquelle le ph´ enom` ene de Runge se produit. et laisserons au lecteur l’initiative de raffiner la m´ ethode pour obtenir le r´ esultat plus pr´ ecis ci-dessus. 1]. Exercice – |li (x)| ≤ (n−k)!(k+1)! i!(n−i)! Si x = a + sh avec s ∈ [k. (n + 1)(cos θ − cos θi ) | sin θi cos (n + 1) θ| |li (cos θ)| = . montrer que n! ≤ i!(n eduire que Λn ≤ 2n . le polynˆ ome [−1. Dans ce cas. i Comme sin (n + 1) θi = sin (2i + 1) π 2 = (−1) . 0 ≤ k < n. xi = cos θi o` u θi = 2i + 1 π. comme πn+1 (x) = 2−n tn+1 (x) d’apr` d’interpolation d’une fonction f ∈ C([−1. sin θi (−1)i sin θi cos (n + 1)θ li (cos θ) = .

2 π 2 ≥ π 2. π ] et soit θj le point le plus proche de θ. |j − i| − 1 d’o` u Λn ≤ 2 1 + 1 2 + . 2 2 sin θ + θi ≥ min 2 θi 2 θi θi + π . or donc θi 2 π t θ − θi π π ∈ − . alors on a |θ − θj | ≤ h .. . donc |li (cos θ)| ≤ π . Si on note h = n+1 = θi+1 − θi .i+1. ∈ θi θi +π 2. ∀θ ∈ [0. . π ] \ {θi }.. 2 avec sin θi 2 ≤ π 2 θi +π 2 donc sin θi θi . π 2 on a sin t ≥ 2 π π/2 t. e si θ = θi . 2 |θ − θi | ≥ |θj − θi | − |θ − θj | ≥ (|j − i| − 1)h. | cos (n + 1)θ| ≤ (n + 1)|θ − θi |. 2 2 2 Par ailleurs θ+θi 2 sin et 2 |θ − θi | θ − θi ≥ . cos . on obtient (∗) |li (cos θ)| ≤ π | cos (n + 1)θ| .i−1 1 + 3π. + 1 n + 3π ≤ C ln (n). sin 2 2 = min Comme sin θi = 2 sin cos ≤ 2 min sin θi θi 2 . (n + 1)|θ − θi | D’apr` es le th´ eor` eme des accroissements finis cos (n + 1)θ = cos (n + 1)θ − cos (n + 1)θi = (n + 1)(θ − θi )(− sin ξ ). L’in´ egalit´ e (∗) donne n |li (cos θ)| ≤ i=0 π (n + 1)h j =i.II – Approximation polynomiale des fonctions num´ eriques 49 y y= 1 y = sin t 2 π t 0 Pour t ∈ 0. cos 2 . et ceci est encore vrai par continuit´ π Fixons θ ∈ [0.

Ces r´ esultats montrent que l’interpolation aux points de Tchebychev est consid´ erablement plus fiable que l’interpolation en des points ´ equidistants. π D’apr` es le th´ eor` eme du § 4. b].50 Analyse num´ erique et ´ equations diff´ erentielles Exercice – Montrer inversement que n |li (1)| = i=0 1 n+1 n cotan i=0 2 θi ≥ 2 π π/2 θ0 /2 cotan t dt ≥ 2 ln (n). c’est-` a-dire qu’il existe une constante K ≥ 0 telle que ∀x. ln (n) . omes d’interpolation de Tchebychev converge uniAlors la suite Ln (f ) des polynˆ form´ ement vers f sur [a. Le sch´ ema ci-dessous compare ` a titre d’exemple les polynˆ omes d’interpolation de degr´ e 6 as√ soci´ es ` a la fonction fx (x) = 1/(x2 + α2 ) pour α = 8 (voir aussi le §2. y ∈ [a. Sous ces hypoth` eses on a en effet ωf (t) ≤ Kt. donc f − Ln (f ) ≤ KC (b − a) ce qui tend vers 0 quand n tend vers +∞.3).1 et le th´ eor` eme de Jackson. b] on ait |f (x) − f (y )| ≤ K (x − y ). n+2 Corollaire – On suppose que f est lipschitzienne. on obtient pour tout f ∈ C([a. Pn ) ≤ C ln (n) · ωf b−a . n+2 y Points d’interpolation : ´ equidistants de Tchebychev fα 1/α2 −1 pn (n = 6) 0 1 x . b]) : f − Ln (f ) ≤ (1 + Λn )d(f.

On peut donc chercher pn sous la forme n−1 pn (x) = xn − j =0 λj. b[. pk − λk. E contient l’espace vectoriel des fonctions polynˆ omes. b[ un intervalle ouvert born´ e ou non dans R. Sous ces hypoth` eses. lisation de Schmidt. puisque p0 doit ˆ Supposons p0 .n pj . g = a f (x)g (x)w(x)dx. On a p0 (x) = 1. c’est le cas w(x)dx converge. . pk 2 2. Les es polynˆ omes orthogonaux pour le poids w. L’espace E est muni d’un produit scalaire naturel b f. On construit pn par r´ ecurrence ` a l’aide du proc´ ed´ e d’orthogonaetre unitaire. pk − j =0 λj. pk . +∞[ continue. . b[ → ]0. b[ est born´ e et si a consid` ere l’espace vectoriel E des fonctions continues sur ]a. pk 2 2 . g ) = f − g 2 la distance associ´ ee. . . . deg(pn ) = n. On se donne un poids sur ]a. pk = 0 = xn . ces polynˆ omes forment une base de Pn−1 . pk = 0 pour k = 0. = xn .II – Approximation polynomiale des fonctions num´ eriques 51 º ÈÓÐÝÒÓÑ × ÓÖØ Ó ÓÒ ÙÜ Soit ]a. On suppose en outre b que pour tout entier n ∈ N l’int´ egrale b a |x|n w(x)dx est convergente . p1 . . polynˆ omes pn sont appel´ D´ emonstration. Comme deg pi = i. c’est-` a-dire une fonction w : ]a. . n − 1 donne n−1 pn . Th´ eor` eme 1 – Il existe une suite de polynˆ omes unitaires (pn )n∈N . b[ telles que b f 2 = a |f (x)|2 w(x)dx < +∞. La condition pn . Grˆ ace aux hypoth` eses faites ci-dessus. On notera d2 (f.n = xn . a ` savoir λk. 1. cette norme est appel´ ee norme 2 est la norme associ´ L2 ou norme moyenne quadratique. orthogonaux 2 ` a 2 pour le produit scalaire de E . pn−1 d´ ej` a construits. et ee ` a ce produit scalaire .n pk On a donc un et un seul choix possible.n pj (x). Cette suite est unique. on par exemple si ]a. .

1[. w(x) = e w(x) = w(x) = 1. b[ = ] − ∞. o` u xpn−1 . 2 D´ emonstration. Le polynˆ ome xpn−1 est unitaire de degr´ e n. xpn−2 . q ∈ Pn−2 . +∞[. donc pn−1 . on a b xpn−1 . b[ = ] − 1. 1 p est une base orthonorm´ e e de l’espace P des La suite normalis´ ee pn = pn n 2 polynˆ omes. xpn−2 = pn−1 ce qui donne αn−2 = µn et xpn−1 = pn + λn pn−1 + µn pn−2 . xpk = a x pn−1 (x)pk (x)w(x) dx. Th´ eor` eme 2 – Les polynˆ omes pn v´ erifient la relation de r´ ecurrence pn (x) = (x − λn )pn−1 (x) − µn pn−2 (x). pn−1 2 2 µn = pn−1 pn−2 n≥2 2 2 2. Si k ≤ n − 3. pn = polynˆ pn = polynˆ omes de Tchebychev. +∞[. pn−1 . b[ = ]0. donc on peut ´ ecrire n−1 xpn−1 = pn + k=0 2 2. 2 2 + pn−1 . pn = polynˆ omes de Hermite . q = pn−1 2 2. αk pk . √ 1 . • ]a. • ]a. w(x) = e−x . Mentionnons entre autres les cas suivants : • ]a. pk = pn−1 . • ]a. 1−x2 . xpk = 0. pn−2 2 2 Or xpn−2 = pn−1 + q . Par d´ efinition du produit scalaire. avec λn = xpn−1 . −x2 pn = polynˆ omes de Laguerre . pn−1 = λn . Il y a donc au plus deux coefficients non nuls : αn−1 = xpn−1 . b[ = ] − 1. pk = αk pk 0 ≤ k ≤ n − 1. . 1[.52 Analyse num´ erique et ´ equations diff´ erentielles Remarque – La suite pn ainsi construite n’est pas orthonorm´ ee en g´ en´ eral. Exemples – Certains cas particuliers ont donn´ e lieu ` a des ´ etudes plus pouss´ ees. donc pn−1 . pn−1 2 2 αn−2 = pn−1 . omes de Legendre . xpk ∈ Pn−2 .

. . mk leurs multiplicit´ Posons εi = 0 si mi est pair. Th´ eor` eme 3 – Pour tout poids w sur ]a. Alors il existe une unique polynˆ ome rn ∈ Pn tel e polynˆ ome de meilleure approximation que f − rn 2 = d2 (f. et m1 . . on a n´ ecessairement deg q = n. n=k=0 Comme tn a pour coefficient directeur 2n−1 si n ≥ 1. et k q (x) = (x − xi )εi . xk les z´ es respectives. Par cons´ b pn . . . Le changement de variable x = cos θ. on en d´ eduit p0 (x) = t0 (x) = 1 pn (x) = 21−n tn (x) si n ≥ 1. θ ∈ [0. donc Le polynˆ ome pn q admet dans ]a. = mk = 1. . b[ \ {x1 . b[. b[ les z´ equent pn q est de signe constant dans ]a. On sait que tn a n z´ eros distincts dans ] − 1. Pn ) . b[ D´ emonstration.II – Approximation polynomiale des fonctions num´ eriques 53 ` 2 orthogonaux V´ erifions en effet que les polynˆ o√ mes de Tchebychev tn sont 2 a relativement au poids w(x) = 1/ 1 − x2 . xk }. . rn est appel´ quadratique de f a ` l’ordre n. 1[. . . le polynˆ ome pn poss` ede n z´ eros distincts dans l’intervalle ]a. donc k = n et m1 = . On a m1 + . On va voir que c’est une propri´ et´ e g´ en´ erale des polynˆ omes orthogonaux. . En voici encore une autre. Comme pn est orthogonal a ` Pn−1 . Plusieurs m´ ethodes d’approximation de fonctions continues par des polynˆ omes ont d´ ej` a´ et´ e vues. b[. q = a pn (x)q (x)w(x)dx = 0. eros xi avec multiplicit´ e paire mi + εi . i=1 deg q ≤ k ≤ n. . εi = 1 si mi est impair. Th´ eor` eme 4 – Soit f ∈ E . . . Soient x1 . . . . eros distincts de pn contenus dans ]a. π ] donne : π 1 dx = tn (cos 1 − x2 −1 0  si 0 π cos nθ · cos kθ dθ = π = si 2 0 π si 1 tn (x)tk (x) √ θ)tk (cos θ) dθ n=k n = k = 0. + mk ≤ deg pn = n. .

b[ est non born´ e. efinie par • Supposons maintenant f ∈ E quelconque. Ceci permet de contrˆ oler a l’aide de la norme uniforme. b]). il vient autre que la projection orthogonale de f sur Pn . pk = αk pk 2 2 n rn (x) = k=0 f. Dans ce cas. le point de Pn le plus proche de f n’est ecrit rn = αk pk . f − qn = 0.54 Analyse num´ erique et ´ equations diff´ erentielles f E 0 Pn rn Puisqu’on travaille dans un espace euclidien. Si on ´ . b[ est born´ e. D´ emonstration • Supposons d’abord que f ∈ C([a. On a f − rn et on sait que lim n→+∞ 2 ≤ f − qn 2 ≤ Cw f − qn . pk 2 2 On va maintenant ´ etudier la convergence de rn quand n tend vers +∞. 2 o` u Cw = a w(x)dx 1/2 . Soit χα la fonction plateau d´ le sch´ ema ci-dessous : . soit qn le polynˆ ome de meilleure approximation uniforme de f . Remarque – Le th´ eor` eme 5 peut ˆ etre faux si ]a. pk = rn . pk pk (x). alors lim f − rn 2 = 0 pour tout f ∈ E . ` n→+∞ Th´ eor` eme 5 – Si ]a. L’in´ egalit´ e ´ evidente b a |f (x)|2 w(x)dx ≤ (sup |f (x)|)2 a b b w(x)dx entraˆ ıne f 2 ≤ Cw f . d’o` u la formule f.

. . Le coˆ ut global de ces calculs est en g´ en´ eral beaucoup plus ´ elev´ e que celui des m´ ethodes d’interpolation. on peut les calculer num´ de r´ ecurrence du th´ eor` eme 2. On peut d’abord choisir α > 0 tel que f − f χα 2 < 2 ε ıne f χα − rα.n 2 ≤ f − f χα 2 + f χα − rα. b]. < xn < xn sont des points fix´ es de [a.α´ etant Soit ε > 0 fix´ e.n le polynˆ ome de meilleure approximation quadratique de f χα . ε .n 2 < 2 et donc ainsi fix´ e. b]) si l’on convient que f χα (a) = f χα (b) = 0. . .n 2 . muni de la norme ∞ de la convergence uniforme. b[). On note C([a. Mise en œuvre num´ erique – Si les polynˆ omes pn sont connus. De plus f − f χα de sorte que lim α→0+ 2 2 ≤ a 2 a+α |f (x)|2 w(x)dx + b b− α |f (x)|2 w(x)dx. R) −→ Rn+1 f −→ (m0 (f ). Soit rα. b]. m1 (f ).1. Si les eriquement par la formule polynˆ omes pn ne sont pas connus. º ÈÖÓ Ð Ñ × 6. R) l’espace des fonctions continues sur l’intervalle [a. . on peut choisir n0 tel que n > n0 entraˆ f − r n 2 < ε. pk : les m´ ethodes des rn est possible d` d’int´ egration num´ erique feront pr´ ecis´ ement l’objet du prochain chapitre. . le calcul es lors qu’on sait ´ evaluer les int´ egrales f. f −f χα = 0. b] a ` ere valeurs dans R. On a f − rn 2 ≤ f − rα. b]. mn (f )) telle que mi (f ) = 1 2 (f (xi ) + f (xi )). . On consid` l’application φ : C([a. o` u x0 < x0 < x1 < x1 < .II – Approximation polynomiale des fonctions num´ eriques 55 y χα 1 0 a a+α/2 a+α b−α b−α/2 b x Comme f ∈ C(]a. on a f χα ∈ C([a.

On note tn le polynˆ ome de Tchebychev de degr´ e n et c un r´ eel tel que |c| < 1. ∞ (d) Calculer explicitement p2 en fonction de m0 (f ). xi ] tel que f (ξi ) = 0. lim nk αn = 0.2. b]. majorer pn − f en fonction de f (n+1) et b − a. 1] on ait λ fc (2x − 1) = 1+ x. x ∈ [−1. π ] telle que g (θk ) = (n − k + 2)π pour k = 1. 1 − c2 Montrer que pn est le polynˆ ome de meilleure approximation uniforme de degr´ e n de fc . R) telle que φ(f ) = 0. Montrer que ϕn ´ equioscille sur n + 2 points de [−1. (α) Soit θ1 = π .56 Analyse num´ erique et ´ equations diff´ erentielles (a) Soit f ∈ C([a. . 1 − ceiθ (b) Pour n ∈ N on note g (θ) = (n + 1)θ + ψ (θ). a l’espace Pn des polynˆ omes de (b) Montrer que la restriction φ : Pn → Rn+1 de φ ` degr´ e ≤ n est injective. n + 2. 1]. +∞ 1 (β ) On note pn (x) = − + 2 n−1 ck tk (x) + k=0 cn tn (x). En d´ eduire que pour tout f ∈ C([a. 1] (c) (α) Montrer que la s´ erie − 1 k=0 c tk (x) converge uniform´ 2 + vers une fonction fc (x) que l’on explicitera. π ] avec ψ (0) = ψ (π ) = 0 et v´ erifiant eiψ(θ) = 1 − ce−iθ . R) il existe un unique polynˆ ome Pn ∈ P tel que φ(pn ) = φ(f ). (d) (α) Montrer que l’on peut choisir c et λ tels que pour tout x ∈ [0. . En utilisant (a). (β ) Montrer qu’il existe une suite strictement d´ ecroissante θk de [0. b]). . m2 (f ) pour la subdivision x0 < x0 < x1 < x1 < x2 < x2 de [a. . k ement sur [−1.1] n→+∞ 1 − qn (x) 1+x v´ erifie pour tout k ∈ N. b] = [−1. Calculer g (θ1 ) − nπ et g (0) − nπ . 6. Calculer ϕn . 1]. (β ) Montrer qu’il existe une suite de polynˆ omes qn de Pn tels que la suite αn = Supx∈[0. 1] de pas constant 2 5. (a) Montrer qu’il existe une fonction continue ψ ` a valeurs r´ eelles. d´ efinie sur [0. (γ ) On note ϕn (x) = Re ei(n+1)θ 1−ce−iθ 1−ceiθ avec θ = Arc cos x. (c) On suppose ici que f est de classe C n+1 . Montrer que pour tout i il existe ξi ∈ [xi . En d´ eduire qu’il existe θ2 v´ erifiant 0 < θ2 < θ1 et g (θ2 ) = nπ . Calculer fc − pn . m1 (f ).

f (β ) (t) β! . . . . . deg pi ≤ αi . x1 . . αi . . . 1. g (αn ) (x). j = 0.3. . Rn+1 (x) = 0. Montrer qu’il existe t ∈ [a.. . . . . . (x − xn )αn +1 K. g (α0 ) (x). . xn ∈ [a. . puis Rj (x) et ajk en fonction de f et de ses d´ Montrer que l’on peut ainsi calculer P (x) en fonction des donn´ ees du probl` eme. (ε) Que se passe-t-il dans le cas particulier o` un=0? (c) On suppose que les αi sont rang´ es par ordre croissant. a1k . ind´ efiniment d´ erivable sur ]a. . (α) Montrer que pi (xi ) = Ri (xi ) pour (j ) (j ) i = 0. . (a) D´ emontrer l’unicit´ e de P .. On cherche un polynˆ ome P (x) de degr´ e < β = (αi + 1) tel que : P (j ) (xi ) = f (j ) (xi ) pour o` u (j ) d´ esigne l’ordre de d´ erivation. αi . n}. Soient x0 . 1. (β ) Montrer que l’on peut ´ ecrire pi (x) sous la forme : αi pi (x) = k=0 aik (x − xi )k . R0 (x) = P (x). Pour chaque i ∈ {0. n et j = 0. . . b] tel que : f (x) = P (x) + (x − x0 )α0 +1 (x − x1 )α1 +1 . 1. Soient Ri (x) et pi (x) des polynˆ omes v´ erifiant les relations Ri (x) = pi (x) + (x − xi )αi +1 Ri+1 (x). Soit f : [a. . . . 1. b[. . puis son existence grˆ ace ` a un raisonnement d’alg` ebre lin´ eaire. g (x) . . . . . . et examiner combien de fois s’annulent g (x). soit αi un entier positif.II – Approximation polynomiale des fonctions num´ eriques 57 6.. b]. g (β ) (x). b] → R une fonction continue. puis R1 (x) et eriv´ ees f (j ) (xi ). (γ ) Montrer que P (x) peut s’´ ecrire : n i− 1 P (x) = p0 (x) + i=1 pi (x) r=0 (x − xr )αr +1 . (δ ) Indiquer une m´ ethode de r´ ecurrence pour calculer p0 (x). . . (b) On suppose P solution du probl` eme. . . . (x − xn )αn +1 Indication : on pourra consid´ erer la fonction g (x) = f (x) − P (x) − (x − x0 )α0 +1 . . . (k ) Calculer les coefficients aik en fonction de Ri (xi ). .

.

j ∈ [αi .j = 1. 0 ≤ j ≤ li et ωi.j ). On s’attachera a ` expliciter le plus compl` etement possible les formules d’erreurs dans chacun des cas. Pour cela. o` u ξi. β ] → R une fonction continue. du type suivant : M´ ethodes de quadrature ´ el´ ementaires αi+1 li f (x)dx αi (αi+1 − αi ) j =0 li j =0 ωi. Gauss. On est donc ramen´ e au probl` eme d’´ evaluer l’int´ egrale de f sur un petit intervalle [αi . αi+1 ]. . On se propose de chercher des formules β approch´ ees pour l’int´ egrale α f (x)dx. La formule de Chasles donne β k −1 αi+1 f (x)dx = α i=0 αi f (x)dx. αi+1 ]. . . αi+1 ]). ½º Å Ø Ó ½º½º ÈÖ Ò Ô × ÕÙ ×Ñ Ø Ó Ö ØÙÖ Ð Ñ ÒØ Ö × Ø ÓÑÔÓ× × × ÒÙÑ Ö ÕÙ × Soit f : [α.j f (ξi. Romberg) permettant d’´ evaluer des int´ egrales de fonctions dont les valeurs sont connues en un nombre fini de points. β ]. on choisit d’abord une subdivision α = α0 < α1 < . appel´ quadrature ´ el´ ementaires. Ce calcul est effectu´ e au moyen de formules approch´ ees (qui peuvent ees m´ ethodes de ˆ etre a priori diff´ erentes sur chacun des intervalles [αi .Ô ØÖ ÁÁÁ ÁÒØ Ö Ø ÓÒ ÒÙÑ Ö ÕÙ L’objet de ce chapitre est de d´ ecrire quelques m´ ethodes num´ eriques classiques (Newton-Cotes. < αk = β de l’intervalle [α.

αi+1 ] par le polynˆ ome de degr´ e 0 : p0 (x) = f (ξi ). Le probl` eme est de choisir convenablement les points ξi. αi+1 ].j f (ξi.60 Analyse num´ erique et ´ equations diff´ erentielles La sommation peut ˆ etre interpr´ et´ ee comme une valeur moyenne de f sur [α. quel que soit i. αi+1 ] et on remplace f sur [αi . Voici les choix les plus courants : ethode des rectangles ` a gauche • ξi = αi : m´ β k −1 f (x)dx α i=0 (αi+1 − αi )f (αi ).j de fa¸ con ` a minimiser l’erreur.j et les coefficients ωi. i. Ceci se fera en g´ en´ eral en ´ evaluant l’int´ egrale αi+1 f ( x ) dx au moyen d’une interpolation de f aux points ξ . k −1 f (x)dx α i=0 (αi+1 − αi )f (ξi ). Par lin´ e arit´ e . c’est-` a-dire qu’on approxime l’int´ egrale par une somme de Riemann relative ` a la subdivision (αi ).j αi La m´ ethode de quadrature compos´ ee associ´ ee sera β k −1 li f (x)dx α i=0 (αi+1 − αi ) j =0 ωi. • ξi = αi+1 : m´ ethode des rectangles ` a droite β k −1 f (x)dx α i=0 (αi+1 − αi )f (αi+1 ).j f ∈ P0 . . On choisit alors un seul point ξi ∈ [αi . elles sont donc exactes au moins pour l’hypoth` ese j i.j ) D´ efinition – On dit qu’une m´ ethode de quadrature (´ el´ ementaire ou compos´ ee) est d’ordre N si la formule approch´ ee 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 ω = 1. ½º¾º Ü ÑÔÐ × (a) Cas le plus simple : li = 0. On a alors αi+1 f (x)dx αi β (αi+1 − αi )f (ξi ).

∀i. (b) Cas d’une interpolation lin´ eaire : on choisit li = 1. ξi. par suite la m´ ethode est d’ordre 1. αi+1 : (x − αi )f (αi+1 ) − (x − αi+1 )f (αi ) . La formule approch´ ee est donc exacte si f est une fonction affine.1 = αi+1 et on remplace f sur [αi . • ξi = αi +αi+1 2 : m´ ethode du point milieu y f (ξi ) 0 αi ξi αi+1 x L’aire du rectangle co¨ ıncide avec l’aire du trap` eze indiqu´ e en gris´ e. αi+1 ] par la fonction lin´ eaire p1 qui interpole f aux points αi . ξi.0 = αi . correspondant a ` la m´ ethode dite des trap` ezes : αi+1 αi+1 f (x)dx αi β αi k −1 p1 (x)dx = (αi+1 − αi ) 1 1 f (αi ) + f (αi+1 ) 2 2 f (x)dx α i=0 (αi+1 − αi ) 1 1 f (αi ) + f (αi+1 ) 2 2 .III – Int´ egration num´ erique 61 y y ξi = αi ξi = αi+1 0 α αi αi+1 β x 0 α αi αi+1 β x Ces m´ ethodes sont d’ordre 0. p1 (x) = αi+1 − αi On obtient les formules suivantes.

Apr` es (le lecteur le v´ erifiera a ` titre d’exercice). et les points ξi.j . 1]) est donn´ e par l pl (x) = j =0 f (τj )Lj (x) avec Lj (x) = k =j x − τk . on se ram` ene par changement de variable a ` l’intervalle e par les points τj = −1 + j 2 . on a τl−j = −τj .62 y Analyse num´ erique et ´ equations diff´ erentielles 0 α αi αi+1 β x L’ordre de cette m´ ethode est 1 comme dans le cas pr´ ec´ edent. ω1 = 1 2 1 −1 (1 − x2 )dx = 2 . τ1 = 0. subdivis´ l d’interpolation d’une fonction f ∈ C([−1. Pour l = 2 par exemple. 3 1 d’o` u ω0 = ω2 = 1 es changement de variable. sont les points ´ equidistants ξi. L1 (x) = 1 − x2 . αi+1 ] en l sous-intervalles ´ egaux. qu’on d´ esignera dans la suite par N Cl . Le polynˆ ome [αi . Ll−j (x) = Lj (−x). On a donc τj − τk 1 1 l f (x)dx −1 1 2 1 −1 −1 pl (x)dx = 2 j =0 ωj f (τj ) avec ωj = Lj (x)dx. on prend li = l pour tout i. donc on obtient les ωj restent inchang´ .j = αi + j αi+1 − αi l divisant [αi . 0 ≤ j ≤ l. 1]. il vient τ0 = −1. τ2 = 1. les coefficients 2 (1 − ω1 ) = 6 . Pour d´ eterminer la formule de quadrature ´ el´ ementaire. (c) M´ ethodes de Newton-Cotes Dans la m´ ethode de Newton-Cotes de rang l. Par suite de la sym´ etrie des points τj autour de 0. αi+1 ] = [−1. ωl − j = ω j .

III – Int´ egration num´ erique 63 formules αi+1 l f (x)dx αi β (αi+1 − αi ) j =0 k −1 ωj f (ξi. alors pl = f . l f (x)dx α i=0 (αi+1 − αi ) j =0 ωj f (ξi. hormis le cas l = 1. 280 ω3 = 34 .3). donc la m´ ethode de Newton-Cotes de rang l est d’ordre ≥ l. Les m´ ethodes ees en pratique que dans les 4 cas ci-dessus. 90 ω1 = ω 3 = 16 . l’ordre de N Cl est l + 1. lorsque f ∈ C[−1. Si l est pair. on a 1 l f (x)dx = 0 = 2 −1 j =0 ωj f (τj ).j ). et plus earit´ e. § 1. 3 1 2 • l = 4 : m´ ethode de Boole-Villarceau (ordre 5) ω0 = ω4 = 7 . Ceci fait que. De plus.j ). 6 ω1 = 2 . N Cl ne sont donc utilis´ . si l est impair. On d´ emontre en fait le r´ esultat suivant g´ en´ eralement pour f ∈ Pl+1 par lin´ que nous admettrons : Proposition – Si l est pair. 1]) est un polynˆ ome impair. 105 Pour l ≥ 8. les formules sont donc encore exactes pour f (x) = xl+1 . 45 ω2 = 2 15 • l = 6 : m´ ethode de Weddle-Hardy (ordre 7) ω0 = ω6 = 41 . les m´ ethodes de Newton-Cotes ne sont utilis´ ees que pour l pair : • l = 1 : m´ ethode des trap` ezes (ordre 1) ω0 = ω1 = • l = 2 : m´ ethode de Simpson (ordre 3) ω0 = ω2 = 1 . 35 ω2 = ω 4 = 9 . Si f ∈ Pl . l’ordre de N Cl est l. il apparaˆ ıt des coefficients ωj < 0. 840 ω1 = ω 5 = 9 . ce qui a pour effet de rendre les formules beaucoup plus sensibles aux erreurs d’arrondis (cf.

j ) est une somme de Riemann de f relative a ` la subdivision (αi ). ce r´ esultat est manifestement optimal β ` une erreur ε(β − α) si l’erreur puisque le calcul exact de α f (x)dx peut conduire a sur f est constante de valeur absolue ε.k (f ) = i=0 (αi+1 − αi )f (ξi. L’erreur qui va en r´ esulter par application d’une m´ ethode de quadrature compos´ ee sera major´ ee par k −1 li ε i=0 (αi+1 − αi ) j =0 |ωi. On peut ´ ecrire Tk (f ) = k −1 ωj Sj. Alors l’approximation donn´ ee par la m´ ethode compos´ ee.k (f ) converge vers α f (x)dx quand hmax tend vers 0. l j =0 D´ emonstration. ½º º ÓÒÚ Ö Ò ÕÙ Ò Ð ÒÓÑ Ö k ×Ù Ú × ÓÒ× Ø Ò Ú Ö× +∞ Le r´ esultat th´ eorique suivant de convergence justifie en partie l’int´ erˆ et des m´ ethodes compos´ ees.j = 1.j = ωj ne d´ ependent pas de i. Th´ eor` eme – On suppose que les m´ ethodes de quadrature ´ el´ ementaire font intervenir un nombre de points li = l fixe et que les coefficients ωi.j | = j =0 j =0 ωi. a ` savoir − αi ).j = 1.j |. soit k −1 l Tk (f ) = i=0 β (αi+1 − αi ) j =0 ωj f (ξi. alors j |ωi. k.j sont ≥ 0. . on a li li |ωi.k (f ) o` u Sj. . Par cons´ equent Tk (f ) converge aussi vers β α f (x)dx quand hmax tend vers 0.j | > epasser ε(β − α). . .j ne sont pas tous ≥ 0. L’erreur est donc major´ ee par ε(β − α). Si par contre les coefficients ωi.j ) peut d´ j ωi.64 Analyse num´ erique et ´ equations diff´ erentielles ½º¿º ÁÒ ÐÙ Ò × ÖÖ ÙÖ× ³ ÖÖÓÒ Supposons que les valeurs de f soient calcul´ ees avec des erreurs d’arrondi de valeur absolue ≤ ε. Si les coefficients ωi. l fix´ e. . 1. donc l’erreur due aux arrondis des f (ξi. Sj.j ) converge vers hmax = α max (αi+1 f (x)dx quand k → +∞ et quand le maximum du pas. Pour tout β j = 0. tend vers 0.

Ceci est possible ` a l’aide d’int´ egrations par parties successives. Formule de Taylor avec reste int´ egral – Soit f une fonction de classe C N +1 sur [α.j ) converge encore vers α f (x)dx quand hmax tend vers 0. f (x) = f (α) + α Pour N = 0.] Remarque – Dans le cas de la m´ ethode N Cl ´ el´ ementaire 1 l f (x)dx −1 2 j =0 ωj f (τj ) on peut donner des exemples montrant qu’il n’y a pas n´ ecessairement convergence quand l → +∞ (ceci est li´ e au ph´ enom` ene de Runge II 2. pourvu que ωi. l’erreur d’int´ egration num´ erique peut s’exprimer de mani` ere assez simple en fonction d’une certaine d´ eriv´ ee de f . ¾º Ú ÐÙ Ø ÓÒ Ð³ ÖÖ ÙÖ Nous allons montrer que lorsque la fonction f ` a int´ egrer est suffisamment r´ eguli` ere.III – Int´ egration num´ erique 65 Exercice – Montrer que dans le cas g´ en´ eral k −1 li (αi+1 − αi ) i=0 β j =0 ωi. la formule se r´ eduit x f (t)dt. nous aurons besoin de quelques rappels d’Analyse.j ≥ 0. [ Indication : revenir a ` la d´ efinition de l’int´ egrale en encadrant f par des fonctions en escalier. β ] N f (x) = k=0 1 (k ) f (α)(x − α)k + k! x α 1 (x − t)N f (N +1) (t)dt. Alors pour tout x ∈ [α. β ]. plutˆ ot que d’augmenter l’entier l.3).j f (ξi. ¾º½º Ê ÔÔ Ð× ÔÖ Ð Ñ Ò Ö × ³ Ò ÐÝ× ´ Enon¸ cons tout d’abord une version de la formule de Taylor fournissant une expression exacte du reste. permettant d’exprimer le reste comme une int´ egrale o` u figurent les d´ eriv´ ees de la fonction consid´ er´ ee. simplement ` a Par r´ ecurrence sur N . C’est une des principales raisons pour lesquelles on est amen´ e` a consid´ erer des m´ ethodes compos´ ees avec k assez grand. . N! D´ emonstration. Auparavant.

0) = x si x ≥ 0. = N! N ! α La formule est donc encore vraie a ` l’ordre N . le r´ esultat est vrai pour ξ quelconque. Il existe donc dans ce cas ξ ∈ ]α. β [ tel que q = f (ξ ). Alors pour toute f ∈ C([α. x+ = 0 si x ≤ 0. il vient β β β m α w(x)dx ≤ α f (x)w(x)dx ≤ M α w(x)dx Supposons donc Si β α w(x)dx = 0. M . Notons x+ = max (x. Le cas q = M est analogue. β [ telle que α w(x)dx converge. β [) est un intervalle ayant pour bornes m. il existe donc ξ ∈ ]α. ce qui est contradictoire. alors β (f (x) − m)w(x)dx > 0 α puisque α w(x)dx > 0. apr` es int´ egration par parties : x α 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 ! α α x 1 1 (x − α)N f (N ) (α) + (x − t)N f (N +1) (t)dt. w(x)dx > 0 et soit alors q le quotient β β β α q= α f (x)w(x)dx α w(x)dx ∈ [m. Avec la convention x0 + = 1 si x ≥ 0. Formule de la moyenne – Soit w ≥ 0 une fonction int´ egrable sur ]α. Restent les cas q = m et q = M . le reste int´ egral s’´ ecrit. Soient m. il existe un point ξ ∈ ]α. Le th´ eor` eme des valeurs interm´ ediaires montre que f (]α. β ]. Comme w ≥ 0. β . Si q ∈ ]m. Si q = m et si f (ξ ) > m pour tout ξ ∈ ]α. la formule se r´ e crit + β f (x) = pN (x) + α 1 (N +1) (x − t)N (t)dt +f N! o` u pN est le polynˆ ome de Taylor de f d’ordre N au point α. x0 = 0 si x < 0.66 Analyse num´ erique et ´ equations diff´ erentielles Si la formule est vraie a ` l’ordre N − 1. β [. β [ tel que β β β f (x)w(x)dx = f (ξ ) α α w(x)dx. M [. β ]). D´ emonstration. β [ tel que f (ξ ) = m. M respectivement le minimum et le maximum de f sur [α. M ].

xj ∈ [α. β ] × I . β [. t) est une fonction int´ egrable sur [α. β ]). +f α N! ∈ PN . On cherche ` a´ evaluer l’int´ egrale β f ( x ) w ( x ) dx par une formule approch´ e e α β l f (x)w(x)dx α j =0 λj f (xj ). t) dt. on se place ici dans une situation un peu plus g´ en´ erale. t) → g (x. o` u KN est une fonction sur [α. D´ emonstration. La formule de Taylor avec reste int´ egral donne 1 (N +1) (x − t)N (t)dt. β ]. Situation ´ etudi´ ee – On se donne un poids w sur ]α. en g´ en´ eral. ee noyau de Peano associ´ e ` a la m´ ethode. on a E (pN ) = 0 par hypoth` ese. β ].III – Int´ egration num´ erique 67 ¾º¾º ÆÓÝ Ù È ÒÓ En vue de l’´ etude des m´ ethodes de Gauss au § 3. t)dt = t∈I β t∈I E x → g (x. d’o` u f (x) = pN (x) + β Comme pN E (f ) = E x → α β 1 (N +1) (x − t)N (t)dt +f N! 1 (N +1) (x − t)N (t) dt +f N! = α β E x→ = α 1 (N +1) f (t) · E x → (x − t)N + dt N! β α 1 = N! KN (t)f (N +1) (t)dt. On observe d’abord que f → E (f ) est une forme lin´ eaire sur C([α. KN (t) = E x → (x − t)N + . appel´ d´ efinie par t ∈ [α. ` la m´ ethode est donn´ ee par : on a λj = 1. alors E (f ) = 1 N! β α KN (t)f (N +1) (t)dt. β ]. le th´ eor` eme de Fubini implique par ailleurs E x→ g (x. L’erreur due a β l E (f ) = α f (x)w(x)dx − j =0 λj f (xj ). Si g : (x. . Th´ eor` eme et d´ efinition – On suppose que la m´ ethode est d’ordre N ≥ 0. β ]. c’est-` a-dire une β fonction continue > 0 telle que α w(x)dx converge. On notera que les formules du § 1 rentrent dans ce cadre (avec w ≡ 1). Si f est de classe C N +1 sur [α.

α KN (t)dt = 1 N +1 E (x → xN +1 ). donc KN est continue sur [α. t) → (x − t)N + est continue sur [α. 2 . On se contentera donc ici de regarder le cas des m´ ethodes ´ el´ ementaires sur l’intervalle de r´ ef´ erence [−1. β ]. β ]) il existe ξ ∈ ]α. La premi` ere ´ egalit´ e r´ esulte du th´ eor` eme et de la formule de la moyenne appliqu´ ee ` a la fonction f (N +1) et au poids w = KN (ou w = −KN si eme ´ egalit´ e s’obtient en prenant KN ≤ 0). β ] × [α. La troisi` eme d´ ecoule des 2 premi` eres.68 Analyse num´ erique et ´ equations diff´ erentielles Notons que si N ≥ 1. en´ eral si N = 0. β [ tel que E (f ) = De plus β α 1 (N +1) f (ξ ) N! β KN (t)dt. ¾º¿º Ü ÑÔÐ × On verra au § 2. Ceci n’est pas vrai en g´ Corollaire 1 – On a la majoration E (f ) ≤ 1 f (N +1) N! β ∞ · α |KN (t)|dt.4 comment on peut d´ eduire le noyau de Peano d’une m´ ethode compos´ ee de celui de la m´ ethode ´ el´ ementaire utilis´ ee. • M´ ethode du point milieu 1 E (f ) = −1 f (x)dx − 2f (0). Alors pour toute f ∈ C N +1 ([α. 1]. Cette m´ ethode est d’ordre 1. la fonction (x. donc 1 f (N +1) (ξ ) E (x → xN +1 ). (N + 1)! E (f ) = D´ emonstration. le noyau de Peano est donn´ e par : K1 (t) = E x → (x − t)+ 1 = −1 1 (x − t)+ dx − 2(−t)+ = t (x − t)dx − 2t− 1 t = 1 (x − t)2 2 − 2t− = 1 (1 − t)2 − 2t− . β ]. Corollaire 2 – On suppose que KN est de signe constant. qui donne f (N +1) (x) = (N + 1)!. La deuxi` f (x) = xN +1 .

III – Int´ egration num´ erique 69 On a donc K1 (t) = 1 2 1 2 (1 − t)2 (1 − t)2 + 2t = 1 2 (1 + t) 2 si t ≥ 0 si t ≤ 0. = 12 12 . • M´ ethode de Simpson (ordre 3) 1 E (f ) = −1 f (x)dx − 2 1 2 1 f (−1) + f (0) + f (1) . K1 (t) = 1 (1 0 2 soit K1 (t) = 1 2 (1 − |t|) ≥ 0 sur [−1. 3 ξ ∈ ] − 1. 1]. sur [−1. 1[. 6 3 6 K3 (t) = E x → (x − t)3 + 1 K3 (t) = = −1 1 t (x − t)3 + dx − 2 0 + 2 1 (−t)3 (1 − t)3 ++ + 3 6 (x − t)3 dx − 2 2 3 1 t + (1 − t)3 3 − 6 Si t ≥ 0. 1]. on en d´ 2 E (f ) = − f (ξ ). on obtient donc K3 (t) = 1 1 (1 − t)4 − (1 − t)3 4 3 1 1 (1 − t)3 [3(1 − t) − 4] = − (1 − t)3 (1 + 3t). 1[. Comme le corollaire 2 implique 1 −1 − t)2 dt = 1 3. 1 K1 (t) = − (1 − t2 ) ≤ 0 2 Comme 1 −1 K1 (t)dt = − 2 eduit 3 . (x − t)+ dx − ((−1 − t)+ + (1 − t)+ ) K1 (t) = = −1 1 t (x − t)dx − (1 − t). • M´ ethode des trap` ezes (ordre 1) 1 E (f ) = −1 1 f (x)dx − (f (−1) + f (1)). E (f ) = 1 f (ξ ). 3 ξ ∈ ] − 1.

le noyau de Peano est de signe constant. Le corollaire 2 du §2. L’erreur correspondante est 1 l Eelem (g ) = −1 g (x)dx − 2 j =0 ωj g (τj ). e. 1]. On notera kn le noyau de Peano associ´ . ¾º º ÆÓÝ Ù È ÒÓ ³ÙÒ Ñ Ø Ó ÓÑÔÓ× On suppose qu’on s’est fix´ e une m´ ethode de quadrature ´ el´ ementaire 1 l g (x)dx −1 2 j =0 ωj g (τj ). 1]. K3 (t) = 2 4 3 20 12 15 −1 0 1 E (f ) = − f (4) (ξ ). 12 3 12 esulte de l’exercice On aurait pu ´ egalement observer que K3 (−t) = K3 (t) comme il r´ suivant. 15 · 3! K3 (t) = − Nous admettrons le r´ esultat g´ en´ eral suivant. Th´ eor` eme de Steffensen – Dans les m´ ethodes de Newton-Cotes. on a K3 (t) = − Analyse num´ erique et ´ equations diff´ erentielles 1 4 1 (1 − t)3 (1 + 3t) + t3 = − (1 + t)3 (1 − 3t). N N Indication : (x + t)N + − (−x − t)+ = (x + t) . On a donc ici 1 (1 − |t|)3 (1 + 3|t|) ≤ 0 sur [−1. Exercice – Montrer que le noyau de Peano KN d’une m´ ethode ´ el´ ementaire 1 l f (x)dx −1 2 j =0 ωj f (ξj ) epartis est pair d` es que ωl−j = ωj et ξl−j = −ξj (points et coefficients r´ sym´ etriquement autour de 0).70 Si t ≤ 0. τj ∈ [−1. 12 1 1 1 1 1 1 1 (1 − t)4 − (1 − t)3 dt = 2 − =− .2 est donc toujours applicable dans ce cas.

• ou bien θi < −1. Alors θi ∈ [−1. et (u − θi )N + ≡ (u − θi ) . u −→ x = 2 2 D´ efinissons gi ∈ C([−1. αj +1 ]. 1] si et 2 pour u ∈ [−1. 1]) par gi (u) = f Comme dx = hi 2 αi + αi+1 hi +u . Si i = j on a • ou bien θi > 1. < αk = β ethode compos´ ee associ´ ee ` a la m´ ethode de pas hi = αi+1 − αi .j se d´ eduit de τj par le changement de variable [−1. il vient k −1  Ecomp (f ) =  hi 2 i=0 1 −1 l  ωj gi (τj ) = k −1 i=0 gi (u)du − hi j =0 hi Eelem (gi ). 1] : N pour u ∈ [−1. β ] : α = α0 < α1 < .III – Int´ egration num´ erique 71 On consid` ere maintenant une subdivision de [α. . L’erreur de la m´ ´ el´ ementaire ci-dessus est β k −1 l Ecomp (f ) = α f (x)dx − i=0 hi j =0 ωj f (ξi. et soit θi = seulement si i = j . 1]. αi+1 ] hi αi + αi+1 +u . 1] −→ [αi .j ) o` u ξi. et (u − θi )N + ≡0 t− αi + αi+1 . 2 2 du. 2 Le noyau de Peano de la m´ ethode compos´ ee est donc KN (t) = Ecomp x → (x − t)N + k −1 = i=0 k −1 hi hi αi + αi+2 Eelem u → +u −t 2 2 2 hi hi Eelem u → 2 2 hi 2 N +1 N N + N + N + = i=0 k −1 u− 2 αi + αi+i t− hi 2 2 αi + αi+1 t− hi 2 KN (t) = i=0 Eelem u → u − 2 hi Supposons t ∈ [αj . .

Alors pour tout k . β ]). on obtient β α1 KN (t)dt = k α α0 KN (t)dt h 2 N +1 α1 =k Le changement de variable t = β kn α0 h 2 2 α0 + α1 t− h 2 h 2 dt α 0 +α 1 2 + u. 2N +2 2 . ´ egal a ` h = β− k (t)dt. KN ´ etant lui aussi de signe constant.72 Analyse num´ erique et ´ equations diff´ erentielles Dans les 2 cas u → (u − θi )N ome de degr´ e ≤ N sur [−1. β [ tel que f ∈C Ecomp (f ) = CN hN +1 f (N +1) (ξ )(β − α). kN KN −1 0 1 u 0 α α1 α2 α3 α4 β t Th´ eor` eme – On suppose que kN est de signe constant et que le pas hi 1 α est constant. le corollaire 2 du § 2.2 montre l’existence de ξ ∈ ]α. dt = 1 −1 du fournit KN (t)dt = k α h 2 N +2 kn (u)du = kh CN hN +1 CN = N +2 hN +1 (β − α). qui donnent une pr´ ecision plus grande pourvu que f soit tr` es r´ eguli` ere. D´ emonstration. β [ tel que Ecomp (f ) = 1 (N +1) f (ξ ) N! β KN (t)dt. Dans la sommation. Ce r´ l’int´ erˆ et des m´ ethodes d’ordre ´ elev´ e. d’o` u: KN (t) = hj 2 N +1 kN 2 hj t− αj +αj +1 2 . 1] donc + est un polynˆ Eelem u → (u − θi )N + = 0. On note CN = −1 N N +1 ([α. αj +1 ]. t ∈ [αj . N ! 2N +2 On voit donc que lorsque le pas h tend vers 0 l’ordre de grandeur de l’erreur dans esultat justifie une m´ ethode compos´ ee d’ordre N est approximativement hN +1 . il existe un point ξ ∈ ]α. α D’apr` es l’expression de KN . il n’y a donc que le terme i = j .

3 1 N = 3. Pour tout p ∈ Pl .3 donnent en particulier : • Point milieu : • Trap` ezes : • Simpson : N = 1. ¿º½º × Ö ÔØ ÓÒ Ø ÓÖÑÙÐ ³ ÖÖ ÙÖ Soit w une fonction poids fix´ ee sur ]α.III – Int´ egration num´ erique 73 d’o` u le th´ eor` eme. donc β l p(x)πl+1 (x)w(x)dx = α j =0 λj p(xj )πl+1 (xj ) = 0. Elles constituent une application directe de la th´ eorie des polynˆ omes orthogonaux. C3 = − . On ´ etudie les m´ ethodes d’int´ egration approch´ ee du type β l f (x)w(x)dx α j =0 λj f (xj ). Les exemples du § 2. Les points xj appartiennent ` a ]α. Les points xj ne sont autres que les racines de ce polynˆ ome. C1 = − . β [ et sont les racines du (l + 1)-i` eme polynˆ ome orthogonal pour le poids w. 15 Ecomp (f ) = 1 2 h f (ξ )(β − α). . 12 1 Ecomp (f ) = − h4 f (4) (ξ )(β − α). C1 = 1 . Comme πl+1 est unitaire. Ceci entraˆ ıne que πl+1 est orthogonal a ` Pl . deg(pπl+1 ) ≤ 2l + 1. 3 2 N = 1. β ]. xj ∈ [α. 2880 ¿º Å Ø Ó × Ù×× Les m´ ethodes de Gauss concernent le calcul num´ erique d’int´ egrales faisant intervenir un poids. β [. Th´ eor` eme 1 – Il existe un choix et un seul des points xj et des coefficients λj de sorte que la m´ ethode soit d’ordre N = 2l + 1. c’est donc le (l + 1)-i` eme polynˆ ome orthogonal associ´ e au poids w. Posons l πl+1 (x) = j =0 (x − xj ). 24 1 Ecomp (f ) = − h2 f (ξ )(β − α). Unicit´ e. Supposons qu’on ait des points xj et des coefficients λj pour lesquels la m´ ethode est d’ordre ≥ 2l + 1.

Si f ∈ C([α. il vient β β α q (x)πl+1 (x)w(x)dx = 0. d’o` u β l f (x)w(x)dx = α α r(x)w(x)dx = j =0 λj r(xj ) Comme f (xj ) = r(xj ). et pour tout f ∈ C 2l+2 ([α. la division euclidienne de f par πl+1 donne f (x) = q (x)πl+1 (x) + r(x). β ]). Montrons que l’ordre est en fait ≥ 2l + 1. En effet. . On notera en particulier que ceci entraˆ ıne E (x → x2l+2 ) = β α πl+1 (x)2 w(x)dx > 0. ce qui r´ esulte du th´ eor` eme ci-dessous. . Il reste seulement ` a voir que l’ordre n’est pas > 2l + 1. β ]). β [ tel que f (2l+2) (ξ ) (2l + 2)! β α E (f ) = πl+1 (x)2 w(x)dx. deg r ≤ l. es n´ ecessairement par Les coefficients λi sont donn´ l β λi = j =0 λj Li (xj ) = α Li (x)w(x)dx. Ces coefficients sont donc eux aussi uniques.74 Soit Li ∈ Pl tel que Analyse num´ erique et ´ equations diff´ erentielles Li (xj ) = 1 si i = j. on a donc bien E (f ) = 0. β [. . Th´ eor` eme 2 – Le noyau de Peano K2l+1 est ≥ 0. Li (xj ) = 0 si i = j. On sait que le polynˆ ome orthogonal πl+1 ∈ Pl+1 poss` ede l + 1 racines distinctes dans ]α. . le polynˆ ome d’interpolation de Lagrange est l pl (x) = j =0 f (xj )Lj (x). par d´ efinition des coefficients λj il vient donc β l pl (x)w(x) = α j =0 λj f (xj ). Soient x0 . Si f ∈ Pl alors pl = f . Existence. il existe ξ ∈ ]α. . donc la m´ ethode est d’ordre ≥ l. Comme πl+1 ⊥ Pl . lorsque f ∈ P2l+1 . avec deg q ≤ l. xl ces racines et soit β λj = α Lj (x)w(x)dx.

α Comme petit : β α − K2l+1 (t)K2 l+1 (t)dt = − β β − 2 (K2 l+1 (t)) dt α < 0. Supposons par l’absurde qu’il existe − t0 ∈ [α. Consid´ erons le polynˆ ome 2 2 g (x) = Φ(x) − r(x) − πl +1 (x)q (θ ) = πl+1 (x)(q (x) − q (θ )). La formule de la moyenne implique qu’il existe θ ∈ ]α. Ecrivons la division 2 euclidienne de Φ par πl+1 : 2 Φ(x) = πl +1 (x)q (x) + r (x) 2 avec deg r ≤ deg (πl u +1 ) − 1 = 2l + 1. et par ailleurs E (Φ) = 1 (2l + 1)! β K2l+1 (t)ϕ(t)dt < 0. D´ emonstration. β [ tel que β E (Φ) = q (θ) α 2 πl +1 (x)w (x)dx.* D’apr` es le § 2. si ϕ ∈ C([α. Inversement. Notons K2 l+1 = max (−K2l+1 . 0) ∈ C([α. on a E (f ) = 1 (2l + 1)! β α K2l+1 (t)f (2l+2) (t)dt.III – Int´ egration num´ erique 75 donc la m´ ethode n’est pas d’ordre 2l + 2. . β β K2l+1 (t)ϕ(t)dt − α α − K2l+1 (t)K2 l+1 (t)dt ≤ 2ε β |K2l+1 (t)|dt. α ´ Soit Φ une primitive d’ordre 2l + 2 de ϕ. β ] tel que K2l+1 (t0 ) < 0. On a donc en particulier − − 0 ≤ K2 l+1 < ϕ < K2l+1 + 2ε. et soit ϕ un polynˆ ome qui approche K2 l+1 + ε uniform´ ement ` a ε pr` es sur [α. on en d´ eduit pour ε assez K2l+1 (t)ϕ(t)dt < 0. on obtient β K2l+1 (t)ϕ(t)dt = (2l + 1)! E (Φ) α o` u Φ est une primitive d’ordre 2l + 2 de ϕ. β ]) la − partie n´ egative de la fonction K2l+1 . Il vient E (r ) = 0 d’o` 2 E (Φ) = E (πl +1 q ) = β α 2 πl +1 (x)q (x)w (x)dx − 0. β ]. α On va obtenir une contradiction en montrant que q (θ) > 0. β ]).2. Φ est un polynˆ ome.

2 donne E (f ) = 1 f (2l+2) (ξ ) E (x → x2l+2 ). 1 5 8 5 . .76 Analyse num´ erique et ´ equations diff´ erentielles g admet x0 . 5 3 2 ± 7 7 5 2 ± 9 9 3 5 3 6 3 x4 − x2 + 7 35 x5 − 10 3 5 x + x 9 21 ± 0. xl comme z´ eros de multiplicit´ e 2. 0 ≤ j ≤ l. 9 9 9 6 5 10 7 1 1 − 2 6 5 1 1 . . . et θ de multiplicit´ e ≥ 1. l +1 +1 α ¿º¾º × Ô ÖØ ÙÐ Ö× ³Ù× Ö ÕÙ ÒØ L’int´ erˆ et des m´ ethodes de Gauss est de r´ ealiser l’ordre N maximal pour un nombre fix´ e l + 1 de points d’interpolation. c’est-` adire au moins 2l + 3 z´ eros. ce qui d´ e montre le th´ eor` eme. . 1[ : m´ ethode de Gauss-Tchebychev. Par suite K2l+1 ≥ 0 et le corollaire 2 du § 2. ± 7 4 compliqu´ es ! 9 • w(x) = √ 1 sur ] − 1. donc β 2 2 E (x → x2l+2 ) = E (πl ) = π ( x ) w ( x ) dx . . . xj = cos 2l + 2 . . 0. λl 2 1. . θ. Par suite 0 = g (2l+2) (η ) = Φ(2l+2) (η ) − (2l + 2)! q (θ) = ϕ(η ) − (2l + 2)! q (θ) et comme ϕ(η ) > 0 on en d´ eduit bien q (θ) > 0. 1[ : 2j + 1 π. tel que g (2l+2) (η ) = 0. la complexit´ e du calcul des polynˆ omes orthogonaux fait que les m´ ethodes de Gauss ne sont gu` ere utilis´ ees que dans les deux cas suivants. + 6 2 6 5 6 ordre N 1 3 5 1 3 3 x 5 − 1 1 −√ . • w(x) = 1 sur [−1. contradiction. . . Il existe donc un point η interm´ ediaire entre les points xj . 1 − x2 Les points xj sont alors les points d’interpolation de Tchebychev dans l’intervalle ] − 1. xl 0 λ0 . . √ 3 3 3 . on a x2l+2 = πl+1 (x)2 + r(x) o` u r ∈ P2l+1 . 1] : m´ ethode de Gauss-Legendre. . (2l + 2)! Comme πl+1 est unitaire. es Les polynˆ omes orthogonaux successifs et les points xj correspondant sont donn´ par le tableau : l −1 0 1 2 1 x x2 − x3 − πl+1 (x) x0 . . N´ eanmoins.

1] est nulle. L’id´ ee consiste ` a avec B1 (x) = x − 1 2 . º½º ÈÓÐÝÒÓÑ × Ø ÒÓÑ Ö × p ÖÒÓÙÐÐ Soit f une fonction de classe C sur [0. 2l + 2 º ÓÖÑÙÐ ³ ÙРֹŠ×ÝÑÔØÓØ ÕÙ × Ð ÙÖ Ò Ø Ú ÐÓÔÔ Ñ ÒØ× Nous allons quitter ici quelque peu le fil directeur des paragraphes pr´ ec´ edents. f (x)dx = x − 2 2 0 0 0 ce qui peut se r´ ecrire 1 1 f (0) + f (1) = 2 2 1 1 f (x)dx + 0 0 1 0 B1 (x)f (x)dx erˆ et que B1 (x)dx = 0. Notre objectif est d’obtenir une formule th´ eorique pour le calcul du d´ eveloppement limit´ e des approximations num´ eriques en fonction du pas de la subdivision. 1] avec p ≥ 1. p! (∗) . On trouve ainsi 1 0 1 0 Bp−1 (x)f (p−1) (x)dx = 1 Bp (x)f (p−1) (x) p 1 0 − 1 0 1 Bp (x)f (p) (x)dx. 0 Bp (x)dx = 0. p 1 0 Bp−1 (x) (p−1) bp f (x)dx = f (p−1) (1) − f (p−1) (0) − (p − 1)! p! Bp (x) (p) f (x)dx.4) π . ce choix ayant l’int´ r´ ep´ eter les int´ egrations par parties en introduisant des primitives successives de B1 dont l’int´ egrale sur [0. exercice 2. la deuxi` eme condition permettant de fixer la constante d’int´ egration de mani` ere unique. ` a des proc´ ed´ es num´ eriques en g´ en´ eral tr` es performants. On obtient donc une m´ ethode approch´ ee d’ordre 2l + 1 s’´ ecrivant : que λj = l+1 dx f (x) √ 1 − x2 −1 1 π l+1 l f cos j =0 2j + 1 π . Ceci conduit. p! 1 efinition (noter que Bp (1) − Bp (0) = 0 pBp−1 (x)dx o` u bp = Bp (0) = Bp (1) par d´ est nulle pour p ≥ 2). on choisit Bp en sorte que 1 Bp (x) = pBp−1 (x). Une int´ egration par parties donne 1 1 1 1 1 x− f (x) − f (x)dx. De ceci on d´ eduit facilement par r´ ecurrence la formule 1 1 f (0) + f (1) = 2 2 1 b f (x)dx + 0 (−1)m m=2 bm f (m−1) (1) − f (m−1) (0) m! 1 + (−1)p+1 0 Bp (x) (p) f (x)dx.III – Int´ egration num´ erique 77 et on peut d´ emontrer (voir par exemple le livre de Crouzeix-Mignot. pour des fonctions suffisamment r´ eguli` eres. De fa¸ con pr´ ecise.

. On a par d´ efinition B2 (x) = 2B1 (x) = 2x − 1. On voit facilement par r´ ome unitaire de degr´ e p ` a coefficients rationnels. 1[. p ≥ 2. On convient d’´ Bp (x) = Bp (x − E (x)) si x ∈ [0. B2 (x) = x − x + C. x ∈ [0. p ≥ 1. 1 b1 = − .78 Analyse num´ erique et ´ equations diff´ erentielles Calculons par exemple B2 . 1[. 2 bp = Bp (0) si p ≥ 2. On obtient ainsi une fonction p´ eriodique de p´ eriode 1 qui est un polynˆ ome en restriction a ` [0. bp = m=0 m Cp bm Bp (1 − x) = (−1)p Bp (x) bm = 0 si m est impair ≥ 3. . Les nombres de Bernoulli sont les r´ eels bp d´ b0 = 1. p ≥ 1. bien entendu. 1]. . 1[ (mais qui. tel que que Bp est un polynˆ etendre Bp ` a R en posant Bp (0) = Bp (1) pour p ≥ 2. et la condition 0 B2 (x)dx = 0 implique C = 1 ecurrence 6 . On a les formules : p (1) (2) (3) (4) Bp (x) = m=0 p m Cp b m xp − m . n’est pas un polynˆ ome sur R tout entier). 1/2 B1 −2 −1 0 −1/2 1/2 1 2 x 1/6 −2 −1 −1/12 1 B2 2 x Th´ eor` eme et d´ efinition – Les polynˆ omes Bp sont appel´ es polynˆ omes de efinis par Bernoulli. 1 2 d’o` u x ∈ [0.

Grˆ ace ` a la p´ eriodicit´ e des fonctions Bp . 1]. b0 = 1. la formule (∗) ci-dessus est vraie sur chaque intervalle [α. egrale nulle sur [0. (3) donne bp = (−1)p bp . p− 1 = bp + m=0 donc la formule est encore vraie a ` l’ordre p. . . on voit que (−1)p Bp (1 − x) a pour d´ eriv´ ee −(−1)p Bp (1 − x) = p(−1)p−1 Bp−1 (1 − x) = pBp−1 (x) = Bp (x). Bp (1) = Bp (0) = bp . on en d´ eduit que Comme (−1)p Bp (1 − x) est d’int´ ıncident. [β − 1..III – Int´ egration num´ erique 79 D´ emonstration (1) La formule est vraie pour p = 1 d’apr` es la d´ efinition de b0 . . (−1)p Bp (1 − x) et Bp (x) co¨ (4) Pour p ≥ 2 et x = 0. . La relation (2) appliqu´ ee ` a p = 2k + 1 donne 2k−2 2k 2 1 0 = C2 k+1 b2k + C2k+1 b2k−2 + . b10 = . Bp est continue sur R pour tout p ≥ 2 et v´ erifie equent (2) est un cas particulier de (1). α + 1]. + C2k+1 b2 + C2k+1 b1 + 1. β ] o` u α. b1 . Par sommation. (2) D’apr` es ce qui pr´ ec` ede. . −1 bm x Bp (x) = Bp (0) + p− 1 p m p− m Cp −1 bm x p − m m=0 m Cp b m xp − m . . p! . b2 = . Ceci permet de calculer par r´ ecurrence les nombres de Bernoulli successifs : 1 1 1 1 1 5 .. β sont des entiers. Supposons la formule vraie a ` l’ordre p − 1 : p− 1 Bp−1 (x) = m=0 m p−1−m Cp . par cons´ (3) Par r´ ecurrence sur p. b8 = − . b6 = 2 6 30 42 30 66 Supposons maintenant donn´ ee une fonction f de classe C p sur [α. −1 bm x On a alors Bp (x) = pBp−1 (x) = p− 1 m=0 m p−1−m pCp . . on en d´ eduit 1 1 f (α) + f (α + 1) + . donc bp = 0 si p est impair.. β ]. b4 = − . + f (β − 1) + f (β ) = 2 2 p β f (x)dx α β α + m=2 (−1)m bm m! f (m−1) (β ) − f (m−1) (α) + (−1)p+1 Bp (x) (p) f (x)dx. b1 = − . .

n2k +∞ n=1 2(2k + 1)! (−1) (2π )2k+1 sin 2πnx . majorer la fonction B2k (x) qui intervient dans le reste int´ º¾º Ä Ò Ú Ð ×× Ö × ÓÙÖ Ö Ø ×Ø Ñ Ø ÓÒ Bp Comme Bp est p´ eriodique de p´ eriode 1. D’apr` es la formule (∗) du § 4. . p! et la premi` ere int´ egrale est nulle pour n = 0. β ] o` u α. la fonction B1 est de classe C 1 par morceaux. il vient 1 1= 0 e−2πinx dx + 0 − (2πin)p 1 0 Bp (x) −2πinx e dx. Bp (x) = 0 si n = 0. On en d´ eduit que le coefficient de Fourier d’indice n de Bp est     Bp (n) = −    Bp (0) = 0 p! (2πin)p 1 si n = 0. on obtient la Formule d’Euler-Maclaurin – Soit f une fonction de classe C k sur [α. il importe de savoir egral.80 Analyse num´ erique et ´ equations diff´ erentielles En appliquant ceci pour p = 2k et en tenant compte du fait que bm = 0 si m est impair ≥ 3. + f (β − 1) + des trap` ezes associ´ ees ` a f . La formule ci-dessus peut se r´ ecrire B2k (x) = B2k+1 (x) = (−1)k+1 2(2k )! (2π )2k k+1 +∞ n=1 cos 2πnx . Pour p = 1. la s´ erie de Fourier est absolument convergente et Bp est continue. (2πin)p (∀x ∈ R). donc Bp (x) = −p! n∈Z∗ e2πinx . Pour p ≥ 2. (2k )! Pour pouvoir exploiter cette formule a ` des fins num´ eriques. Alors β 1 2 f (β ) la somme T (f ) = α f (x)dx + − b2m (2 m)! m=1 β α k f (2m−1) (β ) − f (2m−1) (α) B2k (x) (2k) f (x)dx.1 appliqu´ ee ` a pement de Bp en s´ f (x) = e−2πinx . il est tentant de rechercher un d´ eveloperie de Fourier. donc la s´ erie converge 1 vers B1 (x) en tout point x ∈ Z et vers 2 B1 (x + 0) + B1 (x − 0) = 0 si x ∈ Z. . n2k+1 . β ∈ Z et soit T (f ) = 1 2 f (α) + f (α + 1) + .

On en d´ eduit l’in´ egalit´ e |B2k+1 (x)| ≤ k + d’abord pour x ∈ 0. il permet g´ en´ eralement d’obtenir de tr` es bonnes valeurs approch´ ees de Sn (f ) lorsque n est grand. on a d’autre part B2k+1 (x) = (2k + 1) 0 B2k (t)dt donc |B2k+1 (x)| ≤ (2k + 1)|x| |b2k |. k −1 avec Rn. .k = θ b2k f (2k−1) (n) = θ × (1er terme omis). (2k )! . +∞[ o` u α ∈ Z. Un tel d´ eveloppement est appel´ e d´ eveloppement asymptotique de Sn (f ) .1. il est clair que B2k (x) atteint sa valeur absolue maximum pour x = 0 . on cherche ` a obtenir un d´ eveloppement limit´ e` a tout ordre de la somme Sn (f ) = f (α) + f (α + 1) + . ∀x ∈ R. si l’on introduit la fonction ζ de Riemann ζ (s) = on obtient b2k = Comme ζ (s) ≤ 1 + particulier on a +∞ 1 1 . telle limx→+∞ f (m) (x) = 0. 1 2 .III – Int´ egration num´ erique 81 En particulier. on voit que lims→+∞ ζ (s) = 1 et en (−1)k+1 2(2k )! (2π )2k quand k → +∞. 1]. 1 1 |b2k | 2 grˆ ace ` a la formule (3) du § 4. on obtient donc |B2k (x)| ≤ |b2k |. b2k ∼ Les coefficients |b2k | tendent donc vers +∞ assez vite. (2π )2k dx/xs = 1 + 1/(s − 1). x (∗∗) Comme B2k+1 (0) = 0 pour k ≥ 1.k (2 m )! m=1 θ ∈ [0. 1 2. Pour tout entier n ≥ α. Th´ eor` eme – On suppose qu’il existe un entier m0 ∈ N et un r´ eel x0 tels que eriv´ ees f (m) (x) soient de signe constant sur [x0 . Par ailleurs. avec pour m ≥ m0 les d´ ependante de n et k . Alors il existe une constante C ind´ 0 on ait : que pour tout n ≥ x0 et tout k > m 2 Sn (f ) = C + 1 f (n) + 2 n f (x)dx + α b2m f (2m−1) (n) + Rn. . puis º¿º ÔÔÐ Ø ÓÒ Ð Ö Ö Ú ÐÓÔÔ Ñ ÒØ× ×ÝÑÔØÓØ ÕÙ × Soit f une fonction de classe C ∞ sur [α. s n n=1 +∞ (−1)k+1 2(2k )! ζ (2k ). + f (n) lorsque n tend vers +∞. puis pour x ∈ pour tout x ∈ R par p´ eriodicit´ e. +∞[.

Comme k > m est de 2 .k = (n) + Rn. (2k )! eme signe que le terme b2k /(2k )!f (2k−1) (n) D’apr` es ce qui pr´ ec` ede. (2k )! B2k (x) (2k) f (x)dx. n].k = Ck+1 + (2k )! En faisant tendre n vers +∞. 1] et que Ck ne d´ epend pas de k . (2k )! On obtient donc le d´ eveloppement du th´ eor` eme avec une constante C = Ck d´ ependant a priori de k et un reste Rn.k est de valeur absolue plus petite que le premier terme.k b2k (2k−1) f (n) ≤ 1. on trouve Ck = Ck+1 . +∞[.2. La formule d’Euler Maclaurin entraˆ ıne Sn (f ) = 1 1 f (α) + f (n) + 2 2 k n f (x)dx + α b2m f (2m−1) (n) (2 m )! m=1 +∞ α k − + b2m f (2m−1) (α) − (2 m )! m=1 +∞ n B2k (x) (2k) f (x)dx (2k )! B2k (x) (2k) f (x)dx. Ck + Rn. il vient signe constant sur [x0 .k = b2k f (2k−1) (n) + (2k )! +∞ n k +∞ α B2k (x) (2k) f (x)dx.k+1 est du signe oppos´ tandis que signe f (2k+1) = −signe f (2k) = signe f (2k−1) .k est de mˆ e : le § 4.k = θ b2k f (2k−1) (n).k+1 .k donn´ es par Ck = b2m (2m−1) 1 f (α) − f (α) − 2 (2m)! m=1 Rn. D’apr` +∞ n +∞ n B2k (x) (2k) |b2k | f (x)dx ≤ (2k )! (2k )! N +∞ n f (2k) (x) . (2k )! (2k) 0 ` condition de montrer que les int´ a egrales convergent. On a donc Rn. On a donc bien convergence et nos estimations montrent par ailleurs que l’int´ egrale figurant dans Rn. donc Ck est bien ind´ ependante de k . 2]. la formule a ` l’ordre k + 1 et identifions avec la formule donnant Sn (f ) a Il vient b2k f (2k+1) (n) + Rn. Rn. Il reste ` a voir qu’on a en fait θ ∈ [0. f es l’in´ egalit´ e (∗∗) du § 4. Appliquons ` l’ordre k . (2k )! .k+1 . tandis que Rn. On a par d´ efinition Sn (f ) = 1 u T (f ) est 2 f (α) + 2 f (n) + T (f ) o` la somme des trap` ezes de f sur [α. donc Rn. et b2k (2k+1) f Rn. f (2k) (x)dx = N → +∞ lim = n N → +∞ lim f (2k−1) (N ) − f (2k−1) (n) = −f (2k−1) (n).2 montre que signe (b2k ) = (−1)k+1 .82 Analyse num´ erique et ´ equations diff´ erentielles 1 D´ emonstration. (2k )! θ ∈ [0.

I2n+1 ecroissante et que I2n+1 ∼ I2n . ais´ e` a programmer et souvent pr´ ef´ er´ e` a tout autre dans la pratique. . On applique la formule a ` f (x) = ln x sur [1. d’o` u en particulier exp π/2 k −1 1 1 1 θ . . n ∈ N. et I2n · I2n+1 . n 1 ln xdx = n(ln (n) − 1) + 1.k 2 m 2 2m(2m − 1) n −1 m=1 n n exp On peut v´ erifier que eC = n! = √ 2πn n e √ n b2m 1 + Rn. ∼√ 2 n! πn ºÅ Ø Ó ³ ÒØ Ö Ø ÓÒ ÊÓÑ Ö On va montrer ici comment ` a partir de la formule d’Euler-Maclaurin on peut construire une m´ ethode d’int´ egration bas´ ee sur l’acc´ el´ eration de la convergence de la m´ ethode des trap` ezes. . I1 puis I2n .III – Int´ egration num´ erique 83 ce qui implique θ ∈ [0. º½º ÈÖÓ ³ ÜØÖ ÔÓÐ Ø ÓÒ Ê Ö ×ÓÒ On suppose donn´ ee une fonction A qui admet un d´ eveloppement limit´ e` a tout ordre au voisinage de 0 : A(t) = a0 + a1 t + . +∞[ : Sn (f ) = ln 1 + . (−1)m−1 (m − 1)! . + ln (n) = ln (n!). On obtient ainsi un algorithme de calcul souple et performant. 1].k 2 m 2m(2m − 1) n −1 m=1 2π (exercice ci-dessous). xm d’o` u k −1 f (m) (x) = ln (n!) = C + n! = eC √ n e 1 b2m 1 ln (n) + n(ln (n) − 1) + + Rn. (b) Montrer que In est d´ (c) En d´ eduire (2n)! 22n et la valeur de eC . Exemple – Formule de Stirling avec reste. − + − 12n 360n3 1260n5 1680n7 sinn x dx. Exercice – On pose In = (a) Montrer Calculer 0 1 que In = n− n In−2 si I0 . + ak tk + Rk+1 (t) . n ≥ 2. .

n = a0 + O(r−m(n+1) ) quand m → +∞.84 Analyse num´ erique et ´ equations diff´ erentielles avec |Rk+1 | ≤ Ck+1 |t|k+1 . . rn − 1 Dans la pratique.n se calculent par la formule de r´ Am. .. et on cherche ` a extrapoler ces valeurs calculer A(tm ) pour certains r´ ed´ e d’acc´ el´ eration de pour obtenir A(0) = a0 . donc Am. rn − 1 Si on calcule successivement les quantit´ es A0 (t) = A(t) rA0 (t) − A0 (rt) A1 (t) = . on commence par ranger les valeurs Am.n+1 tn+1 + .. . . On a seulement a priori A(t) = a0 + O(t). Si on pose Am. . a2 t2 . Supposons en particulier qu’on sache calculer les quantit´ es Am. + ak rk tk + O(tk+1 ). puis on effectue le calcul des colonnes Am. comme suit : . .k tk + O(tk+1 ) donc An (t) = A0 + O(tn+1 ) est une meilleure approximation de a0 que la fonction A(t) initiale. de sorte que la convergence est sensiblement (n + 1)-fois rapide que celle de Am. . On construit pour cela un proc´ la convergence consistant a ` ´ eliminer successivement les termes a1 t. il suffit de former le quotient rn A(t) − A(rt) = a0 + b1 t + . . .0 = a0 + O(r−m ). .2 . . t2 .0 dans un tableau TAB.n−1 − Am−1. r−1 rn An−1 (t) − An−1 (rt) An (t) = .1 . Am. . . + bn. ecurrence Les nombres Am. tn . du d´ eveloppement limit´ e de A(t). . On a A(rt) = a0 + .0 .. rn − 1 alors on ´ elimine successivement t.0 = a0 ).. . Principe de la m´ ethode – Soit r > 1 un r´ eel fix´ e.n = An (r−m t0 ).n = rn Am. .n−1 . . La situation est la suivante : on suppose qu’on a un algorithme permettant de eels tm → 0+ . + an rn tn + . . il vient Am. + bn−1 tn−1 + 0 + bn+1 tn−1 + . Pour ´ eliminer le terme en tn . De mani` ere g´ en´ erale on aura An (t) = a0 + bn. . .0 = A(r−m t0 ) o` u t0 > 0 est fix´ e (de sorte que limm→+∞ Am.

+ ak−1 tk−1 + O(tk )..0 A3..0 A1. . .1 A3.0 . Il vient l Tg (1) = f (α + uh)du + 0 b2m 2m−1 (2m−1) h (β ) − f (2m−1) (α) f 2 m ! m=1 l 0 k − h2k d’o` u β B2k (u) (2k) f (α + uh)du 2k ! Tf (h) = hTg (1) = α f (x)dx + b2m h2m f (2m−1) (β ) − f (2m−1) (α) (2 m )! m=1 β α k − h2k B2k ((x − α)/h) (2k) f (x)dx.. .. . ... . mais la colonne d’indice n converge n + 1 fois plus vite a ` l’infini que celle d’indice 0. et on note donn´ ee par les points xj = α + jh. Appliquons la formule d’Euler-Maclaurin a ` la fonction g (u) = f (α + uh).. 0 ≤ j ≤ l o` l Tf (h) = h 1 1 f (α) + f (α + h) + ..   ... β ]). A1.       A2.1 .1 .2 .     A3... g (m) (u) = hm f (m) (α + uh).0 A2... º¾º Å Ø Ó ÊÓÑ Ö Soit f ∈ C ∞ ([α. A0.3 TAB[0] TAB[1] TAB[2] TAB[3] . On consid` ere la subdivision de [α. Chaque colonne est une suite convergeant vers a0 . u ∈ [0...2 A3. On peut donc ´ ecrire Tf (h) = A(h2 ) o` u √ A(t) = Tf ( t) = a0 + a1 t + .. . .. + f (β − h) + f (β ) 2 2 la somme des trap` ezes associ´ ees. 2k ! eveloppement limit´ e On en d´ eduit que Tf (h) admet le d´ β k −1 Tf (h) = α f (x)dx + m=1 am h2m + O(h2k ) avec am = b2m (2m)! f (2m−1) (β ) − f (2m−1) (α) . β ] en l sous-intervalle ´ egaux α u h = β− . l].III – Int´ egration num´ erique 85 A2... ... .

n = α f (x)dx + O(4−m(n+1) ) quand m → +∞.n ne correspond plus a Cotes.2 ) est la m´ ethode de Simpson compos´ ee sur 2m−1 sous-intervalles (resp. Remarque 1 – On peut gagner du temps dans le calcul de Am. ` une m´ ethode de NewtonPour n ≥ 3. Boole-Villarceau sur 2m−2 sous-intervalles).86 et il s’agit de calculer le coefficient Analyse num´ erique et ´ equations diff´ erentielles β a0 = α f (x)dx. .0 = Tf 2m On applique donc le proc´ ed´ e d’extrapolation de Richardson avec r = 4. . . . alors f (m) (β ) = eveloppement limit´ e` a tout ordre f (m) (α) pour tout m et on a donc un d´ β Tf (h) = α f (x)dx + O(h2k ) r´ eduit a ` son terme constant. Si h = Am. Am. Ceci nous am` ene ` a calculer β−α = A(4−m (β − α)2 . + f (β − h) + f (β ) 2 2 1 1 f (α) + f (α + 2h) + . Am.n = β 4n Am. . n les plus ´ elev´ es pour lesquels Am.0 + Am. ce qui conduit a ` la formule de r´ ecurrence Am. 4n − 1 On a alors Am. + f (β − 2h) + f (β ) = 2h 2 2 Remarque 2 – Si f ∈ C ∞ (R) est p´ eriodique de p´ eriode β − α.0 .0 donne d´ ej` a une tr` es bonne approximation de l’int´ egrale. on a en effet : 1 1 f (α) + f (α + h) + .0 = h Am−1. .0 pour ´ evaluer Am. + f (β − h) et alors on obtient Am.n−1 − Am−1. . La valeur approch´ ee retenue est celle correspondant aux indices m.0 Il suffit de poser Am.1 (resp.0 = h f (α + h) + f (α + 3h) + .n a´ et´ e calcul´ e. 2 β −α 2m .0 = 1 Am−1. on peut v´ erifier que Am. α On utilise pour cela des dichotomies successives avec les pas h = β2− m . Exercice – V´ erifier que Am.0 .n−1 . Il est inutile dans ce cas d’appliquer le proc´ ed´ e d’extrapolation de Richardson : la derni` ere somme des trap` ezes calcul´ ee Am.0 en utilisant Am−1.

λ2 pour que T soit une m´ d’int´ egration sur [−1. On consid` ere la m´ ethode d’int´ egration num´ erique approch´ ee donn´ ee par 1 (M) −1 f (x)dx f (ω ) + f (−ω ) avec ω ∈ [0. Quelle est cette m´ ethode ? 6. 1] et λ1 et λ2 ∈ R. est exacte sur l’intervalle (b) Montrer que si f peut ˆ etre approch´ ee par un polynˆ ome trigonom´ etrique de degr´ e π fournit un erreur n` a moins de ε sur [a. b]. une seule v´ erifie x1 = −x2 . 1] exacte pour (α) Les fonctions constantes ? (β ) Les fonctions affines ? (γ ) Les polynˆ omes de degr´ e inf´ erieur ou ´ egal ` a2? (b) Parmi les m´ ethodes exactes pour les polynˆ omes de degr´ e inf´ erieur ou ´ egal ` a 2. 1].III – Int´ egration num´ erique 87 º ÈÖÓ Ð Ñ × 6. On d´ esigne par C [−1. Soient x1 et x2 deux points de [−1. Donner une majoration de l’erreur pour la 2π m´ ethode des trap` ezes pour 0 f (x) dx avec h = π/2. o` u n sera suppos´ e aussi grand que les besoins l’exigeront.1. h = π/4. 1] et ` a valeurs r´ eelles et on d´ efinit T : C [−1.3. 1] l’espace vectoriel des fonctions continues sur [−1. Soit f : [−1. 2π ]. 1] → R une fonction de classe C n .2. (c) On consid` ere f (x) = exp 1 2 sin x . ethode (a) Quelles conditions doivent v´ erifier x1 . Que pensez-vous de ce dernier r´ esultat ? 6. 1] → R par T (f ) = λ1 f (x1 ) + λ2 f (x2 ). la m´ ethode des trap` ezes pour h = n2 +1 inf´ erieure ` a 4πε pour 2π 0 f (x)dx. λ1 . x2 . Montrer que ce choix de x1 et x2 (et des λ1 et λ2 correspondants) fournit une m´ ethode exacte pour les polynˆ omes de degr´ e inf´ erieur ou ´ egal ` a 3 et qu’il s’agit de la seule m´ ethode d’int´ egration exacte pour les polynˆ omes de degr´ e inf´ erieur ou ´ egal ` a 3 qui soit du type ´ etudi´ e dans le probl` eme. (a) Montrer que pour un polynˆ ome trigonom´ etrique de degr´ en n cp eipx . . p= − n 2π n+1 la m´ ethode des trap` ezes de pas constant h = [0.

88 (a) Calculer l’erreur E (f ) =

Analyse num´ erique et ´ equations diff´ erentielles

1 −1

f (x) − (f (ω ) + f (−ω ))

pour f (x) = 1, x, x2 respectivement. D´ eterminer l’ordre de la m´ ethode (M) en fonction de ω . (b) On se place ici dans le cas o` u la m´ ethode (M) est d’ordre 1. (α) Calculer le noyau de Peano K1 (t), et tracer le graphe de K1 pour ω = 5/8. Pour quelles valeurs de ω le noyau K1 est-il de signe constant ? (β ) Montrer que l’erreur v´ erifie une majoration |E (f )| ≤ C (ω ) f • lorsque K1 est de signe constant ; • lorsque ω = 5/8. (c) Calculer le noyau de Peano dans le cas o` u la m´ ethode (M) est d’ordre 3 et v´ erifier que ce noyau est une fonction paire. En d´ eduire qu’il existe ξ ∈ ] − 1, 1[ tel que 1 f (4) (ξ ). E (f ) = 135 (d) En utilisant le r´ esultat du (c), estimer l’erreur obtenue par la m´ ethode compos´ ee associ´ ee ` a la m´ ethode (M) pour le calcul d’une int´ egrale
b ∞

o` u C (ω ) est une constante dont on d´ eterminera la valeur optimale :

g (x)dx
a

avec une subdivision de [a, b] de pas constant h = (b − a)/k, k ∈ N . 6.4. Soit p un entier naturel et soit f (x) = xp . On note
n

Sn,p =
m=1

mp .

On utilise la formule du d´ eveloppement asymptotique de Sn (f ) avec α = 0. eduire une expression (a) Montrer que pour k assez grand, le reste Rn,k est nul. En d´ de Sn,p ; on calculera la valeur de la constante C en observant que S0,p = 0. (b) Donner une expression factoris´ ee de Sn,p pour p = 2, 3, 4, 5. 6.5. Soit β un r´ eel > 1. On consid` ere la fonction f (x) = 1 xβ et on note ζ (β ) = 1 . nβ n=1
+∞

III – Int´ egration num´ erique

89

On utilise la formule du d´ eveloppement asymptotique de Sn (f ) avec α = 1. (a) Exprimer ζ (β ) en fonction de la constante C de la formule ; pour cela, on fera tendre n vers +∞. (b) D´ eterminer le d´ eveloppement limit´ e de ζ (β ) − Sn (f ) avec reste Rn,k . En prenant n = 5 et k = 5, donner un encadrement de ζ (3). 6.6. On applique ici la formule d’Euler-Maclaurin a ` la fonction f (x) = eax , a ∈ C. (a) Montrer l’´ egalit´ e a ea + 1 b2m a2m a2k+1 = 1 + − 2 ea − 1 (2m)! ea − 1 m=1
k 1 0

B2k (x) ax e dx (2k )!

(b) Montrer que le reste int´ egral est major´ e pour tout a ∈ C par |b2k | e| Re a| − 1 |a| |a|2k (2k )! | Re a| |ea − 1|
a

si

ea = 1.

b2m a e +1 En d´ eduire que a m=1 (2m)! sur le disque |a| < 2π , et que le 2 ea − 1 = 1 + rayon de convergence de la s´ erie est 2π .

+∞

2m

(c) Lorsque a est r´ eel, montrer que le reste int´ egral est major´ e par |b2k |a2k /(2k )!, 2k+2 /(2k + 2)!. ainsi que par 2|b2k+2 |a Utiliser ceci pour trouver une valeur approch´ ee de (e + 1)/(e − 1) en prenant k = 4. V´ erifier que l’erreur commise est inf´ erieure ` a 10−7 . 6.7. On consid` ere la fonction f (x) = 1 , 1 + x2 x ∈ R.

(a) A l’aide d’une d´ ecomposition en ´ el´ ements simples, calculer la d´ eriv´ ee f (m) et (m) 2 −(m+1)/2 . montrer que |f (x)| ≤ m! (1 + x ) (b) D´ eterminer le d´ eveloppement asymptotique de la suite
n

Sn =
k=0

1 . 1 + k2

(c) Calculer S10 et en d´ eduire une valeur approch´ ee ` a 10−6 pr` es de la somme 1 . 1 + n2 n=0 6.8. On se propose ici d’´ etudier une m´ ethode d’int´ egration num´ erique analogue aux m´ ethodes de Newton-Cotes.
+∞

90

Analyse num´ erique et ´ equations diff´ erentielles

(a) Soit g une fonction continue sur [−1, 2]. D´ eterminer le polynˆ ome 2 e ≤ 3 qui interpole g aux points −1, 0, 1, 2. p(x) = i=−1 g (i) i (x) de degr´ Exprimer l’erreur d’interpolation a ` l’aide du polynˆ ome π (x) = x(x + 1)(x − 1)(x − 2). (b) Calculer
1 0

p(x)dx et
2 1

0 −1

p(x)dx en fonction des valeurs g (i), −1 ≤ i ≤ 2.

En d´ eduire
1 0

p(x)dx.
0 −1

V´ erifier les formules pour g (x) = 1 (resp. g (x) = x). (c) Calculer |π (x)|dx et |π (x)|dx.
i+1

En d´ eduire une majoration (la meilleure possible !) de i |g (x) − p(x)|dx, i = −1, 0, 1, en fonction de la norme uniforme d’une d´ eriv´ ee convenable de g (g est suppos´ ee suffisamment d´ erivable). (d) Soit f une fonction continue sur un intervalle [a, b] avec a < b. On note a = a0 < a1 < . . . < an−1 < an = b, la subdivision de pas constant h =
b− a n

n≥8

et on pose fi = f (ai ).

On ´ etudie la m´ ethode d’int´ egration num´ erique
b n−1 ai+1 n−1 ai

f (x)dx =
a i=0 ai

f (x)dx
i=0 ai+1

pi (x)dx

o` u pi d´ esigne le polynˆ ome d’interpolation de Lagrange de f aux points ai−1 , ai , ecriture p0 = p1 , pn−1 = pn−2 . ai+1 , ai+2 si 1 ≤ i ≤ n − 2, avec la convention d’´ Montrer que cette m´ ethode s’´ ecrit
b n

f (x)dx
a

h
i=0

λ i fi

pour des coefficients λi que l’on explicitera. Que peut-on dire de l’ordre de la m´ ethode ? (e) Majorer les erreurs
ai+1 ai

|f (x) − pi (x)|dx et
b n

E (f ) =
a

f (x)dx − h
i=0

λ i fi

en fonction de h, b − a, et de la norme uniforme d’une d´ eriv´ ee convenable de f . 6.9. On d´ esigne par C l’espace des fonctions d´ efinies sur l’intervalle [−1, 1] a ` valeurs dans R, muni de la norme uniforme.

III – Int´ egration num´ erique

91

(a) Montrer que pour tout f ∈ C l’int´ egrale
1 −1

f (x) √ dx 1 − x2

est convergente.

ome de Tchebychev de degr´ e n. (b) On note tn le polynˆ On rappelle le r´ esultat Kronecker. Calculer
1 tn (x)tk (x) √ −1 1−x2 1 xn tm (x) √ dx −1 1−x2

dx = pour

π 2

δn,k o` u δn,k est le symbole de

n < m.

(c) On note x0 , x1 , x2 les racines de t3 . D´ eterminer trois r´ eels A0 , A1 , A2 tels que pour tout polynˆ ome P de degr´ e ≤ 2 on ait
1 −1

P (x) √ dx = A0 P (x0 ) + A1 P (x1 ) + A2 P (x2 ). 1 − x2

Montrer que l’´ egalit´ e est encore v´ erifi´ ee si P est de degr´ e ≤ 5. (d) Montrer que l’int´ egrale sa valeur. (e) Pour n fix´ e non nul, on d´ esigne par xk les racines de tn et par Ak des nombres r´ eels (0 ≤ k ≤ n − 1). Pour tout f ∈ C on note
n−1 1 1 0

√x

4 dx x(1−x)

est convergente et, ` a l’aide de (c), calculer

Sn (f ) =
k=0

Ak f (xk ) et

Rn (f ) =

−1

f (x) √ dx − Sn (f ). 1 − x2

(α) Montrer que l’on peut d´ eterminer les Ak de mani` ere unique de sorte que pour tout polynˆ ome P de degr´ e ≤ n − 1 on ait Rn (P ) = 0. (β ) Montrer que pour 1 ≤ p ≤ n − 1 on a En d´ eduire que Ak = π n pour tout k .
n−1 k=0

Tp (xk ) = 0.

ome de degr´ e ≤ 2n − 1. (γ ) Montrer que Rn (P ) = 0 pour tout polynˆ (f) Soient f ∈ C et P un polynˆ ome. En supposant f − p < ε, donner un majorant eduire de |Rn (f )| lorsque n → +∞. En d´
1 n→+∞

lim Sn (f ) =

−1

f (x) √ dx. 1 − x2

6.10. Le but du probl` eme est d’´ etablir quelques r´ esultats sur la formule approch´ ee 1 1 f (x)dx P (x)dx o` u Pn (x) est le polynˆ ome d’interpolation de degr´ e n de −1 −1 n f aux points de Tchebychev xi = cos θi , tels que θi =
(2i+1) 2n+2

π , 0 ≤ i ≤ n.

(a) Avec les notations de II 4.3, montrer que le polynˆ omes li de Lagrange sont donn´ es par (−1)i sin θi tn+1 (x) li (x) = , 0 ≤ i ≤ n. n+1 x − xi

92

Analyse num´ erique et ´ equations diff´ erentielles

(b) Pour x ∈ [−1, 1] et n ∈ N on note
1

an (x) =

−1

cos(n Arc cos x) − cos(n Arc cos y ) dy. x−y

Montrer que an est un polynˆ ome de degr´ e n et que l’on a
1 −1 n

Pn (x)dx =
i=0

ωi f (xi ) avec ωi =

(−1)i sin θi an+1 (xi ). n+1

eduire la valeur de (c) Calculer an+1 (x) − an−1 (x) ; en d´ an+1 (x) − 2xan (x) + an−1 (x). (d) En distinguant deux cas suivant la parit´ e de n, montrer l’´ egalit´ e sin θ an (cos θ) = 2 sin nθ − 4
1≤q< n 2

1 sin (n − 2q )θ. 4q 2 − 1

(e) En d´ eduire l’expression de ωi :  2 − 4 ωi = Montrer l’in´ egalit´ e ωi > 0. ´ (f) On fixe n = 10. Ecrire un programme en langage informatique qui permet de calculer tous les coefficients ωi .
1≤q ≤ n+1 2

 1 cos 2qθi  4q 2 − 1 .

n+1

Ô ØÖ ÁÎ Å Ø Ó × Ø Ö ØÚ × ÔÓÙÖ Ð Ö ×ÓÐÙØ ÓÒ ³ ÕÙ Ø ÓÒ×
Les m´ ethodes it´ eratives, et en particulier la m´ ethode de Newton, figurent parmi les m´ ethodes num´ eriques les plus puissantes permettant la r´ esolution approch´ ee des ´ equations de toute nature. L’id´ ee de ces m´ ethodes est de partir d’une valeur approch´ ee grossi` ere de la solution, et d’en am´ eliorer la pr´ ecision par une application it´ er´ ee d’un algorithme bien choisi.

½º ÈÖ Ò Ô
½º½º Ä Ø ÓÖ Ñ

×Ñ Ø Ó
Ù ÔÓ ÒØ

× Ø Ö ØÚ ×
Ü

Soit (E, d) un espace m´ etrique complet et ϕ : E → E une application continue. On dit que a ∈ E est un point fixe de ϕ si ϕ(a) = a. On dit que ϕ est contractante si ϕ est lipschitzienne de rapport k < 1, c’est-` a-dire s’il existe k < 1 tel que ∀x, y ∈ E, d(f (x), f (y )) ≤ k d(x, y ).

Th´ eor` eme – Soit ϕ : E → E une application contractante d’un espace m´ etrique
complet dans lui-mˆ eme. Alors ϕ admet un point fixe unique a ∈ E . De plus, pour er´ ee (xp ) d´ efinie par xp+1 = ϕ(xp ) converge tout point initial x0 ∈ E , la suite it´ vers a. Unicit´ e du point fixe. Si ϕ avait deux points fixes a = b, alors d(ϕ(a), ϕ(b)) = d(a, b) et d(a, b) = 0, donc ϕ ne pourrait ˆ etre contractante, contradiction. Existence du point fixe. Soit x0 ∈ E un point initial quelconque et (xp ) la suite it´ er´ ee associ´ ee. On a alors d(xp , xp+1 ) = d(ϕ(xp−1 ), ϕ(xp )) ≤ k d(xp−1 , xp )

Lorsque E = Rm . la de ϕm .1 pour une autre d´ emonstration de ces r´ esultats. et on en d´ eduit limq→+∞ xq = a. Enfin. dans ce cas. Par ailleurs. xl+1 ) ≤ l =p k l d(x0 . . ce point fixe est n´ sous-suite xmp = ϕmp (x0 ) = (ϕm )p (x0 ) (correspondant aux indices multiples de m) converge vers a. x1 ). 1. a). pour tout point initial x0 . de xp croˆ G´ en´ eralisation – Le th´ eor` eme pr´ ec´ edent reste enti` erement valable si on remplace l’hypoth` ese que ϕ est contractante par l’hypoth` ese que ϕ est continue et qu’il existe une certaine it´ er´ ee ϕm = ϕ ◦ . comme tout point fixe de ϕ est aussi un point fixe ecessairement unique. . Il en r´ esulte que xmp+r = ϕr (xmp ) converge aussi vers ϕr (a) = a eme pour r = 0. xp+1 ) ≤ k p d(x0 . On a donc 1−k d(xp . ϕ(a)) ≤ k d(xp−1 . Estimation de la vitesse de convergence – L’in´ egalit´ e d(xp . ◦ ϕ qui soit contractante. xq ) ≤ l =p q −1 +∞ d(xl . . Voir aussi le probl` 4. x1 ). On a donc ϕm (a) = a et en appliquant ϕ ` trouve ϕm (ϕ(a)) = ϕm+1 (a) = ϕ(ϕm (a)) = ϕ(a). on dit parfois qu’il s’agit d’une convergence lin´ eaire. a) ≤ k p d(x0 . . a) = d(ϕ(xp−1 ). la suite egalit´ e xp+1 = ϕ(xp ) et la continuit´ e (xp ) converge vers un point limite a ∈ E .94 Analyse num´ erique et ´ equations diff´ erentielles d’o` u par r´ ecurrence d(xp . e du point fixe de ϕm de sorte que ϕ(a) est encore un point fixe de ϕm . xq ) ≤ kp d(x0 . La convergence est donc exponentiellement rapide. 1−k ∀p < q ce qui montre que (xp ) est une suite de Cauchy. L’´ de ϕ impliquent a ` la limite a = ϕ(a). L’unicit´ entraˆ ıne ϕ(a) = a. Comme (E. dans le sens o` u le nombre de d´ ecimales exactes ıt au moins lin´ eairement avec p. . . a) implique par r´ ecurrence d(xp . d) est complet. Pour tout entier q > p il vient q −1 q −1 d(xp . En effet. x1 ) avec l =p kl ≤ l =p kl = kp . m − 1. l’hypoth` ese que ϕm soit contractante implique que ϕm admet a cette ´ egalit´ e on un unique point fixe a.

a + h]. b] est complet. donc ϕ est contractante de rapport k sur E . Soit a ∈ I un point fixe de ϕ. pour des fonctions d’une ou plusieurs variables. f (b) > 0. Par continuit´ e de ϕ . Soit I un intervalle ferm´ e de R et ϕ : I → I une application de classe C 1 . on a n´ ecessairement ϕ(E ) ⊂ E et par cons´ equent ∀x0 ∈ [a − h.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 95 ½º¾º ÔÔÐ Ø ÓÒ Ð Ö ×ÓÐÙØ ÓÒ ³ ÕÙ Ø ÓÒ× Comme premi` ere application ´ el´ ementaire du r´ esultat pr´ ec´ edent. Si on pose ϕ(x) = x − Cf (x) avec une constante C = 0. Il en ee ` a partir d’un point x0 ∈ [a. Or nous avons ϕ (x) = 1 − Cf (x). donc ϕ([a. La vitesse de convergence peut ˆ etre estim´ ee par la suite g´ eom´ etrique (1 − m/M )p . a + h] sur lequel |ϕ | ≤ k . L’espace E = [a. ¾º × × ÓÒ Ø ÓÒ× ³ÙÒ Ú Ö Ü × ØØÖ Ð ¾º½º ÈÓ ÒØ× Ø × Ø Ö ÔÙÐ× × Notre objectif est ici d’´ etudier le comportement it´ eratif d’une fonction au voisinage de ses points fixes. b] → R telle que disons f (a) < 0. il est clair que l’´ equation f (x) = 0 ´ equivaut a ` ϕ(x) = x et donc la r´ esolution de l’´ equation f (x) = 0 se ram` ene ` a rechercher les points fixes de ϕ. b]. il existe un intervalle E = [a − h. De plus ϕ est croissante et on a ϕ(a) > a. Soit k tel que |ϕ (a)| < k < 1. . et pour le choix C = 1/M . b] de la solution x cherch´ ee est suffisamment fin. b] dans le cas oppos´ −M ≤ f (x) < −m < 0 il suffira de changer f en −f . 0 < m ≤ f (x) ≤ M sur [a. et croissante. et on voit qu’on a int´ erˆ et ` a ce que les bornes m et M de l’encadrement m ≤ f ≤ M soient proches. f (b) < 0. b]) ⊂ [a. et il nous faut v´ erifier de plus • que ϕ envoie bien E dans E . donc 1 − CM ≤ ϕ (x) ≤ 1 − Cm. L’objet de ce chapitre est d’´ etudier et de g´ en´ eraliser ce type de techniques. On peut distinguer trois cas : (1) |ϕ (a)| < 1. On dit que a est un point fixe attractif. et f strictement e f (a) > 0. Supposons qu’on ait une fonction diff´ erentiable f : [a. b] r´ esulte que toute suite it´ erative xp+1 = ϕ(xp ) calcul´ quelconque va converger vers l’unique solution de l’´ equation f (x) = 0. Dans ce cas la convergence de la suite (xp ) est au moins exponentiellement rapide : |xp − a| ≤ k p |x0 − a|. ϕ(b) < b. ce qui est toujours possible si f est continue et si l’encadrement initial [a. • que ϕ est bien contractante sur E . soit a ` r´ esoudre une ´ equation f (x) = 0 d’une variable r´ eelle x. la fonction ϕ est bien contractante dans le rapport k = 1 − m/M . p→ + ∞ lim xp = a.

x[. on en d´ eduit successivement 1 2 M |ϕ(x) − a| ≤ 2p 1 2 M |x − a| . |ϕ(x) − a| > |x − a|.a+h] admette une application r´ eciproque ϕ−1 d´ efinie sur ϕ([a − h. on voit qu’il existe un voisinage ∀x ∈ [a − h. |xp − a| ≤ 2 M 1 2 M |x0 − a| 1 5M . le point a est un point fixe attractif pour ϕ−1 . Par 2 1 1 M |xp − a| ≤ M |x0 − a| 2 2 . Analyse num´ erique et ´ equations diff´ erentielles Supposons de plus que ϕ soit de classe C 2 et que |ϕ | ≤ M sur E . donc il existe h > 0 tel que la restriction ϕ|[a−h.96 Cas particulier : ϕ (a) = 0. comme le montrent les deux exemples suivants dans lesquels a = 0. a + h]). qui est un intervalle contenant ϕ(a) = a. Ce ph´ enom` ene est appel´ e ph´ enom` ene de convergence quadratique. a + h] \ {a}. et comme (ϕ ) (a) = 1/ϕ (a). et le point fixe a est alors appel´ e parfois point fixe superattractif. La formule de Taylor donne (x − a)2 ϕ (c) ϕ(x) = ϕ(a) + (x − a)ϕ (a) + 2! 1 c ∈ ]a. a + h] de a tel que Comme lim = |ϕ (a)| > 1. M on voit donc que le nombre de d´ ecimales exactes double environ ` a chaque it´ eration . En particulier si x0 est choisi tel que |x0 − a| ≤ |xp − a| ≤ on obtient p 2 10−2 . la d´ eriv´ ee ϕ est de signe constant au voisinage de a. (2) |ϕ (a)| > 1. 10 it´ erations suffiraient ainsi th´ eoriquement pour obtenir plus de 1000 d´ ecimales exactes ! La convergence est donc ici extraordinairement rapide. On est ici dans un cas douteux. L’´ equation ϕ(x) = x peut se r´ ecrire x = ϕ−1 (x) au −1 voisinage de a. soit encore r´ ecurrence. 2p . ϕ(x) − ϕ(a) x →0 x−a [a − h. On dit alors que le point fixe a est r´ epulsif. 2 2 d’o` u |ϕ(x) − a| ≤ 1 2 M |x − a| . ϕ (a) = 1 : . Dans ce cas. (3) |ϕ (a)| = 1. = a + ϕ (c)(x − a)2 .

IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 97 π Exemple 1 – ϕ(x) = sin x. a[ et strictement d´ typiquement un graphe en escalier : y y=x y = ϕ(x) ϕ(x0 ) a−h x0 x1 . a + h] ⊂ [a − h. lim xp = +∞.. donc Pour tout x0 ∈ 0. donc il existe un voisinage [a − h. π 2 . on voit que le point fixe 0 est r´ epulsif et que ∀x0 > 0. a + h] sur lequel x → ϕ(x) et x → x − ϕ(x) sont strictement croissantes. On peut de nouveau distinguer plusieurs cas. a + h]. 2 . π 2 la suite it´ convergente. On a ici sin x < x pour tout x ∈ 0. Comme sinh x > x pour tout x > 0. Si x < a. alors ϕ(x) > ϕ(a) = a. Par continuit´ e de ϕ on va avoir −1 < ϕ (x) < 0 sur un voisinage [a − h. a + h]. La limite l v´ erifie l = sin l. x ∈ 0. par suite x < ϕ(x) < ϕ(a) = a pour x ∈ [a − h. a + h]. x ∈ [0. p→ + ∞ ¾º¾º ÓÑÔÓÖØ Ñ ÒØ Ö Ô ÕÙ Nous voulons d´ ecrire ici un peu plus finement le comportement de la suite it´ erative xp+1 = ϕ(xp ) au voisinage d’un point fixe attractif a. (1) ϕ (a) > 0. sur lequel ϕ est donc strictement d´ ecroissante. ce qui implique en particulier que ϕ([a − h. . On obtient alors pour x0 ∈ [a − h. er´ ee (xp ) est strictement d´ ecroissante minor´ ee. Par continuit´ e de ϕ on va avoir 0 < ϕ (x) < 1 au voisinage de a. a[ a = ϕ(a) < ϕ(x) < x pour x ∈ ]a. On suppose donc ϕ de classe C 1 et |ϕ (a)| < 1. donc l = 0. Il est facile de voir dans ce cas que la suite it´ erative xp+1 = ϕ(xp ) va ˆ etre strictement croissante ecroissante si x0 ∈ ]a. +∞[.. a + h] de a. xp a x1 x0 a+h x (2) ϕ (a) < 0. Exemple 2 – ϕ(x) = sinh x.

Comme ϕ ◦ ϕ est strictement croissante (de d´ eriv´ ee < 1) sur [a − h. il est facile de voir que la suite (xp ) est strictement croissante (resp. mis ` a part peut-ˆ etre pour le terme ` un graphe en escalier. un minimum local).98 Analyse num´ erique et ´ equations diff´ erentielles tandis que si x > a. d´ ecroissante). x ∈ R. le point a est un maximum local (resp. Cependant. le cas (1) montre que les suites x2p et x2p+1 sont monotones de limite Il s’agit donc de suites adjacentes. et on obtient un graphe en escargot : y y=x ϕ(xp ) y = ϕ(x) a−h (3) ϕ (a) = 0. initial x0 . On a f (x) = 3x2 − 4 et l’´ etude de f donne : x f (x) f (x) −∞ + 2 −√ 3 2 √ 3 +∞ − +∞ 0 16 √ 3 3 − 0 1+ −∞ 1− 16 √ 3 3 . a + h]. a + h] {a} quelconque. alors le point a est un extremum local. On choisira h assez petit pour que ϕ ne change pas de signe et |ϕ | < 1 sur [a − h. si ϕ (a) < 0 (resp. et pour x0 ∈ [a − h. si ϕ est de classe C 2 et ϕ (a) = 0. x0 x2 xp a xp+1 x3 x1 a+h x En g´ en´ eral. Alors. on ϕ(x) < ϕ(a) = a. a + h]. on ne va rien pouvoir conclure. On aboutit encore a ¾º¿º Ü ÑÔÐ Ö ×ÓÐÙØ ÓÒ ³ ÕÙ Ø ÓÒ Soit a ` r´ esoudre l’´ equation f (x) = x3 − 4x + 1 = 0. ϕ (a) > 0).

x ϕ− (x) = − 4 − 1 . Pour tout x0 ∈ [0 . 1 4 L’´ equation f (x) = 0 peut se r´ ecrire x = ϕ(x) avec ϕ(x) = 2 x . 5 < a3 < 2. Nous allons voir qu’il existe en fait une m´ ethode g´ en´ erale plus efficace et plus syst´ ematique. 1 = 0. 1875. 5] est n´ ecessairement stable par ϕ puisqu’il contient un point fixe et que ϕ est contractante et croissante. ϕ ≥ ϕ (1. On a Seul a2 est un point fixe attractif de ϕ. 6875.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 99 y 4 y = f (x) a1 −2 −1 1 0 −2 a2 2 √ 3 a3 2 x 1 L’´ equation f (x) = 0 admet donc 3 racines r´ eelles a1 < a2 < a3 . p→ + ∞ √ Pour obtenir a1 et a3 . 5) 0. • sur [0 . −2] . 5) = 1. 5] on aura donc a2 = lim xp . x 0 ≤ ϕ+ ≤ ϕ+ (1. 0 < a2 < 0. d’o` u : ϕ (x) = 3 4 • sur [−2. 5]. 0. ϕ ≥ ϕ (2) = 3. Il sera num´ eriquement plus efficace de r´ ecrire l’´ equation sous la forme x2 − 4+ x soit x = ϕ+ (x) ou x = ϕ− (x) avec ϕ+ (x) = 4− 1 . qui est contractante au voisinage de ces points. La convergence sera donc assez rapide. 0 ≤ ϕ ≤ 0. • sur [1. on a alors ϕ± = ± 2x 4− 2 1 −1/2 . 5 . on peut it´ erer la fonction ϕ−1 (x) = 3 4x − 1. sur [−2. x de sorte que 1 suivant que x est ≥ 0 ou ≤ 0. 5 . 122 ϕ− (−2) −0. le calcul de quelques valeurs de f donne −2. 5 . 5. . 0. 0. 2]. (x3 + 1). 2]. 5 < a1 < −2. −2]. 5 . 1. L’intervalle [0 . 059 ≤ ϕ ≤ 0 sur [1.

a+h] et que f = 0 sur I . y f a x1 x0 x L’id´ ee est de remplacer la courbe repr´ esentative de f par sa tangente au point x0 : y = f (x0 )(x − x0 ) + f (x0 ). La fonction ϕ est alors de classe C 1 au voisinage de a et ϕ (x) = 1 − f (x)2 − f (x)f (x) f (x)f (x) = . Soit M = max x ∈I |xp − a| ≤ p 1 (M |x0 − a|)2 . et pour tout point initial x0 ∈ [a−h. M . Alors pour tout f (x) x ∈ [a−h. M . On est donc amen´ e` a x1 est en g´ it´ erer la fonction f (x) . ee L’abscisse x1 du point d’intersection de cette tangente avec l’axe y = 0 est donn´ par f (x0 ) . 2 f (x) f (x)2 ce qui donne ϕ(a) = a. ϕ (a) = 0. ϕ(x) = x − f (x) Supposons que f soit de classe C 2 et que f (a) = 0. en supposant qu’on dispose d’une valeur grossi` ere x0 de cette racine. La racine a de f (x) = 0 est donc un point fixe superattractif de ϕ. a + r] f (x) 1 et h = min r.100 Analyse num´ erique et ´ equations diff´ erentielles ¾º º Å Ø Ó Æ ÛØÓÒ On cherche ` a ´ evaluer num´ eriquement la racine a d’une ´ equation f (x) = 0. Le r´ esultat suivant donne une estimation de l’´ ecart |xp − a|. x1 = x0 − f (x0 ) en´ eral une meilleure approximation de a que x0 . a+h] on a |ϕ(x)−a| ≤ M |x−a|2 . Th´ eor` eme – On suppose que f est de classe C 2 sur l’intervalle I = [a − r.

d’o` v (x) = (u (x) − M u(x))e−M x ≤ e−M x . L’estimation M |xp − a| ≤ (M |x0 − a|)2p s’en d´ eduit aussitˆ ot par r´ ecurrence. et le lemme 1 implique |ϕ (x)| ≤ M |u(x)| ≤ eM |x−a| − 1. Sur l’intervalle [0. Comme v (a) = u(a) = 0. Exemple – Pour la fonction f (x) = x3 − 4x + 1 du § 2. On peut maintenant ´ ecrire ϕ (x) = u(x) f f (x) (x) . a + h] on a |ϕ(x) − a| ≤ M |x − a|2 . Cette in´ egalit´ e permet d’obtenir le Lemme 1 – On a |u(x)| ≤ 1 M (eM |x−a| − 1) sur I . on obtient alors les valeurs suivantes : . d’o` lemme 2 puisque e − 1 < 2. M (eM (x−a) − 1). donc f a mˆ eme signe que f (a)(x − a). donc sur tout intervalle la courbe est u le situ´ ee sous sa corde. 2 3x − 4 3x − 4 Par it´ eration de ϕ. ce qui entraˆ que u(x) a mˆ eme signe que x − a. =1− 2 f (x) f (x) donc |u (x)| ≤ 1 + M |u(x)| sur I . on obtient |ϕ (x)| ≤ 2M |x − a| pour |x − a| ≤ min r. on voit par int´ egration que pour tout x ∈ [a − h. soit encore M |ϕ(x) − a| ≤ (M |x − a|)2 .3. La fonction f est ıne monotone sur I . En effet la fonction exponentielle est convexe. Grˆ ace au lemme 2. u u (x) ≤ 1 + M u(x). ceci donne et ≤ 1 + (e − 1)t. e|t| − 1 ≤ 2|t|. Introduisons la fonction u(x) = f (x)/f (x). Il vient Montrons-le par exemple pour x ≥ a. on en d´ eduit par int´ egration v (x) ≤ soit encore u(x) ≤ 1 M 1 −M a (e − e−M x ). M Comme ϕ(a) = a. Posons v (x) = u(x)e−M x .IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 101 D´ emonstration. nulle en a. on a ϕ(x) = x − 2x 3 − 1 x 3 − 4x + 1 = 2 . Lemme 2 – Pour |t| ≤ 1. 1 . 1]. De plus u (x) = 1 − f (x)f (x) f (x) u(x). Le lemme 1 est donc d´ emontr´ e.

). .3 est nettement plus ´ elev´ e (de 8 ` a 20 suivant les cas). 25 0. 860805853 = x4 Ceci donne des valeurs approch´ ees de a1 . 254101688 = x3 2 1. . 875 1. Le nombre ethode de d’it´ erations n´ ecessaires pour obtenir une pr´ ecision de 10−9 par la m´ 3 4 Newton est typiquement 3 ou 4 (10−2 = 10−8 . 860805877 1. Supposons qu’on dispose de deux valeurs approch´ ees x0 . ¾º º Å Ø Ó Ð × ÒØ Dans certaines situations. x1 de la racine a de l’´ equation f (x) = 0 (fournies par un encadrement x0 < a < x1 ). 860978520 1. 254098361 0. a2 . On ne peut alors utiliser telle quelle la m´ ethode de Newton. 114907541 = x4 0 0. la d´ eriv´ ee f est tr` es compliqu´ ee ou mˆ eme impossible ` a expliciter (c’est le cas par exemple si la fonction f est le r´ esultat d’un algorithme complexe). .102 Analyse num´ erique et ´ equations diff´ erentielles x0 x1 x2 x3 x4 x5 −2 −2. 114907545 −2. y f s´ ecante x0 x2 0 a x1 x Le taux d’accroissement de f sur l’intervalle [x0 . Le lecteur pourra v´ erifier que le nombre d’it´ erations requises avec les fonctions ϕ du § 2. x1 ] est τ1 = f (x1 ) − f (x0 ) x1 − x0 et l’´ equation de la s´ ecante traversant le graphe de f aux points d’abscisse x0 et x1 est y = τ1 (x − x1 ) + f (x1 ). 10−2 = 10−16 . a3 ` a 10−9 pr` es environ. L’id´ ee est de remplacer f par le taux d’accroissement de f sur un petit intervalle. 125 −2. 114975450 −2.

2. Etudions formule de Taylor-Lagrange a ` l’ordre 2 au point xp donne 1 f (xp−1 ) − f (xp ) = (xp−1 − xp )f (xp ) + (xp−1 − xp )2 f (c). Supposons par ailleurs que le calcul des f (xi ) soit effectu´ e avec une erreur d’arrondi e d’une erreur absolue de l’ordre de de l’ordre de ε. 2 1 τp − f (xp ) = (xp−1 − xp )f (c) = O(|xp − xp−1 |) 2 apr` es division de la premi` ere ligne par xp−1 − xp . et les r´ Mi = max |f (i) (x)|. Il est inutile de continuer a √ ε a-dire |xp − xp−1 | < ε. la convergence de la suite est assur´ ee par le r´ esultat ci-dessous. La donc a ` une perte de pr´ ecision sur le calcul de τp . ce qui conduit a ` poser f (xp ) − f (xp−1 ) f (xp ) τp = . ` a ceci pr` es que l’on a remplac´ e la d´ eriv´ ee f (xp ) par le taux d’accroissement τp de f sur l’intervalle eratif ne peut d´ emarrer que si on dispose [xp . On notera que l’algorithme it´ d´ ej` a de deux valeurs approch´ ees x0 . ce qui a lieu si |xp −xp−1 | > |xp − xp−1 | c’est-` Dans la pratique. K . ` un ph´ enom` ene de compensation et de f (xp ) − f (xp−1 ) et xp − xp−1 donne lieu a ´ l’erreur commise. |x1 − a|)]sp . x1 ∈ [a − h. i = 1. x1 de a. on a |xp − a| ≤ 1 [K max(|x0 − a|. |τp − f (xp )|. τ1 On va bien entendu it´ erer ce proc´ ed´ e` a partir des nouvelles valeurs approch´ ees x1 et x2 . Soit enfin (sp ) la suite de Fibonacci. On introduit les quantit´ es Mi . on poursuit alors on arrˆ ete le calcul de τp d` a l’obtention de la convergence (c’est-` a-dire les it´ erations avec τp = τp−1 jusqu’` |xp+1 − xp | < ε). si l’on dispose d’une pr´ ecision absolue ε = 10−10 par exemple. √ es que |xp − xp−1 | < ε = 10−5 . xp − xp − 1 τp La m´ ethode est donc tout a ` fait analogue a ` celle de Newton. K= 2m1 m1 h = min r. d´ Alors quel que soit le choix des points initiaux x0 . x∈I M1 M2 1+ . Inconv´ enient de la m´ ethode – Lorsque xp et xp−1 sont trop voisins. a + h] distincts. xp+1 = xp − . K efinie par sp+1 = sp + sp−1 avec s0 = s1 = 1.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 103 On obtient ainsi une nouvelle approximation x2 de a en calculant l’abscisse de l’intersection de la s´ ecante avec l’axe Ox : f (x1 ) x2 = x1 − . a + r]. h tels que I = [a − r. 1 . D’un point de vue th´ eorique. qui donne simultan´ ement une estimation pr´ ecise pour |xp − a|. x ∈I mi = min |f (i) (x)|. Le calcul de τp est alors affect´ ε ` calculer τp d` es que cette erreur d´ epasse l’´ ecart |xp −xp−1 | . le calcul Th´ eor` eme – On suppose f de classe C 2 et de d´ eriv´ ee f = 0 sur l’intervalle eels K . xp−1 ].

tf (x + t(y − x))dt. 1] la d´ eriv´ ee de la fonction t → ψ (a + th1 . y ) = f (x) Pour tous (x. y ) = x − Posons hp = xp − a. xp−1 ) − a = ψ (a + hp . a) et en particulier h2 = ψ (a + h1 . Il en r´ esulte en particulier y 0 (1 − t)dt = 1 .4.104 Analyse num´ erique et ´ equations diff´ erentielles √ 1+ 5 p+1 2 √ facteur 1+2 5 Remarque – On v´ erifie facilement que sp ∼ 1 √ 5 . a). 618 a ` chaque it´ eration. y ) = f (y )−f (x) y −x si y = x si y = x.* Le lecteur pourra omettre cette d´ emonstration sans compromettre la compr´ ehension de la suite du chapitre. a + hp−1 ) − ψ (a. a + th0 ) + h0 (a + th1 . on trouve 1 f (x) . y ) = 0 f (x + t(y − x))dt et le th´ eor` eme de d´ erivation sous le signe somme montre que ∂τ (x. ceci montre que le nombre de d´ ecimales exactes croˆ ıt environ du 1. ∂y 2 |τ (x. a + th0 ) dt. y ) de f sur I × I d´ efini par τ (x. y ) ∈ I × I . D´ emonstration. y ) − f (x)| = |τ (x. a + h0 ) − ψ (a. τ (x. y )| ≥ m1 . y ) − τ (x. La convergence est donc tout juste un peu moins rapide que dans le § 2. t)dt ≤ M2 |y − x|. ∂x ∂y . ∂x 2 1 ∂τ ≤ M2 . On consid` ere le taux d’accroissement τ (x. 1 1 0 Comme f est de signe constant sur I et comme in´ egalit´ es |τ (x. y ) h2 = 0 h1 ∂ψ ∂ψ (a + th1 . On a hp+1 = ψ (xp . En int´ egrant sur [0. y ) = ∂x ∂τ (x. y ) = ∂y 1 0 (1 − t)f (x + t(y − x))dt. τ (x. xp−1 ) o` u ψ est la fonction de classe C 1 telle que ψ (x. ∂y 2 La suite (xp ) est d´ efinie par la formule de r´ ecurrence xp+1 = ψ (xp . on en d´ eduit les 2 1 ∂τ ≤ M2 . on peut ´ ecrire 1 τ (x. x)| = x 1 ∂τ (x. a + th0 ).

≤ |h1 | ≤ 1 K implique |hp+1 | ≤ |hp |. y ) − f (x) ∂x =1− + f ( x ) = . y )2 τ (x. On en d´ eduit p ≥ 2. les in´ egalit´ es ci-dessus impliquent M2 |y − x| M2 ∂ψ ≤ + M1 |x − a| . et se g´ pour p ≥ 3. |hp−1 |). d’o` M2 ∂ψ M1 M2 ≤ (|h0 | + |h1 |) + |h1 | t.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 105 Des calculs imm´ ediats donnent ∂τ ∂τ f (x)τ (x. y ) = (a + th1 . y ) τ (x. y )2 ∂ψ ∂y = f (x) . ∂y 2m2 1 u Pour (x. 2 1 K. . |h1 |)]sp est triviale si p = 0 ou p = 1. r´ esulte de en´ eralise facilement par r´ ecurrence l’estimation d´ ej` a vue pour h2 si p = 2. |h1 | ≤ h ≤ on voit que |h2 | ≤ |h1 |. . y )2 Comme |f (x)| = |f (x) − f (a)| ≤ M1 |x − a|. ¿º × × ÓÒ Ø ÓÒ× Rm Ò× Rm ¿º½º ÈÖ Ð Ñ Ò Ö × Ö ÝÓÒ ×Ô ØÖ Ð ³ÙÒ Ò ÓÑÓÖÔ ×Ñ Soit E un espace vectoriel de dimension m sur R et u un endomorphisme de E . et ceci entraˆ ıne par r´ ecurrence que la suite (|hp |)p≥1 est d´ ecroissante : |hp | ≤ |hp−1 | ≤ . De mˆ eme |hp+1 | ≤ K |hp | max(|hp |. |hp+1 | ≤ K |hp ||hp−1 | pour 1 L’in´ egalit´ e |hp | ≤ K [K max(|h0 |. Comme |h0 |. on a |y − x| ≤ (|h0 | + |h1 |)t et |x − a| = |h1 |t. ∂y 2m2 1 |h2 | ≤ ∂τ 1 M2 M1 M2 + | ( | h | + | h | ) tdt | h 1 0 1 2m1 2m2 0 1 K = |h1 |(|h0 | + |h1 |) ≤ K |h1 | max(|h0 |. ∂x 2m1 2m2 1 ∂ψ M2 ≤ M1 |x − a| . . ∂x 2m1 2m2 1 ∂ψ M1 M2 ≤ |h1 |t. ∂x τ (x. |h1 |). ∂y τ (x. y ) − f (x) ∂x ∂ψ τ (x. a + th0 ). Le th´ eor` eme est d´ emontr´ e.

soit X un vecteur propre associ´ e. x∈E \{0} N (x) sup On notera N (resp. N (AX ) = |λ|N (X ) entraˆ ınent bien |λ| ≤ |||A|||N . Observons d’abord que si (λ1 . mais ρ(u + v ) = 1. Une base de E ´ etant fix´ ee. compt´ ees avec multiplicit´ es ( = racines du polynˆ ome caract´ eristique). (2) ρ(u) = inf |||u|||N = inf |||u|||N . on a ρ(u) = ρ(v ) = 0. E ) . Ne ) l’ensemble des normes (resp. On a donc ρ(Ap ) = ρ(A)p .106 Analyse num´ erique et ´ equations diff´ erentielles D´ efinition – On appelle spectre de u la famille (λ1 . il ne v´ erifie d’ailleurs pas l’in´ egalit´ e triangulaire. ρ(u) = lim |||up |||N . . . propre pour la valeur propre λ. . λm ) de ses valeurs propres r´ eelles ou complexes. . 1≤i≤m ´ Etant donn´ e une norme N sur E . . Th´ eor` eme – Soit u un endomorphisme quelconque de E . Soit Z = X + iY un vecteur colonne complexe. λm ). comme le montre l’exemple suivant : si u. λm ) est le spectre de p A. p→ + ∞ 1/p Remarque – Consid´ erons l’espace R2 muni de sa norme euclidienne canonique 0 a . Les ´ egalit´ es AX = λX . . Alors (1) Pour tout N ∈ N. . On appelle rayon spectral de u. Supposons maintenant que λ = α + iβ soit une valeur propre complexe non r´ eelle de A. alors le spectre de Ap est (λp 1 . la quantit´ e ρ(u) = max |λi |. on peut d’autre part associer a ` u sa norme |||u|||N en tant qu’op´ erateur lin´ eaire sur E : |||u|||N = N (u(x)) . (1) Soit λ une valeur propre de A. l’in´ egalit´ e (1) n’a donc pas de r´ eciproque. le rayon spectral n’est pas une norme sur L(E. . On a ρ(ua ) = 1 et pourtant 0 1 la norme |||ua ||| n’est pas born´ ee quand |a| → +∞ . . D´ emonstration∗ . Pour m = dim E ≥ 2. X = 0. des normes euclidiennes) d´ efinies sur E . ρ(u) ≤ |||u|||N . . . a ∈ R. Si λ ∈ R. on peut identifier E ` a Rm et u ` a une matrice A carr´ ee m × m. v sont les endomorphismes de matrices et ua l’endomorphisme de matrice Mat(u) = 0 1 0 0 et Mat(v ) = 0 0 1 0 . . not´ e ρ(u). N ∈N N ∈Ne (3) Pour tout N ∈ N. .

.. em ) par la base (ej ) = (e1 . aii = λi . consid´ erons A comme un endomorphisme de Cm . Apr` es addition et simplification par N (X ) + N (Y ) on obtient |λ|2 = α2 + β 2 ≤ |||A|||N (|α| + |β |) ≤ 2|λ| |||A|||N . Il s’ensuit (α2 + β 2 )N (X ) ≤ |||A|||N N (αX + βY ) ≤ |||A|||N (|α| N (X ) + |β | N (Y )). . N ∈N N ∈Ne Il suffit donc de voir que inf |||A|||N ≤ ρ(A). . D’apr` es la remarque initiale et le r´ esultat pr´ ec´ edent appliqu´ e` a Ap . . em ) de Cm . em ) de Cm dans laquelle A devient triangulaire sup´ erieure :  A = a11 0 . la conclusion attendue ρ(A) ≤ |||A|||N s’ensuit. e2 . . . . . AY = βX + αY d’o` u A(αX + βY ) = (α2 + β 2 )X A(−βX + αY ) = (α2 + β 2 )Y. il vient ρ(A)p = ρ(Ap ) ≤ 2|||Ap |||N ≤ 2|||A|||p N soit ρ(A) ≤ 21/p |||A|||N . la matrice A se transforme donc en une matrice A=D+T o` u D est diagonale de valeurs propres λ1 . ε2 e3 . N ∈Ne Pour cela. .IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 107 L’´ egalit´ e AZ = λZ = (α + iβ )(X + iY ) donne pour les parties r´ eelles et imaginaires les ´ egalit´ es AX = αX − βY . . on voit que le coefficient aij de A est remplac´ e par εj −i aij . Pour les coefficients au-dessus de la diagonale on a j > i. d´ efini par une matrice a coefficients r´ ` eels. Dans une base convenable (e1 . εe2 . . Si on remplace la base (e1 . donc εj −i est petit. εm−1 em ) avec ε > 0 petit.. . d’o` u |λ| ≤ 2|||A|||N . . . . (2) D’apr` es (1) et l’inclusion Ne ⊂ N on obtient ρ(A) ≤ inf |||A|||N ≤ inf |||A|||N . . amm j ≥ i. . En faisant tendre p vers +∞. . (α2 + β 2 )N (Y ) ≤ |||A|||N N (−βX + αY ) ≤ |||A|||N (|α| N (Y ) + |β | N (X )). Il existe une base (e1 . λm et T strictement triangulaire sup´ erieure avec des coefficients O(ε) arbitrairement petits.. Par cons´ equent ρ(A) ≤ 2|||A|||N . aij  a1m . . . Soit Nh la norme . . . . . .

Rm ) l’application lin´ au point x ∈ Ω. 1/p (ρ(A) + ε). alors ϕ est k -lipschitzienne sur Ω relativement a ` N. on peut choisir grˆ ace ` a (2) une norme euclidienne Nε ∈ Ne telle que |||A|||Nε ≤ ρ(A) + ε. Inversement. |||Ap |||N ≤ Cε 1/p = 1. de sorte que ϕ(x + h) − ϕ(x) = ϕ (x) · h + h ε(h). Comme toutes les normes sur l’espace de dimension finie des matrices carr´ ees m × m sont ´ equivalentes. et le th´ eor` eme est d´ emontr´ e. 1/p ¿º¾º ÖØ Ö ³ ØØÖ m ØÚØ Soit Ω un ouvert de R et ϕ : Ω → Rm une fonction de classe C 1 . Soit N = eaire tangente une norme fix´ ee sur Rm . On note ϕ (x) ∈ L(Rm . (2) Si Ω est convexe et si |||ϕ (x)|||N ≤ k pour tout x ∈ Ω. il existe r > 0 tel que h ≤ r → ε(h) ≤ δ . alors |||ϕ (x)|||N ≤ k pour tout x ∈ Ω. il existe une constante Cε ≥ 1 telle que |||B |||N ≤ Cε |||B |||Ne pour toute matrice B . . . Pour B = Ap . N ∈N e 1/p (3) On a d’une part ρ(A) = ρ(Ap )1/p ≤ |||Ap |||N . Lemme (1) Si ϕ est k -lipschizienne sur Ω relativement a ` la norme N .108 Analyse num´ erique et ´ equations diff´ erentielles hermitienne sur Cm ayant (e1 . . on a ϕ (x) · h |||ϕ (x)|||N = sup . h h =r . em ) pour base orthonorm´ ee et Ne la norme a Rm ). il existe pε ∈ N tel que Comme lim Cε p→ + ∞ 1/p p ≥ pε → |||Ap |||N ≤ ρ(A) + 2ε. etre rendue arbitrairement Comme |||D|||Nh = ρ(A) et comme |||T |||Nh = O(ε) peut ˆ petite. . on en d´ eduit p |||Ap |||N ≤ Cε |||Ap |||Nε ≤ Cε |||A|||p Nε ≤ Cε (ρ(A) + ε) . ´ etant donn´ e ε > 0. D´ emonstration (1) Pour tout δ > 0. Par lin´ earit´ e de ϕ (x). h→0 lim ε(h) = 0. il vient inf |||A|||Ne ≤ ρ(A). On a alors euclidienne induite sur Rm (restriction de Nh ` |||A|||Ne ≤ |||A|||Nh ≤ |||D|||Nh + |||T |||Nh .

si ρ(ϕ (a)) < 1. en particulier ϕ(V ) ⊂ B (a. . et ce quel que soit δ > 0. Comme V est convexe. x ∈ B (a. ϕ est alors contractante de rapport k sur V . r). ϕ (x) · h ≤ ϕ(x + h) − ϕ(x) + h ε(h) ≤ k h + h ε(h) ≤ (k + δ ) h . (ii) ρ(ϕ (a)) < 1. 1 0 Th´ eor` eme – Soit a ∈ Ω un point fixe de ϕ. |||ϕ (x + t(y − x))|||N y − x dt ≤ k y − x . on peut ´ ecrire ϕ(y ) − ϕ(x) = ψ (1) − ψ (0) = ψ (t) = ϕ(x + t(y − x)). Alors les deux propri´ et´ es suivantes sont ´ equivalentes : (i) Il existe un voisinage ferm´ e V de a tel que ϕ(V ) ⊂ V et une norme N sur Rn telle que ϕ|V soit contractante pour N . il existe une boule ferm´ ee V = B (a. On dit alors que le point fixe a est attractif. Il vient donc |||ϕ (x)|||N ≤ k + δ . es la partie D´ emonstration. r > 0. la formule de Taylor montre qu’il existe une constante M ≥ 0 telle que ϕ(x) − a ≤ M x − a 2 . Par continuit´ telle que supV |||ϕ |||N = k < 1. il existe une norme euclidienne N telle que e de ϕ . On en d´ eduit ϕ(y ) − ϕ(x) = ϕ(y ) − ϕ(x) ≤ 1 0 1 ψ (t)dt 0 avec ψ (t) = ϕ (x + t(y − x)) · (y − x). (2) Inversement. ϕ (x + t(y − x)) · (y − x)dt. Le ph´ enom` ene de convergence quadratique a donc encore lieu ici. Remarque – Si ϕ est de classe C 2 et si ϕ (a) = 0. Si ϕ|V est contractante de rapport k < 1 alors d’apr` (1) du lemme on a ρ(ϕ (a)) ≤ |||ϕ (a)|||N ≤ k < 1. si Ω est convexe. kr) ⊂ V . r). |||ϕ (a)|||N < 1. Inversement.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 109 or ϕ (x) · h = ϕ(x + h) − ϕ(x) − h ε(h).

= Id − f (a)−1 ◦ (f (a) · h) + o( h f (a + h)−1 · f (a + h) = Id − f (a)−1 ◦ (f (a) · h) + o( h ) · h + =h− 1 f (a)−1 · (f (a) · (h)2 ) + o( h )2 . connaissant une valeur approch´ ee grossi` ere x0 de a. Calculons un d´ eveloppement limit´ e` a l’ordre 2 de ϕ(a + h) quand h tend vers 0. D´ emonstration. Th´ eor` eme – On suppose que f est de classe C 2 . que f (a) = 0 et que l’application lin´ eaire tangente f (a) ∈ L(Rm . Si f (x0 ) ∈ L(Rn . On cherche a `´ evaluer num´ eriquement une classe C 2 d´ solution a du syst` eme f (x) = 0. 2 f (a + h) = f (a) + f (a) · h + o( h ) f (a + h) = f (a) · h + = f (a) ◦ Id + f (a)−1 ◦ (f (a) · h) + o( h ) . soit x1 = x0 − f (x0 )−1 · f (x0 ). Rm ) est inversible. f (a + h)−1 = [ ]−1 ◦ f (a)−1 ◦ f (a)−1 . On va donc it´ erer ici l’application de classe C 1 ϕ(x) = x − f (x)−1 · f (x). On a 1 f (a) · (h)2 + o( h 2 ) 2 1 = f (a) · h + f (a)−1 · (f (a) · (h)2 ) + o( h 2 ) . Alors a est un point fixe superattractif de ϕ. 2 . on a une solution unique x1 telle que x1 − x0 = −f (x0 )−1 · f (x0 ). Comme dans la m´ ethode de Newton usuelle. 2 1 f (a)−1 · (f (a) · (h)2 ) + o( h ) 2 d’o` u finalement ϕ(a + h) = a + h − f (a + h)−1 · f (a + h) 1 = a + f (a)−1 · (f (a) · (h)2 ) + o( h 2 ).110 Analyse num´ erique et ´ equations diff´ erentielles ¿º¿º Å Ø Ó Æ ÛØÓÒ¹Ê Ô ×ÓÒ Soit a ` r´ esoudre une ´ equation f (x) = 0 o` u f : Ω → Rm est une application de efinie sur un ouvert Ω ⊂ Rm . l’id´ ee est d’approximer f par sa partie lin´ eaire au point x0 : f (x) = f (x0 ) + f (x0 ) · (x − x0 ) + o( x − x0 ) On r´ esout alors l’´ equation f (x0 ) + f (x0 ) · (x − x0 ) = 0. Rm ) est inversible.

y y= C1 1 S −2 1 2 x C2 x y= <x /2 . 2 2 C1 est une hyperbole d’asymptotes x + xy − 2y = (x − y )(x + 2y ) = 0 . y ≥ 0. +∞[. +∞[ sur [0. en d´ ecr´ ementant x par pas de 0. on obtient la courbe C2 . Le th´ eor` eme est d´ emontr´ e. En particulier 1 (M + ε(h)) h 2 o` u M = |||ϕ (a)|||. Ce point y est la solution de xex + yey = 0. 0 0 La courbe C2 est sym´ etrique par rapport a ` la droite y = x . Pour x = 0. y sont n´ ecessairement de signe oppos´ es. = y (1 + y )e 1+y fournie par la m´ ethode de Newton appliqu´ ee ` a la variable y . Comme la ` chaque point fonction y → yey est strictement croissante de [0. Supposons par exemple x ≤ 0. 1 avec comme valeur initiale de y0 la valeur de la solution y trouv´ ee pour la valeur x pr´ ec´ edente.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 111 On en d´ eduit ϕ (a) = 0 et ϕ (a) = f (a)−1 ◦ f (a). de plus x. On commence par tracer les courbes C1 : x2 + xy − 2y 2 = 4 et C2 : xex + yey = 0 de mani` ere ` a obtenir graphiquement une approximation grossi` ere des solutions. a x ≤ 0 correspond un unique point y ≥ 0. on a y = 0 . cette 2 −2 hyperbole passe par les points et . ϕ(a + h) − a ≤ 2 Exemple – Soit a ` r´ esoudre le syst` eme x2 + xy − 2y 2 = 4 xex + yey = 0. et peut par exemple s’obtenir par it´ eration de la fonction ϕ(x) = y − xex + yey y 2 − xex−y .

2. y ) (x + 1)ey −(x + 1)ex −x + 4y 2x + y avec ∆(x.112 Analyse num´ erique et ´ equations diff´ erentielles On voit que le syst` eme pr´ ec´ edent admet une solution S −2 0. 0. 205937784 0. y ) = (2x + y )(y + 1)ey − (x − 4y )(x + 1)ex . Pour obtenir une valeur approch´ ee plus pr´ ecise. 126932304 . aux courbes C1 . 2 p 0 1 2 3 4 xp −2 −2. On est alors amen´ e` a calculer xp+1 xp les it´ er´ es =ϕ avec yp+1 yp ϕ x y = x y − 1 ∆(x. 130690999 −2. 2 0. on x y = = 0 0 avec . y ) x0 y0 (y + 1)ey −(x + 1)ex = −x + 4y 2x + y x2 + xy − 2y 2 − 4 xex + yey Partant du point initial −2 . 126932304 a b yp 0. 126932304 −2. 2 a b unique. 126935837 −2. 206278156 . C’est bien le cas ici. on trouve 0. avec a b tr` es grossi` erement. 206277868 0. ∂x ∂y i = 1. cherche ` a r´ esoudre l’´ equation f f x y x2 + xy − 2y 2 − 4 xex + yey L’application lin´ eaire tangente ` a f est donn´ ee par f x y = ∂f1 ∂x ∂f2 ∂x ∂f1 ∂y ∂f2 ∂y = 2x + y (x + 1)ex x − 4y (y + 1)ey La condition f (S ) inversible signifie que les tangentes ∂fi ∂fi (S )(x − a) + (S )(y − b) = 0. 206278156 d’o` u S= −2. 206278156 0. C2 au point S sont distinctes. On obtient f x y −1 = 1 ∆(x.

et V = f (B (0. telle que f (x) = x + u(x) o` u u est une application contractante de rapport k < 1 ( petite perturbation de l’identit´ e ). r ) implique que ϕ poss` . r)) de Rm . qui s’applique dans un espace num´ erique Rm muni d’une norme N quelconque. º½º Ä Ø ÓÖ Ñ ³ ÒÚ Ö× ÓÒ ÐÓ Ð Nous commen¸ cons par un lemme de perturbation. on peut supposer que x0 = 0 et f (0) = u(0) = 0. r) sur un ouvert V = f (B (x0 . Par suite f est une bijection de B (0. Lemme – Soit f : B (x0 . De mˆ eme que u. et comme ϕ(x) ≤ y + k x . (1 + k )r). Le th´ eor` eme on voit que ϕ envoie B (0. Alors (1) f est un hom´ eomorphisme de B (x0 . (1 − k )r) ⊂ V ⊂ B (f (x0 ). Quitte a ` remplacer f par f (x) = f (x + x0 ) − f (x0 ) et u par u(x) = u(x + x0 ) − u(x0 ). Il en r´ esulte que f est injective et (1 + k )-lipschitzienne. es lors que y ≤ (1 − k )r . on On consid` ere maintenant un rayon r < r quelconque. et que f (x) ≤ (1 + k ) x . Notre objectif est d’obtenir aussi des estimations quantitatives pour ces th´ eor` emes. r)) ⊂ B (0. r) → Rm une application d´ efinie sur une boule de rayon r dans Rm . (1 − k ) x2 − x1 ≤ f (x2 ) − f (x1 ) ≤ (1 + k ) x2 − x1 . e.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 113 ºÄ Ø ÓÖ Ñ × ÓÒ Ø ÓÒ× ÑÔÐ Ø × Nous allons ici exploiter le th´ eor` eme du point fixe pour d´ emontrer quelques r´ esultats fondamentaux du calcul diff´ erentiel. parce que ces estimations sont souvent n´ ecessaires pour majorer les erreurs commises dans les calculs num´ eriques. r ) dans B (0. r) est −1 (1 − k ) lipschitzienne . r) sur son image V . (1 + k )r). (3) l’image V satisfait l’encadrement B (f (x0 ). D´ emonstration. On a de fa¸ con ´ evidente x2 − x1 − u(x2 ) − u(x1 ) ≤ f (x2 ) − f (x1 ) ≤ x2 − x1 + u(x2 ) − u(x1 ) . et pour y ∈ Rm donn´ introduit l’application ϕ(x) = y + x − f (x) = y − u(x). r ) d` ede un du point fixe appliqu´ e` a l’espace complet E = B (0. (2) f est (1 + k )-lipschitzienne et son application r´ eciproque f −1 : V → B (x0 . c’est une application k -lipschitzienne.

on voit que l’image f (B (x1 . r ) et on peut appliquer ce qui pr´ ec` ede. (1 − k )r ). si f est de classe C 2 et |||f ||| ≤ M sur la boule B (x0 . r0 ). Ceci d´ emontre d´ ej` a (3). l’hypoth` ese de diff´ erentiablilit´ e de f au point x implique η − y = f (ξ ) − f (x) = f (x)(ξ − x) + ε(ξ − x) ξ − x Th´ eor` eme d’inversion locale – Soit f : Ω → Rm une application de classe . la constante de Lipschitz de f ´ etant major´ ee par K = (1 + k )|||l||| et celle de g = f −1 = f −1 ◦ −1 −1 −1 par K = (1 − k ) ||| |||. On en d´ r < r est arbitraire. par suite V = f (B (x0 . r) de x0 tel que V = f (U ) soit un ouvert de eomorphisme de classe C k de U sur V .114 Analyse num´ erique et ´ equations diff´ erentielles point fixe ϕ(x) = x unique. Pour −1 ||| −1 |||−1 ). r ). r)) est un ouvert. Le lemme pr´ ec´ edent montre alors que f (x) = −1 ◦ f (x) = x + u(x) d´ efinit un hom´ eomorphisme lipschitzien de U = B (x0 . r0 ) ⊂ Ω et si M est un majorant de f sur −1 ||| −1 |||−1 ). on voit que |||u ||| ≤ k = 1 r = min(r0 . c’est-` a-dire que l’´ equation f (x) = y d´ etermine un unique eduit que f (B (0. ce qui entraˆ de rapport k . (1 − k )r). l’in´ egalit´ e de gauche dans l’encadrement de Lipschitz de f implique (1 − k ) f −1 (y2 ) − f −1 (y1 ) ≤ y2 − y1 ıne que f −1 est continue (1 − k )−1 -lipschitzienne pour tous y1 . donc |||u ||| ≤ M ||| −1 ||| et le th´ croissements finis nous donne |||u (x)||| ≤ M ||| −1 ||| x − x0 sur B (x0 . Le lemme est d´ ´ efinie sur un ouvert Ω de Rm avec k ≥ 1. η ∈ V et x = g (y ). x ∈ U . on peut choisir U = B (x0 . Etant donn´ e un point x0 ∈ Ω. ξ = g (x) ∈ U = B (x0 . r)) ⊃ B (0. Rm ). r) avec r = min(r0 . Rm ) est inversible. 1 2M D´ emonstration. soit g (y ) = (f (g (y )))−1 ou encore (f −1 ) (y ) = (f (f −1 (y )))−1 ∈ L(Rm . r) sur V = f (V ). Rm et f un diff´ ee par (2) Pour tout y = f (x). on a bien V = f (B (0. Par continuit´ ıne que u est contractante boule B (x0 . B (x0 . Comme ant´ ec´ edent x ∈ B (0. ε)) contient un voisinage B (f (x1 ). ce qui entraˆ emontr´ e. la diff´ erentielle de g = f −1 est donn´ −1 g (y ) = (f (x)) . y2 ∈ V . r0 ). r )) ⊃ B (0. Rm ). (3) On suppose k ≥ 2. Maintenant. (1 − k )ε) de f (x1 ). Si B (x0 . r) quelconque et en rempla¸ cant r par ε > 0 petit. Alors (1) Il existe un voisinage U = B (x0 . r) sur V . Pour tous y. r). 1 2M 2 sur B (x0 . Enfin. eor` eme des acnous avons u = −1 ◦ f . r0 ) ⊂ Ω. donc f = ◦ f est un hom´ eomorphisme lipschitzien de U sur V = (V ). il existe une u (x0 ) = −1 ◦ f (x0 ) − Id = 0 dans L(Rm . En se pla¸ cant en un point x1 ∈ B (x0 . L’application u(x) = −1 (f (x)) − x est de classe C 1 et on a e de u . r) sur laquelle |||u (x)||| ≤ k < 1. et que f est un hom´ eomorphisme de B (x0 . on C k d´ suppose que l’application lin´ eaire tangente = f (x0 ) ∈ L(Rm .

º¾º∗ Ä Ø ÓÖ Ñ × ÓÒ Ø ÓÒ× ÑÔÐ Ø × Ø × × Ú Ö ÒØ × Nous allons reformuler le th´ eor` eme d’inversion locale pour en tirer diff´ erentes variantes et diff´ erentes cons´ equences g´ eom´ etriques. g (x))−1 ◦ fx (x. (ii) la matrice des d´ eriv´ ees partielles fy (x0 . y ) = x − f (y ).j ≤m Alors il existe un voisinage U × V de (x0 . Le th´ eor` eme est d´ emontr´ e. et on suppose que Th´ eor` eme des fonctions implicites – m k (i) f (x0 . y0 ) = 0 . Par cons´ equent f (x) B (x0 . on v´ k −1 . y ) est inversible. La d´ eriv´ ee de g est donn´ ee par la formule g (x) = −fy (x. l’application lin´ l’est aussi. Soit Ω un ouvert de Rp × Rm et f : Ω → R une application de classe C . g (x)). on en d´ eduit que g est continue sur V . k ≥ 1. y0 ) ∂yj 1≤i. Autrement dit. x ∈ U . le th´ eor` eme des fonctions implicites dit que l’ensemble des solutions de l’´ equation f (x. y0 ) ∈ Ω ⊂ Rp × Rm .IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 115 u |||u (x)||| ≤ k < 1 sur avec limh→0 ε(h) = 0. d’une fonction g : U → V de classe C k . Rm ). Il suffit de poser F (x. y0 ) dans Ω sur lequel fy (x. et nous pouvons ´ ecrire ξ − x = f (x)−1 η − y − ε(ξ − x) ξ − x soit g (η ) − g (y ) = f (x)−1 (η − y ) − f (x)−1 ε(g (η ) − g (y ) g (η ) − g (y ) avec limη→y f (x)−1 ε(g (η ) − g (y ) = 0 et g (η ) − g (y ) ≤ K η − y . c’est-` . r). . l` Remarque 1 – On voit imm´ ediatement que le th´ eor` eme des fonctions implicites contient le th´ eor` eme d’inversion locale. y0 ) = est inversible dans L(Rm . L’inversion d’une matrice ´ etant une op´ eration continue (et mˆ eme ind´ efiniment a-dire que g est de diff´ erentiable). On se donne un point (x0 . equation implicite et une application g : U → V de classe C k telle que l’´ f (x. classe C k−1 . y ) ∈ U × V soit ´ equivalente ` a y = g (x). g l’est aussi par hypoth` ese de r´ ecurrence. donc g est de f est de classe C a-dire que g est de classe C k . y ) = 0 dans U ×V peut ˆ etre explicit´ e comme le graphe y = g (x) a o` u fy (x. ∂fi (x0 . Comme −1 ◦ f (x) = Id +u (x) o` eaire −1 ◦ f (x) est bien inversible. y ) est inversible. c’est-` classe C 1 . erifie par r´ ecurrence que g est aussi de classe C k : Si f est de classe C k . La variante la plus importante est le th´ eor` eme des fonctions implicites. y ) = 0 pour (x. k ≥ 2. On voit ainsi que g = f −1 est bien diff´ erentiable au point y et que g (y ) = f (x)−1 = f (g (y ))−1 .

ese. v ) pour (x. D’un point de vue num´ erique. Nous avons F (x0 . y ). y ) = v ⇔ y = h(x. donc x = u et on voit que H est de la forme H (u. v ) est la solution de l’´ equation F (x. y0 ) est inversible par hypoth` Le th´ eor` eme d’inversion locale montre que F est un diff´ eomorphisme de classe C k d’un voisinage T = U1 × V1 de (x0 . yp+1 = yp − fy (x. nous allons montrer que le th´ eor` eme d’inversion locale implique facilement le th´ eor` eme des fonctions implicites (ce sont donc des equivalents ). f (x. v ). Remarque 2 – . (x. c’est-` a-dire g (x) = −fy (x. avec F (x. 0) dans Rp × Rm (Quitte a ` r´ etr´ ecir T on peut supposer que T est un produit de boules ouvertes). L’application H = F −1 : W → U1 × V1 . v ) = (u. g (x))−1 . g (x)). c’est-` a-dire en calculant les it´ er´ es successifs ` partir de la valeur approch´ ee y0 . y )−1 ◦ fx (x. y ) ∈ U1 × V1 . v )) pour une certaine fonction equivalence h : W → V1 . En sens inverse. h(u. Rp+m ) est inversible en tout p point o` u fy (x. nous avons l’´ f (x. Rp ) l’est. 0) ∈ W . y ) = Id 0 fx (x. (u. 0) = F (H (x. 0))−1 = F (x. Ceci permet de voir aussitˆ ot que F (x. f (x. y = g (x) de f au voisinage de tout point y0 ∈ Ω o` D´ emonstration. g (x))−1 ◦ fx (x. y ) . 0) est la d´ eriv´ ee de classe C k qui r´ partielle en x de la composante h dans H (x. y ) ∈ Ω = Rm × Ω ⊂ Rm × Rm pour obtenir l’existence de la fonction r´ eciproque u f (y0 ) est inversible. y ) = H (u. y )−1 = Id −fy (x. 0) donne donc pr´ ecis´ ement y = g (x) comme solution del’´ equation f (x. De plus g (x) = hx (x. y ) ∈ L(Rp+m . et une application g : U → V epond a ` la question. y ) = 0 lorsque (x. 0) ∈ W et V = V1 . La fonction g (x) = h(x. y ) fy (x. v ) ∈ W . yp )−1 (f (x. y )−1 . y0 ) sur un voisinage W de (x0 . yp )) a Nous abordons maintenant des ´ enonc´ es plus g´ eom´ etriques. y )). consid´ erons th´ eor` emes ´ F : Ω → Rp × Rm . y ) → F (x. y ) ∈ U1 ×V1 et (x. Avec les hypoth` eses faites sur f . y ) 0 fy (x. v ) → (x. En particulier. y0 ) = (x0 . y )) = (u. 0) et la matrice de la diff´ erentielle de F est donn´ ee par F (x. D´ efinissons U comme l’ensemble des x ∈ U1 tels que (x. y ) ∈ L(R . le calcul de y = g (x) au ethode de Newton-Raphson apvoisinage de x0 pourra se faire en utilisant la m´ pliqu´ ee ` a la fonction y → f (x. F (x0 . y ) = (x. y ) ∈ U1 × V1 et (x. V qui sont des voisinages ouverts de x0 et y0 respectivement. y ) = (x. Nous obtenons ainsi U. Pour (x.116 Analyse num´ erique et ´ equations diff´ erentielles (x.

0) ∈ Rp sur Q × S. Rp ) est injective (ce qui implique m ≤ p) . un voisinage V de y0 = f (x0 ) dans Rp et eomorphisme ϕ : U → V × S de U sur un voisinage V × S de (y0 . . ` l’application lin´ eaire canonique de rang r f = ψ ◦ f ◦ ϕ−1 s’identifie a (∗) (x1 . aux diff´ eomorphismes ϕ. Rp ) est surjective (ce qui implique m ≥ p) . 0) au voisinage de x0 . . . La structure locale de telles applications est d´ ecrite respectivement par les trois th´ eor` emes suivants. . . On dit que (1) f est une immersion en un point x0 ∈ Ω si f (x0 ) ∈ L(Rm . un voisinage V de y0 = f (x0 ) dans Rp . . existe un voisinage U de x0 dans Rm . . 0) dans un C k -diff´ Rm = Rp × Rm−p tel que f ◦ ϕ−1 (y. f = f ◦ ϕ−1 s’identifie a ` la projection triviale (y. f = ψ ◦ f s’identifie a ` l’injection triviale x → (x. p)). Autrement dit.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 117 D´ efinition – Soit Ω un ouvert de Rm et f : Ω → Rp une application de classe C k . il existe un voisinage U de x0 dans Rm . k ≥ 1. et un C k -diff´ Q × T de 0 dans Rp = Rp × Rp−r . . au diff´ eomorphisme ϕ pr` es dans l’espace de d´ epart. 0). . . xm ) ∈ Rm → (x1 . 0) sur U . . ψ pr` es a ` la fois au d´ epart et ` a l’arriv´ ee. 0. . Autrement dit. Th´ eor` eme du rang – Si f est de rang constant r sur Ω et si x0 ∈ Ω. . . 0) ∈ Rp au voisinage de 0. . s) = y sur V × S . . . il Autrement dit. eomorphisme ϕ : U → Q × S de U sur un voisinage Q × S de 0 dans un C k -diff´ eomorphisme ψ : V → Q × T de V sur un voisinage Rm = Rr × Rm−r . (3) f est de rang constant si le rang de f (x) pour x ∈ Ω est un entier r constant (ce qui implique r ≤ min(m. xr . . . 0. au diff´ eomorphisme ψ pr` es dans l’espace d’arriv´ ee. Th´ eor` eme des immersions – Si f est une immersion en un point x0 ∈ Ω. xr . . et on a le diagramme commutatif U  ϕ −→ f V  ψ Q × S −→ Q × T f o` u f est l’application lin´ eaire (∗). . . tels que ψ ◦ f ◦ ϕ−1 (x) = (x1 . . il existe un voisinage U de x0 dans Rm . s) → y au voisinage de (y0 . . (2) f est une submersion en un point x0 ∈ Ω si f (x0 ) ∈ L(Rm . . Th´ eor` eme des submersions – Si f est une submersion en un point x0 ∈ Ω. xr+1 . un voisinage V de y0 = f (x0 ) dans Rp et un C k -diff´ eomorphisme ψ : V → U × T de V sur un voisinage U × T de (x0 . 0) dans Rp = Rm × Rp−m tel que ψ ◦ f (x) = (x. xr .

. 0) = (f (x0 ). am ) une base de Rm choisie de telle sorte que (ap+1 . ψ1 ) consiste simplement en des changements affines de coordonn´ ees : on choisit respectivement x0 et y0 = f (x0 ) comme nouvelles origines f2 f1 . . . donc ψ = Ψ−1 r´ epond a la question. . Comme ∂ Ψ(x. Ceci montre que ϕ (x0 ) est injective. am ) soit une base de Ker f (x0 ). Le premier niveau (ϕ1 . . c’est-` a-dire o` u (s1 . . . sm ) esignent les coordonn´ ees de x dans la base (ai ). 0) = f (x) par d´ efinition de Ψ. . . Ψ(x. sm ) d´ x = si ai . t)/∂ti = ai . . sp+1 . donc Ψ (x0 . et comme ces espaces sous-espace sp+1 = . Mais comme Ψ est une application de ıne que Ψ (x0 . t) = f (x) + 1≤i≤p−m ti a i . il est clair que Im Ψ (x0 . sm ) → y . Le noyau Ker ϕ (x0 ) est l’intersection du noyau Ker f (x0 ) avec le e par (a1 .118 Analyse num´ erique et ´ equations diff´ erentielles D´ emonstration du th´ eor` eme des immersions. de sorte que eor` eme est d´ emontr´ e. ceci entraˆ eomorphisme d’un voisinage U × T de (x0 . . ` D´ emonstration du th´ eor` eme des submersions. . 0) sur un voisinage V de un C k -diff´ y0 = f (x0 ). Choisissons des vecteurs ecomposition lin´ eairement ind´ ependants (a1 . . On voit alors que f = π ◦ ϕ o` u π est la projection sur les p-premi` eres coordonn´ ees. de x0 sur un voisinage V × S de (y0 . = sm = 0 engendr´ sont suppl´ ementaires on a Ker ϕ (x0 ) = {0}. Nous d´ efinissons Ψ : Ω × R p− m → R p . f ◦ ϕ−1 = π : (y. Soit (a1 . ϕ(x) = (f (x). sp+1 . . Par cons´ equent Ψ d´ efinit Rp dans Rp . . . . Rp = Im f (x0 ) ⊕ 1≤i≤p−m C’est possible puisque dim Im f (x0 ) = m d’apr` es l’injectivit´ e de f (x0 ). . On construit des diff´ eomorphismes ϕi entre ouverts de Rm et ψi entre ouverts de Rp de fa¸ con ` a simplifier progressivement f : f U −→ V   ψ1 ϕ1 U1 −→ V1   ϕ2 ψ2 U2 −→ V2 . eomorphisme d’un voisinage U et donc bijective. Par cons´ equent ϕ est un C k -diff´ ` r´ etr´ ecir ces voisinages. . Nous avons Ψ(x. ap−m ) de Rp de sorte qu’on ait une d´ en somme directe Ra i . ap ). . . 0) (quitte a on peut toujours supposer que le voisinage d’arriv´ ee est un produit). 0) est inversible. . . . . Le th´ D´ emonstration du th´ eor` eme du rang. . 0) est surjective. . . . Nous d´ efinissons ϕ : Ω → Rp × Rm − p . 0) contient a ` la fois Im f (x0 ) et les ai .

. . et la matrice de son application lin´ eaire tangente   1 .. . . 0 0 . . . . . xr . . . . hr+1 (x1 . . ∂hr+1 /∂xm     . .  0 . . . 1 ` p r eres coordonn´ ees. . et eomorphisme ψ2 de Rp en 0 d’apr` es le th´ eor` eme des immersions il existe un C k -diff´ tel que ψ2 (x1 . . . . . . xm ) = (x1 .. . .. . ainsi que de nouvelles bases (a1 . .. . . . . . 1 ≤ j ≤ r. . . xm ) = (x1 . . . xm ) = (x1 .   0 . ∂hr+1 /∂xr+1 . . . . L’existence de petits voisinages U2 = Q × S et V2 = Q × T est alors imm´ ediate. . c’est une immersion de Rr dans Rp en 0. xr )) au voisinage de 0. f1 ◦ ϕ− 2 = ψ1 ◦ f ◦ ϕ1 ◦ ϕ2 est une application de rang constant r. . . . . ... ce qui signifie que hr+1 .. . am ) et (b1 . . . . . j > r. . . . . . 0) pr` es de 0. . . . 0 . et le th´ eor` eme du rang constant est d´ emontr´ e avec ϕ = ϕ2 ◦ ϕ1 .. . xr . 0 .   . xr . am ) soit une base du noyau de Ker f (x0 ) et bj = f (x0 )(aj ). et d’apr` eomorphisme ϕ2 de Rm ` a l’origine tel que submersions on peut trouver un C k -diff´ 1 π ◦ f1 ◦ ϕ− 2 (x1 . 0 . . . . ..  . . .. Or. . . Il s’ensuit que 1 ψ2 ◦ f1 ◦ ϕ− 2 (x1 . . . . . . . . . . . . . .. .  . Dans ces nouveaux rep` eres. . ... hp (x1 . . xr ).. si π : R → R est la projection sur les r-premi` es le th´ eor` eme des alors π ◦ f1 est une submersion de Rm dans Rr en 0. . xr .. En particulier. .. .. hp (x)) 1 −1 −1 au voisinage de 0. .. 0 0 . . . . . U = ϕ−1 (U2 ). 0.. . .. . .  . ∂hp /∂xr+1 . . . . . . .. xr ). . .. . . . hr+1 (x). xr ) → (x1 . Par cons´ equent nous avons une ´ ecriture 1 f1 ◦ ϕ− 2 (x1 . hp (x1 . 1 . la matrice de f (x0 ) devient par construction la matrice de rang r   1 . . . . . par hypoth` ese. . . . ... . hr+1 (x1 . 0 . ..  . . ∂hp /∂xm ne peut ˆ etre de rang r que si ∂hi /∂xj = 0 pour i. hp sont en fait des fonctions des seules variables x1 . . . .  . . .  0 . bp ) de sorte que (ar+1 . xr . .IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 119 dans Rm et Rp . .. . . . .. En d’autres termes.. xr . . . .. 1 . . . . 0 . 0. . . xr )) = (x1 . . . . 0 1 Ceci est pr´ ecis´ ement la matrice de la d´ eriv´ ee f1 (0) de f1 = ψ1 ◦ f ◦ ϕ− a l’origine. . V = ψ −1 (V2 ).. On a donc une application de rang constant r (x1 .  0 . 0 0 . ψ = ψ2 ◦ ψ1 . . . 0) au voisinage de 0. xr ) pr` es de 0. ... .

On se propose d’´ etudier des algorithmes it´ eratifs permettant de calculer l’image r´ eciproque f −1 (a) pour un r´ eel a ∈ [0. constante C telle que la suite des it´ er´ es xp = ϕ(xp−1 ) v´ 5. d) est complet. topologiquement ´ equivalente a ` la distance d (c’estemes). 1[ et m ∈ N . En d´ admet un point fixe unique a. avec constante de Lipschitz k ∈ ]0. Ecrire un programme permettant de r´ esoudre l’´ equation f (x) = 7/4 ` a la pr´ ecision ε = 10−10 . Pour a = e. ◦ ϕ soit contractante. Pour quelles valeurs de a = e le proc´ ed´ e it´ eratif xp+1 = ϕ(xp ) converge-t-il lorsque la valeur initiale x0 est choisie assez voisine de f −1 (a) ? eratif fourni par la m´ ethode de Newton pour (c) Soit xp+1 = ψ (xp ) l’algorithme it´ la r´ esolution de l’´ equation x ln (x) − a = 0. ´ ed´ e ` a l’aide d’une calculette. 737 . ceci au . . (b) On pose ϕ(x) = a ln (x) . et que. Montrer que (E. On consid` ere la fonction f telle que f (x) = x ln (x). +∞[ quelconques. Soit (E. calculer explicitement f −1 (a). ϕi (y )) d´ efinit une distance sur E . ´ (α) Etudier les variations de la fonction ψ et tracer sommairement la courbe repr´ esentative de ψ . pour tout point initial x0 ∈ E . V´ d (x. il existe une erifie d(xp . eduire que ϕ (b) Montrer que ϕ est lipschitzienne de rapport k 1/m pour d . erifier que la formule (a) On convient de noter ϕ0 = IdE . +∞[ et x0 ∈ [1. . 789 a ` 10−3 pr` es. 1) 1. 5. +∞[ fix´ e quelconque. d ) est a-dire que les ouverts pour d et d sont les mˆ ` complet d` es que (E. +∞[ sur [0. On donnera les (γ ) Evaluer f −1 (2) par ce proc´ approximations successives obtenues.120 Analyse num´ erique et ´ equations diff´ erentielles º ÈÖÓ Ð Ñ × 5.1. f (0.2.3. +∞[. On consid` ere la fonction f (x) = exp(exp(− cos(sin(x + ex )))) + x3 . ´ On donne f (0. 2) 1. a) ≤ C kp/m . x ∈ [1. y ) = 0≤i≤m−1 max k −i/m d(ϕi (x). d) un espace m´ etrique et ϕ : E → E une application continue telle que l’it´ er´ ee ϕm = ϕ ◦ . ´ (β ) Etudier la convergence de la suite (xp ) pour a ∈ [0. +∞[. (a) Montrer que f est une bijection de [1.

et soit c1 dans ]a. x→0+ lim ε(x) = 0. et que ϕ admet un d´ eveloppement limit´ e ϕ(x) = x − axk + xk ε(x) avec a > 0. (α) D´ emontrer que a < c1 < c [appliquer la question (a) a . b[. Soit p le polynˆ ome de degr´ e 1 tel que p(a) = f (a). g (x) > 0 pour tout x dans ]a. D´ emontrer (α) qu’il existe c (unique) dans ]a. k > 1. b[. on travaille sur un intervalle [a. b[.] (b) Soit f : [a. 5. dans le cas critique o` u la d´ eriv´ ee vaut 1 en ce point. On suppose que ϕ(0) = 0. (c) On conserve d´ esormais les hypoth` eses de la question (b). • puis que g (x) < 0 pour tout x dans ]a. La justification de la convergence n’est pas demand´ ee. p(b) = f (b). ϕ (0) = 1. ` g (x) = f (x) − p(x)]. (β ) qu’il existe m1 et m2 tels que 0 < m1 ≤ f (x). Dans tout ce probl` eme. (d) Pour ϕ(x) = sin x et x0 = 1. h] la suite it´ xp+1 = ϕ(xp ) converge vers 0. b] → R une fonction de classe C 2 telle que f (a) < 0. b] → R une fonction de classe C 2 telle que g (a) = g (b) = 0. (b) On pose up = xm u m ∈ R. b[ tel que f (c) = 0 . On se propose d’´ etudier le comportement des it´ er´ es d’une fonction au voisinage d’un point fixe. En d´ eduire un ´ equivalent de xp . (c) Montrer qu’il existe une valeur de m pour laquelle up+1 − up poss` ede une limite finie non nulle.IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 121 moyen d’une m´ ethode it´ erative adapt´ ee (qui permet d’´ eviter des calculs formels trop compliqu´ es). [Raisonner par l’absurde et utiliser le th´ eor` eme de Rolle.5. (a) Soit g : [a. b[. Soit ϕ : R+ → R+ une fonction de classe C 1 . b] fix´ e.4. D´ emontrer • que g (x) ne s’annule en aucun x de ]a. 0 < f (x) ≤ m2 pour tout x dans [a. et on se propose de calculer c. 5. f (x) > 0 et f (x) > 0 pour tout x dans ]a. D´ eterminer un ´ equivalent de up+1 − up en fonction p o` de xp . estimer le nombre d’it´ erations n´ ecessaires pour atteindre xp < 10−5 . b[ tel que p(c1 ) = 0. f (b) > 0. b[. er´ ee (a) Montrer qu’il existe h > 0 tel que pour tout x0 ∈ ]0.

(b) Ces points fixes sont-ils attractifs ? (c) Soit B le point fixe non attractif de ϕ.6. (γ ) D´ emontrer que la suite (cn ) converge vers c. Montrer que ϕ admet une application r´ eciproque ψ : V → W de classe C ∞ . y ) telle que x < 1. et on d´ pn (cn+1 ) = 0. Le point B est-il attractif pour ψ ? 5. efinie par 5. Montrer . et que.122 ´ (β ) Etablir la majoration Analyse num´ erique et ´ equations diff´ erentielles |f (c1 )| ≤ 1 m2 |(c1 − a)(c1 − b)|. (α) Mettre explicitement cette r´ ecurrence sous la forme cn+1 = ϕ(cn ). pn (b) = f (b) . on a |cn − c| ≤ f (cn ) . m1 (e) Programmation d’un exemple. On pose f (x) = x4 + x − 1. o` u V. 1]. (β ) D´ emontrer que (cn ) est une suite strictement croissante contenue dans l’intervalle [a. c]. On cherche ` a r´ esoudre num´ eriquement le syst` eme d’´ equations (S) y ln y − x ln x = 3 x4 + xy + y 3 = a o` u x. la suite r´ ecurrente d´ efinie de la fa¸ con suivante : • on pose c0 = a . etant d´ ej` a d´ efinie) on note pn l’unique polynˆ ome • pour tout n ≥ 0 (et cn ´ efinit cn+1 par de degr´ e 1 tel que pn (cn ) = f (cn ). pour tout n ≥ 0. n ≥ 0. D´ emontrer que l’´ equation f (x) = 0 admet une racine c et une seule dans ´ l’intervalle [0. y > 0 et o` u a est un param` etre r´ eel. 2 (d) Soit (cn ). (a) D´ eterminer les points fixes de ϕ. On consid` ere l’application ϕ : R2 → R2 d´ x y X Y  3 5   X = −x + y + 2 4 1   Y = − x + y2 + 3 2 4 ϕ = .7. ´ (a) Etudier sommairement les variations de la fonction x → x ln x et montrer que pour a ≥ 31 le syst` eme (S) n’a pas de solution (x. W sont des voisinages de B . Ecrire un programme permettant de calculer c ` a 10−8 pr` es.

(a) Montrer qu’il existe des r´ eels α. r0 ) × B (y0 . r) avec r < 2 1 vers u−1 d` u .IV – M ´ ethodes it´ eratives pour la r´ esolution d’´ equations 123 que pour x ≥ 1 la solution y de la premi` ere ´ equation est fonction croissante de x et en d´ eduire que le syst` eme (S) admet une solution (x. par exemple l’alg` ebre des matrices carr´ ees m × m. + v n . En d´ eduire que la suite it´ er´ ee xp+1 = ϕ(xp ) converge es que x0 ∈ B (u−1 . On suppose f : Ω → Rp de classe C k . (c) On suppose u = e − v avec e = ´ el´ ement unit´ e de A et λ = v < 1. . y ) est telle que y =x+ 3 1 + ln c ø` u c ∈ ]x. Donner des estimations pr´ ecises de la taille des voisinages U . y0 ) ∈ Ω un point tel que f (x0 . y [. en utilisant uniquement additions et multiplications (Indication : consid´ erer ψ (x) = αx + βux3 ). . o` Soit (x0 . β trouv´ ees au (a). Soit A une alg` ebre unitaire norm´ ee de dimension finie sur R. (d) On suppose ici que A est commutative (exemple : A = R ou A = C). y0 ) inversible. V intervenant dans le th´ eor` eme eriv´ ees des fonctions implicites en fonction de ||| |||. On prendra a = 104 . (b) Montrer que la solution (x. Soit u ∈ A un ´ el´ ement inversible. montrer que l’on a l’in´ egalit´ e |||ϕ (x)||| ≤ 2 u x − u−1 . . D´ eterminer un entier n ∈ N tel que k=0 l’algorithme du (b) converge pour x0 = e + v + . ||| −1 ||| et de bornes sur les d´ premi` eres et secondes de f sur un voisinage B (x0 . En d´ eduire un ´ equivalent de x et y en fonction de a quand a tend vers +∞. Montrer que u est inversible et que u−1 = +∞ v k . β tels que l’application ϕ(x) = αx + βxux admette x = u−1 comme point fixe superattractif. comment peut-on choisir x0 pour ˆ etre assur´ e d’obtenir la convergence ? u Ω est un ouvert de Rm × Rp .8. y0 ) = 0 et = fy (x0 . Chercher un algorithme permettant de d´ eterminer une racine carr´ ee de u (s’il en existe). k ≥ 2. y ) unique pour a ≥ 31. 5.9∗ . 5. Pouvez-vous raffiner cet ´ equivalent et donner un d´ eveloppement plus pr´ ecis ? ´ (c) Ecrire l’algorithme permettant de r´ esoudre le syst` eme (S) au moyen de la m´ ethode de Newton. r0 ) ⊂ Ω. (b) Pour les valeurs de α. Si A = R.

.

Ô ØÖ Î ÕÙ Ø ÓÒ× Ö ÒØ ÐÐ × Ê ×ÙÐØ Ø× ÓÒ Ñ ÒØ ÙÜ Le but de ce chapitre est de d´ emontrer les th´ eor` emes g´ en´ eraux d’existence et d’unicit´ e des solutions pour les ´ equations diff´ erentielles ordinaires. (t. ∂y/∂ti . On consid` ere l’´ equation diff´ erentielle (E) y = f (t. Sa bonne compr´ ehension est indispensable en vue de la lecture des chapitres ult´ erieurs. de ce fait n´ ecessairement assez abstrait. y (t)). t ∈ R. on parle d’´ . y ∈ Rm . Il s’agit du chapitre central de la th´ eorie. y ). y (t)) ∈ U y (t) = f (t. (ii) (i) equation (E) est donc en fait une fonction. ½º Ò Ø ÓÒ׺ ËÓÐÙØ ÓÒ× Ñ Ü Ñ Ð × Ø ÐÓ Ö ÒØ ÐÐ ÓÖ Ò Ö Ð × ½º½º ÕÙ Ø ÓÒ Ù ÔÖ Ñ Ö ÓÖ Ö Soit U un ouvert de R × Rm et f : U → Rm une application continue. y ) ∈ U. D´ efinition – Une solution de (E) sur un intervalle I ⊂ R est une fonction d´ erivable y : I → Rm telle que (∀t ∈ I ) (∀t ∈ I ) (t. Le qualificatif L’ inconnue de l’´ ordinaire pour l’´ equation diff´ erentielle (E) signifie que la fonction inconnue y eriv´ ees d´ epend d’une seule variable t (lorsqu’il y a plusieurs variables ti et plusieurs d´ equations aux d´ eriv´ ees partielles).

. . sachant qu’en t = t0 le syst` ees initiales du param` etres y0 = (y0.126 Analyse num´ erique et ´ equations diff´ erentielles ´ ´ les fonctions a ` valeurs dans Rm en Ecriture en coordonn´ ees – Ecrivons termes de leurs fonctions composantes. y0. fm ). . c’est-` a-dire y = (y1 . . . Interpr´ etation physique – ½º¾º × Ð Ñ Ò× ÓÒ ÙÒ (m = 1) Si on note x = t. ym (t)) (E) . le probl` Probl` eme de Cauchy – Etant eme de Cauchy consiste ` a trouver une solution y : I → Rm de (E) sur un intervalle I erieur. L’´ equation (E) traduit physiquement la loi d’´ evolution du syst` eme consid´ er´ e en fonction du temps et de la valeur des param` etres. la etres variable t repr´ esente le temps et y = (y1 . . . . L’´ equation (E) apparaˆ ıt comme un syst` eme diff´ erentiel du premier ordre a ` m fonctions inconnues y1 . . R´ esoudre le probl` eme de Cauchy revient ` a pr´ evoir l’´ evolution du eme est d´ ecrit par les syst` eme au cours du temps.m ). l’´ equation (E) se r´ ecrit (E) y = dy = f (x. . y ) ∈ U ⊂ R × R. ´ donn´ e un point (t0 . ym (t)). . . . .. y1 (t). On dit que (t0 . . . dx (x. contenant t0 dans son int´ Dans de nombreuses situations concr` etes. . . . . . .   ym (t) = fm (t. . . y0 ) sont les donn´ probl` eme de Cauchy. . y ). y1 (t). . ym :    y1 (t) = f1 (t. y0 ) ∈ U . ym ) est une famille de param` d´ ecrivant l’´ etat d’un syst` eme mat´ eriel donn´ e. f = (f1 . telle que y (t0 ) = y0 . . . ym ).1 .. y U y (x) y0 x0 x .

On a en effet un r´ egionnement de U : u U = U+ ∪ U− ∪ Γ0 o` U+ = {M ∈ U . f (M ) > 0}. Exemple – Les lignes isoclines de l’´ equation y = f (x.´ V – Equations diff´ erentielles. y0 ). Les courbes int´ egrales sont croissantes dans U+ . stationnaires (souvent extrˆ emales) sur Γ0 . on associe la droite DM passant par M et de coefficient directeur f (x0 . y ) = x − y 2 . L’application M → DM est appel´ Une courbe int´ egrale de (E) est une courbe diff´ erentiable C qui a pour tangente en chaque point M ∈ C la droite DM du champ des tangentes. y0 ) ∈ U . . f (M ) < 0}. R ´ esultats fondamentaux 127 courbe int´ egrale de (E) R´ esoudre le probl` eme de Cauchy revient ` a trouver une passant par un point donn´ e (x0 . y0 )(x − x0 ) ee champ des tangentes associ´ e` a l’´ equation (E). U− = {M ∈ U . correspondant a ` l’ensemble des points M o` u la droite DM a une pente donn´ La courbe Γ0 joue un rˆ ole int´ eressant. y0 ) : DM : y − y0 = f (x0 . y 1 M DM C 0 1 x Lignes isoclines de (E) – Par d´ efinition. y ) = x − y 2 sont les paraboles x = y 2 + p. ce sont les courbes Γp : f (x. Champ des tangentes – A tout point M = (x0 . L’exemple ci-dessous correspond a ` l’´ equation y = f (x. d´ ecroissantes dans U− . y ) = p ee p.

Il suffira de montrer que y se prolonge en une solution y : |a. On dit que y est un prolongement de y si I ⊃ I et y |I = y . . D´ efinition 1 – Soient y : I → Rm . .128 Analyse num´ erique et ´ equations diff´ erentielles y Γ3/2 1 0 U+ 1 x U− Γ0 ½º¿º ËÓÐÙØ ÓÒ× Ñ Ü Ñ Ð × Nous introduisons d’abord le concept de prolongement d’une solution. bk [→ Rm . Pour cela. on construit par r´ ecurrence des prolongements successifs y(1) . L’expression solution maximale est alors entendue implicitement au sens de la relation d’ordre fournie par le prolongement des solutions. b| (cette notation d´ esigne un intervalle ayant pour bornes a et b. D´ emonstration. de y ej` a construite avec y(k) : |a. Le mˆ eme raisonnement s’appliquera a ` gauche. y(2) . Th´ eor` eme – Toute solution y se prolonge en une solution maximale y (pas n´ ecessairement unique). c’est-` a-dire qu’on ne pourra plus prolonger y au del` a de b. b1 = b. incluses ou non dans I ).* Supposons que y soit d´ efinie sur un intervalle I = |a. pas de prolongement y : I → Rm avec I D´ efinition 2 – On dit qu’une solution y : I → Rm est maximale si y n’admet I. Supposons y(k−1) d´ . b| → Rm (b ≥ b) maximale ` a droite. On pose y(1) = y . y : I → Rm des solutions de (E).

car l’ensemble des prolongements de y(k−1) contient La suite (ck ) est d´ l’ensemble des prolongements de y(k) . y U y(1) Ω y(2) 0 J t Attention : toute solution globale est maximale. tandis que si ck = +∞ quel que soit k on a bk > k. ≤ b k ≤ . Si ck < +∞ ` b 1 ≤ b 2 ≤ . b| → Rm le prolongement commun des solutions y(k) .´ V – Equations diff´ erentielles. R ´ esultats fondamentaux 129 pour un indice k ≥ 1. mais la r´ eciproque est fausse. . les suites ck ≥ ck+1 . . . Soit z : |a. ≤ c 1 sont adjacentes. . ½º º ËÓÐÙØ ÓÒ× ÐÓ Ð × On suppose ici que l’ouvert U est de la forme U = J × Ω o` u J est un intervalle de R et Ω un ouvert de Rm . ´ m prolong´ e au point b si cela est possible. Dans les deux cas. Par d´ bk−1 ≤ bk ≤ ck et un prolongement y(k) : |a. . en particulier. on voit que b = lim bk = lim ck . . ce qui montre que la solution y est maximale ` a droite. efinition de ck il s’ensuit c ≤ ck . y(k−1) se prolonge sur |a. ≤ ck ≤ ck − 1 ≤ . A la limite il vient Alors z prolonge y(k−1) et par d´ c ≤ c. k → +∞ k → +∞ eventuellement Soit y : |a. c| → R un prolongement de y . ecroissante. bk [→ Rm de y(k−1) avec bk arbitrairement voisin de ck . on peut choisir ck − b k < bk > k 1 k si si ck < +∞. au niveau des bornes sup´ erieures on a donc a partir d’un certain rang. . c[ }. efinition de la borne sup´ erieure. On pose alors ck = sup{c . ck = +∞. il existe bk tel que On a ck ≥ bk−1 . D´ efinition – Une solution globale est une solution d´ efinie sur l’intervalle J tout entier.

y (t) Cette formule d´ efinit en fait deux solutions. Dans cet exemple y (t) = 0 est la seule solution globale de (E). alors y est au moins de classe C k . En d´ erivant la relation y (x) = f (x. Par hypoth` ese y : I → Rm est d´ erivable. y (x)) + fy (x. Notons de mani` ere g´ en´ erale l’expression de la d´ eriv´ ee k -i` eme (k ) y en fonction de x. donc y est de classe C 1 . y ) avec f [1] = fx + fy f . ½º º Ê ÙÐ Ö Ø × ×ÓÐÙØ ÓÒ× Rappelons qu’une fonction de plusieurs variables est dite de classe C k si elle admet des d´ eriv´ ees partielles continues jusqu’` a l’ordre k . donc y est de classe C k+1 . • Si le r´ esultat est vrai a ` l’ordre k − 1. il s’ensuit que y est de classe C k comme compos´ de classe C k . y sous la forme y (k) = f [k−1] (x. y (t)) est continue. Cherchons les solutions t → y (t) de (E). y = fx (x. Comme k ee de fonctions f est de classe C . d’o` u par int´ egration y (t) = − 1 . y ) = f [1] (x. toute solution de (E) y = f (t. −C [ et sur ] − C. y )f (x.130 Analyse num´ erique et ´ equations diff´ erentielles Sur le sch´ ema ci-dessus par exemple. +∞[ . • Si y ne s’annule pas. d´ efinies respectivement sur ] − ∞. Exemple – (E) y = y 2 sur U = R × R. y ) . • k = 0 : f continue. Donnons un exemple explicite de cette situation. Th´ eor` eme – Si f : R × Rm ⊃ U → Rm est de classe C k . y (x))y (x). . Par cons´ equent y (t) = f (t. ces solutions sont maximales mais non globales. y(1) est globale tandis que y(2) est maximale mais non globale. D´ emonstration. Calcul des d´ eriv´ ees successives d’une solution y – On suppose pour simplifier m = 1. y (x)) il vient y (x) = fx (x. • On a d’une part la solution y (t) = 0. t+C 1 = t + C. y ) est de classe C k+1 . (E) s’´ ecrit − y y2 = 1. donc continue. On raisonne par r´ ecurrence sur k . y ) + f (x.

´ V – Equations diff´ erentielles. ¾º Ì ÓÖ Ñ ³ Ü ×Ø Ò × ×ÓÐÙØ ÓÒ× Dans tout ce paragraphe. En d´ trouve y (k+1) = (f [k−1] )x (x. y ) o` u f : U → Rm est continue et U est un ouvert de R × Rm . y ). Inversement. eduit y (t) = f (t. y ) f (x. et en premier lieu. R ´ esultats fondamentaux 131 erivant une nouvelle fois. (ii) s’en d´ par int´ egration. y ) + (f [k−1] )y (x. ¾º½º ÕÙ Ú Ð Ò Ù ÔÖÓ Ð Ñ ÕÙ Ø ÓÒ ÒØ Ö Ð Ù Ý Ú Ð Ö ×ÓÐÙØ ÓÒ ³ÙÒ Le lemme tr` es simple ci-dessous montre que la r´ esolution de (E) est ´ equivalente a ` la r´ esolution d’une ´ equation int´ egrale : Lemme – Une fonction y : I → Rm est une solution du probl` eme de Cauchy de donn´ ees initiales (t0 . On obtient donc les relations de r´ ecurrence y (k+1) = f [k] (x. si ces deux relations sont satisfaites. En effet si y v´ erifie (i) et (ii) alors y est diff´ erentiable et on a y (t0 ) = y0 . y (u))du. on va montrer qu’une eloigner trop vite de y0 . y (t)) ∈ U . y ) y = (f [k−1] )x (x. on consid` ere une ´ equation diff´ erentielle (E) y = f (t. y ) f [k] = (f [k−1] )x + (f [k−1] )y f. on va plutˆ ot chercher ` a construire des solutions de l’´ equation int´ egrale 2. le lieu des points d’inflexion des courbes int´ egrales est contenu dans la courbe f [1] (x. y ) = 0. avec f [0] = f. En particulier. y0 ) si et seulement si (i) y est continue et (∀t ∈ I ) (t. on d’apr` es ce qui pr´ ec` ede f [0] = f . ¾º¾º ÝÐ Ò Ö × × ÙÖ Ø Pour r´ esoudre l’´ equation diff´ erentielle (E).1 (ii). t (ii) (∀t ∈ I ) y (t) = y0 + t0 f (u. solution passant par un point (t0 . f [1] = fx + fy f . y0 ) ∈ U ne peut s’´ . y ) + (f [k−1] )y (x. y (t)).

ferm´ ee) de centre x et de rayon r dans Rm . donc compact. r) (resp.y )∈C0 f (t. D´ efinition – On dit que C est un cylindre de s´ ecurit´ e pour l’´ equation (E) si toute eme de Cauchy y (t0 ) = y0 avec I ⊂ [t0 − T. Rm C y0 C0 y (t) U r0 0 t 0 − T0 t t0 2T 2T0 t 0 + T0 t Sur le sch´ ema ci-dessus. Soit τ le premier instant o` u cela se produit : τ = inf {t ∈ [t0 . C est un cylindre de s´ ecurit´ e mais C0 n’en est pas un : la solution echappe de C0 avant le temps t0 + T0 . t0 + T0 ] × B (y0 . y ) < +∞. c’est-` a-dire born´ e dans Rm+1 . r)) la boule e ouverte (resp.132 Analyse num´ erique et ´ equations diff´ erentielles On note une norme quelconque sur Rm et B (x. r0 ) de longueur 2T0 et de rayon r0 assez petit. Soit C = [t0 − T. t0 + T ] × B (y0 . B (x. L’ensemble C0 est ferm´ e ıne que f est born´ ee sur C0 . t0 + T ] . il existe un cylindre C0 = [t0 − T0 . . Ceci entraˆ M= sup (t. tel que C0 ⊂ U . t0 + T ] solution y : I → Rm du probl` reste contenue dans B (y0 . t0 + T ]. r0 ). y (t) − y0 > r0 }. r0 ) ⊂ C0 un cylindre de mˆ eme diam` etre que C0 et de demi-longueur T ≤ T0 . y s’´ Supposons que la solution y s’´ echappe de C sur l’intervalle [t0 . Comme U est suppos´ ouvert.

r0 Le choix T = min T0 . La solution approch´ ee y s’obtient graphiquement en tra¸ cant pour chaque n les segments joignant les points (tn . t ∈ [tn . yn ) : y (t) = yn + (t − tn )f (tn . yn ). M r0 . donc y est lipschitzienne de Cauchy y : [t0 − T. M convient par exemple. On se donne pour cela une subdivision t0 < t1 < t2 . Par cons´ s’´ echapper de C sur [t0 − T. . yn ). Soit yn = y (tn ). 0 ≤ n ≤ N − 1. tn+1 ] avec sa tangente au point (tn . ¾º¿º ËÓÐÙØ ÓÒ× ÔÔÖÓ ×º Å Ø Ó ³ ÙÐ Ö On cherche ` a construire une solution approch´ ee de (E) sur un intervalle [t0 . τ [. Partant de la donn´ ee initiale y0 . aucune solution ne peut donc τ − t0 ≥ r0 /M . . La m´ ethode d’Euler (ou m´ ethode de la tangente) consiste ` a construire une solution approch´ ee y affine par morceaux comme suit. toute solution du probl` eme erifie y (t) ≤ M . Comme (t. On confond la courbe int´ egrale sur [tn . yn ) tn+1 = tn + hn . il suffit de prendre T ≤ min T0 . . donc par continuit´ on obtient y (τ ) − y0 = r0 . y (t)) ∈ C ⊂ C0 pour t ∈ [t0 . . yn+1 ). et on pose hmax = max(h0 . il vient y (t) = f (t. .´ V – Equations diff´ erentielles. tn+1 ]. 0 ≤ n ≤ N − 1. t0 + T ]. τ ]. hN −1 ). Corollaire – Pour que C soit un cylindre de s´ ecurit´ e. (tn+1 . y (t)) ≤ M et τ r0 = y (τ ) − y0 = t0 y (u)du ≤ M (τ − t0 ) equent si T ≤ r0 /M . . R ´ esultats fondamentaux 133 e de y Par d´ efinition de τ on a y (t) − y0 ≤ r pour t ∈ [t0 . < tN −1 < tN = t0 + T. on calcule donc yn par r´ ecurrence en posant yn+1 = yn + hn f (tn . . Les pas successifs sont not´ es hn = tn+1 − tn . t0 + T ] → Rm v´ de rapport M . Remarque – Si C ⊂ C0 est un cylindre de s´ ecurit´ e. t0 + T ].

y (t)) ≤ ε. C’est trivial pour n = 0. b] telle que pour tout n la restriction y[an . (ii) (∀n). r0 ). b] → Rm une fonction de classe C 1 par morceaux (ceci signifie qu’il existe une subdivision a = a0 < a1 < . L’in´ egalit´ e triangulaire entraˆ ıne alors ∀t ∈ [tn . tN = t0 + T t On construit de mˆ eme une solution approch´ ee sur [t0 − T. Si c’est vrai pour n. y (t)) ∈ U . < aN = b de [a. yn ) ≤ M (t − tn ) ese de r´ ecurrence pour t ∈ [tn . M est contenue dans la boule B (y0 . . tn ]) ⊂ B (y0 . r0 ) est un cylindre de s´ ecurit´ e D´ emonstration. tn ]. u En particulier y (t) − y0 ≤ M T ≤ r0 . . On dit que y est une solution ε-approch´ ee de (E) si (i) (∀t ∈ [a. (∀t ∈ ]an . et par cons´ y (t) − yn = (t − tn ) f (tn . an+1 [) . tn+1 ]. r0 ) y (t) − y0 ≤ M (t − t0 ) pour t ∈ [t0 . On v´ erifie par r´ ecurrence sur n que y ([t0 .an+1 ] soit de classe C 1 .134 Analyse num´ erique et ´ equations diff´ erentielles y y3 y2 y1 y0 t0 t1 t2 t3 . r0 . tn+1 ]) ⊂ B (y0 . d’o` y ([t0 . tn+1 ] : y (t) − y0 ≤ M (t − tn ) + M (tn − t0 ) ≤ M (t − t0 ). D´ efinition – Soit y : [a. toute solution approch´ ee y donn´ ee par la m´ ethode d’Euler tel que T ≤ min T0 . r0 ). yn ) ∈ C . b]) (t. alors on a en particulier (tn . . Proposition 1 – Si C = [t0 − T. t0 + T ] × B (y0 . Par hypoth` yn − y0 = y (tn ) − y0 ≤ M (tn − t0 ). y (t) − f (t. t0 ] en prenant des pas hn < 0. . on suppose donc seulement la continuit´ e et l’existence d’une d´ eriv´ ee ` a droite et ` a gauche de y aux points an ). yn ) ≤ M . equent donc f (tn .

|t − tn | ≤ hn . la fonction f est uniform´ ement continue sur C . y1 ) − f (t2 . D´ emonstration. il vient f (tn . Proposition 3 – es int´ egration D´ emonstration. On suppose que y(p) converge uniform´ vers une fonction y . Pour t ∈ ]tn . +∞[ et o` u les points (t1 . Comme y(p) (t) − f (t. y2 ) . yn ) ≤ M hn . t0 + T ] → Rm une suite de solutions ees contenues dans le cylindre de s´ ecurit´ e C . R ´ esultats fondamentaux 135 Autrement dit. y (t) − f (t. y(p) (t) ≤ εp . < tN = t0 + T . yn ) et y (t) − yn = (t − tn ) f (tn . on a y (t) = f (tn . Majorons par exemple y (t) − f (t. . y2 ) parcourent C . Montrons finalement un r´ esultat sur la convergence des solutions approch´ ees. d´ efini par ωf le module de continuit´ ωf (u) = max{ f (t1 . r0 ) est un cylindre de r0 s´ ecurit´ e tel que T ≤ min T0 . Soit y : [t0 − T. y1 ). Alors l’erreur ε v´ ε ≤ ωf ((M + 1)hmax ). |t1 − t2 | + y1 − y2 ≤ u} o` u u ∈ [0. t0 + T ] → Rm une solution approch´ ee erifie construite par la m´ ethode d’Euler avec pas maximum hmax . y (t)) ≤ ωf ((M + 1)hmax . On suppose dans la suite que C = [t0 − T. tn+1 [. (t2 . . telles que y(p) (t0 ) = y0 et εp -approch´ ement sur [t0 − T. Majoration de l’erreur pour les solutions approch´ ees d’Euler – Soit e de f sur C . Alors y est une solution exacte du probl` eme de Cauchy pour l’´ equation (E).´ V – Equations diff´ erentielles. y(p) (u))du ≤ εp |t − t0 |. o` u y est la solution approch´ ee associ´ ee ` a la subdivision t0 < t1 < . t0 + T ] limp→+∞ εp = 0. t0 + T ]. l’erreur ε tend vers 0 quand hmax tend vers 0. . il vient apr` t y(p) (t) − y0 − t0 f (u. Proposition 2 – En particulier. Par d´ efinition de ωf . t0 + T ] × B (y0 . y (t)) pour t ∈ [t0 . par cons´ equent u→0+ lim ωf (u) = 0. yn ) − f (t. y (t)) ≤ ωf (M hn + hn ). Comme C est compact. Soit y(p) : [t0 − T. M . y est une solution ε-approch´ ee si y v´ erifie (E) avec une erreur ≤ ε.

u k ≥ 0 est une Soit ϕ(p) : E → F une suite d’applications k -lipschitziennes. N )). F sont des espaces m´ etriques compacts. Une autre mani` ere d’exprimer le th´ eor` eme d’Ascoli est la suivante. . p −→ (j (p. alors (Lipk (E. d) est un espace m´ etrique compact. . F sont compacts. rappelons que par d´ efinition une suite d’applications ϕ(p) : E → F converge uniform´ ement vers ϕ : E → F si la distance uniforme d(ϕ(p) .i) . Comme E . . . Alors on peut extraire de ϕ(p) une sous-suite ϕ(pn ) uniform´ convergente. o` ement constante donn´ ee. δ ) et (F. Si (E. i) tel que ϕ(p) (xi ) ∈ Bj (p. telles que la sous-suite (ϕ(p) )p∈Sn ait des oscillations de plus en plus faibles. . N il existe un indice j = j (p. Notons I = {1. F sont compacts. il existe des recouvrements finis de E (resp. . F ). . On consid` ere l’application Sn−1 −→ J N . . . resp. y(p) (u)) − f (u. on voit que f (u. Comme la limite uniforme y est continue. D´ emonstration. d’o` u. . . . (Bj )j ∈J .t0 +T ] y − y(p) . t0 + T ]. ⊃ Sn−1 ⊃ Sn ⊃ . ∀t ∈ [t0 − T. Soit p un indice fix´ e. y (u)) ≤ ωf (δp ) tend vers 0. grˆ ace ` a la convergence uniforme : t y (t) − y0 − t0 f (u.136 Si δp = max Analyse num´ erique et ´ equations diff´ erentielles [t0 −T. . On construit par r´ ecurrence des parties infinies S0 = N ⊃ S1 ⊃ . . 1 de rayon n . Soit Lipk (E. 2. le lemme du d´ ebut du § 2 entraˆ ıne que y est une solution exacte de (E). ϕ(x)) x ∈E tend vers 0 quand p tend vers +∞. F ) l’ensemble des applications E → F lipschitziennes de rapport k . . . δ ) sont des espaces m´ etriques. Supposons Sn−1 construite. Corollaire – Si E. ¾º º Ì ÓÖ Ñ ³ × ÓÐ Il s’agit d’un r´ esultat pr´ eliminaire de nature topologique que nous allons formuler dans le cadre g´ en´ eral des espaces m´ etriques. j (p. 1). n ≥ 1. de F ) par des boules ouvertes (Bi )i∈I . ϕ) = sup δ (ϕ(p) (x). Pour tout i = 1. . N } et xi le centre de Bi . et la limite est une application k -lipschitzienne. Th´ eor` eme (Ascoli) – On suppose que E. y (u))du = 0.

r0 ) avec T ≤ min T0 . Comme F est compact. y ). d’o` u δ (x. Calculer π 0 (ϕp (x) − ϕq (x))2 dx et en d´ eduire que d(ϕp . . ϕ(p) (xi )) < k . ϕq ) ≥ 1 si p = q . F est aussi complet. F ). Il est facile de voir que ϕ ∈ Lipk (E. xi ) < ıne L’hypoth` ese que les ϕ(p) sont k -lipschitziennes entraˆ δ (ϕ(p) (x). q ∈ Sn ) δ (ϕ(p) (x). l’un des ´ admet pour image r´ eciproque une partie infinie de Sn−1 : on note Sn cette partie. . Ceci signifie que pour tout p ∈ Sn on a (j (p. 1]. . r0 ) de (E) avec condition initiale y (t0 ) = y0 . . On voit donc que Quand N → +∞. ϕ) ≤ 2kn ement vers ϕ. F ) = est-il compact ? k ≥0 Lipk (E. L’espace Lip (E. n δ (ϕ(q) (x).´ V – Equations diff´ erentielles. Pour N ≥ n on a pN ∈ SN ⊂ Sn . . n L’in´ egalit´ e triangulaire implique alors (∀p. ϕ(q) (xi )) ≤ diam Bli ≤ 2 . En particulier (∀p. Alors il existe une solution y : [t0 − T. R ´ esultats fondamentaux 137 el´ ements (l1 . π ]. t0 + T ] × B (y0 . ϕ(q) (x)) ≤ k 2k + 2 2 +2 = . q ∈ Sn ) δ (ϕ(p) (xi ). n (∗) Ceci entraˆ ıne que ϕ(pn ) (x) est une suite de Cauchy dans F pour tout x ∈ E . . n n n D´ esignons par pn le n-i` eme ´ el´ ement de Sn . F ) ¾º º Ì ÓÖ Ñ ³ Ü ×Ø Ò ´ Ù Ý¹È ÒÓ¹ ÖÞ Ð µ L’id´ ee est d’utiliser le th´ eor` eme d’Ascoli pour montrer l’existence d’une sous-suite uniform´ ement convergente de solutions approch´ ees. . lN ) ∈ J N Comme Sn−1 est infini et que J N est fini. . ϕ(q) (xi )) < k . donc δ (ϕ(pn ) (x). On obtient ainsi le un cylindre de s´ ecurit´ e pour l’´ equation (E) : y = f (t. M . r0 Th´ eor` eme – Soit C = [t0 − T. lN ) et donc ϕ(p) (xi ) ∈ Bli . t0 + T ] → B (y0 . ϕ(pn ) converge uniform´ Exercice – On pose E = [0. F = [−1. (∗) implique a ` la limite d(ϕ(pn ) . +2 . . . n 1 n. . 1). Il existe i ∈ I tel que x ∈ Bi . donc ϕ(pn ) (x) converge vers une limite ϕ(x). ϕ(pN ) (x)) ≤ 2k + 2 . ϕp (x) = cos px. N )) = (l1 . j (p. Soit x ∈ E un point quelconque. .

y (t)). ¾º º ÖØ Ö Ñ ÜÑ ÐØ × ×ÓÐÙØ ÓÒ× Nous allons voir ici une condition g´ eom´ etrique n´ ecessaire et suffisante permettant d’affirmer qu’une solution est maximale. z se prolonge en une solution [t0 − T. De plus. y0 ) ∈ U . Le probl` admet alors au moins 2 solutions maximales : y(1) (t) = 0. puisque si y (t) se prolonge a ` [t0 . b] et avec y(1) (b. Si y ´ eme de Cauchy avec donn´ ee initiale solution y(1) : [b − ε. Crit` ere de maximalit´ e – Une solution y : ]a. y(2) (t) = t3 . D’apr` etait d´ efinie au point b. il suffit de consid´ erer eme de Cauchy de condition initiale y (0) = 0 l’´ equation y = 3|y |2/3 . On vient de voir en effet qu’il existe une solution locale z d´ efinie sur un intervalle es le th´ eor` eme du § 1. b + ε] serait alors un prolongement strict de y . y (t)) s’approche du bord de U ou tend vers ∞. b[ → Rm de (E) est maximale . b + ε] → Rm co¨ sur [b. Th´ eor` eme – U un ouvert de R × Rm et y : I = [t0 . t ∈ R. y (t)) s’´ echappe de tout compact K de U quand t → a+ ou quand t → b− . Chaque application y(p) : [t0 − T. il existerait une maximale y = z : |a. b| → Rm . La cons´ imm´ ediate. y est non prolongeable au del` a du temps b si et seulement si (t. b] par l’application continue t → (t. t0 + T ]. b]. Corollaire – Par tout point (t0 . si et seulement si t → (t. reste contenue dans K . c’est-` a-dire |t| + y (t) + 1/d (t. b[ → Rm une solution de u f est une fonction continue sur U . y ). y (b)) ∈ U . l’intervalle de d´ est ouvert (mais en g´ en´ eral. y est une solution exacte de l’´ equation (E). y (t)) est un compact K ⊂ U . La fonction y : |a. La condition de prolongement est ´ evidemment n´ ecessaire. Puisque les compacts sont les parties ferm´ ees born´ ees. t0 + T ] → B (y0 .3. t ∈ [t0 . alors l’image du compact [t0 . o` se prolonger au del` a de b si et seulement si il existe un compact K ⊂ U tel que la courbe t → (t. Soit y(p) la solution approch´ ee donn´ ee par la m´ ethode d’Euler en utilisant la subdivision avec pas constant h = T /p des intervalles [t0 . D´ emonstration du th´ eor` eme. b + ε] → Rm du probl` ıncidant avec y sur |a. t0 ]. ceci signifie encore que (t. ce qui est absurde. donc d’apr` es le th´ eor` eme d’Ascoli on peut extraire de (y(p) ) une sousement vers une limite y . t0 + T ] et ee avec erreur εp ≤ ωf ((M +1) T /p) tendant [t0 −T. Autrement dit. il passe au moins une solution maximale efinition I de toute solution maximale y : I → Rm de (E). D’apr` es la proposition 3 suite (y(pn ) ) convergeant uniform´ du § 2. y (t)) equence suivante est s’´ echappe de tout compact K de U quand t → b− .138 Analyse num´ erique et ´ equations diff´ erentielles D´ emonstration. Cette solution est εp -approch´ vers 0. ∂U ) → +∞ quand t → a+ ou t → b− . Exemple – Pour donner un exemple de non unicit´ e. y (t)). b[. il n’y a pas unicit´ e de ces solutions maximales). Alors y (t) peut l’´ equation (E) y = f (t. r0 ) est lipschitzienne de rapport M .3.

b + ε] en posant y (t) = z (t) pour t ∈ [b. nous allons montrer que la solution du probl` eme de Cauchy est n´ ecessairement unique. ∂yj Le nombre A est fini puisque C0 est compact. t0 + T0 ] × B (y0 . y2 ) = j ∂fi (t. y0 ) ∈ U il existe un cylindre C0 = [t0 − T0 . b+ε]. Soit en effet f admette des d´ eriv´ ees partielles ∂y j A= max sup 1≤i. ¿º Ì ÓÖ Ñ ³ Ü ×Ø Ò Ø ³ÙÒ Ø Ù Ý¹Ä Ô× ØÞ Reprenons les notations du d´ ebut du § 2. b + ε]. y ) . On suppose ici en outre que f est localement lipschitzienne en y : cela signifie que pour tout point (t0 . et nous avons (b. continues sur U . Le th´ eor` eme des accroissement finis appliqu´ es ` a fi sur C0 donne fi (t.´ V – Equations diff´ erentielles. b]. i j Sous ces hypoth` eses sur f . 1 ≤ i. il suffit que ∂fi .j |. On a donc max |fi (t. y0 ) ≥ 0 tels que f soit k -lipschitzienne en y sur C0 : ∀(t. y1 ). r0 ) ⊂ U et une constante k = k (t0 . nous donnerons ensuite une deuxi` eme d´ emonstration assez diff´ erente bas´ ee sur le th´ eor` eme du point fixe (chapitre IV. b[. y ) < +∞ (t. § 1.y )∈K qui est fini par continuit´ e de |f et compacit´ e de K . b[. le th´ eor` eme d’existence locale des solutions implique qu’il existe une solution locale z d probl` eme de Cauchy de donn´ ee initiale z (b) = = y (b) sur un intervalle [b−ε. y2 [. Nous pouvons prolonger y par continuit´ b en posant y (b) = . y (t)) montre alors que y est de classe C 1 sur [t0 . y (b)) ∈ K ⊂ U puisque K est ferm´ e. y1 ) − fi (t. On obtient alors un prolongement y de y sur [t0 . Posons M = sup f (t. . Ceci entraˆ ıne que t → y (t) est ement continue.j − y2. Maintenant. j ≤ m.j ≤m (t. (t. y (t)) ∈ K pour tout t ∈ [t0 . y1 ) − f (t. supposons qu’il existe un compact K de U tel que (t. Remarque – Pour que f soit localement lipschitzienne en y sur U . Compte tenu de l’importance de ces r´ esultats. y2 ) ≤ k y1 − y2 .y )∈C0 ∂fi (t. ξ )(y1.1).j ) ∂yj avec ξ ∈ ]y1 .j − y2. Le th´ eor` eme est d´ emontr´ e. y2 ) ∈ C0 f (t. et que de plus toute suite de solutions ε-approch´ ees avec ε tendant vers 0 converge n´ ecessairement vers la solution exacte. donc uniform´ e en que la limite = limt→b− y (t) existe. La relation y (t) = f (t. R ´ esultats fondamentaux 139 Inversement. y2 )| ≤ mA · max |y1. y1 ) − f (t. et le crit` ere de cauchy montre lipschitzienne sur [t0 .

Comme y(i) satisfait l’´ equation diff´ erentielle ` a εi pr` es. y(2) restent contenus dans le cylindre C = [t0 − T. t0 + T0 ] × B (y0 . y0 ). T ]. Apr` es soustraction de kv (t) et multiplication par e−kt . M +ε . on a y(2) (t) − y(1) (t) ≤ (ε1 + ε2 ) ek|t−t0 | − 1 . dt . on trouve (v (t) − kv (t))e−kt = d (v (t)e−kt ) ≤ (ε1 + ε2 )te−kt . On a alors y(i) (t) ≤ M + ε. ce qu’on suppose d´ Lemme de Gronwall – Sous les hypoth` eses pr´ ec´ edentes. r0 ) ⊂ C0 r0 esormais. on obtient par soustraction y(2) (t) − y(1) (t) ≤ f (t. par exemple. y(1) (t) + ε1 + ε2 ≤ k y(2) (t) − y(1) (t) + ε1 + ε2 . t ∈ [0.140 Analyse num´ erique et ´ equations diff´ erentielles ¿º½º Ä ÑÑ ÖÓÒÛ Ðк ÓÒÚ Ö Ò Ø ÙÒ Ø ÐÓ Ð × Soit C0 = [t0 − T0 . k ∀t ∈ [t0 − T. t0 + T ] × B (y. On se donne ε > 0 et on consid` ere des solutions ee et ε2 -approch´ ee du probl` eme de Cauchy de y(1) et y(2) respectivement ε1 -approch´ donn´ ee initiale (t0 . ε2 ≤ ε. Posons alors t v (t) = 0 y(2) (u) − y(1) (u) du. avec ε1 . r0 ) ⊂ U un cylindre sur lequel f est k -lipschitzienne en y et soit M = supC0 f . en utilisant l’hypoth` ese que f est k -lipschitzienne en y . t0 + T ]. De plus t y(2) (t) − y(1) (t) = 0 (y(2) (u) − y(1) (u))du eduit puisque y(2) (0) = y(1) (0) = y0 . D´ emonstration. d` es que T ≤ min T0 .1 montre que les graphes de y(1) . et un raisonnement analogue a ` celui du § 2. On en d´ t y(2) (t) − y(1) (t) ≤ k c’est-` a-dire 0 y(2) (u) − y(1) (u) du + (ε1 + ε2 )t (∗) v (t) ≤ kv (t) + (ε1 + ε2 )t. Quitte a ` changer l’origine du temps on peut supposer t0 = 0 et. y(2) (t) − f (t.

Notons F = C([t0 − T. y (u))du. t0 + T ] × B (y0 . par cons´ equent y(p) est une suite de Cauchy uniforme. k2 v (t) ≤ (ε1 + ε2 ) tandis que la premi` ere in´ egalit´ e int´ egr´ ee (∗) donne y(2) (t) − y(1) (t) ≤ kv (t) + (ε1 + ε2 )t ≤ (ε1 + ε2 ) ekt − 1 . r0 ) qui est un espace complet. k Le cas o` u t ∈ [−T. M s´ ecurit´ e pour (E). le lemme de Gronwall avec ε1 = ε2 = 0 montre que y(1) = y(2) . y(p) converge vers une limite y . Th´ eor` eme (Cauchy-Lipschitz) – Si f : U → Rm est localement lipschitzienne en y . t0 + T ]. k2 1 − (1 + kt)e−kt . r0 )) l’ensemble des applications continues de [t0 − T. alors pour tout cylindre de s´ ecurit´ e C = [t0 − T. ¿º¾º¶ ÙØÖ ÑÓÒ×ØÖ Ø ÓÒ ´Ô Ö Ð Ø ÓÖ Ñ Ù ÔÓ ÒØ Ü µ un cylindre de r0 Soit C = [t0 − T. B (y0 . r0 ) ⊂ C0 avec T ≤ min T0 . le probl` eme de Cauchy avec condition initiale (t0 . y0 ) admet une unique solution exacte y : [t0 − T. r0 ). t0 + T ]. Cette limite y est une solution exacte de l’´ equation (E) d’apr` es la proposition 3 du § 2. toute suite y(p) de solutions ees avec εp tendant vers 0 converge uniform´ ement vers la solution exacte εp -approch´ y sur [t0 − T. A toute fonction y ∈ F. 0] s’obtient par un changement de variable t → −t. t0 + T ]. Soit y(p) une suite quelconque de solutions εp approch´ ees avec ethode d’Euler. Unicit´ e. y(q) ) ≤ (εp + εq ) ekT − 1 k sur [t0 − T.´ V – Equations diff´ erentielles. De plus. Existence. il vient v (t)e−kt ≤ t 0 (ε1 + ε2 )ue−ku du = (ε1 + ε2 ) ekt − (1 + kt) . t0 + T ] × B (y0 . par exemple celles fournies par la m´ Gronwall montre que d(y(p) . . muni de la distance d de la convergence uniforme. r0 ) comme ci-dessus. R ´ esultats fondamentaux 141 Grˆ ace ` a une nouvelle int´ egration (noter que v (0) = 0). Comme les fonctions y(p) sont toutes a ` valeurs dans B (y0 . t ∈ [t0 − T.3. y(2) sont deux solutions exactes. t0 + T ] dans B (y0 . associons la fonction φ(y ) d´ efinie par t φ(y )(t) = y0 + t0 f (u. t0 + T ]. Le lemme de lim εp = 0. t0 + T ] → U . Si y(1) .

142

Analyse num´ erique et ´ equations diff´ erentielles

D’apr` es le lemme du § 2.1, y est une solution de (E) si et seulement si y est un point fixe de φ. On va donc essayer d’appliquer le th´ eor` eme du point fixe. Observons que
t

φ(y )(t) − y0 =
t0

f (u, y (u))du ≤ M |t − t0 | ≤ M T ≤ r0 ,

donc φ(y ) ∈ F. L’op´ erateur φ envoie donc F dans F. Soient maintenant y, z ∈ F et y(p) = φp (y ), z(p) = φp (z ). On a
t

y(1) (t) − z(1) (t) = ≤

(f (u, y (u)) − f (u, z (u))) du
t0 t

k y (u) − z (u) du ≤ k |t − t0 | d(y, z ).
t0

De mˆ eme
t

y(2) (t) − z(2) (t) ≤ ≤

0 t t0

k y1 (u) − z1 (u) du k · k |u − t0 |d(y, z )du = k2 |t − t0 |2 d(y, z ). 2

Par r´ ecurrence sur p, on v´ erifie aussitˆ ot que y(p) (t) − z(p) (t) ≤ kp en particulier d(φp (y ), φp (z )) = d(y(p) , z(p) ) ≤
p p

|t − t0 |p d(y, z ), p! kp T p d(y, z ) p!
p p

(∗)

k T et φp est lipschitzienne de rapport k pT ! sur F . Comme limp→+∞ p! = 0, il existe p p p p assez grand tel que k pT ! < 1 ; pour une telle valeur de p, φ est une application contractante de F dans F. Par ailleurs, F est un espace m´ etrique complet. Le th´ eor` eme du point fixe d´ emontr´ e au chapitre IV (dans sa version g´ eneralis´ ee au cas d’applications dont une it´ er´ ee est contractante) montre alors que φ admet un point fixe unique y . Nous avons donc bien red´ emontr´ e le th´ eor` eme de Cauchy-Lipschitz affirmant l’existence et d’unicit´ e de la solution du probl` eme de Cauchy.

Remarque – D’apr` es (∗), on voit que pour toute fonction z ∈ F la suite it´ er´ ee ement vers la solution exacte y du probl` eme de z(p) = ϕp (z ) converge uniform´ Cauchy.
¿º¿º ÍÒ Ø ÐÓ Ð

Le th´ eor` eme d’unicit´ e locale entraˆ ıne facilement un r´ esultat d’unicit´ e globale, au e . moyen d’un raisonnement de connexit´

´ 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
ıncident en un point de I , alors y(1) = y(2) lipschitzienne en y . Si y(1) et y(2) co¨ sur I .

D´ emonstration. Supposons y(1) (t0 ) = y(2) (t0 ) en un point t0 ∈ I . Montrons par erons le exemple que y(1) (t) = y(2) (t) pour t ≥ t0 . S’il n’en est pas ainsi, consid´ u y(1) et y(2) bifurquent : premier instant t0 o` t0 = inf {t ∈ I ; t ≥ t0 et y(1) (t) = y(2) (t)}

On a par d´ efinition y(1) (t) = y(2) (t) pour t ∈ [t0 , t0 [ et par continuit´ e il s’ensuit que y(1) (t0 ) = y(2) (t0 ). Soit y0 ce point et soit C = [t0 − T , t0 + T ] × B (y0 , r0 ) un cylindre eor` eme d’unicit´ e locale implique que y(1) = y(2) de s´ ecurit´ e de centre (t0 , y0 ). Le th´ sur [t0 − T , t0 + T ], ce qui contredit la d´ efinition de t0 . L’unicit´ e est d´ emontr´ ee.

Corollaire – Si f est localement lipschitzienne en y sur U , pour tout point
(t0 , y0 ) ∈ U il passe une solution maximale y : I → Rm et une seule.

Interpr´ etation g´ eom´ etrique – Le th´ eor` eme d’unicit´ e signifie g´ eom´ etriquement que des courbes int´ egrales distinctes ne peuvent se couper.

Exemple – y = 3|y |2/3 sur U = R × R.
D´ eterminons l’ensemble des solutions maximales. On a ici f (t, y ) = 3|y |2/3 , ∂f −1/3 pour y = 0. La d´ eriv´ ee y = 0 la d´ eriv´ ee ∂f ∂y = signe (y ) × 2|y | ∂y est continue sur les demi-plans y > 0 et y < 0, mais discontinue en y = 0. La fonction f est localement lipschitzienne en y sur {y > 0} et {y < 0}, mais il est facile de voir qu’elle ne l’est pas au voisinage de tout point (t0 , 0) ∈ R × {0} (on a vu d’ailleurs qu’il n’y a pas d’unicit´ e locale en ces points). Sur {y > 0} (resp. sur {y < 0}) l’´ equation ´ equivaut a `
2 1 y y − 3 = 1 (resp. 3

2 1 y (−y )− 3 = −1) 3

d’o` 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}, b = sup{t ; y (t) = 0}.

1

1

eme Si a = −∞, on a y (a) = 0 et y (t) < 0 pour t < a, donc y (t) = (t − a)3 . De mˆ y (t) = (t − b)3 pour t > b si b = +∞.

144

Analyse num´ erique et ´ equations diff´ erentielles

y

(t0 , y0 )

a

a

b

t

e de solutions maximales : si On voit que pour tout point (t0 , y0 ) il passe une infinit´ 1/3 y0 > 0, b = t0 − y0 est impos´ e, mais le choix de a ∈ [−∞, b] est arbitraire. Noter que ce ph´ enom` ene se produit bien qu’on ait unicit´ e locale au point (t0 , y0 ) !

¿º º

ÓÒ Ø ÓÒ× ×Ù

× ÒØ × ³ Ü ×Ø Ò

×ÓÐÙØ ÓÒ× ÐÓ

Ð ×

Nous donnons ici des conditions suffisantes d’existence 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 suffisantes nettement plus faibles (voir l’exercice (b) ci-dessous, ainsi que le probl` eme 5.9). u J ⊂ R est un intervalle ouvert. On fait l’une ou l’autre des deux U = J × Rm , o` hypoth` eses suivantes : (1) Il existe une fonction continue k : J → R+ telle que pour tout t ∈ J fix´ e, l’application y → f (t, y ) soit lipschitzienne de rapport k (t) sur Rm . (2) Il existe des fonctions c, k : J → R+ continues telles que l’application y → f (t, y ) satisfasse une croissance lin´ eaire a ` l’infini du type f (t, y ) ≤ c(t) + k (t) y . Alors toute solution maximale de l’´ equation diff´ erentielle y = f (t, y ) est globale (c’est-` a-dire d´ efinie sur J tout entier ). D´ emonstration. Il est ´ evident que l’hypoth` ese (1) entraˆ ıne l’hypoth` ese (2) (avec c(t) = f (t, 0) ), il suffirait donc de donner la preuve pour (2). Cependant, il y a une d´ emonstration sensiblement plus simple sous l’hypoth` ese (1). D´ emonstration sous l’hypoth` ese (1). Soit (t0 , y0 ) ∈ J × Rm , et [t0 − T, t0 + T ] un intervalle compact quelconque contenu dans J . Reprenons la d´ emonstration du th´ eor` eme de Cauchy-Lipschitz.

Th´ eor` eme – Soit f : U → Rm une application continue sur un ouvert produit

´ V – Equations diff´ erentielles. R ´ esultats fondamentaux

145

ecurit´ e de rayon r0 = +∞. Comme U = J × Rm , on peut choisir un cylindre de s´ L’application φ d´ efinie au § 3.2 op` ere donc sur l’espace complet F = C([t0 − T, t0 + T ], Rm ). Soit K=
t∈[t0 −T,t0 +T ]

max

k (t).

L’application f est par hypoth` ese K -lipschitzienne en y sur [t0 − T, t0 + T ] × Rm . D’apr` es le raisonnement du § 3.2, l’application φp est lipschitzienne de rapport 1 p p p! K (max(T, T )) sur F , donc contractante pour p assez grand. Ceci implique que la solution (unique) du probl` eme de Cauchy est d´ efinie sur tout intervalle [t0 − T, t0 + T ] ⊂ J . D´ emonstration sous l’hypoth` ese (2). L’id´ ee est d’utiliser le crit` ere de maximalit´ e des solutions d´ emontr´ e au 2.6. Supposons qu’on ait une solution y : [t0 , b[ → Rm avec erieure de J ). Posons t0 , b ∈ J (autrement dit, telle que b ne soit pas la borne sup´ C = supt∈[t0 ,b] c(t) et K = supt∈[t0 ,b] k (t). Nous obtenons y (t) = f (t, y (t)) ≤ C + K y (t) . On utilise alors un raisonnement de type lemme de Gronwall pour majorer la t norme y (t) . Nous avons y (t) = y (t0 ) + t0 y (u) du, donc
t

y (t) ≤ v (t) = y (t0 ) +
t0

y (u) du

avec

v (t) = y (t) ≤ C + K y (t) ≤ C + Kv (t). Ceci donne la majoration d v (t)e−K (t−t0 ) = v (t) − K v (t) e−K (t−t0 ) ≤ Ce−K (t−t0 ) . dt Par int´ egration sur [t0 , t], on obtient v (t)e−K (t−t0 ) − v (t0 ) ≤ et comme v (t0 ) = y (t0 ) , il vient sup
t∈[t0 ,b[

C (1 − e−K (t−t0 ) ), K

y (t) ≤ sup v (t) ≤ R =
t∈[t0 ,b[

C K (b−t0 ) e − 1 + y (t0 ) eK (b−t0 ) . K

Par cons´ equent (t, y (t)) d´ ecrit une partie compacte K = [t0 , b] × B (0, R) dans etre une solution maximale. Toute solution maximale U = J × Rm , et y ne peut ˆ est donc globale. Le lecteur pourra ´ etudier l’exercice 5.9 pour un g´ en´ eralisation 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
(a) Montrer que toute solution maximale de l’´ equation diff´ erentielle y = t t2 + y 2 , (t, y ) ∈ R × R, est globale. (b) On d´ efinit f : R → R par f (y ) = e si y ≤ e et f (y ) = y ln y si y ≥ e. Montrer que f n’est pas lipschitzienne au voisinage de 0. D´ eterminer explicitement les solutions maximales de l’´ equation y = f (y ). Les conditions suffisantes du th´ eor` eme pr´ ec´ edent sont-elles n´ ecessaires ?

º ÕÙ Ø ÓÒ×
º½º
(E)

Ö ÒØ ÐÐ × ³ÓÖ Ö ×ÙÔ Ö ÙÖ

ÙÒ

Ò Ø ÓÒ×
y (p) = f (t, y, y , . . . , y (p−1) )

Un syst` eme diff´ erentiel d’ordre p dans Rm est une ´ equation de la forme efinie sur un ouvert U ⊂ R × (Rm )p . o` u f : U → Rm est une application continue d´ Une solution de (E) sur un intervalle I ⊂ R est une application y : I → Rm p-fois d´ erivable, telle que (i) (∀t ∈ I ) (t, y (t), y (t), . . . , y (p−1) (t)) ∈ U , (ii) (∀t ∈ I ) y (p) (t) = f (t, y (t), y (t ), . . . , y (p−1) (t)). Le r´ esultat suivant se d´ emontre par r´ ecurrence d’une mani` ere enti` erement analogue a celle utilis´ ` ee pour les ´ equations diff´ erentielles d’ordre 1. Le d´ etail de l’argument est laiss´ e au lecteur.

R´ egularit´ e des solutions – Si f est de classe C k , les solutions y sont de
classe C k+p .

º¾º ËÝ×Ø Ñ

Ö ÒØ Ð ³ÓÖ Ö ÙÒ ××Ó

Il est clair que le syst` eme (E) est ´ equivalent au syst` eme diff´ erentiel d’ordre 1  dY0  dt = Y1    dY 1    dt = Y2 ... (E1 )   dYp−2    dt = Yp−1   dYp−1 = f (t, Y0 , Y1 , . . . , Yp−1 ) dt eme (E1 ) peut encore s’´ ecrire si l’on pose Y0 = y , Y1 = y , . . .. Le syst` (E1 ) avec Y = F (T, Y ) Y = (Y0 , Y1 , . . . , Yp−1 ) ∈ (Rm )p F = (F0 , F1 , . . . , Fp−1 ) : U → (Rm )p F0 (t, Y ) = Y1 , . . . , Fp−2 (t, Y ) = Yp−1 , Fp−1 (t, Y ) = f (t, Y ).

´ V – Equations diff´ erentielles. R ´ esultats fondamentaux

147

equivalent a ` un syst` eme Tout syst` eme diff´ erentiel (E) d’ordre p dans Rm est donc ´ esulte que les th´ eor` emes d’existence et diff´ erentiel (E1 ) d’ordre 1 dans (Rm )p . Il en r´ d’unicit´ e d´ emontr´ es pour les syst` emes d’ordre 1 sont encore vrais pour les syst` emes d’ordre p, avec des preuves qui sont des transpositions directes du cas d’ordre 1. En voici les principaux ´ enonc´ es :

º¿º Ì

ÓÖ Ñ

³ Ü ×Ø Ò

Pour tout point (t0 , y0 , y1 , . . . , yp−1 ) ∈ U le probl` eme de Cauchy de conditions initiales y (t0 ) = y0 , y (t0 ) = y1 , . . . , y (p−1) (t0 ) = yp−1 admet au moins une solution maximale y : I → Rm , d´ efinie sur un intervalle ouvert.

Remarque tr` es importante – On voit ainsi que pour un syst` eme d’ordre p,
la condition initiale requiert non seulement la donn´ ee de la valeur y0 de y au temps egalement la donn´ ee de ses (p − 1) premi` eres d´ eriv´ ees. t0 , mais ´

º ºÌ

ÓÖ Ñ

³ Ü ×Ø Ò

Ø ³ÙÒ

Ø

Si de plus f est localement lipschitzienne en (y0 , . . . , yp−1 ) sur U , c’est-` a-dire si ∀(t0 , y0 , . . . , yp−1 ) ∈ U il existe un voisinage [t0 − T0 , t0 + T0 ] × B (y0 , r0 ) × . . . × B (yp−1 , rp−1 ) contenu dans U sur lequel f (t, z0 , . . . , zp−1 ) − f (t, w0 , . . . , wp−1 ) ≤ k ( z0 − w0 + . . . + zp−1 − wp−1 ), alors le probl` eme de Cauchy 4.3 admet une solution maximale et une seule.

º º ËÓÐÙØ ÓÒ× ÐÓ

Ð ×

Si U = J × (Rm )p et s’il existe une fonction k : J → R+ continue telle que (∀t ∈ J ) f (t, z0 , . . . , zp−1 ) − f (t, w0 , . . . , wp−1 ) ≤ k (t)( z0 − w0 + . . . + zp−1 − wp−1 ), alors les solutions maximales sont d´ efinies sur J tout entier.

º ÈÖÓ Ð Ñ ×
5.1. On consid` ere l’´ equation diff´ erentielle y = y 2 − x. (a) Quelles sont les lignes isoclines ? ` la pente nulle. On notera I0 l’isocline correspondant a u la pente des solutions est strictement Soit P− l’ensemble des points du plan o` n´ egative. D´ ecrire P− . Montrer que si une solution entre dans P− , alors elle y

u t1 peut ´ eventuellement Soit α une fonction r´ eelle d´ efinie sur un intervalle [t0 . (γ ) Montrer que a = b. et I2 la partie de I qui se trouve − dans P . Quelles sont les r´ egions du plan o` u y > 0. (γ ) Montrer que C poss` ede 2 branches infinies a ` direction asymptotique verticale. y ). I0 ). alors si x1 > x0 . α(t)) [resp : α (t) > f (t. (x1 . Quelle est l’allure de la solution passant par le point de coordonn´ ees (0. t1 [ o` ˆ etre infini . y (x0 )) dans P− . (β ) Montrer qu’il existe b tel que B = {0} × ] − ∞. la pente de I1 est strictement inf´ erieure ` a la pente de C. t1 [. (γ ) Montrer que lorsque x → ∞. que C ne rencontre pas P− . respectivement y < 0 ? On notera I1 la partie de I ext´ erieure ` a P− . (α) Montrer qu’il existe a tel que A = {0} × ]a. (a) Montrer que si α est une barri` ere inf´ erieure pour t0 ≤ t ≤ t1 et si u est une solution de l’´ equation diff´ erentielle v´ erifiant α(t0 ) ≤ u(t0 ). la pente de C et la 2 pente de la solution de l’´ equation diff´ erentielle y = y2 . aux points o` u α n’est pas d´ erivable. y0 ) un point de C. alors α(t) < u(t) pour esultat analogue pour une barri` ere sup´ erieure. +∞[. (α) Montrer qu’en ce point. Comparer en ce point. et que C n’a qu’un point d’inflexion. (α) Montrer que D poss` ede une asymptote verticale. D est asymptote ` a I0 . En d´ eduire que les branches infinies de C correspondent a ` des asymptotes verticales. ´ (b) Etudier et tracer le graphe de la courbe I ensemble des points d’inflexion des solutions de l’´ equation diff´ erentielle. a) ? 5. On dit que α est une barri` ere inf´ erieure [respectivement : sup´ erieure] pour l’´ equation diff´ erentielle si α (t) < f (t. pour la d´ eriv´ ee ` a gauche et pour la d´ eriv´ ee ` a droite. (e) Soit A (resp. α(t))] pour tout t tel que α (t) existe. (β ) En d´ eduire que C ne coupe I1 qu’en ce point. (β ) Montrer que D a un point d’inflexion et un seul. (δ ) Soit (x0 . o` u f et ∂f ∂y sont continues. b[. On consid` ere l’´ equation diff´ erentielle y = f (t. Montrer un r´ . et. (d) Soit D une courbe solution rencontrant I0 . on suppose α continue et d´ erivable par morceaux. y ). B ) l’ensemble des points de l’axe Oy par o` u passe une courbe solution qui rencontre I1 (resp. tout t ∈ ]t0 .2. (c) Soit C une courbe solution rencontrant I1 en un point (x.148 Analyse num´ erique et ´ equations diff´ erentielles reste (c’est-` a-dire : si une solution y (x) a un point (x0 . y (x1 )) ∈ P− ).

5. alors (t. Montrer que le graphe de γ rencontre la droite y = t. x) tels que t0 ≤ t ≤ t1 et α(t) ≥ x ≥ β (t) est un anti-entonnoir. Montrer que les trajectoires associ´ ees ` a deux solutions distinctes de (E) co¨ ıncident ou n’ont aucun point commun . L’ensemble des e entonnoir. d´ erivable par morceaux. u(s)) soit dans l’entonnoir pour un s ∈ [t0 . (c) Dans la suite du probl` eme. d´ efinie pour t ≥ 0 par : γ (0) = u(0) > 0 . 0. (δ ) Montrer que γ est une barri` ere sup´ erieure. On consid` ere l’´ equation (appel´ ee ´ equation de Van der Pol) : (E) x (t) = y (t) − x3 (t) + x(t). (ε) En d´ eduire que toute solution de l’´ equation diff´ erentielle rencontre la droite y = t. t ∈ R. y (t) = −x(t). (a) Montrer que le probl` eme de Cauchy correspondant admet une solution globale unique (on pourra utiliser le r´ esultat de l’exercice 5. montrer que si une trajectoire a un point double (c’est-` a-dire correspondant a ` deux valeurs distinctes de t). telle que β (t) ≤ u(t) ≤ α(t) pour tout t ∈ [t0 . on prend f (t. montrer que par chaque point du plan passe une trajectoire et une seule . 1.3. on dit que l’ensemble des (t. t1 [. points (t. t1 [. t1 [. x) tels que t0 ≤ t ≤ t1 et α(t) ≤ x ≤ β (t) est appel´ (α) Montrer que si une solution u de l’´ equation diff´ erentielle est telle que (s. y ) = sin(ty ). t1 [.9). et ainsi de suite. On se restreindra aux solutions v´ erifiant y > 0. soit γ la fonction continue. γ est affine de pente 1 depuis t = 0 jusqu’` a ce que son graphe rencontre la premi` ere isocline de pente 0. les solutions associ´ ees de (E) sont p´ eriodiques (et tous les points sont alors doubles). puis γ est affine de pente 0 jusqu’` a l’isocline de pente 0 suivante. (α) D´ eterminer les isoclines correspondant aux pentes −1. puis γ est affine de pente 1 jusqu’` a l’isocline de pente 0 suivante. (b) On appelle trajectoire associ´ ee ` a une solution de (E). (β ) Si α est une barri` ere inf´ erieure et β une barri` ere sup´ erieure. u(t)) est dans l’entonnoir pour tout t ∈ [s. t1 [. Montrer qu’il existe une solution u(t) de l’´ equation diff´ erentielle. (β ) Pour quelles valeurs de t ces isoclines sont-elles des barri` eres inf´ erieures ? sup´ erieures ? Quels sont les entonnoirs form´ es par ces isoclines ? (γ ) Soit u une solution de l’´ equation diff´ erentielle . t1 [. et que α(t) < β (t) pour tout t ∈ [t0 . y (t)) lorsque t parcourt R. t1 [. puis reste dans un entonnoir.´ V – Equations diff´ erentielles. l’ensemble parcouru dans le plan Euclidien par le point de coordonn´ ees (x(t). (ζ ) Dessiner l’allure des solutions de l’´ equation diff´ erentielle y = sin(ty ). que β est une barri` sup´ erieure sur [t0 . Quelles sont les trajectoires r´ eduites ` a un point ? . et si α(t) > β (t) pour t ∈ [t0 . R ´ esultats fondamentaux 149 ere (b) On suppose que α est une barri` ere inf´ erieure sur [t0 .

β ) on ait 2 > 0 (regarder (x(t1 ). 5. y (t)) une solution de (E) . • l’arc de cercle de centre O passant par (1. (x(t2 ). Γ+ = {(x. 3. 0) et coupant (x = 1) en (x1 . En 2 < 0. x < 0 et E4 = {(x. y0 ). y < x3 − x} . y ) . y > x3 − x)}. y1 ) a Montrer que la solution de (E) passant par (0. • le segment (x1 . x > 0)} . montrer que. t0 dt (h) Soit y0 grand. d´ eduire que σ (y0 )2 − y0 (i) En d´ eduire qu’il existe une trajectoire et une seule correspondant a ` des solutions p´ eriodiques de (E). et (x(t1 ). (x(t3 ). y ) . montrer que (0. Soit (x(t). y2 ). Montrer que les trajectoires non r´ eduites ` a (0. Soit t une variable r´ eelle ≥ 0.4. (x(t4 ). ti [. 0).150 Analyse num´ erique et ´ equations diff´ erentielles (c) Montrer que la courbe sym´ etrique d’une trajectoire par rapport a ` (0. y ) . • l’arc de cercle de centre O passant par (x1 . y (t3 )) ∈ Γ− . x < 0 et D− = {(0. 0). il existe une solution de (E) telle que (x(t0 ). x > 0 et E2 = {(x. 2. E1 = {(x. y0 ) et coupant (y = x3 − x) en (x1 . il existe t4 > t3 > t2 > t1 > t0 tels que (x(t). 0) est encore une trajectoire. y ) . On consid` ere le probl` eme de Cauchy y = ty. si (x(t0 ). y1 ) avec x1 > 1. y (t2 )) ∈ D− . x > 0 et E3 = {(x. (x1 . (g) Soit β > 0 tel que pour la solution de (E) v´ erifiant (x(t0 ). on pose σ (y0 ) = y (t2 ) . y (t)) ∈ Ei pour t ∈ ]ti−1 . • la tangente en (x1 . . (d) On consid` ere maintenant les sous-ensembles du plan D+ = {(0. y ) . y (t0 )) = epend que de y0 (et non (0. y (0) = 1. y0 ) . (1. Soit C la courbe form´ ee des arcs suivants : • le segment (0. y ) . 0) convergent asymptotiquement vers cette trajectoire quand t tend vers +∞. x < 0} . y (t0 )) ∈ D+ . 4. y > x3 − x}. y < x3 − x}. i = 1. y (t0 )) = (0. x3 − x) . y (t1 )) ∈ Γ+ . montrer que σ (y0 ) ne d´ de t0 ) et que σ est une application monotone continue de R+ dans R− . (f) En utilisant le (c). y0 ) . y1 ). y < 0} . Montrer que pour y0 < β . Γ− = {(x. x3 − x) . y (t4 )) ∈ D+ . y (t1 )) = (1. y0 ) est ` a l’int´ erieur de C . ` cet arc de cercle qui recoupe Oy en (0. y0 ) appartient a ` la trajectoire d’une solution p´ eriodique si et seulement si σ (y0 ) = −y0 . y1 ). (e) Soit y0 > 0 et t0 ∈ R . on a σ (y0 )2 − y0 t2 d [x(t)2 + y (t)2 ]dt). y > 0).

+∞[ . (b) D´ eduire de ce qui pr´ ec` ede la formule N −1 y (t) = N → +∞ lim PN (t) avec PN (t) = n=0 1+ nt2 N2 (c) Pour α > 0.´ V – Equations diff´ erentielles. T ]. 1 2 (b) D´ eterminer c > 0 tel que 0 < t < c on ait de plus h ≤ t et c assez petit v´ erifier la formule de Taylor). et indiquer comment la m´ ethode d’Euler permet d’en trouver une approximation. y ) a l’aide de prolongements par continuit´ e. (t+h) 3/2 t3/8 − t > −t 3/2 h < 8 5 t 1 3/8 . on montrera que f (x) < 0. on a Y (ph) > (ph)3/2 . 10 t 3/8 En supposant (on pourra utiliser (c) On suppose que pour m ∈ N∗ on a mh < c et Y (m. D´ emontrer les in´ egalit´ es Y (3h) > h3/2 2 > (3h)3/2 16 . On o` u le second membre est d´ efini sur R2 ` note Y (t) la solution approch´ ee d´ efinie sur R. (a) Calculer Y (h). En d´ eduire l’encadrement 1+ t2 N n N ≤1+ nt2 t2 ≤ 1 + N2 N2 n si 0 ≤ n ≤ N − 1. obtenue par la m´ ethode d’Euler pour 1 u n ∈ N∗ . et en d´ eduire y (t). ce probl` eme admet une solution et une seule sur [0. On consid` ere l’´ equation diff´ erentielle y = |y |−3/4 y + t sin π t = f (t. et v´ erifiant Y (0) = 0. ´ etudier les variations de la fonction f (x) = x ln (1 + α/x) sur ]0. On suppose dans un premier le pas h = n+1 /2 o` temps que n est pair. Y (2h) et Y (3h). (d) Calculer la limite du (b). 2 10 Montrer que si p entier v´ erifie 0 < ph ≤ c. 16 (mh)3/2 . Y (mh)) > Y (mh)1/4 − mh > En d´ eduire Y ((m + 1)h) > ((m+1)h)3/2 .5. 5. 16 . 16 1 1 (mh)3/8 − mh > (mh)3/8 . h) > D´ emontrer les in´ egalit´ es f (mh. R ´ esultats fondamentaux 151 (a) D´ emontrer que pour tout T > 0.

dt (a) Montrer que yn peut s’´ ecrire sous la forme yn (t) = λPn (t) + Qn (t) omes que l’on explicitera. (b) On utilise la m´ ethode d’Euler avec pas constant h. y0 ) au temps t = 0. Soit f : [a. (γ ) Sans utiliser les th´ eor` emes g´ en´ eraux du cours. 16 ) puis que Y (ph) < − (ph 16 pour tout (e) Pour 0 < t < c. yn ) converge sur R+ vers la solution exacte de (S). b] → R en posant y0 (t) = λ et t yn+1 (t) = λ + a f (u. . yn (u))du. dt (S) (a) D´ eterminer la courbe int´ egrale qui passe par le point (x0 . yn+1 ) a ` (xn . ´ (α) Ecrire la relation qui lie (xn+1 . efini par 5. n ∈ N. x0 . (β ) Calculer explicitement (xn . Soit le syst` eme diff´ erentiel dans R2 d´  dx   = 2(x − ty )  dt  dy   = 2y. On ´ l’´ equation dy = −2y + t. V´ ment l’´ equation. yn ) en fonction de n. h)3/2 − ((m+1) . Calculer Y (h). Soit (xn . h. 5. Qn sont des polynˆ erifier ce r´ esultat en r´ esolvant directe(b) Calculer limn→+∞ Pn et limn→+∞ Qn . montrer comme ci3/2 dessus que Y ((m + 1)h) < entier p tel que 0 < ph ≤ c. y ) telle que y (a) = λ.2 que yn converge uniform´ ement vers la solution exacte de etudie ici le cas particulier de l’´ equation y = f (t. Montrer ) l’in´ egalit´ e Y (3h) < − (3h 16 3/2 . Y (2h) et Y (3h).7. yn ) le point atteint au temps tn = nh (n ∈ N). yn ). 3/2 ) On suppose que pour mh < c on a Y (mh) < − (mh 16 . On sait d’apr` es V 3.6. d´ emarrant au temps t0 = 0. y0 . On d´ efinit une suite de fonctions yn : [a. montrer que les solutions approch´ ees Y (t) ne tendent vers aucune limite n tend vers +∞.152 Analyse num´ erique et ´ equations diff´ erentielles (d) On suppose ici que n est impair. v´ erifier que la solution approch´ ee qui interpole lin´ eairement les points (xn . o` u Pn . b] × R → R une fonction continue et lipschitzienne de rapport k en sa deuxi` eme variable. +∞[. t ∈ [0.

Montrer que (E) admet une solution retard´ ee de retard h (a) Soit y0 un r´ et une seule. T ] × R → R une application continue lipschitzienne de rapport k en la deuxi` eme variable. telle que zh (t) = y0 pour tout t ∈ [0. T ]. Soit un r´ eel h ∈ ]0. R ´ esultats fondamentaux 153 5. T ] on a t m(t) ≤ m(h) + h (A + km(u))du. z (t − h)). telle que zh ∞ ≤ B pour tout h > 0. y ). On consid` ere l’´ equation diff´ erentielle (E) y = f (t. . eel fix´ e. k k ∀t ∈ [h. h]. u∈[0. (c) On se propose ici d’´ etudier la convergence de zh quand h tend vers 0. (α) Montrer que les fonctions zh sont C -lipschitziennes avec une constante C ind´ ependante de h. Soit T un r´ eel positif et f : [0. si zh d´ esigne la solution retard´ ee du (a).´ V – Equations diff´ erentielles. t∈[0. (b) Soit z une solution retard´ ee de retard h. On dira que z est une solution retard´ ee de retard h si z est une fonction continue sur [0. que l’on explicitera.t] (α) Montrer que pour tout t ∈ [h.] (γ ) Montrer qu’il existe une constante B ind´ ependante de h.8. not´ ee zh . d´ erivable sur ]h.t] Montrer que δ v´ erifie l’in´ egalit´ e int´ egrale t δ (t) ≤ δ (h) + h (kCh + kδ (u))du. T ]. (β ) Soit y la solution exacte (non retard´ ee) de (E) telle que y (0) = y0 . o` u C est la constante de la question (c) α). ∀t ∈ ]h. t (A h [Indication : ´ etudier la d´ eriv´ ee de la fonction M (t) = e−kt + km(u))du. On pose A = max |f (t. T ] et si z (t) = f (t. (β ) En d´ eduire que m(t) ≤ A A + m(h) ek(t−h) − . On pose δ (t) = max |zh (u) − y (u)|. T [. 0)|. u∈[0. T ].T ] m(t) = max |z (u)|.

y ≤ a(t) y 2 + b(t). 5. on pose tn = nh. y ). (b) D´ eterminer un majorant explicite de y (t) lorsque a et b sont des constantes. Montrer que ceci conduit a une contradiction. dans la formule zn+1 = zn + tn zn = zh (tn ) . y ) ∈ J × Rm . On se propose de d´ emontrer que toute solution maximale de l’´ equation diff´ erentielle erifie l’hypoth` ese suivante : y = f (t. Montrer que y (t). o` u . telle que ρ(t0 ) = y0 2 . Pour tout entier n ∈ N. En d´ eduire que y (t) 2 ≤ ρ(t) o` u ρ : J → R est la solution (toujours globale) de l’´ equation lin´ eaire ρ = 2a(t)ρ + 2b(t). (d) On construit maintenant une m´ ethode de r´ esolution approch´ ee de (E) utilisant les solutions retard´ ees zh . ` . Montrer que r (t) ≤ 2a(t)r(t) + 2b(t). en calculer un d´ eveloppement limit´ e` a l’ordre 2 en fonction de h et des d´ eriv´ ees partielles de f au point (t. tn+1 f (t. y0 ) et soit r(t) = y (t) 2 . ` droite passant par un point (a) Soit y : [t0 . y ). t1 [ → Rm une solution maximale a (t0 . t1 [ et (c) On suppose que t1 < sup J . ees sur [t0 . n ≤ T /h. ´ (α) Ecrire la relation de r´ ecurrence d´ efinissant la suite (zn ). [Indication : soit A(t) une primitive de a(t) . ´ etudier le signe de la d´ eriv´ ee de (r(t) − ρ(t))e−2A(t) . et d´ esignent respectivement le produit scalaire et la norme euclidienne standards sur Rm .154 Analyse num´ erique et ´ equations diff´ erentielles (γ ) En d´ eduire une majoration de δ ∞ et conclure. ∀(t. zh (t − h))dt on remplace la valeur exacte de l’int´ egrale par sa valeur approch´ ee calcul´ ee au moyen de la m´ ethode des trap` ezes ´ el´ ementaires. Soit J un intervalle ouvert de R et f : J × Rm → Rm une application continue. Quel est l’ordre de la m´ ethode ? (voir chapitre VIII pour les d´ efinitions). (β ) Exprimer l’erreur de consistance relative ` a une solution exacte y . Conclure. b : I → R+ continues telles que f (t. y ) est globale si f v´ (H) Il existe des fonctions a. y (t) sont born´ que ces fonctions se prolongent par continuit´ e en t1 .9.

. Les diff´ erentes solutions de l’´ equation (E) s’´ ecrivent en g´ en´ eral sous la forme y = ϕ(x. le param` etre donc choisir λ = y0 pour param´ λ apparaˆ ıt souvent comme constante d’int´ egration. . il suffit d’appliquer le th´ eor` eme de Cauchy-Lipschitz : si on cherche les solutions d´ efinies au voisinage d’un point x0 . . y = ψ1 (x). . Ceci fournira l’occasion d’illustrer les r´ esultats g´ en´ eraux du chapitre V par des exemples. on peut etrer les solutions. λ) en´ erale d´ epend d’un o` u λ est un param` etre r´ eel : on dit parfois que la solution g´ seul param` etre. ½º ÕÙ Ø ÓÒ× Ù ÔÖ Ñ Ö ÓÖ Ö ½º½º Ê Ñ ÖÕÙ × Ò Ö Ð × On consid` ere une ´ equation diff´ erentielle (E) dy = f (x. localement lipschitzienne en y . on sait qu’il existe une solution y et une seule telle que y (x0 ) = y0 . Dans la pratique.Ô ØÖ ÎÁ Å Ø Ó × Ö ×ÓÐÙØ ÓÒ ÜÔÐ Ø × ÕÙ Ø ÓÒ× Ö ÒØ ÐÐ × On se propose d’´ etudier un certain nombre de types classiques d’´ equations diff´ erentielles du premier et du second ordre pour lesquelles on sait ramener le calcul des solutions ` a des calculs de primitives. qui ne s’obtiennent pour aucune valeur de λ : on dit que ce sont des solutions singuli` eres (ou courbes int´ egrales singuli` eres) de (E). Pour comprendre ce ph´ enom` ene. Il arrive parfois qu’en plus de la solution g´ en´ erale on ait des solutions particuli` eres y = ψ0 (x). y ) dx o` u f : U → R est une fonction continue sur un ouvert U ⊂ R2 .

y ) dy = = f (x. L’´ equation peut se r´ ecrire dy dx = g (y ). y ) = 0 on a (S) ⇒ (E) o` u (E) b(x. c’est-` a-dire une application continue M x y → − → V (M ) a(x. Dans l’ouvert U = M (x. → − On appelle syst` eme autonome associ´ e au champ de vecteurs V (M ) le syst` eme diff´ erentiel  dx   = a(x. toute fonction t → M (t + T ) obtenue par un d´ ecalage dans le temps est encore solution. Syst` emes diff´ erentiels autonomes dans un ouvert U ⊂ R2 – On suppose donn´ e un champ de vecteurs dans U . y ). M ∈ U. o` u F est une primitive de f sur I . Si t → M (t) est solution. dy d’autre part. a(x. Les courbes int´ egrales se d´ eduisent les unes des autres par translations dans la direction Oy . y ) . λ ∈ R. r´ esoudre (S) revient a ` chercher la trajectoire et la loi du mouvement des particules de fluide en fonction du temps. y ) − →  dM dt → − (S) . dx a(x. y ) . y ) dt → − Si V (M ) repr´ esente un champ de vecteurs vitesse (associ´ e par exemple ` a l’´ ecoulement d’une nappe de fluide sur une surface plane). y ) b(x. y ) R´ esoudre (E) permet de trouver la trajectoire des particules (mais pas la loi du mouvement en fonction du temps). Le mot autonome signifie que le champ de vecteurs ne d´ epend pas du temps t (cas d’un ´ ecoulement stationnaire). = V (M ) ⇔  dt   dy = b(x. . avec f : I → R continue. dx d’une part et y. ½º¾º ÕÙ Ø ÓÒ× Ú Ö Ð ×× Ô Ö × Ce sont les ´ equations dans lesquelles on peut regrouper x.156 Analyse num´ erique et ´ equations diff´ erentielles On va maintenant d´ ecrire une situation un peu plus g´ en´ erale qui se ram` ene au cas d’une ´ equation du type consid´ er´ e ci-dessus. ou encore dy g (y ) = dx ` a condition que g (y ) = 0. ´ b) Equations y = g (y ). Les solutions sont donn´ ees par y (x) = F (x) + λ. avec g : J → R continue. ´ a) Equations y = f (x). Nous allons examiner 3 cas.

• Dans l’ouvert U = {(x. yj +1 [. Dans ce cas. bj ∈ ] − ∞. alors aj ∈ R et x → aj − λ quand y → yj + 0. Supposons par exemple g > 0. λ ∈ R. yj ) et admet la droite y = yj pour tangente en ce point. +∞[. g (y ) 1 sur chacun des intervalles ouverts [yj . Alors y (x) = yj est une solution (singuli` ere) ´ evidente de l’´ equation. yj +1 [ o` u G est une primitive quelconque de g d´ elimit´ es par les racines de g . avec de plus y = g (y ) → 0 . on suppose qu’il y a convergence en y2 − 0. on en d´ eduit que G est une application strictement monotone bijective G : ]yj . 1 Comme G = g et que g est de signe constant sur ]yj . yj +1 [. et par suite G croissante sur ]yj . y +ε y +ε Exercice – V´ erifier que est bien toujours divergente en tout point yj tel que g (yj ) = 0. yj +1 [ → ]aj . par cons´ y → yj + 0. la courbe est asymptote ` a la droite y = yj . ceci est ` a relier au fait que les lignes isoclines sont les droites y = m = constante. lorsque g est localement lipschitzienne. • Si yjj gdy equent x = G(y ) − λ → −∞ quand (y ) diverge. • Si yjj gdy (y ) converge. dy g (y ) L’allure des courbes int´ egrales est la suivante (dans le sch´ ema ci-dessous. les courbes int´ egrales se d´ eduisent les unes des autres par translations dans la direction Ox . Cette situation montre qu’il n’y a pas unicit´ e du probl` eme de Cauchy en cas de convergence de l’int´ egrale. g (y ) = 0}. y ) ∈ R × J . bj [ eoriquement) avec aj ∈ [−∞. +∞]. la courbe vient rejoindre la droite y = yj au point (aj − λ.VI – M ´ ethodes de r´ esolution explicite 157 • Notons yj les racines de g (y ) = 0 dans l’intervalle J . λ∈R dy = dx. on a aj = −∞. On peut donc (au moins th´ exprimer y en fonction de x : y = G−1 (x + λ). yj +1 [. Dans chaque bande R × ]yj . on a (E) ⇔ Les solutions sont donn´ ees par G(y ) = x + λ. 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) y = f (x)g (y ) avec f. . {|x| < 1 et |y | ≤ 1} On va donc se placer dans l’ouvert U = {|x| < 1 et |y | < 1} ∪ {|x| > 1 et |y | > 1}. λ ∈ R. • Si g (yj ) = 0. g continues. Exemple – Soit l’´ equation y = 1 − y2 . o` u F est une primitive de f et G une primitive de 1/g . la fonction constante y (x) = yj est solution singuli` ere. g (y ) = 0} on a (E) ⇔ dy = f (x)dx g (y ) d’o` u G(y ) = F (x) + λ. Le domaine de d´ efinition est la r´ eunion 1 − x2 ∪ {|x| > 1 et |y | ≥ 1}. yj +1 [. Comme G est continue strictement monotone sur chaque intervalle [yj . • Sur l’ouvert U = {(x. y ) . l’application G admet une application r´ eciproque G−1 et on obtient y = G−1 (F (x) + λ).

VI – M ´ ethodes de r´ esolution explicite 159 • Dans le carr´ e {|x| < 1 et |y | < 1} l’´ equation s’´ ecrit : dy 1− y2 =√ dx . 1[ π ecessairement λ ∈ ] − π. On a donc affaire a . x2 − 1 d’o` u Arg cosh y = Arg cosh x + λ. +∞[. On doit avoir de plus sur − π 2 . y ∈ ]1. ce qui est l’´ √ 1 1 1 2 conique. Arg cosh est une bijection de ]1. y ∈ ] − 1. π 2 si λ ≥ 0. 1 − x2 d’o` u Arc sin y = Arc sin x + λ. +∞[ . 1[. x > 1 qui nous int´ eresse. Comme Arcsin est une bijection de ] − 1. +∞[ sur ]0. 1 − x2 sin λ L’´ equation ci-dessus implique (y − x cos λ)2 + x2 sin2 λ = sin2 λ. Comme x − 1 = |x| 1 − x2 = |x| − 2|x| + O x3 . on a n´  π π  − . − λ = π  2 2 2 2  − − λ. π [. −λ  π π π π 2 2 Arc sin x ∈ − . ∩ − − λ. en raisonnant comme ci-dessus. x ∈ ] − cos λ. On a (E ) ⇔ dy y2 − 1 =√ dx . x2 − 1 sinh λ equation d’une par suite (y − x cosh λ)2 − x2 sinh2 λ + sinh2 λ = 0. λ ∈ R. cos λ[ si λ ≤ 0. donc les courbes int´ egrales sont des arcs d’ellipse. π 2 2 De mˆ eme Arc sin y est dans − π 2 si si λ ≥ 0. y ∈ ] − cos λ. +∞[ si λ ≥ 0. 1[ si λ ≥ 0. cos λ[. y ∈ ] cosh λ. π π + λ. et dans − 2 . λ ∈ R. Les courbes int´ egrales admettent pour ´ equation y = sin(Arc sin x + λ) = x cos λ + avec x ∈ ] − 1. +∞[ x ∈ ] cosh λ. Pla¸ cons-nous par exemple dans {x > 1 et y > 1}. on voit que la conique admet des asymptotes y = (cosh λ ± sinh λ)x = e±λ x (pour la branche ` des arcs d’hyperbole. +∞[. 2 + λ si λ ≤ 0. • L’ouvert {|x| > 1 et |y | > 1} est form´ e de 4 composantes connexes. si λ ≤ 0. 2 . on obtient y = x cosh λ + avec x ∈ ]1. λ ≤ 0. c’est y = eλ x).

y )  dx    dt = a(x. y )    dy = b(x. y )dy = 0. (S) ⇒ b(x. ½º¿º (E) × Ó٠гÓÒ ÓÒÒ Ø ÙÒ ÒØ Ö Ð ÔÖ Ñ Ö Supposons qu’on cherche a ` r´ esoudre une ´ equation y = f (x. y )dx − a(x. D´ efinition – On dit qu’une fonction V : U → R de classe C 1 est une int´ egrale premi` ere si (E) (respectivement (S)) implique dV = Vx (x. y )dy = 0. x = < cos hv −1 . y )dx − dy = 0. λ < 0. y ) dt ou un syst` eme diff´ erentiel (S) dans un ouvert U ⊂ R2 . y )dx + Vy (x. Dans les deux cas on a une ´ ecriture sous forme diff´ erentielle : (E) ⇔ f (x.160 Analyse num´ erique et ´ equations diff´ erentielles y x = cos h y= h e x cosh λ 1 h = 0 e y= hv x −1 y = − cos λ 0 1 cosh λ x y = cos λ On a figur´ e ici λ > 0.

ϕ(x)) + Vy (x. y ) . la ligne de niveau correspondante poss` ede une − − → tangente perpendiculaire a ` grad V . − dy = 0 ⇔ d y2 y Les courbes int´ egrales y sont donc donn´ ees par x −y =λ y ⇔ x = y 2 + λy. y ) b(x. ϕ(x))ϕ (x) = d [V (x. = y y2 1 y2 . Le champ des tangentes est dirig´ e par le vecteur k 1 f (x. y ) = λ − − → → − En tout point o` u grad V = 0 . y x +y 2 Exemple – Soit y = (E) sur U = {x + y 2 = 0}. ce qui n’est pas le cas). les courbes int´ egrales y = ϕ(x) v´ erifient Vx (x. On observe n´ d x ydx − xdy . k a(x. dx Les courbes int´ egrales sont donc contenues dans les lignes de niveau V (x. − − → grad V V (x. On peut donc ´ enoncer : Propri´ et´ e caract´ eristique – V est une int´ egrale premi` ere si et seulement si − − → grad V est orthogonal au champ des tangentes de l’´ equation diff´ erentielle consid´ er´ ee. L’´ equation se r´ ecrit ydx − (x + y 2 )dy = 0. o` u λ ∈ R est une constante. y ) dans le cas de (E) (resp. Multiplions alors l’´ equation (E) par (E) ⇔ en se pla¸ cant dans l’ouvert y = 0 : ydx − xdy x − y = 0. Cette diff´ erentielle n’est pas une diff´ erentielle exacte dV = P dx + Qdy (on devrait ∂Q eanmoins que avoir ∂P ∂y = ∂x .VI – M ´ ethodes de r´ esolution explicite 161 Dans ce cas. . ϕ(x)] = 0. − − → La condition d’orthogonalit´ e grad V ⊥ k ´ equivaut a ` la proportionnalit´ e de l’´ equation Vx dx + Vy dy = 0 a ` l’´ equation diff´ erentielle (E) (ou (S)). resp. y ) = λ. (S)).

equation (E). Th´ eor` eme 1 – La solution g´ en´ erale de (E) s’´ ecrit y = y(1) + z ere de (E) et o` u z est la solution g´ en´ erale de (E0 ). Alors Supposons qu’on connaisse une solution particuli` ere y(1) de l’´ a-dire que z = y − y(1) on obtient par soustraction y − y(1) = a(x)(y − y(1) ). qui 0 doivent ˆ etre exclus. o` u y(1) est une solution particuli` .162 Analyse num´ erique et ´ equations diff´ erentielles Ce sont des arcs de la parabole d’axe y = − λ 2 et de sommet a-dire par les points tels que x + y 2 = 2y 2 + λy = 0. d´ elimit´ es −λ/2 0 et le sommet. y = 0 est une solution singuli` ere. Remarque – On dit que ydx − (x + y )dy = 0. 0[ et x ∈ ]0. c’est-` −λ2 /4 . +∞[ respectivement. c’est-` v´ erifie l’´ equation lin´ eaire sans second membre (E0 ) z = a(x)z. 2 1 y2 est un facteur int´ egrant de la forme diff´ erentielle y −λ 1 1 x ½º º ÕÙ Ø ÓÒ× Ð Ò Ö × Ù ÔÖ Ñ Ö ÓÖ Ö 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. si z est solution de (E0 ). Inversement. Par ailleurs. alors y = y(1) + z est solution de (E). fournissant deux solutions maximales pour x ∈ ] − ∞.

Comme z est continue et ne s’annule pas. Il vient y(1) (x) = λ(x)a(x)eA(x) + λ (x)eA(x) = a(x)y(1) (x) + λ (x)eA(x) . on sait que le probl` eme de Cauchy admet une solution unique en tout es point (x0 . λ∈R et visiblement solution de (E0 ). . o` u λ est diff´ erentiable. On en d´ eduit |z (x)| = eC eA(x) . x0 ∈ I. Si z = 0. toute fonction z (x) = λeA(x) . o` u A est une primitive de a sur I . aucune autre solution ne peut s’annuler en un quelconque point x0 ∈ I .VI – M ´ ethodes de r´ esolution explicite 163 a) Solutions de (E0 ) Comme f (x. z ) = a(x) continue. d’o` u z (x) = λeA(x) avec λ = ±eC . z0 ) ∈ I × R. x λ(x) = x0 b(t)e−A(t) . Or z (x) ≡ 0 est clairement solution de (E0 ). Si aucune solution ´ evidente n’apparaˆ ıt. z ) = a(x)z est continue et de d´ eriv´ ee partielle ∂f ∂z (x. λ (x) = b(x)e−A(x) . le signe de z ne change pas. Inversement. ayant pour base x → eA(x) . on peut donc ´ ecrire z = a(x). On peut donc ´ enoncer : Th´ eor` eme 2 – Les solutions maximales de (E0 ) : z = a(x)z forment un espace vectoriel de dimension 1. y(1) est donc solution de (E) si on prend λ (x)eA(x) = b(x). C ∈ R. z ln |z | = A(x) + C. on peut utiliser la m´ ethode dite de variation des constantes. z (x) = ε(x)eC eA(x) avec ε(x) = ±1. c’est-` a-dire que l’on cherche y(1) sous la forme y(1) (x) = λ(x)eA(x) . D’apr` l’unicit´ e. b) Recherche d’une solution particuli` ere y(1) de (E).

dx α ∈ R \ {1}.164 Analyse num´ erique et ´ equations diff´ erentielles On obtient ainsi la solution particuli` ere y(1) (x) = eA(x) x x0 b(t)e−A(t) dt telle que y(1) (x0 ) = 0. Exercice – Propri´ et´ es g´ eom´ etriques li´ ees aux ´ equations lin´ eaires (cf. y ) sont concourantes ou toutes parall` y x0 x ½º º ÕÙ Ø ÓÒ× × Ö Ñ Ò ÒØ ´ a) Equations de Bernoulli Ce sont les ´ equations de la forme (E) × ÕÙ Ø ÓÒ× Ð Ò Ö × dy = p(x)y + q (x)y α . La solution du probl` eme de Cauchy y (x0 ) = y0 est obtenue pour λ = e−A(x0 ) y0 . fonction y(3) − y(2) est proportionnelle a (b) Montrer qu’une ´ equation y = f (x. y ) est lin´ eaire si et seulement si le champ e. sch´ ema). montrer que la ` y(2) − y(1) . y(3) sont trois solutions d’une ´ equation lin´ eaire. y(2) . La solution g´ en´ erale est donn´ ee d’apr` es le th´ eor` eme 1 par y (x) = eA(x) λ + x x0 b(t)e−A(t) dt . . (a) Si y(1) . les tangentes aux des tangentes a la propri´ et´ e suivante : pour tout x0 fix´ eles. diff´ erents points (x0 .

y > 0}. lin´ eaire en posant w = z 1−α = z Exemple – Soit l’´ equation (1 − x3 )y + x2 y + y 2 − 2x = 0. +∞[= {(x. Il vient 2 y(1) + z = a(x)(y(1) + 2y(1) z + z 2 ) + b(x)(y(1) + z ) + c(x) 2 + b(x)y(1) + c(x) + (2a(x)y(1) + b(x))z + a(x)z 2 . 3 1−x 1 − x3 w= 1 . d’o` u (E) ⇔ dz 1 = p(x)z + q (x) 1 − α dx On est donc ramen´ e` a une ´ equation lin´ eaire en z . ´ b) Equations de Riccati Ce sont les ´ equations de la forme (E) y = a(x)y 2 + b(x)y + c(x) avec a. = a(x)y(1) Comme y(1) se simplifie. En posant y = x2 + z on se ram` ene ` a (1 − x3 )z + 3x2 z + z 2 = 0 ` puis. (E) est lin´ eaire). Posons y = y(1) + z . apr` es division par z 2 . a −(1 − x3 )w + 3x2 w + 1 = 0 avec soit w = 3x2 1 w+ . q : I → R continues (pour α = 1. En multipliant par y −α . C’est une ´ equation lin´ eaire de Bernoulli avec α = 2. c : I → R continues. On se place dans le demi-plan sup´ erieur U = R × ]0. . y ) . On la ram` ene ` a une ´ equation 1 . on obtient (E) Posons z = y 1−α . On remarque que y(1) (x) = x2 est solution particuli` ere. y ) est un polynˆ ome de degr´ e ≤ 2 en y . on en d´ eduit z = (2a(x)y(1) (x) + b(x)) + a(x)z 2 . b. alors dz dx ⇔ y −α dy = p(x)y 1−α + q (x) dx dy = (1 − α)y −α dx .VI – M ´ ethodes de r´ esolution explicite 165 avec p. Montrons que l’on sait r´ esoudre (E) d` es que l’on connaˆ ıt une solution particuli` ere y(1) . c’est-` a-dire que f (x. z si x = 1.

d’o` u La m´ ethode de variation des constantes conduit a ` 1 λ = 1 − x3 1 − x3 soit λ = 1. La solution g´ en´ erale de l’´ equation lin´ eaire compl` ete est donc w(x) = d’o` u y = x2 + z = x2 + 1 w x+λ . 1 − x3 soit encore = x2 + 1−x3 x +λ . y 1 1 x ½º º ÕÙ Ø ÓÒ× ÓÑÓ Ò × y x Une ´ equation homog` ene est une ´ equation qui peut se mettre sous la forme (E) y =f o` u f :I→R est continue. 1 − x3 ln |w| = − ln |1 − x3 | + C. Pour λ = −1. x+λ x+λ Pour λ = −1.166 Analyse num´ erique et ´ equations diff´ erentielles L’´ equation lin´ eaire sans second membre w w = 3x2 1−x3 donne w= λ . admettant pour asymptotes les droites ere y(1) (x) = x2 est la solution limite x = −λ et y = λx − λ2 . y (x) = 1 + λ3 λx2 + 1 = λx − λ2 + . on obtient la droite y = −x − 1. il s’agit d’une hyperbole (y − λx + λ2 )(x + λ) = 1 + λ3 . La solution singuli` obtenue quand |λ| tend vers +∞. . λ(x) = x.

On en d´ eduit que u la famille de courbes int´ egrales z = F −1 (ln (λx)). y ) = (λx.VI – M ´ ethodes de r´ esolution explicite 167 P (x. λx > 0. donc z satisfait l’´ equation a ` variables s´ epar´ ees z = f (z ) − z . zj +1 [. Ceci permet de voir que l’homoth´ etique d’une courbe int´ egrale est encore une courbe int´ egrale. Q sont des polynˆ omes C’est le cas par exemple des ´ equations y = Q (x. y = zj x) et une tangente y = zj x (resp. on a F −1 : ] − ∞. d´ efinies dans le secteur angulaire zj < y x < zj +1 . . λy ). nous ram` ene ` ay =Q (1.y ) o` d erateur et au d´ enominateur homog` enes de mˆ eme degr´ e d : une division par x au num´ P (1. Exercice – V´ erifier que Cλ = h1/λ (C1 ) o` u hλ (x. la pente correspondante ´ etant f (m). Il vient y = z + xz = f (z ). +∞[→]zj . Le champ des tangentes est donc invariant par les homoth´ eties de centre O. On a donc d’une monotone bijective et x part une branche infinie de direction asymptotique y = zj +1 x (resp. • Pour f (z ) = z on peut ´ ecrire dz dx = .y/x) y M´ ethode – On pose z = x . y (x) = zj x (droites passant par 0). zj +1 [ y → zj ou zj +1 quand x → 0 ou ∞.y/x) . x • On a d’une part les solutions singuli` eres z (x) = zj . ecessairement asymptote : d´ ecroissante). Observons enfin que les lignes isoclines sont les droites y = mx. y = zj +1 x) au point 0 si F est croissante (resp. o` u {zj } est l’ensemble des racines de f (z ) = z . d’o` Cλ : y = xF −1 (ln (λx)). En cas de divergence de F aux points zj . o` u F est une primitive de z → 1/(f (z ) − z ) sur ]zj . Noter que la droite y = zj x n’est pas n´ voir l’exemple ci-dessous. zj +1 .y ) u P. λ ∈ R∗ . f (z ) − z x F (z ) = ln |x| + C = ln (λx). c’est-` a-dire y = xz .

y = x. y= x . z = 1 l’´ equation se r´ ecrit 2z − 1 dx dz = . • Pour z = 0. z (1 − z ) x z = 1. 2z − 1 z − z2 z (1 − z ) z2 xz = −z = = . Il vient (y/x)2 . y dont le num´ erateur et le d´ enominateur sont des polynˆ omes homog` enes de degr´ e 2. 2 y est donc une fonction rationnelle en x.168 Analyse num´ erique et ´ equations diff´ erentielles y isocline y = mx pente f (m) y= x z2 x f (m )= m y= zx 1 Exemple – L’´ equation xy (2y − x) = y 2 peut se r´ ecrire y = y2 x(2y − x) si x = 0. . y = 0. soit y = xz . 2z − 1 2z − 1 2z − 1 y = xz + z = • Solutions singuli` eres : z = 0. En divisant le num´ erateur et d´ enominateur par x2 on obtient y = y Posons z = x . 2y/x − 1 z2 .

Pour r > 0 et θ ∈ R on pose x = r cos θ . y = x − λ (parall` eles aux directions asymptotiques y = 0. y = x donn´ ees par les droites int´ egrales singuli` eres). λ y y λ z (1 − z ) = . Les courbes int´ egrales sont donc des coniques. Il s’agit d’une hyperbole d’asymptotes y = λ. x x x x y (x − y ) = λx. y x Autre M´ ethode de r´ esolution – Utilisation des coordonn´ ees polaires. d’o` u le calcul des courbes int´ egrales : ln |z (1 − z )| = − ln |x| + C. On peut mettre l’´ equation sous la forme (y − λ)(x − y − λ) = λ2 c’est-` a-dire XY = λ avec X = x − y − λ et Y = y − λ.VI – M ´ ethodes de r´ esolution explicite 169 La fonction 2z − 1 z − (1 − z ) 1 1 = = − z (1 − z ) z (1 − z ) 1−z z admet pour primitive − ln |1 − z | − ln |z | = − ln |z (1 − z )|. y = r sin θ . 0) avec tangente x = 0. 1− = . Exercice – Montrer que chaque hyperbole passe par (0.

y0 ) ∈ R2 . equation Pla¸ cons-nous au voisinage d’un point (x0 . Les int´ egrales singuli` eres correspondent aux droites θ = θj telles que f (tan θj ) = tan θj . un r´ eel h > 0 et une fonction gj : V → ]pj − h. on voit que par tout point (x. θ. . Comme gj est de classe C 1 . ∂p D’apr` es le th´ eor` eme des fonctions implicites. . y ) = 0 nous am` ene alors ` a r´ esoudre dans V les N ´ equations diff´ erentielles (Ej ) y = gj (x. dr(f (tan θ) − tan θ) = rdθ(1 + tan θ f (tan θ)). c’est-` a-dire ∂f (x0 . dx dr cos θ − r sin θ dθ dr − r tan θ dθ L’´ equation (E) y = f y x se transforme alors en dr tan θ + r dθ = (dr − r tan θ dθ)f (tan θ). pj ) = 0. tels que pour tout (x. y ) = 0 o` u (x. pj + h[ de classe C 1 . p2 . y ). . y. y. y0 ). y. p) → f (x.170 Il vient Analyse num´ erique et ´ equations diff´ erentielles dy dr sin θ + r cos θ dθ dr tan θ + r dθ = = . Quelle est ¾º ÕÙ Ø ÓÒ× Ù ÔÖ Ñ Ö ÓÖ Ö ÒÓÒ Ö ×ÓÐÙ × Ò y ¾º½º Ò Ø ÓÒ× Ø ÔÖ Ñ Ö × ÔÖÓÔÖ Ø × On appelle ´ equation du premier ordre non r´ esolue en y une ´ equation de la forme (E) f (x. y. y ). . dr 1 + tan θ f (tan θ) = dθ. y0 . y ) ∈ V il passe exactement N courbes int´ egrales dont les pentes sont les racines p de f (x. L’´ equation diff´ erentielle f (x. On suppose que l’´ f (x0 . p) = 0 ⇔ p = gj (x. y. p) ∈ V × ]pj − h. r f (tan θ) − tan θ On aboutit donc a ` une ´ equation a ` variables s´ epar´ ees r. p) est une fonction de classe C 1 dans un ouvert U ⊂ R3 . p) = 0 admet des racines p1 . 1 ≤ j ≤ N . y0 . y. pj + h[ on ait f (x. p) = 0. Exercice – R´ esoudre y = la nature des courbes int´ egrales ? x +y x−y a l’aide des deux m´ ` ethodes propos´ ees. y. on sait alors qu’il existe un voisinage V de (x0 . . pN et que ces racines sont simples.

On notera tangente de l’une des courbes Cλ ). Γ est donc une solution singuli` qu’une telle courbe Γ doit satisfaire simultan´ ement les deux ´ equations f (x. y. y ) = 0 et ∂f /∂p(x. y en r´ esolues en y . le principe g´ fonction d’un param` etre t qui sera alors choisi comme nouvelle variable. Γ Cλ La courbe Γ est alors elle-mˆ eme une courbe int´ egrale. y ) ∈ Γ est en effet limite d’une suite de points en lesquels deux tangentes du champ viennent se confondre. car en chaque point sa tangente appartient au champ des tangentes de l’´ equation (E) (elle co¨ ıncide avec la ere. c’est-` est tangente en chacun de ses points ` a l’une des courbes Cλ . y. il arrive fr´ equemment qu’on ait une famille a-dire une courbe Γ qui de courbes int´ egrales Cλ admettant une enveloppe Γ. ¾º¾º × × ÕÙ Ø ÓÒ× ÒÓÒ Ö ×ÓÐÙ × Ò ÓÑÔÐ Ø × ´ a) Equations du type (E ) : f (x. y.VI – M ´ ethodes de r´ esolution explicite 171 pente p2 y pente p1 x Remarque – Dans cette situation. p) = 0 admette une param´ etrisation de classe C 1 . y. y ) = 0 : chaque point (x. p) = 0. En particulier les hypoth` dessus pour appliquer le th´ eor` eme des fonctions implicites ne sont pas satisfaites si (x0 . de sorte que eses faites cip = y est racine double de f (x. y0 ) ∈ Γ. y ) = 0 Supposons que l’´ equation f (x. M´ ethode de R´ esolution – Pour r´ esoudre les ´ equations diff´ erentielles non en´ eral est de chercher une param´ etrisation de x.

Les courbes int´ param´ etr´ ees par x = ρ(t) + λ y = ϕ(t) t avec ρ(t) = t0 ϕ (u) du. Supposons qu’on connaisse une param´ etrisation = ϕ(t) y = ψ (t). d’o` u (ψ (t) − ϕ(t)) dx = xϕ (t) dt.y x = 0. On a alors dx = ϕ (t) dt dy = y dx = ψ (t) dx = ψ (t)ϕ (t) dt On en d´ eduit y= t0 t ψ (u)ϕ (u)du + λ = ρ(t) + λ. d’o` u dx = ϕ egrales sont ψ (t) dt. ce qui donne une param´ etrisation des courbes int´ egrales : x = ϕ(t) y = ρ(t) + λ. y x .172 Analyse num´ erique et ´ equations diff´ erentielles x = ϕ(t) p = ψ (t). y = ϕ(t) connaissant une param´ etrisation y = ψ (t). dy = ϕ(t)dx + xϕ (t)dt dy = ψ (t) dx. (t) On obtient dy = ϕ (t)dt = ψ (t)dx. On a alors y = xϕ(t). y ) = 0. ´ b) Equations du type (E ) : f (y. ψ (u) ¾º¿º ÕÙ Ø ÓÒ× ÓÑÓ Ò × ÒÓÒ Ö ×ÓÐÙ × Ce sont les ´ equations pouvant ˆ etre mises sous la forme (E) f y .

donnant des droites y = xϕ(tj ). y= 2 2 . − 2. d’o` u 3 =1 2 (3t − t ) 3 y =1 2 (t − t). 2. x = λeρ(t) . • D’autre part. pour t = tj on obtient dx ϕ (t) = dt. En rempla¸ cant dans (∗) on obtient les droites √ √ 2 2 x. Il est clair sur ces derni` eres formules que les courbes int´ egrales se d´ eduisent les unes des autres par les homoth´ eties de centre O. x 2t(t2 − 2) √ √ • Solutions singuli` eres : t(t2 − 2) = 0 ⇔ t = 0. On obtient une param´ en posant y x +y =t y 3 x + 3y = t . 2 (t3 − 2t)dx = d’o` u l’´ equation 1 (3 − 3t2 )dt · x. y = 0. etrisation c’est donc une ´ equation homog` ene non r´ esolue en y . x ψ (t) − ϕ(t) ce qui donne par int´ egration de ϕ /(ψ − ϕ) : ln |x| = ρ(t) + C.VI – M ´ ethodes de r´ esolution explicite 173 • On a d’une part des solutions singuli` eres correspondant aux racines tj de ψ (t) = ϕ(t). y = xϕ(t) = λϕ(t)eρ(t) λ ∈ R. 2 3(1 − t2 ) dx = dt. y x 1 2 (∗) En diff´ erentiant y = (3t − t3 )x on obtient dy = 1 1 (3 − 3t2 )dt · x + (3t − t3 ) dx 2 2 1 = y dx = (t3 − t) dx. y=− x. En divisant par x3 on trouve y y + 3y = +y x x 3 . Exemple – Soit l’´ equation x2 (y + 3xy ) = (y + xy )3 .

2t(t2 − 2) 4 t 4 t2 − 2 On en d´ eduit 3 3 ln |t| − ln |t2 − 2| + C. 4 8 x = λ|t|−3/4 |t2 − 2|−3/8 y 3 −3/4 2 y=x ·x= λ |t − 2|−3/8 . On supposera que a. 2 t(t − 2) t(t2 − 2) 2t 2(t2 − 2) 3(1 − t2 ) 3 dt 3 tdt dt = − − . y ) tel que |y | < |x| il passe exactement trois courbes int´ egrales. ¾º º ÕÙ Ø ÓÒ× Ä Ö Ò ´ÓÙ ÕÙ Ø ÓÒ× ×Ó Ð Ò × Ö Ø Ð Ò ×µ Cherchons ` a d´ eterminer les ´ equations diff´ erentielles dont les courbes isoclines sont des droites. L’´ correspondante est donc (E) y = a(y )x + b(y ). alors qu’il n’en passe qu’une si |y | > |x|. La courbe isocline y = p sera une droite y = a(p)x + b(p) (pour equation diff´ erentielle simplifier. b sont au moins de classe C 1 .174 • Solution g´ en´ erale : Analyse num´ erique et ´ equations diff´ erentielles 1 − t2 − t2 1 t 1 − t2 = =− − . on ´ ecarte le cas des droites parall` eles ` a y Oy ). Combien en passeees a ` t-il si |y | = |x| ? [Indication : ´ etudier le nombre de valeurs de t et y associ´ une valeur donn´ ee de y/x]. 2 (3t − t )|t| ln |x| = − y 2 2 x Exercice – Montrer que par tout point (x. .

La solution g´ en´ erale sera de la forme x(p) = x(1) (p) + λz (p). u les pj sont les racines de • On a donc des solutions singuli` eres y = pj x + b(pj ) o` a(p) = p.VI – M ´ ethodes de r´ esolution explicite 175 M´ ethode de R´ esolution – On choisit p = y comme nouvelle variable param´ etrant chaque courbe int´ egrale . Montrons que les droites Dp poss` edent toujours une enveloppe Γ. ceci est l´ egitime ` a condition que y ne soit pas une constante sur un morceau de la courbe int´ egrale consid´ er´ ee. ce qui n’est compatible avec la condition y = p0 que si a(p0 ) = p0 . dy = a(p)dx + (a (p)x + b (p))dp dy = y dx = pdx. y (p)) telle que Γ soit tangente a ` Dp au point (x(p). λ ∈ R. dp p − a(p) c’est une ´ equation lin´ eaire en la fonction x(p). y (p) = a(p)(x(1) (p) + λz (p)) + b(p). ¾º º ÕÙ Ø ÓÒ× Ð Ö ÙØ C’est le cas particulier des ´ equations de Lagrange dans lequel a(p) = p pour toute valeur de p. Une telle courbe Γ admet par d´ efinition une param´ etrisation (x(p). Il vient (p − a(p))dx = (a (p)x + b (p))dp. la courbe int´ droite y = a(p0 )x + b(p0 ). Dans egrale est contenue dans la le cas contraire. soit (E) Les droites Dp : y = px + b(p) qui ´ etaient pr´ ec´ edemment des solutions singuli` eres forment maintenant une famille g´ en´ erale de solutions. y = y x + b(y ). si y = p0 = constante. et pour p = a(p) on aboutit a ` dx 1 = (a (p)x + b (p)) . . • Solution g´ en´ erale : y = a(p)x + b(p). y (p)). Exercice – R´ esoudre l’´ equation 2y − x(y + y 3 ) + y 2 = 0.

En diff´ erentiant. donc y (p) = px(p) + b(p). Si b est de classe C 2 . λ) = 0. il vient y (p) = px (p) + x(p) + b (p). Par ailleurs (x(p). y (p)) Dp Γ Le vecteur tangent (x (p). d’o` Γ x(p) = −b (p) y (p) = −pb (p) + b(p). y (p)) ∈ Dp . d’o` u y (p) = px (p). y. y (p)) a ` Γ doit avoir mˆ eme pente p que Dp . λ ∈ R. existe-t-il une ´ equation diff´ erentielle du premier ordre dont les courbes Cλ soient les courbes int´ egrales ? .176 Analyse num´ erique et ´ equations diff´ erentielles (x(p). La courbe Γ est une solution singuli` Exercice – R´ esoudre l’´ equation (xy − y )(1 + y 2 ) + 1 = 0. l’enveloppe des droites Dp . ¿º ÈÖÓ Ð Ñ × ÓÑ ØÖ ÕÙ × ÓÒ Ù × ÒØ Ö ÒØ ÐÐ × Ù ÔÖ Ñ Ö ÓÖ Ö ¿º½º ÕÙ Ø ÓÒ Ö ÒØ ÐÐ ××Ó ÙÒ Ñ ÐÐ × ÕÙ Ø ÓÒ× ÓÙÖ × On consid` ere le probl` eme suivant : Probl` eme – Etant donn´ e une famille de courbes Cλ : h(x. on a y (p) = −pb (p) = px (p) de sorte que Γ est bien ere de (E). u la param´ etrisation cherch´ ee de l’enveloppe : Ceci implique x(p) + b (p) = 0.

Sinon on ´ ecrit que sur chaque Cλ on a h(x. λ) = 0 hx (x. y )dx + Vy (x. λ)dx + hy (x. 0) A (−1. y 2 − x2 + m . Si l’´ equation h(x. y. soit y = mx. Y = y + 1 m y=− 1 x. et on essaie d’´ eliminer λ entre les 2 ´ equations pour obtenir une ´ equation ne faisant plus intervenir que x. λ ∈ R. (y − mx)(y + m 1 − m xy = C. • Cas g´ en´ eral. y ) = λ. dx. y.VI – M ´ ethodes de r´ esolution explicite 177 • Cas particulier. On suppose que les courbes Cλ sont les lignes de niveau d’une fonction V de classe C 1 : Cλ : V (x. λ) = 0 peut se mettre sous la forme λ = V (x. Posons X = y − mx. x. m m ∈ R∗ . y ). L’´ equation de l’hyperbole cherch´ ee s’´ ecrit XY = C (constante). Alors les courbes Cλ sont solutions de l’´ equation diff´ erentielle (E) Vx (x. on est ramen´ e au cas pr´ ec´ edent. y y=m x Cλ A (1. y. 0). λ)dy = 0. 0) 0 x y=< 1 mx Les asymptotes de Cλ sont alors des droites orthogonales passant par O. y. y. Exemple – Soit Cλ la famille des hyperboles ´ equilat` eres de centre O passant par le point A(1. y )dy = 0. 1 x = C. dy .

− m (noter que m → λ= 1 m − m est surjective de R∗ sur R). . (x2 + y 2 + 1)ydx − (x2 + y 2 − 1)xdy = 0. (Γµ ) deux familles de courbes. Cλ Γµ Probl` eme – Etant donn´ e une famille de courbes Cλ . y = 0 on trouve C = −1. D´ efinition – On dit que Cλ et Γλ sont orthogonales si les tangentes a ` Cλ et Γµ sont orthogonales en tout point de Cλ ∩ Γµ . on suppose que l’on connaˆ ıt une ´ equation diff´ erentielle (E) satisfaite par equation diff´ erentielle (E⊥ ) des courbes orthogoles courbes Cλ . d’o` u l’´ equation Cλ : y 2 − x2 + λxy + 1 = 0. Pour cela. Sur Cλ on a : x2 − y 2 − 1 . quels que soient λ et µ. avec λ = 1 m λ ∈ R. dλ = 0 = x2 y 2 L’´ equation diff´ erentielle des courbes Cλ est donc (E) : (E) : (2x2 y − x2 y + y 3 + y )dx + (−2xy 2 − x3 + xy 2 + x)dy = 0. trouver la famille (Γµ ) des courbes qui sont orthogonales aux Cλ . et on cherche l’´ nales Γµ . xy (2xdx − 2ydy )xy − (x2 − y 2 − 1)(xdy + ydx) . Distinguons quelques cas.178 Analyse num´ erique et ´ equations diff´ erentielles En faisant x = 1. ¿º¾º Ê Ö ÓÙÖ × × ØÖ ØÓ Ö × ÓÖØ Ó ÓÒ Ð × ÙÒ Ñ ÐÐ Soient (Cλ ).

Nous avons vu que Cλ v´ erifie (E) : erifie Donc Γµ v´ (E⊥ ) : (x2 + y 2 − 1)xdx + (x2 + y 2 + 1)ydy = 0 ⇔ (x2 + y 2 )(xdx + ydy ) − xdx + ydy = 0. Par suite (Γµ ) est solution de orthogonal V (M )⊥ a(x. y ) − →  dM dt → − . y ) dt Exemple – Soit Cλ : y 2 − x2 + λxy + 1 = 0 (cf. y ) dt → − La tangente a ` Cλ est port´ ee par V (M ). y )  dx   = −b(x. y ). Supposons que les courbes Cλ sont les lignes de niveau V (x. la pente de la tangente a ` Cλ est y = f (x. . y ) = λ de la fonction V . y ) → − . y )dx + β (x. y ) donn´ e.VI – M ´ ethodes de r´ esolution explicite 179 • (Cλ ) satisfait (E) : y = f (x. celle de (Γµ ) est donc port´ ee par le vecteur − b ( x. Cas particulier.1). y )dx + Vy (x. Les courbes (Γµ ) sont donc solutions de (E⊥ ) : y =− 1 . y ). § 3. y )dy = 0. y )  dt (E⊥ )    dy = a(x. y )dy = 0. y )dx + α(x. f (x. La pente de la tangente a ` Γµ est donc −1/f (x. y )  dx   = a(x. y ). = V (M ) ⇔ • (Cλ ) satisfait (E) :  dt   dy = b(x. Elles v´ erifient alors (E) Vx (x. Une int´ egrale premi` ere apparaˆ ıt imm´ ediatement : d 1 2 y2 x2 (x + y 2 )2 − + =0 4 2 2 (x2 + y 2 + 1)ydx − (x2 + y 2 − 1)xdy = 0. y ) dt • (Cλ ) satisfait (E) : α(x. − − → Leurs trajectoires orthogonales (Γµ ) sont les lignes de champ du gradient grad V :  dx   = Vx (x. y )  dt (E⊥ )    dy = Vy (x. En un point (x. y )dy = 0. Alors (Γµ ) v´ erifie (E⊥ ) : −β (x.

dans la direction positive. le chien se trouve au ` distance r0 du maˆ ıtre. (x2 − 2x + 1 + y 2 )(x2 + 2x + 1 + y 2 ) = µ + 1. a → − maˆ ıtre en pointant son vecteur vitesse V en direction du maˆ ıtre. disons sur l’axe Ox. . . A µ + 1. Le probl` eme est de d´ eterminer la loi du mouvement C (t) du chien. y x ¿º¿º ÓÙÖ ÔÓÙÖ×Ù Ø Ù Ò Nous pr´ esentons ici la c´ el` ebre courbe du chien comme exemple de courbe de poursuite. avec V > v . MA · MA = C = avec M x y . Voici le probl` eme : un chien et son maˆ ıtre se d´ eplacent l’un et l’autre a ` des vitesses scalaires constantes V (pour le chien) et v (pour le maˆ ıtre). Le chien cherche a ` rejoindre son point x = 0 y = r0 . suivant la loi x = vt. ce qui peut encore s’´ ecrire (x2 + y 2 + 1)2 − 4x2 = µ + 1. On suppose que le maˆ ıtre se d´ eplace en ligne droite. −1 0 µ ∈ R. ((x − 1)2 + y 2 )((x + 1)2 + y 2 ) = µ + 1. A A 0 . Les courbes M A · M A = C s’appellent des ovales de Cassini.180 Analyse num´ erique et ´ equations diff´ erentielles Les courbes Γµ sont donc les lignes de niveau (x2 + y 2 )2 − 2x2 + 2y 2 = µ. A l’instant t = 0. Leur allure est la suivante.

CM ) et r = CM . . on d´ esignera par des points surlignants les d´ eriv´ ees temporelles r ˙ (t) = dr/dt. la position et la vitesse du chien sont donn´ ees par x(t) = vt − r cos α. r dα v sin α Notons λ = V /v > 1 le rapport des vitesses respectives du chien et du maˆ ıtre. on a bien entendu α = α(t) et r = r(t). α ˙ (t) = dα/dt. dt r r0 =⇒ r = r0 tan(α/2)λ sin α . . il vient ln r = − ln sin α + λ ln tan(α/2) + Cte Nous en d´ eduisons dα v sin α v =α ˙ =− = − (sin α)2 tan(α/2)−λ . rα ˙ = −v sin α. Apr` es int´ egration. Ces ´ equations fournissent ais´ ement l’expression de r ˙ et rα ˙ : r ˙ = v cos α − V. y (t) = r sin α. x ˙ (t) = v − r ˙ cos α + rα ˙ sin α = V cos α. En prenant le quotient on ´ elimine dt et on trouve donc V 1 dr = −cotan α + . y ˙ (t) = r ˙ sin α + rα ˙ cos α = −V sin α. et compte tenu de ce que r = r0 et α = π/2 quand t = 0.VI – M ´ ethodes de r´ esolution explicite 181 y C0 0 r0 − → V x(t) y (t) − → V α M0 = O M (t) vt 0 x C (t) − − → − − → Notons α l’angle (non orient´ e) α = (Ox. . . A l’instant t. Comme d’habitude en Physique.

a  r0 1 − θ λ − 1 1 − θλ+1 r0    x= + − (1 − θ2 )θλ−1   2 λ−1 λ+1 2  y = r0 θ λ     1 − θλ+1 r 1 − θ λ−1  t = 0 + . 2v λ−1 λ+1 Au terme de la poursuite (y = θ = 0). 1]. 0 1. 5 vt 0 1. +∞[ . on trouve 2 2 1 + θ2 r0 tan(α/2)λ r0 dα = − (1 + θ2 )θλ−2 dθ. et d’apr` es l’´ egalit´ e tan α = 2θ/(1 − θ2 ). on obtient les ´ ` savoir de la courbe du chien . θ ∈ [0. y > r0 et se dirige vers le maˆ ıtre qui parcourt de son cˆ ot´ e la demi-droite x < 0.182 Analyse num´ erique et ´ equations diff´ erentielles En posant θ = tan(α/2) et sin α = 2 sin dt = − α 2θ α cos = . θ ∈ ]1. le chien se trouve dans le quadrant x > 0. 25 x Remarque – Les ´ equations ont encore un sens lorsque t < 0. π [ . 2 v (sin α) 2v λ−1 λ+1 1−θ r0 1 − θ + t= 2v λ−1 λ+1 compte tenu du fait que θ = 1 en t = 0. le maˆ ıtre a parcouru la distance x= y λ r0 λ2 − 1 pendant le temps t = λ r0 . λ2 − 1 v C0 0 r0 M (t) λ = V /v = 10 3. 0 2. Par substitution dans les expressions de x equations param´ etriques et y . . On a dans ce cas α ∈ ]π/2.

y1 = y (x0 ) comme param` etres. ´ b) Equations du type (E) : y = f (y. auquel cas y ne peut ˆ comme variable. U ⊂ R3 . . µ ∈ R. y ) La m´ ethode consiste ` a prendre y comme nouvelle variable et v = y comme variable fonction inconnue (en la variable y ). y. y ) o` u f : U → R. (E) se ram` ene ` a l’´ equation du premier ordre v = f (x.VI – M ´ ethodes de r´ esolution explicite 183 º ÕÙ Ø ÓÒ× º½º Ê Ñ ÖÕÙ × Ö ÒØ ÐÐ × Ù × Ò Ö Ð × ÓÒ ÓÖ Ö On consid` ere une ´ equation diff´ erentielle (E) y = f (x. λ ∈ R. et on obtient donc x y (x) = x0 v (t. epend alors de deux La solution g´ en´ erale y d´ efinie au voisinage d’un point x0 d´ param` etres λ. 0) = 0. Il existe tr` es peu de cas o` u on sait r´ esoudre explicitement une ´ equation du second ordre : mˆ eme les ´ equations lin´ eaires du second ordre sans second membre ne se r´ esolvent pas explicitement en g´ en´ eral. µ). µ ∈ R qui apparaissent le plus souvent comme des constantes d’int´ egration : y (x) = ϕ(x. v ). est une application continue localement lipschitzienne en ses deuxi` eme et troisi` eme variables. • Cas g´ en´ eral y = dy dy dv dy = · =v dx dx dy dy avec f (yj . La solution g´ en´ erale de cette derni` ere sera de la forme v (x. λ)dt + µ. etre choisi • Il peut y avoir des solutions constantes y (x) = y0 . º¾º ÕÙ Ø ÓÒ× Ò ÓÑÔÐ Ø × Ù × ´ a) Equations du type (E) : ÓÒ ÓÖ Ö y = f (x. Le th´ eor` eme de Cauchy-Lipschitz montre qu’on peut choisir y0 = y (x0 ). On a donc des solutions singuli` eres y (x) = yj . y ) Si on consid` ere la nouvelle fonction inconnue v = y . λ. λ).

o` u ϕ est une primitive de f . µ ∈ R. − → FT M − → F (C ) − → FN y . λ) ⇔ v (y. v (y. ´ c) Equations du type (E) : y = f (y ) C’est un cas particulier du cas b) pr´ ec´ edent. λ ∈ R. On suppose que la → − − → epend que de la composante tangentielle FT de la force F qui s’exerce sur M ne d´ position de M . rep´ er´ ee par son abscisse curviligne y sur (C ). y = v (y. dy ± = dx. v ). λ ∈ R. 2(ϕ(u) + λ) y0 Interpr´ etation physique – On ´ etudie la loi du mouvement d’un point mat´ eriel M de masse m astreint a ` se d´ eplacer sur une courbe (C ). λ). dy La r´ esolution de cette derni` ere donne une solution g´ en´ erale v (y. 2(ϕ(y ) + λ) y du ± = x + µ. On 2 y obtient donc y = ± 2(ϕ(y ) + λ). λ) d’o` u la solution g´ en´ erale dy = x + µ. λ) µ ∈ R. mais on peut ici pr´ eciser davantage la m´ ethode de r´ esolution.184 Analyse num´ erique et ´ equations diff´ erentielles L’´ equation se ram` ene alors ` a l’´ equation du premier ordre v dv = f (y. 2 et en int´ egrant il vient 1 = ϕ(y ) + λ. On a en effet y y = f (y )y . On doit ensuite r´ esoudre dy = dx.

dont l’intensit´ e s’accroˆ ıt avec la distance a ` la position neutre). Ceci implique d´ ej` a que les solutions maximales sont d´ efinies sur R tout entier [si par exemple une solution maximale n’´ etait d´ efinie que sur un intervalle ouvert ]t1 .VI – M ´ ethodes de r´ esolution explicite 185 Par hypoth` ese. posons par exemple ϕ(u) = 0 f (y )dy et observons que ϕ est une fonction concave n´ egative ou nulle. les solutions non Comme 1 t avec y 2 energie totale. On dit que U (y. Le principe fondamental de la dynamique donne d2 y FT = mγT = m 2 . puisque y est lipschitzienne de rapport ≤ 2Et /m. de solutions locales au voisinage de t1 et t2 contredirait alors la maximalit´ Compl´ ement – . o` 2 my = E est “l’´ e nergie cin´ e tique” de la ϕ est une primitive de f . si a < 0. ceci signifie que la force est une “force de rappel” vers la position neutre y = 0. La quantit´ e 1 c 2 particule tandis que −ϕ(y ) = − f (y )dy = − − → − → FT (M ) · dM = − − → − → F (M ) · dM est “l’´ energie potentielle” Ep . Alors les solutions maximales t → y (t) sont u p´ eriodiques. y0 ) telle que 1 2 my0 = Et + ϕ(y0 ) > 0. passant par un maximum en ϕ(0) = 0. et elles v´ erifient triviales n’existent que pour une valeur Et > 0 de l’´ eels |y | ≤ 2Et /m et −ϕ(y ) ≤ Et . 2 2 my − ϕ ( y ) = E ≥ 0 et −ϕ(y ) > 0 si y = 0. donc 1 u 2 my − ϕ(y ) = λ. on a a ≤ y (t) ≤ b pour tout t. y0 . Si Et d´ y t − t0 = ± m/2 y0 du Et + ϕ(u) 2 au voisinage de tout donn´ ee initiale (t0 . l’existence de mˆ eme y et y se prolongeraient grˆ e de y ]. il existe une fonction f telle que FT = f (y ). dt d’o` u (E) my = f (y ) 2 avec y = d2 y/dt2 . De plus. On en d´ eduit my y − f (y )y = 0. la loi du mouvement est donn´ ee par mouvement). b > 0 sont les uniques r´ n´ egatif et positif tels que ϕ(a) = ϕ(b) = −Et . le crit` ere de Cauchy uniforme montrerait que y se prolonge par continuit´ e` a droite a gauche en t2 . L’´ energie totale Et = Ec + Ep = 1 my 2 − ϕ(y ) 2 est constante quel que soit le mouvement du point M . on a donc en particulier f (y ) > 0 pour y < 0 et f (y ) < 0 pour y < 0 (physiquement. Pour le voir. une deuxi` eme int´ egration restant n´ ecessaire pour ´ etablir la loi du esigne l’´ energie totale. y ) = 1 2 egrale premi` ere” de (E) (dans le sens que c’est une 2 my − ϕ(y ) est une “int´ relation diff´ erentielle obtenue ` a l’aide d’une premi` ere int´ egration de l’´ equation du second ordre. et en t1 et ` 1 ace ` a la relation y = m f (y ) . strictement d´ ecroissante et telle que f (0) = 0 . t2 [. Supposons que la fonction f : R → R soit de classe C 1 .

g θ = − sin θ. Et + ϕ(u) On observera que l’int´ egrale donnant la p´ eriode T est convergente. d’o` mlθ = −mg sin θ. l L’´ energie totale est 1 1 my 2 − mgl cos θ = ml2 θ 2 − mgl cos θ. de sorte que Et + ϕ(u) ∼ f (a)(u − a) au voisinage de a. λ ∈ R. Par continuit´ tout intervalle de temps o` u a < y < b. 2 Et + ϕ(u) a et. t ∈ [t0 + nT + T /2. et de mˆ eme au voisinage de b. t0 + (n + 1)T ]. ϕ (b) = f (b) < 0. Exemple – Mouvement d’un pendule simple de masse m suspendu a ` un fil de longueur l. car on a ϕ (a) = f (a) > 0. en choisissant t0 tel que y (t0 ) = min y = a. t ∈ [t0 + nT. la fonction y est donc de signe constant sur alors −ϕ(y ) < Et ). 0 λ + 2lg cos ϕ . avec demi-p´ eriode b T du = m/2 .186 Analyse num´ erique et ´ equations diff´ erentielles 2 La relation 1 2 my − ϕ(y ) = Et montre que y = 0 lorsque a < y < b (car on a e. 2 2 Les solutions t → θ(t) v´ erifient Et = Ec + Ep = θ2− 2Et 2g cos θ = λ = . on a les relations y t = t0 + t = t0 − m/2 a y m/2 a du + nT. t0 + nT + T /2]. = t − t0 . l ml2 θ dϕ ± t0 ∈ R. Et + ϕ(u) du + (n + 1)T. θ l − → F − → T y m − θ → FT − → → P = m− g u On a ici y = lθ et FT = P sin θ = −mg sin θ. La solution explicite donn´ ee plus haut montre que y est alternativement croissant de a ` a b puis d´ ecroissant de b ` a a.

mais on a cependant encore un mouvement p´ eriodique de demi-p´ eriode T = 2 π 0 dϕ λ+ 2g l . on s’int´ eresse g´ en´ eralement aux oscillations de faible amplitude du pendule. θm ]). on n’est plus dans la situation de la remarque. Supposons qu’on connaisse une solution particuli` ere y(1) de (E). L’int´ egrale ne se calcule pas explicitement. . et nous indiquerons en particulier une m´ ethode permettant d’´ evaluer l’erreur commise. cos ϕ le pendule effectuant des rotations compl` etes sans jamais changer de sens de rotation. On peut alors chercher la solution g´ en´ erale par la m´ ethode de variation des constantes : y (x) = λ(x)y(1) (x). π [ telle que cos θm = −λl/2g . Dans les autres cas. sauf si λ = t − t0 = ± l g θ 0 auquel cas dϕ =± 2 cos ϕ/2 θ π l ln tan + . Nous reviendrons sur cette question au paragraphe 2. cos ϕ Si λ > 2g/l. g 4 4 et le pendule atteint la position verticale haute θ = ±π en un temps infini. º¿º ÕÙ Ø ÓÒ× Ð Ò Ö × ÓÑÓ Ò × Ù× ÓÒ ÓÖ Ö La th´ eorie g´ en´ erale des ´ equations et syst` emes diff´ erentiels lin´ eaires sera faite au chapitre suivant. Soit (E) a(x)y + b(x)y + c(x)y = 0. Si λ < 2g/l. λ a(x)y(1) + b(x)y(1) + c(x)y(1) + λ 2a(x)y(1) + b(x)y(1) + λ a(x)y(1) = 0. Indiquons un cas o` u l’on peut se ramener a ` un calcul de primitives.4 du chapitre XI. l’´ equation diff´ erentielle implique cos θ ≥ −λl/2g > −1 et l’amplitude angulaire est donc major´ ee en valeur absolue par une amplitude maximale θm ∈ ]0. La demi-p´ est donn´ ee par T = 2 θm −θm dϕ λ+ 2g l θm =2 cos ϕ 0 dϕ λ+ 2g l . En physique. λ 2a(x)y(1) + b(x)y(1) + λ a(x)y(1) = 0. dans ce cas le mouvement est oscillatoire autour de la position d’´ equilibre θ = 0 (ceci correspond a ` la situation ´ etudi´ ee dans la remarque. les solutions maximales sont p´ eriodiques. Ceci permet de faire l’approximation usuelle sin θ θ et on obtient alors les solutions approch´ ees classiques θ = θm cos ω (t − t0 ) avec ω = g/l. avec une eriode fonction f (θ) = − sin θ strictement d´ ecroissante sur [−θm .VI – M ´ ethodes de r´ esolution explicite 187 2g l . Il vient a(x) λ y(1) + 2λ y(1) + λy(1) + b(x) λ y(1) + λy(1) + c(x)λy(1) = 0.

188 Analyse num´ erique et ´ equations diff´ erentielles La fonction µ = λ est donc solution d’une ´ equation diff´ erentielle lin´ eaire du premier ordre. Les solutions forment un espace vectoriel de dimension 2. u(x). Avant de donner un exemple. En int´ egrant par parties le terme en h (x) on obtient b ψh (0) = a h(x) Fy (x. D’apr` es le th´ eor` eme de d´ erivation sous le signe somme il vient b ψh (0) = a h(x)Fy (x. u. u ) dx. o` u λ(1) est une primitive de µ(1) . Si u est un extremum de ϕ sous les conditions pr´ ecis´ ees plus haut. u(b) = u2 sont fix´ 2 Soit h ∈ C ([a. d’o` u λ = αλ(1) + β . (x. b]) v´ h(a) = h(b) = 0. aux bornes de l’intervalle u(a) = u1 . alors t = 0 est un extremum de la fonction d’une variable r´ eelle b ψh (t) = ϕ(u + th) = a F (x. La solution g´ en´ erale de (E) est donc : y (x) = αλ(1) (x)y(1) (x) + βy(1) (x). z ) → F (x. y. o` u F : [a. (α. Le probl` eme typique du calcul des variations est de rechercher les extrema de ϕ(u) lorsque u d´ ecrit C 2 ([a. b]) avec la contrainte aux bornes suivante : les valeurs ees. u(x) + th(x). β ) ∈ R2 . On consid` ere un op´ erateur fonctionnel (c’est-` a-dire une fonction dont la variable est une fonction) ϕ : C 2 ([a. b]) avec h(a) = h(b) = 0. b]) → R b u → ϕ(u) = a F (x. la fonction u + th v´ erifie la mˆ eme contrainte aux bornes que la fonction u. u. u. qui se peut se r´ ecrire y(1) µ λ b(x) = . erifiant On doit donc avoir ψ (0) = 0. Pour tout t ∈ R. u (x))dx. α ∈ R. = −2 − µ λ y(1) a(x) La solution g´ en´ erale est donn´ ee par µ = αµ(1) . z ) est une application de classe C 2 . u ) − d F (x. b] × R × R → R. u ) + h (x)Fz (x. y. º º¶ ÕÙ Ø ÓÒ× Ö ÒØ ÐÐ × ××Ù × ÔÖÓ Ð Ñ × Ú Ö Ø ÓÒÒ Ð× Les probl` emes variationnels conduisent tr` es souvent ` a la r´ esolution d’´ equations diff´ erentielles du second ordre. β ∈ R. et ceci quel que soit la fonction h ∈ C 2 ([a. u. nous allons r´ esoudre un probl` eme variationnel g´ en´ eral dans une situation simple. dx z . u (x) + th (x))dx. u ) dx. Exercice – R´ esoudre x2 (1 − x2 )y + x3 y − 2y = 0 en observant que y(1) (x) = x2 est solution.

u ) − u Fyz (x. les extr´ emit´ es ayant pour coordonn´ ees (±a. /2] l’abscisse curviligne mesur´ ee le long du fil avec le point le plus bas pris comme origine ( d´ esigne la longueur du fil). u. s(a) = /2. u ) = 0. u ) − Fxz (x. b]. lorsque ce fil est suspendu par ses extr´ emit´ es en des points situ´ es ` a ınette ). s. u. u ) − u Fzz (x. 0). Fy (x. on a (x ´ etant choisi comme variable) : a a 1 1 2 a y dm = yµ ds = y ds. Soit enfin s ∈ [− /2. u.VI – M ´ ethodes de r´ esolution explicite 189 Par densit´ e de l’ensemble des fonctions h consid´ er´ ees dans l’espace L1 ([a. Soit Oxy un rep` ere orthonorm´ e de ce plan tel que Oy est la verticale orient´ e vers le haut et passant par le point le plus bas de la courbe. avec les contraintes s(0) = 0. u. u ) = 0. Par sym´ etrie. Application a ` la chaˆ ınette∗ – On cherche ` a d´ eterminer la courbe repr´ esentant la position a ` l’´ equilibre d’un fil souple inextensible de masse lin´ eique µ = dm/ds constante. t) = s t2 − 1 donne s2−1− d dx √ ss = s2−1 s 2 + ss ss 2 s s2−1− √ = 0. u. u. On admettra comme la mˆ eme hauteur (cette courbe est appel´ ee chaˆ physiquement ´ evident que la courbe cherch´ ee est sym´ etrique et situ´ ee dans le plan vertical contenant les extr´ emit´ es. u ) − d dx Fz (x. b]) des fonctions int´ egrables sur [a. . on aura donc ψh (0) = 0 pour tout h si et seulement si u satisfait l’´ equation diff´ erentielle (E) ou encore : Fy (x. + 2 (s − 1)3/2 s2−1 Apr` es multiplication par (s 2 − 1)3/2 on obtient l’´ equation (E) (s 2 − 1)2 − (s 2 − 1)(s 2 + ss ) + ss 2 s = 1 − s 2 + ss = 0. Une int´ egration par parties donne yG = 2 2 0 ys a 0 a − 2 0 a s dy 2 0 a =− s dy = − s s 2 − 1 dx avec s = ds/dx = dx2 + dy 2 /dx. La position d’´ equilibre correspond ` a la position la plus basse possible du centre de gravit´ e G. Le probl` eme revient donc ` a d´ eterminer les fonctions s = s(x) r´ ealisant le maximum de l’op´ erateur a ϕ(s) = 0 s s 2 − 1 dx. Cette ´ equation diff´ erentielle du second ordre en u est appel´ ee ´ equation d’EulerLagrange associ´ ee au probl` eme variationnel d´ efini par l’op´ erateur ϕ. yG = m/2 0 µ /2 0 0 o` u m = µ est la masse du fil. L’´ equation d’Euler-Lagrange appliqu´ ee ` a √ F (x.

en tenant compte du fait que y (a) = 0 : y = λ cosh a x − cosh . Le raisonnement de d´ erivation sous la signe somme et l’int´ egration par parties appliqu´ es dans les consid´ erations g´ en´ erale du d´ ebut fonctionnent encore pour |t| petit si on suppose h(x) = 0 sur un voisinage de 0 (et aussi bien sˆ ur h(a) = 0). o` u F (x. l’´ longueur infinit´ esimal de la surface S est donn´ e pour tout (x. s. Remarque – Notre raisonnement n’est pas parfaitement rigoureux dans la mesure √ Calcul de g´ eod´ esiques∗∗ – Nous ´ etudions ici une autre application importante du calcul des variations. = ch ⇒ dx dx λ dx λ On en d´ eduit l’´ equation de la chaˆ ınette. consistant a choisir s comme nouvelle variable et v = s comme nouvelle fonction inconnue.b).190 Analyse num´ erique et ´ equations diff´ erentielles On r´ esout cette ´ equation grˆ ace ` a la m´ ethode d´ ecrite au paragraphe 4. (E) ⇒ 1 − v 2 + sv ds ds vdv 1 = 2 ⇒ ln s = ln(v 2 − 1) + C. a]). alors que u |s | est ≥ 1 mais prend la valeur 1 pour x = 0 (on notera que ds/dx = 1/ cos θ o` θ est l’angle de la tangente a ` la courbe avec l’axe 0x). y ) d’une fonction h : Ω → R sur un ouvert Ω ⊂ R2 . comme c’est le cas pour la solution physique observ´ ee. donc s doit effectivement satisfaire l’´ equation diff´ erentielle (E) sur ]0. Il ` vient successivement ds ds dv ds = · =v . s v −1 2 s = s=λ s = v2 − 1 = λ 1+ s 2 − 1. dx dx ds ds dv = 0. λ λ Le param` etre λ se calcule ` a partir de la relation λ sinh a/λ = /2. Ces fonctions h sont encore denses dans L1 ([0. obtenue en ´ egalant s(a) = /2. a]. Supposons s (x) > 1 pour x > 0. . λ λ dy 2 ds dy x x = 1+ = sinh . a ` savoir le calcul des g´ eod´ esiques d’une surface (ou d’une ee comme vari´ et´ e de dimension plus grande). t) = s t2 − 1 est de classe C 2 seulement sur R × R × {|t| > 1}. Si nous avons une surface S ⊂ R3 donn´ el´ ement de un graphe z = h(x.2. y ) ∈ Ω 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 . ds ds = dx s2 ⇒ dx = λ2 . 1 + s2 /λ2 x s x = λ Arg sinh ⇒ s = λ sinh .

une m´ etrique riemannienne sur un ouvert Ω ⊂ Rm est une expression de l’´ el´ ement de longueur infinit´ esimal par une forme quadratique d´ efinie positive.j = a k hk (t) i. et s’il existe il peut ne pas ˆ etre unique).j ≤m aij (γ (t)) γi (t)γj (t) dt. y ∈ Ω. condition qui peut toujours ˆ etre r´ ealis´ ee en reparam´ etrisant le chemin γ par son abscisse curviligne s.j ≤m aij (x) dxi dxj (avec une matrice sym´ etrique (aij (x)) d´ efinie positive). b] → Ω de classe C 1 d’extrˆ γ (b) = y .j ≤m b aij (γ (t)) γi (t)γj (t) dt.j.j ≤m aij (γ (t)) γi (t)γj (t) dt. disons de classe C 2 . Pour deux points x. b] → Ω de classe C .j ∂aij d (γ (t)) γi (t)γj (t) − 2 ∂xk dt aik (γ (t)) γi (t) dt i . d´ ependant du point x ∈ Ω consid´ er´ e: ds2 = q (x. Il en r´ esulte que les chemins qui minimisent l’´ energie sont exactement les g´ eod´ esiques param´ etr´ ees par l’abscisse curviligne (` a un facteur constant pr` es). Un probl` eme fondamental est de d´ eterminer l’´ equation des g´ eod´ esiques afin entre autres de calculer la distance energie d’un chemin qui est g´ eod´ esique. inf γ long(γ ) pour tous les chemins γ : [a. on dit qu’il s’agit d’une g´ eod´ esique de la m´ etrique riemannienne (on notera qu’en g´ en´ eral un tel chemin n’existe pas n´ ecessairement. Etant donn´ e les coefficients aij (x) sont suffisamment r´ 1 efinition une courbe γ : [a. Or la fonctionnelle d’´ energie γ → E (γ ) admet pour diff´ erentielle b E (γ ) · h = a b i. On supposera en outre que ´ eguliers. sa longueur (riemannienne) est par d´ ds = γ (t) dt b q = q γ (t).VI – M ´ ethodes de r´ esolution explicite 191 Plus g´ en´ eralement. la distance g´ eod´ esique dq (x. L’in´ egalit´ e de Cauchy-Schwarz donne b γ (t) a q dt 2 b = a 1/2 1 · γ (t) q dt 2 b ≤ (b − a) a γ (t) 2 q dt soit long(γ ) ≤ (b − a)E (γ ) . Pour cela il est commode d’introduire l’´ par d´ efinition b E (γ ) = a γ (t) 2 q b dt = a 1≤i. avec ´ egalit´ e si et seulement si q ds = γ (t) dt = Cte. y ) est par d´ efinition emit´ es γ (a) = x. dx) = 1≤i. γ (t)dt = 1≤i. Si un chemin r´ ealise l’infimum. long(γ ) = a ds = a 1≤i.k ∂aij (γ (t)) γi (t)γj (t)hk (t) + 2 ∂xk aij (γ (t)) γi (t)hj (t) dt i.

(a) Exprimer la solution g´ en´ erale de (Fα ) en introduisant la fonction auxiliaire y G(y ) = 0 xα dx +1 (b) Plus pr´ ecis´ ement : • D´ eterminer (en distinguant les deux cas 0 < α ≤ 1 et α > 1) le comportement de G(y ) sur [0. Il en r´ esulte etre identiquement nul.3. dt α > 0. 1). (d) Soit (x0 . En donner la (b) Quelle est l’´ equation de l’isocline de pente 0 dans le nouveau rep` ere de vecteurs de base ((1. On consid` ere l’´ equation diff´ erentielle dy = y 2 − (2x − 1)y + x2 − x + 1. on obtient le syst` eme d’´ equations d’Euler-Lagrange caract´ erisant les g´ eod´ esiques : aik (γ (t)) γi (t) + i i. (c) Dessiner l’allure g´ en´ erale des solutions. 5. y0 ) ? On pr´ et le cas ´ ech´ eant on indiquera les solutions globales. 5.2.192 Analyse num´ erique et ´ equations diff´ erentielles apr` es int´ egration par parties (on suppose bien sˆ ur hj (a) = hj (b) = 0).1. +∞[ . Combien passe-t-il de solutions maximales de ecisera l’intervalle de d´ efinition de ces solutions classe C 1 par (x0 . En multipliant que le coefficient de chaque terme hk (t) doit ˆ par −1/2 et en d´ eveloppant la d´ eriv´ ee d/dt. − ∂xj 2 ∂xk 1 ≤ k ≤ m. • traiter compl` etement et explicitement les deux cas α = 1 et α = 2. On consid` ere l’´ equation diff´ erentielle ` a variables s´ epar´ ees (Fα ) dy = y α + 1. y0 ) un point de R2 . dt . On consid` ere l’´ equation diff´ erentielle xy − y 2 + (2x + 1)y = x2 + 2x. 1)) ? Dessiner cette isocline en pr´ ecisant les tangentes aux points d’abscisse 0 dans l’ancien rep` ere. (0. (a) Poss` ede-t-elle une solution particuli` ere de type polynˆ ome ? solution g´ en´ erale.j ∂aik 1 ∂aij (γ (t)) γi (t)γj (t) = 0. º ÈÖÓ Ð Ñ × 5. • en d´ eduire dans chaque cas l’allure des solutions maximales de (Fα ) .

t. Quelle est la nature de ces courbes ? Repr´ esenter la trajectoire orthogonale passant par le point (1. On obtient une famille de courbes Cλ d´ ependant d’un param` etre λ. (b) Montrer que les courbes int´ egrales maximales correspondant ` a des solutions non polynomiales forment deux familles de courbes se d´ eduisant les unes des autres par translations. dy que dx π 2 − 0 de x. . dϕ dx dϕ Quelle est la norme euclidienne du vecteur = tan ϕ. 2 . (c) D´ eterminer l’´ equation des trajectoires orthogonales aux courbes (Cλ ). on pourra poser t = tan ϕ avec ϕ ∈ − π 2 . y ) de R2 passe-t-il une solution de (1) ? Faire un graphique. (a) Tracer les courbes (C0 ).4. dy dt π (c) Int´ egrer (2) puis (1) . On consid` ere la famille de paraboles (Pλ ) d’´ Pλ : x = y 2 + λy. on pourra commencer par chercher s’il existe des solutions polynomiales simples. pour 0 ≤ ϕ ≤ π 2. puis pr´ eciser dx dy dϕ . On consid` ere la famille de courbes (Cλ ) dans R2 d´ x2 − y 2 + λy 3 = 0. o` u λ est un param` etre r´ eel. de classe C 1 par morceaux. diff´ erentielle (2) f y. (b) D´ eterminer la famille des courbes orthogonales aux courbes (Pλ ). (b) En param´ etrant (1) par dy = tdx.6. (a) Par quels points (x.VI – M ´ ethodes de r´ esolution explicite 193 (a) D´ eterminer explicitement les solutions de cette ´ equation . (C1 ) dans un rep` Quelle relation existe-t-il entre (C1 ) et (Cλ ) ? (b) Montrer que les courbes (Cλ ) sont solutions d’une ´ equation diff´ erentielle du premier ordre. On consid` ere l’´ equation diff´ erentielle (1) y 2 = yy + x. ere orthonorm´ e Oxy (unit´ e : 4 cm). 0) sur le mˆ eme sch´ ema que (C0 ) et (C1 ). Etudier les variations de equation 5. o` de x ` a valeurs r´ eelles.5. 2 2 ? On se rappellera dy dx + dϕ (e) On pose z (ϕ) = dϕ z (ϕ) puis tracer la courbe C0 . u y est une fonction 5. (a) Montrer que ces courbes sont solutions d’une ´ equation diff´ erentielle du premier ordre que l’on pr´ ecisera. Tracer celles de ces courbes qui sont asymptotes ` a l’axe y Oy . montrer que y est solution d’une ´ equation = 0. y/x. efinies par l’´ equation 5. (d) Pour λ = 0 pr´ eciser les limites quand ϕ → et dy dϕ . y.

et soit Ω(T. T ]. (a) Soient T et R deux r´ eels > 0. d´ eterminer l’´ equation des trajectoires orthogonales. T ] un intervalle sur lequel y et z soient simultan´ ement d´ efinies. ´ (b) Ecrire l’´ equation diff´ erentielle des trajectoires orthogonales aux courbes (Cλ ). On consid` ere le probl` eme de Cauchy (P) y = t2 + y 2 + 1 . z (0) = 0. R) le rectangle d´ efini par les in´ egalit´ es 0≤t≤T. −R ≤ y ≤ R. o` u b v´ erifie b(t) ≥ 0 pour tout t dans [0. En observant que cette ´ equation est d’un type classique. T ]. y (0) = 0. 1/3]. On introduit a ` cet effet le probl` eme de Cauchy auxiliaire (P1 ) z = z 2 + 1. . (γ ) Montrer que Ω(1/3. (b) On va montrer que la solution y de (P) mise en ´ evidence en (a) (γ ) ne se prolonge pas a ` [0. (β ) Montrer que pour T > 0 suffisamment petit. (α) Montrer que si la condition T 2 + R2 + 1 ≤ R/T est v´ erifi´ ee. On consid` ere dans le plan euclidien R2 la famille de courbes (Cλ ) x4 = y 4 + λx. 2) est un rectangle de s´ ecurit´ e pour (P). (β ) Soit [0.194 Analyse num´ erique et ´ equations diff´ erentielles 5. il existe R > 0 tel que Ω(T. En d´ eduire que y (t) ≥ z (t) pour tout t dans [0. et indiquer son intervalle de d´ efinition maximal. (a) D´ eterminer l’´ equation diff´ erentielle v´ erifi´ ee par la famille (Cλ ). par exemple pour T < T0 = √ 2−1 2 . u(0) = 0 . 5. R) soit un rectangle de s´ ecurit´ e pour (P). et en d´ eduire avec pr´ ecision que (P) admet une solution y et une seule sur l’intervalle [0. +∞[. R) est un rectangle de s´ ecurit´ e pour (P). o` u z d´ esigne une nouvelle fonction inconnue de t. alors Ω(T.8. Montrer que u = y − z est solution d’un probl` eme de Cauchy (P2 ) u = a(t)u + b(t) .7. (α) D´ eterminer explicitement l’unique solution z de (P1 ).

(a) Montrer (avec les notations du § 4. (e) Montrer que les trajectoires des g´ eod´ esiques sont les diam` etres et les arcs de cercle orthogonaux au cercle unit´ e |z | = 1. etrique de Poincar´ e du disque unit´ e D = {|z | < 1} du plan 5. alors y ne se prolonge certainement (δ ) Tracer avec le maximum de pr´ ecision possible le graphe de y sur son intervalle de d´ efinition maximal [0. et en gardant les fonctions complexes dans les calculs) que la diff´ erentielle de l’´ energie est donn´ ee par b E (γ ) · h = 2 Re a γ (t) 1 − γ (t)γ (t) 2h (t) + 2 γ (t)γ (t)γ (t) 1 − γ (t)γ (t) 3 h(t) dt. 1[ du disque) . (1 − |z |2 )2 (1 − (x2 + y 2 ))2 z = x + iy. pour toute homographie complexe ha de la forme ha (z ) = z+a . sens de variation. (b) Montrer que le chemin γ (t) = tanh(kt) (qui d´ ecrit le diam` etre ] − 1. .4. asymptote . montrer que les g´ eod´ esiques sont toutes donn´ ees par γ (t) = ha (λ tanh(kt)). et ´ egalement que ha ◦ γ est solution.9∗∗ .). (γ ) D´ eduire de ce qui pr´ ec` ede que si T ≥ pas jusqu’` a t = T. . a ∈ D. est solution de l’´ equation pour tout k ∈ R∗ + (c) Montrer que si t → γ (t) est solution. etc. convexit´ e . . alors t → λγ (t) est encore solution pour tout nombre complexe λ de module 1. |λ| = 1. En d´ eduire que l’´ equation d’Euler-Lagrange des g´ eod´ esiques est γ (t) + 2γ (t)2 γ (t) 1 − γ (t)γ (t) = 0. k ∈ R∗ + [on pourra calculer γ (0) et γ (0)]. T1 [ (forme du graphe au voisinage de 0 . (d) En utilisant un argument d’unicit´ e des solutions du probl` eme de Cauchy.VI – M ´ ethodes de r´ esolution explicite 195 π 2. 1 + az a ∈ D. On appelle m´ complexe la m´ etrique riemannienne ds2 = |dz |2 dx2 + dy 2 = .

.

au moins en premi` ere approximation. Dans toute la suite. K d´ esigne l’un des corps R ou C. . u .  m o` u Y (t) =  . ½º ½º½º Ò Ö ÐØ × Ò Ø ÓÒ dY = A(t)Y + B (t) dt Un syst` eme diff´ erentiel lin´ eaire du premier ordre dans Km est une ´ equation (E)   y1 (t)  . B (t) =  . Y ) = A t)Y + B (t) est continue sur I × Km et lipschitzienne en Y de rapport k (t) = |||A(t)|||. m B:I→K . car de nombreux ph´ enom` enes naturels peuvent se mod´ eliser par de tels syst` emes.  m A(t) = (aij (t))1≤i. le calcul des solutions se ramenant ` a des calculs d’alg` ebre lin´ eaire (diagonalisation ou triangulation de matrices). On observe que la fonction f (t. d´ efinies sur un intervalle I ⊂ R. ∈K bm (t) sont des fonctions continues donn´ ees : A : I → Mm (K) = {matrices carr´ ees m × m sur K}.j ≤m ∈ Mm (K).  ∈ K est la fonction inconnue et o` ym (t)   b1 (t)  . .Ô ØÖ ÎÁÁ ËÝ×Ø Ñ × Ö ÒØ Ð× Ð Ò Ö × Les syst` emes diff´ erentiels lin´ eaires ont une grande importance pratique. On sait d’autre part r´ esoudre compl´ etement les syst` emes ` a coefficients constants.

admettant S comme direction vectorielle. φt0 est un isomorphisme lin´ eaire. V0 ) ∈ I × Km il passe une solution maximale unique. λ2 ∈ K on a λ1 Y(1) + λ2 Y(2) ∈ S. il est clair que Z = Y − Y(1) satisfait l’´ eciproquement.4 sur l’existence de solutions globales. Y(2) ∈ S et tous scalaires λ1 . Cons´ equence – L’ensemble S des solutions maximales est un espace vectoriel de dimension m sur K. donc S est un K-espace vectoriel. et r´ maximales est donn´ e par Y(1) + S = {Y(1) + Z . o` u S est l’ensemble des solutions maximales de l’´ equation sans second membre (E0 ) e de S. l’ensemble des solutions (E0 ) : dZ/dt = A(t)Z . ½º¾º × ³ÙÒ ×Ý×Ø Ñ Ð Ò Ö × Ò× × ÓÒ Ñ Ñ Ö On entend par l` a un syst` eme lin´ eaire avec B = 0 identiquement : dY (E0 ) = A(t)Y. c’est donc un associ´ ee. Si Y est une solution equation sans second membre quelconque. ½º¿º × Ò Ö Ð Revenons au syst` eme lin´ eaire le plus g´ en´ eral : dY = A(t)Y + B (t). d´ efinie sur I tout entier. L’ensemble Y(1) + S des solutions est un translat´ espace affine de dimension m sur K. Consid´ erons l’application d’´ evaluation au temps t0 : φt0 : S → Km Y → Y (t0 ). la surjectivit´ e provenant du th´ eor` eme d’existence. dt Soit S l’ensemble des solutions maximales. Z ∈ S}. Par cons´ equent.198 Analyse num´ erique et ´ equations diff´ erentielles D’apr` es le crit` ere V 3. et l’injectivit´ e du th´ eor` eme d’unicit´ e relatif au probl` eme de Cauchy. ¾º ËÝ×Ø Ñ × Ö ÒØ Ð× Ð Ò Ó ÒØ× ÓÒ×Ø ÒØ× Ce sont les syst` emes de la forme (E) Ö × dY = AY + B (t) dt ependante de t. on peut ´ enoncer : Th´ eor` eme – Par tout point (t0 . Alors pour tous Y(1) . o` u la matrice A = (aij ) ∈ Mn (K) est ind´ . (E) dt On sait qu’il existe au moins une solution globale Y(1) .

αj ∈ K. Toutefois le cas des syst` emes 2 × 2 ` a coefficients a la main . On a alors ||| de sorte que la s´ erie 1 n! 1 n 1 A ||| ≤ |||A|||n . calcul´ ee au moyen du d´ eveloppement en s´ erie enti` ere. . de eairement valeurs propres respectives λ1 . On obtient donc m solutions lin´ ind´ ependantes t → eλj t Vj . V ∈ Km sont des constantes. n ! n=0 +∞ Munissons Mn (K) de la norme ||| ||| des op´ erateurs lin´ eaires sur Km associ´ ee ` a la m m norme euclidienne (resp. . . 1 ≤ j ≤ m. . . D´ efinition – Si A ∈ M (K). . Vm ) de Km constitu´ ee de vecteurs propres de A. Lorsque A est n’est pas diagonalisable.2 pour une ´ etude approfondie de ce cas. On voit de plus que |||eA ||| ≤ e|||A||| . on a besoin en g´ en´ eral de la notion d’exponentielle d’une matrice. + αm eλm t Vm . . Cas simple : A est diagonalisable. Cette fonction est solution si et seulement si λeλt V = eλt AV . C ). on pose eA = 1 n A . . alors eA +B = eB · e B . B ∈ Mm (K) commutent (AB = BA). . λm . ¾º¾º ÜÔÓÒ ÒØ ÐÐ ³ÙÒ Ñ ØÖ La d´ efinition est calqu´ ee sur celle de la fonction exponentielle complexe usuelle. soit AV = λV. La solution g´ en´ erale est donn´ ee par Y (t) = α1 eλ1 t V1 + . hermitienne) de R (resp. On est donc amen´ e` a chercher les valeurs propres et les vecteurs propres de A. n! n! An est absolument convergente. Propri´ et´ e fondamentale – Si A. constants est suffisamment simple pour qu’on puisse faire les calculs ` Le lecteur pourra se reporter au § X 2.VII – Syst` emes diff´ erentiels lin´ eaires 199 ¾º½º ËÓÐÙØ ÓÒ× ÜÔÓÒ ÒØ ÐÐ × Ð Ñ ÒØ Ö × dY dt = AY On cherche une solution de la forme Y (t) = eλt V o` u l ∈ K. . Il existe alors une base (V1 . .

   . On voit en particulier que eA est une matrice inversible. . d’o` u  T1 e  e T2  A T −1 ... dont le terme 1 n! 1 1 Ap B q = Ap B n−p = (A + B )n Cn = p ! q ! n ! p !( n − p )! n ! p+ q = n p=0 d’apr` es la formule du binˆ ome (noter que cette formule n’est vraie que si A et B commutent). 0 o` u λ1 . avec θ ∈ R. .. .   . . 0 ∗ λj .. on en d´ eduit +∞ eA · eB = n=0 Cn = eA+B . λs sont les valeurs propres distinctes de A. . il vient An = P T n P −1 . On consid` ere la s´ erie produit g´ en´ eral est n 1 p! Ap · 1 q! B q . . . Comme les s´ eries de eA et eB sont absolument convergentes. dont les colonnes sont constitu´ ees par des vecteurs formant des bases des sous-espaces caract´ eristiques. . . telle que T = P −1 AP soit une matrice triangulaire de la forme   T1     T2   T = . .   Ts    Tj =     ∗  . . Il existe donc une matrice de passage P .  ∗  λj 0 λj 0 .     0 0 0 n Ts 0 e Ts    −1 P  Comme A = P T P −1 . Remarque – La propri´ et´ e fondamentale tombe en d´ efaut lorsque A et B ne commutent pas.. . . Le lecteur pourra par exemple calculer eA · eB et eA+B avec A= 0 0 θ 0 et B= 0 −θ 0 0 . On a alors de fa¸ con ´ evidente     n T1 e T1 n     T2 e T2     T .. e = Tn =  .  0 e Ts 0 .  . Que remarque-t-on ? M´ ethode g´ en´ erale de calcul dans Mn(C) – Toute matrice A ∈ Mn (C) peut ˆ etre mise sous forme de blocs triangulaires correspondant aux diff´ erents sousespaces caract´ eristiques de A.. e = Pe P = P  . d’inverse e−A . 0 . ..200 Analyse num´ erique et ´ equations diff´ erentielles V´ erification... .

.. 1! (p − 1)! . on trouve det (eB ) = (eλ )p det (eN ) = epλ = exp(tr(B )). .. . ∗ . . V´ erification. Formule – det (eA ) = exp(tr(A)). Dans le cas d’un bloc triangulaire B ∈ Mp (K).  .. . 0 λ   0 ∗ . ∀t ∈ R. La puissance N n comporte n diagonales nulles a ` partir de la diagonale principale (celle-ci incluse). det (eTs ) = exp(tr(T1 ) + . .  .. o` u I est la matrice unit´ e et N une matrice nilpotente N =  . On en d´ eduit donc det (eT ) = det (eT1 ) . . Th´ eor` eme – La solution Y telle que Y (t0 ) = V0 est donn´ ee par Y (t) = e(t−t0 )A · V0 .. .VII – Syst` emes diff´ erentiels lin´ eaires 201 On est donc ramen´ e` a calculer l’exponentielle eB lorsque B est un bloc triangulaire de la forme   λ ∗ .. 0 . . .. .. 0 1 N p− 1 N + . . . . . . On obtient donc   1 ∗ . . 0 . 0 1 Comme I et N commutent. tr(A) = tr(T ) = valeurs propres. 0 triangulaire sup´ erieure.. en particulier N n = 0 pour n ≥ p.. ∗ . ¾º¿º ËÓÐÙØ ÓÒ Ò Ö Ð Ù ×Ý×Ø Ñ × Ò× × ÓÒ Ñ Ñ Ö dY dt = AY L’une des propri´ et´ es fondamentales de l’exponentiation des matrices r´ eside dans le fait qu’elle est intimement li´ ee ` a la r´ esolution des ´ equations lin´ eaires ` a coefficients constants dY /dt = AY . . .. . on a finalement det (eA ) = det (eT ).  = λI + N ∈ Mp (K). ∗ .  . 1 1 . 0 λ B=. ∗ . .. .. 0 . + tr(Ts )) = exp(tr(T )) Comme A = P T P −1 et eA = P eT P −1 . . . il vient finalement eB = eλI eN = eλ eN (car eλI = eλ I ). .. + N e =I+ =...

En prenant t0 = 0. on a bien d dY = dt dt e(t−t0 )A · V0 = Ae(t−t0 )A · V0 = AY (t). Dans ce cas on a etB = eλtI etN = eλt etN . On peut donc d´ eriver terme ` a terme pour tout t∈R: +∞ +∞ 1 1 p p+1 d tA (e ) = tn−1 An = t A . Il vient Y (t) = AetA · V (t) + etA · V (t) = AY (t) + etA · V (t). . Les composantes de Y (t) sont donc toujours des fonctions exponentielles-polynˆ omes 1≤j ≤s Pj (t)eλj t o` u λ1 .   . N = e =  . on voit que la solution g´ en´ erale est donn´ ee par Y (t) = etA · V avec V ∈ Km . dt ( n − 1)! p ! n=1 p=0 d tA (e ) = A · etA = etA · A. Le calcul de etA se ram` ene au cas d’un bloc triangulaire B = λI + N ∈ Mp (C). . . la s´ erie enti` ere etA = 1 n n t A n ! n=0 +∞ est de rayon de convergence +∞. n !   n=0  1 Qp−1 p (t)  0 1 o` u Qij (t) est un polynˆ ome de degr´ e ≤ j − i. Q1p (t) .. . 1 Q23 (t) p− 1 n   t tN n   . .. avec Qij (0) = 0. λs sont les valeurs propres complexes de A (mˆ eme si K = R). D’autre part. dt Par cons´ equent. On a Y (t0 ) = e0 · V0 = IV0 = V0 . c’est-` a-dire qu’on cherche une solution particuli` ere sous la forme Y (t) = etA · V (t) o` u V est suppos´ ee diff´ erentiable. .   . on peut utiliser la m´ ethode de variation des constantes. avec   1 Q12 (t) . . .202 Analyse num´ erique et ´ equations diff´ erentielles D´ emonstration. ¾º º ËÓÐÙØ ÓÒ Ò Ö Ð dY dt = AY + B (t) Si aucune solution ´ evidente n’apparaˆ ıt. .

dt m m Il s’agit d’un syst` eme lin´ eaire o` u la matrice A (` a coefficients constants) est la matrice → − → → − q − V ∧ B . t0 ∈ I. On obtient ainsi la solution particuli` ere t Y (t) = etA t0 e−uA B (u)du = t t0 e(t−u)A B (u)du. la loi de Lorentz et le principe fondamental de la dynamique donnent l’´ equation → − → − − → → − → F = m− γ = qV ∧ B + qE. La solution g´ telle que Y (t0 ) = V0 est donc Y (t) = e(t−t0 )A · V0 + t t0 e(t−u)A B (u)du. On confondra dans la suite A avec cette de l’application lin´ eaire V → m application lin´ eaire. soit par exemple t V (t) = t0 e−uA B (u)du. Le sch´ ema est le suivant : q → − − → − → (V ∧ B ) ∧ B = − m 2 → − B 2 PB ( V ) − → B → − QB ( V ) → − − → − → (V ∧ B ) ∧ B → − PB ( V ) − − → → V ∧B − → V . Quelle est la trajectoire de la particule ? → − − Si V et → γ d´ esignent respectivement la vitesse et l’acc´ el´ eration.VII – Syst` emes diff´ erentiels lin´ eaires 203 Il suffit donc de choisir V telle que etA · V (t) = B (t). Un calcul simple montre que → − A2 ( V ) = q m 2 d’o` u → − o` u B = B et o` u PB d´ esigne le projection orthogonale sur la plan vectoriel de → − vecteur normal B . → − q − dV q − → − → → − → γ = = V ∧B+ E. en´ erale du probl` eme de Cauchy qui est la solution telle que Y (t0 ) = 0. Exemple – Une particule de masse m et de charge ´ electrique q se d´ eplace dans → − → − etique B et d’un champ ´ electrique E uniformes R3 sous l’action d’un champ magn´ et ind´ ependants du temps.

m B q − 1 − cos ωt → 1 → − → − → − − − → → − − sin ωt PB ( V0 ) + M0 M = tQB ( V0 ) + t2 E + V0 ∧ B . En notant ω = d´ eduit → − → − etA ( V ) = V + +∞ +∞ q m B . L’´ → − dV q → q − − − → − → → = (V + V ) ∧ B + E// dt m m → − − → de sorte que V + U satisfait l’´ equation diff´ erentielle correspondant a ` un champ → − − → → − → − − → − → → − a V0 dans les ´ electrique parall` ele ` a B . → − − → B 2p V ∧ B . On en d´ eduit alors facilement q → − A2p ( V ) = (−1)p m q → − A2p+1 ( V ) = (−1)p m 2p → − B 2p PB ( V ). 2m ω ωB Le mouvement est encore trac´ e sur un cylindre a ` base circulaire et sa pulsation est constante. trac´ e sur un cylindre d’axe parall` ele ` a B et de rayon → − R = PB ( V0 ) /ω . le calcul est ais´ e si E est parall` ele ` a B . B En l’absence de champ ´ electrique. d’o` u les lois g´ en´ erales des vitesses et du mouvement : q − 1 − → → → − → − → − − → V = QB ( V 0 ) + t E + cos ωt PB ( V0 ) + sin ωt V 0 ∧ B . et on observe qu’il existe un vecteur U orthogonal a ` B et E⊥ . p≥1 2p+1 cette derni` ere relation ´ etant encore valable pour p = 0. les ´ equations du mouvement sont donn´ ees par 1 − − → → − → − → → − V = QB ( V0 ) + cos ωt PB ( V 0 ) + sin ωt V0 ∧ B B 1 1 − cos ωt − → − − − → → − → − → − sin ωt PB ( V0 ) + M0 M = tQB ( V0 ) + V0∧B w ωB → − o` u M0 . En substituant V + U ` a V et V0 + U ` .204 Analyse num´ erique et ´ equations diff´ erentielles → − − → → − − → On observe pour le calcul que V ∧ B = PB ( V ) ∧ B . on d´ ecompose E = E// + E⊥ en ses composantes parall` eles et → − → − → − → − orthogonales a ` B . Il est facile de voir qu’il s’agit d’un mouvement h´ elico¨ ıdal → − uniforme de pulsation ω . on en (−1)p p=1 ω 2p t2p ω 2p+1 t2p+1 1 → − − → → − PB ( V ) + V ∧B (−1)p (2p)! (2 p + 1)! B p=0 1 − − → → − → − → − → = V − PB ( V ) + cos ωt PB ( V ) + sin ωt V ∧ B. mais le mouvement est acc´ el´ er´ e dans la direction de l’axe. V0 d´ esignent la position et la vitesse en t = 0 et QB la projection orthogonale → − sur la droite R · B . → − − → − → equation diff´ erentielle devient tel que U ∧ B = E⊥ . On → − → q − a donc dans ce cas une solution particuli` ere ´ evidente V = t m E . → − → − → − En pr´ esence d’un champ ´ electrique E . → − − → → − Dans le cas g´ en´ eral.

ap = 0. cp−1 . mais cette fois le mouvement n’est plus trac´ e sur un cylindre. − → B − → E − → B − → B − → E ¿º ÕÙ Ø ÓÒ× Ö ÒØ ÐÐ × Ð Ò Ó ÒØ× ÓÒ×Ø ÒØ× Ö × ³ÓÖ Ö p On consid` ere ici une ´ equation diff´ erentielle sans second membre (E) a p y ( p) + .. 1  c0 c1 c2 . on obtient q − → − → − → − → − − → → E// + cos ωt PB ( V0 + U ) V + U = QB ( V 0 ) + t m 1 − → − → − → + sin ωt ( V0 ∧ B + E⊥ ). D’apr` es le paragraphe V 4.. .  ap  0 0 0 . on sait que l’´ equation (E) est ´ equivalente a ` un syst` eme diff´ erentiel (S) d’ordre 1 dans Kp .2. cj = − a j . + ωB Il s’agit encore d’un mouvement de type h´ elico¨ ıdal acc´ el´ er´ e. . 0   . A= .. t → y (t) est la fonction inconnue. . et o` u les aj ∈ K sont des constantes. . B q − sin ωt → − → − → − → − − − − → → PB ( V0 + U ) M0 M = t QB ( V0 − U ) + t2 E// + 2m ω 1 − cos ωt − → − → − → ( V0 ∧ B + E⊥ ). 0  0 0 1 .. + a 1 y + a 0 y = 0 o` u y : R → K... .    .VII – Syst` emes diff´ erentiels lin´ eaires 205 formules. qui est le syst` eme lin´ eaire sans second membre Y = AY avec   0 1 0 .

. . les solutions r´ eelles s’obtiennent simplement en prenant la partie r´ eelle et la partie imaginaire des solutions complexes). Pla¸ cons-nous maintenant sur le corps C (si K = R. . avec m1 + . λ ∈ C. ¿º½º × ÓÙ P ØÓÙØ × × × Ö Ò × × ÑÔÐ × 1 ≤ j ≤ p. P d y=0 dt . Cherchons les solutions exponentielles de la forme y (t) = eλt . on voit que y est solution de (E) si et seulement si λ est racine du polynˆ ome caract´ eristique P (λ) = ap λp + . dti On voit que l’´ equation diff´ erentielle ´ etudi´ ee peut se r´ ecrire (E) et on a d’autre part la formule P d λt e = P (λ)eλt . dt ∀λ ∈ C. λp . + ms = p. on peut donc ´ enoncer : Th´ eor` eme – L’ensemble S des solutions globales de (E) est un K-espace vectoriel de dimension p. on obtient p solutions distinctes t → eλ j t . . αj ∈ C. Consid´ erons l’op´ erateur diff´ erentiel P d = dt p ai i=0 di . . . + αp eλp t . ¿º¾º × ÓÙ P ×Ö Ò × ÑÙÐØ ÔÐ × s On peut alors ´ ecrire P (λ) = ap (λ − λj )mj j =1 o` u mj est la multiplicit´ e de la racine λj . . Comme y (j ) (t) = λj eλt . + a1 λ + a0 . L’ensemble des solutions est donc l’espace vectoriel de dimension p des fonctions y (t) = α1 eλ1 t + . . Si P poss` ede p racines distinctes λ1 .206 Analyse num´ erique et ´ equations diff´ erentielles Grˆ ace au § 1.1. . On verra plus loin que ces solutions sont lin´ eairement ind´ ependantes sur C. .

Lemme – Si λ1 . 1≤j≤s soit au total m1 + . auquel cas Q 0 ≤ q ≤ N.q ∈ C. soit N le maximum des entiers q tels qu’il existe j avec αj. Consid´ erons une combinaison lin´ eaire finie αj. 1 ≤ j ≤ s. tandis que Q(i) (λ1 ) = 0 pour eduit 0 ≤ i < N et Q(N ) (λ1 ) = 0. + ms = p solutions. Supposons par exemple α1. 0 ≤ q ≤ mj −1 .q yj. on a P (i) (λj ) = 0 pour 0 ≤ i ≤ mj − 1. dt . . . d (tN eλ1 t ) = Q(N ) (λ1 )eλ1 t .q = 0. On en d´ eduit P d dt tq eλj t = 0. . 1 ≤ j ≤ s. L’´ equation (E) admet donc les solutions y (t) = tq eλj t . alors les fonctions yj.N = 0. On pose alors Q(λ) = (λ − λ1 )N (λ − λ2 )N +1 . q∈N Si les coefficients sont non tous nuls. D´ emonstration. j = 1. αj. e e q q dλ dλ dt dλq d’o` u. et (mj ) P (λj ) = 0. sont lin´ eairement ind´ ependantes.q (t) = tq eλj t . .VII – Syst` emes diff´ erentiels lin´ eaires 207 commutent d’apr` es le th´ eor` eme de Schwarz. λs ∈ C sont des nombres complexes deux a ` deux distincts. . . Comme les d´ eriv´ ees partielles on obtient P d d (tq eλt ) = P dt dt d dt et d dλ d λt dq λt dq dq = P = P (λ)eλt . (λ − λs )N +1 Il vient Q(i) (λj ) = 0 pour j ≥ 2 et 0 ≤ i ≤ N . 0 ≤ q ≤ mj − 1. . i=0 Comme λj est racine de multiplicit´ e mj .q = 0. . On en d´ Q d (tq eλj t ) = dt q i ( i) Cq Q (λj )tq−i eλj t i=0 = 0 pour sauf si q = N . grˆ ace ` a la formule de Leibnitz : d P (tq eλt ) = dt q i ( i) Cq P (λ)eλt .

(S)  y p − 2 = y p− 1     y = − 1 (a0 y0 + a1 y1 + . l’´  y0 = y1      . . y (p−1) = yp−1 . Si b est une fonction exponentielle-polynˆ ome. Le lemme est d´ emontr´ e. . On cherche alors une solution particuli` ere de (E). le principe consiste a ` appliquer la m´ ethode de variation des constantes au syst` eme diff´ erentiel (S) d’ordre 1 associ´ ea ` (E). ¿º¿º ÕÙ Ø ÓÒ× Ð Ò Ö × ³ÓÖ Ö p Ú × ÓÒ Ñ Ñ Ö Soit a ` r´ esoudre l’´ equation diff´ erentielle (E) ap y (p) + . . On peut donc ´ enoncer : Th´ eor` eme – Lorsque le polynˆ ome caract´ eristique P (λ) a des racines complexes es respectives m1 . . 0 ≤ q ≤ mj − 1. l’ensemble S des solutions est le λ1 . . l’´ equation admet pour solution (α/P (λ))eλt . . λs de multiplicit´ C-espace vectoriel de dimension p ayant pour base les fonctions t → tq e λ j t . . que l’on peut rechercher par ome identification des coefficients. . .N = 0 et Q(N ) (λ1 ) = 0. + a1 y + a0 y = b(t). . 0 b(t). . En g´ en´ eral.     . . ce qui est absurde puisque α1.  Y = . Soit (v1 . . . vp ) une base des solutions de (E0 ). equation (E) Par exemple. Si b(t) = αeλt et si λ n’est pas racine du polynˆ caract´ eristique. On commence par r´ esoudre l’´ equation sans second membre (E0 ) ap y (p) + . . .208 En appliquant l’op´ erateur Q d dt Analyse num´ erique et ´ equations diff´ erentielles a la relation ` αj. Dans un certain nombre de cas. . + a1 y + a0 y = 0. si b est un polynˆ ome de degr´ e d et si a0 = 0. (E) admet une solution du mˆ eme type (noter que les fonctions trigonom´ etriques se ram` enent a ` ce cas). . . . o` u b : I → C est une fonction continue donn´ ee.q tq eλj t = 0 on obtient alors α1. . 1 ≤ j ≤ s. . . . une solution simple peut ˆ etre trouv´ ee rapidement. p− 1 ap ap Ce syst` eme lin´ eaire peut se r´ ecrire (S): Y = AY + B (t) avec  y0  . . . + ap−1 yp−1 ) + 1 b(t). ms .N Q(N ) (λ1 )eλ1 t = 0. y = y1 . equation (E) ´ equivaut au syst` eme Si on pose y = y0 . l’´ admet une solution polynomiale y de degr´ e d.  y p− 1    et B (t) =   1 ap 0 . .

2  .VII – Syst` emes diff´ erentiels lin´ eaires 209 Le syst` eme homog` ene (S0 ) Y = AY admet pour base de solutions les fonctions    v   v  vp 1 2  vp   v1   v2     . . + αp (t)Vp (t). αj (t)Vj (t) = B (t).  (p−1) (p−1) (p−1) v1 v2 vp On cherche alors une solution particuli` ere de (S) sous la forme Y (t) = α1 (t)V1 (t) + . αp (t). . . = βp = 0)..  . 2 2 • On commence par r´ esoudre l’´ equation sans second membre y + 4y = 0. Le d´ eairement ind´ ependants. . Vp =  V V1 =  =  . La r´ esolution de ce syst` eme permet de calculer α1 . . . . + αp (t)vp (t). . . . . . • On cherche ensuite une solution particuli` ere de (E) en posant y (t) = α1 (t) cos 2t + α2 (t) sin 2t. αp . . Comme Vj = AVj . . . puis α1 . car si une combinaison vecteurs V1 (t). . . . p p 1 1 ap On obtient ainsi un syst` eme lin´ eaire de p ´ equations par rapport aux p inconnues eterminant de ce syst` eme est non nul pour tout t ∈ R (les α1 (t).. (p−2) (p−2) α1 (t)v1 (t) + . . αp par int´ egration. . . . L’´ equation (E0 ) admet pour base de solutions les fonctions t → e2it . il vient Y (t) = αj (t)Vj (t) + αj (t)Vj (t) = AY (t) + Il suffit donc de choisir les αj tels que αj (t)Vj (t). avec t ∈ − . + αp (t)vp (t) = 0      α (t)v (p−1) (t) + . . alors Y ≡ 0 d’apr` th´ eor` eme d’unicit´ e. t → e−2it .  . . . + βp Vp est telle que Y (t) = 0. et poss` ede deux racines simples 2i et −2i. . Vp (t) sont lin´ es le lin´ eaire Y = β1 V1 + . .   . . . . . t → sin 2t. . Exemple – (E) y + 4y = tan t. . π π . . c’est-` a-dire  α1 (t)v1 (t) + . ou encore : t → cos 2t.  . . + αp (t)vp (t) = 0     . donc β1 = . (E0 ) Le polynˆ ome caract´ eristique est P (λ) = λ2 + 4. . + α (t)v (p−1) (t) = 1 b(t). d’o` u la solution particuli` ere cherch´ ee : y (t) = α1 (t)v1 (t) + . .

on sait que Φt0 : S −→ Km . t0 ) ∈ I 2 .210 Ceci conduit a ` r´ esoudre le syst` eme Analyse num´ erique et ´ equations diff´ erentielles α1 (t) cos 2t + α2 (t) sin 2t = 0 α1 (t) · (−2 sin 2t) + α2 (t) · (2 cos 2t) = tan t. Pour tout couple (t. Le d´ eterminant du syst` eme ´ etant ´ egal ` a 2. on obtient  1 1  2   α1 (t) = − tan t sin 2t = − sin t = − (1 − cos 2t) 2 2  1 1 1   α2 (t) = tan t cos 2t = tan t(2 cos2 t − 1) = sin 2t − tan t. Pour tout t0 ∈ I . Y −→ Y (t0 ) est un isomorphisme K-lin´ eaire. 2 2 2  1 t    α1 (t) = − + sin 2t 2 4  1 1   α2 (t) = − cos 2t + ln (cos t). . 2 2 º ËÝ×Ø Ñ × Ú Ö Ð × Ö ÒØ Ð× Ð Ò Ö × Ó ÒØ× L’objet de ce paragraphe (avant tout th´ eorique) est de g´ en´ eraliser les r´ esultats du § 2 au cas des syst` emes lin´ eaires ` a coefficients variables. Soit S l’ensemble des solutions maximales de (E0 ). 2 2 1 t cos 2t + sin 2t ln (cos t). on d´ efinit 1 Φ− Φt t0 1 m : K −→ S −→ Km R(t. 4 2 d’o` u la solution particuli` ere y (t) = − La solution g´ en´ erale est donc y (t) = − t 1 cos 2t + sin 2t ln (cos t) + α1 cos 2t + α2 sin 2t. t0 ) = Φt ◦ Φ− t0 V −→ Y −→ Y (t). º½º Ê ×ÓÐÚ ÒØ ³ÙÒ ×Ý×Ø Ñ Ð Ò Ö Consid´ erons une ´ equation lin´ eaire sans second membre (E0 ) Y = A(t)Y o` u A : R ⊃ I → Mm (K) est une matrice m × m sur K ` a coefficients continus.

. t0 ) · V0 . t1 . t0 ). u ∈ I . avec Y (t0 ) = V0 equations scalaires au lieu de m (on passe de le syst` eme initial puisqu’on a m2 ´ m a Mm (K)). on a avec les notations ci-dessus d d R(t. (i) et (ii) sont imm´ ediats ` a partir de la d´ efinition de R(t. t0 ). t1 )R(t1 . t0 ) = exp t0 pour tous t. t0 ) s’appelle la r´ esolvante du syst` eme lin´ eaire (E0 ). il sera identifi´ lui correspond canoniquement dans Mm (K). t2 ) ∈ I . Retenons enfin que la solution du probl` eme de Cauchy Y = A(t)Y est donn´ ee par Y (t) = R(t. t (∗) A(u)du . Propri´ et´ es de la r´ esolvante (i) ∀t ∈ I . R(t. t0 ) est la solution dans Mm (K) du syst` dM = A(t)M (t) dt o` u M (t) ∈ Mm (K) v´ erifie la condition initiale M (t0 ) = Im . Il est n´ eanmoins parfois utile de consid´ erer ce syst` eme plutˆ ot que K ` l’´ equation initiale. Comme On a donc R(t. eme diff´ erentiel (iii) R(t. = dt On en d´ eduit donc d dt R(t. t0 ) est un isomorphisme Km → Km . t0 ) et (iii) r´ esulte de ce qui pr´ ec` ede. t0 ) · V. Pour tout vecteur V ∈ Km . t) = Im 3 (matrice unit´ e m × m). parce que tous les objets sont dans Mm (K) et qu’on peut exploiter la structure d’alg` ebre de Mm (K). (ii) ∀(t0 . t0 ) · V = R(t. o` e` a la matrice inversible qui R(t. t0 ) = R(t2 . t0 ) = A(t)R(t.VII – Syst` emes diff´ erentiels lin´ eaires 211 u Y est la solution telle que Y (t0 ) = V . D´ efinition – R(t. t0 ) · V = Y (t). Remarque – Le syst` eme dM/dt = A(t)M (t) peut paraˆ ıtre plus compliqu´ e que Exemple – Supposons que A(t)A(u) = A(u)A(t) Alors R(t. t0 ) · V ) dt dt dY = A(t)Y (t) = A(t)R(t. R(t2 .

212

Analyse num´ erique et ´ equations diff´ erentielles
t

Pour le voir, il suffit de montrer que M (t) = exp
t0 b d

A(u)du

satisfait la condition

ese de commutation (iii) ci-dessus. Il est clair que M (t0 ) = Im . Par ailleurs l’hypoth` (∗) entraˆ ıne que
a

A(u)du et
c

A(u)du commutent pour tous a, b, c, d ∈ I , le

produit ´ etant ´ egal dans les deux cas ` a A(u)A(v )dudv
[a,b]×[c,d]

par le th´ eor` eme de Fubini. On a donc
t t+h

M (t + h) = exp
t0

A(u)du +
t t+h

A(u)du

= exp
t t+h

A(u)du M (t).

Or
t

A(u)du = hA(t) + o(h), donc utilisant le d´ eveloppement en s´ erie de

l’exponentielle 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 l’hypoth` ese (∗) est satisfaite. On a donc
t t

R(t, t0 ) = exp
t0 t

f (u)du · U +
t0

g (u)du · V
t

= exp
t0

f (u)du · U

exp
t0

g (u)du · V

.

Exercice 1 –

Utiliser la derni` ere remarque de l’exemple pour calculer la r´ esolvante associ´ ee aux matrices   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

Exercice 2 – R´ esoudre le syst` eme lin´ eaire
dx dt dy dt

=1 t x + ty =y

o` u

A(t) =

1/t 0

t 1

et en d´ eduire la formule donnant la r´ esolvante R(t, t0 ). Montrer que dans ce cas on a
t

R(t, t0 ) = exp
t0

A(u)du .

VII – Syst` emes diff´ erentiels lin´ eaires

213

L’exercice 2 montre que c’est le plus souvent la r´ esolution du syst` eme qui permet de d´ eterminer la r´ esolvante, et non pas l’inverse comme pourrait le laisser croire la terminologie.

º¾º ÏÖÓÒ×

Ò ³ÙÒ ×Ý×Ø Ñ

×ÓÐÙØ ÓÒ×

On va voir ici qu’on sait toujours calculer le d´ eterminant d’un syst` eme de solutions, ou ce qui revient au mˆ eme, le d´ eterminant de la r´ esolvante, mˆ eme lorsque la r´ esolvante n’est pas connue.

D´ efinition – Le Wronskien d’un 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 , d’o` u W (t) = det (R(t, t0 )) · det (V1 , . . . , Vm ). On est donc ramen´ e` a calculer la quantit´ e ∆(t) = det (R(t, t0 )), et pour cela on va montrer que ∆(t) v´ erifie une ´ equation diff´ erentielle 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

R(u, t)|u=t = A(t)R(t, t) = A(t), la formule de Taylor

R(t + h, t) = Im + hA(t) + o(h), det (R(t + h, t)) = det (Im + hA(t)) + o(h).

Lemme – Si A = (aij ) ∈ Mm (K), alors
det (Im + hA) = 1 + α1 h + . . . + αm hm avec α1 = tr A =
1≤i≤m

aii .

En effet dans det (Im + hA) le terme diagonal est (1 + ha11 ) . . . (1 + hamm ) = 1 + h et les termes non diagonaux sont multiples de h2 . aii + h2 . . .

214 Le lemme entraˆ ıne alors

Analyse num´ erique et ´ equations diff´ erentielles

det (R(t + h, t)) = 1 + h tr (A(t)) + o(h), ∆(t + h) = ∆(t) + h tr (A(t))∆(t) + o(h). On en d´ eduit ∆ (t) = tr (A(t))∆(t), et comme ∆(t0 ) = det (R(t0 , t0 )) = det Im = 1, il vient :
t

det R(t, t0 ) = ∆(t) = exp
t0 t

tr A(u)du ,

W (t) = exp
t0

tr A(u)du det (V1 , . . . , Vm ).

º¿º Å Ø Ó

Ú Ö Ø ÓÒ

× ÓÒ×Ø ÒØ ×

Soit a ` r´ esoudre le syst` eme diff´ erentiel lin´ eaire (E) Y = A(t)Y + B (t),

et soit R(t, t0 ) la r´ esolvante du syst` eme lin´ eaire sans second membre (E0 ) Y = A(t)Y.

On cherche alors une solution particuli` ere de (E) sous la forme Y (t) = R(t, t0 ) · V (t) o` u V est suppos´ ee diff´ erentiable. Il vient dY d = R(t, t0 ) · V (t) + R(t, t0 ) · V (t) dt dt = A(t)R(t, t0 ) · V (t) + R(t, t0 ) · V (t) = A(t)Y (t) + R(t, t0 ) · V (t). Il suffit donc de prendre R(t, t0 ) · V (t) = B (t), c’est-` a-dire V (t) = R(t0 , t) · B (t),
t

V (t) =
t0

R(t0 , u) · B (u)du,
t

Y (t) = R(t, t0 ) · V (t) =
t0 t

R(t, t0 )R(t0 , u) · B (u)du,

Y (t) =
t0

R(t, u)B (u)du.

VII – Syst` emes diff´ erentiels lin´ eaires

215

On obtient ainsi la solution particuli` ere telle que Y (t0 ) = 0. La solution telle que ee par Y (t0 ) = V0 est donn´
t

Y (t) = R(t, t0 ) · V0 +
t0

R(t, u)B (u)du.

Dans le cas o` u A(t) = A est ` a coefficients constants on retrouve la formule du § 2.4, dans laquelle R(t, t0 ) = e(t−t0 )A , et la formule du Wronskien ´ equivaut a ` l’identit´ e d´ ej` a connue det (e(t−t0 )A ) = exp ((t − t0 ) tr A).

º ÈÖÓ Ð Ñ ×
5.1. Soient b et c deux fonctions continues sur un intervalle fix´ e T = [0, τ [. Soit (S) le syst` eme diff´ erentiel lin´ eaire ` a coefficients constants et avec second membre y + b(t) x = y = 2x − y + c(t) et soit (S0 ) le syst` eme sans second membre associ´ e (pour lequel b(t) = c(t) = 0). ´ (a) Ecrire la matrice A de (S0 ), et calculer etA . (b) D´ eterminer la solution g´ en´ erale du syst` eme (S0 ). (c) D´ eterminer la solution g´ en´ erale du syst` eme (S) pour b(t) = 0, c(t) = e−t . 5.2. Soit t une variable r´ eelle ≥ 0. On consid` ere le syst` eme diff´ erentiel lin´ eaire (S) x = 2y y =x−y

´ (a) Ecrire la matrice A de (S), montrer qu’elle a deux valeurs propres r´ eelles λ et µ (λ > µ) et d´ eterminer les sous-espaces propres correspondants. (b) On pose ex = vµ = 1 , ey = 0 0 , et on note respectivement vλ = 1 xλ yλ et

xµ les vecteurs propres associ´ es ` a λ et µ tels que yλ = yµ = 1. yµ eterminer la matrice de passage P de l’ancienne base (ex , ey ) Calculer xλ , xµ . D´ a la nouvelle base (vλ , vµ ), et calculer sa matrice inverse P −1 . ` (c) On pose etA = a(t) b(t) . Calculer explicitement a(t), b(t), c(t), d(t). c(t) d(t) Donner la solution du syst` eme (S) v´ erifiant 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 → initiales M (0) = x0 . y0

x(t) y (t)

= M (t) correspondant aux conditions

(α) Pour quelles positions de M (0) cette trajectoire T (x0 , y0 ) est-elle une demidroite ? (β ) Pour quelles positions de M (0) tend-elle vers 0 quand t → +∞ ? (γ ) Indiquer sur un mˆ eme figure : • la de • la de forme des trajectoires T (x0 , 0) partant d’un point (x0 , 0), x0 > 0, l’axe des x ; forme des trajectoires T (0, y0 ) partant d’un point (0, y0 ), y0 > 0, l’axe des y .

5.3. On note t une variable r´ eelle, et on consid` ere les deux matrices B= 0 1 1 0 , C= 1 1 0 1 .

(a) Pour tout n ≥ 0, calculer explicitement B n et C n , et en d´ eduire etB et etC . (b) Mˆ emes questions pour la matrice 0 1 A= 0 0  1 0 0 0 0 0 1 0  0 0 . 1 1

On pose maintenant T = [0, +∞[ ; on note bi (t) (1 ≤ i ≤ 4) quatre fonctions continues sur T , et on consid` ere le syst` eme diff´ erentielle lin´ eaire avec second membre  y2 + b1 (t)  y1 =  + b2 (t) y2 = y1 (S) y3 + y4 + b3 (t)   y3 = y4 + b4 (t) . y4 = eme sans second membre associ´ e` a (S). On note (S0 ) le syst` ´ ` des conditions initiales yi (0) = vi , les (c) Ecrire la solution de (S0 ) correspondant a etant quatre constantes donn´ ees. vi (1 ≤ i ≤ 4) ´ (d) Indiquer comment on peut alors r´ esoudre (S) par la m´ ethode dite de variation des constantes, et appliquer cette m´ ethode au cas particulier b1 (t) = 1, b2 (t) = b3 (t) = 0, b 4 = et .

5.4. On consid` ere l’´ equation lin´ eaire du 3e ordre (E) y + y + y + y = cos t,

o` u y d´ esigne une fonction inconnue de la variable t ≥ 0.

VII – Syst` emes diff´ erentiels lin´ eaires

217

(a) D´ eterminer la solution g´ en´ erale de l’´ equation sans second membre associ´ ee ` a (E). (b) A l’aide de la m´ ethode de variation des constantes, d´ eterminer la solution g´ en´ erale de l’´ equation (E). (c) Montrer que (E) admet une solution et une seule de la forme At cos t + Bt sin t : la d´ eterminer explicitement, et tracer son graphe. 5.5. On consid` ere dans R2 le syst` eme diff´ erentiel  dx   = tx − y  dt    dy = x + ty dt o` u x, y sont des fonctions r´ eelles de la variable r´ eelle t. (a) R´ esoudre le probl` eme de Cauchy de donn´ ee initiale (x0 , y0 ) au temps t0 = 0 (on pourra poser z = x + iy ). (b) Mˆ eme 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

5.6. On consid` ere un syst` eme diff´ erentiel X = A(t)X o` u A(t) est une matrice ` a 2 lignes et 2 colonnes ` a coefficients de p´ eriode 2π , born´ es et continus par morceaux. (a) Montrer que l’application qui a ` M ∈ R2 associe la position ` a l’instant s de la erifiant X (0) = M est une application lin´ eaire solution X (t) de X = A(t) v´ bijective. On d´ esignera par Us cet endormorphisme et on notera V = U2π . (b) Montrer que l’´ equation X = A(t)X admet une solution 2π -p´ eriodique non identiquement nulle si et seulement si 1 est valeur propre de V ; comment peuton interpr´ eter le fait que V admette pour valeur propre une racine k -i` eme de l’unit´ e? u f est une fonction 2π (c) On consid` ere l’´ equation diff´ erentielle y + f (t)y = 0 o` p´ eriodique a ` valeurs r´ elles. Mettre cette ´ equation sous la forme d’un syst` eme du premier ordre. (d) On supposera dor´ enavant que f (t) = (w + ε)2 (w − ε)2 si si t ∈ [0, π [ t ∈ [π, 2π [

+∞[ et une solution born´ ee (non identiquement nulle) sur ] − ∞. D´ eterminer Uπ . w−ε w+ε En d´ eduire que si w n’est pas la moiti´ e d’un entier et si ε est assez petit. a quelle condition admet-elle une solution born´ ` ee (non identiquement nulle) sur R ? (f) Montrer que la trace de V s’´ ecrit −∆ cos 2πε + (2 + ∆) cos 2πw o` u w+ε w−ε + = 2(1 + ∆). π [).218 Analyse num´ erique et ´ equations diff´ erentielles o` u 0 < ε < w sont des constantes. montrer que V se met sous u l’on d´ eterminera la matrice B (on pourra utiliser que f est la forme B ◦ Uπ o` constante sur [π. 0[ . toutes les solutions de y + f (t)y = 0 sont born´ ees. V´ erifier que det V = 1. 2π [ ainsi que sur [0. Que passe-t-il si w est la moiti´ e d’un entier ? . (e) Montrer qu’alors une des valeurs propres de V est inf´ erieure ` a 1 en module et que ee (non identiquement nulle) l’´ equation y + f (t)y = 0 admet une solution born´ sur [0.

On notera les pas successifs hn = tn+1 − tn . y ). yn . yN des valeurs y (tn ) prises par la solution exacte y . . 0 ≤ n ≤ N − 1. . on cherche a d´ ` eterminer des valeurs approch´ ees y0 .Ô ØÖ ÎÁÁÁ Å Ø Ó × ÒÙÑ Ö ÕÙ × ÙÒ Ô × L’objectif de ce chapitre est de d´ ecrire un certain nombre de m´ ethodes permettant de r´ esoudre num´ eriquement le probl` eme de Cauchy de condition initiale y (t0 ) = y0 pour une ´ equation diff´ erentielle (E) y = f (t. < tN = t0 + T de [t0 . Une m´ etre qui utilise les r valeurs ant´ erieures yn . . et hmax = max (hn ) le maximum du pas. Nous avons choisi ici d’exposer le cas des ´ equations unidimensionnelles dans le seul but de simplifier a fait identique. yn−r+1 (valeurs qui doivent donc ˆ m´ emoris´ ees) afin de faire le calcul de yn+1 . . ½º ½º½º Ò Ø ÓÒ Ò Ø ÓÒ× ×Ñ Ø Ó × ÙÒ Ô ×¸ Ü ÑÔÐ × Les m´ ethodes ` a un pas sont les m´ ethodes de r´ esolution num´ erique qui peuvent s’´ ecrire sous la forme yn+1 = yn + hn Φ(tn . t0 + T ] × R → R est une fonction suffisamment r´ eguli` ere. a ` condition les notations . . t0 + T ]. . ´ Etant donn´ e une subdivision t0 < t1 < . o` u f : [t0 . le cas des syst` emes dans Rm est tout ` de consid´ erer y comme une variable vectorielle et f comme une fonction vectorielle dans les algorithmes qui vont ˆ etre d´ ecrits. . On appelle m´ ethode ` a un pas une m´ ethode permettant de calculer yn+1 ` a partir de ethode ` a r pas est au contraire une m´ ethode la seule valeur ant´ erieure yn . y1 . . . 0 ≤ n < N. hn ). . .

. On imagine cependant. 0≤n<N produite par application de l’algorithme yn+1 = yn + hn Φ(tn . . .3). cette erreur mesure l’´ ee yn+1 issue de la valeur yn = z (tn ) z (tn+1 ) au temps tn+1 . yn ) (voir chapitre V. Dans la pratique. et d´ efinie par la formule de r´ ecurrence yn+1 = yn + hn f (tn . [t0 . h) = f (t. . l’erreur de consistance n’a a priori que peu de rapport avec l’erreur globale θn = max |z (tj ) − yj | r´ esultant d’un calcul de n 0≤j ≤n a partir de la donn´ ee initiale y0 = z (t0 ) (qui est a ` vrai valeurs successives y1 . et la valeur approch´ etape de l’algorithme est donc prise comme valeur initiale au temps tn (une seule ´ mise en jeu). § 2. t0 + T ] × J × [0. . δ ] o` efinition de l’´ equation diff´ erentielle).220 Analyse num´ erique et ´ equations diff´ erentielles o` u Φ : [t0 . t0 + T ] × J soit contenu dans le domaine de d´ Exemple – La m´ ethode d’Euler est la m´ ethode ` a un pas associ´ ee ` a la fonction Φ(t. C’est pourquoi l’´ evaluation de en va gouverner l’´ globale. hn ). yn ` dire la seule erreur int´ eressant r´ eellement le num´ ericien). hn ) ` a partir de la ecart entre la valeur exacte valeur yn = z (tn ). D´ efinition – L’erreur de consistance en relative a ` une solution exacte z est l’erreur en = z (tn+1 ) − yn+1 . z (tn ). t0 + T ] × R × R → R est une fonction que l’on supposera continue. on a en = z (tn+1 ) − z (tn ) − hn Φ(tn . y z z (tn+1 ) yn+1 yn en tn tn+1 = tn + hn t Comme le montre le sch´ ema ci-dessous. que |θn | sera de l’ordre de grandeur eses convenables de r´ egularit´ e pour la de |e0 | + |e1 | + · · · + |en−1 |. yn . En termes de la fonction Φ. h) peut n’ˆ etre d´ efinie que sur une partie de la u J est un intervalle de R (de sorte en particulier que forme [t0 . y ). sous des hypoth` evaluation de l’erreur fonction f . y. y. Autrement dit. et nous reviendrons l` a-dessus plus en d´ etail au § 2. la fonction Φ(t.

2 n Cette erreur en h2 ` moins que le pas hn ne soit n est relativement importante. z1 . y0 ) et (tj . yj ). 3]. La formule de Taylor-Lagrange donne 1 2 h z (tn ) + o(h2 n ). z2 . yn ) + o(h2 n ). a choisi tr` es petit. z (tn )) = z (tn ) + hn z (tn ). z (t)) en = z (tn + hn ) − (z (tn ) + hn z (tn )) = On en d´ eduit par cons´ equent 1 2 [1] h f (tn . en = . On va donc essayer de construire des m´ ethodes permettant de r´ eduire l’erreur de consistance en . yn+1 = yn + hn f (tn . et on sait alors que o` u f [1] = ft + fy f. ceci conduit a ` l’algorithme Par d´ efinition de l’erreur de consistance. On a au premier ordre l’approximation Comme on l’a d´ ej` a vu au chapitre V. ce qui augmente consid´ erablement le volume des calculs ` a effectuer. on a en = z (tn + hn ) − yn+1 o` u yn+1 = z (tn ) + hn f (tn . j = 1. ½º¾º Ê ØÓÙÖ ×ÙÖ Ð Ñ Ø Ó z (tn+1 ) = z (tn + hn ) ³ ÙÐ Ö z (tn ) + hn z (tn ) = z (tn ) + hn f (tn . z (t) = f [1] (t. 2. Soit z une solution exacte de l’´ equation (E).` un pas VIII – M ´ ethodes num´ eriques a 221 y e3 z z1 z2 z3 θ4 e2 e1 e0 y0 t0 y2 y1 t1 t2 t3 y3 y4 t4 t [Les fonctions z . C’est bien le cas si f est de classe C 1 . z (tn )). yn ) tn+1 = tn + hn . z3 repr´ esentent ici les solutions exactes passant par les points (t0 . 2 n pourvu que z soit de classe C 2 .

• La m´ ethode suppose a priori que f soit tr` es r´ eguli` ere . Calculons l’erreur de consistance en . les erreurs risquent donc de ne pas pouvoir ˆ etre contrˆ ol´ ees si certaines d´ eriv´ ees de f pr´ esentent des discontinuit´ es ou une mauvaise continuit´ e (pentes ´ elev´ ees). y ). Remarque – Dans la pratique. z (tn )) + o(hp n ). yn ) + o(hp = n ). D’apr` es la d´ efinition g´ en´ erale des m´ ethodes ` a un pas. On dira d’une mani` +1 chaque fois que qu’une m´ ethode est d’ordre p si l’erreur de consistance est en hp n ethode d’Euler est le cas particulier p = 1 de la f est de classe C p au moins. Alors toute solution exacte z est de classe C p+1 .222 Analyse num´ erique et ´ equations diff´ erentielles ½º¿º Å Ø Ó Ì ÝÐÓÖ ³ÓÖ Ö p Supposons que f soit de classe C p . ! En supposant yn = z (tn ). On est donc amen´ e ` a consid´ erer l’algorithme suivant. l’approximation est d’autant meilleure que p est plus grand. ce qui n’est pas toujours le cas (par exemple. La m´ m´ ethode de Taylor. ½º º Å Ø Ó Ù ÔÓ ÒØ Ñ Ð Ù Cette m´ ethode est d´ ecrite par le sch´ ema suivant. k! n Lorsque hn est assez petit. et sa d´ eriv´ ee k -i` eme est z (k) (t) = f [k−1] (t. la formule de Taylor d’ordre p + 1 donne p en = z (tn+1 ) − yn+1 = z (tn + hn ) − k=0 1 k (k ) h z (tn ) k! n 1 +1 hp+1 f [p] (tn . z (t)). si f est une donn´ ee exp´ erimentale discr´ etis´ ee). cet algorithme correspond au p 1 k−1 [k−1] choix Φ(t. h) = k=1 k h f ( t. (p + 1)! n +1 ere g´ en´ erale L’erreur est donc maintenant de l’ordre de hp n . yn ) k! n k=1    tn+1 = tn + hn . Il faut aussi pouvoir ´ evaluer explicitement f [k] . la m´ ethode de Taylor souffre de deux inconv´ enients graves qui en font g´ en´ eralement d´ econseiller l’utilisation pour p ≥ 2 : • Le calcul des quantit´ es f [k] est souvent complexe et coˆ uteux en temps machine. y. . appel´ e m´ ethode de Taylor d’ordre p :  p  1 k [k−1]   yn+1 = yn + h f (tn . La formule de Taylor d’ordre p implique p z (tn + hn ) = z (tn ) + k=1 1 k [k−1] h f (tn .

y + f (t. 2 8 h 1 3 = h z (t) + o(h3 ). on l’approxime par h 2 z (t) + h f (t. y ) 2 2 . 2 2 L’algorithme du point milieu est associ´ e au choix Φ(t.z t + 2 2 2 . t + h] a une pente voisine de z t + h 2 . il vient z (t + h) = z (t) + hz (t) + z t+ h = 2 1 2 1 h z (t) + h3 z (t) + o(h3 ). alors que dans la m´ ethode d’Euler on approxime brutalement cette pente par z (t). z (t)) . z (t) + f (t.` un pas VIII – M ´ ethodes num´ eriques a 223 y z z (t + h) z (t) ε t t + h/2 t+h t L’id´ ee est que la corde de la fonction z sur [t. 2 6 1 1 2 z (t) + hz (t) + h z (t) + o(h2 ). 2 (∗∗) z t+ d’o` u en d´ efinitive z (t + h) z (t) + hf t + h h . y. 2 24 L’erreur commise est donc ε = z (t + h) − z (t) − hz t + soit une erreur en h3 au lieu de h2 dans la m´ ethode d’Euler. On ´ ecrit donc : h z (t + h) z (t) + hz t + . z (t)). h) = f t + h h . On par ailleurs z t+ Comme la valeur de z t + h 2 h h h = f t + . (∗) 2 Si z est de classe C 3 . n’est pas connue.

on a z tn + f tn + hn hn . yn+ 1 2 2    yn+1 = yn + hn pn        tn+1 = tn + hn . 24 24 n d’o` u εn = On en d´ eduit 1 3 [2] h f + 3fy f [1] (tn . yn ) + o(h3 n ). yn ) + o(h2 = fy (tn . yn ) + o(h3 n ).224 Analyse num´ erique et ´ equations diff´ erentielles et donne lieu au sch´ ema num´ erique  hn   yn+ 1 f (tn . z tn + 2 2 − f tn + hn . Calculons l’erreur de consistance : en = z (tn+1 ) − yn+1 . yn ) + o(h3 n) = n ). yn ) + o(hn ) n) 8 n 1 f f [1] (tn . z tn + . 8 8 n D’apr` es le th´ eor` eme des accroissements finis appliqu´ e en y . 8 n y 1 3 h f f [1] (tn .y 1 2 n+ 2 hn hn = f y tn + . 24 n La m´ ethode du point milieu est donc d’ordre 2. yn ) + o(h2 = h2 n ).y 1 − f tn + f tn + 2 2 2 n+ 2 proviennent respectivement des approximations (∗) et (∗∗). cn z t n + − yn+ 1 2 2 2 1 2 [1] h f (tn . en = εn + ε n = . On a u les erreurs en = εn + εn o` εn = z (tn+1 ) − z (tn ) − hn z tn + εn = hn z tn + = hn hn . 8 n y 1 3 1 3 [2] hn z (tn ) + o(h3 h f (tn . yn ) + o(h2 = h2 n z (tn ) + o(hn ) = n ). D’apr` es le calcul fait plus haut εn = D’autre part hn hn hn z (tn ) − yn+ 1 − z (tn ) + = z tn + 2 2 2 2 1 2 [1] 1 2 h f (tn . yn ) = yn +   2 2       pn = f tn + hn . 2 hn − (yn+1 − z (tn )) 2 hn hn hn . avec yn = z (tn ).

Il s’ensuit naturellement que les par la pente pn−1 calcul´ ees en des valeurs yn . y ). Pour des m´ ethodes d’ordres diff´ erents la comparaison ne tient pas. le reste consistant en un petit nombre d’additions ou de multiplications. yn ) − pn−1 f (tn . On peut ´ en = (z (tn+1 ) − yn+1 ) + (yn+1 − yn+1 ) = en + εn . valeurs yn sont elles aussi modifi´ Remarque – Le d´ emarrage (´ etape n = 0) pr´ esente une difficult´ e car la pente et´ e´ evalu´ ee. on voit que la seule op´ eration ´ eventuellement coˆ uteuse en temps de calcul est l’´ evaluation de la fonction f (t. yn− 1 2 2 . . On r´ esout cette difficult´ e en initialisant p−1 = f (t0 . puisqu’une m´ ethode d’ordre plus ´ elev´ e exige ` a pr´ ecision ´ egale un nombre de pas nettement inf´ erieur. p−1 n’a pas ´ On observera que la m´ ethode du point milieu modifi´ e est en fait une m´ ethode ` a2 pas (les ´ etapes n et n − 1 sont utilis´ ees pour calculer yn+1 ). f (tn . . en supposant ecrire yn = z (tn ). Dans la m´ ethode du point milieu. On mesure donc le coˆ ut d’une m´ ethode d’ordre donn´ e par le nombre d’´ evaluations de la fonction f qu’elle r´ eclame ` a chaque pas. ´ Evaluons maintenant l’erreur de consistance en = z (tn+1 ) − yn+1 . y0 ). on va modifier le calcul successif de f (tn . yn ) et de n en introduisant l’algorithme suivant. yn ) :  hn   yn+ 1 pn−1 = yn +   2 2       pn = f tn + hn . en rempla¸ cant la pente f (tn . yn+ 1 2 2    yn+1 = yn + hn pn        tn+1 = tn + hn . yn ) − f tn−1 + hn−1 . yn+ 1 .` un pas VIII – M ´ ethodes num´ eriques a 225 ½º º¶ Å Ø Ó Ù ÔÓ ÒØ Ñ Ð Ù ÑÓ Si on observe les algorithmes pr´ ec´ edents. yn+ 1 la pente interm´ ediaire pn = f tn + h2 2 qui fait l’´ economie de l’´ evaluation de f (tn . yn ) On a donc modifi´ e l´ eg` erement le calcul de yn+ 1 2 ee ` a l’´ etape ant´ erieure.y 1 − f tn + 2 2 2 n+ 2 . Il vient εn = yn+1 − yn+1 = hn f tn + − yn+ 1 = yn+ 1 2 2 hn 2 hn = 2 hn hn . o` u en est l’erreur de consistance de la m´ ethode du point milieu standard (on suppose donc aussi yn = z (tn ) pour la calculer).

4 1 2 h hn−1 fy f [1] (tn . ¾º ØÙ ¾º½º Å Ø Ó Ò Ö Ð ×Ñ Ø Ó × ÙÒ Ô × ÒØ × × ÓÒ× ×Ø ÒØ ×¸ ×Ø Ð × Ø ÓÒÚ Ö La premi` ere notion que nous introduisons a trait au probl` eme de l’accumulation des erreurs de consistance (accumulation purement th´ eorique dans le sens o` u on tient pas compte du fait que la solution calcul´ ee s’´ ecarte de la solution exacte. 24 n 4 n La m´ ethode du point milieu modifi´ e est donc encore une m´ ethode d’ordre 2 (mais ce n’est pas une m´ ethode ` a un pas !). yn ) + o(h3 n + hn hn−1 ). yn ) + o(hn−1 ) 2 1 = hn−1 f [1] (tn .1). yn−i +1/2) converge vers f (tn . yn )fy (tn . Grˆ vient f (tn . 2 a la troisi` ` eme ligne on utilise le fait que yn = yn = z (tn ). yn− 1 2 2 hn−1 1 = ft (tn . yn ) + h2 hn−1 (fy f [1] )(tn .226 Or tn − tn−1 + hn−1 2 Analyse num´ erique et ´ equations diff´ erentielles = hn−1 2 et = yn − yn−1 + yn − yn− 1 2 hn−1 pn−2 2 hn−1 = yn − yn − hn−1 pn−1 + pn−2 2 1 = hn−1 pn−1 − pn−2 2 1 = hn−1 f (tn . yn ) + o(hn hn−1 ). yn ) + o(hn−1 ). 2 lorsque ace ` a la formule de Taylor pour les fonctions de 2 variables. . et a ` la quatri` eme le fait que pn−i = f (tn−i + hn−i /2. yn ) − f tn−1 + hn−2 . il hmax tend vers 0. 2 1 hn hn−1 f [1] (tn . yn ) + hn−1 f (tn . yn ) + o(h2 n hn−1 ). 4 n d’o` u yn+ 1 − yn+ 1 = 2 2 On en d´ eduit finalement εn = hn fy tn + hn . yn ) + o(hn−1 ) 2 2 1 = hn−1 (ft + f fy )(tn . cf. cn 2 yn+ 1 = − yn+ 1 2 2 d’o` u l’erreur de consistance en = 1 3 [2] 1 2 h f + 3fy f [1] (tn . yn ) + o(hn−1 ) . yn ) pour i = 1. sch´ emas du § 1.

yn+1 = yn + hn Φ(tn .1) on a yn+1 = yn + hn Φ(tn . telle que pour toutes suites (yn ). D´ efinition 3 – On dit que la m´ ethode est convergente si pour toute solution erifie exacte z . Calcul de l’erreur globale – Posons yn = z (tn ). Pour que les r´ ecurrent des points yn est en effet entˆ calculs soient significatifs. La quantit´ e max |yn − z (tn )| s’appelle l’erreur globale (de la suite yn calcul´ ee par 0≤n≤N rapport a ` la solution exacte z ). Corollaire – Si la m´ ethode est stable et consistante. de constante de stabilit´ e S . yn .` un pas VIII – M ´ ethodes num´ eriques a 227 |en |. yn . la suite yn telle que yn+1 = yn + hn Φ(tn . On est amen´ e` a la d´ efinition suivante. C’est ´ evidemment cette erreur qui importe dans la pratique. le calcul ach´ e d’erreurs d’arrondi εn . Une autre notion fondamentale est la notion de stabilit´ e. D´ efinition 2 – On dit que la m´ ethode est stable s’il existe une constante S ≥ 0. tend 0≤n≤N D´ efinition 1 – On dit que la m´ ethode est consistante si pour toute solution exacte z la somme des erreurs de consistance relatives a ` z . yn . l’erreur globale est donc max |yn − z (tn )| ≤ S |y0 − z (t0 )| + 0≤n<N 0≤n≤N |en | . hn ) v´ 0≤n≤N max |yn − z (tn )| → 0 quand y0 → z (t0 ) et quand hmax → 0. hn ) + εn . Dans la pratique. § 2. il est indispensable que la propagation de ces erreurs reste contrˆ olable. 0≤n<N max |yn − yn | ≤ S |y0 − y0 | + Autrement dit. Si la m´ ethode est stable. . Une derni` ere notion importante en pratique est la suivante. appel´ ee constante de stabilit´ e. (yn ) d´ efinies par yn+1 = yn + hn Φ(tn . soit vers 0 quand hmax tend vers 0. hn ). hn ) + en . elle est convergente. on ait 0≤n≤N 0≤n<N 0≤n<N |εn | . une petite erreur initiale |y0 − y0 | et de petites erreurs d’arrondi εn dans le calcul r´ ecurrent des yn provoquent une erreur finale max |yn −yn | contrˆ olable. Par d´ efinition de l’erreur de consistance (cf. yn .

Par cons´ equent. y ). z (cn ). t0 + T ] × [0. ¾º¾º ÓÒ Ø ÓÒ Ò ×× Ö Ø ×Ù × ÒØ ÓÒ× ×Ø Ò Soit z une solution exacte de l’´ equation (E) et soient en = z (tn+1 ) − z (tn ) − hn Φ(tn . h) est continue sur [t0 . z (tn ). t0 + T ] × R. |en | = 0 pour toute solution la m´ ethode est consistante si et seulement si lim exacte z . Par d´ efinition. βn = Φ(cn . On en d´ eduit hmax →0 lim |en | = 0≤n<N hmax →0 t0 +T lim hn |αn | 0≤n<N = t0 |f (t. Comme la fonction (t. z (cn )) d’o` u en = hn (f (cn . hn ) les erreurs de consistance correspondantes. z (cn )) − Φ(cn . h) → Φ(t. 0). Pour hmax ≤ η on a donc |en | − 0≤n<N 0≤n<N hn |αn | ≤ 0≤n<N hn |βn | ≤ ε hn = T ε. D’apr` es le th´ eor` eme des accroissements finis. z (t). hn )) = hn (αn + βn ) avec αn = f (cn . z (cn )) − Φ(tn . 0) = f (t. Il r´ esulte de ce th´ eor` eme que les m´ ethodes ` a un pas d´ ej` a mentionn´ ees sont bien consistantes. pour tout ε > 0. y. 0) − Φ(tn . il existe η > 0 tel que hmax ≤ η → |βn | ≤ ε. z (cn ). z (t). z (tn ). . il existe cn ∈ ]tn . δ ] qui est compact.228 Analyse num´ erique et ´ equations diff´ erentielles En effet 0≤n<N |en | tend vers 0 quand hmax tend vers 0. z (tn ). 0)|dt car hn |αn | est une somme de Riemann de l’int´ egrale pr´ ec´ edente. tn+1 [ tel que z (tn+1 ) − z (tn ) = hn z (cn ) = hn f (cn . On en d´ eduit : seulement si ∀(t. elle y est uniform´ ement continue. z (t)) − Φ(t. Th´ eor` eme – La m´ ethode ` a 1 pas d´ efinie par la fonction Φ est consistante si et Φ(t. puisque la m´ ethode est consistante par hypoth` ese. hn ). y ) ∈ [t0 .

yn . t0 + T ]. yn+1 = yn + hn Φ(tn . y1 . il suffit que la fonction Φ soit lipschitzienne en y . θn ≥ 0 et εn ∈ R telles que θn+1 ≤ (1 + Λhn )θn + |εn |. Supposons maintenant l’in´ egalit´ e vraie ` a l’ordre n. D´ emonstration. Le lemme se v´ erifie par r´ ecurrence sur n. il faut savoir estimer d’une part la constante de stabilit´ e S . et d’autre part la somme 0≤n<N |en |. h)| ≤ Λ|y1 − y2 |. Par hypoth` ese on a θn+1 ≤ eΛ(tn+1 −tn ) θn + |εn | ≤ eΛ(tn+1 −t0 ) θ0 + 0≤i≤n−1 eΛ(tn+1 −ti+1 ) |εi | + |εn |. on obtient |yn+1 − yn+1 | ≤ |yn − yn | + hn Λ|yn − yn | + |εn |. ∀h ∈ R on ait |Φ(t. Alors θn ≤ eΛ(tn −t0 ) θ0 + 0≤i≤n−1 eΛ(tn −ti+1 ) |εi |. ∀(y1 . L’in´ egalit´ e cherch´ ee s’ensuit ` a l’ordre n + 1. En posant θn = |yn − yn |. hn ) + εn . y2 . yn . h) − Φ(t. Consid´ erons deux suites (yn ). y2 ) ∈ R2 . l’in´ egalit´ e se r´ eduit a ` θ0 ≤ θ0 .1. (yn ) telles que yn+1 = yn + hn Φ(tn . Pour n = 0. Dans ce cas. on peut prendre pour constante de stabilit´ e S = eΛ T . . Th´ eor` eme – Pour que la m´ ethode soit stable. Par diff´ erence. c’est-` a-dire qu’il existe une constante Λ ≥ 0 telle que ∀t ∈ [t0 . Lemme de Gronwall (cas discret) – Soient des suites hn . hn ). il vient θn+1 ≤ (1 + Λhn )θn + |εn |.` un pas VIII – M ´ ethodes num´ eriques a 229 ¾º¿º ÓÒ Ø ÓÒ ×Ù × ÒØ ×Ø ÐØ Pour pouvoir majorer l’erreur globale d´ ecrite au § 2. Le r´ esultat suivant permet d’´ evaluer S . On observe que 1 + Λhn ≤ eΛhn = eΛ(tn+1 −tn ) .

le lemme de Gronwall implique 0≤n≤N max θn ≤ eΛT θ0 + 0≤i≤N −1 |εi | Par d´ efinition de θn .230 Analyse num´ erique et ´ equations diff´ erentielles Comme tn − t0 ≤ T et tn − ti+1 ≤ T . yn ∈ J et pour hmax ≤ δ . y ) . Corollaire – Lorsque f est lipschitzienne en y . y2 ∈ R et h ∈ R (ne serait-ce que parce que le domaine de d´ efinition de Φ est peut-ˆ etre plus petit). 2 2 On peut prendre ici Λ = k 1 + 1 2 hmax k . • Dans la m´ ethode d’Euler. les m´ ethodes d’Euler et du point milieu sont convergentes. y2 .1. S = exp kT 1 + ` 1/k2 T ). § 3. et le th´ eor` eme est d´ emontr´ e. h)| ≤ k y1 + ≤ k |y1 − y2 | + h h f (t. y2 ) 2 2 h h . Φ(t. • Dans la m´ ethode du point milieu. y1 . 2 2 h |f (t. cette constante est du mˆ eme ordre de Si hmax est petit (par rapport a grandeur que dans la m´ ethode d’Euler. d’o` u 1 hmax k 2 . y1 ) − f (t. On peut prendre Λ = k . Dans ce cas. h) − Φ(t. y. y. y1 ) − y2 + f (t. on a Φ(t. Exemples – Supposons que la fonction f soit lipschitzienne de rapport k en y et calculons Λ. y + f (t. S pour les diff´ erentes m´ ethodes d´ ej` a pr´ esent´ ees. Par contre cette hypoth` ese u J est un est souvent satisfaite si on se restreint ` a des y1 . la constante de stabilit´ e S = eΛT est valable pour des suites yn . on a donc 0≤n≤N max |yn − yn | ≤ eΛT |y0 − y0 | + 0≤n≤N |εn | . Le lecteur observera l’analogie des techniques utilis´ ees pour obtenir ce corollaire avec celles utilis´ ees au chapitre V. y2 )| 2 h 1 ≤ k |y1 − y2 | + k |y1 − y2 | = k 1 + hk |y1 − y2 |. y2 ∈ J et |h| ≤ δ o` intervalle ferm´ e born´ e assez petit. . l’hypoth` ese lipschitzienne faite sur Φ est tr` es rarement satisfaite globalement pour y1 . h) = f (t. Remarque – Dans la pratique. h) = f t + On en d´ eduit |Φ(t. y ). S = ekT .

y ). yn . . hn ) o` yn = z (tn ). 0) + o(hp n ). y. yn . il existe une constante C ≥ 0 telle que l’erreur de consistance relative a ` z v´ erifie +1 |en | ≤ Chp n . ∀n. Rappelons que l’erreur de consistance est donn´ ee par u en = z (tn+1 ) − yn − hn Φ(tn . Elle est dite d’ordre p (exactement) si elle est d’ordre ≥ p mais pas d’ordre ≥ p + 1. 0) + o(hp n ) Cons´ equence – La m´ ethode est d’ordre ≥ p si et seulement si Φ est telle que ∂lΦ 1 f [l] (t. 0) = l ∂h l+1 0 ≤ l ≤ p − 1. (t. yn . (l + 1)! n = l=0 On en d´ eduit aussitˆ ot p en = l=0 1 1 l+1 ∂lΦ hn f [l] (tn . la solution z est de classe C p+1 donc z (tn+1 ) − yn = z (tn + h) − z (tn ) p+1 = k=1 p 1 k (k ) +1 h z (tn ) + o(hn ) n k! n 1 +1 hl+1 f [l] (tn . La formule de Taylor donne alors p Φ(tn . yn . l! n ∂hl Si f est de classe C p . La d´ efinition de l’ordre que nous allons donne prend l’erreur de consistance comme point de d´ epart (le lecteur prendra garde au d´ ecalage d’une unit´ e entre l’ordre et l’exposant de hn dans l’erreur de consistance ! ) D´ efinition – On dit qu’une m´ ethode ` a 1 pas est d’ordre ≥ p si pour toute solution exacte z d’une ´ equation diff´ erentielle (E) y = f (t. y ) o` u f est de classe C p . 0 ≤ n < N.` un pas VIII – M ´ ethodes num´ eriques a 231 ¾º º ÁÒ ÐÙ Ò Ð³ÓÖ Ö Ð Ñ Ø Ó ×ÙÖ Ð³ ÖÖ ÙÖ ÐÓ Ð Nous allons voir ici que l’ordre d’une m´ ethode num´ erique a une influence d´ eterminante sur la pr´ ecision que cette m´ ethode permet d’atteindre. hn ) = l=0 1 l ∂lΦ h (tn . Supposons que Φ soit de classe C p . yn ) − l! l+1 ∂hl +1 tn . yn ) + o(hp n ).

0) + o(hp n ). on a |en | ≤ 0≤n<N +1 Chp ≤C n p hn hp max ≤ CT hmax . yn ) − (tn . hmax ]. l’erreur en se r´ eduit a ` en = 1 1 p+1 ∂pΦ +1 hn f [p] (tn . +1 elle. L’erreur initiale |y0 − z (t0 )| est g´ en´ eralement n´ egligeable.232 Analyse num´ erique et ´ equations diff´ erentielles Sous cette hypoth` ese. (p + 1)! p! ∂hp Ceci permet (au moins th´ eoriquement) de trouver une constante C dans la majoration de l’erreur de consistance : on peut prendre C= o` u les normes 1 f [p] (t. yn . z (t)) (p + 1)! ∞ ∞ + 1 p! ∂pΦ (t. Si la constante SCT n’est pas trop grande (disons ≤ 102 ). L’utilisation de la formule de Taylor avec reste de Lagrange implique l’existence de points τn ∈ ]tn . Majoration de l’erreur globale – Compte tenu de la majoration suppos´ ee satisfaite pour en . t0 + T ] × [0. est en hp n ). z (τn )) − (tn . p! p+1 ∂hp Remarque – De ce qui pr´ ec` ede on d´ eduit les ´ equivalences M´ ethode consistante ⇔ Φ(t. 0) = f (t. z (t). h) ∂hp ∞ sont ´ etendues aux (t. L’erreur globale donn´ ee avec une par une m´ ethode stable d’ordre p est donc de l’ordre de grandeur de hp max constante de proportionnalit´ e SCT (on retiendra que l’ordre est ´ egal ` a l’exposant de hmax dans la majoration de l’erreur globale. . y. alors que l’erreur de consistance. une m´ ethode d’ordre 3 ecision globale de l’ordre avec pas maximum hmax = 10−2 permet d’atteindre une pr´ de 10−4 . y ) ⇔ M´ ethode d’ordre ≥ 1. hmax [ tels que +1 en = hp n 1 1 ∂pΦ f [p] (τn . tn+1 [ et ηn ∈ ]0. ηn ) . h) ∈ [t0 . Si la m´ ethode est stable avec constante de stabilit´ e S . z (tn ). on obtient donc la majoration 0≤n≤N max |yn − z (tn )| ≤ S (|y0 − z (t0 )| + CT hp max ).

|ρn | ≤ ρ.` un pas VIII – M ´ ethodes num´ eriques a 233 ¾º º ÁÒ ÐÙ Ò × ÖÖ ÙÖ× ³ ÖÖÓÒ L’erreur globale calcul´ ee au § 2. Dans la r´ ealit´ e l’ordinateur va calculer non pas la suite r´ ecurrente yn . L’erreur totale commise est donc 0≤n≤N max |yn − z (tn )| ≤ S (|ε0 | + T ρ + N σ + CT hp max ) T h Supposons le pas hn = h constant pour simplifier. hn ). Il se peut ´ egalement que y0 diff` ere l´ eg` erement de la valeur th´ eorique y0 : y0 = y0 + ε0 . |σn | ≤ σ . |ε0 | ≤ 10−10 ).4 est une erreur th´ eorique. σ d´ ependent des caract´ eristiques de l’ordinateur et de la pr´ ecision des op´ erations arithm´ etiques (si les r´ eels sont cod´ es sur 6 octets. mais une valeur approch´ ee yn de yn dans laquelle interviendront • une erreur d’arrondi ρn sur Φ(tn . yn . Les constantes ρ. En d´ efinitive. On a alors N = major´ ee par E (h) = S (|ε0 | + T ρ + et l’erreur est σ T σ + CT hp ) = S (|ε0 | + T ρ) + ST + Chp h h L’´ etude de E (h) donne la courbe suivante. • une erreur d’arrondi σn sur le calcul de yn+1 . hopt = pC . avec un minimum de E (h) r´ ealis´ e en 1 σ p+1 . A cette erreur due aux arrondis s’ajoute l’erreur globale th´ eorique 0≤n≤N max |yn − z (tn )| ≤ SCT hp max si y0 = z (t0 ). on a typiquement ρ = 10−9 . c’est-` a-dire qu’elle ne tient pas compte des erreurs d’arrondi qui se produisent in´ evitablement en pratique. hn ) + ρn ) + σn = yn + hn Φ(tn . hn ) + hn ρn + σn . yn . yn . σ = 10−10 . Si la m´ ethode est stable avec constante de stabilit´ e S . on en d´ eduit max |yn − yn | ≤ S |ε0 | + 0≤n<N 0≤n≤N (hn |ρn | + |σn |) ≤ S (|ε0 | + T ρ + N σ ). on aura yn+1 = yn + hn (Φ(tn . Hypoth` ese – ∀n.

l’erreur augmente ! Ceci est dˆ u au fait que le augmente. on obtient l’algorithme yn+1 = (1 + h + h2 /2)yn .7182368616 2. Si on prend un pas plus petit. et avec lui les erreurs d’arrondi. 3 · 10−7 8. 1]. 3 y0 = 1.7182817882 2. L’exp´ Exemple – Consid´ erons le probl` eme de Cauchy y = y avec donn´ ee y0 = 1 en u y (1) = e 2. La solution exacte est y (t) = et . 8 · 10−6 4. ce qui donne hopt ≥ 10−11 2 · e/6 1/3 2.7182817607 2. Les erreurs d’arrondi l’emportent alors sur l’erreur globale th´ eorique erience num´ erique suivante confirme ces pr´ evisions th´ eoriques. Nopt = T < 4500. 1 · 10−8 1. lorsque le pas nombre de pas N = T h h diminue.7182817661 2. 8 · 10−8 8.7182817507 2.7182817473 2.7182817436 2.7182817014 Erreur y (1) − yN 4. on peut au mieux esp´ erer σ = 10−11 . Si l’on t0 = 0. 5 · 10−8 6. on obtient hopt 10−3 .7182813650 2. d’o` u en ≤ Ch3 avec C = e/6 sur [0. 2 · 10−8 4. 224 · 10−4 . 0 · 10−8 5. 7182818285. 8 · 10−8 7. L’erreur de consistance est donn´ ee par en ∼ h yn /6. SCT hp . 3 · 10−7 . 0 · 10−8 6. 2 · 10−3 4. hopt Un calcul sur un ordinateur disposant d’une pr´ ecision relative maximale des r´ eels e en fait les r´ esultats suivants : de 10−11 environ nous a donn´ Nombre de pas N N N N N N N N N N N N N = 10 = 100 = 500 = 1000 = 2000 = 3000 = 4000 = 4400 = 5000 = 6000 = 7000 = 10000 = 20000 Valeur yN associ´ ee 2.7182800146 2.7140808465 2. d’o` utilise la m´ ethode du point milieu avec pas constant h.7182816975 2. 6 · 10−7 1. Par ailleurs.7182817787 2.234 E (h) Analyse num´ erique et ´ equations diff´ erentielles hopt h Typiquement. pour une m´ ethode d’ordre p = 2 o` u pC 10. 5 · 10−5 4. T ] = [0.

y (0) = 1 3. on entend en g´ en´ eral l’existence Par l’expression continuit´ d’une constante de Lipschitz petite en regard de la pr´ ecision des calculs. y (t) = t2 et plus g´ en´ eralement y (t) = 0. On notera que la d´ efinition 2 ne fait pas r´ ef´ erence ` a la m´ ethode de calcul utilis´ ee. Exemple 2 – Soit le probl` eme de Cauchy y = 3y − 1. 10] .` un pas VIII – M ´ ethodes num´ eriques a 235 4400. t ∈ [0. Exemple – Consid´ erons le probl` eme de Cauchy y = 2 |y |. Il n’y a ici ni unicit´ e. Le nombre de pas optimal observ´ e est Nopt ¾º º ÈÖÓ Ð Ñ × Ò ÔÓ× ×¸ Ò ÓÒ Ø ÓÒÒ ×¸ ÔÖÓ Ð Ñ × Ö × L’objet de ce paragraphe est de mettre en ´ evidence les difficult´ es qui peuvent apparaˆ ıtre dans la mise en œuvre des algorithmes de r´ esolution num´ erique.2) montrent que le probl` eme de Cauchy est math´ ematiquement bien pos´ e d` es que f (t. D´ efinition 2 – On dit qu’un probl` eme de Cauchy est num´ eriquement bien pos´ e si la continuit´ e de la solution par rapport a ` la donn´ ee initiale est suffisamment bonne pour que la solution ne soit pas perturb´ ee par une erreur initiale ou des erreurs d’arrondi faibles. Les r´ esultats du chapitre V § 3.2 (et ceux a ` venir du chapitre XI § 1. √ L’utilisation de la m´ ethode d’Euler yn+1 = yn + 2hn yn va conduire aux solutions approch´ ees suivantes : • si y0 = 0 • si y0 = ε y (t) = 0 y (t) (t + √ ε)2 quand hmax → 0. Le probl` eme de Cauchy est donc math´ ematiquement mal pos´ e. e suffisamment bonne . y ) est localement lipschitzienne en y . ni continuit´ e de la solution. t ∈ [0. y (t) = (t − a)2 . +∞[ Ce probl` eme admet les solutions y (t) = 0. a] t ∈ [a. y (0) = 0. D´ efinition 1 – On dit qu’un probl` eme de Cauchy est math´ ematiquement bien pos´ e si la solution est unique et d´ epend continˆ ument de la donn´ ee initiale. +∞[. t ∈ [0.

mais num´ eriquement mal eme redevient pos´ e si la pr´ ecision des calculs est seulement de 10−10 . e algorithmes permettant de traiter certains probl` emes raides. D´ efinition 3 – On dit qu’un probl` eme est bien conditionn´ e si les m´ ethodes num´ eriques usuelles peuvent en donner la solution en un temps raisonnable. il est n´ 1 . On sait qu’en g´ en´ eral la constante de stabilit´ e S est major´ ee par eΛT . d’o` u Supposons h = pour t = 1 Une erreur initiale y0 = y50 = 1 + 250 ε 5 1 5 + ε conduit a ` yn = 1 5 + (−2)m ε.236 Analyse num´ erique et ´ equations diff´ erentielles La solution exacte est y (t) = t + 1 ee initiale y (0) = 3 . on voit soit 150h ≤ 2. t ∈ [0. 1]. La solution exacte est y (t) = 1 ee initiale y (0) = 1 5 et la donn´ 5 + ε fournit 1 −150t −150t . on peut avoir typiquement ΛT = 10 . on grande (disons nettement < 1010 si la pr´ dit qu’on a affaire a ` un probl` eme raide. Le probl` num´ eriquement bien pos´ e si la pr´ ecision des calculs est de 10−20 . . h ≤ 75 qu’il est n´ ecessaire de prendre un pas assez petit. Comme 0 ≤ e ≤ 1 sur [0. 5 5 1 1 . Exemple 3 – L’exemple suivant montre que mˆ eme un probl` eme num´ eriquement bien pos´ e peut soulever des difficult´ es inattendues : y = −150y + 30. y (0) = 1 5. et donc de faire des calculs plus coˆ uteux que d’ordinaire. 1 3 + ε fournit Le probl` eme est ici math´ ematiquement bien pos´ e. Le lecteur pourra consulter sur ce point le livre de CrouzeixMignot. La donn´ 3t + εe . Sinon. mais nous n’aborderons pas cette question. d’o` u 1 + 1015 ε! 50 ecessaire de prendre |1 − 150h| ≤ 1. 1]. Dans un 3 ΛT > 10400 . Pour que |yn | ne diverge pas vers +∞. yn − = (1 − 150h)n y0 − 5 5 1 50 . 1 1 yn+1 − = (1 − 150h)(yn − ). Bien que le probl` eme soit tout ` a fait bien pos´ e. le probl` eme est num´ eriquement y (t) = 5 + εe bien pos´ e. Il existe des probl` eme raide. La m´ ethode d’Euler avec pas constant h donne yn+1 = yn + h(−150yn + 30) = (1 − 150h)yn + 30h. Un probl` eme sera bien conditionn´ e si la constante de stabilit´ e S n’est pas trop ecision des calculs est 10−10 ). On a alors y (t) = t + 1 3 y (10) − y (10) = ε · e30 1013 ε.

t0 + T ] et on cherche ` a discr´ etiser ce probl` eme par rapport a ` une subdivision t0 < t1 < . q une m´ ethode d’int´ egration approch´ ee ci (Mi ) g (t)dt 0 1≤j<i aij g (cj ).i . 1]. . yn.j )). 1] : 1 (M) 0 g (t)dt 1≤j ≤q bj g (cj ).i = tn + ci hn . z (tn. z (tn + uhn )). z (tn.i z (tn.` un pas VIII – M ´ ethodes num´ eriques a 237 ¿º Å Ø Ó ¿º½º ÈÖ Ò Ô × ÊÙÒ Ò Ö Ð ¹ÃÙØØ On consid` ere un probl` eme de Cauchy y = f (t. Soit z une solution exacte de l’´ equation.j . z (tn + uhn )du. . il vient z (tn. y (t0 ) = y0 t ∈ [t0 . . z (t))dt ci = z (tn ) + hn 0 f (tn + uhn . yn. . De mˆ eme 1 z (tn+1 ) = z (tn ) + hn 0 f (tn + uhn .i = f (tn. En appliquant ces m´ ethodes d’int´ egration a ` g (u) = f (tn + uhn .i ) = z (tn ) + tn f (t.i ) avec tn. .j .j )). A chacun de ces points on associe la pente correspondante pn. ci ∈ [0. < ee est de calculer par r´ ecurrence les points (tn . ces m´ ethodes pouvant ˆ etre a priori diff´ erentes. z (tn + uhn ))du grˆ ace au changement de variable t = tn + uhn . On a tn.i ). 1 ≤ i ≤ q. On se donne ´ egalement une m´ ethode d’int´ egration approch´ ee sur [0. On se donne alors pour chaque i = 1. . 2. 1≤j ≤q z (tn ) + hn . L’id´ points interm´ ediaires (tn.i .i ) z (tn+1 ) z (tn ) + hn 1≤j<i aij f (tn. bj f (tn. y ). yn ) en utilisant des tN = t0 + T .

i = f (tn.. . 0 0 . . yn ) tn+1 = tn + hn   yn+1 = yn + hn pn. le seul choix possible est 0 0 1 On a ici c1 = 0. . yn.238 Analyse num´ erique et ´ equations diff´ erentielles La m´ ethode Runge-Kutta correspondante est d´ efinie par l’algorithme   tn... ¿º¾º Ü ÑÔÐ × Exemple 1 – Pour q = 1. .j         1≤j<i   pn. .. . . .. . Hypoth` ese – On supposera toujours que les m´ ethodes d’int´ egration (Mi ) et (M) sont d’ordre 0 au moins. cq 0 a21 .i )    tn+1 = tn + hn       bj pn. c’est-` a-dire ci = 1≤j<i aij . . aq 1 b1 0 0 . 0 aqq−1 bq − 1 0 0 . . .1 = yn . a11 = 0. . tn.j . .i . . b1 = 1. .. aq 2 b2 . . .1 Il s’agit de la m´ ethode d’Euler.i = yn + hn aij pn.1 = f (tn .1 = tn . On pose par convention aij = 0 pour j ≥ i.   yn+1 = yn + hn 1≤j ≤q 1≤i≤q On la repr´ esente conventionnellement par le tableau (M1 ) (M2 ) c1 c2 . yn. pn. . .. . . . 0 0 bq (Mq ) (M) o` u les m´ ethodes d’int´ egration approch´ ees correspondent aux lignes..1 = f (tn .. yn ). . .i = tn + ci hn        yn. En particulier. on aura toujours c1 = 0. L’algorithme est donn´ e par    pn. 1= 1≤j ≤q bj .

2 . yn. 1 2α pn. yn + f (tn . yn + hn f (tn . yn )) .2 = f (tn. C’est n´ eanmoins la premi` ere formulation qui est la plus efficace en pratique.2 )      tn+1 = tn + hn      yn+1 = yn + hn 1 − ou encore. 1]. sous forme condens´ ee : yn+1 = yn + hn 1− 1 2α f (tn . 2 . yn ) + f (tn+1 . 2 2 qui repose sur la m´ ethode d’int´ egration des trap` ezes : 1 (M) 0 g (t)dt 1 (g (0) + g (1)).2 . 2 • Pour α = 1. yn )) . yn ) + 1 f (tn + αhn . on obtient la m´ ethode de Heun : yn+1 = yn + hn 1 1 f (tn . yn ) . 2α 0 0 1 2α . puisqu’elle requiert seulement deux ´ evaluations de la fonction f au lieu de 3 pour la forme condens´ ee. on retrouve la m´ yn+1 = yn + hn f tn + hn hn . yn )      t n.2 = yn + αhn pn. 2 2 qui est bas´ ee sur la m´ ethode d’int´ egration du point milieu : 1 (M) 0 g (t)dt g 1 .1 = f (tn .1 pn. ethode du point milieu • Pour α = 1 2 . o` u α ∈ ]0. yn + αhn f (t.` un pas VIII – M ´ ethodes num´ eriques a 239 Exemple 2 – Pour q = 2. on consid` ere les tableaux de la forme 0 α 0 α 1 1− 2α L’algorithme s’´ ecrit ici  pn.2 = tn + αhn      yn.1 + 1 2α pn.

1     p = f ( t n.2 = yn + 1  2 hn pn.3 = f (tn.4 = yn + hn pn. rectangles ` a droite. Dans ce cas les m´ ethodes ees sont respectivement : d’int´ egration (Mi ) et (M) utilis´ (M2 ) (M3 ) (M4 ) (M) 0 1 2 g (t)dt g (t)dt g (t)dt 0 1 2 1 g (0) : 2 1 1 g : 2 2 g 1 : 2 rectangles ` a gauche. yn )      tn.4 = tn+1 ) n.2 = tn + 1  2 hn     yn.3      pn. yn. hn ) .2 pn.2 .2    yn.4 = f (tn+1 . Simpson.3 )      tn+1 = tn + hn      yn. yn.3 = yn + 1 2 hn pn.3 + 1 6 pn. 1 2 0 0 1 6 1 0 2 6 L’algorithme correspondant s’´ ecrit  pn.3 = tn. point milieu.4 )     y =y +h 1 p n+1 n n 6 (noter que tn.2 )   n. yn.240 Analyse num´ erique et ´ equations diff´ erentielles Exemple 3 – M´ ethode de Runge-Kutta classique : Il s’agit de la m´ ethode d´ efinie par le tableau 0 1 2 0 1 2 0 0 1 2 0 0 0 1 2 6 0 0 0 0 1 6 q = 4.2 + 2 6 pn. yn . 0 1 0 1 g (t)dt 1 1 2 1 2 1 g (0) + g + g + g (1) : 6 6 2 6 2 6 ¿º¿º ËØ ÐØ ×Ñ Ø Ó × ÊÙÒ ¹ÃÙØØ Les m´ ethodes de Runge-Kutta sont des m´ ethodes ` a un pas yn+1 = yn + hn Φ(tn .4 On verra plus loin que cette m´ ethode est d’ordre 4.1 + 2 6 pn.2 .1 = f (tn .2 ) (noter que tn.

yn . . avec constante de Remarque – Dans le cas fr´ equent o` u les coefficients bj sont ≥ 0. + (αkhmax )j −1 ). Pour i = 1.3 poss` edent une excellente stabilit´ e erieure possible pour S . . z. yj ) avec 1≤j ≤q   Φ(t. + (αkhmax )q−1 ). Corollaire – stabilit´ e S = eΛT . 2. 3 du § 3. Alors |yi − zi | ≤ (1 + (αkh) + (αkh)2 + . 1≤j<i 1 ≤ i ≤ q.` un pas VIII – M ´ ethodes num´ eriques a 241 avec Φ(tn . yj ). + (αkh)i−2 )|y − z |. (∗) Supposons que f soit k -lipschitzienne en y . h) − Φ(t. Par hypoth` ese de r´ ecurrence il vient max |yj − zj | ≤ (1 + αkh + . On d´ emontre le lemme par r´ ecurrence sur i. Les m´ ethodes de Runge-Kutta sont stables. On va montrer que Φ est alors ´ egalement efinis a ` partir de z comme lipschitzienne. y. + (αkh)i−1 )|y − z |. Soit z ∈ R et supposons Φ(t. . z. La fonction Φ est d´ efinie de mani` ere explicite par bj f (t + cj h. Alors |yi − zi | ≤ |y − z | + h j<i j<i |aij | · k · max |yj − zj |. . La formule (∗) entraˆ ıne maintenant |Φ(t. j<i |yi − zi | ≤ |y − z | + αkh max |yj − zj |. . Lemme – Soit α = max i 1≤j ≤i |aij | . . on a y1 = y . y. Ces observations montrent que les m´ Kutta d´ ecrites dans les exemples 1. i Lorsque hmax est assez petit devant 1/αk. la constante de stabilit´ e est donc de ethodes de Rungel’ordre de grandeur de ekT . quelle que soit (il est facile de voir que ekT est la borne inf´ la m´ ethode utilis´ ee : consid´ erer pour cela l’´ equation y = ky ). Si les coefficients aij sont eux-mˆ emes ≥ 0. . on a α = max ci . Supposons l’in´ egalit´ e vraie pour tout j < i. . z1 = z et le r´ esultat est ´ evident. h) et zi d´ dans la formule (∗). j<i et l’in´ egalit´ e s’ensuit ` a l’ordre i. h)| ≤ 1≤j ≤q |bj | k |yj − zj | ≤ Λ|y − z | avec Λ=k 1≤j ≤q |bj |(1 + (αkhmax ) + . on a la relation Λ ≤ k (1 + (αkhmax ) + . hn ) = 1≤j ≤q bj pn. h) =      y =y+h   i aij f (t + cj h.j . .

y. h) = ∂h bj cj ft (t + cj h. y.3. h) = ∂h2 b j c2 j ftt + 2cj fty j ∂yj + fyy ∂h ∂yj ∂h 2 + fy ∂ yi ∂yj =2 aij cj ft + fy ∂h2 ∂h j<i Pour h = 0. . y ) + 2 j i.j bi aij cj fy (ft + fy f )(t. . y ). e par Or f [2] est donn´ f [2] (t. il vient ∂ 2 yi =2 ∂h2 h=0 2 ∂ Φ (t. b j cj = 1 2. 0) = ∂h bj cj f [1] (t. y. aij cj (ft + fy f )(t. y ) bj cj (ft + fy f )(t. la m´ ethode est d’ordre ≥ 2 si et seulement si • 2 ∂2Φ (t. Grˆ ace ` a la formule (∗) du § 3.4 consistant a `´ evaluer les l Φ d´ eriv´ ees ∂ ( t. 2 b j c2 j (ftt + 2fty f + fyy f )(t.4. y. y ).242 Analyse num´ erique et ´ equations diff´ erentielles ¿º º ÇÖ Ö ×Ñ Ø Ó × ÊÙÒ ¹ÃÙØØ Pour d´ eterminer l’ordre. = (ftt + 2fty f + fyy f 2 ) + fy (ft + fy f ). y. ∂h2 D’apr` es le § 2. on peut appliquer le crit` ere du § 2. 0) = ∂h2 +h j<i aij c2 j ftt + . yj ) + fy (t + cj h. yj ) j ∂yj . ∂ 2 yj . yj ) + h j<i j<i aij cj ft + fy ∂yj . ∂h Pour h = 0. ∂h ∂yi = ∂h aij f (t + cj h. y ) pour l ≤ p − 1. y ). 0) = 1≤j ≤q bj f (t. on obtient facilement les d´ eriv´ ees successives de Φ : • Φ(t. 0) : l’ordre est au moins ´ e gal ` a p si et seulement si cette d´ eriv´ ee l ∂h 1 est ´ egale ` a l+1 f [l] (t. y. . • ∂Φ (t. y ) = (f [1] )t + (f [1] )y f = (ft + fy f )t + (ft + fy f )y f = ftt + fty f + fy ft + fty f + fyy f 2 + fy2 f. y ) = j ∂Φ (t. y ) = ci f (t. Les m´ ethodes de Runge-Kutta sont donc toujours d’ordre ≥ 1 (c’est-` a-dire consistantes). on obtient donc ∂yi ∂h = j<i h=0 aij f (t. . y ) = f (t. y ).

. De plus. grande stabilit´ e (grˆ ace ` a la positivit´ e des coefficients. y ) se traduit en g´ en´ eral par les conditions 1 . . Enfin.j 1 . i.j. on voit ainsi que la m´ ethode d’Euler est d’ordre 1. 3 b j c3 j = j 1 4 bi ci aij cj = 1 . ∂h3 conduirait au r´ Th´ eor` eme – La m´ ethode de Runge-Kutta d´ efinie par le tableau des coefficients ci . il y a a priori un seul coefficient aij non nul. 6 i. puis f (t.k 1 .  sont des produits des matrices C =  .2. bq ). on notera que certaines des expressions pr´ ec´ edentes   c1 . y ) = t + y pour obtenir ces deux 3 Φ conditions). 2 1 . dans une m´ ethode avec ` savoir α = a21 . . la m´ ethode Runge-Kutta classique pr´ esent´ ee dans l’exemple 3 est d’ordre 4 4 (l’ordre n’est pas ≥ 5 car bj cj = 1/5). bi aij c2 j = 12 i.j i. 8 i. y. 6 b j cj = j 1 . voir remarque finale du § 3. 0) = 1 3 f [2] (t. y ) = t2 . B = (b1 b2 .j b j c2 j = j 1 6 (prendre respectivement f (t. Pour les exemples du § 3.j i. c2 = j<2 a2j = α et la m´ soit b2 = 1/2α et b1 = 1 − b2 = 1 − 1/2α. . 3 bi aij cj = i. On voit donc qu’il n’y avait pas d’autres choix possibles pour une m´ ethode d’ordre 2 avec q = 2. 3 bi aij cj = i. aij . et que les m´ ethodes de l’exemple 2 sont d’ordre 2. On a alors q = 2. C’est si l’on peut dire la m´ ethode reine des m´ ethodes ` a un pas : ordre ´ elev´ e. bj est • d’ordre ≥ 2 ssi j b j cj = b j cj = j 1 .k bi aij ajk ck = BA2 C. Ainsi cq bi aij cj = BAC. Un calcul analogue (p´ enible !) de ∂ esultat suivant. a ethode est d’ordre 2 au moins ssi bj cj = b2 α = 1/2.j 1 bi aij cj = . 2 b j c2 j = j 1 . .` un pas VIII – M ´ ethodes num´ eriques a 243 La condition ∂2Φ ∂h2 (t. A = (aij ). mais leur plus grande complexit´ e les rend peut-ˆ etre un peu moins praticables. 2 b j c2 j = j • d’ordre ≥ 3 ssi • d’ordre ≥ 4 ssi 1 .4).j.3). bi aij ajk ck = 12 Pour la v´ erification pratique.j 1 . Il existe des m´ ethodes d’ordre encore plus ´ elev´ e (voir exercice 5.

il convient d’arrˆ eter l’algorithme avant de traverser la discontinuit´ e. Le calcul du pas sert alors de test d’arrˆ et.244 Analyse num´ erique et ´ equations diff´ erentielles º ÓÒØÖÓÐ ÙÔ × La mani` ere la plus simple pour appliquer une m´ ethode de r´ esolution num´ erique consiste ` a utiliser un pas constant hn = h. cf. • l’approche d’une discontinuit´ e ou d’une singularit´ e de l’´ equation diff´ erentielle ne peut se faire g´ en´ eralement qu’avec une r´ eduction importante du pas. et c’est ce rapport qu’il s’agit de contrˆ oler. t0 + T ] l’intervalle de temps consid´ er´ e. ıtrait du Il est bien entendu impossible de d´ eterminer exactement en . § 2.5). Dans cette circonstance. Dans la pratique. on a alors 0≤n≤N max |yn − z (tn )| ≤ S 0≤n<N |en | = S hn max hn |en | hn |en | . L’utilisation d’algorithmes a ` pas variables pr´ esente de ce point de vue deux avantages majeurs : • l’adaptation du pas a ` chaque ´ etape permet d’optimiser l’erreur commise en fonction de la tol´ erance prescrite ε. on se fixe un encadrement [hmin . hmax ] de fa¸ . La principale difficult´ e est alors de d´ eterminer hmax de fa¸ con que l’erreur globale ne d´ epasse pas une certaine tol´ erance ε fix´ ee ` a l’avance . sinon on connaˆ mˆ eme coup la solution exacte par la formule z (tn+1 ) = yn+1 + en ! On va supposer n´ eanmoins qu’on dispose d’une estimation e∗ n de en . 0≤n≤N Supposons ´ egalement qu’on dispose d’un estimation S de la constante de stabilit´ e. faute de quoi les erreurs deviennent impr´ evisibles. hmax ] du pas (hmin est impos´ e par les limitations du temps de calcul et par l’accroissement des erreurs d’arrondi con quand le pas diminue. En n´ egligeant l’erreur initiale |y0 − z (t0 )| et les erreurs d’arrondi. sous r´ eserve qu’on dispose d’une estimation instantan´ ee de l’erreur de consistance en . On essaie alors de choisir hn ∈ [hmin . on ne sait pas en effet quelle sera l’´ evolution de la solution ´ etudi´ ee. ≤δ= hn ST repr´ esente intuitivement l’erreur de consistance par unit´ e de temps. On suppose fix´ ee une tol´ erance ε pour l’erreur globale max |yn − z (tn )|. de sorte qu’il est difficile de pr´ evoir a priori les erreurs de consistance. hn ≤S |en | ≤ ST max hn Il suffit donc de choisir les pas hn en sorte que max |en | hn |en | ε . º½º ÈÖ Ò Ô Ò Ö Ð Ù ÓÒØÖÓÐ Soit [t0 .

• M´ ethode d’Euler Si pn = f (tn . beaucoup trop coˆ uteuses en temps de calcul. hmax ) | e∗ n| et de hn > δ . hn 2 con Ceci ne n´ ecessite aucun calcul suppl´ ementaire puisque pn+1 est de toute fa¸ n´ ecessaire pour l’´ etape suivante. • M´ ethode de Runge-Kutta d’ordre 2 0 α 0 α 1− D’apr` es le § 2. yn ) + o(hn ) on a une approximation de en donn´ e∗ 1 n = (pn+1 − pn ). l’algorithme si hn+1 < hmin . et qui ne r´ eclament pas de nouvelle ´ evaluation de f . º¾º ×Ø Ñ Ø ÓÒ Ù Ö ÔÔÓÖØ |en|/hn Pour estimer en . Ce dernier cas peut correspondre ` a l’approche d’une discontinuit´ e. | e∗ 1 n| hn < 3 δ . On est donc amen´ e ∂hl a rechercher des estimations ad hoc. yn . alors hn+1 := 0. alors hn+1 := hn . on prend h0 = hmin . a valeur initiale plus appropri´ ee. ` moins que l’on connaisse une Pour l’initialisation du pas. yn + hn f (tn . yn ) + o(hn ) = hn f [1] (tn . l’erreur augmentant continuellement malgr´ e la diminution du pas. yn ) + o(hn ). 0) + o(h3 n ). Comme en = 1 2 [1] 2 h2 ee par n f (tn . alors pn+1 − pn = f (tn + hn . yn ) − (tn . 3! 2! ∂h2 1 2α 0 0 1 2α . il n’est pas question d’utiliser les expressions analytiques des l Φ d´ eriv´ ees ∂ et f [l] .4 on a ici en = h3 n 1 [2] 1 ∂2Φ f (tn . yn ). qui n’utilisent si possible que des quantit´ ` es d´ ej` a calcul´ ees par l’algorithme. yn )fy (tn . yn ) + hn f (tn . Par exemple : • si • si • si | e∗ 1 n| 3 δ ≤ hn ≤ δ . alors hn+1 := min(1.25 hn . yn ) = hn ft (tn . et si l’erreur est notablement inf´ prudemment hn .8 hn .` un pas VIII – M ´ ethodes num´ eriques a 245 erieure on se permet d’augmenter que |e∗ n |/hn ≤ δ . yn )) − f (tn . avec arrˆ .

1 ). yn ).3 − pn.2 + pn. yn + hn 1− 1 1 pn.1 − pn. pn+1. Des d´ eveloppements limit´ es d’ordre 2 donnent apr` es calcul : h2 n (f + 2fty f + fyy f 2 ) + o(h2 n ).1 − 1 (pn. • M´ ethode de Runge-Kutta classique Il n’y a pas ici de m´ ethode simple permettant d’´ evaluer en .2 = f (tn + αhn . 6 4 6 On est par ailleurs amen´ e` a calculer les quantit´ es pn.1 + 2α 2α . yn ) + o(h3 n) 6 4 1 α 1 − (ftt + 2fty f + fyy f 2 ) + fy f [1] + o(h3 n ). yn + αhn pn.2 h2 eriv´ ees d’ordre ≤ 2 de f ). 2 1 h2 pn+1.1 = f (tn . des calculs analogues a ` ceux ci-dessus montrent que les quantit´ es λn = pn.1 sont de la forme et µn = pn.1 − pn. pn.1 − pn.4 donnent en = h3 n = h3 n Analyse num´ erique et ´ equations diff´ erentielles 1 [2] α f − (ftt + 2fty f + fyy f 2 ) (tn .2 pn. l’id´ ee est simplement que les d´ eveloppements limit´ es se ressemblent formellement.2 − pn.1 )fy pn+1.4 − 2pn.2 − pn. n × (d´ D’autre part.1 = f tn + hn .2 − pn. α Il n’y a pas de justification th´ eorique s´ erieuse pour cela. n × (d´ .1 = αhn f [1] + α2 On peut approximer tr` es grossi` erement en /hn par e∗ 1 n = hn 3 pn+1.1 = hn f [1] + hn 2α 2 h + n (ftt + 2fty f + fyy f 2 ) + o(h2 n ).1 ) = (1 − α) n (ftt + 2fty f + fyy f 2 ) α 2 h2 + n fy f [1] + o(h2 n ).1 − (pn. mˆ eme grossi` erement. On peut cependant observer que en = h5 eriv´ ees d’ordre ≤ 4 de f ) . 2 tt 1 (pn.246 et les calculs du § 3.2 − pn.1 ) . 2 pn.

Pour quelles valeurs de (α.1. γ sont des r´ eels compris entre 0 et 1. On ´ etudie la m´ ethode num´ erique (M) de r´ esolution de l’´ equation diff´ erentielle efinie par y = f (x. On consid` ere la m´ ethode de Runge-Kutta d´ efinie par le tableau 0 1/4 3/4 1 0 1 −9/20 1/9 0 0 6/5 0 0 0 1/3 5/9 . h)) 2 2 o` u α.2. et k -lipschitzienne en y . β. º ÈÖÓ Ð Ñ × 5. β. t0 + τ ] × R. (a) Pour quelles valeurs du triplet (α. γ ) retrouve-t-on • la m´ ethode d’Euler ? • la m´ ethode du point milieu ? • la m´ ethode de Heun ? (b) Dans cette question et la suivante. γ ) pour que la m´ ethode soit consistante ? convergente ? d’ordre ≥ 1 ? d’ordre ≥ 2 ? La m´ ethode (M) peut-elle ˆ etre d’ordre sup´ erieur ? 5. y ) d´ yn+1 = yn + hn Φ(tn . y ) est de classe C ∞ sur [t0 . on peut essayer de comparer ` 2 λ2 n + µn a ` √ δ ou (plus rapide) |λn | + |µn | a ` δ = δ= ε . y + f (t. β. y. § 6). y ) + βf (t + h h . Φ(t. yn . hn ). on supposera que la fonction f (t. chapitre 5. telles que les m´ ethodes de Runge-Kutta emboˆ ıt´ ees (voir par exemple le livre de Crouzeix-Mignot. h) = αf (t. y )) + γf (t + h. il est n´ techniques plus ´ elabor´ ees. β. ecessaire d’utiliser des Si l’on d´ esire une ´ evaluation plus pr´ ecise de en . γ ) la m´ ethode propos´ ee est-elle stable ? (c) Quelles relations doivent satisfaire (α. ST quitte a ` ajuster ´ eventuellement les valeurs de δ et δ par tatonnements.` un pas VIII – M ´ ethodes num´ eriques a 247 Au lieu de comparer | en | hn a δ . y + hf (t.

Vq+1 ) = 0 puis que le syst` eme (S) est impossible. . . . 1/(q + 2)) Vq+1 = (1/(q + 1) . j ≤ q . 1/(q + 1)) V2 = (1/2 1/3 . . V2 . 1/(n + 1)   M =  1/2 1/3 . Que peut-on dire de ∂ n Φ/∂hn (0. .   . . cj ). cq b1 . . . y ) = t + y + 1. En d´ eduire que la matrice sym´ etrique  1 1/2 . . . 0) ? D´ de cette m´ ethode. 1/(2q + 1)) appartiendraient a ` F . . . (c) On consid` ere une m´ ethode de Runge-Kutta c1 . xn ). . . 1/(n + 2)    1/(2n + 1) (α) Quelle est la dimension maximum de F ? (β ) Montrer que si (S) avait une solution. On se propose d’obtenir une borne explicite pour l’ordre p d’une m´ ethode de Runge-Kutta dont le nombre de points interm´ ediaires q est fix´ e. les vecteurs V1 = (1 1/2 .3. (b) On consid` ere pour q ∈ N le syst` eme d’´ equations  b 1 + b 2 + . . omes ` a coefficients r´ eels de degr´ e inf´ erieur (a) Dans l’espace vectoriel Pn des polynˆ ou ´ egal ` a n. . . cj . 1 ≤ j ≤ q . x. bq A = (aij ) 1 ≤ i. R´ esoudre cette ´ equation et calculer eterminer l’ordre f [n] (0. . . . . + b q c2 q = 1/(2q + 1) q +1 o` u les bi et ci appartiennent a ` R∗ on note F l’espace vectoriel + . . . . Q = 0 P (x)Q(x)dx. En d´ eduire que det(V1 . .   2q q b 1 c1 + . 5.248 Analyse num´ erique et ´ equations diff´ erentielles On consid` ere l’´ equation y = f (t. bq = 1     b1 c1 + b2 c2 + . cj . on consid` ere la forme bilin´ eaire 1 P. . 0. . . . . 0) pour tout n. D´ eterminer la matrice de cette forme bilin´ eaire dans la base canonique (1. . . . . . . . + bq cq = 1/2 (S) . . Dans R q 2 engendr´ e par les vecteurs (1. . 1/(n + 1) 1/(n + 2) est d´ efinie positive et que det M > 0.

.   yn+1 = yn + hn 1≤j ≤q Montrer que (M ) est d’ordre ≥ p + 1. bj f (cj ).i = f (tn. montrer qu’il existe des m´ ethodes de Runge-Kutta d’ordre p arbitrairement ´ elev´ e.` un pas VIII – M ´ ethodes num´ eriques a 1 q 249 f (x)dx 0 j =1 associ´ ee ` a la m´ ethode d’int´ egration (INT) On suppose que cette m´ ethode est d’ordre p.i = tn + ci hn     yn. yn . (a) On consid` ere la m´ ethode ` a un pas avec points interm´ ediaires tn. On consid` ere une m´ ethode ` a un pas de la forme (M) yn+1 = yn + hn Φ(tn . ci hn )  1 ≤ i ≤ q     pn.i = tn + ci hn d´ efinie comme suit   tn. 5. hn ) qu’on suppose ˆ etre d’ordre p.i ) (M ) tn+1 = tn + hn      bj pn.i = yn + ci hn Φ(tn . (β ) En d´ eduire que p ≤ 2q . (α) Montrer que (INT) est d’ordre p − 1.4. yn. yn . On se donne par ailleurs une m´ ethode d’int´ egration approch´ ee 1 (I) 0 g (u)du 1≤j ≤q bj g (cj ) d’ordre p au moins (il en existe pour p quelconque).i .j . (b) Grˆ ace ` a un raisonnement par r´ ecurrence.

.

D´ emarrage de l’algorithme – Le point initial (t0 . (t. . βi . . yn+1 ) o` u les αi . est de s’assurer que la stabilit´ e num´ erique reste suffisamment bonne. On s’int´ eresse aux m´ ethodes ` a r+1 pas permettant un calcul r´ ecurrent des points (tn . hn . y ) ∈ [t0 . y0 ) ´ etant donn´ e. L’un des probl` emes essentiels. rithme ne peut d´ emarrer que si les valeurs (y1 . sera g´ Kutta d’ordre sup´ erieur ou ´ egal ` a celui de la m´ ethode (M). 0 ≤ i ≤ r sont des constantes r´ eelles. . fr ) ont d´ Ce calcul ne peut ˆ etre fait que par une m´ ethode ` a un pas pour (y1 . f1 ).Ô ØÖ Á Å Ø Ó × Ô × ÑÙÐØ ÔÐ × Comme dans le chapitre pr´ ec´ edent. . on appelle m´ ethode num´ erique a ` r + 1 pas toute m´ ethode num´ erique de la forme yn+1 = Ψ(tn . 1 ≤ i ≤ r. hn−r ). t0 + T ] × R. yn ) et des pentes fn = f (tn . ½º ÍÒ Ð ×× Ñ Ø Ó × Ú Ô × ÓÒ×Ø ÒØ On suppose ici que le pas hn = h est constant. t0 + T ] de pas successifs hn = tn+1 − tn . L’initialisation des r premi` en´ eralement faite a ` l’aide d’une m´ ethode de Rungevaleurs (yi . y ). n´ eanmoins. . fi ). yn ) sous la forme   yn+1 = αi yn−i + h βi fn−i    0≤i≤r 0≤i≤r (M)  tn+1 = tn + h    fn+1 = f (tn+1 . fr ). (yr . . yn−r . on s’int´ eresse ` a la r´ esolution num´ erique du probl` eme de Cauchy relatif ` a une ´ equation diff´ erentielle (E) y = f (t. . . . Si (tn )0≤n≤N est une subdivision de [t0 . yn . l’algoej` a´ et´ e calcul´ ees. ou a ` la rigueur un de moins (voir le d´ ebut du § 1. a ` au plus eres 2 pas pour (y2 . L’int´ erˆ et de ces m´ ethodes vient du fait qu’on peut obtenir un ordre ´ elev´ e pour une complexit´ e de calcul nettement inf´ erieure ` a celle des m´ ethodes de Runge-Kutta. .2 sur ce point). f2 ). f1 ). . au plus r pas pour (yr . tn−r . .

L’erreur de consistance ` z est l’´ ecart en relative a en = z (tn+1 ) − yn+1 . 0≤i≤r La m´ ethode (M) est donc d’ordre ≥ p si et seulement si elle v´ erifie les conditions ik αi − kik−1 βi = (−1)k .252 Analyse num´ erique et ´ equations diff´ erentielles ½º½º ÖÖ ÙÖ ÓÒ× ×Ø Ò Ø ÓÖ Ö La d´ efinition g´ en´ erale de l’erreur de consistance pour une m´ ethode ` a r + 1 pas est la suivante (on ne suppose pas n´ ecessairement dans cette d´ efinition que le pas est constant). . . La m´ ethode est dite d’ordre p si pour toute solution z il existe une constante C telle que |en | ≤ Chn hp max . . z (tn−i )) = z (tn−i ) = z (tn − ih) = 0≤k≤p−1 (−ih)k (k+1) z (tn ) + O(hp ) k! = 0≤k≤p k (−ih)k−1 (k) z (tn ) + O(hp ). a partir des r + 1 valeurs pr´ ec´ edentes suppos´ ees exactes obtenu en calculant yn+1 ` yn = z (tn ). k! fn−i = f (tn−i . k! Il vient par cons´ equent en = z (tn+1 ) − yn+1 = z (tn+1 ) − 0≤i≤r (αi yn−i + hβi fn−i ) (αi (−i)k + kβi (−i)k−1 ) + O(hp+1 ) = 0≤k≤p hk (k) z (tn ) 1 − k! k 0≤i≤r = 0≤k≤p h (k ) z (tn ) 1 − (−1)k k! ik αi − kik−1 βi + O(hp+1 ). D´ efinition – Soit z une solution exacte de l’´ equation (E). 0≤i≤r 0 ≤ k ≤ p. . On a z (tn+1 ) = z (tn + h) = 0≤k≤p hk (k) z (tn ) + O(hp+1 ) k! d` es que f est de classe C p (z est alors de classe C p+1 ). . yn−r = z (tn−r ). Par ailleurs yn−i = z (tn−i ) = z (tn − ih) = 0≤k≤p (−ih)k (k) z (tn ) + O(hp+1 ). D´ eterminons en dans le cas de la m´ ethode (M) ci-dessus. r ≤ n < N.

n ≥ r. + αr = 1 α1 + . . . yn−i . yn avec yn+1 = Ψ(tn−i . Pour qu’elle soit d’ordre ≥ p. Si la m´ ethode est d’ordre p avec |en | ≤ Chn hp max . hn−i ) + εn . yn−i . . .` pas multiples IX – M ´ ethodes a 253 En particulier. Ceci conduit a ` choisir une m´ ethode d’initialisation d’ordre ≥ p − 1. . . il convient donc de choisir une m´ ethode conduisant a ` une erreur d’initialisation max |yn − z (tn )| de l’ordre de hp max au plus. on voit que l’erreur globale de la suite ` la solution exacte z (tn ) admet la majoration yn par rapport a 0≤n≤N max |yn − z (tn )| ≤ S 0≤n≤r max |yn − z (tn )| + r≤n<N |en | . Il est toutefois pr´ ef´ erable de choisir une m´ ethode d’ordre ≥ p. . + rp−1 βr ) = (−1)p . . . r ≤ n < N . + rp αr − p(β1 + 2p−1 β2 + . . . hn−i ). + rαr − (β0 + . Pour la phase d’initialisation. alors 0≤n≤N r ≤ n < N. De fa¸ con pr´ ecise : yn+1 . alors on a r≤n<N |en | ≤ CT hp max car hn = T .1. la p-i` eme condition s’explicite de la mani` ere suivante : α1 + 2p α2 + . . + βr ) = −1. αi yn−i . yr et de petites erreurs εn dans le calcul r´ olable. . car l’erreur d’initialisation +1 egligeable. ½º¾º ËØ ÐØ On dit qu’une m´ ethode ` a pas multiples est stable si une petite perturbation des ecurrent des valeurs valeurs initiales y0 . est alors born´ ee par C hp max et donc n´ 0≤n≤r Condition n´ ecessaire de stabilit´ e – On cherche ` a d´ eterminer les conditions n´ ecessaires ` a la stabilit´ e de la m´ ethode (M) d´ ecrite au §1. . |εn | . r≤n<N max |yn − yn | ≤ S 0≤n≤r max |yn − yn | + En appliquant cette d´ efinition a ` yn = z (tn ). yn+1 = Ψ(tn−i . elle est d’ordre ≥ 1 (ou consistante) si et seulement si α0 + α1 + . Pour cela. provoquent une erreur finale contrˆ D´ efinition – On dit qu’une m´ ethode ` a r +1 pas est stable de constante de stabilit´ e S si pour toutes suites yn . on consid` ere l’´ equation diff´ erentielle la plus simple qui soit : (E) La suite yn est alors d´ efinie par yn+1 = 0≤i≤r y = 0. . r ≤ n < N.

254 Analyse num´ erique et ´ equations diff´ erentielles L’ensemble des suites v´ erifiant cette relation de r´ ecurrence est un espace vectoriel de dimension r + 1. . 0 ≤ q < mj . On obtient donc la condition n´ ecessaire suivante : |λj | ≤ 1 pour tout j . . Alors la m´ ethode (M) est stable si et seulement si λr+1 − α0 λr − . 0 ≤ n ≤ N avec ε > 0 ethode (M) petit (on a ici εn = 0. Consid´ erons maintenant la suite yn ≡ 0 et la suite yn = ελn j . o` u λ est racine du polynˆ ome caract´ eristique λr+1 − α0 λr − α1 λr−1 − . Si l’on fait tendre h vers 0 et N = T h vers +∞. En regardant la suite yn = nλn module |λj | = 1 et de multiplicit´ j on trouve max |yn − yn | = εr |yN − yN | = εN. − αr = 0. . . . puisqu’alors α0 + . |λj |r ). . Remarque. Si la m´ est stable. On sait (par une th´ eorie en tout point analogue a ` celle des ´ equations diff´ erentielles lin´ eaires ` a coefficients constants). seule l’erreur d’initialisation intervient). car chaque suite est d´ efinie de mani` ere unique par la donn´ ee de ere ´ evidente des solutions particuli` eres (y0 . y ) est k-lipschitzienne en y . . . ome. On observera que λ = 1 est toujours racine d` es que la m´ ethode est consistante. on doit avoir |yN − yN | = ε|λj |N ≤ S max ε|λj |n . . Th´ eor` eme – On suppose que f (t. . et si |λj | = 1 alors cette racine doit ˆ etre simple. qu’une base de l’espace vectoriel des suites consid´ er´ ees est form´ ee des suites n → nq λn j. 0≤n≤r ce qui ´ equivaut a ` |λj |N ≤ S max(1. − αr = 0 a toutes ses racines de module ≤ 1 et si les racines de module 1 sont simples. 0≤n≤r ce qui contredit la stabilit´ e. ceci n’est possible que pour |λj | ≤ 1. . y1 . et mj les multiplicit´ es corresponSoient λj les racines complexes de ce polynˆ dantes. Supposons maintenant que le polynˆ ome caract´ eristique admette une racine λj de e mj ≥ 2. Condition suffisante de stabilit´ e* – On va voir que la condition n´ ecessaire qui vient d’ˆ etre trouv´ ee est en fait suffisante. yr ). + αr = 1. On a de mani` yn = λn .

Lemme – Sous les hypoth` eses du th´ eor` eme. On a donc inversement θn X n = 1 1 − α0 X − . Posons θn = yn − yn . yn ). . . En effet. yn telles que  yn+1 = αi yn−i + hβi fn−i    0≤i≤r yn+1 = 0≤i≤r  αi yn−i + hβi fn−i + εn   r≤n<N avec fn = f (tn . . Pour equivaut a ` l’´ egalit´ e formelle cela.q ≤mj Par r´ ecurrence sur q et par d´ erivation. . . Il existe par cons´ equent une d´ ecomposition en ´ el´ ements simples 1 = 1 − α0 X − . si les racines du polynˆ ome caract´ eristique sont les complexes λj de multiplicit´ e mj . . . . On a donc |σn+1 | ≤ kh 0≤i≤r |βi ||θn−i | + |εn |. − αr θn−r−1 . . − X r+1 γn X n . . (n + q − 1) n n λj X . (∗) Pour exploiter cette in´ egalit´ e. . Posons σn = θn − α0 θn−1 − . = q (1 − λj X ) (q − 1)! n=0 +∞ .` pas multiples IX – M ´ ethodes a 255 D´ emonstration. − αr X r+1 = j (1 − λj X )mj . θn = 0 pour n < 0. Il vient |fn − fn | ≤ k |θn | et θn+1 − 0≤i≤r αi θn−i = h 0≤i≤r βi (fn−i − fn−i ) + εn . les coefficients γn sont born´ es. (1 − λj X )q j. . − αr X r+1 σn X n . on cherche ` a majorer |θn+1 | en fonction des |σi |. Soient deux suites yn . − αr X r+1 ) avec la convention σn = 0. − αr X r+1 cjq . . . on a 1 − α0 X − . on observe que la relation de d´ efinition de σn ´ σn X n = ( θn X n )(1 − α0 X − . on v´ erifie facilement que 1 (n + 1)(n + 2) . Consid´ erons le d´ eveloppement en s´ erie en X = 0 : 1 = 1 − α0 X − . r ≤ n ≤ N.

. . . . . En combinant (∗) et (∗∗) il vient |θn+1 | ≤ Γ 0≤j ≤n+1 (∗∗) |σj | ≤ r ≤j ≤n |σj +1 | + 0≤j ≤r |σj | |σj | . + |θr | . + |σn |). − αr θj −r−1 donne par ailleurs |σj | ≤ 1 + 0≤j ≤r 0≤i≤r |αi | |θ0 | + . 0≤j ≤r |θn+1 | ≤ Γ r ≤j ≤n kh 0≤i≤r |βi ||θj −i | + |εj | + |βi | |θj | 0≤j ≤n Or r≤j ≤n 0≤i≤r |βi ||θj −i | ≤ 0≤i≤r et la relation de d´ efinition σj = θj − α0 θj −1 − . d’o` u |θn | ≤ Γ(|σ0 | + |σ1 | + .256 Analyse num´ erique et ´ equations diff´ erentielles Les coefficients de cette derni` ere s´ erie admettent l’´ equivalent nq−1 λn j /(q − 1)! et sont donc born´ es si et seulement si |λj | < 1 ou bien |λj | = 1 et q = 1. . + |θn | et Λ = Γk  ηn = Γ  r ≤j ≤n 0≤i≤r |βi |. Posons δn = |θ0 | + . La derni` ere in´ egalit´ e s’´ ecrit maintenant δn+1 − δn ≤ Λhδn + ηn ⇔ δn+1 ≤ (1 + Λh)δn + ηn et le lemme de Gronwall discret (cf. . La relation n∈N θn X n = γn X n σn X n ´ equivaut a ` θn = γ0 σn + γ1 σn−1 + . + γn σ0 . + |θn |)  |αi | 0≤i≤r 0≤i≤r |εj | + 1 + |θi | . . Comme γ0 = 1. Notons Γ = sup |γn | < +∞.3) donne δn ≤ eΛnh δ0 + 0≤j ≤n−1 eΛ(n−1−j )h ηj . . On obtient donc |θn+1 | ≤ Γkh  + Γ r ≤j ≤n 0≤i≤r |βi |(|θ0 | + . . . on a toujours Γ ≥ 1. . . VIII 2.  |εj | + 1 + 0≤i≤r |αi | 0≤i≤r |θi | .

On a donc int´ laquelle cette constante soit la plus petite possible.` pas multiples IX – M ´ ethodes a 257 eduit Or pour j ≤ n − 1 on a ηj ≤ ηn et δ0 = |θ0 | ≤ ηn . β1 = 0. Remarque – Pour une fonction f (t. α1 = 1. + eΛnh ) = eΛ(n+1)h − 1 ηn . . n ≥ 1. sinon on peut prendre S = (1 + r) 1 + 0≤i≤r |αi | S . ½º¿º Ü ÑÔÐ × • M´ ethode de Nystr¨ om C’est la m´ ethode ` a 2 pas d´ efinie par yn+1 = yn−1 + 2hfn . On a ici α0 = 0. On en d´ δn ≤ ηn (1 + eΛh + . c’est-` a-dire 1+ 0≤n≤r |αi | 0≤i≤r |θn | + r≤n≤N |εn | S = ΓeΓkT |β i | o` u Γ = sup |γn |. β0 = 2. Le principe de cette m´ ethode est analogue ` celui de la m´ a ethode du point milieu : . . max0≤n≤N |θn | ≤ S avec S = ΓeΛT . Si l’erreur initiale max |θn | est n´ egligeable (comme c’est souvent le cas) on prendra 0≤n≤r S = S . eΛh − 1 Comme eΛh − 1 ≥ Λh. eΛh − 1 Cette in´ egalit´ e entraˆ ıne aussitˆ ot une majoration de θn : |θn | = δn − δn−1 ≤ Λhδn−1 + ηn−1 = Λh eΛnh − 1 + 1 ηn−1 . la stabilit´ e de la m´ ethode d´ epend essentiellement de la erˆ et ` a choisir une m´ ethode pour grandeur de la constante Γ |βi |. il vient |θn | ≤ eΛnh ηn−1 . soit |θn | ≤ ΓeΛnh 1+ 0≤i≤r |αi | 0≤i≤r |θi | + r≤j ≤n−1 |εj | . y ) de constante de Lipschitz k et pour une dur´ ee d’int´ egration T fix´ ees.

2 2 y1 = y0 + hf1/2 . par exemple la m´ ethode du point milieu : f0 = f (t0 .258 Analyse num´ erique et ´ equations diff´ erentielles y f yn+1 pente fn yn−1 tn−1 tn 2h tn+1 tn on approxime la pente 21 h (yn+1 − yn−1 ) de la corde par la pente de la tangente au point milieu tn . y0 ) . La solution exacte est donn´ ee par z (t) = e−t . |β0 | + |β1 | = 2. u la constante de stabilit´ e On a donc Γ = 1. 3! 3 La m´ ethode de Nystr¨ om est donc d’ordre 2. . yn ) + O(h4 ). y1 ). z (tn ) = e−nh . On observe n´ eanmoins que le polynˆ ome caract´ eristique admet la racine λ = −1 situ´ ee sur le cercle limite de stabilit´ e |λ| = 1. f1 = f (t1 . D’apr` es le § 1. d’o` S = e2kt . Pour mettre en ´ evidence ce ph´ enom` ene. regardons le cas de l’´ equation diff´ erentielle (E) y = −y avec donn´ ee initiale t0 = 0. h h y1/2 = y0 + f0 . Ceci laisse suspecter que la stabilit´ e n’est peut-ˆ etre pas tr` es bonne. y0 = 1. en plus de la racine oblig´ ee λ = 1. Le polynˆ ome caract´ eristique est λ2 − 1. Pour la phase d’initialisation. f1/2 = f (t1/2 .2 la m´ ethode est stable et 1 1 = = 2 1 − α0 X − α1 X 1 − X2 X 2n . t1/2 = t0 + .1 donnent en = h3 (3) h3 [2] z (tn ) · 2 + O(h4 ) = f (tn . t1 = t0 + h . Les calculs du § 1. y1/2 ) . on choisira une m´ ethode ` a 1 pas d’ordre 2.

` pas multiples IX – M ´ ethodes a 259 ee par la relation de r´ ecurrence La suite yn sera donn´ yn+1 = yn−1 − 2hyn . bien qu’il soit n´ egligeable quand . h2 2 tandis que λ2 = − 1 + h + + O(h4 ) = −eh + O(h3 ). c2 λ n 2 − 1 4 h (−1)n enh . Les constantes c1 . 2 f0 = −1. 2 n≥1 (∗) y1 = 1 − h + La solution g´ en´ erale de (∗) peut s’´ ecrire n yn = c1 λ n 1 + c2 λ 2 o` u λ1 . mais le second est un terme de perturbation qui diverge quand n → +∞. on voit que c1 = 1 + O(h4 ) 1 4 h + O(h6 ) c2 = − 16 Par ailleurs λ1 = 1 − h + h2 2 + O(h4 ) = e−h + O(h3 ). On voit donc que yn est somme de deux termes c1 λ n 1 e−nh . 16 Le premier de ces termes approxime bien la solution exacte. λ1 − λ2 2 1 + h2 √ 2 λ1 − 1 − h + h 1 + h2 − 1 + 2 √ = c2 = λ1 − λ2 2 1 + h2 Comme √ 1 + h2 = 1 + h2 2 h2 2 . λ2 sont les racines de l’´ equation λ2 + 2hk − 1 = 0. f1/2 = −1 + h2 . (car ici fn = −yn ). 2 h . λ2 = −h − 1 + h2 . h2 2 . avec valeurs initiales : y0 = 1. y1/2 = 1 − h . c2 sont ` d´ etermin´ ees par y 0 = c1 + c 2 = 1 y 1 = c1 λ 1 + c 2 λ 2 = 1 − h + On obtient donc √ 2 2 1 + h2 1−h+ h 1+ h 2 − λ2 2 + √ c1 = = . − h4 8 + O(h6 ). √ √ a savoir λ1 = −h + 1 + h2 .

Supposons que pour 0 ≤ i ≤ r on ait d´ ej` a calcul´ e les points z (tn−i ) et les pentes fn−i = f (tn−i . Si la dur´ ee d’int´ egration est trop longue egligeable).r ) = r.r (t) = 0≤i≤r fn−i Ln.r (t). . . z (tn−i )). si h4 eT n’est plus n´ ci-dessous. d’ordre 4. y 1 yn y = e− t 0 tn T t • M´ ethode de Milne C’est la m´ ethode ` a 4 pas d´ efinie par 8 4 8 fn − fn−1 + fn−2 . 3 3 3 On v´ erifie qu’elle est stable. tn−r . . on ´ ecrit tn+1 z (tn+1 ) = z (tn ) + tn f (t. on va obtenir un trac´ e de la forme (plus pr´ ecis´ ement. yn+1 = yn−3 + h ¾º Å Ø Ó ¾º½º × ³ Ñ×¹ × ÓÖØ × Ö ÔØ ÓÒ On ne suppose plus ici que le pas hn soit n´ ecessairement constant. z (t))dt. . tn−1 . Consid´ polynˆ ome pn. mais comme pour la m´ ethode de Nystr¨ om la stabilit´ e n’est pas tr` es bonne a ` cause des racines de module 1 du polynˆ ome caract´ eristique λ4 − 1 = 0. tn+1 ] par erons donc le son polynˆ ome d’interpolation aux points tn . Si z est une solution exacte de l’´ equation. L’id´ ee de la m´ ethode est d’approximer la fonction f (t. z (t)) sur [tn . .i. deg (pn.r (t) qui interpole les points (tn−i .260 Analyse num´ erique et ´ equations diff´ erentielles le temps tn = nh n’est pas trop grand. fn−i ) pour 0 ≤ i ≤ r : pn.

0 (t) = constante = fn . yn+1 ).1 est la fonction affine qui interpole (tn . Il s’agit de la m´ ethode d’Euler.i. On ´ ecrit maintenant : tn−i − tn−j tn+1 z (tn+1 ) = z (tn ) + tn tn+1 f (t. tn+1 tn AB2 . n ≥ r. 2hn−1 pn. z (t))dt pn.i. d’o` u les formules fn − fn−1 (t − tn ) tn − tn−1 tn+1 fn − fn−1 1 (t − tn )2 pn. Exemples • r = 0 : on a pn.i.    0≤i≤r  tn+1 = tn + hn    fn+1 = f (tn+1 .r fn−i .1 (t)dt = fn hn + h 2 n − 1 tn hn = b n fn + (fn − fn−1 ) .r (t) = 0≤j ≤r j =i t − tn−j .i 0≤i≤r avec bn. yn ). fn ) et (tn−1 . L’int´ erˆ et de cette m´ ethode provient de sa relative simplicit´ e et du fait qu’une seule ´ evaluation de la fonction f est n´ ecessaire ` a chaque ´ etape (contrairement aux m´ ethodes de Runge-Kutta qui en r´ eclamaient plusieurs).r fn.r (t)dt. • r = 1 : le polynˆ ome pn.i. Il va en r´ esulter un gain assez important sur le temps de calcul.r (t)dt tn z (tn ) + = z (tn ) + hn bn. d’o` u AB1 : yn+1 = yn + hn fn . tn L’algorithme de la m´ ethode d’Adams-Bashforth a ` r + 1 pas (en abr´ eg´ e ABr+1 ) va donc s’´ ecrire :   yn+1 = yn + hn bn. fn−1 ).1 (t) = fn + L’algorithme s’´ ecrit donc  hn   (fn − fn−1 )  yn+1 = yn + hn fn + 2h n−1 tn+1 = tn + hn    fn+1 = f (tn .` pas multiples IX – M ´ ethodes a 261 o` u Ln.i.r = 1 hn tn+1 Ln.

la formule de r´ ecurrence se r´ eduit a ` yn+1 = yn + h 3 1 fn − fn−1 .r correspondants sont donn´ r 0 1 2 3 b0.i. car pour fn = . Remarque – On a toujours equent a pn.r (t)dt . . tn+1 [ tel que en = hn z (θ) − pn. 0 ≤ i ≤ r.r | 1 −1 2 − 16 12 − 59 24 5 12 37 24 9 − 24 2 3. . lorsque le pas est constant les coefficients bn. .i. ¾º¾º ÖÖ ÙÖ ÓÒ× ×Ø Ò Ø ÓÖ Ö Ð Ñ Ø Ó ABr+1 Soit z une solution exacte du probl` eme de Cauchy. 6. . z (t)) o` u pn. il existe un point aux points tn−i . Pour les petites valeurs de r. . 2 2 ependent • De mani` ere g´ en´ erale.r = 1.r 1 3 2 23 12 55 24 b1.r b2.r · 1.r b3.r est pr´ es le th´ eor` eme de la moyenne.r (t) dt.r (θ) .i.r (t) ≡ 1. es par le tableau : les coefficients bi.262 Analyse num´ erique et ´ equations diff´ erentielles Dans le cas o` u le pas hn = h est constant. tn en = tn z (t) − pn.r ne d´ pas de n car la m´ ethode est invariante par translation. la quantit´ e βr intervient dans le calcul de la constante de stabilit´ e S. par cons´ tn+1 0≤i≤r bn. L’erreur de consistance est donn´ ee par en = z (tn+1 ) − yn+1 = z (tn+1 ) − z (tn ) + tn+1 tn+1 pn.r βr = i |bi.r (t)dt = hn = hn tn 0≤i≤r bn.66. . D’apr` θ ∈ ]tn . . = fn−r = 1 on pn. Comme on le verra plus loin.6. ecis´ ement le polynˆ ome d’interpolation de la fonction z (t) = f (t.

¾º¿º ËØ ÐØ Ð Ñ Ø Ó ABr+1 Nous allons d´ emontrer le r´ esultat suivant. (1 + 1)1(1 + 1) .` pas multiples IX – M ´ ethodes a 263 La formule donnant l’erreur d’interpolation (voir chapitre II. Th´ eor` eme – On suppose que f (t. 0 ≤ j ≤ r. d’o` u +1 |πn. f1 . Si ξ ∈ ]tn−j . avec constante de stabilit´ e S = exp (βr kT ). (r + 1)! o` u ξ ∈ ]tn−r . yr . tn+1 [ est un point interm´ ediaire entre θ et les points tn−i .r (θ) = 1 z (r+2) (ξ )πn. (1 + r − j ) +1 r+1 = hr max (j + 1)!(r − j + 1)! ≤ hmax (r + 1)!. . .r fn−i + εn . .r | sont major´ Alors la m´ ethode d’Adams-Bashforth ` a r +1 pas est stable.i. On en d´ eduit par cons´ equent +1 |z (θ) − pn. on a l’in´ egalit´ e |ξ − tn−i | ≤ (1 + |j − i|)hmax . . y ) = tr+1 ). 0≤i≤r |bn. en majorant 2 par j + 2.r (ξ )| ≤ hr max (1 + j ) . il r´ esulte qu’on choisira une m´ ethode de Runge-Kutta d’ordre r + 1 (ou r ` a la rigueur) pour initialiser les premi` eres valeurs y1 . f0 . ecurrente perturb´ ee telle que D´ emonstration. .2) implique z (θ) − pn. fr .r (θ)| ≤ |z (r+2) (ξ )| hr max . . tn−j +1 [. yn−i ). ce qui donne la majoration cherch´ ee de l’erreur de consistance : +1 r+1 |en | ≤ |z (r+2) (ξ )|hn hr max ≤ Chn hmax avec C = t∈[t0 . . .t0 +T ] max |z (r+2) (t)|. § 1. . . . . . Soit yn la suite r´   bn. et o` u πn. . (r − j + 1) par (r + 1). . y ) est k-lipschitzienne en y et que les sommes ees ind´ ependamment de n par une constante βr . La m´ ethode d’Adams-Bashforth ` a r + 1 pas est donc d’ordre r + 1 (le lecteur pourra v´ erifier a ` titre d’exercice que l’ordre n’est pas ≥ r + 2 en consid´ erant le cas de la fonction f (t. . Phase d’initialisation – De ce qui pr´ ec` ede. .i.  yn+1 = yn + hn   0≤i≤r fn−i = f (tn−i .r (t) = 0≤i≤r (t − tn−i ).r (ξ ). r ≤ n < N.

i. .1 montre que les coefficients bn. .i. on en d´ eduit θn+1 ≤ (1 + βr khn )θn + |εn |. avec constante S = exp (βr kT ). . Les formules du § 2. . + δ j ). sont en g´ en´ eral born´ es que si le rapport hn /hn−1 de 2 pas cons´ Dans la pratique. on voit que la constante βr croˆ stabilit´ e devient donc de moins en moins bonne quand le nombre de pas augmente. on se limitera le plus souvent aux cas r = 1 ou r = 2. D’apr` es le tableau ıt assez vite quand r augmente. Cette stabilit´ e m´ ediocre est un des inconv´ enients les plus s´ erieux des m´ ethodes d’Adams-Bashforth lorsque r est grand.i.r ne ecutifs reste born´ e. . . La donn´ e au § 2. . Comme θn+1 = max (|yn+1 − yn+1 |. En pratique. On a 0≤i≤n Analyse num´ erique et ´ equations diff´ erentielles |fn−i − fn−i | ≤ k |yn−i − yn−i | ≤ kθn . |yn+1 − yn+1 | ≤ θn + hn 0≤i≤r |bn. .tn+1 ] max |Ln. On a donc l’estimation assez grossi` ere βr = max n 0≤i≤r |bn.i.r (t)| = 1≤j ≤n tn+1 − tn−j |tn−i − tn−j | Comme tn+1 − tn−j = hn−j + .r | ≤ (r + 1) 0≤j ≤r (1 + δ + .1 donnent dans ce cas : |bn. Le lemme de Gronwall implique alors θN ≤ exp βr k (tN − tr ) θr + r≤n<N |εn | . . ce qui entraˆ ıne bien la stabilit´ e. .r | · kθn + |εn | ≤ (1 + βr khn )θn + |εn |. + δ j )hn−j et hn−j ≤ Il vient |bn.i.1. + δ j ) ≤ 0≤j ≤r (1 + δ + .r | ≤ δ i j =i |tn−i − tn−j | δ |tn−i − tn−j | si si j>i j<i (1 + δ + . il est raisonnable de supposer que hn ≤δ hn−1 avec disons δ ≤ 2. + hn ≤ (1 + δ + .264 Posons θn = max |yi − yi |.i. Remarque – L’exemple AB2 donn´ e au § 2. . + δ j ). θn ).r | ≤ t∈[tn .

r = 1 hn tn+1 tn L∗ n. fn−i ) pour −1 ≤ i ≤ r : p∗ n. on aura recours e (explicite) en g´ en´ eral ` a une m´ ethode it´ erative.−1.r f (tn+1 .j . x).i. Le point yn+1 cherch´ e est la solution x de l’´ equation x = un + hn b∗ n. .i.r (t)dt. x).−1.−1.i.i. le point tn+1 est donc pris en plus.r (t) = −1≤i≤r fn−i L∗ n.i.r fn−i . z (t)) par son polynˆ ome d’interpolation aux points tn+1 .i.i d’o` u L∗ n. mais on approxime ici f (t.r f (tn+1 .r (t) = −1≤j ≤r j =i On obtient donc comme au §2. . e explicitement en fonction des quantit´ e s yn . . tn .r fn−i . mais seulement comme solution d’une ´ equation dont fn−i ant´ la r´ esolution n’est pas a priori imm´ ediate. yn+1 ) = yn + hn 0≤i≤r b∗ n. tn−r . Pour r´ esoudre l’´ equation ci-dessus. on dit que la m´ ethode d’Adams-Moulton est une m´ ethode implicite (la m´ ethode d’Adams-Bashforth est dite par opposition explicite). Pour cette raison. . Notons un la quantit´ un = yn + hn 0≤i≤r b∗ n. On va donc calculer la suite it´ er´ ee xp+1 = ϕ(xp ) o` u ϕ(x) = un + hn b∗ n.` pas multiples IX – M ´ ethodes a 265 ¿º Å Ø Ó ¿º½º × ³ Ñ×¹ÅÓÙÐØÓÒ × Ö ÔØ ÓÒ L’id´ ee en est la mˆ eme que celle des m´ ethodes d’Adams-Bashforth.i.r (t).r fn−i avec b∗ n. On observera ici que yn+1 n’est pas donn´ erieurement calcul´ ees.2 z (tn+1 ) z (tn ) + hn −1≤i≤r b∗ n. .r (t) de degr´ qui interpole les points (tn−i . t − tn. On consid` ere le polynˆ ome p∗ e r+1 n. t − tn. L’algorithme correspondant AMr+1 s’´ ecrit yn+1 − hn b∗ n.r f (tn+1 .

xp ). Si f (t.1 interpole les points (tn+1 .266 Analyse num´ erique et ´ equations diff´ erentielles Comme ϕ (x) = hn b∗ etre contractante (avec n. fn+1 ). hn tn+1 1 1 fn+1 + fn .r yn+1 est alors unique d’apr` es le th´ eor` eme du point fixe. (tn . 2 2 • r = 1 : le polynˆ ome p∗ n. yn+1 ) (ou par ´ economie = Fp ) Exemples • r = 0 : le polynˆ ome p∗ ome de degr´ e 1 qui interpole (tn+1 . fn+1 ) n.0 (t)dt = hn 2 2 tn p∗ n.1 (t) = fn+1 yn+1 = yn tn (t − tn )(t − tn−1 ) (t − tn−1 )(t − tn−1 ) (t − tn )(t − tn+1 ) − fn .i. +fn−1 hn (hn + hn−1 ) hn hn−1 hn−1 (hn + hn−1 ) p∗ n. La solution n. fn−1 ). fn ).−1.−1. p∗ n. fn − 6(hn + hn−1 ) 6hn−1 6hn−1 (hn + hn−1 ) tn+1 yn+1 = yn + hn .r fy (tn+1 . par exemple la valeur donn´ ee par la m´ ethode d’Adams-Bashforth : x0 = yn + hn 0≤i≤r bn. il suffit que hn < |b∗ 1 |k pour avoir convergence.1 (t)dt.r Fp .−1. (tn−1 . yn+1 ) = yn + hn fn . x). soit fn+1 − fn (t − tn ) . d’o` u les formules p∗ n. xp+1 = un + hn bn. On choisira une valeur initiale x0 qui soit une approximation de yn+1 (la meilleure possible !). On arrˆ ete l’it´ eration pour |xp+1 − xp | ≤ 10−10 (par exemple) et on prend ere valeur xp+1 calcul´ ee yn+1 = derni` fn+1 = f (tn+1 .0 est le polynˆ et (tn . 2hn + 3hn−1 3hn−1 + hn h2 n fn+1 + fn−1 . et l’algorithme it´ eratif s’´ ecrit Fp = f (tn+1 .r fn−i .0 (t) = fn + On obtient ainsi la m´ ethode dite des trap` ezes (ou m´ ethode de Crank-Nicolson) : yn+1 = yn + hn ou encore yn+1 − 1 1 fn+1 + fn ) 2 2 1 1 hn f (tn+1 . l’application ϕ va ˆ une petite constante de Lipschitz) lorsque hn est assez petit. y ) est k lipschitzienne en y . fn ).

1 1 − 12 5 − 24 1 24 106 720 19 − 720 1.i. z (tn−i )) − f (tn+1 . .r (t))dt . . z (tn+1 )) − f (tn+1 .r f (tn−i .` pas multiples IX – M ´ ethodes a 267 eduit a ` Dans le cas o` u le pas hn = h est constant. z (tn−i )) + hn bn. Alors il vient |en | ≤ |en | ≤ tn+1 tn ∗ (z (t) − p∗ n.66.r k (z (t) − p∗ n.r k |en |. yn+1 ) = z (tn+1 ) − z (tn ) + hn −1≤i≤r b∗ n.r (t))dt + hn bn.−1.i.41.r [f (tn+1 . Sous l’hypoth` ese yn−i = z (tn−i ). .r b∗ 3. z (tn+1 )) en = tn ∗ (z (t) − p∗ n. .−1.r v´ −1≤i≤r b∗ n. 6. + tn+1 hn b∗ n.r f (tn+1 .r (t))dt + hn bn. cette formule se r´ yn+1 = yn + h 5 8 1 fn+1 + fn − fn−1 . .r = 1.i. y ) soit lipschitzienne de rapport k en y . − 264 720 Les coefficients b∗ erifient toujours n.64. on a en = z (tn+1 ) − yn+1 = z (tn+1 ) − z (tn ) + hn 0≤i≤r ∗ b∗ n.r f (tn−i . Supposons que f (t. On a la table suivante : r 0 1 2 3 b∗ −1.−1. .78.i.16.−1. . 1. 12. 12 12 12 ∗ ependants de • De mani` ere g´ en´ erale.r 1 2 8 12 19 24 646 720 b∗ 1. ¿º¾º ÖÖ ÙÖ ÓÒ× ×Ø Ò Ø ÓÖ Ö Ð Ñ Ø Ó AMr+1 Soit z une solution exacte du probl` eme de Cauchy. .r ∗ βr = i |b∗ i.r | βr+1 2 3. 1. 0 ≤ i ≤ n.r ind´ n lorsque le pas est constant. .66.r sont des nombres bi.r b∗ 2.r f (tn+1 . les coefficients b∗ n. .r 1 2 5 12 9 24 251 720 b∗ 0. yn+1 ) . . tn+1 tn 1 1 − hn b∗ n. .−1. .i. yn+1 )].

y ) soit k -lipschitzienne en y .2 que ∗ |πn. eres valeurs La m´ ethode AMr+1 est donc d’ordre r + 2.r (ξ ).r .−1. (t − tn−i ).r | n On suppose que les rapports hn /hn−1 restent born´ es. ∗ γr = max |b∗ n.r fn+1 + n.r (t) = −1≤i≤r 1 ∗ z (r+3) (ξ )πn. La es que hn < |b∗ 1 |k . z (θ) − p∗ n.i. . en m´ ethode de r´ esolution it´ erative pour yn+1 fonctionne d` n. Soit yn une suite perturb´ ee telle que   b∗  yn+1 = yn + hn b∗ n. ¿º¿º∗ ËØ ÐØ Ð Ñ Ø Ó AMr+1 |b∗ n.i. .r (θ ) = ∗ o` u πn.268 Analyse num´ erique et ´ equations diff´ erentielles Quand le pas hn est suffisamment petit. (r + 2)! ξ ∈ ]tn.r (t))dt = hn (z (θ ) − pn. yn−i ). θ ∈ ]tn .r (ξ )| +1 r+2 ≤ (r + 1)hmax · (r + 1)! hr max ≤ (r + 2)! hmax . Supposons ´ egalement que f (t.r (t))dt ≤ |z max .−1.r (θ )).r |. Par ailleurs la formule de la moyenne donne tn+1 tn ∗ (z (t) − p∗ n. on a donc |en | = tn+1 tn (z (t) − p∗ n. On initialisera les r premi` a l’aide d’une m´ ethode de Runge-Kutta d’ordre r + 2 (ou a ` la rigueur y1 . . r ≤ n < N. tn+1 [. avec C = t∈[t0 .t0 +T ] max |z (r+3) |. yr ` r + 1). . . par cons´ equent l’erreur de consistance admet la majoration +2 |en | ≤ Chn hr max (1 + O (hn )). tn+1 tn (r+3) +2 (z (t) − p∗ (ξ )|hn hr n. tn+1 [.r particulier d` es que 1 hmax < ∗ . de sorte que les quantit´ es ∗ = max βr n ≤ i≤ r sont contrˆ ol´ ees. γr k ce que nous supposons d´ esormais.r fn−i + εn   0≤i≤r fn−i = f (tn−i . Il r´ esulte du § 2.r (t))dt (1 + O (hn )) comme dans la m´ ethode d’Adams-Bashforth.r (ξ )| = |ξ − tn+1 | |πn.−1.

−1.r |θn+1 + 0≤i≤r |b∗ n. exp (βr Le tableau du § 3. . Les m´ ethodes de pr´ ediction-correction que nous allons d´ ecrire permettent d’obtenir une stabilit´ e ´ equivalente.−1.r |khn ≥ 1 − γr khmax > 0.r |khn θn ≤ eΛ(tn −tr ) θr + r ≤ i≤ n |εi | .r |khn ) ≤ θn 1 + 0≤i≤r ≤ 1+ 0≤i≤r |b∗ n. θn+1 ≤  1 + 1 − |b∗  n. Comme on a θn+1 = max (|yn+1 − yn+1 |. θn ). tout en fournissant un sch´ ema explicite de r´ esolution.i.1 montre qu’` a ordre r + 2 ´ egal.r |khn θn+1 ≤ (1 + Λhn )(θn + |εn |). ∗ Or 1 − |b∗ n.r |θn + |εn |. |b∗ n. d’o` u la constante de stabilit´ e S = eΛT = exp ∗ βr kT ∗ kh 1 − γr max ∗ Lorsque hmax est assez petit devant 1/γr k .r |khn + |εn | θn+1 (1 − |b∗ n. plus stable que ABr+2 . on a donc sensiblement S ∗ kT ). ∗ ∗ k/(1 − γr khmax ).i.r |khn 0≤i≤r − |b∗ n. par suite 1+ θn+1 ≤  1 |b∗ n.    −1≤i≤r  (θn + |εn |).i. il vient 0≤i≤n θn+1 ≤ θn + khn |b∗ n.i.−1.−1.r |khn (θn + |εn |).i.−1. Un raisonnement analogue a ` la d´ emonstration du avec Λ = βr lemme de Gronwall discret donne par r´ ecurrence sur n : |b∗ n.r |khn (θn + |εn |).` pas multiples IX – M ´ ethodes a 269 et posons θn = max |yi − yi |. la m´ ethode AMr+1 est beaucoup e cet avantage important. Il n’en reste pas moins que malgr´ la m´ ethode d’Adams-Moulton est d’utilisation d´ elicate ` a cause de son caract` ere implicite.

En substituant la valeur pfn+1 ainsi trouv´ ee ` a fn+1 dans la formule d’AdamsMoulton. .−1. yr et des pentes f0 . . L’erreur de consistance est en = z (tn+1 ) − yn+1 avec yn−i = z (tn−i ). ´ evaluation. fournissant (explicitea atteindre : ment) une premi` ere valeur approch´ ee pyn+1 du point yn+1 ` ediction de yn+1 . pyn+1 ) yn+1 = yn + hn b∗ n. Ici encore. on pose  Pr´ ediction :        Evaluation :    Correction :     Evaluation : pyn+1 = . On peut points y1 .r fn−i Nous avons utilis´ e ici la m´ ethode d’Adams-Moulton comme correcteur.i   f∗ 0≤i≤r n+1 = ∗ f (tn+1 . . fn−r .r pfn+1 + fn+1 = f (tn+1 . . correction. L’erreur de consistance correspondante est ∗ e∗ n = z (tn+1 ) − yn+1 . 0 ≤ i ≤ r. une m´ ethode PECE (pr´ ediction.i. . 0 ≤ i ≤ r) tn+1 = tn + hn pfn+1 = f (tn+1 . fn−i . on obtient alors une nouvelle valeur corrig´ ee yn+1 qui est retenue en vue des calculs ult´ erieurs. . . . le d´ emarrage de l’algorithme PECE n´ ecessite le calcul pr´ ealable des a l’aide d’une m´ ethode ` a 1 pas. ∗ Soit yn ` l’aide du seul correcteur (Adams-Moulton). fr ` estimer que le coˆ ut en temps de calcul d’une m´ ethode PECE est environ le double de celui d’une m´ ethode d’Adams-Bashforth d’ordre ´ egal (mais on verra que la stabilit´ e est beaucoup meilleure). º¾º ÖÖ ÙÖ ÓÒ× ×Ø Ò Ò× È Soit z une solution exacte du probl` eme de Cauchy. yn +1 ). .−1. fn ´ calcul´ es. . . . yn . Ce temps de calcul est en g´ en´ eral inf´ erieur ` a celui des m´ ethodes de Runge-Kutta sophistiqu´ ees (d’ordre ≥ 3). . +1 la valeur qui serait obtenue a de sorte que  ∗ ∗ ∗   yn b∗ +1 = yn + hn bn. De fa¸ con pr´ ecise. . pyn+1 ) = pr´ ediction de fn+1 .r fn. yn+1 ) ∗ 0≤i≤r bn. pyn+1 = pr´ pfn+1 = f (tn+1 .i.270 Analyse num´ erique et ´ equations diff´ erentielles ºÅ Ø Ó º½º ÈÖ Ò Ô × ÔÖ Ò Ö Ð Ø ÓÒ¹ ÓÖÖ Ø ÓÒ On se donne une m´ ethode dite de pr´ ediction (ou pr´ edicteur). (` a partir des yn−i . mais cela pourrait ˆ etre a priori n’importe quelle autre m´ ethode implicite.r fn+1 + n. . ´ evaluation) etant d´ ej` a a r + 1 pas va s’´ ` ecrire de la mani` ere suivante : yn−r .

−1. Les contributions de |e∗ n | et |pen | dans |en | +2 . pyn+1 ) yn+1 = yn + hn 1 2 pfn+1 + fn+1 = f (tn+1 . º¿º Ü ÑÔÐ × • Pr´ edicteur : Euler (ordre 1). Il en r´ esulte finalement ∗ ∗ ∗ |yn +1 − yn+1 | ≤ |bn. l’ordre global de PECE est donc r + 2 dans ce seront alors toutes deux ≤ Chn hr max cas.  P    E C    E : : : : pyn+1 = yn + hn fn pfn+1 = f (tn+1 . ´ Ecrivons ∗ ∗ en = (z (tn+1 ) − yn +1 ) + (yn+1 − yn+1 ) ∗ en = e∗ n + (yn+1 − yn+1 ). d’o` ∗ ∗ |yn +1 − pyn+1 | ≤ |pen | + |en |. 1 2 1 2 .r |khn |en | + |bn.−1. yn+1 ) 1 2 fn Cet algorithme co¨ ıncide avec la m´ ethode de Heun. on voit qu’il convient de choisir un pr´ edicteur d’ordre r + 1. qui n’est autre que la m´ ethode de Runge-Kutta d´ efinie par 0 0 0 0 1 1 .r (fn+1 − pfn+1 ). Si f (t. on en d´ eduit ∗ ∗ ∗ |yn +1 − yn+1 | ≤ hn |bn. On a par ailleurs ∗ ∗ ∗ yn +1 − yn+1 = hn bn.` pas multiples IX – M ´ ethodes a 271 Le pr´ edicteur introduit lui aussi une erreur de consistance pen = z (tn+1 ) − pyn+1 . On voit que l’influence du pr´ edicteur est nettement moindre que celle du correcteur puisque son erreur de consistance est en facteur d’un terme O(hn ). Correcteur : AM1 (ordre 2).r | khn (|pen | + |en |) ∗ |en | ≤ |e∗ n | + |yn+1 − yn+1 | ∗ ∗ |en | ≤ 1 + |b∗ n. y ) est k -lipschitzienne en y .−1.r | khn |pen |. Le correcteur r+2 etant d’ordre r + 2 (c’est-` a-dire |e∗ AMr+1 ´ n | ≤ Chn hmax ).−1.r | k |yn+1 − pyn+1 | ∗ ∗ u et yn +1 − pyn+1 = (z (tn+1 ) − pyn+1 ) − (z (tn+1 ) − yn+1 ).−1.

r fn−i pfn+1 = f (tn+1 .i yn−i + hn 0≤i≤r βn.−1. Correcteur : AMr+1 (ordre r + 2). pyn+1 ) yn+1 = yn + h 5 12 pfn+1 + 8 12 fn − 1 12 fn−1 fn+1 = f (tn+1 .272 Analyse num´ erique et ´ equations diff´ erentielles • Pr´ edicteur : Nystr¨ om (ordre 2) avec pas constant hn = h. yn+1 ).  P :        E :   C :       E : pyn+1 = yn + hn 0≤i≤r bn.i fn−i b∗ n.−1. yn+1 ) • Pr´ edicteur : ABr+1 (ordre r + 1).r pfn+1 + Remarque – Dans la r´ ealit´ e il s’introduit ´ egalement une erreur d’arrondi pεn au niveau de la pr´ ediction. calcul´ Bashforth. Exercice – V´ erifier que ce dernier algorithme PECE ´ equivaut a ` la m´ ethode d’Adams-Moulton dans laquelle l’algorithme it´ eratif est arrˆ et´ e` a la premi` ere ´ etape. . Soit yn une suite perturb´ ee telle que   pyn+1 =    αn.i.r fn−i + εn .i |.i fn−i et notons A = max n i |αn. e ` a partir de la valeur x0 fourni par la m´ ethode d’Adamssoit yn+1 = x1 . 0≤i≤r ∗     yn+1 = yn + hn bn. Correcteur : AM2 (ordre 3). mais pour notre calcul il sera plus simple de comptabiliser cette erreur dans εn (ceci n’est visiblement pas restrictif).  P :     E :  C :     E : pyn+1 = yn−1 + 2hfn pfn+1 = f (tn+1 . º º ËØ ÐØ Ð Ñ Ø Ó È Supposons que le pr´ edicteur soit de la forme pyn = 0≤i≤r αn. B = max n i |βn.i.i yn−i + hn 0≤i≤r 0≤i≤r βn.r pfn+1 + 0≤i≤r b∗ n.i. pyn+1 ) yn+1 = yn + hn b∗ n.i |.r fn−i fn+1 = f (tn+1 .

r |(A − 1 + Bkhn ) khn θn+1 ≤ θn (1 + Λhn ) + |εn |.−1.i sont ≥ 0. Si les coefficients αn. ou ABr+1 ). il faudra temps). Milne. Par comparaison avec les m´ ethodes de Runge-Kutta. il s’agit de m´ ethodes de pr´ ediction-correction dans lesquelles la derni` ere ´ etape d’´ evaluation est omise (en vue bien sˆ ur de gagner du ees. On obtient donc des m´ ethodes assez stables. elles sont un peu plus rapides mais un peu moins stables a ` ordre ´ egal. 0≤i≤r En substituant pθn+1 ≤ θn + θn (A − 1 + Bkhn ) dans la deuxi` eme ligne il vient   θn+1 ≤ θn 1 + −1≤i≤r ∗  + |εn |.i. on va avoir S ∗ ∗ exp (βr + γr (A − 1))kT . seule la valeur de la constante A peut influer sur cette stabilit´ e.r |pθn+1 + |b∗ n. y ) est suppos´ 0≤i≤n k -lipschitzienne en y . pyn+1 )       b∗  n. Comme f (t.i pfn−i     0≤i≤r 0≤i≤r    tn+1 = tn + hn Evaluation : pfn+1 = f (tn+1 .i yn−i + hn βn.` pas multiples IX – M ´ ethodes a 273 ee Posons θn = max |yi − yi | et pθn = |pyn − pyn |.−1. On obtient alors l’algorithme suivant :   Pr´ ediction : pyn+1 = αn.i. alors on a A = 1 (c’est le i equent la constante de cas des m´ ethodes de Nystr¨ om. Le lemme de Gronwall montre donc que la m´ ethode PECE est stable. On voit que la stabilit´ e du pr´ edicteur n’a pas d’incidence sur la stabilit´ e de la m´ ethode PECE. on pourrait en th´ eorie utiliser un pr´ edicteur instable ! La consistance du pr´ edicteur implique αn. Si hmax est petit. |b∗ n. º ºÅ Ø Ó ×È Comme leur nom l’indique.r pfn−i . ∗ ∗ avec Λ = (βr + γr (A − 1 + Bkhmax ))k .  Correction : yn+1 = yn + hn −1≤i≤r . il vient :   pθn+1 ≤ Aθn + hn Bkθn ∗  θn+1 ≤ θn + khn |bn.i = 1. par cons´ stabilit´ e ∗ kT ) S exp (βr sera peu diff´ erente de celle de la m´ ethode d’Adams-Moulton seule. d’un coˆ ut mod´ er´ e en temps de calcul et d’ordre aussi ´ elev´ e que l’on veut.i. Ceci signifie que les pentes corrig´ ees fn+1 ne sont pas calcul´ donc se contenter de faire intervenir les pentes pr´ edites pfn−i .r | + |bn.r |θn + |εn |. avec constante de stabilit´ e ∗ ∗ S = eΛT = exp (βr + γr (A − 1 + Bkhmax )kT .

. Il vient : pθn+1 ≤ Aθn + Bkhn pθn ∗ θn+1 ≤ θn + βr khn pθn+1 + |εn |. Avec cette d´ efinition. . car γr < βr . . Stabilit´ e de la m´ ethode PEC* – Avec les notations et hypoth` eses du § 4. 0 ≤ i ≤ r. on pose en = z (tn+1 ) − yn+1 o` u yn+1 est calcul´ ee ` a partir des valeurs ant´ erieures pyn−i = yn−i = z (tn−i ).r |khn |pen |. En substituant dans la deuxi` eme ligne 1+ θn+1 ≤ S = exp Si hmax est assez petit.−1. d’o` u ∗ ∗ |en | ≤ 1 + |b∗ n. exp (βr ∗ ∗ Ceci est un peu moins bon que dans le cas de la m´ ethode PECE.4. ∗ Ak βr hn θn + |εn |. . mais on perd un peu en stabilit´ e et en pr´ ecision. Il convient de red´ efinir en comme suit. La premi` ere ligne entraˆ ıne pθn+1 ≤ Aθn + Bkhmax pθn+1 . pfr .r |khn |en | + |bn.i. .−1. yr . pf0 . pour A = 1 la constante de stabilit´ e est la mˆ eme : S ∗ kT ).r pfn−i + εn et posons θn = max |yi − yi |. 1 − Bkhmax Le lemme de Gronwall donne la constante de stabilit´ e d’o` u pθn+1 ≤ il vient : A 1−Bkhmax θn si Bkhmax < 1. il est facile de voir que l’erreur de consistance est identique ` a celle de la m´ ethode PECE. . exp (βr c’est-` a-dire pr´ ecis´ ement la constante de stabilit´ e de la m´ ethode d’Adams-Moulton seule. Si z est une solution exacte. N´ eanmoins. . consid´ erons une suite perturb´ ee yn telle que yn+1 = yn + hn −1≤i≤r 0≤i≤n 0≤i≤n b∗ n. . Par rapport a ` PECE. on aura S ∗ βr AkT . Le correcteur ´ etant d’ordre r + 2. on ´ economise donc un peu de temps de calcul. .274 Analyse num´ erique et ´ equations diff´ erentielles Le d´ emarrage de l’algorithme n´ ecessite le calcul pr´ ealable des quantit´ es y1 . Erreur de consistance* – L’algorithme PEC n’entre pas tout a ` fait dans le cadre g´ en´ eral des m´ ethodes que nous avons consid´ er´ ees jusqu’` a pr´ esent. 1 − Bkhmax ∗ AkT ). pθn = max |pyi − pyi |. on choisira ici encore le pr´ edicteur d’ordre r + 1.

Montrer que la seule m´ ethode (M) qui soit d’ordre ≥ 4 est (M4 ) yn+1 = yn−1 + h 1 4 1 fn−1 + fn + fn+1 . on se donne un entier N ≥ 2 et on consid` ere la subdivision tn = t0 + nh. On suppose que pour tout t ∈ [t0 . si 0 ≤ α ≤ 1 et si h est assez petit. y (t0 ) = y0 . . ´ Ecrire la condition n´ ecessaire et suffisante pour que la m´ ethode (M) soit d’ordre ≥ 1 (respectivement ≥ 2. yn−1 ) + β f (tn . Les r´ eels y0 et y1 = y0 + ε ´ ε. La m´ (a) Soit g une fonction de classe C 5 au voisinage de 0. on supposera sans le repr´ eciser chaque fois que les m´ ethodes (M) ´ etudi´ ees sont d’ordre 1 au moins. θn+1 et εn . ≥ 3. yn ) + β f (tn+1 . zn−1 ) + β f (tn . 0 ≤ n ≤ N . etant donn´ es a priori. zn+1 )) + εn . Pour r´ ce probl` eme. 3 3 3 Quelle interpr´ etation peut-on donner de cette m´ ethode ? NB : Dans les questions qui suivent. o` u esoudre num´ eriquement f : [t0 . exprimer yn en fonction de y0 . zn ) + β f (tn+1 .1. (c) On se propose ici de montrer inversement que la m´ ethode (M) est stable. t0 + T ] la fonction y → f (t.` pas multiples IX – M ´ ethodes a 275 º ÈÖÓ Ð Ñ × 5. avec fn = f (tn . T . (b) On cherche a ` tester la stabilit´ e de la m´ ethode (M) en consid´ erant l’´ equation diff´ erentielle triviale y = 0. zn+1 = αzn−1 + α zn + h(βf (tn−1 . On consid` ere le probl` eme de Cauchy y (t) = f (t. ethode est donc explicite si β = 0 et implicite si β = 0. de pas constant h = N On ´ etudie les m´ ethodes ` a 2 pas de la forme (M) yn+1 = αyn−1 + α yn + h(βfn−1 + β fn + β fn+1 ). ≥ 4). t0 + T ] × R → R est une fonction de classe C 5 . α. Soient deux suite (yn ) et (zn ) telles que pour n ≥ 1 on ait yn+1 = αyn−1 + α yn + h(βf (tn−1 . y (t)). y ) est k -lipschitzienne. Calculer un d´ eveloppement limit´ e` a l’ordre 4 en h = 0 de la quantit´ e ∆(h) = g (h) − [αg (−h) + α g (0) + h(βg (−h) + β g (0) + β g (h))]. 0≤i≤n (α) Majorer |zn+1 − yn+1 | en fonction de θn . n. yn ). yn+1 )). En d´ eduire qu’une condition n´ ecessaire pour que la m´ ethode (M) soit stable est que −1 < α ≤ 1. On pose θn = max |zi − yi |.

(s + r − 1) ds. qui reste born´ ee quand h tend vers 0. (s + r) . i!(r − i)! 1 0 ≤ i ≤ r. (f) (α) Expliciter l’algorithme PECE dont le pr´ edicteur est la m´ ethode de Nystr¨ om ). 0 ≤ i ≤ r − 1.r = (−1) γr . et le nombre N d’it´ erations. L’utilisateur fournit la donn´ ee initiale (t0 . yn ) successives pour 0 ≤ n ≤ N. . on notera 3 celles-ci (M3 ). (β ) En d´ eduire l’existence d’une constante de stabilit´ e S (h). r! i bi.r−1 = (−1)i Cr γr .r − bi. s’´ ecrit r yn+1 = yn + h i=0 bi. . . et dont le correcteur est la m´ ethode (M3 α1 L’initialisation sera faite au moyen de la m´ ethode de Runge-Kutta d’ordre 4 usuelle. yn−i ) avec bi. . (s + i) . le pas h.r = (−1)i (b) On pose 0 1 s(s + 1) . de pas constant h. y ) = sin(ty − y 2 ).2. . L’ordinateur affichera alors les valeurs (tn . (e) D´ eterminer en fonction de α les m´ ethodes (M) qui sont d’ordre 3 . ´ (β ) Ecrire un programme informatique mettant en œuvre l’algorithme pr´ ec´ edent dans le cas de la fonction f (t. A quoi correspond (M ethode (M3 α 0 ) ? Existe-t-il une m´ α ) qui soit explicite et stable ? Montrer qu’il existe une unique m´ ethode (M3 α1 ) pour laquelle β = 0. 5. γr = D´ emontrer les formules 0 s(s + 1) . y0 ).276 Analyse num´ erique et ´ equations diff´ erentielles En d´ eduire que si |β |kh < 1 on a θn+1 ≤ 1+ (|β | + |β | + |β |)kh 1 − |β |kh (θn + |εn |). . L’objet de ce probl` eme est d’´ etudier les m´ ethodes d’Adams-Bashforth et d’Adams-Moulton avec pas constant. telle que N −1 θN ≤ S (h) θ1 + k=1 |εn | . (a) Montrer que la m´ ethode d’Adams-Bashforth a ` (r + 1) pas. r br.r f (tn−i . .

(a) Calculer explicitement yn+1 . et on ´ etudie la m´ ethode num´ erique suivante : si yn est la valeur approch´ ee de la solution au temps tn et si fn = f (tn .. Quelle m´ ethode obtient-on lorsque le pas hn = h est constant ? (b) Soit z une solution exacte de l’´ equation diff´ erentielle. yn ) on pose tn+1 (M) yn+1 = yn−1 + tn−1 pn (t)dt o` u pn est le polynˆ ome d’interpolation des pentes fn . Soit a ` r´ esoudre num´ eriquement un probl` eme de Cauchy y = f (t. fn−1 aux temps tn et tn−1 . L’initialisation sera faite au moyen de la m´ ethode de Runge-Kutta d’ordre 4.r . (e) D´ emontrer des formules analogues a ` celles de (a). D´ eterminer un ´ equivalent de l’erreur de consistance en attach´ ee ` a la m´ ethode (M). On note hn = tn+1 − tn . y (t0 ) = y0 o` u f est de classe C 2 sur [t0 . < tN = t0 + T de l’intervalle. 5. t0 + T ] × R. (c) pour la m´ ethode d’Adams-Moulton. y ). Quel est l’ordre de cette m´ ethode ? Comment proc´ ederiez-vous pour la phase d’initialisation ? (c) Soit une suite yn v´ erifiant la relation de r´ ecurrence tn+1 yn+1 = yn−1 + tn−1 pn (t)dt + εn . r=0 +∞ En d´ eduire la valeur de l’expression log (1 − t) r=0 γr tr ..3. . On se donne une subdivision t0 < t1 < . On utilisera les formules de r´ ecurrence ci-dessus pour ´ evaluer γr et bi. puis la valeur des sommes γ1 γr−1 γ0 + + . + + γr . (b). .` pas multiples IX – M ´ ethodes a 277 (c) Montrer que pour |t| < 1 on a 1 0 (1 − t)−s ds = +∞ γr tr . r+1 r 2 ´ (d) Ecrire un programme informatique mettant en œuvre la m´ ethode d’AdamsBashforth a ` un nombre arbitraire de pas.

fn+1 sont les d´ eriv´ ees exactes de z aux 2 h eterminer un ´ equivalent de l’erreur de consistance points tn . Etudier la stabilit´ e de la m´ ethode (M). y y (t0 ) = y0 . y ). il est n´ ecessaire de pr´ edire des valeurs 1 et yn+1 .4. t ∈ [t0 . fn+ 1 . La quantit´ e εn d´ esigne l’erreur commise ` a l’´ etape n. (β ) On suppose que les pentes fn . ainsi que les pentes et py des points y approch´ ees pyn+ 1 n +1 n+ 2 2 correspondantes pfn+ 1 = f (tn + 2 h . Montrer que l’algorithme correspondant s’´ ecrit (C) + γfn+1 ) yn+1 = yn + h(αfn + βfn+ 1 2 avec des coefficients α. On suppose que f (t. γ que l’on pr´ ecisera. Quel est l’ordre de la m´ ethode (C) ? (b) Pour pouvoir exploiter la formule (C). z (t))dt et on approxime l’int´ egrale par la m´ ethode de Simpson ´ el´ ementaire. β . on ´ ecrit tn+1 z (tn+1 ) = z (tn ) + tn f (t. pyn+ 1 ). 5. tn + h. Le pas est choisi constant : h = N (a) L’objet de cette question est de d´ ecrire la m´ ethode de correction. rapport k en y . D´ e∗ n = z (tn+1 ) − yn+1 en fonction de h et de la d´ eriv´ ee z (5) (tn ). . pyn+1 ). 0≤i≤n (α) Montrer que θn+1 ≤ 1 + khn 1 + max hn hn−1 . yn ) et yn−1 . (α) Si z est une solution exacte du probl` eme de Cauchy. t0 + T ] × R et lipschitzienne de T . hn−1 hn θn + εn . N ∈ N∗ . t0 + T ] La fonction f (t. Dans cet exercice. y ) est suppos´ ee de classe C 4 sur [t0 . on se propose d’´ etudier une m´ ethode de pr´ edictioncorrection de type PEPEC pour la r´ esolution d’un probl` eme de Cauchy = f (t. (β ) On suppose que le rapport de 2 pas cons´ ecutifs est major´ e par une constante ´ δ (avec disons 1 ≤ δ ≤ 2).278 Analyse num´ erique et ´ equations diff´ erentielles o` u pn interpole les valeurs fn = f (tn . y ) est k -lipschizienne en y et on note θn = max |yi − yi |. tn + 2 . 2 2 pfn+1 = f (tn+1 .

n ∈ N on pose θn = max |yi − yi |. 11 2 kh 1 − 6 kh n+ 2 11 6 ≤ θn + kh pθn+ 1 2 ≤ pθn+ 1 2 1− 1− 11 6 11 3 pθn− 1 2 11 6 1− kh . kh θn . Soit yn une suite perturb´ etant comptabilis´ ee au niveau de (C) : entach´ ee d’une erreur εn .` pas multiples IX – M ´ ethodes a 279 Pour cela. on utilise comme pr´ edicteur (P) la m´ ethode d’Adams-Bashforth a ` . 0≤i≤n 0≤i≤n pθn = max |pyi − pyi |. ´ (β ) Ecrire en langage informatique la boucle centrale correspondant a ` l’it´ eration de l’algorithme PEPEC (on pr´ ecisera la signification des variables utilis´ ees). tn + 2 et tn + 2 . de pas constant h n 2 1. . puis une deuxi` eme fois pour ´ evaluer pyn+1 ` 2 (α) Expliciter compl` etement l’algorithme PEPEC ainsi obtenu. kh En d´ eduire une majoration de θn+1 en fonction de θn . (β ) Comparer la stabilit´ e de PEPEC a ` la stabilit´ e de la m´ ethode PECE de mˆ eme ordre ayant pour pr´ edicteur Adams-Bashforth et pour correcteur AdamsMoulton. 1 yn+1 o` 2 . pf . . pθn et pθn− 1 puis pθn+1 en fonction de (α) Majorer pθn+ 1 2 2 pθn+ 1 et pθ . 3 pas. | + |pen | + 2 6 6 24 Le choix du pr´ edicteur est-il justifi´ e ? Quel est l’ordre de la m´ ethode PEPEC ? Comment proc´ ederiez-vous pour l’initialisation de l’algorithme ? (c) On se propose ici de d´ eterminer une constante de stabilit´ e de l’algorithme ee telle que la formule de correction soit PEPEC. 1 sont exacts. tn+1 . En d´ e duire successivement (pour h assez petit) : n 2 pθn+1 ≤ 1+ 1− 7 6 4 6 kh 1 ≤ pθn+ 1 pθ 1 . 2 Pour i. i ∈ 0. |εn | et une estimation de S . (γ ) L’erreur de consistance de la m´ ethode PEPEC est d´ efinie par en = z (tn+1 ) − u l’on suppose que les points yn et pyn−i . La m´ e thode (P) est utilis´ e e une premi` e re fois pour ´ e valuer py pfn− 1 n − 1 n+ 2 2 a patir de pyn+ 1 . 2 2 2 0≤i≤n en fonction de θn . toute l’erreur ´ yn+1 = yn + h(α pfn + β pfn+ 1 + γ pfn+1 ) + εn . Si pen et pen+ 1 d´ e signent les erreurs de consistance du pr´ edicteur sur les 2 h h intervalles de temps tn . pθn+ 1 = max |pyi+ 1 − pyi+ 1 |. montrer que |en | ≤ |e∗ n| + 4 1 23 kh|pen | + kh |pen+ 1 kh|pen | . faisant intervenir les pentes pr´ e dites ant´ e rieures pf .

.

r) et une constante C ≥ 0 telles que (i) Pour tout z ∈ B (z0 . z0 ) est stable s’il existe une boule B (z0 . t → y (t.Ô ØÖ ËØ Ð Ø × ×ÓÐÙØ ÓÒ× Ø ÔÓ ÒØ× × Ò ÙÐ Ö× ³ÙÒ ÑÔ Ú Ø ÙÖ× On se propose ici d’´ etudier le comportement des solutions d’une ´ equation diff´ erentielle et des lignes int´ egrales d’un champ de vecteurs lorsque le temps t tend vers l’infini. r). qui concerne la stabilit´ e de l’algorithme sur un intervalle de temps fix´ e. +∞[. y ) avec condition initiale y (t0 ) = z0 . le comportement des solutions est gouvern´ e par le signe de la partie r´ eelle des valeurs propres de la matrice associ´ ee ` a la partie lin´ eaire de l’´ equation : une solution est dite stable si les solutions associ´ ees ` a des valeurs voisines de la donn´ ee initiale restent proches de la solution consid´ er´ ee jusqu’` a l’infini. On ´ etudie finalement les diff´ erentes configurations possibles des lignes int´ egrales au voisinages des points singuliers non d´ eg´ en´ er´ es d’un champ de vecteurs plan. (ii) Pour tous z ∈ B (z0 . Cette notion de stabilit´ e (dite aussi stabilit´ e au sens de Lyapunov) ne devra pas ˆ etre confondue avec la notion de stabilit´ e d’une m´ ethode num´ erique. z ) = z . ½º ËØ ½º½º (E) ÐØ Ò Ø ÓÒ× × ×ÓÐÙØ ÓÒ× On consid` ere le probl` eme de Cauchy associ´ e` a une ´ equation diff´ erentielle y = f (t. z ) la solution maximale de (E) tel que y (t0 . On s’int´ eresse essentiellement au cas des ´ equations lin´ eaires ou voisines de telles ´ equations. z0 ) ≤ C z − z0 . z ) − y (t. On dira que la solution y (t. . Dans ce cas. r) et t ≥ t0 on a y (t. D´ efinition – Soit y (t. z ) est d´ efinie sur [t0 . On suppose que la solution de ce probl` eme existe sur [t0 . +∞[ .

y z z0 solution instable z z0 solution stable z z0 solution asymptotiquement stable t0 t ½º¾º × ³ÙÒ ×Ý×Ø Ñ Ð Ò Ö Ó ÒØ× ÓÒ×Ø ÒØ× Nous ´ etudierons d’abord le cas le plus simple. . avec yj . ym    a1m . a m1 ... aij ∈ C . r) et t ≥ t0 on ait t→+∞ y (t.. le cas r´ eel peut bien entendu ˆ etre vu comme un cas particulier du cas complexe.282 Analyse num´ erique et ´ equations diff´ erentielles La solution y (t. A= . La signification g´ eom´ etrique de ces notions de stabilit´ e est illustr´ ee par le sch´ ema suivant. . a11 . +∞[→ R+ continue avec lim γ (t) = 0 telles que pour tous z ∈ B (z0 . . z ) − y (t. z0 ) ≤ γ (t) z − z0 . z0 ) est dite asymptotiquement stable si elle est stable et si la condition (ii’) plus forte que (ii) est satisfaite : (ii’) Il existe une boule B (z0 . ..  Y = . . . r) et une fonction γ : [t0 .  amm (E) Y = AY. La solution du probl` eme de Cauchy de condition initiale Y (t0 ) = Z . a ` savoir le cas d’un syst` eme lin´ eaire sans second membre  y1  .

Z0 ) = e(t−t0 )A · (Z − Z0 ) et la stabilit´ e est li´ ee au comportement de e(t−t0 )A quand t tend vers +∞. Les solutions sont stables si et seulement si cette quantit´ e reste born´ ee quand t tend vers +∞. Distinguons quelques cas. . On a alors |e(t−t0 )a | = e(t−t0 ) Re(a) . dont la (t−t0 )A norme |||e ||| doit rester born´ ee. t → +∞ • m quelconque. Si A est diagonalisable. De mˆ eme. Le syst` eme se ram` ene aux ´ equations ind´ ependantes yj = λj yj et admet pour solution yj (t. . et si Re(λ) > 0 leur module tend vers +∞ car la croissance de l’exponentielle l’emporte sur celle des polynˆ omes. 0 λm o` u λ1 .  A= . 1 ≤ j ≤ m. Les solutions sont donc stables si et seulement si Re(λj ) ≤ 0 pour tout j et asymptotiquement stables si et seulement si Re(λj ) < 0 pour tout j . . les solutions sont asymptotiquement stables si et seulement si Re(a) < 0. . Z ) = e(t−t0 )A · Z . • m = 1. On a donc Y (t. c’est-` a-dire si Re(a) ≤ 0. λ ∗   = λI + N o` u N est une matrice nilpotente (triangulaire sup´ erieure) non nulle.. Si Re(λ) < 0. Il vient alors e(t−t0 )A = e(t−t0 )λI · e(t−t0 ) N = eλ(t−t0 ) m− 1 k=0 (t − t0 )k k N . Si A n’est pas diagonalisable. donc le degr´ e est au moins 1). on se ram` ene apr` es un changement lin´ eaire de coordonn´ ees ` a   0 λ1 . A = (a). k! omes donc les coefficients de e(t−t0 )A sont des produits de eλ(t−t0 ) par des polynˆ de degr´ e ≤ m − 1 non tous constants (car N = 0. les coefficients tendent vers 0. .. Si . Z ) − Y (t.X – Stabilit´ e des solutions et points singuliers 283 est donn´ ee par Y (t. Supposons donc  A= 0 λ . Z ) = zj eλj (t−t0 ) . et on peut alors prendre γ (t) = e(t−t0 ) Re(a) − − − − − − → 0. λm d´ esignent les valeurs prores de A. il suffit de regarder ce qui se passe pour chaque bloc d’une triangulation de A.

. . on peut toujours ´ etendre le syst` eme ` a Cm en posant m par exemple g (t. Y1 ) − g (t. . r1 ) ⊂ B (0. λ1 a12 λ2 . +∞[. . On se propose de montrer que si la partie lin´ eaire est asymptotiquement stable et si la perturbation g est suffisamment petite. Re(Y )) pour Y ∈ C .  . . . . g (t. r). . . • stables si et seulement si pour tout j . On voit donc que les solutions sont asympotiquement stables si et seulement si Re(λ) < 0 et sinon elle sont instables. Y ) o` u g : [t0 . En r´ esum´ e. m. Y1 ) − g (t. . ∀Y1 . . Y2 ∈ B (0. r0 ] → R+ telle que lim k (r) = 0 et r →0 ∀t ∈ [t0 . on a |eλ(t−t0 ) | = 1 et par suite e(t−t0 )A est non born´ ee. λm les valeurs propres complexes de la matrice A. (a) S’il existe une fonction k : [t0 .. alors toute solution de (E) est asymptotiquement stable.* Si K = R.. ½º¿º È Ø Ø Ô ÖØÙÖ On consid` ere dans K (E) m Ø ÓÒ ³ÙÒ ×Ý×Ø Ñ Ð Ò =R m Ö ou C m un syst` eme de la forme Y = AY + g (t.. .. en un sens ` a pr´ eciser. .. .284 Analyse num´ erique et ´ equations diff´ erentielles Re(λ) = 0. +∞[ × Km → Km est une fonction continue. Il existe alors une base (e1 . (b) Si g (t. On se placera donc dans Cm . ∀Y1 .  a1m . em ) dans laquelle A se met sous forme triangulaire    A=  . alors les solutions de (E) sont encore asymptotiquement stables. Y2 ) ≤ k (t) Y1 − Y2 . on peut ´ enoncer : Th´ eor` eme – Soient λ1 . +∞[ → R+ continue telle que lim k (t) = 0 et t→+∞ ∀t ∈ [t0 . Z0 ) de valeur initiale Z0 ∈ B (0. ... . . D´ emonstration. Y ) = g (t.. g (t. ou bien Re(λj ) < 0. Th´ eor` eme – On suppose que les valeurs propres complexes λj de A sont de partie r´ eelle Re λj < 0. 0) = 0 et s’il existe r0 > 0 et une fonction continue k : [0. ou bien Re(λj ) = 0 et le bloc correspondant est diagonalisable.  . alors il existe une boule B (0. . . r0 ) telle que toute solution Y (t. . +∞[. r1 ) soit asymptotiquement stable. Y2 ) ≤ k (r) Y1 − Y2 pour r ≤ r0 . Y2 ∈ Km ... Alors les solutions du syst` eme lin´ eaire Y = AY sont • asymptotiquement stables si et seulement si Re(λj ) < 0 pour tout j = 1..    am−1m  λm 0 .

(a) Observons dans ce cas que f (t. . Z0 ) : Y (t. = 2 Re(t ∆(t)∆ (t)) = 2 Re(t ∆(t)A∆(t)) + 2 Re t ∆(t)(g (t. et on pourra choisir ε aussi petit qu’on veut. Z ) = AY (t. Nous avons ∆ (t) = A∆(t) + g (t. Y ) = AY + g (t.X – Stabilit´ e des solutions et points singuliers 285 Posons ej = εj ej avec ε > 0 petit. . Z0 ) = AY (t. On supposera donc qu’on a |aij | ≤ ε. +∞[. Y (t. Z0 ) en distinguant les deux cas (a) et (b). Y (t. Z0 ) + g (t. Consid´ erons deux solutions Y (t. Y (t. Z )) − g (t.4 montre donc d´ ej` a que toutes les solutions sont globalement d´ efinies sur [t0 . Y (t. Z )) − g (t. Z ) + g (t. Z0 )) ≤ k (t) ∆(t) Notons (δj (t))1≤j ≤m les composantes de ∆(t) et m ρ(t) = ∆(t) Par diff´ erentiation on obtient m 2 = j =1 δj (t)δj (t). ∆(t)A∆(t) = j =1 λj |δj (t)|2 + i<j aij δi (t)δj (t). de sorte que m Re(t ∆(t)A∆(t)) ≤ j =1 (Re λj )|δj (t)|2 + i<j |aij | ∆(t) 2 . Z0 ))) . La deuxi` eme partie r´ eelle est major´ ee par 2 ∆(t) · g (t. Y (t. m ρ (t) = j =1 δj (t)δj (t) + δj (t)δj (t) = 2 Re i=1 δj (t)δj (t). Z ) et Y (t. Y (t. . . Z )). Y (t. Le crit` ere V 3. Y (t. Z )) − g (t. Y (t. Z0 )) et cherchons ` a ´ evaluer la diff´ erence ∆(t) = Y (t. + aj −1j ej −1 + λj ej ) = εj −1 a1j e1 + . Y (t. Y (t. Z0 )). Z0 )) ≤ 2k (t) ∆(t) On a par ailleurs m t 2 = 2k (t)ρ(t). g (t. . Il vient Aej = εj (a1j e1 + . Y ) est lipschitzienne en Y avec constante de Lipschitz |||A||| + k (t). + εaj −1j ej −1 + λj ej de sorte que dans la base (ej ) les coefficients non diagonaux peuvent ˆ etre rendus arbitrairement petits. Z )) − g (t. Z ) − Y (t.

a condition de supposer que t → Y (t. . Z0 ) ≤ γ (t) Z − Z0 avec γ (t) = exp Comme u→ + ∞ t − t0 (α − k (u))du . On obtient alors ρ (t) ≤ −2αρ(t) + 2k (t)ρ(t). elles ne le seront d’ailleurs pas en g´ en´ eral si Z0 ∈ B (0. Z ) ≤ exp − (t − t0 )(α − kr) Z . Sous cette hypoth` pr´ ec´ edemment donnent ρ(t) ≤ Z − Z0 2 t exp − 2 t0 (α − k (r)du . +∞[. vu que les hypoth` eses ne concernent que ce qui se passe pour Y ∈ B (0.286 Analyse num´ erique et ´ equations diff´ erentielles Comme Re(λj ) < 0 par hypoth` ese et |aij | ≤ ε. Z0 ) prennent toutes leurs ` ese. Z0 )) ≤ k (r) ∆(t) . r0 ). r0 ). c’est-` a-dire que Y (t. (∗) Y (t. Y (t. De plus on a g (t. Y (t. ρ (t) ≤ −2α + 2k (t). 0) = 0 pour t ∈ [t0 . lim (α − k (u)) = α > 0. r0 ). ρ(t) ln ρ(t) ≤ −2 ρ(t0 ) t (α − k (u))du. l’int´ Les solutions sont donc bien asymptotiquement stables. r) ⊂ B (0. Z ) − Y (t. on obtient Y (t. 0) = 0. On notera que ρ(t) = ∆(t) 2 ne peut s’annuler que si les deux solutions co¨ ıncident identiquement. En prenant la racine carr´ ee. (b) Ce cas est un peu plus d´ elicat car on ne sait pas a priori si toutes les solutions sont globales . Z − Z0 . Z ) et t → Y (t. Z ) − Y (t. t→+∞ egrale diverge vers +∞ et lim γ (t) = 0. il y a un choix de ε tel que m Re(t ∆(t)A∆(t)) ≤ −α j =1 |δj (t)|2 = −αρ(t) avec α > 0. Z0 ) ≤ exp − (t − t0 )(α − k (r) et en particulier pour Z0 = 0 : Y (t. Z )) − g (t. on a toutefois la solution globale Y (t) = 0. les mˆ emes calculs que valeurs dans B (0. Comme g (t. t0 2 t ρ(t) ≤ Z − Z0 exp − 2 t0 (α − k (u))du car ρ(t0 ) = Z − Z0 2 .

y (t)) . l’angle entre V (M ) et V (M0 ) tend vers 0 quand M tend vers 0.X – Stabilit´ e des solutions et points singuliers 287 a-dire Comme lim k (r) = 0. c’est-` a-dire une application Ω → R2 . Z ) avec Y1 ≤ Z < r1 et se Elle aurait donc une limite Y1 = t→t1 −0 prolongerait sur un voisinage a ` droite de t1 en une solution enti` erement contenue ` diminuer encore un peu r1 . lim Y (t. Un probl` eme g´ eom´ etrique int´ eressant est de d´ ecrire l’allure de la famille des courbes int´ egrales passant au voisinage d’un point M0 donn´ e. Par cons´ equent. M= x y → − → V (M ) = f (x. y ) o` u f. y (t) = g (x(t). t1 [. Z ) avec Z ∈ B (0. +∞[ et Z. r1 ) la solution erifie les in´ egalit´ es maximale Y (t. − → − → → − − Premier cas : V (M0 ) = → 0 . +∞[. solution Y (t. Cette solution maximale est n´ e globalement sur [t0 . r1 ) avec la emontre le th´ eor` eme. Y ) ≤ (|||A||| + k (r1 )) Y ≤ M avec M = (|||A||| + k (r1 ))r1 . Z ) contenue dans la boule ouverte B (0. Z ) − Y (t . y ) g (x. r1 ) v´ ecessairement d´ efinie Y (t. ce qui d´ ¾º ÈÓ ÒØ× × Ò ÙÐ Ö× ³ÙÒ ¾º½º ÈÓ× Ø ÓÒ Ù ÔÖÓ Ð Ñ ÑÔ Ú Ø ÙÖ× On suppose donn´ e un champ de vecteurs de classe C 1 dans un ouvert Ω ⊂ R2 . r1 ) est globale et enti` Par cons´ equent (∗) est satisfaite pour tous t ∈ [t0 .t →t1 −0 r →0 lim Y (t. contradiction. g sont de classe C 1 sur Ω. Quitte a erement contenue dans B (0. Z ) ≤ Z < r1 . Sinon l’intervalle maximal serait un intervalle born´ ecessairement ouvert ` a droite d’apr` es les r´ esultats de V 2. on sait que par tout point il passe une courbe int´ egrale unique. les tangentes aux lignes int´ egrables sont sensiblement parall` eles les unes aux autres dans un petit voisinage de M0 . y (t)) Grˆ ace au th´ eor` eme de Cauchy-Lipschitz. on voit que toute dans B (0. Z ) v´ erifierait le crit` ere de Cauchy t. Z ) = 0. Dans ce cas. on peut choisir r1 < r0 tel que k (r1 ) < α. la fonction Y (t. On consid` ere le syst` eme diff´ erentiel associ´ e − − → dM → − = V (M ) ⇐⇒ dt x (t) = f (x(t). r1 ).4. Comme la [t0 . Z0 ∈ B (0. Un egulier : tel point M0 est dit r´ . Z ) est major´ ee par AY + g (t. c’est-` α − k (r1 ) > 0. L’in´ egalit´ e pr´ ec´ edente montre alors que pour Z ∈ B (0. constante α − k (r1 ) > 0. r1 ). n´ d´ eriv´ ee de t → Y (t.

Le syst` eme diff´ erentiel consid´ er´ e s’´ ecrit maintenant dM = AM + G(M ) dt . On voit alors facilement sur des exemples qu’il y a plusieurs configurations possibles pour le champ des tangentes : → − − → V x y = x y − → V x y = x −y − → V x y = −y x → − → − Si V (M0 ) = 0 . y ) = ax + by + o(|x| + |y |)  dt    dy = g (x. 0) = 0. 0) = g (0. Pour ´ etudier les solutions voisines. On a alors f (0. on dit que M0 est un point singulier (ou point critique) du champ de vecteurs. y ) = cx + dy + o(|x| + |y |). 0) gx (0. 0) gy (0. de sorte que le syst` eme diff´ erentiel peut s’´ ecrire  dx   = f (x.288 Analyse num´ erique et ´ equations diff´ erentielles − → V (M0 ) M0 − → V (M ) M → Deuxi` eme cas : V (M0 ) = − 0 . Un tel point donne ´ evidemment une solution constante M (t) = M0 de (E). on supposera apr` es translation ´ eventuelle de l’origine des coordonn´ ees que M0 = 0. dt Introduisons la matrice A= a b c d = fx (0. 0) fy (0. 0) .

y ) = (x. y0 ) gy (x0 . 0) admet par exemple toute une droite x = 0 de points singuliers. y0 ) Remarque – Contrairement au cas d’un syst` eme lin´ eaire. 0) = Gx (0.r) |||G (M )||| tend vers 0 quand r tend vers 0 et le th´ eor` eme des accroissements finis donne − − − − → G(M1 ) − G(M2 ) ≤ k (r) M1 M2 ese (b) du th´ eor` eme du § 1. 0 t) 2 −1/2 y (t) = y0 (1 − 2 βy0 t) . La fonction continue k (r) = sup M ∈B (0. Dire que le point M0 est asymptotiquement stable signifie que les lignes a peu pr` es int´ egrales issues d’un point M1 voisin de M0 convergent toutes vers M0 (` uniform´ ement ` a la mˆ eme vitesse) quand le temps tend vers +∞. il suffit que les valeurs propres de la matrice jacobienne A= soient de partie r´ eelle < 0. 0) = 0. L’hypoth` satisfaite. fx (x0 . +∞[ = [0. on ne peut pas d´ ecider de la nature du point critique si la matrice jacobienne a une valeur propre de partie r´ eelle nulle. Ce n’est pas toujours aura V (M ) = 0 . On voit facilement que la solution du probl` eme de Cauchy est −1/2 x(t) = x0 (1 − 2αx2 . pour M assez voisin et distinct de M0 on → − → − e. Consid´ erons par exemple le syst` eme  dx   = αx3  dt t ∈ [t0 . On exclura en g´ en´ eral ces situations qui peuvent ˆ etre extrˆ emement compliqu´ ees. y0 ) gx (x0 . 0) = Gy (0. β ≤ 0 et x0 = 0. la solution maximale n’est d´ efinie que pour t ∈ [0. +∞[. M2 ∈ B (0. le th´ eor` eme d’inversion → − locale montre que la fonction M → V (M ) d´ efinit une bijection d’un voisinage de M0 sur un voisinage de 0 . On peut donc ´ enoncer : Proposition – Pour qu’un point singulier M0 = (x0 . y0 ) fy (x0 . en particulier. les solutions ne sont en fait mˆ eme pas globalement d´ efinies : lorsque α > 0. r).X – Stabilit´ e des solutions et points singuliers 289 avec G(0. Dans ce dernier cas. de sorte que M0 est un point singulier isol´ → − le cas si la matrice est d´ eg´ en´ er´ ee : le champ V (x. Si la matrice jacobienne est inversible (valeurs propres = 0).  dy  3  = βy dt qui admet l’origine comme point critique avec matrice jacobienne A = 0. 1/(2 αx2 0 )[. instable d` es que α > 0 ou β > 0. Par cons´ equent l’origine est un point asymptotiquement stable si α < 0 et β < 0. . y0 ) soit asymptotiquement stable.3 est donc pour tous M1 .

§ 2. y0 ) gx (x0 . Nous nous proposons maintenant d’´ etudier les diff´ erentes configurations possibles pour un point singulier non d´ eg´ en´ er´ e.290 Analyse num´ erique et ´ equations diff´ erentielles D´ efinition – On dira qu’un point singulier M0 est non d´ eg´ en´ er´ e si det fx (x0 . On se restreindra dans un premier temps au cas lin´ eaire.3 que les courbes int´ egrales ont tendance ` a ressembler ` a celles du syst` eme lin´ eaire dM/dt = AM lorsqu’on se rapproche du point critique. tout au moins sur un intervalle de temps e . Distinguons deux sous-cas : . t1 ] fix´ § 2. les courbes int´ egrales se d´ eduisent les unes des autres par homoth´ eties. y0 ) = 0. Dans ce cas la matrice A est diagonalisable. ceci n’est pas n´ ecessairement vrai sur tout l’intervalle [t0 . y0 ) est donc x(t) = x0 eλ1 t y (t) = y0 eλ2 t de sorte que les courbes int´ egrales sont les courbes y = C |x|λ2 /λ1 . dt  dx  = ax + by  dt   dy = cx + dy dt a b c d o` u A= . (a) Les valeurs propres λ1 . ¾º¾º × ³ÙÒ ÑÔ Ð Ò Ö Ú Ø ÙÖ× Consid´ erons le syst` eme dM = AM. y0 ) fy (x0 . +∞[ (voir [t0 . Comme le champ des tangentes est invariant par les homoth´ eties de centre O.3 pour des exemples). → − On supposera det A = 0. On verra au chapitre XI. y0 ) gy (x0 . de sorte que le champ de vecteurs V (M ) = AM admet l’origine pour seul point critique. Distinguons maintenant plusieurs cas en fonction des valeurs propres de A. Apr` changement de base on peut supposer A= et le syst` eme se r´ eduit a ` λ1 0 0 λ2  dx   = λ1 x  dt    dy = λ2 y. λ2 de A sont r´ es • Supposons de plus λ1 = λ2 . C∈R et la droite d’´ equation x = 0. eelles. dt La solution du probl` eme de Cauchy avec M (0) = (x0 .

|λ1 | < |λ2 |. On dit qu’on ∗ λ1 . On dit qu’on a affaire a ` un nœud propre : . Alors A est en fait diagonale et les courbes int´ egrales sont donn´ ees par x(t) = x0 eλt y (t) = y0 eλt . disons. par exemple λ1 < 0 < λ2 . λ2 de mˆ a affaire ` a un nœud impropre : y y x x 0 < λ1 < λ2 nœud impropre instable λ 2 < λ1 < 0 nœud impropre stable ∗ λ1 . Deux cas sont possibles : ∗ A est diagonalisable. ce sont les droites y = αx et x = 0.X – Stabilit´ e des solutions et points singuliers 291 eme signe et. On a alors λ2 /λ1 > 1. Il s’agit d’un col (toujours instable) : y x • Les valeurs propres sont confondues : λ1 = λ2 = λ. λ2 de signes oppos´ es.

Toutes les autres s’en d´ eduisent par homoth´ eties. on tracera x par exemple d’abord la courbe y = λ ln |x| passant par (x0 . Comme toute courbe int´ egrale avec x0 = 0 passe par un point tel que |x(t)| = 1. dt A= λ 1 0 λ . Le courbes int´ egrales sont donn´ ees par x(t) = x0 eλt y (t) = (y0 + x0 t)eλt . Alors il existe une base dans laquelle la matrice A et le syst` eme s’´ ecrivent  dx   = λx  dt  dy   = x + λy. . on u obtient toutes les courbes int´ egrales autres que x = 0 en prenant x0 = ±1.292 Analyse num´ erique et ´ equations diff´ erentielles y y x x λ>0 Nœud propre instable λ<0 Nœud propre stable ∗ A est non diagonalisable. d’o`  1  ln |x| t= λ   y = y |x| + x ln |x| 0 λ On dit qu’il s’agit d’un nœud exceptionnel. y0 ) = (±1. 0). Pour construire les courbes.

On trouve alors dz = (α + iβ )x + (−β + αi)y = (α + iβ )(x + iy ) = (α + iβ )z. On dit alors que le point singulier est un foyer. dt de sorte que la solution g´ en´ erale est z (t) = z0 e(α+iβ )t = z0 eαt eiβt . et il existe une base dans laquelle la matrice A et le syst` eme s’´ ecrivent  dx   = αx − βy  dt    dy = βx + αy. respectivement un centre : . dt A= α β −β α . equation devient En coordonn´ ees polaires z = reiθ . La mani` ere la plus rapide de r´ esoudre un tel syst` eme est de poser z = x + iy . Il s’agit d’une spirale logarithmique si α = 0 et d’un cercle si α = 0 (noter que ce cercle donne en g´ en´ eral graphiquement une ellipse car la base utilis´ ee ci-dessus n’est pas n´ ecessairement orthonorm´ ee). l’´ r = r0 eαt .X – Stabilit´ e des solutions et points singuliers 293 y y x x λ>0 Nœud exceptionnel instable λ<0 Nœud exceptionnel stable (b) Les valeurs propres de A sont non r´ eelles. On a des valeurs propres complexes conjugu´ ees α + iβ . α − iβ avec disons β > 0. θ = θ0 + βt soit r = r0 e β α (θ −θ ) 0 .

2. On a ici θ = t + C . l’origine est donc un foyer stable. θ) le syst` eme (S) devient  dr dx dy 2 2 2    r dt = x dt + y dt = −(x + y )  x dy − y dx  dθ dt  = dt =1 dt x2 + y 2  dr    r3 = −dt    dθ = dt ⇐⇒ car rdr = xdx + ydy et xdy − ydx = r2 dθ (exercice !). ¾º¿º Ë Ò ÙÐ Ö Ø × ÑÔ× Ú Ø ÙÖ× ÒÓÒ Ð Ò Ö × L’objet de ce paragraphe est essentiellement de mettre en garde le lecteur contre un certain nombre d’id´ ees fausses fr´ equemment rencontr´ ees.294 Analyse num´ erique et ´ equations diff´ erentielles α>0 Foyer instable α<0 Foyer stable α=0 Centre Si α = 0. On voit que les courbes int´ egrales sont des spirales convergeant vers 0 quand t → +∞. Les courbes int´ egrales de ees par 1/2r2 = θ − θ0 . ce n’est en g´ en´ eral pas le cas lorsque le syst` eme lin´ earis´ e pr´ esente un centre. Les deux exemples ci-dessous illustrent le ph´ enom` ene. et cela peut de mˆ eme ne pas ˆ etre le cas lorsque celui-ci pr´ esente un nœud. Exemple 1 – On consid` ere le syst` eme diff´ erentiel  dx   = −y − x(x2 + y 2 )  dt  dy   = x − y (x2 + y 2 ). soit r = (2(θ − θ0 ))−1/2 l’´ equation −dr/r3 = dθ sont donn´ pour θ > θ0 . en particulier l’id´ ee que les courbes int´ egrales d’un champ de vecteurs quelconque au voisinage d’un point singulier ressemblent toujours a ` celles du syst` eme lin´ eaire associ´ e. En fait. limθ→+∞ r(θ) = 0. le rapport d’homoth´ etie de deux spires cons´ ecutives de la spirale est e2πα/β. et le syst` eme lin´ eaire associ´ e dx/dt = −y . Si l’on passe en coordonn´ ees polaires (r. dy/dt = x pr´ esente un centre d’apr` es le §2. dt (S) L’origine est un point critique non d´ eg´ en´ er´ e. .

dt . θ0 ) en t = 0. La solution est d´ efinie sur [ln r0 . θ). limt→+∞ θ(t) = −∞. Il vient  dr x2 + y 2   = −r  dt = − r  1 1 dθ 2x2 + 2y 2   = 2 = . θ = θ0 − ln (1 − t/ ln r0 ) dθ = ln r0 − t pour une donn´ ee initiale (r0 . L’origine est donc un foyer stable. 4y 2 2 − 2 . +∞[ et on a limt→+∞ r(t) = 0. L’origine est donc un point singulier. on utilise de nouveau les coordonn´ ees polaires (r. On a ici encore une spirale convergeant vers 0 (c’est peu visible sur le sch´ ema ci-dessous car θ tend vers −∞ tr` es lentement). dy/dt = −y pr´ esente un nœud propre. et le syst` eme lin´ eaire associ´ e dx/dt = −x. 0) : elle admet en effet une limite ´ egale ` a0` a l’origine. Comme limt→ln r0 +0 r(t) = 1− . ainsi que ses d´ eriv´ ees partielles −4xy (x2 + y 2 )(ln (x2 + y 2 ))2 . Observons que 2y/ ln (x2 + y 2 ) se prolonge en une fonction de classe C 1 au voisinage de (0. 2 2 + y ) (x + y )(ln (x2 + y 2 ))2 ln (x2 Il en est de mˆ eme pour le terme 2x/ ln (x2 + y 2 ).X – Stabilit´ e des solutions et points singuliers 295 e = e0 1 x Exemple 2 – On consid` ere maintenant le syst` eme diff´ erentiel  dx 2y    dt = −x − ln (x2 + y 2 )  2x dy   = −y + dt ln (x2 + y 2 ) (S) sur le disque unit´ e ouvert x2 + y 2 < 1. Pour r´ esoudre (S). 2 2 2 dt x + y ln (x + y ) ln r La solution du probl` eme de Cauchy est donn´ ee par r = r0 e−t avec r0 < 1.

296 Analyse num´ erique et ´ equations diff´ erentielles et limt→ln r0 +0 θ(t) = +∞. calculer la solution correspondant a ` la donn´ ee initiale z0 au temps t = 0. . (b) En posant z = x + iy . −x + y 2 ). 0 1 x ¿º ÈÖÓ Ð Ñ × 3. +∞[ sont asymptotiquement stables. (a) D´ eterminer les points critiques.2. +∞[ ? 3. (d) Montrer que les solutions telles que z0 ∈ C \ [0. 0x et les cercles passant par l’origine. Qu’en est-il si z0 ∈ [0. centr´ es sur l’axe y 0y . (c) En d´ eduire que les courbes int´ egrales sont les deux demi-axes 0x.1. On consid` ere sur R2 le champ de vecteurs − → V x y = x2 − y 2 2xy . y ) ∈ R2 associe le vecteur − → V (M ) = (−x2 − y. On ´ etudie dans R2 le syst` eme diff´ erentiel (S) − → dM → − = V (M ) dt → − o` u V d´ esigne le champ de vecteurs qui ` a tout point M (x. la courbe s’enroule en spiralant a ` l’int´ erieur du cercle r = 1 quand t → ln r0 + 0.

→ − (b) Montrer que le syst` eme diff´ erentiel dM/dt = V (M ) se ram` ene ` a une ´ equation de la forme dr/dθ = f (r) . Ces points sont-ils stables ? → − 3. Faire un sch´ ema indiquant l’allure des solutions au voisinage des points critiques. y ) = (0. rayons Rk d´ R ´ (c) Etudier la convergence des int´ egrales Rkk+1 dr/f (r) en chacune des bornes. on ne cherchera pas ` a r´ esoudre explicitement cette ´ equation. t > 0. θ0 ) telles que Rk+1 < r0 < Rk est une spirale admettant les cercles r = Rk et ´ de mˆ eme le comportement ` a l’infini des r = Rk+1 comme asymptotes. +∞[. On consid` ere le champ de vecteurs d´ efini par  − → V x y = −y + x sin x + y sin x 2 +y 2 x 2 +y 2 π π exp exp − − x 2 +y 2 x 2 +y 2 1 1   → − → − pour (x. Calculer les solutions → − t → M (t) = (x(t).4. En d´ eduire qu’il y a une infinit´ e de cercles concentriques (Ck )k≥1 de ecroissant vers 0. et par V (0. Etudier courbes int´ egrales. 0) = 0 .X – Stabilit´ e des solutions et points singuliers 297 → − D´ eterminer les points critiques du champ de vecteurs V . 3. on pourra commencer par montrer que la fonction t → sin (π/t) exp (−1/t). Montrer que la courbe int´ egrale issue d’un point de coordonn´ ees polaires (r0 . Mˆ emes questions pour le champ de vecteurs V (x.3. se prolonge en une fonction de classe C ∞ sur [0. 0). qui sont des courbes int´ egrales du champ. y (t)) du syst` eme diff´ erentiel obtenu en lin´ earisant V au voisinage de chacun des points critiques. −x). . y ) = (−1 + x2 + y 2 . → − (a) Montrer que le champ V est de classe C ∞ sur R2 .

.

½º Ô Ò Ò Ð ×ÓÐÙØ ÓÒ Ò ÓÒ Ø ÓÒ Ù Ô Ö Ñ ØÖ ½º½º ÆÓØ Ø ÓÒ× Soit U un ouvert de R × Rm × Rp et f : U → Rm (t. Une donn´ ee initiale etant fix´ ee. on se propose d’´ etudier comment les solutions varient en fonction de λ. on note y (t. on supposera toujours dans la suite que les hypoth` eses assurant l’unicit´ e des solutions sont v´ erifi´ ees. y. sous des hypoth` eses convenables.Ô ØÖ Á ÕÙ Ø ÓÒ× Ö ÒØ ÐÐ × Ô Ò ÒØ ³ÙÒ Ô Ö Ñ ØÖ ´ Etant donn´ e une ´ equation diff´ erentielle y = f (t. En particulier on montrera que. On montrera que esolvant une ´ equation diff´ erentielle lin´ eaire. Outre l’aspect th´ eorique. y. mais pas pour les valeurs voisines λ . ces r´ esultats sont importants en vue de la m´ ethode dite des perturbations : il arrive fr´ equemment qu’on sache calculer la solution y pour une valeur particuli` ere λ0 . on consid` diff´ erentielle (Eλ ) y = f (t. Notre objectif est d’´ etudier la continuit´ e ou la diff´ erentiabilit´ e de y0 (t. λ) ∈ U . λ) d´ ependant d’un param` etre λ. (t. y. Pour chaque valeur de λ ∈ Rp . λ) → f (t. les solutions d´ ependent continˆ ument ou diff´ erentiablement du param` etre λ. . λ) ere l’´ equation une fonction continue. λ). on cherche alors un d´ eveloppement limit´ e de la solution y associ´ ee ` a la valeur λ en fonction de λ − λ0 . λ) la solution maximale du probl` eme de Cauchy (t0 . ce fait remarquable permet appel´ ee ´ equation lin´ g´ en´ eralement de bien ´ etudier les petites perturbations de la solution. y ) ∈ Uλ o` u Uλ ⊂ R × Rm est l’ouvert des points tels que (t. le coefficient de λ − λ0 est obtenu en r´ earis´ ee de l’´ equation initiale . y. λ) = y0 . λ). λ) en fonction du couple (t. y. y0 ) ´ relatif a ` (Eλ ) telle que y (t0 .

r0 ). le cylindre C = [t0 − T. ∀y1 . Alors pour tout T ≤ min T0 . t0 + T0 ] × B (λ0 . λ) ∈ [t0 − T. λ1 ) est la solution exacte du probl` u→0+ Cauchy pour l’´ equation (Eλ1 ) y = f (t. α0 ) et elle est a ` valeurs dans B (y0 . λ) ≤ k y1 − y2 . λ1 ) − f (t. comme V0 est compact.1. α0 ). λ) − y (t2 . t0 + T ] × B (y0 . λ) = f (t. t0 + T0 ] × B (y0 . λ) ∈ [t0 − T. il existe une constante k ≥ 0 telle que ∀(t. t0 + T ] × B (λ0 . α0 ). f y est conform´ ement continue et il existe donc un module de continuit´ e η : R+ → R+ tel que f (t. (t2 .300 Analyse num´ erique et ´ equations diff´ erentielles Fixons un point (t0 . D´ emonstration. y0 . α0 ). λ1 ). M fix´ e et pour tout λ ∈ B (λ0 . § 2.4 implique : V0 Proposition – Avec les notations pr´ ec´ edentes. c’est-` a-dire qu’apr` es avoir ´ eventuellement r´ etr´ eci V0 . y. Comme U est ouvert. y2 ∈ B (y0 . f (t. r0 ) ⊂ Uλ est un cylindre de s´ ecurit´ e pour les solutions de Eλ . ½º¾º ÓÒØ ÒÙ Ø On suppose maintenant de plus que f est localement lipschitzienne en y . y2 . c’est-` a-dire que y (t1 . Alors z1 (t) = y (t. λ0 ) ∈ U . λ) est d´ efinie pour tout (t. α0 ). y (t. Par ailleurs. Remarquons d’abord que d y (t. d’apr` es les r´ esultats du chapitre V. λ). alors la solution y (t. λ) est M -lipschitzienne par rapport a ` t. λ2 ) ≤ η ( λ1 − λ2 ) eme de avec lim η (u) = 0. ce point admet un voisinage (compact) contenu dans U V0 = [t0 − T0 . r0 On note M = sup f . r0 ) × B (λ0 . t0 + T ] × B (λ0 . y1 . λ) est continue sur [t0 − T. α0 ). r0 ). λ) ≤ M |t1 − t2 | pour tous (t1 . λ). y. y. Th´ eor` eme – Si f est continue sur U et localement lipschitzienne en y . λ) ≤ M dt car f ≤ M sur V0 . Le th´ eor` eme d’existence V 2. λ) ∈ [t0 − T0 . t0 + T ] × B (λ0 . . λ) − f (t. Le th´ eor` eme des accroissements finis montre alors que y (t. la solution y (t.

λ). λ). Remarque – La d´ emonstration montre aussi que si f (t. λ2 ) → (t1 . λ2 ) ≤ η ( λ1 − λ2 ). λ) est localement lipschitzienne en (t. λ2 ) en est une solution ε-approch´ Le lemme de Gronwall V 3. u(t). t0 + T ] × B (λ0 . λ1 ) − y (t. ∂t Diff´ erentions cette relation par rapport a `λ: ∂2y (t. λ1 ) − y (t2 . α0 ). λ). λ) = ∂λ∂t m j =1 fyj (t. ∂λ En posant u(t) = y (t. λ). λ) = f (t. y (t. y (t. λ) et v (t) = m (t. λ) : dans ce cas. Par ailleurs v satisfait la condition initiale ∂y (t0 . ese. v (t0 ) = ∂λ car par hypoth` ese y (t0 . λ2 ) ≤ M |t1 − t2 | + ekT − 1 η ( λ1 − λ2 ) k et comme le second membre tend vers 0 lorsque (t2 . d’o` u k ekT − 1 y (t. λ) est bien continue sur [t0 − T. on peut prendre η (u) = Cu. λ) autant de fois diff´ erentiables que n´ ecessaire. λ1 ) − y (t2 . λ) ∂y ∂λ ∂yj (t. λ) + fλ (t. nous effectuons d’abord un calcul formel en supposant les fonctions f et y (t. L’´ equation (Eλ ) On observe que l’´ equation (Eλ ) satisfaite par v est lin´ s’appelle l’´ equation diff´ erentielle lin´ earis´ ee associ´ ee ` a (Eλ ). λ). eaire. λ1 ) − y (t2 . tandis que z2 (t) = y (t. λ1 ). λ) est localement lipschitzienne en λ. Pour deviner les r´ a esultats. u(t). alors y (t. λ) il vient (Eλ ) v (t) = j =1 fyj (t. λ) = 0. nous d´ eduisons y (t1 . ½º¿º Ö ÒØ ÐØ Afin de simplifier les notations.´ XI – Equations diff´ erentielles d´ ependant d’un param` etre 301 ee avec ε = η ( λ1 − λ2 ). λ) = y0 ne d´ epend pas de λ. λ2 ) ≤ y (t1 .1 montre que ek|t−t0 | − 1 . c’est`-dire que p = 1. y (t. λ). y. on voit que y (t. λ)vj (t) + fλ (t. k z1 (t) − z2 (t) ≤ ε De ces in´ egalit´ es. on a Comme y satisfait (Eλ ) par hypoth` ∂y (t. . on suppose dans un premier temps que λ ∈ R. λ1 ) + y (t2 .

u(t). λ1 ) = j =1 fk. λ1 )v1. u1 (t). on ne sait pas encore que ∂y (t. la formule des accroissements finis montre que m fk (t.yj et fk. λ) est un point appartenant au segment d’extr´ emit´ es (y1 . λ1 ). λ1 ). α0 ) et admet des d´ partielles secondes crois´ ees continues ∂ ∂y ∂ ∂y = .j (t) + fλ (t. la d´ eriv´ ee partielle v (t) = l’´ equation diff´ erentielle lin´ earis´ ee m ∂y ∂λ (t. u1 .yj (t. donc on sait d´ ej` a que y (t. λ1 ) est major´ e par ηk ( y − y1 + |λ − λ1 |) ≤ ηk ( y − y1 + |λ − λ1 |). t0 + T ] × B (λ0 . Bien entendu. . avec condition initiale v1 (t0 ) = 0. λ) est de classe C 1 sur [t0 − T. eriv´ ees Alors y (t.302 Analyse num´ erique et ´ equations diff´ erentielles Th´ eor` eme – On suppose que f est continue sur U et admet des d´ eriv´ ees partielles fyj et fλ continues sur U . λ) est continue. y. u1 (t). λ1 )  −(λ − λ1 )  m j =1  (∗) fyj (t. Si e uniforme pour les d´ eriv´ ees partielles fk. λ) et u1 (t) + (λ − λ1 )v1 (t) et on cherche ` o(λ − λ1 ).j ) + fk. si u(t) = y (t. Posons donc w(t) = u(t) − u1 (t) − (λ − λ1 )v1 (t). λ)vj (t) + fλ (t. λ). l’´ ecart de chaque fonction entre les points (y. λ1 ) Pour chaque composante fk . y. u1 (t). λ). Par d´ efinition de u. λ1 ) et soit v1 (t) la solution de l’´ m (Eλ1 ) v1 (t) = j =1 fyj (t. Pour λ1 fix´ e posons equation lin´ eaire u1 (t) = y (t. ∂λ ∂t ∂t ∂λ De plus. D´ emonstration. λ) et (y1 . λ) avec condition initiale v (t0 ) = 0. Pour cela on compare v1 (t) = ∂λ a montrer que la diff´ erence est u(t) = y (t.* Les hypoth` eses entraˆ ınent que f est localement lipschitzienne en la variable y .j (t) + fλ (t. λ1 )v1.λ (t. λ)(yj − y1. u(t). c’est justement ce qu’on veut d´ emontrer. λ1 ) et (y. λ) − fk (t. y. λ)(λ − λ1 ) o` u (y. u(t). v1 il vient w (t) = f (t.λ ηk est un module de continuit´ sur le compact V0 . λ) est la solution de (Eλ ) v (t) = j =1 fyj (t. u1 (t). u1 (t). λ) − f (t. y1 .

λ) − y (t. y1 . y1 . par d´ efinition de w. y (t. y (t. Le lemme de Gronwall V 3. λ). u1 (t). v. u1 (t). λ1 )wj (t) + g (t. λ). λ) admet une majoration uniforme g (t. en effet u(t) − u1 (t) = y (t. y. λ1 )(λ−λ1 )+g (t. u1 (t). y1 .´ XI – Equations diff´ erentielles d´ ependant d’un param` etre 303 On peut donc ´ ecrire m f (t. λ). λ). λ) = ∂y ( t. u. ∂y (t. on d´ eduit de (∗) les relations m w (t) = j =1 m fyj (t. y. λ ) est la solution avec donn´ ees initiales t0 . λ) puisque y l’est.j (t)) + g (t. λ) = f (t. y.1 montre que w(t) = w(t) − w(t) ≤ ε c’est-` a-dire. . λ) ≤ (C + 1)|λ − λ1 | η ((C + 1)|λ − λ1 |) = o(λ − λ1 ) . y1 . V0 1≤j ≤m Comme u(t0 ) = u1 (t0 ) = y0 et v1 (t0 ) = 0. λ1 )(yj −y1. λ). λ1 ) existe et co¨ ıncide avec v1 (t). u(t). (∗∗) w (t) = j =1 avec la majoration uniforme g (t. λ)−f (t. Par ailleurs v (t. λ) ≤ ( y − y1 + |λ − λ1 |) η ( y − y1 + |λ − λ1 |) pour un certain module de continuit´ e η .2.j )+fλ (t. λ1 )(uj (t) − u1. et par ailleurs w(t) ≡ 0 est une solution ε-approch´ ee de (∗∗) avec ε = o(λ − λ1 ). ∂λ La d´ eriv´ ee partielle ∂y ∂t est continue en (t. u1 (t). v0 = 0 de l’´ equation lin´ earis´ ee ∂λ m (Eλ ) v = G(t. y1 = u1 (t) dans la derni` ere formule. y. y (t. on a w(t0 ) = 0.j (t) − (λ − λ1 )v1. fyj (t. En substituant y = u(t). λ)vj + fλ (t. u1 (t). u1 : y (t. λ). λ) = j =1 fyj (t. et donc K -lipschitzienne avec K = sup fy j . λ) − y (t. y1 . y1 . L’´ equation (∗∗) est lin´ eaire en w. λ1 ) − (λ − λ1 )v1 (t) = o(λ − λ1 ). λ1 ) ≤ C |λ − λ1 | d’apr` es la remarque finale du § 1. λ) o` u g (t. λ) ∂t et ∂y (t. λ1 ) = j =1 fyj (t. La fonction y admet donc Ceci signifie que ∂λ bien des d´ eriv´ ees partielles premi` eres eKT − 1 = o(λ − λ1 ). K ∂y (t. u(t). u(t). λ).

λ). y (t. ∂t ∂y De plus v (t. λ) est la solution de l’´ equation lin´ earis´ ee (Eλi ). y (t. y (t. on voit que G est de classe eriv´ ees Gvj et Gλi sont donc de classe C s−1 et l’hypoth` ese de r´ ecurrence C s . Comme fyj et fλi sont de classe C s . λ). λ). Il en est de mˆ eme de sa d´ eriv´ ee ∂y (t. . (λ1 . u(t). Ceci montre que y est de classe C s+1 . . Th´ eor` eme – On suppose que f est de classe C s et admet des d´ eriv´ ees partielles eme de Cauchy relatif a ` fyj et fλi de classe C s . Enfin. λ) = ∂λ (t. Alors y (t. v. λ) du probl` (Eλ ) est de classe C s+1 . on a bien ∂ ∂ ∂y = v (t. v. Supposons le r´ esultat d´ ej` a d´ emontr´ e` a l’ordre s − 1. y (t. λ) est la solution de l’´ equation lin´ earis´ ee i m ∂ ∂y ∂λi ∂t = ∂ ∂y ∂t ∂λi et (Eλi ) v (t) = j =1 fyj (t. Alors la solution y (t. . Le fait que y (t. Par r´ ecurrence sur s. λ)vj (t) + fλi (t. λ). λ) ∂λ ∂λ ∂t et ces d´ eriv´ ees partielles secondes sont continues grˆ ace ` a la deuxi` eme ligne. λ) ∂yj (t. u(t). λ) est de classe C s . λ) avec condition initiale v (t0 ) = 0. ce qui implique cette variable. λ) des d´ eriv´ ees partielles ∂y/∂λi . Il suffit en effet de fixer toutes les variables λi sauf une pour constater que ∂y que v (t) = ∂λ (t. Pour s = 0. . λ) soit encore de classe C 1 provient de ce que le th´ eor` eme de continuit´ e du § 1. puisque lin´ eaire en ∂y est ´ egalement continue en (t. il s’agit du th´ eor` eme pr´ ec´ edent.2 est vrai globalement par rapport a ` l’ensemble des variables ıne la continuit´ e en (t. . λ). λ). λ) = f (t. G´ en´ eralisation – Le th´ eor` eme s’´ etend ais´ ement au cas o` u λ ∈ Rp . λp ) : celui-ci entraˆ Nous ´ etudions maintenant la diff´ erentiabilit´ e d’ordre sup´ erieur : nous allons voir qu’elle se d´ eduit aussitˆ ot par r´ ecurrence du cas de l’ordre un. λ) ∂t ∂λ ∂t m = j =1 fyj (t. D´ emonstration. les d´ implique que v est de classe C s . Par suite v = ∂λ que y est de classe C 1 . λ) + fλ (t. λ) ∂λ = ∂ ∂y ∂ (f (t. λ) = (t. soit i v = G(t. λ) et localement lipschitzienne en v . λ).304 Analyse num´ erique et ´ equations diff´ erentielles Ici G est continue en (t.

y0 ) d’une ´ Pour r´ esoudre cette question. l’´ equation devient (E) y = f (y ). µ. appliqu´ es ` a l’´ equation (Eµ. y. z + µ. λ) = y (t. λ) est de classe C s+1 . λ). y0 . λ) etudier la continuit´ e ou la diff´ erentiabilit´ e de donn´ ee initiale (t0 . On d´ ej` a d´ emontr´ es. . λ) + µ. y0 . λ. Ceci r´ equation diff´ erentielle (E) sans param` etre.λ ) pour le param` peut donc ´ enoncer : Th´ eor` eme – Si f est de classe C s et admet des d´ eriv´ ees partielles fyj et fλi de classe C s . . µ. λ) = f (t. µ. λ). µ. λ) ∂t ∂t = f (t. µ. L’objectif est d’´ esoudra du mˆ eme coup le cas de y (t. La fonction z (t. et le → − → − champ V par une fonction V (M ) = f (y ). → − Consid´ erons un ouvert Ω ⊂ R et un champ de vecteurs M → V (M ) de classe k efini sur Ω. . y0 . 0). alors y (t. z (t. λ) = 0 et l’´ equation ∂y ∂z (t. µ.´ XI – Equations diff´ erentielles d´ ependant d’un param` etre 305 ½º º Ô Ò Ò Ð ×ÓÐÙØ ÓÒ Ò ÓÒ Ø ÓÒ Ð ÓÒÒ ÒØ Ð On d´ esignera ici par t → y (t. . y (t. L’ouvert de d´ efinition est dans ce cas l’ouvert produit U = R × Ω. λ) = (t. k ≥ 1. λ) et´ es cherch´ ees r´ esultent alors des th´ eor` emes avec donn´ ee initiale (t0 . λ) est donc la solution de l’´ equation diff´ erentielle (Eµ. λ) la solution de l’´ equation diff´ erentielle (Eλ ) y = f (t. µ. On appelle ´ equation diff´ erentielle associ´ ee au champ de C d´ → − vecteurs V l’´ equation diff´ erentielle m ½º º ÐÓØ ³ÙÒ ÑÔ Ú Ø ÙÖ× (E) − − → dM → − = V (M ). y0 . Les propri´ etre (µ. La fonction z (t. µ. λ) ∈ Rm+p . il s’agit donc tout simplement d’une ´ equation diff´ erentielle dont le second membre est ind´ ependant du temps.λ ) z = f (t. R´ esoudre (E) revient a ` chercher les courbes int´ egrales (ou orbites) du champ de vecteurs. y0 ). . on consid` ere la variable y0 elle-mˆ eme comme un param` etre et on pose donc µ = y0 . dt Si nous repr´ esentons le point M par ses coordonn´ ees not´ ees y = (y1 . ym ). λ) en fonction des 3 variables t. particulier des solutions y (t. λ) − µ satisfait alors la condition initiale z (t0 .

de sorte que Φ(t. Ceci signifie pr´ ecis´ ement que si l’on suit une trajectoire a ` partir d’un point x pendant ` partir de ce point la mˆ eme le temps s pour atteindre un point Φs (x). la solution maximale est d´ efinie un intervalle ouvert contenant le temps 0. Pour que les solutions soient globales et que ∆ = U = R × Ω. on sait que Φ est une application de classe C k sur ∆.4. a eme trajectoire pendant le temps t pour atteindre Φt (Φs (x)). On appelle flot du → − champ de vecteurs V l’application Φ : R × Ω → Ω. x) = x. D’apr` es le th´ eor` eme de Cauchy-Lipschitz. on a besoin du th´ eor` eme d’unicit´ e de Cauchy-Lipschitz pour pouvoir conclure. Pour un point M0 = x ∈ Rm donn´ e. il y a invariance des solutions par translation dans le temps : si t → y (t) est solution.306 Analyse num´ erique et ´ equations diff´ erentielles Ω − → V (M0 ) M0 − → V (M ) Dans cette situation. consid´ erons la solution maximale du probl` eme de Cauchy y (t) de donn´ ee initiale y (0) = x. x) est la solution de l’´ equation d → − Φ(t. par exemple. On voit que t → Φt . (t. Le fait que le domaine de d´ efinition maximal ∆ soit ouvert dans R × Ω r´ esulte du § 1. cela revient au mˆ que de suivre la trajectoire pendant le temps s + t. x)) dt avec Φ(0. x) = y (t). on note en g´ en´ eral Φt (x) le flot plutˆ que Φ(t.1.4. x). x) = V (Φ(t. d’apr` que l’on ait une croissance au plus lin´ eaire ` a l’infini f (y ) ≤ A y + B . il suffit. Une propri´ et´ e imm´ ediate est alors la loi de groupe (∗) Φt ◦ Φs (x) = Φt+s (x). si es le crit` ere de globalit´ e des solutions du chapitre V § 3. Ω = Rm . puis. Formellement. un comportement → − ad´ equat du champ de vecteurs V (M ) au voisinage du bord de Ω . et d’apr` es le § 1. x) → Φ(t. il en est encore de mˆ eme pour t → y (t + a). c’est-` a-dire que t → Φ(t. Pour des ot raisons qui vont apparaˆ ıtre tout de suite. x) n’est d´ efini que sur un certain voisinage ouvert ∆ de {0}× Ω dans R × Ω. La solution maximale n’est en g´ en´ eral d´ efinie a ` x fix´ e que pour un certain intervalle ouvert de temps.

4 donne quelques crit` eres suppl´ ementaires pour que le flot soit globalement d´ efini. → − Soit M → V (M ) un champ de vecteurs de classe C 1 dans un ouvert Ω du plan. λ0 ) correspondant a ` une etre.3. que nous nos contenterons d’´ enoncer. par suite Φt est un C k -diff´ eomorphisme d’inverse Φ−t . donc au moins dans un voisinage de {0} × Ω. λ) associ´ ees ` a des valeurs λ voisines de ` une situation physique tr` es courante. Pour plus de d´ etails. Les r´ § 1. l’existence globale de Φt ∈ Diff k (Ω) ` exister en temps petit. On suppose qu’il existe un compact → − K ⊂ Ω ne contenant aucun z´ ero du champ de vecteurs V et stable par le flot Φt pour t ≥ 0 [ce qui implique que Φt (x) est d´ efini pour tout x ∈ K et tout t ≥ 0 ]. mais Φt (x) continue a (∗) est encore valable l` a o` u les applications sont d´ efinies. λ0 ) + o(λ − λ0 ) ∂λ = u(t) + (λ − λ0 )v (t) + o(λ − λ0 ) . c’est-` a-dire les solutions y (t. dans laquelle on connaˆ ıt λ0 . λ) est de classe C 1 et on cherche donc une approximation au premier ordre y (t. on prendra pour simplifier λ ∈ R. y0 peut donc d´ On suppose connue une solution particuli` ere u(t) = y (t. Le th´ eor` eme de r´ egularit´ e du flot est l’un des points de d´ epart de r´ esultats plus globaux comme le th´ eor` eme de Poincar´ e-Bendixson. +) dans le groupe Diff k (Ω) des C k diff´ eomorphismes de Ω : on a en effet Φt ◦ Φ−t = Φ−t ◦ Φt = Φ0 = IdΩ . y. λ) d´ ependant d’un param` etre λ . ependre ici de λ . on supposera que y0 (λ) est de classe C 1 . nous invitons le lecteur a ` approfondir la tr` es vivante branche des math´ ematiques connue aujourd’hui sous le nom de th´ eorie des syst` emes dynamiques. On suppose que f est continue ainsi que ses d´ eriv´ ees partielles fyj et fλ . L’objectif est d’´ etudier les petites perturbations certaine valeur λ0 du param` de la solution. λ0 ) + (λ − λ0 ) ∂y (t. λ) = y (t. Th´ eor` eme de Poincar´ e-Bendixson – ¾º Å Ø Ó ¾º½º (Eλ ) × Ô Ø Ø × Ô ÖØÙÖ Ð Ñ Ø Ó Ø ÓÒ× × Ö ÔØ ÓÒ On consid` ere une ´ equation diff´ erentielle y = f (t. En g´ en´ eral. Alors K est constitu´ e d’une orbite p´ eriodique du flot. λ) = y0 (λ) . Ceci correspond a la solution th´ eorique id´ eale d’un probl` eme et pour laquelle on cherche la solution r´ eelle tenant compte de petites perturbations plus ou moins complexes. et la loi de groupe n’est pas assur´ ee. λ) la solution maximale du probl` eme de Cauchy satisfaisant la condition initiale y (t0 . L’exercice 3. λ) pour λ = λ0 .4 montrent que y (t.´ XI – Equations diff´ erentielles d´ ependant d’un param` etre 307 est un homomorphisme du groupe additif (R. esultats des on ne sait pas calculer la solution exacte y (t. 1. Dans le cas o` u les solutions ne sont plus globales. Soit y (t.

On aboutit donc au syst` eme diff´ erentiel  dx   = −y + λ a(x. de sorte que la solution du probl` eme de Cauchy avec donn´ ee initiale z0 = x0 + iy0 est z = z0 eit . On sait que v est la solution de l’´ equation m v (t) = j =1 fyj (t. λ0 ) = y0 (λ0 ). Notons z (t. λ) la solution telle que z (0. y ). y (t)) sont les solutions du syst` eme diff´ erentiel  dx   = −y − →  dM dt → − = V (M )  dt   dy = x. y )) o` u a. Nous allons maintenant donner des exemples concrets de la m´ ethode. λ) = z0 . λ0 )vj (t) + fλ (t. § 2. b(x.2(b) en posant z = x+iy . 0) = z0 eit et on aimerait avoir une approximation de z (t. λ) quand ´ λ est petit. 0) + λ ∂z (t. ∂λ Comme (Eλ0 ) est lin´ eaire. Le syst` eme se ram` ene alors ` a l’´ equation dz/dt = iz . ∂λ . y ) + ib(x. u(t). x) + λ(a(x. b sont de classe C 1 et o` u λ ∈ R est petit. y ) → V (M ) = (−y. On sait que z (t. λ0 ). y )  dz dt ⇐⇒ = iz + λA(z ) (∗) (Eλ )  dt dy   = x + λ b(x. y ) → Vλ (M ) = (−y. λ0 ) est ` a d´ eterminer. u(t). Les lignes int´ egrales du champ t → (x(t). λ) = z (t. Les lignes de champ sont les cercles centr´ es en 0. Ecrivons z (t. ¾º¾º È ÖØÙÖ Ø ÓÒ ³ÙÒ ÑÔ Ú Ø ÙÖ× Consid´ erons dans le plan le champ de vecteurs → − M = (x. On suppose maintenant que le champ de vecteurs subit une petite perturbation de la forme − → M = (x. x).308 o` u v (t) = lin´ earis´ ee (Eλ0 ) ∂y ∂λ Analyse num´ erique et ´ equations diff´ erentielles (t. dt On r´ esout ce syst` eme comme au chapitre X. la condition initiale s’´ ecrivant ici v (t0 ) = ∂y (t0 . y ) dt avec A(z ) = a(x. 0) + o(λ). la r´ esolution est en principe plus facile que celle de (Eλ ). y ).

N´ eanmoins. λ) = z0 eit + λ 0 ei(t−u) A(z0 eiu )du + o(λ). Vy (0. Cette ´ equation se r´ esout par variation avec condition initiale v (0) = ∂λ des constantes en posant v (t) = C (t)eit . Comme C (0) = v (0) = 0. y ) et b(x.1. dt  dx   = ax + by + g (x. s ≥ 1. y ) dt ÓÙÖ × ÒØ Ö Ð × ³ÙÒ ÔÓ ÒØ × Ò ÙÐ Ö ÑÔ Ú Ø ÙÖ× Ù ÚÓ × Ò ³ÙÒ (E) − → − → a b est la matrice des d´ eriv´ ees partielles (Vx (0. sur un ouvert Ω du plan. 0). Ceci se calcule facilement d` es que a(x. et comme au chapitre X § 2. λ))).´ XI – Equations diff´ erentielles d´ ependant d’un param` etre 309 Grˆ ace ` a une diff´ erentiation de (∗) par rapport a ` λ. y )  dt    dy = cx + dy + h(x. il est g´ en´ eralement impossible d’expliciter la solution exacte de l’´ equation non lin´ earis´ ee. 0) satisfait l’´ equation dv = iv + A(z (t. mˆ eme dans ce cas. il vient ∂ ∂z ∂ ∂z ∂ = = (iz + λA(z )) ∂t ∂λ ∂λ ∂t ∂λ ∂ ∂z + A(z ) + λ (A(z (t. 0)) et o` u g. h c d s’annulent ainsi que leurs d´ eriv´ ees partielles premi` eres au point (0. 0) = 0. =i ∂λ ∂λ Par cons´ equent v (t) = (E0 ) ∂z ∂λ (t. le syst` eme diff´ erentiel va s’´ ecrire dM → − = V (M ). Les fonctions g. Il vient C (t)eit + iC (t)eit = iC (t)eit + A(z0 eit ). r0 ). t v (t) = C (t)eit = 0 t ei(t−u) A(z0 eiu )du. on obtient t C (t) = 0 e−iu A(z0 eiu )du. h sont par hypoth` ese d´ efinies sur une certaine boule B (0. 0)) = iv + A(z0 eit ) dt ∂z (0. y ) sont des polynˆ omes par exemple. o` u . soit C (t) = e−it A(z0 eit ). z (t. On se place au voisinage d’un point singulier qu’on suppose choisi comme origine → − → − des coordonn´ ees pour simplifier. On a donc V (0) = 0 . ¾º¿º → − Soit M → V (M ) un champ de vecteurs de classe C s . 0).

λY ). uλY ) λ u=1 . Y. Y = y/λ.. correspond a ` la solution de (E) de valeur initiale (x0 . uλY ))du = 1 g (uλX. Y (t. l’´ equation du syst` eme devient  dX 1   = aX + bY + g (λX. Y. λY )  dt λ    dY = cX + dY + 1 h(λX. r0 ) × [0. r0 )×]0. λ) = 0 (Xgx (uλX. Y. 1] car 1 G(X. a ` la loupe lorsqu’on effectue des grossissements successifs (observation a puis au microscope. 1] et se prolongent par continuit´ e en λ = 0 en posant G(X. Y0 ) converge vers la solution du syst`  dX   = aX + bY  dt    dY = cX + dY. Vu les hypoth` eses. En particulier : Proposition – Lorsque λ tend vers 0. Ce prolongement est en fait de classe C s−1 sur B (0. 0) = H (X. on effectue le changement de coordonn´ ees X = x/λ. . λ).). λY ) λ G(X. λ) = sont d´ efinies et de classe C s sur B (0. Y. 0) = 0. u=0 Si s = 1.2. lorsque ces courbes sont ramen´ a la mˆ ` eme ´ echelle. λ) = h(λX. Pour grossir la deuxi` eme courbe dans le rapport 1/λ. dt (E) Bien entendu. λ)) du probl` eme de ` (t.. Autrement dit.310 Analyse num´ erique et ´ equations diff´ erentielles On cherche ` a comparer l’allure des courbes int´ egrales situ´ ees pr` es de l’origine ` l’œil nu. on veut comparer la courbe issue d’un point ees M0 et la courbe issue du point λM0 (avec λ petit). Y. dt λ (Eλ ) La solution de (Eλ ) de valeur initiale (X0 . la solution de (Eλ ) de valeur initiale eme lin´ eaire (X0 . les m´ ethodes pr´ ec´ edentes permettent aussi d’avoir un d´ eveloppement limit´ e` a l’ordre 1 de la solution de (Eλ ) au voisinage de λ = 0. y0 ) = (λX0 . les fonctions G. Dans ces nouvelles coordonn´ ees. et pour s ≥ 1 elle est de classe C s−1 par rapport a borne λ = 0 incluse. La solution (X (t. comme on l’a vu au § 2. λY0 ). λ). Y (avec la mˆ eme constante de Lipschitz que g et h). λY ) λ 1 H (X. Y0 ) en t = 0. H sont bien lipschitziennes en X. les fonctions 1 g (λX. uλY ) + Y gy (uλX. Cauchy est donc continue.

. λ) lorsque λ est petit. ceci n’est pas rigoureusement exact. λ) = y − 1 1 λy 3 + . puisque ces ´ equations sont ´ equivalentes a ` des syst` emes d’ordre 1). y (0) = 0. 0) = cos ωt. .2(c) : θ =− g sin θ. Pour obtenir un ` λ. . l o` u θ d´ esigne l’angle fait par le fil avec la verticale. . l La solution cherch´ ee est alors classiquement θ(t) = θm cos ωt. λ) = y − θm y + θm 6 120 (2n + 1)! m 2 o` u λ = θm et o` u ϕ(y. λ) de l’´ (Eλ ) y = −ω 2 ϕ(y. L’´ equation du mouvement a ´ et´ e´ etablie au paragraphe VI 4. d´ eveloppement limit´ e de y (t. Le d´ eveloppement en s´ erie de sin θm y donne 1 1 2 3 1 4 5 sin θm y θm y − . de sorte que y est la solution de l’´ equation sin θm y y = −ω 2 θm avec condition initiales y (0) = 1. d’o` θ = −ω 2 θ avec ω 2 = g . N´ eanmoins. . + (−1)n λn y 2n+1 + . on d´ erive (Eλ ) par rapport a ce qui donne (Eλ ) ∂2 ∂t2 ∂y ∂ ∂ ∂2y (−ω 2 ϕ(y. + (−1)n θ2n y 2n+1 + . On a ϕ(y. On suppose ici qu’on lache le pendule au temps t = 0 a ` partir de l’´ elongation maximale θ = θm avec vitesse initiale u nulle. . = ϕ(y. . λ) ∂λ . λ) esultats du paragraphe 1 sont encore est donc de classe C ∞ (on notera que tous les r´ vrais pour des ´ equations d’ordre ≥ 2. 6 (2n + 1)! equation est une fonction de classe C ∞ . et on aimerait connaˆ ıtre l’erreur commise. λ)) = = 2 ∂λ ∂λ ∂t ∂λ ∂y + ϕλ (y. λ) . 0) = y et y (t. Lorsque θm est petit. La solution y (t. Pour cela. . = −ω 2 ϕy (y.´ XI – Equations diff´ erentielles d´ ependant d’un param` etre 311 ¾º º Ç× ÐÐ Ø ÓÒ× Ù Ô Ò ÙÐ × ÑÔÐ On ´ etudie les oscillations d’un pendule ponctuel de masse m suspendu a ` un fil de longueur l. on pose θ(t) = θm y (t). on fait habituellement l’approximation sin θ θ.

D’apr` es le chapitre VII § 3.312 Analyse num´ erique et ´ equations diff´ erentielles ∂y 3 On a ϕy (y. La solution g´ v (t) = α cos ωt + β sin ωt. de terme O(λ2 ) d´ T ( λ ) correspond au plus petit t > 0 tel que y ( t. ceci conduit au syst` eme   α (t) cos ωt + β (t) sin ωt = 0  α (t)(−ω sin ωt) + β (t) ω cos ωt = 1 ω 2 cos3 ωt 6  ω 3   α (t) = − cos ωt sin ωt 6   β (t) = ω cos4 ωt = ω (3 + 4 cos 2ωt + cos 4ωt). 0) = 1 et ϕλ (y. λ) = 1 et ∂y/∂t(0. de sorte que la fonction v (t) = ∂λ (t.3. 6 Comme y (0. ceci n’est pas contradictoire avec le fait que le d´ eveloppement limit´ e de y (t. 48 4 Les conditions initiales v (0) = α(0) = 0 et v (0) = α (0) + ωβ (0) = 0 donnent 1 . λ) = 0 pour tout λ.4 c) que les solutions de faible amplitude ´ etaient p´ eriodiques . 0 = −ω sin ωt 4 t= 1 4 T (0) 1 4 T (λ). 16 6 1 λ (ωt + sin 2ωt) sin ωt + O(λ2 ). ω ∂y ∂t 1 T (0). a ` cause du ependant de t et lui-mˆ eme non p´ eriodique]. On applique alors la m´ ethode de variation des constantes avec v (t) = α(t) cos ωt + β (t) sin ωt. . λ) ci-dessus soit non p´ eriodique. Soit T (λ) la p´ eriode. y (t. donc α0 = − 24 d’o` u 1 1 1 (cos4 ωt − 1) cos ωt + (3ωt + 2 sin 2ωt + sin 4ωt) sin ωt 24 48 4 1 1 = ωt + sin 2ωt sin ωt. λ ) = 0. λ = 0. λ) = cos ωt + 16 6 v (t) = Cherchons maintenant a ` partir de l` a l’influence de l’´ elongation maximale θm sur la p´ eriode des oscillations [on a vu au chapitre VI. β0 = 0 et α(0) = β (0) = 0. car T (0) = 2π . 0) satisfait l’´ equation 1 v (t) = −ω 2 v (t) − y (t. 0) = − 1 6 y . Le th´ eor` eme des fonctions implicites montre que cette ´ equation = −ω = 0. les conditions initiales sont en´ erale du syst` eme sans second membre est v (0) = v (0) = 0. 2. 0)3 6 1 2 2 = −ω v (t) + ω cos3 ωt. c’est-` a-dire sorte que 1 4 y d´ efinit une fonction T (λ) de classe C ∞ pour λ petit. 6 48  1  4  α(t) = α0 + cos ωt  24  1 1   β (t) = β0 + (3ωt + 2 sin 2ωt + sin 4ωt).

1. . . 16 m Cette approximation pourrait ´ egalement se retrouver de mani` ere directe ` a partir de la relation exacte 8l θm dϕ √ T = . . 4 32 8ω T (λ) = T (0) + λT (0) + O(λ2 ) 2π 1 = λ + O(λ2 ) . y (p−1) . . . 0 = v 4 2ω 1 T (0). . de mˆ [Indication : se ramener au cas d’un syst` eme d’ordre 1]. y1 . .2 c). T (0) = . . eriv´ ees (a) On suppose que f (t. λ) la solution de (Eλ ) satisfaisant les conditions initiales y (t0 ) = y0 . . Montrer que cette solution y est de classe C k+1 par rapport a ` l’ensemble des eme que ses d´ eriv´ ees partielles ∂y/∂t. Y.´ XI – Equations diff´ erentielles d´ ependant d’un param` etre 313 Par diff´ erentiation de l’´ equation en λ = 0. y. Exercice pour le lecteur ! ¿º ÈÖÓ Ð Ñ × 3. 32 d’o` u 1 π π T (0)(−ω ) + = 0. . . on trouve de plus 1 ∂y T (0) 4 ∂t avec ∂y ∂λ 1 ∂y T (0). λ. . o` u f est d´ efinie et continue sur un ouvert U de R × (Rm )p × Rq . y0 . y (t0 ) = y1 . . variables t. yj . yp−1 . . ∂ p−1 y/∂tp−1 . g 0 cos ϕ − cos θm qui r´ esulte des formules obtenues au chapitre VI 4. λ) est de classe C k sur U et qu’elle admet des d´ ` chacune des composantes de Y et λ. . 1+ ω 16 On retrouve ainsi l’approximation bien connue 2 T (θm ) = 2π l g 1+ 1 2 4 θ + O(θm ) . . y . On consid` ere une ´ equation diff´ erentielle d’ordre p (Eλ ) y (p) = f (t. λ) d´ ependant d’un param` etre λ. y (p−1) (t0 ) = y0 . 0 + 4 ∂λ π 1 T (0). On partielles de classe C k par rapport a note y (t. . 0 = 0 4 = π .

y (t. λ) la solution satisfaisant la condition initiale ∂k u (t0 . 3. i. λ) = (x(t. y (0) = cosh 2λ. XI. λ) = (λx(t) + λ2 u(t) + O(λ3 ). ∂V 1 ∂V − − → grad V = ·u+ · v. λy (t) + λ2 v (t) + O(λ3 )) o` u u. et (O .3. λ)) la solution maximale de (S) qui passe par le point de coordonn´ ees (λ. On s’int´ eresse ici au comportement des courbes int´ egrales passant par un point voisin de l’origine. i. λ) est la solution d’une ´ equation diff´ erentielle lin´ eaire d’ordre p dont on pr´ ecisera les conditions initiales. (a) D´ eterminer la solution t → (x(t). y (t)) du syst` eme lin´ earis´ e au voisinage de l’origine. v sont des fonctions que l’on explicitera. λ) = ∂u/∂λ(t. r2 . o` u O est la position du dipˆ ole (suppos´ e ponctuel). On associe ` a M le vecteur radial u = cos θ · i + sin θ · j et le vecteur orthoradial v = − sin θ · i + cos θ · j . 0 ≤ k ≤ p − 1 ∂tk o` u y0 (λ). qui passe par le point (1. on note t → M (t.2. 3. i) l’axe du dipˆ ole. θ) les coordonn´ ees polaires de M relativement au rep` ere (O . λ). ´ (c) Application : Ecrire l’´ equation du (b) pour y = eλt y 2 + λy .314 Analyse num´ erique et ´ equations diff´ erentielles (b) On suppose ici que λ ∈ R. Pour tout λ > 0. on note (r. Si M est un point quelconque distinct de O. . L’objet de ce probl` eme est d’´ etudier les lignes de champ cr´ e´ ees dans un plan par un dipˆ ole ´ electrique (par exemple une mol´ ecule polaris´ ee telle que le chlorure d’hydrog` ene). pour le syst` eme (S) de l’exercice X 3.2. montrer que M (t. avec les conditions −λ initiales y (0) = e . . j ). Soit u(t. j ). λ) = yk (λ). Le plan est rapport´ e au rep` ere orthonorm´ e direct (O . ∂r r ∂θ cos θ . (b) A l’aide d’une homoth´ etie convenable et des m´ ethodes du chap. 0) au temps t = 0. Montrer que v (t. yp−1 (λ) sont de classe C 1 au moins en λ. On admettra que le potentiel ´ electrique V (M ) cr´ e´ e par le dipˆ ole en tout point M = O est donn´ e par V (M ) = (a) On rappelle les formules − → dM = dr · u + rdθ · v. 0) au temps t = 0. . . λ) admet un d´ eveloppement limit´ e de la forme M (t.

et M → V (M ) se prolonge → − ` ∂ Ω en en champ de vecteurs de classe C 1 sur Ω tel que V (M ) soit tangent a tout point du bord. point r0 . +∞[ → R continue. (b) Le dipˆ ole est suppos´ e plac´ e dans un champ ´ electrique ambiant constant → − → − e tr` es faible par rapport a ` son champ propre E .´ XI – Equations diff´ erentielles d´ ependant d’un param` etre 315 − − → → − ´ Evaluer le champ ´ electrique E = −grad V cr´ e´ e par le dipˆ ole. → − (c) Ω est un ouvert born´ e` a bord r´ egulier de classe C 1 . (β ) On note r = ψ (θ. d’intensit´ dr ´ (α) Ecrire l’´ equation diff´ erentielle dθ = f (r. 1 − − → t ` l’aide d’un raisonnement Indication : majorer v ( OM ) o` u v (t) = 1 du/ϕ(u) a de type lemme de Gronwall. E 0 = λj . θ0 ) avec r0 > 0 et θ0 = π 2. λ) en fonction de λ.4. dt Montrer que toute solution maximale de (E) est globale dans les trois cas suivants : → − → − − − → − − → − − → (a) Ω = Rm et V satisfait a ` l’infini la condition V (M ) · OM ≤ OM ϕ( OM ) o` u ϕ : [0. θ. ∂ Ω)) avec 1 ϕ : ]0. Calculer le d´ eveloppement limit´ e` a l’ordre 1 de f (r. → − 3. D´ eterminer l’´ equation r = ϕ(θ) de la ligne de champ (courbe int´ egrale du → − champ de vecteurs E ) passant par le point de coordonn´ ees polaires (r0 . λ) l’´ equation polaire de la ligne de champ passant par le [on ne cherchera pas a `´ evaluer ψ ]. 0) satisfait a En d´ eduire le d´ eveloppement limit´ e` a l’ordre 1 de ψ (θ. +∞[ → R est une fonction continue. croissante et positive telle que 0 dt/ϕ(t) = +∞ (et donc telle que limt→0+ ϕ(t) = 0). θ. ∂ Ω)) o` u v (t) = t du/ϕ(u). π 2 Montrer que w(θ) = ∂ψ ` une ´ equation diff´ erentielle lin´ eaire. → − (b) Ω est un ouvert born´ e et on a la condition V (M ) ≤ ϕ(d(M. Soit Ω un ouvert de Rm et M → V (M ) un champ de vecteurs de classe C 1 sur Ω. On consid` ere le flot associ´ e` a l’´ equation diff´ erentielle (E) − − → dM → − = V (M ). λ) en fonction de λ. croissante et positive telle que +∞ dt/ϕ(t) = +∞. . 1 Indication : majorer v (d(M. ∂λ (θ. λ) des lignes de champ relatives → − − → au champ E + E 0 .

.

Paris. (1968) – Calcul infinit´ Dieudonne esimal. Sibony M. Paris. Masson. Crouzeix M. Paris. Hirsch W. (1966) – Analyse num´ erique lin´ eaire.L.L. (1974) – Differential equations. Smale S. Editions de Moscou. Masson. Hermann. ¨ berg C. Reinhard H. Paris. 2. Mawhin J. Paris. Coddington E. Levinson N. Roseau M. Rouche N. ´ J. New York. (1974) – Equations diff´ erentielles ordinaires. Academic Press. (1989) – Equations diff´ erentielles. Artigue M. Hermann. (1956) – Introduction to numerical analysis. New-York. nouvelle ´ edition refondue et corrig´ ee. . Mac Graw-Hill. John Wiley. 2. Masson. New York. Mignot A.B. (1955) – Theory of Ordinary Differential Equations. Academic Press.A. Gastinel N. tomes 1. (1983) – Syst` emes diff´ erentiels. dynamical systems and linear algebra. Paris. (1965) – An introduction to numerical Mathematics. Fro Reading. Hildebrand F. Paris.. Cedic/Fernand Nathan.L. (1977) – Cours de calcul diff´ erentiel. Cartan H. Mac Graw-Hill. New-York. Hermann. (1964) – Ordinary differential equations. (1973) – Equations diff´ erentielles ordinaires.. Etude Graphique.. Stiefel E. Hermann.Ê ÖÒ × Arnold V. Mignot A. New York. tomes 1..E. Fondements et applications. (1965) – Introduction to numerical analysis... Dunod. Addison-Wesley. Crouzeix M. (1986) – Exercices d’analyse num´ erique des ´ equations diff´ erentielles. Gautheron V. Paris. Mardon J. Hartmann P. Paris.. Paris. (1984) – Analyse num´ erique des ´ equations diff´ erentielles. (1976) – Equations diff´ erentielles. Masson. deuxi` eme ´ edition. (1982) – Analyse num´ erique.

.

.. . . . . . . . . . . . . . . . . . . . .. . V 2. . . . .. . . . . . . . . . . ... . . . . ... . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . .. . . . . . . . . .4 ´ Equations de Riccati .. . . . . . .3 1. .. . . .. . . II 2 Convergence des m´ ethodes de quadrature . .. . . . . . . . . . . . . . . .. . . . . . .. . . .. . . . VI 2. . . . . . . . . . . .1 e des polynˆ omes . . . . . . . . . . .. . . . . . . .. . . . .. . . . . . III 1. . . . . . . . . . . .. . . . . .. .6 Cylindre de s´ ecurit´ e . . . . . . . .. . . . . VIII 4 Convergence des polynˆ omes d’interpolation . . .. . . . . . . . . . . . . . . . .. . .. . . . .. . . . . . . . . . . . . . . . . .. . . . . . . . . . . . .. . . . .4 ´ Equation diff´ erentielle lin´ earis´ ee . . .2 Contrˆ ole du pas . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . .. . . . .. . .. . . . . . . . . . . . . . . . . . . V 1. . . . . . . . . .3 Calcul des variations . ... . . . . . . . . . . . . . . . . VI 1. . . . . . . . . . .2 4.. VI 4. . . . . . . II III II V 3. . . ... . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . .. . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . X 2. . . . . ... . . . . . . . . .2 (a) Condition initiale . . . . V 2. . . . . . . . . . . . . . . .. . ... . . . . . . . . . . . . . X 2. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . .6 Cumulation d’erreurs al´ eatoires . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . .. .1. . . Application contractante . .. . . . . . . . . . ... ..5 ´ Equations d’Euler-Lagrange .. . . .. . . . . . . .1 Enveloppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 3. .2 Col . . . .. . . .. . . . . . . . . . .. . . . .. .. . . . .3 ´ Equations a ` variables s´ epar´ ees . . . . .. .. . . . . .. . . . . . . .. . . . . . . . . . . . . . . . .1 Constante de stabilit´ e . .3 Crit` ere d’attractivit´ e . . . . . . . . .. . . .. . .. . . . . .. . . . . .. . .. . . . IX 1. . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . .. . . . .1 Constante de Lebesgue . .1 Courbe du chien . . . . . . . . . . . . .. . . . . . . . .. . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . Donn´ ees initiales . . . . . . . . . . . . . . . . VI 2.. . . . . . . . . . . .. .. . . .. . . . VI 1. .4 Convergence quadratique . . . . . . . . . . . . . .1 IV 1. . .ÁÒ Ü Ø ÖÑ ÒÓÐÓ ÕÙ Amplification de l’erreur . . . . .. .. . . . . . . . .. . . . . . . . . . . . . VI 4. .. . . .. . . .5 (a) ´ Equations de Clairaut . . . . . .. . . . . . . . . . . . . . . . . . . . . .. . .4 ´ Equations de Lagrange . . . .3 1. . . . . V 1. . . . . . . . . . . .. . . . . .2 Crit` ere de maximalit´ e des solutions . . ... . . . . . . . . . . .. . . . .. . . . . . . . . .. .. . .. . . IV 2. VI 4. . . . . . . .. . .1 I 1. . . . . . . . . . . . . . . . . . .. . . . .. . . .4 Centre .. . . . . . . . . .4 Champ des tangentes . . . . . . . . . . . . . . . . Diff´ erences divis´ ees . .. . . . . . .. . . . . . . . . .. . . ..3. . . .. . . . . . .. . IV 3.. . . VIII 2. . .. . . . . . . . ... . . . .1 Calcul de pi . Base de num´ eration .. II 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. . . . . . . . . . . . . . . . .1 ´ Equation d’Euler-Lagrange .. . . . . . . . . . . . . . . XI 1. 2. . . . .. . . . . . . . . .. . . . . . . . .. . . . . . . . . . . . .. . VI 2. . . . . . . . . . . . . . . . . . . . .2 ´ Equations de Bernoulli . . . . . . . . . . . . . . . . . . . . II 4. . . . . . . . . . . . . . . . . . . . . . . V 1. . . . . . . . . . . . . . . . . . . I 2. . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . VI 1. . . . . . . . .5 (b) ´ Equations diff´ erentielles . . . . . .. . . . . . . I 1. . . . . . . . . . . . . . .. . . .2 (b) Chaˆ ınette . .. . . . .. . . . . . . .1 . . . . . . . . .. . . . . . . . . . . . . . . . . . . Densit´ D´ eveloppements asymptotiques . .. . . . . . . . . . . VI 4. . . . . .. . . . . . . . . . . . . .. . . . ... . . . . . . . . . . . . . .. . . . . . . . .

. . . .. . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . .2 (c) de Heun . ..2 Fonction de classe C 1 par morceaux . . . . .320 Analyse num´ erique et ´ equations diff´ erentielles ´ Equations diff´ erentielles d’ordre sup´ erieur ` a un . . . . . . . . . . . . . . . .2 de la s´ ecante . . . . . . . . . . . . . . . IX 1. . . . . . . .2 Formule de la moyenne . . . . . . . . . VIII 2. . . . . .. . . . . . . . . . . . . . . . . . . . . . . V 1. . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III 1.. . . . . . . . . . . . . . . .2 (c) de Newton-Raphson . . . . . . . . VIII 2. . . . . . . . . . . . . . . .3 Formule de Taylor . . . . . . . III 1. . . . . . . . . . . . . . . . . . . . . . . . III 5. . . II 3. . . . . . . . . .. . . . . . . . . . . . .. . . . . . .. . . . . . . . . . . VII ´ Equations diff´ erentielles non r´ esolues en y . . . . . .. . . . . . . . . .3 Lignes isoclines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Flot d’un champ de vecteurs XI 1. . . ..4 de Milne . . . . . . . . II 1. . . . V2 Existence de solutions globales . . . . . . . . . . . . . .4 Formule de Stirling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . III 4. . .1 consistante . . . VIII 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V 4. . . . . . 4. . . . . . . . . .. . . . . . . . . .. . . . . . . . . . . . . .. . . . . . . .1 d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . .3 de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . III 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . .. . . . . . . . .1. VIII 3. . . . . . . . . . . . . . . . . . . . . . . .. . IV 2. . .. I 1. . . . .. . . VI 1. . . . . . . . .3. . . .. . .. . . . . . . . . . . . . . . . . . VII 3 ´ Equations diff´ erentielles d´ ependant d’un param` etre . Fonction ´ equioscillante . . . . . X 2.1 Lemme de Gronwall . . . . . . . . . . . . . .. . . . . . . . . . . . . . .. . II 4. . . . . . . . II 2. . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . II 2. . . .1 ´ Equations homog` enes . . .2 (c) Interpolation de Lagrange . . . . . . . . . . . . . . . .. . . . . . . . . . . .5— Fonction analytique . . . . . . . . ... . . . . . . . .. . .1 Estimation de πn+1 . . . V3 Fonction ζ de Riemann . . . . . . . . . . III 1. . . . . . . . . . . . . . . . . . . . . 1. . . . . . . . .1 V 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 4 ´ Equations diff´ erentielles lin´ eaires . . . . . . . . . . . . . . . . . . IV 2. . . . . . . . . . . . . V 2. . . . . . .. . . . . . .. . . . . . . . . . . I 1. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . XI ´ Equations diff´ erentielles du second ordre . . . . . . . . . . . . II 1. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . .. . . . . . . . . . . . .. . . . .. . . . . . . . . . . . . . . . . . .. . .1 Formule de Newton . VIII 2. . . . . . . . . . . . . . . . . . .. . . . . .5 Erreur d’int´ egration . . . . . . III 4. . . . . . . . . . . . . . . . . . . V3 Exponentielle d’une matrice . . . .1 convergente . . . . . . . . . . . . . . . . . . .1 Fonction lipschitzienne . . . . . . . . . . .. . . . II 1. . . . . . . . . . . . . . . . . . . 3. . . . . . . .2 Erreur d’interpolation . . . . . . . . . . . . . . . . . . 4. . . III 2. . . . . . . . . . . . . . . . .1 Foyer . . . . . . . . . . . . . V 3. . . V 3.3 . . . . . . . . .. VI 4. .1 Erreur globale . . . .. . . .4 Existence et unicit´ e des solutions . .. . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Fonction localement lipschitzienne . . . .. . . . . . . . . . VI 2. . . . . . . . . . . . . . . . . . . . . III 4. . . . . . . .3 Erreur d’arrondi . . . . . . . . . . . . . .1..2 Extrapolation de Richardson . . . . . . . . . . . VIII 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . VII 2. . . . . . . . . . .. . . . . . . . . . ... . . . . . . . .. . . ... . . . . . . . . . VI 1. . .. . . VIII 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . .2 Mantisse M´ ethode M´ ethode M´ ethode ethode M´ M´ ethode M´ ethode M´ ethode M´ ethode M´ ethode . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . .3. . . . . . . . . . .2 Erreur de consistance . . . . . . . 2. .. . . . .4 Instabilit´ e num´ erique . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . .4. . I3 Int´ egrale premi` ere . . . . . . . . . . . . . . . . . . . . . . . . . . . III 2. . . . . . . . .6. . . .1 Formule d’Euler-Maclaurin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI 1. . . .2 Existence de solutions . . . IX 1. . . . . . . . . . . .. . VIII 1. . . .2 (b) G´ eod´ esiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 de Boole-Villarceau . . .. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. .. . . . ..2 (a). . . . .. . . IX M´ ethodes d’Adams-Bashforth . . . . . . . . . .. . . . . exceptionnel . . . . . . . . .. .. . . . . . . . .. . . .. . . . . . . IX 2 M´ ethodes d’Adams-Moulton . . . . . . . . . . . . . . . . . . . . . . . . XI 2. . . . . .. . . . . .. . .. . . . . . . . . . .. . . . ... . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. . . . . .. . . .1 Point singulier non d´ eg´ en´ er´ e .. . . . . . .. . . . . .. . . . . . . . . . . . . . .. . . . . . ..4. . . . . . . . .1 II 5 Norme L2 de la moyenne quadratique . . . . . . . .. . . . . . . . . . . . . . . . . . . .. . III 1. . . . . . .. . . . . . . .. II 2. . . . . . . . .. . . . . . .. . . . . . . X 2. . . . . . . . . . .5 M´ ethodes PEC . II 3. ... . . . . . . . VIII 2. . . . . . . . . . . . . . . . . . II II IX VI 1. . . . . . . . .. . . . .. . . . . . .. . . . . . .. r´ epulsif . .. . . . . . . . . .. . . . . . . .. . . . . . . . .Index terminologique 321 M´ ethode de Nystr¨ om . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . .1 M´ ethodes de pr´ ediction-corrcetion . . . . . . . IV 2. 3.3 Poids . III 1. . . . . .. . . . . . . . . . . .. . . . . . . . . . . . . . III 5. . . . . . . . VII 2... . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . .... . . . . . . . .. . . . .... . . . . . . . . . . . . . . .. . .. . . . . . . . . . . . . . . . . 4. . . . . . . . . . . . VI 5. . . . . . . . . ... . . . . .. . . . . . . . . Op´ erateur d’interpolation . . . . 2. . . . . . . . . . . . . . . . . . . . . impropre. . . . .. . . . . .. . . . . . . .. .. . . . . . . . .. . . .4. . II 3. . . .. . . .5 M´ ethodes ` a un pas . . . . . . . . . . . . . . . . . . . . . . . .. .. . . . .. . . . . II 5 Polynˆ ome de meilleure approximation uniforme .. . . . . . . . . . . VIII 1. . . . . . .2 (c) M´ ethode de variation des constantes . . . . . . . . . .5 Polynˆ ome de meilleure approximation quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . ... . . . . .. . II 1. . . . . . . . . . . . . . . . . . . . . . .3 M´ ethode de Weddle-Hardy . . . .1 3. . . . . ... . . . . . . . . . . . . . .. .1 M´ etrique de Poincar´ e . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . .. . . M´ ethodes PECE ... . . . . . . . .. . . . . . . . . . . . . . . . . . . . .3 Ph´ enom` enes de compensation . . . . . X 2. . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . .1 M´ ethodes ` a pas multiples . . . . . . .. . . . . .. . . . . . .. . . . ..1 II 5 Polynˆ omes de Hermite . . . . . . .. . . . . . . . . . I 2. . . . . . . . . .. VI 1. . . . . . . . . . . III 4.2 (a) M´ ethode des trap` ezes . . . . . .. . . . . . . .. . . . . . . . . . . . . . . . . . . . .. . .... . . . . . . . . . . . . .. . . . . . . .1 Polynˆ omes de Bernoulli . . .. . . . . . . . .. . .. . . . . . . . . . . . . .. Ordre d’une m´ ethode . . . . . . . . . . . . . . . . . . .1 1. .. .. .. . . . . . .. . . . . . . . . ... . . . . . . . . . . ..2. . ... . . . . . . . . . . . . . .. . . . . .2. .. . . . . . . . . . . II Notations Noyau de P´ eano . . .2 (b) M´ ethode du point milieu . . . . . . . . . . . . .. . ... . . . . . . . . . . . . . . . . . . . . . . . . . . . .9 Module de continuit´ e . . . . .. . . .. .. . . . . . . . . . .. . . . . . . . . . . . . . .. .3 M´ ethode des rectangles . . . .. . . . . . VIII 1. .3. . . . .. . . . . . Polynˆ omes de Jackson . . . . .1 Point d’interpolation de Tchebychev . . .. . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . III 1. .1 Point fixe attractif. . . . . .. . . .. . .. . . . . . . . . . . .3 M´ ethode de Romberg . . . . . . . . . . III 1.. . . . . . . . . . XI 2. . . . III 1. . . . . . . . . . .. . . . . . . . . . . . . . . . . . . IV 3 M´ ethodes de Gauss . . . . . . . .. . . . . . .. . . . . . . . . . . . .. . . . . . IX 4 M´ ethodes de Runge-Kutta . . . II 5 Point critique . . . . . . . . . . . . . .1. .2 Nœud propre. . . . . . . . . . . . . . . . . . X 2. . . . . . . 2. . . . . . .. . . .. . . . . . . . . .3. .. . . .. . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . .2 (a) Nombres de Bernoulli . VIII 1. . . . . . . . . .. . . .. . . . . . .. . . . . . . . . III 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . IX 1. . . . ... . . .. . . . . . Ovale de Cassini . . . . . . .2 (c) M´ ethode de Taylor . . . . . . . . . . V 2. . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . .. . . . . . .. . . . . . . . .. . . . . . III 1. .. . . . . . . . . . . . . . . .1 Ph´ enom` ene de Runge . . . .. . .. . . . . . III 1. .. . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . .. .2 Perturbation d’un champ de vecteurs . . . . . . . . . . . . .. . Norme uniforme . . . . . . . . . . . . . . . 2. . . . . . .3 Petites perturbations . . .. . III 4. . . . VIII 3 IX 4.. . . . .. .1 Point singulier .. II 3. . .. . . . . . .4 M´ ethode du point milieu modifi´ e . . . . .. . . . . . . .. . . .4 4. . . . . . . . . .. . . . . . . . . . IX 4. . . . . . . . . . . . . . . . . . . VIII 1. .. . . . . X 1. . . . . . . .. . . . . . . . . .2 M´ ethode de Simpson . . X 2. . . . . . . . . . . . . . . . . . . .1. . .. . . . III 3 M´ ethodes de quadrature ´ el´ ementaires et compos´ ees . . . . .2 Op´ erateur aux diff´ erences finies . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . .4.2 . . . . . . . .. . . . . . . . . . . ... . . . .. .. .

.1 2. . . . . . . . . . . .4 2. . . . . . . . . . . . . . . .. . .. . . . . . . . .3. ..4 4. . .5. . . . . . . . . . . . . . . . . . . .. .1 4. . . . . . . . . . . . . . . . .. . . . . . . . . . . . . .6 Probl` eme variationnel . . . . . . . . . . . .2 2. . . . .. . . . . . . . . V X V VI V V VI X IV 3. . . . . . . . . . .. . . . . . . . . . . . . . . .. . . . . .1 1. . . . . . Th´ eor` eme d’existence . . . . . . . . . . . . . . . . . . . . . . . . . .. .. . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .2 4. . . . . II 5 Polynˆ omes orthogonaux .. . . . . .1 1. . . . . . . . . . . . . . . 2. . . . . . Th´ eor` eme de Jackson . . . . . . . VIII 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .1. . . . . II 5 Pr´ ecision relative . . . . . . . . . . . . . . .1 3. . . .. .2 4. . . . . . . . . . . . . . . . .. XI 1. . . . . . . . .. . .. . .. . . . . . . . . Trajectoires orthogonales . . . . . . . . . . . . . .. Th´ eor` eme d’Ascoli . . . .. . . . . . . .1 3. . . . . . . . .. . . . . . . . Syst` eme diff´ erentiel lin´ eaire . . . . .. . . . . . . . . . .. .. . .. . .. . . . . . . . . . . . . . . . . . . . . . . VIII 2. . . . 1. . . . . . . . . . . . . . . . 3. . . . . . . . . . . . . . .. . . . . . . .5.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Solution approch´ ee . . . . .. . . . . . .. . . . . . . . . . . . . . .1 Probl` eme bien conditionn´ e . . . . . . . . . VII 4. . . .. .. . .322 Analyse num´ erique et ´ equations diff´ erentielles Polynˆ omes de Laguerre . . . . IV V V V II XI III IV IV IV IV VI VII 2. . . . . . . . . .. .. V 1. . . . . . . . . . . . . . .. . . . . . . . . . . . II 5 Polynˆ omes de Legendre . . . . . . . . . . . . . .. . . .. . Stabilit´ e des m´ ethodes num´ eriques . .4 Relation de r´ ecurrence des polynˆ omes orthogonaux . . . ... .. . . . . . . . . . . . .3 3. . . . . .. . .. . . . . VI 4. . . . . . . . . . . . . . . . . . . . . . . IX 1.. . . . . . . . . . .. . . . . . . . . . . . Solution globale . . . .. . . . . . . .. . .. . . . . . . . . . . .. . . . . . . . . . . . . .. . . . . . . . . . . . . . . . Th´ eor` eme de Poincar´ e-Bendixson . . . . . . . . . VIII 2. . . .. . . . . . . . .5 2. . . . . . . . . . . Th´ eor` eme de Cauchy-Peano-Arzela . Solution singuli` ere . . . . .. . . . . . . . . . Th´ eor` eme d’unicit´ e globale . . . . . . . . . . . . . . . . . . . .. . .3 4. . . . . . . . . . . .1. . . .. .. . . 3. . . V 3. . . . . . . . . . . . . . . . . . . . . Solution g´ en´ erale . . . . . . . .. .. . . . . . .. . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 VII 4. . . .6 Probl` eme bien pos´ e . . . . .. . .. . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . Th´ eor` eme de Steffensen .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th´ eor` eme du point fixe . . . . . . .. . . . .. . . . . . . .1 Probl` eme raide . . . . . .. . . . . . . . . . . . . ..1 1. .. . . . . .1 1. . I 1. . . . . . . . . . . . . .. . . . . . . . . .4 Rayon spectral . . . . . . . .. . . . Solution stable . .2 1. . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. . . . . . . . . . . .. Solution asymptotiquement stable . . . . . . . .4 3. . . . . . . . . . . . . . . 3. . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . II 5 Polynˆ omes de Tchebychev . . . . .3. . . . . . . . . . . Th´ eor` eme de Cauchy-Lipschitz . . . . . . IV VI VII V 2. . . . . . . . . . . . . . . . . . Syst` eme diff´ erentiel autonome . . . .1 2. . .2 1. . . . . . . Th´ eor` eme des fonctions implicites . .. . . . . . .. . . .. . . . . . . . . . . . . . . . .. . . .1 R` egle de H¨ orner . . . .2. . . . . . . . . . . .. . I 1. . . . .3. . . . . . . . . .3 4. . . . . .. . . VIII 2. . . . .4. . . .6 Probl` eme de Cauchy . . . . . . . . . V 1. . .1 1.4 1. . . . . . . . .. . . . Th´ eor` eme d’inversion locale . . . . . . . . . . . . . . Wronskien d’un syst` eme de solutions . . . . . . . ... . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 4. . .2.. . . . . . . . . . . . . . .. II 5 R´ esolvante d’un syst` eme lin´ eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV 3. . . . . . . . . V Th´ eor` eme d’existence et d’unicit´ e . . . . . . . . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . .. . .3. . . . . . . . . . . .1 3. . . . . .4 1. Suite de Fibonacci . . . . . . . . . . . .. . . . . . . . . . . . . . . .. .. . .. . . . . . . . . . . . .. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . .3. . . . . . . . . . . II 1. . . . . . . . . Th´ eor` eme des submersions . Triangulation des matrices . . . . .. . . .. . . .. . Solution d’une ´ equation diff´ erentielle . .. .3 1. . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . .. . . . . . . . . . . . ... . . . . . . . .4. . . . .. . . . . . . . . . . . . . . . .5 R´ egularit´ e des solutions . . . .. .. . . Th´ eor` eme des immersions . . . . . . .2 . . . . .. . . . . Spectre d’un endomorphisme . .. . . . . . . . . . . . . . . . . . . . . Solution maximale . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . .. . . . . . . . .. . . . .. . .2 1. . . . . . . . . . .. . . . . . . . . . . . . . . . . .

..............3 βr C ([a....................... II 3..3 βr ∗ ................................................... .................................. .................... II 1.1 Ln .... II 5 .. ................. III 2..... II 1.. ...j ....... g ) ∆x ......... ........ III 4.....1 Bp (x) .......1 ABr+1 .................. IX 2...1 bp ......... .... . .r .................2 (E ⊥ ) f [x0 ...................... III 1...............................3 (Eλ ) ..................... Li (x) ....................................................................... ....................2 eA ............................................................... ............. III 1........... II 1.3 γr .. ............ ............i...........2 ..... .................. xn ] ........ .... IX 3.......... II 4.................................2 KN (t) ........ II 5 2 .......2 jn (x).......................................... ....................4 ∆ k fi ................ .............. V 2.......... IX 2. ........................... .1 AMr+1 bn.................... .... ........ IX 3.... III 1......................................................................... Pn ) ......... b]) ........1 ...... ...... ............................1 pn (x) [a.......... ......................... VIII 1........ ........... .......................................... x1 .. ..... ........... VII 2................................................... .....1..... ............................................2..... .....................1 ... ...................... ......... II Notations ................................................................................ ...... .. ......... ..5 f [k] ......... ....... V 2.. ......1. 3....... III 5.................................................... II 4.............. ........................................... IX 3... IX 2................................................. .....r .......................................................... II 3.........1 ωi.....2 ωj ......... ......................... ... ............b] .. ........... II Notations ∗ ............. II 5 d2 (f............. I 1...... .............. ...... XI 1...........................ÁÒ Ü × ÒÓØ Ø ÓÒ× .......................n ............................................. .................... ............. V 1.....................2 hmax .. ..... ........................ .............. IX 3............1 Λn .......................... Jn (θ) ............................... ........ ..............2 (c) N Cl ..................... ...... II 3.... 2.............................. ........... ........ .. III 4. . ........................1 en E (f ) ...............................i............................. ......1 d(f.3 ..... VI 3.... .1 li (x)........................................ II 1.1 Am......................... III 2..1 b∗ n. . ................... ..2 ωf (t) .................. ...

1 ....................................................1 R(t.....1 πn+1 (x) .................................................................................1 ................................................. VII 4...................1...... 2.............................................................. V 1................5 tn (x) w(x) ............... IX 4.............. II Notations Pn .................................................3.................................. II 1............. VII 4.324 Analyse num´ erique et ´ equations diff´ erentielles pfn+1 ..... IX 1............................ III 4... II 1.........1 pyn+1 .................... t0 ) S ........... IX 4....................................1 y = f (t...........................................2 ...........2 ........ y ) ζ (s) .................... VIII 2.................................. II 5 W (t) ...........................................

Formulaire et principaux r´ esultats 325 ÓÖÑÙÐ Ö Ø ÔÖ Ò Ô ÙÜ Ö ×ÙÐØ Ø× Chapitre I : Calculs num´ eriques approch´ es Soit ε la pr´ ecision relative de l’expression approch´ ee des nombres r´ eels sur le calculateur utilis´ ee. α1 α2 αn αn 1 α2 ∆(xα 1 x2 . + |αn | − 1)|x1 x2 . xi ). + xn est calcul´ si ∆xi = 0. li (x) = j =i x − xj . ee par ordre croissant d’indice et Si la sommation sn = x1 + x2 + . . . xn ∈ [a. + (n − 1)|x2 | + (n − 1)|x1 |). xi )[. . alors ∆(sn ) ≤ ε(|xn | + 2|xn−1 | + . xn ) ≤ ε(|α1 | + . . Les erreurs d’arrondi sur les op´ erations arithm´ etiques v´ erifient ∆(x + y ) ≤ ∆x + ∆y + ε(|x| + |y |). . . . . avec πn+1 (x) = i=0 (x − xi ). b] → R en des points x0 . ∆(xy ) ≤ |x|∆y + |y |∆x + ε|xy |. Chapitre II : Approximation polynomiale des fonctions num´ eriques Polynˆ ome d’interpolation de Lagrange de f : [a. . xn |. b] : n pn (x) = i=0 f (xi )li (x). max(x. x1 . . . xi − xj Formule d’erreur : f (x) − pn (x) = n 1 πn+1 (x)f (n+1) (ξx ) (n + 1)! ξx ∈ ] min(x. . . . .

. . .326 Diff´ erences divis´ ees : f [x0 . xk ] = n Analyse num´ erique et ´ equations diff´ erentielles f [x1 . z ∈ C avec xi = a + ih. x1 . n b− a n b : n Constante de Lebesgue : Λn = sup x∈[a. . . n b− a n ) : fi = f (xi ). pn (x) = k=0 s(s − 1) . tn+1 (x) = 2x tn (x) − tn−1 (x). le polynˆ ome qn de degr´ e eris´ e n minimisant la distance uniforme f − qn existe et est unique. . . (x − xk−1 ).b] i=0 |li (x)|. xk−1 ] . . ∆ k f0 ∆k fi = ∆k−1 fi+1 − ∆k−1 fi . . . Meilleure approximation uniforme : si f ∈ C ([a. . b]. . Il est caract´ equioscille sur au moins n + 2 points de [a. Alors il b−a a existe des constantes C1 . . Points d’interpolation de Tchebychev ( = racines de tn+1 ) : xi = cos 2i + 1 π. xk ] − f [x0 . 2n + 2 0 ≤ i ≤ n. Estimation de |πn+1 (z )|. . par la propri´ et´ e que f − qn ´ e de f Th´ eor` eme de Jackson : soit f ∈ C ([a. C2 > 0 ind´ ependantes de n telles que C1 δn (z )A(z )n ≤ |πn+1 (z )| ≤ C2 nδn (z )A(z )n . 1]. n ≥ 1. t1 (x) = x x ∈ [−1. pn (x) = f (x0 ) + k=1 Formule de Newton (pas constant h = xi = a + ih. h = On pose δn (z ) = min |z − xi | et A(z ) = exp 1 ln |z − x|dx . b]). xk − x0 f [x0 . o` u x = a + sh. t0 (x) = 1. x1 . . Si ωf est le module de continuit´ ome d’approximation de Jackson de f de degr´ e n. . . . . xk ](x − x0 ) . . (s − k + 1) k! Polynˆ omes de Tchebychev : tn (x) = cos (n Arc cos x). on a et si pn est le polynˆ f − pn ≤ 3 ωf b−a . b]). .

2 π Si les xi sont les points de Tchebychev. pk 2 2 Chapitre III : Int´ egration num´ erique M´ ethodes de Newton-Cotes d’indice l : β k −1 l f (x)dx α i=0 (αi+1 − αi ) j =0 ωj f (ξi. 1 2 erreur : − 12 h f (ξ )(β − α) si le pas est constant. 45 . on a Λn ∼ ln (n). n≥2 2 2 avec λn = xpn−1 . Formule de r´ ecurrence : pn (x) = (x − λn )pn−1 (x) − µn pn−2 (x). on a f − Ln (f ) ≤ (1 + Λn ) f − qn . on a Λn ∼ Si les xi sont ´ 2n+1 en ln (n) . l 1 ≤ j ≤ l. ω1 = ω3 = 16 ω2 = 15 (ordre 5). pk pk (x). 4 ∗ l = 2 : m´ ethode de Simpson ω0 = ω2 = 1 6 . ∗ l = 1 : m´ ethodes des trap` ezes ω0 = ω1 = 1 2 (ordre 1). pn−1 / pn−1 2 2 . 1 6 (6) erreur : − 1 935 360 h f (ξ )(β − α).j ) avec ξi. equidistants. erreur : − 2880 ∗ l = 4 : m´ ethode de Boole-Villarceau 7 2 ω0 = ω4 = 90 . Polynˆ omes de meilleure approximation quadratique : n rn (x) = k=0 f. µn = pn−1 2 / pn−2 2 . Formule de Taylor avec reste int´ egral : N f (x) = k=0 1 (k ) f (α)(x − α)k + k! β α 1 (N +1) (x − t)N (t)dt. +f N! . 1 ≤ j ≤ l . Polynˆ omes orthogonaux.j = αi + j · αi+1 −αi . 1 h4 f (4) (ξ )(β − α).Formulaire et principaux r´ esultats n 327 Si Ln (f ) = pn = i=0 f (xi )li . ω1 = 6 (ordre 3).

KN (t) = E (x → (x − t)N + ). alors E (f ) = 1 (N +1) f (ξ ) N! β KN (t)dt. xl ∈ ]α. 1[. alors t ∈ [α.328 Analyse num´ erique et ´ equations diff´ erentielles Noyau de Peano d’une m´ ethode d’ordre N : β l Si E (f ) = α f (x)w(x)dx − j =0 λj f (xj ) est l’erreur d’int´ egration. β [. et l’erreur est donn´ ee par E (f ) = f (2l+2) (ξ ) (2l + 2) β α πl+1 (x)2 w(x)dx. (2πin)p . . Si KN est de signe constant. . t ∈ [αj . Polynˆ omes de Bernoulli : ils sont d´ efinis par r´ ecurrence par  B1 (x) = x − 1 si x ∈ [0.  2     B = pB ( x ) sur [0. xi − xj La m´ ethode est d’ordre N = 2l + 1. β [ racines du polynˆ ome orthogonal pl+1 β λi = α Li (x)w(x)dx. Noyau de Peano d’une m´ ethode compos´ ee. M´ ethodes de Gauss : β l f (x)w(x)dx α j =0 λj f (xj ) avec x0 . Li (x) = j =i x − xj . n∈Z∗ Bp Bp (x) = −p! e2πinx . le noyau de Peano compos´ e est donn´ e par KN (t) = hj 2 N +1 kN 2 αj + αj +1 t− hj 2 . p´ eriodique de p´ eriode 1 sur R. . p− 1  p       1 0 Bp (x)dx = 0. α ξ ∈ ]α. E (f ) = 1 N! β α KN (t)f (N +1) (t)dt. 1[ pour p ≥ 2. . Si la m´ ethode ´ el´ ementaire est d’ordre N et admet kN pour noyau de Peano sur [−1. β ]. αj +1 ]. 1].

0 = A(r−m t0 ). bp = Bp (0) si p ≥ 2.n−1 − Am−1. (2k )! x → +∞ Formule du d´ eveloppement asymptotique. + f (β − 1) + f (β ) = 2 2 b2m (2m)! m=1 k β f (x)dx+ α β α f (2m−1) (β ) − f (2m−1) (α) − B2k (x) (2k) f (x)dx. p Bp (x) = m=0 2k C2 k+1 b2k m Cp b m xp − m . 2k−2 2 1 + C2 k+1 b2k−2 + .Formulaire et principaux r´ esultats 329 Nombres de Bernoulli : 1 b0 = 1.0 = h 1 1 f (α) + f (α + h) + . . +∞[). + f (β − h) + f (β ) 2 2 . 1 1 1 1 5 . b6 = 6 30 42 30 66 Formule d’Euler-Maclaurin : Pour f ∈ C 2k ([α. rn Am. Soit f ∈ C ∞ ([α. β ∈ Z.n−1 . |B2k (x)| ≤ |b2k |. . . Am. Extrapolation de Richardson Pour calculer la limite de A(t) = a0 + a1 t + . +∞[ pour m ≥ m0 m0 2 alors ∀n ≥ x0 et ∀k > on a 1 f (n) + 2 n f (α) + f (α + 1) + . .n = rn − 1 β M´ ethode de Romberg : pour ´ evaluer α f (x)dx. b10 = . + C2k+1 b2 + C2k+1 b1 + 1 = 0. avec α. . 2  +∞ k −1  (2k )! 1  b = 2(−1) si k ≥ 1. b8 = − . . on a 1 1 f (α) + f (α + 1) + . b4 = − . on calcule Am. β ]). on pose Am. . b1 = − . + ak tk + O(tk+1 ) en t = 0. . . b2 = . + f (n) = C + k −1 f (x)dx α + b2m b2k (2k−1) f (2m−1) (n) + θ f (n). . Si (m) lim f (x) = 0 et si f (m) (x) est de signe constant sur [x0 . 2k 2k (2π )2k n n=1   b2k+1 = 0 si k ≥ 1. α ∈ Z. (2m)! 2k ! m=1 0 ≤ θ ≤ 1. Bp (1 − x) = (−1)p Bp (x).

n−1 . . alors pour h = min 1. f (x) on a Si f (a) = 0 et M = x∈[a−r.330 o` uh= β −α 2m . M´ ethode de Newton-Raphson. y ). (∀p ≥ 1). (∀x ∈ [a − h. De plus toute solution peut ˆ etre prolong´ ee en une solution maximale . Pour r´ esoudre f (x) = 0 o` u f : Rm → Rm . on it` ere ϕ(x) = x − f (x) . M f (x) |ϕ(x) − a| ≤ M |x − a|2 . l’intervalle de d´ efinition d’une solution maximale est ouvert.a+r] max f (x) 1 . il passe equation diff´ erentielle par tout point (t0 . ´ Chapitre V : Equations diff´ erentielles. Analyse num´ erique et ´ equations diff´ erentielles puis Am. x1 . on pose   τp = f ( x p ) − f ( x p− 1 ) x p − x p− 1 f (xp ) τp  xp+1 = xp − . R´ esultats fondamentaux ´ Etant donn´ e un ouvert U ⊂ R × Rm et une fonction continue f : U → Rm . a + h]) Variante (m´ ethode de la s´ ecante) : A partir de valeurs initiales x0 .n−1 − Am−1.n = 4n Am. y0 ) ∈ U au moins une solution locale de l’´ (E) y = f (t. on it` ere la fonction ϕ(x) = x − f (x)−1 · f (x). 4n − 1 Chapitre IV : M´ ethodes it´ eratives pour la r´ esolution d’´ equations M´ ethode de Newton : pour r´ esoudre f (x) = 0.

Si f est localement lipschitzienne en y . il existe au moins une solution (resp. . Si f est continue (resp. y(1) (x) = λ(x)eA(x) . . yn ). y (p−1) ). Th´ eor` eme de Cauchy-Lipschitz. y (t0 ) = y1 . . y (t)) reste contenue dans C . continue et localement lipschitzienne en toutes les variables autres que t). y (p−1) (t0 ) = yp−1 . y . Solution g´ en´ erale : y (x) = λeA(x) + y(1) (x) o` u A est une primitive de a et o` u y(1) (x) s’obtient par la m´ ethode de variation des constantes. Partant d’un point initial (t0 . . dy ´ Ecrire = f ( x ) dx . g (y ) ´ Equations lin´ eaires du premier ordre : y = a(x)y + b(x). . L’erreur v´ erifie y (t) − f (t. Si C = [t0 − T. r0 . . ´ Equations diff´ erentielles d’ordre p : y (p) = f (t.r0 ) f . il passe par tout point (t0 . . . y (t)) ≤ ωf ((M + 1)hmax ) o` u ωf est un module de continuit´ e pour f . yn ) tn+1 = tn + hn et on construit une solution approch´ ee y (t) lin´ eaire par morceaux en joignant les points (tn . y0 ). t0 + T ] × B (y0 .Formulaire et principaux r´ esultats 331 M´ ethode d’Euler. . une unique solution) satisfaisant la condition initiale y (t0 ) = y0 . la solution approch´ ee (t. ek|t−t0 | − 1 k Chapitre VI : M´ ethodes de r´ esolution explicite des ´ equations diff´ erentielles ´ Equations ` a variables s´ epar´ ees : y = f (x)g (y ). y2 v´ y1 (t) − y2 (t) ≤ (ε1 + ε2 ) o` u k est la constante de Lipschitz. M o` u M= sup [t0 −T0 . y0 ) une solution maximale unique et toute suite de solutions ees avec lim εp = 0 converge vers la solution exacte : le lemme de εp -approch´ erifie Gronwall montre que l’´ ecart entre 2 telles solutions approch´ ees y1 . y.t0 +T0 ]×B (y0 . on pose yn+1 = yn + hn f (tn . r0 ) est un cylindre de s´ ecurit´ e tel que T ≤ min T0 .

. Alors µ = λ est solution d’une ´ premier ordre. . . ´ Equations de Lagrange : y = a(y )x + b(y ). alors l’espace des solutions admet pour base λ1 . Calculer dy et ´ ecrire dy = p dx. λs de multiplicit´ t → tq e λ j t . ms . ´ Equations d’ordre p : ap y (p) + . Poser y (x) = xz (x). . . ´ Equations de Riccati : y = a(x)y 2 + b(x)y + c(x). utiliser la m´ ethode de variation des equation du constantes : y (x) = λ(x)y(1) (x).332 Analyse num´ erique et ´ equations diff´ erentielles ´ Equations de Bernoulli : y + p(x)y + q (x)y α = 0 o` u α ∈ R \ {1}. ou passer en coordonn´ ee polaires. ´ Equations du second ordre : y = f (y. . . + a1 y + a0 y = 0. ´ Equations lin´ eaires homog` enes du second ordre : a(x)y + b(x)y + c(x)y = 0. Y (t) = e(t−t0 )A · V0 Y (t) = e(t−t0 )A · V0 + t t0 e(t−u)A B (u)du . . aj ∈ C. Chapitre VII : Syst` emes diff´ erentiels lin´ eaires Syst` emes diff´ erentiels lin´ eaires ` a coefficients constants dans Rm Solution du probl` eme de Cauchy Y (t0 ) = V0 pour Y = AY : Y = AY + B (t) : On a det (eA ) = exp (tr A). . . Si le polynˆ ome caract´ eristique ap λp + . 1 ≤ j ≤ s. poser y = y(1) + z . ´ Equations homog` enes : y = f y x 1 z satisfait une . Si une solution particuli` ere y(1) est connue. α 1−α Diviser par y et poser z (x) = y (x) . . ´ Equations non r´ esolues en y : regarder si on peut trouver une param´ etrisation simple de l’´ equation. Alors ´ equation lin´ eaire. y ) : choisir y comme nouvelle variable et v = y comme nouvelle fonction inconnue de y . On a alors y = v dv/dy . Si une solution particuli` ere y(1) est connue. + a1 λ + a0 admet pour racines complexes es m1 . Alors z satisfait une ´ equation lin´ eaire. Choisir p = y comme nouvelle variable et x(p) comme nouvelle fonction inconnue. . 0 ≤ q < mj .

max |yn − z (tn )| ≤ S |y0 − z (t0 )| + 0≤n<N ≤ S (|y0 − z (t0 )| + CT hp max ) . Si θn+1 ≤ (1 + Λhn )θn + |εn | avec hn . l’erreur globale admet la majoration  0≤n≤N  |en | . hn ). t0 )) = exp t0 tr A(u)du . θn ≥ 0 et εn ∈ R. u)B (u)du. y. Si R(t. hn ) + εn . La m´ ethode est dite d’ordre ≥ p s’il existe une constante C ind´ ependante de n et hmax telle que |en | ≤ Chn hp max . Chapitre VIII : M´ ethodes num´ eriques ` a un pas Ces m´ ethodes peuvent s’´ ecrire de mani` ere g´ en´ erale yn+1 = yn + hn Φ(tn . Sous cette hypoth` ese. il faut et il suffit que ∂lΦ 1 f [l] (t. yn .Formulaire et principaux r´ esultats 333 Syst` emes diff´ erentiels lin´ eaires quelconques Y = A(t)Y + B (t). et on a det (R(t. . t0 ) d´ esigne la r´ esolvante. yn . alors eΛ(tn −ti+1 ) |εi | θn ≤ eΛ(tn −t0 ) θ0 + 0≤i≤n−1 ≤ eΛ(tn −t0 ) θ0 + 0≤i≤n−1 |εi | . Lemme de Gronwall.   alors max |yn − yn | ≤ S |y0 − y0 | + 0≤n≤N 0≤n<N |εn |. 0) = ∂hl l+1 0 ≤ l ≤ p − 1. l’erreur de consistance relative a ` z est par d´ efinition en = z (tn+1 ) − yn+1 pour yn = z (tn ). alors la solution du probl` eme de Cauchy Y (t0 ) = V0 est donn´ ee par t Y (t) = R(t. 0 ≤ n < N. Pour qu’il en soit ainsi. La m´ ethode est dite stable de constante de stabilit´ e S si pour toute suite perturb´ ee yn telle que yn+1 = yn + hn Φ(tn . y ). 0 ≤ n < N. Si z est une solution exacte. t0 ) · V0 + t0 t R(t. (t.

la m´ ethode est stable avec constante de stabilit´ e S = exp (ΛT ).j 1 . .. cq 0 a21 0 0 . . 3 bi aij cj = i. . ∗ L’ordre est ≥ p si et seulement si les coefficients satisfont les relations p≥2: p≥3: p≥4: b j cj = 1 2 1 b j cj = .k bi aij c2 j = i.i = tn + ci hn         yn.. . mais la m´ ethode modifi´ ee est une m´ ethode ` a 2 pas). . 2 b j c3 j = 1 .j  yn+1 = yn + hn 1≤j ≤q aq 1 b1 aq 2 b2 . 8 bi aij ajk ck = i..i = f (tn. yn ) = yn +  2  2    h    pn = f tn + n . .j 1 12 en plus des conditions des ordres 2 et 3.i = yn + hn aij pn. 0 0 0 0   tn. . M´ ethodes de Runge-Kutta : c1 c2 ..j.j     1 ≤ i ≤ q    1≤j<i    pn. aqq−1 bq − 1 0 bq On a toujours 1≤j<i aij = ci . yn+ 1 2 2    yn+1 = yn + hn pn        t =t +h n+1 n n Ces m´ ethodes sont d’ordre 2 (celle du point milieu est a ` 1 pas.. y. h) est Λ-lipschitzienne en y . α = max i j |aij |. 1≤j ≤q bj = 1. ..i . yn.. M´ ethode du point milieu :  hn   yn+ 1 f (tn . . T = tN − t0 . 12 bi ci aij cj = i. + (αkhmax )j −1 . 4 b j c2 j = 1 .. ∗ Constante de stabilit´ e : S = exp(ΛT ) o` u k = constante de Lipschitz de f et Λ=k 1≤j ≤q |bj | 1 + (αkhmax ) + .j 1 6 1 . yn+ 1 2 2    yn+1 = yn + hn pn        t =t +h n+1 n n du point milieu modifi´ ee :  hn   yn+ 1 pn−1 = yn +  2  2    h    pn = f tn + n .334 Analyse num´ erique et ´ equations diff´ erentielles Si Φ(t.i )      tn+1 = tn + hn       bj pn.

. 0 ≤ i ≤ r. l’erreur de consistance relative a ` une solution exacte z est en = z (tn+1 ) − yn+1 . . yn ) est d’ordre ≥ p si et seulement si il αi − lil−1 βi = (−1)l . fn = f (tn . . yn−r . . si . . − αr = 0 a toutes ses racines de module ≤ 1. hn−r ). 0≤i≤r 0 ≤ l ≤ p. . tn−r . . La m´ ethode est stable avec constante S si pour toute suite (yn ) telle que  yn+1 = Ψ(tn . Elle est stable si et seulement si l’´ equation λr+1 − α0 λr − . yn−r . avec yn−i = z (tn−i ). hn . . hn−r ) + εn  |εn | o` u θn = max |yi − yi |. tn−r . hn . . yn . yn . r ≤ n < N.Formulaire et principaux r´ esultats 335 ∗ Exemples : Ordre 2 : 0 α 0 α 1− α= 1 2 1 2α Ordre 4 : 0 0 1 2α 0 1 2 1 2 0 1 2 0 0 1 2 0 0 0 1 2 6 0 0 0 0 1 6 0 0 1 6 1 : point milieu 0 2 6 α = 1 : m´ ethode de Heun Chapitre IX : M´ ethodes ` a pas multiples Pour une m´ ethode ` a r + 1 pas de la forme yn+1 = Ψ(tn . r≤n<N 0≤i≤n alors θN ≤ S θr + ∗ La m´ ethode ` a pas constant hn = h : yn+1 = 0≤i≤r αi yn−i + h 0≤i≤r βi fn−i . . celles de module 1 ´ etant simples. Dans ce cas.

i. . yn+1 = yn + tn pn. fn−r ).r −1 2 − 16 12 − 59 24 5 12 37 24 9 − 24 5 12 9 24 251 720 1 − 12 5 − 24 1 24 106 720 19 − 720 − 264 720 . t − tn−j . ∗ βr kT ∗ kh 1−γr max Constante de stabilit´ e : S = exp ∗ = max βr n −1≤i≤r .r 1 2 b∗ 0.i.r (t)dt = yn + hn −1≤i≤r b∗ n. tn+1 [. tn +1 Erreur de consistance : |en | ≤ |z (r+2) (ξ )|hn hr max avec ξ ∈ ]tn−r . la constante de stabilit´ e vaut S = Γ exp (ΓkT |βi |).r b∗ −1.r (t).i. ξ ∈ ]tn−r .r interpole les points (tn+1 . (r+3) +2 (ξ )|hn hr Erreur de consistance : |e∗ n | ≤ |z max (1 + O (hn )).r b∗ 3. M´ ethode de Milne (ordre 4) : yn+1 = yn−3 + h ∗ M´ ethodes d’Adams-Bashforth ABr+1 : tn+1 8 3 4 3 8 3 fn − fn−1 + fn−2 .r fn−i .r 1 3 2 23 12 55 24 b1.r = Ln.r (t) = 0≤i≤r fn−i Ln. tn+1 [.r fn−i o` u p∗ n.r (t)dt.r |. . Si le pas hn = h est constant.r b∗ 2.r b3. − αr X r+1 )−1 = γn X n et si Γ = sup |γn | < +∞. ∗ M´ ethodes d’Adams-Moulton AMr+1 : tn+1 yn+1 = yn + tn p∗ n.336 Analyse num´ erique et ´ equations diff´ erentielles (1 − α0 X − .r |. n |b∗ n.r b2. 1 hn tn+1 Ln. .−1.r (t) = j =i 0≤j ≤r bn.i. n Constante de stabilit´ e : S = exp (βr kT ) avec βr = max i |bn.i.r (t)dt = yn + hn 0≤i≤r bn. avec ∗ γr = max |b∗ n.r 1 2 8 12 19 24 646 720 b∗ 1. (tn−r . M´ ethode de Nystr¨ om (ordre 2) : yn+1 = yn−1 + 2hfn . tn−i − tn−j avec pn.i. fn+1 ) .i. les coefficients sont donn´ es par : r 0 1 2 3 b0.r |.i. .

stable) si les valeurs propres complexes de A sont toutes de partie r´ eelle < 0 (resp. asymptotiquement stable) si l’´ ecart entre cette solution et la solution ee sur tout l’intervalle [t0 .i fn−i     0 ≤ i ≤ r 0 ≤ i ≤ r      E : pfn+1 = f (tn+1 .i + hn βn.i. Une solution de valeur initiale z0 en t = t0 est dite stable (resp. pyn+1 )    C :        E :  P :        E :       C : yn+1 = yn + hn (b∗ n. yn+1 ) pyn+1 = 0≤i≤r αn. Constante de stabilit´ e: ∗ ∗ m´ ethode PECE : S = exp((βr + γr (A − 1)Bkhmax )kT ) ∗ βr AkT 1 − Bkhmax n m´ ethode PEC : o` u A = max n i S = exp |αn.i pfn−i pfn+1 = f (tn+1 .i yn. pyn+1 ) yn+1 = yn + hn −1≤i≤r b∗ n.−1.−1. . Chapitre X : Stabilit´ e des solutions et points singuliers d’un champ de vecteurs Stabilit´ e des solutions.r | khn |pen | o` u e∗ n est l’erreur de consistance de AMr+1 et pen l’erreur de consistance du pr´ edicteur.r pfn+1 + 0≤i≤r b∗ n.i. ou bien de partie r´ eelle 0 et le bloc caract´ eristique correspondant est diagonal).i yn.r pfn−i Erreur de consistance : ∗ ∗ |en | ≤ 1 + |b∗ n. +∞[ par de valeur initiale z voisine de z0 reste major´ u C est une constante (resp. C z − z0 o` t→t0 Un syst` eme lin´ eaire Y = AY est asymptotiquement stable (resp.i |. par γ (t) z − z0 o` u lim γ (t) = 0).i |.r fn−i ) fn+1 = f (tn+1 .r | khn |en | + bn. sont ou bien de partie r´ eelle < 0. B = max i |βn.Formulaire et principaux r´ esultats 337 ∗ M´ ethodes de pr´ ediction-correction PECE et PEC   P : pyn+1 = αn.−1.i + hn 0≤i≤r βn.

y0 . si λ1 et λ2 sont les valeurs propres de A. et A non diagonalisable : nœud exceptionnel. y. Pour On dit que M0 = (x0 . distinctes. ∗ λ1 = λ2 r´ eelles et A diagonalisable : nœud propre (si champ lin´ eaire). y0 ) gx (x0 . y. λ2 r´ eelles. y. ∗ de classe C k+1 si f est de classe C k et admet des d´ eriv´ ees partielles fyj . y0 ) est un point singulier si V (M0 ) = 0 . y0 ) ait ses valeurs propres de partie r´ eelle < 0. fλ de classe C k en (t. λ) de (Eλ ) de valeur initiale y0 en t = t0 est : ∗ continue si f est localement lispchitzienne en y ∗ de classe C 1 si f admet des d´ eriv´ ees partielles fyj et fλ continues en (t. de partie r´ eelle nulle : centre (si champ lin´ eaire).338 Analyse num´ erique et ´ equations diff´ erentielles − → → M = − Courbes int´ egrales d’une ´ equation ddt V (M ) associ´ ee ` a un champ de → − vecteurs V (x. g (x. On dit qu’un point singulier est non d´ eg´ en´ er´ e si det A = 0. o` u f d´ epend d’un param` etre λ ∈ R et est continue en (t. λ2 non r´ eelles de partie r´ eelle non nulle : foyer. la solution y (t. y ∈ Rm . on a alors les diff´ erentes configurations possibles suivantes : ∗ λ1 . il suffit que la matrice A= fx (x0 . λ0 ) est la solution (Eλ0 ) v (t) = j =1 fyj (t. λ0 ) avec condition initiale v (t0 ) = 0 et avec u(t) = y (t. λ). Etant donn´ e une ´ equation (Eλ ) y = f (t. la d´ eriv´ ee partielle v (t) = de l’´ equation diff´ erentielle lin´ earis´ ee m ∂ ∂λ y (t. y )) dans le plan. r´ qu’un point singulier soit asymptotiquement stable. u(t). de signe oppos´ e : col. de mˆ eme signe : nœud impropre. y0 ) gy (x0 . λ). Dans ces deux derniers cas. λ). y0 . ´ Chapitre XI : Equations diff´ erentielles d´ ependant d’un param` etre ´ D´ ependance de la solution. . u(t). y0 ) fy (x0 . ∗ λ1 . → − → − egulier sinon. λ0 )vj (t) + fλ (t. λ0 ). λ). y ) = (f (x. y. y ). y0 .

y0 . . on obtient un d´ au premier ordre y (t.Formulaire et principaux r´ esultats 339 eriv´ ee Si la valeur initiale est elle-mˆ eme une fonction y0 (λ) de classe C 1 en λ. y0 (λ). λ0 ) est connue eveloppement limit´ e et si on peut calculer la solution v (t) de (Eλ0 ). y0 . λ) = u(t) + (λ − λ0 )v (t) + o(λ − λ0 ). la d´ ∂ eme ´ equation lin´ earis´ ee partielle v (t) = ∂λ y (t. avec condition initiale v (t0 ) = y0 (λ0 ). Si la solution u(t) = y (t. M´ ethode des petites perturbations. λ) en λ = λ0 satisfait la mˆ (Eλ0 ).

.

. . . . . . . . . . . . . . . Ph´ enom` enes d’instabilit´ e num´ erique . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . Calculs num´ eriques approch´ es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cas des fonctions de R m 5 7 7 13 16 18 21 21 30 39 45 50 55 59 59 65 73 77 83 86 93 93 95 dans R m . . . . . . . . . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . M´ ethodes de quadrature ´ el´ ementaires et compos´ ees . . . . . . 1. . . . . . M´ ethode d’interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre II. . . .Ì Ð ×Ñ Ø Ö × Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre III. . . . . . . . . . . . . . . . . Stabilit´ e num´ erique du proc´ ed´ e d’interpolation de Lagrange . 5. . Cas des fonctions d’une variable . . 105 . . . . . . . . Probl` emes . Cumulation des erreurs d’arrondi . . . . . . . . . . . . 3. Convergence des polynˆ omes d’interpolation de Lagrange pn quand n tend vers +∞ . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Evaluation de l’erreur . . . . . . . . . 2. . . . . . . . . . . . . . . . . . Chapitre IV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . M´ ethode d’int´ egration de Romberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . M´ ethodes it´ eratives pour la r´ esolution d’´ equations . . . . . Approximation polynomiale des fonctions num´ eriques . . . . 1. . . . Meilleure approximation uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . 1. . . . . . M´ ethodes de Gauss . 1. . . . . . . . . . . . . . . . . Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . ´ 2. . . . . . . . . . . . . . . . . . . 4. . . . . . 3. . . . . . 3. . . . . . . . . . . . . . . . . . Ph´ enom` enes de compensation . . Principe des m´ ethodes it´ eratives . . . 6. . . . . . . . . . Chapitre I. . . . . . . . . . . . . . . . . . . 3. . . . . . . . . Polynˆ omes orthogonaux . . . . . . . . . . . . Int´ egration num´ erique . . . . . . . . 5. . . . . . . . . Formule d’Euler-Maclaurin et d´ eveloppements asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . 210 215 Chapitre VIII. . . . . . . . . M´ ethodes ` a pas multiples . . . . . . . . . . . . . . . Solutions maximales et globales . . . . . . . . . . . . . . 125 1. . . . . Contrˆ ole du pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Th´ eor` eme d’existence des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre VI. . . . . . . . 219 ´ 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 Chapitre VII. . . . . . . . . . 5. . . 176 ´ 4. . . 5. 170 3. exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198 ´ 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 ´ 2. . . . 219 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Probl` 237 247 4. . . . . . . . . . . . Syst` emes diff´ erentiels lin´ eaires . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . Equations diff´ erentielles. . . . . . . . . . . . . . . Probl` emes . . . . . . . . . . . . . . . . . . . . M´ ethodes d’Adams-Bashforth . . . . . . . . . . . . . . . . . . . . . . . . 270 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Etude g´ en´ erale des m´ ethodes ` a un pas . . . . . . . . . . . . . . . . Syst` emes diff´ erentiels lin´ eaires ` a coefficients variables . . . . . . . . . . . . . . . . . . . . . . . . . . Equations du premier ordre non r´ esolues en y . . . . . . . . . . M´ ethodes de pr´ ediction-correction . . . . . . . . . . . . . . . . . . . Th´ eor` eme d’existence et d’unicit´ e de Cauchy-Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 3. . . . . . . . . . . . . . 131 3. . . . . . . . . . . . . . . . . . . . . . . . . . . 112 5. . . . . . . . . . . . . . . . . . . . . . G´ en´ eralit´ es . . . . . Probl` emes . . . Syst` emes diff´ erentiels lin´ eaires ` a coefficients constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 4. . . . . . . . . . . . . . . . . . . . . . . . 197 2. . D´ efinition des m´ ethodes ` a un pas. . 244 Chapitre IX. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Equations diff´ erentielles d’ordre sup´ erieur ` a un . 125 2. . . . . . . . . . . . . . . . . 146 5. . . . . . . . . . . . . . .342 Analyse num´ erique et ´ equations diff´ erentielles 4. . emes . D´ efinitions. . . . . . . . . . . . . . Equations diff´ erentielles du second ordre . . . . . . . . . . . . . . . . . . Probl` emes g´ eom´ etriques conduisant a ` des ´ equations diff´ erentielles du premier ordre . . . . . M´ ethodes de r´ esolution explicite des ´ equations diff´ erentielles 147 155 ´ 1. . Une classe de m´ ethodes avec pas constant . . . . . . . Equations diff´ erentielles lin´ eaires d’ordre p ` a coefficients constants . . . . . . . . . . . . . . . . . . . . . . . . . 251 1. . M´ ethodes de Runge-Kutta . . . . 119 ´ Chapitre V. . . . Probl` emes . . . . M´ ethodes num´ eriques ` a un pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . R´ esultats fondamentaux . . . . . . . . . . . . 274 . . . . . . . . . . 139 ´ 4. . . . Probl` emes . . . . . . . . . M´ ethodes d’Adams-Moulton . . . . Le th´ eor` eme des fonctions implicites . . . . . . . Equations du premier ordre . . . . . . . . . . 197 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 4. . . . . . . 251 260 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Probl` emes . . . . . . . . . . . 182 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . .Table des mati` eres 343 Chapitre X. . . . . . . . . . Stabilit´ e des solutions et points singuliers d’un champ de vecteurs . . . . . 341 . . . . . . . . . . . . . . 317 Index terminologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313 R´ ef´ erences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323 Formulaire et principaux r´ esultats . . . . . . . Stabilit´ e des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319 Index des notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 1. . . . . . . . . . . . . M´ ethode des petites perturbations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281 2. . . . . . . . . . . . Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D´ ependance de la solution en fonction du param` etre . . . . . . . . . . . . . . . . . . . . Equations diff´ erentielles d´ ependant d’un param` etre . . . Probl` emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325 Table des mati` eres . . . . . . . . . . . . . . . . . 296 ´ Chapitre XI. . . . . . Points singuliers d’un champ de vecteurs . . . . . . . . . . . . . . . . 281 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 2. . . . . .

Sign up to vote on this title
UsefulNot useful