République Algérienne Démocratique et Populaire

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

UNIVERSITÉ KASDI MERBAH, OUARGLA

FACULTÉ DES SCIENCES APPLIQUÉES

DÉPARTEMENT DE GÉNIE CIVIL ET HYDRAULIQUE

Cours de Méthodes numériques

Présenté par :

Enseignante : Saidane Hadda

Année Universitaire : 2023/2024

Table des matières

Table des matières i

Introduction 1

1 Résolution des équations non linéaires 1

1.1 Méthode de la dichotomie (bissection) . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Méthode de N ewton Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Méthode du point …xe (approximation successives) . . . . . . . . . . . . . . . . . . . 5

2 Interpolation polynômiale 7
2.1 Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Interpolation de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3 Intégration numérique 11
3.1 Méthode des trapèzes composite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Méthode de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3 Erreur d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3.1 Pour la formule des trapèzes composite . . . . . . . . . . . . . . . . . . . . . 14
3.3.2 Pour la formule de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4 Résolution des équations di¤érentielles 16

4.1 Résolution des E.D linéaire du premier ordre . . . . . . . . . . . . . . . . . . . . . . 16
4.2 Résolution numérique des équations di¤érentielles à condition initiales . . . . . . . . 18
4.2.1 Méthode d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

i
Table des matières

4.2.2 Méthode d’Euler modi…ée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4.2.3 Méthode de Runge-kutta d’ordre 4 . . . . . . . . . . . . . . . . . . . . . . . 21

Bibliographie 24

ii
Introduction

Il est connu que les méthodes mathématiques classiques sont incapables de résoudre tous les
problèmes par exemple pour trouver la solution analytique de certaines équations di¤érentielles
ou calculer certaines intégrales dé…nies. On remplace alors la résolution mathématique exacte du
problème par sa résolution numérique qui est, en général, approchée.

L’analyse numérique (les méthodes numériques) est une branche des mathématiques appliquées
s’intéresse au développement des méthodes numériques pour le calcul d’approximations des solu-
tions des problèmes mathématique qu’il serait di¢ cile (ou impossible), d’obtenir par des solutions
analytiques.

Donc, son objectif est d’introduire des procédures calculatoires détaillées susceptibles d’être mises
en œuvre par des calculateurs (électroniques, mécaniques ou humains) et d’analyser leurs caracté-
ristiques et leurs performances.

Le but de ce cours est de présenter plusieurs méthodes numériques de base utilisées pour la
résolution des équations non linéaires, l’approximation des fonctions par interpolation polynomiale,
ou encore pour faire les intégrales numériques ainsi que d’introduire la résolution des équations
di¤érentielles.

1
Chapitre 1

Résolution des équations non linéaires

L’objet essentiel de ce chapitre est l’approximation de racine d’une fonction réel. Il existe
plusieurs méthodes numériques (dichotomie, point …xe, Newton, Lagrange) conduisant à chercher
numériquement les zéros de fonction f (x) = 0 d’une variable réelle. La majorité de ces méthodes
sont itératives.

En d’autres mots, elles calculent des approximations successives x1 , x2 , x3 , ... de la racine de

l’équation f (x) = 0, à partir d’une valeur initiale x0 plus au moins bien choisie.

Théorème 1.0.1 (Valeurs intermédiaire)

Soit f : [a; b] ! R une application continue et strictement monotone et satisfait : f (a) f (b) < 0
alors f (x) = 0 possède une solution unique 2 [a; b] :

1.1 Méthode de la dichotomie (bissection)

Le principe de la méthode de dichotomie, encore appelée méthode de bissection, est basé sur
le théorème de la valeur intermédiaire. La méthode est décrite comme suit : soit, f : [a; b] ! R
une fonction continue et monotone sur l’intervalle [a; b]. Si f (a) f (b) < 0; alors il existe donc une
racine de f (x) appartenant à l’intervalle [a; b].

En construisant une suite d’intervalles ([an ; bn ])n contenant cette racine. En e¤et, en partant de
I0 = [a; b] ; la méthode de dichotomie produit une suite de sous-intervalles Ik = a(k) ; bk ; k 0,
avec Ik Ik 1 .

1
Chapitre 1.Résolution des équations non linéaires

Plus précisement, on pose a = a(0) et b = b(0) et x(0) = a(0) + b(0) =2; alors pour k > 0 :

8
< Si f (a(k) ) f (x(k) ) < 0; on pose a(k+1) = a(k) et b(k+1) = x(k)
: Si f (a(k) ) f (x(k) ) > 0; on pose a(k+1) = x(k) et b(k+1) = b(k)

avec x(k) = a(k) + b(k) =2:

Remarque 1.1.1 Le nombre des étapes (itérations) dans cette méthode est donné par :

ln(b a) ln(")
n= :
ln(2)

avec " : donnée.

Exemple 1.1.1 Soit f (x) = ln(x) x2 + 2

1/ Montrer que f (x) = 0 admet une racine unique 2 [0:1; 0:5] :
2
2/ Résoudre cette équation par la méthode de dichotomie avec " = 10 = 0:01:

Solution :
1/ Montre que f (x) = 0 admet une racine unique 2 [0:1; 0:5]
a/ f continue puisque est une fonction composée 2 fcts continues (ln et polynôme de degrée 2):
b/
9
f (0:1) = 0:31 >
>
>
=
=) f (0; 1)f (0; 5) < 0:
>
>
>
;
f (0:5) = 1:06
1
c=f 0 (x) = 2x > 0; 8x 2 [0:1; 0:5] : Donc f est strictement croissante:
x
De (a); (b) et (c), on trouve que f admet une racine unique 2 [0:1; 0:5]

2= Résoudre cette équation par la méthode de la dichotomie (ou de la bissection) avec une précision
2
" = 10
Calcule le nombre des étapes

ln(b a) ln(")
n=
ln(2)
ln(0:5 0:1) ln(10 2 )
=
ln(2)
3:69
= = 5:35 ' 6
0:69

2
Chapitre 1.Résolution des équations non linéaires

n an bn xn f (an ) f (xn ) signe(f (an ) f (xn ))

0 0.1 0.5 0.3 -0.31 0.71 <0
1 0.1 0.3 0.2 -0.31 0.35 <0
2 0.1 0.2 0.15 -0.31 0.08 <0
3 0.1 0.15 0.13 -0.31 -0.06 >0
4 0.13 0.15 0.14 -0.06 0.01 <0
5 0.13 0.14 0.14 -0.06 0.01 <0
6 0.13 0.14 0.14 -0.06 0.01
Donc, la solution de f (x) = 0 par la méthode de dichotomie est ' 0:14:

1.2 Méthode de N ewton Raphson

Cette méthode est basée sur le développement de Taylor au voisinage de xn (où xn : la nieme
itération approximant la solution exacte ).
Soit : la solution exacte de f (x) = 0 où f 2 C 2 ([a; b]) et f 0 (xn ) 6= 0. Alors le développement de
Taylor au voisinage de xn proche de est :

f ( ) = f (xn ) + ( xn ) f 0 (xn )

On a f ( ) = 0; alors
f ( ) = 0 () f (xn ) + ( xn ) f 0 (xn ) = 0

f (xn )
() = + xn
f 0 (xn )

f (xn )
() = xn
f 0 (xn )
Donc, la (n + 1)ieme itération approximant est :
f (xn )
xn+1 = xn
f 0 (xn )
Théorème 1.2.1 (Convergence de la méthode de N ewton Raphson)
Soit [a; b]un intervalle de R; f une fonction de classe C 2 ([a; b]), ne change pas de signe sur [a; b].
Si :

3
Chapitre 1.Résolution des équations non linéaires

1. f 0 6= 0 garde un signe constant sur [a; b] :

2. f 00 6= 0 garde un signe constant sur [a; b] :

3. f (x0 ) f 00 (x0 ) 0

Alors la méthode de N ewton Raphson converge vers la solution exacte 2 [a; b] :

Exemple 1.2.2 (Suite de l’exemple précédent)

Soit f (x) = ln(x) x2 + 2
1/ Ecrire l’algorithme de N ewton Raphson, et montrer la convergence de cette itération pour
x0 = 0:1
2/ Résoudre cette équation par la méthode de N ewton Raphson:

Solution :
1/
1.1/ Ecrire l’algorithme de N ewton Raphson
L’algorithme de N ewton Raphson est donné par

f (xn )
xn+1 = xn
f 0 (xn )
ln(xn ) x2n + 2
= xn
1
2xn
xn
1:2= Montrer que cette itération converge vers la solution (x0 = 0:1)
1
a= f 0 (x) = 2x > 0; 8x 2 [0:1; 0:5] :
x
1 1
b=f 00 (x) = 2
2= + 2 < 0; 8x 2 [0:1; 0:5]
x x2
c=
9
f (0:1) = 0:31 > >
>
=
=) f (0:1)f 00 (0:1) > 0
>
>
>
;
f 00 (0:1) = 102
Donc la méthode de N ewton Raphson converge vers la solution :

2= Résoudre f (x) = 0 par la méthode de N ewton Raphson

x0 = 0:1

4
Chapitre 1.Résolution des équations non linéaires

ln(x0 ) x20 + 2 0:31

x1 = x0 = 0:1 = 0:13
1 9:8
2x0
x0
ln(x1 ) x21 + 2 0:06
x2 = x1 = 0:13 = 0:14
1 7:43
2x1
x1
ln(0:14) 0:142 + 2 0:01
x3 = 0:14 = 0:14 = 0:14:
1 6:86
2 0:14
0:14
Donc, la solution de f (x) = 0 par la méthode de N ewton est : 0:14

1.3 Méthode du point …xe (approximation successives)

Cette méthode est basée sur :

1/ La transformation de l’équation f (x) = 0 à l’équation x = g(x)
2/ Créer la suite de nombres fxn g+1
n=0 où xn+1 = g(xn ) et x0 est une approximation de la solution

exacte de f (x) = 0:

Dé…nition 1.3.1 (Point …xe)

Soit g une application dé…nie sur [a; b] (g : [a; b] ! [a; b]) ; alors le point 2 [a; b] telque g( ) =
est appelé le point …xe de g:

Théorème 1.3.1 (Convergence de l’itération de point …xe)

Soit g : [a; b] ! [a; b]

1. Si jg 0 (x)j < 1

2. g ([a; b]) [a; b]

Alors :

1. Il existe un seul point …xe x de l’application g tel que x = g(x)

2. La suite du point …xe dé…nie par :

xn+1 = g(xn )

x0 : donnee

Converge vers la solution exacte de f (x) = 0:

5
Chapitre 1.Résolution des équations non linéaires

Remarque 1.3.1 Le choix de g n’est pas unique.

Exemple 1.3.2 (Suite de l’exemple précédent)

Soit f (x) = ln(x) x2 + 2
1/ L’équation f (x) = 0 , x = g(x) où :

2
g(x) = ex 2

Etudier la convergence de la méthode du point …xe vers la solution .

2/ Résoudre cette équation par la méthode du point-…xe avec x0 = 0:1

Solution :
1= Etudier la convergence de la méthode du point …xe vers la solution :
La méthode du point …xe converge vers la solution si :
1= jg 0 (x)j < 1
2=g ([0:1; 0:5]) [0:1; 0:5]
a= jg 0 (x)j < 1?
2 2
On a g 0 (x) = 2xex 2
=) jg 0 (x)j = 2xex 2
< 1; 8x 2 [0:1; 0:5] :
b=g ([0:1; 0:5]) [0:1; 0:5]?
g ([0:1; 0:5]) = [g (0:1) ; g (0:5)] = [0:14; 0:17] [0:1; 0:5] :
Donc, l’itération du point …xe converge vers la solution dans ce cas.

3= Résoudre f (x) = 0 par la méthode du point …xe avec x0 = 0:1

x0 = 0:1
2 2
x1 = ex 2
= e0:1 2
= 0:14;
2
x2 = e0:14 2 = 0:14;
Donc, la solution de f (x) = 0 par la méthode du point …xe est : 0:14

6
Chapitre 2

Interpolation polynômiale

L’interpolation numérique concerne l’approximation des fonctions. Les raisons qui mènent à
l’approximation d’une fonction sont les suivants :

1. Plusieurs fonctions mathématiques ne peuvent être connues qu’à partir de leurs tables des
valeurs.

2. Certaines fonctions sont parfois connues, mais la solution du problème dans lequel elles
apparaissent ne possède pas d’expression mathématique évédente.

Le problème d’interpolation polynômiale est le suivant : à partir d’une fonction connue seule-
ment à (n+1) points de la forme (xi ; f (xi )) (i = 0; 1; :::; n) peut on construire une approximation
de f (x) par un polynôme de degré n où les points (xi ; f (xi )) sont appelés "points d’interpolation".

2.1 Interpolation de Lagrange

Soient x0 ; x1 ; :::; xn : (n+1) abscisses distincts et f une fonction dont les valeurs sont (f (x0 ); f (x1 ); :::; f (xn ))
Alors, il existe un seul polynôme Pn (x) de dégré inférieur ou égal à n coincide avec les points d’in-
terpolation (f (xi ) = Pn (xi ); i = 0; 1; :::; n). Ce polynôme est donné
par :
X
n
Pn (x) = f (xi )Li (x)
i=1

= f (x0 )L0 (x) + f (x1 )L1 (x) + ::: + f (xn )Ln (x)

7
Chapitre 2.Interpolation polynômiale

où
Y
n
x xj
Li (x) =
j=1
xi xj
j6=i

(x x0 ) (x x1 ) ::: (x xi 1 ) (x xi+1 ) ::: (x xn )

=
(xi x0 ) (xi x1 ) ::: (xi xi 1 ) (xi xi+1 ) ::: (xi xn )

Li (x) : est appelé le coe¢ cient d’interpolation de Lagrange.

Exemple 2.1.1 Déterminer le polynôme de Lagrange qui interpole les points 1; 0 et 1:

xi 1 2 3
f (xi ) 0 3 2
Solution
X
n Y
n
x xj
La formule de Lagrange est donnée par : Pn (x) = f (xi )Li (x) où Li (x) =
i=1 j=1
xi xj
j6=i

Donc P2 (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x) où:
(x x1 ) (x x2 ) (x 2) (x 3) 1
L0 (x) = = = [x2 5x + 6] :
(x0 x1 ) (x0 x2 ) (1 2) (1 3) 2
(x x0 ) (x x2 ) (x 1) (x 3)
L1 (x) = = = [x2 4x + 3] :
(x1 x0 ) (x1 x2 ) (2 1) (2 3)
(x x0 ) (x x1 ) (x 1) (x 2) 1
L2 (x) = = = [x2 3x + 2] :
(x2 x0 ) (x2 x1 ) (3 1) (3 2) 2
Donc,
0
P2 (x) = [x2 5x + 6]
2

6 2
[x 4x + 3]
2

2
+ [x2 3x + 2]
2

4 2 18 14
= x + x
2 2 2

= 2x2 + 9x 7

8
Chapitre 2.Interpolation polynômiale

2.2 Interpolation de Newton

Dé…nition 2.2.1 (Di¤érences divisées)

Soient x0 ; x1 ; :::; xn : (n+1) abscisses distincts et f une fonction dont les valeurs sont (f (x0 ); f (x1 ); :::; f (xn )):
La manière la plus simple consiste à construire une table dite de di¤érences divisées de la façon
suivante :

xi f (xi )
x0 f (x0 )
&
f [x0 ; x1 ]
%
&
x1 f (x1 ) f [x0 ; x1 ; x2 ]
%
&
f [x1 ; x2 ]
%
&
x2 f (x2 ) f [x0 ; x1 ; :::; xn ]
%
.. ..
. .
&
xn 1 f (xn 1 ) f [xn 2 ; xn 1 ; xn ]
%
&
f [xn 1 ; xn ]
%
xn f (xn )

T able de dif f erences devisees

f (xi+1 ) f (xi )
f [xi ; xi+1 ] =
xi+1 xi
f [xi+2 ; xi+1 ] f [xi+1 ; xi ]
f [xi ; xi+1 ; xi+2 ] =
xi+2 xi
f [x1 ; x2 ; :::; xn ] f [x0 ; x2 ; :::; xn 1 ]
f [x0 ; x1 ; :::; xn ] =
xn x0
Donc, la formule de polynôme de N ewton est :

9
Chapitre 2.Interpolation polynômiale

Pn (x) = f (x0 ) + f [x0 ; x1 ] (x x0 ) + ::: + f [x0 ; x1 ; :::; xn ] (x x0 ):::(x xn 1 )

X
n Y
i 1
= f [x0 ; x2 ; :::; xi ] (x xj )
i=0 j=0

Exemple 2.2.1 Déterminer le polynôme de N ewton qui interpole les points 3; 0 et 3:

xi 1 2 3
f (xi ) 0 3 2
Solution
On a la formule de polynôme de N ewton est :
Pn (x) = f (x0 ) + f [x0 ; x1 ] (x x0 ) + ::: + f [x0 ; x1 ; :::; xn ] (x x0 ):::(x xn 1 )
Donc,
P2 (x) = f (x0 ) + f [x0 ; x1 ] (x x0 ) + f [x0 ; x1 ; x2 ] (x x0 )(x x1 ):

xi f (xi )
1 0
3
& f [x0 ; x1 ] = 2 1

% =3
1 3
& f [x0 ; x1 ; x2 ] = 3 1
2 3
% = 2
2 3
& f [x1 ; x2 ] = 3 2

% = 1
3 2

P2 (x) = 0 + 3(x 1) + ( 2) (x 1)(x 2)

= 3x 3 2x2 + 6x 4

= 2x2 + 9x 7:

10
Chapitre 3

Intégration numérique

On va étudier quelques méthodes approximatives pour le calcul des intégrales limitées. Aussi
ces méthodes permettent le calcul des intégrales qui n’ont pas de solutions directes ou analytiques.
On peut aussi calculer l’intégrale d’une fonction donnée sous forme tabulaire.

3.1 Méthode des trapèzes composite

On divise l’intervalle [x0 ; xn ] en plusieurs sous intervalles égaux [x0 ; x1 ] [ [x1 ; x2 ] [ ::: [ [xn 1 ; xn ]
et on applique la formule du trapèze à chaque sous intervalles :
Zxn
h h h h
f (x)dx = (f (x0 ) + f (x1 )) + (f (x1 ) + f (x2 )) + (f (x2 ) + f (x3 )) + ::: + (f (xn 1 ) + f (xn ))
2 2 2 2
x0
!
h X
n 1
= f (x0 ) + 2 f (xi ) + f (xn )
2 i=1
!
1 X
n 1
xn x0
=h (f (x0 ) + f (xn )) + f (xi ) ; ou h =
2 i=1
n

Exercice 3.1.1 Soit l’intégrale (10 5 )

Z=2
I= sin(x) cos(x)dx:
0

1= Calculer la valeur exacte de I:

2= Evaluer cette intégrale à l’aide de la méthode des trapèzes composite en prenant n = 6.

11
Chapitre 3.Intégration numérique

Solution
1= Calculer la valeur exacte de I:
On fait l’intégration par parties :

Z=2
f 0 = sin(x) ! f = cos(x)
I = sin(x)cos(x)dx;
| {z }| {z } g = cos(x) ! g 0 = sin(x)
0 f0 g

Z=2
=2
= cos2 (x) j0 sin(x) cos(x)dx
0
Z=2
=2
=) 2 sin(x) cos(x)dx = cos2 (x) j0
0
Z=2
cos2 (x) =2
=) sin(x) cos(x)dx = j0 = 0:5
2
0

2= Evaluer cette intégrale à l’aide de la méthode des trapèzes composite en prenant n = 6

xn x0 =2 0
On a h = = = =12
n 6
xi 0 =12 = 2 =12 = 3 =12 = 4 =12 = 5 =12 = 6 =12 =
0:2618 0:5236 0:7854 1:0472 1:3090 1:5708
f (xi ) 0 0:25 0:43301 0:49910 0:43301 0:25 0
La formule des trapèzes composite est donnée par :
2 3
Z xn X
n 1
1 xn x0
f (x)dx ' h 4 (f (x0 ) + f (xn )) + f (xi )5 ou h =
x0 2 i=1
n

On a h = =12 et

Z=2
I= sin(x) cos(x)dx
0
1
' (0 + 0) + (0:25 + 0:43301 + 0:49910 + 0:43301 + 0:25)
12 2
' [1:86512] ' 0:48829:
12

12
Chapitre 3.Intégration numérique

3.2 Méthode de Simpson

Elle revient à approcher la fonction à intégrer sur certain intervalle [x0 ; xn ] par la formule
suivantes :

2 0 1 0 13
Z xn X
n 1 X
n 2
h6 B C B C7 xn x0
f (x)dx ' 4f (x0 ) + f (xn ) + 4 @ f (xi )A + 2 @ f (xi )A5 ou h =
x0 3 i=1 i=2
n
impair pair

Exercice 3.2.1 Soit l’intégrale (10 5 )

Z=2
I= sin(x) cos(x)dx:
0

Evaluer cette intégrale à l’aide de la méthode de Simpson en prenant n = 6.

Solution
Evaluer cette intégrale à l’aide de la méthode de Simpson en prenant n = 6
xn x0 =2 0
On a h = = = =12
n 6
xi 0 =12 = 2 =12 = 3 =12 = 4 =12 = 5 =12 = 6 =12 =
0:2618 0:5236 0:7854 1:0472 1:3090 1:5708
f (xi ) 0 0:25 0:43301 0:49910 0:43301 0:25 0
La formule de Simpson est donnée par :
2 0 1 0 13
Z xn
BX BX
n 1 n 2
h6 C C7 xn x0
f (x)dx ' 4f (x0 ) + f (xn ) + 4 @ f (xi )A + 2 @ f (xi )A5 ou h =
x0 3 i=1 i=2
n
impair pair

On a h = =12 et

Z=2
I= sin(x) cos(x)dx
0
=12
' [0 + 0 + 4 (0:25 + 0:49910 + 0:25) + 2 (0:43301 + 0:43301)]
3
' [5:72844] ' 0:49990:
36

13
Chapitre 3.Intégration numérique

3.3 Erreur d’intégration

3.3.1 Pour la formule des trapèzes composite

Si f est dans C 2 ([x0 ; xn ]), alors

(xn x0 )3
jEn j = max jf 00 (")j ; " 2 [x0 ; xn ]
12n2

3.3.2 Pour la formule de Simpson

Si f est dans C 4 ([x0 ; xn ]), alors

(xn x0 )5
jEn j = max f (4) (") ; " 2 [x0 ; xn ]
180n4

Exercice 3.3.1 (Suite de l’exercice précédent)

1/ Calculer l’erreur de la méthode des trapèzes composite.
2/ Calculer l’erreur de la méthode de Simpson

Solution 3.3.1
1/ Calculer l’erreur de la méthode des trapèzes composite :

(xn x0 )3
jEn j = max jf 00 (")j ; " 2 [x0 ; xn ]
12n2

On a
f (x) = sin(x) cos(x)
f 0 (x) = cos2 (x) sin2 (x) = cos (2x)
f 00 (x) = 4 sin(x) cos(x) = 2 sin (2x)
où max jf 00 (")j = max j 2 sin (2")j = 2; pour " = =4
Donc,

( =2 0)3
jEn j = 2 = 0:01142
12 62
2/ Calculer l’erreur de la méthode de Simpson :

(xn x0 )5
jEn j = 4
max f (4) (") ; " 2 [x0 ; xn ]
180n

14
Chapitre 3.Intégration numérique

On a
f (x) = sin(x) cos(x)
f 0 (x) = cos2 (x) sin2 (x) = cos (2x)
f 00 (x) = 4 sin(x) cos(x) = 2 sin (2x)
f (3) (x) = 4(cos2 (x) sin2 (x)) = 4 cos (2x)
f (4) (x) = 8 sin (2x)

où max f (4) (") = max j8 sin (2")j = 8; pour " = =4

Donc,
( =2 0)5
jEn j = 8 = 0:00033
180 64

15
Chapitre 4

Résolution des équations di¤érentielles

Les équations di¤érentielles sont utilisées dans la modélisation mathématique des phénomènes
physiques. Une équation di¤érentielle est une relation entre une fonction et sa ou ses dérivées
de divers ordres équation impliquant une ou plusieurs dérivées d’une fonction inconnue. Dans
ce chapitre, on va considérer les équations di¤érentielles ordinaires du premier ordre avec une
condition initiale (problème de Cauchy).

On appelle ordre d’ED le plus fort degré de dérivation apparaissant dans l’équation. Elle sont de
la forme :
F y (n) (x); y (n 1)
(x); :::; y 0 (x); y(x) = g(x) ! ( )

La fonction g appelée second membre de l’équation. Si g est nulle, on dit que l’équation ( ) est
homogène.

4.1 Résolution des E.D linéaire du premier ordre

On appelle E.D linéaire du premier ordre une équation du type :

a0 (x)y 0 + a1 (x)y = g(x) ! (E)

La méthode de résoudre l’équation (E) consiste à résoudre d’abord l’équation homogène (E)
(l’équation (E) avec le second membre g(x) nul) puis de la résoudre avec le second membre.
La solution de l’E.D linéaire du premier ordre est :

yg = yP + yH

16
Chapitre 4.Résolution des équations di¤érentielles

Exemple 4.1.1 Trouver la solution exacte à ce problème

8
< y 0 + y = ex + 1
: y(0) = 1

Solution

8
< y 0 + y = ex + 1
: y(0) = 1
Trouve la solution exacte de ce problème
On a
y 0 + y = ex + 1 ! (1)

a/ Solution homogène :
On cherche la solution homogène de (1)

dyH
y0 + y = 0 = yH
dx
R dyH R
) = dx
yH
) ln(yH ) = x+c
x+c
) yH = e
x
) yH = ce
b/ Solution particulière :
On utilise la méthode de la variation de la constante :

8
< y = c(x)e x
) y 0 + y = c0 (x)e x
: y 0 = c0 (x)e x
c(x)e x

D’autre part, on a y 0 + y = ex + 1
Donc
c0 (x)e x
= ex + 1 ) c0 (x) = (ex + 1) ex
R 0 R
) c (x) = (e2x + ex ) dx
1
) c(x) = e2x + ex + c
2

17
Chapitre 4.Résolution des équations di¤érentielles

Alors,
1 2x
y = e + ex + c e x
2
1
= ex + 1 + ce x
2
On a
1
y(0) = 1 ) 1 = e0 + 1 + ce 0
2
1
)1= +1+c
2
1
)c=
2
1 1 x
Alors, y = ex + 1 e :
2 2

4.2 Résolution numérique des équations di¤érentielles à

condition initiales

4.2.1 Méthode d’Euler

Soit le problème de Cauchy dé…ni par :

8
< y 0 = f (x; y(x))
: y(x ) = y
0 0

où y(x0 ) = y0 : est une condition initiale imposée.

D’aprés le dévoleppement Taylor, on a :

h2 00
y(xn+1 ) = y(xn ) + hy 0 (xn ) + y (xn ) + ::::
2!

Où h = xn+1 xn :
Si h est su¢ samment petit alors on peut négliger h2 et les autres termes d’ordre supérieur à deux,
on obtient donc :
y(xn+1 ) = y(xn ) + hy 0 (xn ):

Parce que y 0 (xn ) = y 0 = f (xn ; y(xn )), on s’ecrit :

8 8
< y(xn+1 ) = y(xn ) + hf (xn ; y(xn )): < yn+1 = yn + hf (xn ; yn ):
,
: y(x ) = y : y(x ) = y
0 0 0 0

18
Chapitre 4.Résolution des équations di¤érentielles

Exemple 4.2.1 (suite de l’exemple précédent)

8 8
< y 0 + y = ex + 1 < y 0 = ex + 1 y
,
: y(0) = 1; h = 0:1 : y(0) = 1; h = 0:1

Calculer la valeur approchée de y(0:2) par la méthode d’euler et comparer à la valeur exacte.

Solution
1/ Valeur exacte de y(0:2)
1 1 x
On a y = ex + 1 e ; donc :
2 2
1 1
y(0:2) = e0:2 + 1 e 0:2
= 1:201336
2 2

2/ Calcule la valeur approchée de y(0:2) par la méthode d’Euler

On a

yn+1 = yn + hf (xn ; yn )

= yn + h (exn + 1 yn )

= yn + 0:1 (exn + 1 yn )

= yn + 0:1exn + 0:1 0:1yn

yn+1 = 0:9yn + 0:1exn + 0:1

Où x0 = 0; y0 = 1

y1 = y(0:1) = 0:9y0 + 0:1ex0 + 0:1

= 0:9 + 0:1e0 + 0:1

= 1:1

y2 = y(0:2) = 0:9y1 + 0:1ex1 + 0:1

= 0:9 1:1 + 0:1e0:1 + 0:1

= 1:2

19
Chapitre 4.Résolution des équations di¤érentielles

4.2.2 Méthode d’Euler modi…ée

Soit le problème de Cauchy dé…ni par :

8
< y 0 = f (x; y(x))
: y(x ) = y
0 0

La formule d’Euler modi…ée est donnée par :

yn+1 = yn + hk2 ou k1 = f (xn ; yn )

h h
k2 = f (xn + ; yn + k1 )
2 2
Exemple 4.2.2 (suite de l’exemple précédent)
8 8
< y 0 + y = ex + 1 < y 0 = ex + 1 y
,
: y(0) = 1; h = 0:1 : y(0) = 1; h = 0:1

Calculer la valeur approchée de y(0:2) par la méthode d’euler modifée.

Solution
Calcule la valeur approchée de y(0:2) par la méthode d’Euler modi…ée :
On a
yn+1 = yn + hk2 ou k1 = f (xn ; yn )
h h
k2 = f (xn + ; yn + k1 )
2 2

k1 = f (xn ; yn ) = exn + 1 yn

h h
k2 = f (xn + ; yn + k1 )
2 2
= f (xn + 0:05; yn + 0:05 (exn + 1 yn ))

= exn +0:05 + 1 [yn 0:05 (exn + 1 yn )]

= exn e0:05 + 1 yn 0:05exn 0:05 + 0:05yn

= (1:05127 0:05) exn 0:95yn + 0:95

k2 = 1:00127exn 0:95yn + 0:95

20
Chapitre 4.Résolution des équations di¤érentielles

Donc

yn+1 = yn + 0:1 [1:00127exn 0:95yn + 0:95]

= yn + 0:100127exn 0:095yn + 0:095

yn+1 = 0:905yn + 0:100127exn + 0:095

Caclule y(0:2)
On a x0 = 0; y0 = 1

y1 = y(0:1) = 0:905 (1) + 0:100127e0 + 0:095

= 0:905 + 0:100127 + 0:095

y1 = 1:100127

y2 = y(0:2) = 0:905 (1:100127) + 0:100127e0:1 + 0:095

= 0:995615 + 0:110657 + 0:095

= 1:201272

4.2.3 Méthode de Runge-kutta d’ordre 4

Il existe plusieurs variantes de cette méthode (d’odre 3, 4, 5, ...). Nous n’en étudierons qu’une
seule : la méthode de runge kutta d’ordre 4 donnée par la formule :

yn+1 = yn + h6 [k1 + 2k2 + 2k3 + k4 ] ou k1 = f (xn ; yn )

h h
k2 = f (xn + ; yn + k1 )
2 2
h h
k3 = f (xn + ; yn + k2 )
2 2
h
k4 = f (xn + ; yn + hk3 )
2
Exemple 4.2.3 (suite de l’exemple précédent)
8 8
< y 0 + y = ex + 1 < y 0 = ex + 1 y
,
: y(0) = 1; h = 0:1 : y(0) = 1; h = 0:1

Calculer la valeur approchée de y(0:2) par la méthode de Runge-kutta d’ordre 4.

21
Chapitre 4.Résolution des équations di¤érentielles

Solution
Calcule la valeur approchée de y(0:2) par de Runge-kutta d’ordre 4 :
On a
h
yn+1 = yn + [k1 + 2k2 + 2k3 + k4 ] ou k1 = f (xn ; yn )
6
h h
k2 = f (xn + ; yn + k1 )
2 2
h h
k3 = f (xn + ; yn + k2 )
2 2
h
k4 = f (xn + ; yn + hk3 )
2

k1 = f (xn ; yn ) = exn yn + 1

h h
k2 = f (xn + ; yn + k1 )
2 2
= f (xn + 0:05; yn + 0:05 (exn + 1 yn ))

= exn +0:05 + 1 [yn 0:05 (exn + 1 yn )]

= exn e0:05 + 1 yn 0:05exn 0:05 + 0:05yn

= (1:05127 0:05) exn 0:95yn + 0:95

k2 = 1:00127exn 0:95yn + 0:95

2k2 = 2:00254exn 1:9yn + 1:9

h h
k3 = f (xn + ; yn + k2 )
2 2
= f (xn + 0:05; yn + 0:05 (1:00127exn 0:95yn + 0:95))

= exn +0:05 + 1 [yn + 0:05 (1:00127exn 0:95yn + 0:95)]

= exn e0:05 + 1 yn 0:050064exn + 0:0475yn 0:0475

= (1:05127 0:050064) exn 0:9525yn + 0:9525

k3 = 1:001206exn 0:9525yn + 0:9525

2k3 = 2:002412exn 1:905yn + 1:905

22
Chapitre 4.Résolution des équations di¤érentielles

h
k4 = f (xn + ; yn + hk3 )
2
= f (xn + 0:05; yn + 0:1 (1:001206exn 0:9525yn + 0:9525))

= exn +0:05 + 1 [yn + 0:1 (1:001206exn 0:9525yn + 0:9525)]

= exn e0:05 + 1 yn 0:100121exn + 0:09525yn 0:09525

= (1:05127 0:100121) exn 0:90475yn + 0:90475

k4 = 0:951149exn 0:90475yn + 0:90475

Donc
k1 + 2k2 + 2k3 + k4 = exn yn + 1
+2:00254exn 1:9yn + 1:9
+2:002412exn 1:905yn + 1:905
+0:951149exn 0:90475yn + 0:90475
= 5:956101exn 5:70975yn + 5:70975
h
yn+1 = yn + [k1 + 2k2 + 2k3 + k4 ]
6
yn + 0:016667 [5:956101exn 5:70975yn + 5:70975]
yn + 0:09927exn 0:095164yn + 0:095164
yn+1 = 0:904836yn + 0:09927exn + 0:095164
Caclule y(0:2)
On a x0 = 0; y0 = 1

y1 = y(0:1) = 0:904836 (1) + 0:09927e0 + 0:095164

= 1:09927

y2 = y(0:2) = 0:904836 (1:09927) + 0:09927e0:1 + 0:095164

= 0:995615 + 0:110657 + 0:095

= 1:199533

23
Bibliographie

[1] C. Brezinski, Introduction à la pratique du calcul numérique, Dunod, Paris 1988.

[2] G. Allaire et S.M. Kaber, Algèbre linéaire numérique, Ellipses, 2002.

[3] G. Allaire et S.M. Kaber, Introduction à Scilab. Exercices pratiques corrigés d’algèbre linéaire,
Ellipses, 2002.

[4] G. Christol, A. Cot et C.-M. Marle, Calcul di¤érentiel, Ellipses, 1996.

[5] M. Crouzeix et A.-L. Mignot, Analyse numérique des équations di¤érentielles, Masson, 1983.

[6] S. Delabrière et M. Postel, Méthodes d’approximation. équations di¤érentielles. Applications

Scilab, Ellipses, 2004.

[7] P. G. Ciarlet, Introduction à l’analyse numérique matricielle et à l’optimisation, Masson, Paris,

1982.

24