Université Mohamed El Bachir El Ibrahimi de Bordj Bou Arréridj

Faculté de Mathématiques et de l’Informatique

Département de Mathématiques

Mémoire :

Présenté par
Charef mariam
Hamzaoui nacira
Pour l’obtention du diplôme de

Master

Filière : Mathématiques appliquées

Spécialité : Analyse mathématique et applications

Thème :
Sur les équations intégrales non-linéaires et leurs résolutions

Soutenu publiquement Juin 2020 devant le jury composé de

Adimi Hadjer Président MCB

Hamani Fatima Encadrant MAA
Maadadi Asma Examinateur MCB

Promotion 2020/2021
Remerciements

En premier lieu j’adresse ma reconnaissance à ma directrice de mémoire, Madame Fatima

HAMANI, son sérieux et sa compétence m’ont été très utiles pour même a bien ce travail,
Merci a tous les enseignants et les étudiants,
Département mathématique,
Pour leurs aides judicieuses, les moyens qu’il ont met a notre disposition pour réaliser ce travail.
Enfin, nous remercions toutes les personnes, famille, amis, qui directement ou indirectement ont
contribué à la réalisation de ce travail.

1
Dédicace

Oh, dont je porte le nom avec fierté

Oh mon cœur tremble à sa voix
Oh toi qui secoues les conseils en sa présence
Merci mon père
Quelle était la raison de mon existence ?
toi qui aspire à le voir
Salutations, amour, respect et appréciation à ma mère
Aux oiseaux de paradis Afaf et Houda
A mon foie et mon cœur mon frère Ayman
Merci
Et tous les mots d’amour et merci
à celui qui m’a soutenu et s’est tenu à mes côtés
A mon partenaire de vie Ayoub
A tous, je dédie cet humble travail
Nous demandons à Allah de faire de lui un phare pour chaque étudiant de la connaissance.

MARIAM

2
Dédicace

Je dédie cette mémoire à :

A mes très chers parents

Aucune dédicace, aucun mot ne pourrait exprimer à leur juste valeur la gratitude et l’amour que
je vous ports.

Je mets entre vos mains, le fruit de longues années d’études, de longs mois de distance de
votre amour de votre tendresse, de longs jours d’apprentissage.

Loinne de vous, votre soutien et votre encouragement m’ont toujours donné de la force pour
persévérer et pour prospérer dans la vie.

Chaque ligne de cette mémoire chaque mot et chaque lettre vous exprime la reconnaissance, le
respect, l’estime et le merci d’être mes parents.

NACIRA

3
Table des matières

Introduction 6

1 Rappels et notions fondamentales 8

1.1 Espaces fonctionnels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 La compacité dans les espaces fonctionnels . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Opérateurs compacts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Opérateurs intégraux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Classification des équations intégrales . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Théorème du point fixe de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.6.1 Existence et unicité des solutions pour les équations intégrales non-linéaires 15

2 Résolution des équations intégrales non-linéaires 18

2.1 Méthode de décomposition d’Adomian (M.D.A) . . . . . . . . . . . . . . . . . . . 18
2.2 La méthode des approximations successives (M.A.S) . . . . . . . . . . . . . . . . . 23
2.3 Méthode de perturbation homotopique (M.P.H) . . . . . . . . . . . . . . . . . . . 24
2.4 Méthode de projection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5 Méthode de collocation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.6 Méthode de quadrature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3 Applications et exemples numériques 32

3.1 Application de la méthode de décomposition d’Adomain (M.D.A) . . . . . . . . . 32
3.2 Application de la méthode des approximations successives (M.A.S) . . . . . . . . . 34
3.3 Application de la méthode de (M.P.H) . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4 Application de la méthode de collocation . . . . . . . . . . . . . . . . . . . . . . . 37
3.4.1 Méthode de collocation-Legendre pour l’équation intégrale non-linéaire de
Fredholm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.4.2 Méthode de collocation-Legendre pour l’équation intégrale non- linéaire de
Volterra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Conclusion 42

4
Notations

E : Espace vectoriel.
X : Espace de Banach.
R : Ensemble de tout les nombres réel.
Ω : Ensemble borné de R.
C(Ω, R) : Espace des fonctions continues.
L : Constante.
Vj : Recouvrement.
ε : Erreur.
Ω : Adhérence de Ω.
T : Opérateur.
K : Noyau d’un opérateur intégral.
u : Solution cherchée.
N f : Opérateur de Nemystki.
λ : Paramètre.
p : Paramètre d’homotopie.
An : Polynômes d’Adomains.
Hn : Polynômes de perturbation.
H(u, p) : Homotopie.
P : Opérateur de projection.
ϕj : Bases.
Cj : Coefficients.
Rn : Résidu.
xi : Points de collocation.
wj : Poids.
Li (x) : Polynômes de Lagrange.
L(x) : Polynômes de Legendre .

5
Introduction

Les équations intégrales non-linéaires ont été un domaine actif de recherche en analyse fonc-
tionnelle, non seulement en tant qu’applications de nouvelles idées et techniques, mais aussi en
influençant leur développement.

Ces équations sont présentées dans une variété d’applications en physique mathématique, telles
que l’atténuation des ondes, le transfert radiatif et les ondes dans les fluides. Dans certains cas,
comme dans l’œuvre d’Abel sur les équations intégrales sont un modèle mathématique qui surgit
naturellement dans la représentation de l’une des situations physiquement intéressantes.

Tous les problèmes scientifiques modélisés par des équations(EDO, EDP, équation intégrale)
linéaire ou non-linéaire sont difficiles à résoudre analytiquement même la solution analytique n’est
pas utilisée dans les simulation, ce qui montre l’importance des solutions approchées.

Dans la plupart des cas, nous utilisons ici la technique des méthodes spectrales pour approximer
la solution d’une équation intégrale non-linéaire de type Fredholm et Volterra.

Notre objectif dans ce mémoire est de présenter quelques méthodes de résolution des équations
intégrales non-linéaires de type Fredholm ou de Volterra.
Dans cette étude nous avons traitées les points suivantes : Dans le premier chapitre, nous
rappelons les notions fondamentales de l’analyse fonctionnelle, la compacité dans les espaces fonc-
tionnels, et on présente les opérateurs compacts, intégraux, et quelques opérateurs non-linéaires,
puis nous présentons la classification des équations intégrales. Dans cette partie du travail nous
donnons un rappel à la théorie du point fixe de Banach pour prouver l’existence et l’unicité de la
solution des équations intégrales non-linéaires.

Dans le deuxième chapitre, nous allons présenter quelques méthodes élémentaires pour la
résolution approchée d’équation non-linéaire en particulier la méthode de décomposition d’Ado-
mian, des approximations successives et de perturbation homotopique. Ainsi, l’utilisation des
méthodes numériques revêt une importance critique dans la recherche des solutions approchées
aux équations intégrales de deuxième espèce non-linéaires qui sont : la méthode de projection et
la méthode de collocation, qui est basée sur les méthodes quadratures.

Le troisième chapitre est consacré essentiellement à illustrer la validation de ces méthodes par
des exemples instructifs.

6
Chapitre 1
Rappels et notions fondamentales

Dans ce chapitre, on donne des notions générales sur la compacité et les opérateurs , nous
allons présenter la forme générale d’équations intégrales et les classifier. Ensuite on parle sur la
relation entre les opérateurs et les équations intégrales.
La dernière partie est consacrée à la question d’existence et d’unicité, nous présentons le
théorème du point fixe de Banach et ces applications.

1.1 Espaces fonctionnels

Définition 1.1. Soit E un espace vectoriel sur le corps K = R ou C. On appelle une norme sur
l’espace E, toute application notée par k.k définie sur E à valeur dans R qui vérifiant :
∀x, y ∈ E, ∀α :

• kxk = 0 ⇔ x = 0.
• kαxk = |α| kxk.
• kx + yk ≤ kxk + kyk.

Exemple 1.1. Dans l’espace E = R on l’application kxk = |x|, pour tout x ∈ R et la valeur absolue
de x est une norme pour R.

Définition 1.2. Soit (xn )n∈N une suite d’éléments d’un espace normé (E, k.k), on dit que (xn )n∈N
est une suite de Cauchy si :

∀ε > 0, ∃Nε ∈ N, ∀n > Nε , ∀m > Nε , kxn − xm k ≤ ε.

Espace complet Un espace vectoriel normé (E, k.k) est dit complet si toute suite de Cauchy
(xn )n∈N dans E est une suite convergente dans E, pour la distance associé à la norme.

Espace de Banach On appelle (E, k.k) espace de Banach tout espace vectoriel normé et
complet.
Exemple 1.2. (K, |.|) et (Kn , k.k∞ ) sont des espaces de Banach.

7
1.2. LA COMPACITÉ DANS LES ESPACES FONCTIONNELS 1.2

Produit scalaire Soit E un espace vectoriel sur R, un produit scalaire sur E est application de
E × E dans R, notée < ., . > possédant les propriétés suivantes :
pour tout x, y, z dans E et α, β ∈ R.
1.< αx + βy, z >= α < x, z > +β < y, z > .
2. < x, y >=< y, x > .
3. < x, x >≥ 0.
4. < x, x >= 0. implique x = 0.

Espace de Hilbert On dit que E est un espace de Hilbert si E est un espace vectoriel muni
d’un produit scalaire, et qui est complet pour la norme associé à ce produit scalaire.
Exemple 1.3. l’espace (l2 , k.k2 ) est un espace de Hilbert

Espace des fonctions continues Soit Ω un intervalle fermé de R, on note par C(Ω, R) l’espace
des fonctions f continues sur Ω, muni de la norme :

kf k∞ = sup |f (x)| .
Ω

Espace des fonctions intégrables Soit Ω = [a, b](−∞ ≤ a < b ≤ +∞) un intervalle fini ou
infini de R et 1 ≤ p ≤ +∞ :
1) Pour 1 ≤ p < +∞, on définit
Z
Lp (Ω) = {f : Ω → R mesurable tel que |f (t)|p dt < ∞}.
Ω

On muni cet espace vectoriel de la norme

Z
1
kf kp = [ (|f (t)|p dt] p ,
Ω

qui le rend complet.

2) Pour p = +∞, on définit

L∞ (Ω) = {f : Ω → R mesurable, ∃L > 0 tel que |f | (t) ≤ L p.p sur Ω}.

L∞ (Ω) = {f : Ω → R mesurable, ∃L > 0 tel que |f (t)| ≤ L p.p sur Ω}. C’est un espace vectoriel
complet muni de la norme :

kf k∞ = inf{L ≥ 0, |f (t)| ≤ L p.p sur Ω}.

Remarque 1.1.
L’espace Lp (Ω, R) muni k.kp est un espace de Banach, pour tout p ∈ [1, ∞[.

1.2 La compacité dans les espaces fonctionnels

Définition 1.3. Soit Ω un ensemble d’un espace normé E, on dit que Ω est un ensemble compact,
si de tout recouvrement de Ω par des ouverts de Ω, On peut extraire un sous recouvrement fini,
i.e.,
∀Vj , j ∈ J"ouvert", telle que Ω ⊂ Vj , ∃Vj(n) , j(n) = 1.2...N
[

j∈J

8
1.3. OPÉRATEURS COMPACTS 1.4

tel que :
N
Ω⊂
[
Vj(n) ,
n=1

où Vj est un recouvrement.

Définition 1.4. Un sous ensemble d’un espace normé est dit relativement compact si son adhérence
est compacte.

Théorème 1.1. (voir [9])

Toute ensemble bornée et de dimension finie d’un espace normé est relativement compact.

Définition 1.5. on dit que f est équicontinue on point x0 ∈ Ω, si est seulement si :

∀ε > 0, ∃δ > 0, ∀f ∈ C(Ω, R), ∀x ∈ Ω, kx − x0 k < δ ⇒ kf (x) − f (x0 )k ≤ ε.

Théorème 1.2. (d’Arzela Ascoli)(voir [9])

On dit que l’ensemble G ⊂ C(Ω, R) est relativement compact si G est borné et équicontinu, c’est-
à-dire, vérifiant les conditions suivantes :
i) S’il existe un constant L > 0 tel que : |f (x)| ≤ L pour tout x ∈ Ω et f ∈ G,
ii) pour tout ε > 0, il existe δ > 0 tel que :

|f (x) − f (y)| < ε,

pour tout x, y ∈ Ω et pour tout f ∈ G.

Corollaire 1.3. Soit Ω un sous ensemble ouvert borné de R, chaque sous ensemble borné de
l’espace (C(Ω, R), k.k∞ ) est relativement compact dans (C(Ω, R), k.k∞ ).

1.3 Opérateurs compacts

Définition 1.6. Soit E, F deux espaces normés et T : E → F un opérateur linéaire. On dit que
T est un opérateur compact si T (u) est relativement compact dans F.

Théorème 1.4.
Un opérateur compact est un opérateur borné, mais la réciproque est fausse.

Démonstration.
On pose B(0, 1) = {u ∈ E, kuk ≤ 1}, alors T (B(0, 1)) est relativement compact, d’où kT uk ≤
L, ∀x ∈ B(0, 1), donc T est borné.
La réciproque :
L’opérateur identique I : E → E est borné, mais il n’est pas compact car, I(B(0, 1)) = B(0, 1)
n’est pas relativement compact sauf si E est de dimension finie.

1.4 Opérateurs intégraux

Maintenant nous allons définir une classe importante d’opérateurs définis à l’aide d’intégral
dites "opérateurs intégraux" dont le domaine d’intégration est un domaine Ω mesurable dans R.

9
1.4. OPÉRATEURS INTÉGRAUX 1.4

Définition 1.7. Soit Ω ∈ R un ensemble compact, K une fonction continue définie sur Ω × Ω
dans R, T un opérateur linéaire définie sur C(Ω, R) tel que :
Z
T (u(x)) = k(x, t)u(t)dt, x ∈ Ω,
Ω
cette forme est une forme générale d’un opérateur intégral linéaire T et dit aussi opérateur à
noyau ou K(x, t) est le noyau d’un opérateur intégral, la norme de cette opérateur est définie par :
Z
kT k = max |k(x, t)| dt, x ∈ Ω.
x∈Ω Ω

Théorème 1.5.
Soit T : C(Ω, R) → C(Ω, R) un opérateur intégral avec un noyau continu alors T est compact.

Théorème 1.6.
Soit Z
T (u(x)) = k(x, t)u(t)dt, x ∈ Ω,
Ω

si K(x, t) ∈ L2 (Ω, R) alors T est un opérateur compact continu de L2 (Ω) dans L2 (Ω).

Quelques exemples Soit Ω = [a, b] un intervalle borné et fermé de R.

• l’opérateur intégral de Fredholm tel que la région d’intégration est finie est :
Z b
T (u(x)) = Id − λ k(x, t, u(t))dt.
a

• l’opérateur intégral de Volterra est :

Z x
T (u(x)) = Id − λ k(x, t, u(t))dt.
a

• l’opérateur intégral de Wiener-Hoph est :

Z ∞
Id − λ k(x, t, u(t))dt.
a

• l’opérateur intégral d’Abel est :

Z x
u(t)
T (u(x)) = Id − λ dt.
a (x − t)α

Quelques types des opérateurs non-linéaires (voir [10])

Opérateur de superposition de Nemystki Soit Ω ∈ R un ensemble ouvert et

f : Ω × Rn → R une fonction donnée, l’opérateur de Nemystki N f associe à chaque fonction
u : Ω → R la fonction N f (u) : Ω → R définie par

N f (u)(x) = f (x, u(x)), x ∈ Ω.

10
1.5. CLASSIFICATION DES ÉQUATIONS INTÉGRALES 1.5

Opérateur intégrale de Hammerstein Soit Ω ∈ R un ensemble ouvert et f : Ω × Rn → R

une fonction donnée, l’opérateur intégral de Hammerstein est donné par :
Z
T (u(x)) = k(x, y)f (y, u(y))dt, x ∈ Ω,
Ω

cet opérateur apparaît comme la composition de l’opérateur intégral linéaire de Fredholm T du

noyau k avec l’opérateur de Nemystki N f associé a f , c’est-à-dire :

T (f ) = AN (f ).

Opérateur intégral d’Uryson Soit Ω ∈ R un ensemble ouvert et f : Ω × Rn → R une fonction

donnée, l’opérateur intégral d’Uryson est donné par :
Z
T (u(x)) = K(x, t, u(t))dt, x ∈ Ω.
Ω

1.5 Classification des équations intégrales

Dans cette partie, on va définir les équations intégrales et les classifier, puis distinguer ceux
qui sont linéaires et qui sont non-linéaires.

Définition 1.8. La forme générale d’une équation intégrale linéaire est donnée par :
Z
α(x)u(x) = f (x) + λ k(x, t)u(t)dt, (1.1)

ou α(x), f (x) et k(x, t) sont des fonctions données.

• u(x) est la fonction qui figure à l’intérieur et à l’extérieur du signe intégrale est l’inconnu à
déterminer.

• λ : est un paramètre réel ou complexe tel que : λ 6= 0.

• la fonction k(x, t) est appelée noyau de l’équation intégrale.

Les types des équations intégrales linéaires

Équation intégrale de Fredholm

Définition 1.9. Toute équation intégrale sous la forme 1.1 avec les bornes
d’intégration sont fixées s’appelle : équation intégrale de Fredholm s’écrit sous la forme :
Z b
α(x)u(x) = f (x) + λ k(x, t)u(t)dt, (1.2)
a

i) Si α(x) = 0 l’équation (1.1) s’écrit :

Z b
f (x) + λ k(x, t)u(t)dt = 0,
a

11
1.5. CLASSIFICATION DES ÉQUATIONS INTÉGRALES 1.5

et elle est dite de première espèce.

ii) Si α(x) = 1 l’équation (1.1) s’écrit :
Z b
f (x) + λ k(x, t)u(t)dt = u(x),
a

et elle est dite de deuxième espèce.

iii) Si α(x) est continue et s’annule en certains points, mais pas en touts les points de [a, b],
l’équation (1.1) s’appelle de troisième espèce.

Remarque 1.2.

• Si f (x) = 0 alors
Z b
u(x) = f (x) + λ k(x, t)u(t)dt,
a

l’équation (1.1) est dite équation homogène.

• Si f (x) 6= 0 donc l’équation (1.1) est dite équation non homogène.

Exemple 1.4.
• L’équation Z 1
u(x) = x + cosx − 1 +
2
(x − t)u(t)dt,
−1

est de deuxième espèce.

• L’équation Z 1
x+1+λ ((x2 − t)u(t))dt = 0,
−1

est de première espèce.

• L’équation Z 1
u(x) = λ ((x2 − t)u(t))dt,
−1

est homogène.

Équation intégrale de Volterra

Définition 1.10. Les équations intégrales de Volterra de première espèce, de seconde espèce ou
homogène sont définies de la même manière précédente sauf que la borne supérieur d’intégration
est un variable ”b = x”. donc ce type des equations écrit sous la forme :
Z x
α(x)u(x) = f (x) + λ k(x, t)u(t)dt. (1.3)
a

Remarque 1.3.

• L’équation intégrale de Volterra est un cas particulier de l’équation de Fredholm. Il suffit que le
noyau K vérifier la condition k(x, t) = 0 pour x < t.
• Les équations intégrales non-linéaires sont définies de la même manière précédente sauf que la
fonction inconnue reste dans le noyau.

12
1.6. THÉORÈME DU POINT FIXE DE BANACH 1.6

• Nous pouvons donc définir l’équation intégrale non-linéaire de Fredholm comme suit :
Z b
α(x)u(x) = f (x) + λ k(x, t, u(t)dt, (1.4)
a

mais si k(x, t, u(t)) = k(x, t)f (t, u(t)) alors 1.4 est dite l’équation d’Hammerstein. Et de la même
manière, on définit l’équation intégrale non-linéaire de Volterra comme suit :
Z x
α(x)u(x) = f (x) + λ k(x, t, u(t)dt. (1.5)
a

1.6 Théorème du point fixe de Banach

Cette partie est consacrée à établir certains résultats d’existence et d’unicité pour la résolution
d’une équation de la forme :
u = f + T u,
ou T est un opérateur défini sur un espace de Banach X.
Ces résultats sont basées sur le théorème du point fixe de Banach.

Définition 1.11. Soit X un espace de Banach et T est un opérateur borné, on dit que T est un
opérateur contractant s’il existe une constante positive 0 < L < 1, tel que :

kT u1 − T u2 k ≤ L ku1 − u2 k , ∀u1 , u2 ∈ X.

Théorème 1.7. (Banach 1992)

Soit T un opérateur contractant dans un espace de Banach X, alors T admet une solution unique
u dans X, cette solution est le point fixe de cet opérateur.

Démonstration.
En fixant un élément arbitraire u ∈ X et considère la suite Tn (u), n = 1, · · · ∞, soit

un = T n (u), n = 1, 2 · · ·

. On note :

kun − um k ≤ kun − un−1 k + · · · + kum+1 − um k

= kT (un−1 ) − T (un−2 )k + ... + kT (um ) − T (um−1 )k
≤ L kun−1 − un−2 k + ... + L kum − um−1 k
≤ (Ln−1 + Ln−2 + ... + Lm−1 ) ku1 − uk
Lm−1
≤ ku1 − uk ,
1−L

supposons que n > m ≥ 1, cela donne kun − um k → 0, si n, m tend vers ∞ donc la suite (un ) est
une suite de Cauchy, et comme X est un espace de Banach alors un est convergente

un → u0 ∈ X,

13
1.6. THÉORÈME DU POINT FIXE DE BANACH 1.6

si n tend vers ∞, u0 est un point fixe de T par :

kT (u0 ) − u0 k ≤ kT (u0 ) − T (un )k + · · · + kun+1 − U0 k

≤ L ku0 − un k + · · · + kun+1 − u0 k .

Cette dernière est converge si n tend vers ∞ donc

T (u0 ) = u0 .

Pour l’unicité :
Supposons que u0 , v0 deux points fixes de T , tel que u0 6= v0 .

ku0 − v0 k = kT (u0 ) − T (v0 )k

≤ L ku0 − v0 k
< ku0 − v0 k .

Donc
u0 = v0 .

1.6.1 Existence et unicité des solutions pour les équations intégrales

non-linéaires
Application du théorème du point fixe de Banach sur l’équation intégrale non-linéaire
de Volterra
Théorème 1.8.
Soit K(x, t, u) une fonction à valeurs réelles, définie et continue sur le carré a ≤ x, t ≤ b et
satisfait la condition de Lipschitz par rapport à u, i.e ;

kK(x, t, u1 ) − K(x, t, u2 )k ≤ L ku1 − u2 k .

Alors pour tout f ∈ C(Ω, R) l’équation intégrale non-linéaire de Volterra

Z x
u(x) = f (x) + K(x, t, u(t))dt, a ≤ x ≤ b,
a

admet une solution unique continue pour tout λ ∈ R.

Démonstration.
On considère l’espace de Banach X = C(Ω, k.k) des fonctions continues de Ω dans R muni de la
norme de convergence uniforme
kuk = max |u(x)| .
x∈Ω

On définit sur l’espace X l’opérateur T : X → X par :

Z x
T (u(x)) = f (x) + λ K(x, t, u(t))dt, x ∈ Ω, (1.6)
a

14
1.6. THÉORÈME DU POINT FIXE DE BANACH 1.6

il est claire que T u est continu, donc l’équation intégrale (1.6) est équivalente au problème de
point fixe
T u = u,
où T est définit par (1.6), donc, a fini de prouver que l’équation (1.6) admet une solution unique,
il faut montrer que l’opérateur T admet un point fixe unique, pour cela, il suffit de montrer qu’il
existe n0 ≥ 1. Tel que T n0 est un opérateur. Contractant pour tout λ ∈ R. Soient u1 , u2 deux
éléments de X et x ∈ Ω, nous allons montrer que pour tout n ≥ 1
λn L n
kT n u1 − T n u2 k ≤ ku1 − u2 k .
n!
En effet, pour n = 1, on a
Z x
|T (u1 (x)) − T (u2 (x))| = λ [K(x, t, u1 (t)) − K(x, t, u2 (t))] dt.
a
Z x
≤ |λ| |u1 (t) − u2 (t)| dt
a
≤ |λ| L ku1 − u2 k (x − a)
≤ |λ| L(b − a) ku1 − u2 k
,

ce qui implique que

kT u1 − T u2 k ≤ |λ| L(b − a) ku1 − u2 k .
Supposons que cette propriété est vraie pour n = m, et montrons qu’elle est valable pour n = m+1.

T m+1 (u1 (x)) − T m+1 (u2 (x)) = |T (T m (u1 (x))) − T (T m (u2 (x)))|
Z x
= λ [K(x, t, T m (u1 (x)) − K(x, t, T m (u2 (x))] dt
a
|λ|m Lm (b − a)m
Z x
≤ |λ| L ku1 − u2 k dt
a m!
|λ|m+1 Lm+1 (b − a)m+1
≤ ku1 − u2 k ,
(m + 1)!

d’où
|λ|m+1 Lm+1 (b − a)m+1
T m+1
(u1 (x)) − T m+1
(u2 (x)) ≤ ku1 − u2 k ,
(m + 1)!
|λ|m Lm (b−a)m
comme la suite m!
est convergente vers 0 il existe n0 tel que

|λ|n0 Ln0 (b − a)n0

< 1,
n0 !
ce qui montre que T n0 est un opérateur contractant.

15
1.6. THÉORÈME DU POINT FIXE DE BANACH 1.6

Application du théorème du point fixe de Banach sur l’équation intégrale non-linéaire

de Fredholm
Théorème 1.9.
Soit K(x, t, u) une fonction à valeurs réelles, définie et continue sur le carré
a ≤ x, t ≤ b et satisfait la condition de Lipschitz par rapport à u, i.e ;

kK(x, t, u1 ) − K(x, t, u2 )k ≤ L ku1 − u2 k .

Alors pour tout f ∈ C(Ω, R) l’équation intégrale non-linéaire de Fredholm

Z
u(x) = f (x) + λ K(x, t, u(t))dt, x ∈ Ω,
Ω

admet une solution unique continue pour tout λ ∈ R.

Démonstration.
On considère l’espace de Banach X = C(Ω, k.k) des fonctions continues de Ω dans R muni de la
norme de convergence uniforme
kuk = max |u(x)| .
x∈Ω

On définit sur l’espace X l’opérateur T : X → X définit par :

Z
T (u(x)) = f (x) + λ K(x, t, u(t))dt, x ∈ Ω, (1.7)
Ω

il est claire que T u est continu, donc l’équation intégrale (1.6) est équivalente au problème de
point fixe
T u = u.
où T est défini par (1.7), a fin de prouver que l’équation (1.7) admet une solution unique, il faut
montrer que l’équation (1.7) admet une point fixe unique.

16
Chapitre 2
Résolution des équations intégrales non-linéaires

Ce chapitre est consacré à la résolution des équations intégrales non-linéaires par des méthodes
classiques telles que la méthode de décomposition d’Adomain, la méthode des approximations
successives et par une méthode récente appelée perturbation homotopique, ces méthodes ont
été utilisées pour obtenir des solutions formelles ou bien la solution exacte, il fournit également
des méthodes numériques qui revêtent une importance critique dans la recherche des solutions
approchées aux équations intégrales non-linéaires de deuxième espèce qui sont la méthode de
projection et la méthode de collocation qui est basée sur les méthodes de quadratures.

2.1 Méthode de décomposition d’Adomian (M.D.A)

Dans la seconde partie du XXe siècle, George Adomain un mathématicien américain, a proposé
une nouvelle méthode [Adomain, 1981] pour résoudre les équations différentielles et aux dérivées
partielles linéaires et non-linéaires, les problèmes algébriques, intégrales, intégrodifférentielles, les
équations différentielles ordinaires d’ordre supérieur, la technique utilise une décomposition de
l’opérateur non-linéaire en une série de fonction, chaque terme de cette série est un polynôme
généralisé appelé polynôme d’Adomain.

La méthode décompositionnelle consiste à calculer les solutions des équations sous la forme
d’une série infinie convergente vers la solution du problème :
∞
u(x) = un (x), (2.1)
X

n=0

dans cette partie, nous utilisions l’algorithme d’Adomain pour trouver des polynômes d’Adomain.
La représentation des termes non-linéaires par des polynômes d’Adomain pour résoudre les
équations intégrales non-linéaires.

Calcul des polynômes d’Adomain

La méthode de décomposition d’ Adomian suppose que la fonction linéaire inconnue peut
être représentée par une série infinie (2.1), où les composantes un (x), n ≥ 0 sont déterminer de
manière récursive qui implique généralement des intégrales simples qui peuvent être facilement

17
2.1. MÉTHODE DE DÉCOMPOSITION D’ADOMIAN (M.D.A) 2.1

évalués.
Pour établir cette relation, nous substituons (2.1) dans l’équation intégrale non-linéaire :
Z
u(x) = f (x) + λ K(x, t)F (u(t))dt, (2.2)
Ω

tel que : u(x) est le terme linéaire représenté par une somme infinie de composants. Les termes
non-linéaires sont u2 (t), u3 (t), e(u(x)) , sin(u(x)), · · · , qui sont substitués dans l’équation (2.2) alors
on trouve une représentation spéciale, s’appelle les polynômes d’Adomain An , n ≥ 0.

1 dn ∞
An = [F ( λi ui )]λ=0 , n = 0, 1, 2, · · · (2.3)
X
n! dλn i=0

Où les polynômes d’Adomain An peuvent être évalués pour toutes les fonctions non-linéaires. La
formule générale (2.3) peut être facilement utilisée comme suit : on a la fonction F (u(x)) est
non-linéaire, alors d’après (2.3) les polynômes d’Adomain sont donnés par :

= F (u0 ),

A0


= u1 F 0 (u0 ),

A1





2 = u2 F (u0 ) + 2! u1 F (u0 ),
0 1 2 00

A






A3 = u3 F 0 (u0 ) + u1 u2 F 00 (u0 ) + 3!1 u30 F 000 (u0 ),
A4 = u4 F 0 (u0 ) + ( 2!1 u22 + u1 u3 )F 00 (u0 ) + 2!1 u21 u2 F 000 (u0 )





+ 4!1 u41 F 0000 (u0 ).




Tout d’abord, A0 dépend que de u0 , A1 dépend que de u0 et u1 ,· · · .

Deuxièmement, nous substituons les formules dernières dans (2.3) on obtient :

F (u) = A0 + A1 + A2 + · · ·



F (u) = F (u0 ) + (u1 + u2 + u3 + ...)F 0 (u0 ) + 2!1 (u21 + 2u1 u2 + u22 + ...)F 00 (u0 )







+ 3!1 (u31 + 3u21 u2 + 6u1 u2 u3 + ...)F 000 (u0 ) + · · ·
F (u) = F (u0 ) + (u − u0 )F 0 (u0 ) + 2!1 (u − u0 )2 F 00 (u0 ) + · · ·



Cette dernière confirme un fait que la série dans les polynômes An est une série de Taylor sur
une fonction u0 et non sur un point comme dans la série de Taylor standard. Dans ce qui suit,
nous allons calculer des polynômes d’Adomain pour certains termes non-linéaires qui peuvent
apparaître dans les équations intégrales non-linéaires.

1ère cas
Les quatre premiers polynômes d’Adomain pour F (u) = u2 sont donnés par

= F (u0 ) = u20 ,

A0


= u1 F 0 (u0 ) = 2u0 u1 ,

A1






A2 = u2 F 0 (u0 ) + 2!1 u21 F 00 (u0 ) = u0 u2 + u21 ,
A3 = u3 F 0 (u0 ) + u1 u2 F 00 (u0 ) + 3!1 u30 F 000 (u0 )






= 2u0 u3 + 2u1 u2 ,



18
2.1. MÉTHODE DE DÉCOMPOSITION D’ADOMIAN (M.D.A) 2.1

2ème cas
Les quatre premiers polynômes d’Adomain pour F (u) = sin(u) sont donnés par :

= F (u0 ) = sinu0 ,



 A0
= u1 F 0 (u0 ) = u1 cosu0 ,

A1





2 = u2 F (u0 ) + 2! u1 F (u0 )
0 1 2 00

A






= u2 cosu − 2!1 u21 sinu0 ,
A3 = u3 F 0 (u0 ) + u1 u2 F 00 (u0 ) + 3!1 u30 F 000 (u0 )





 = u cosu − u u sinu − 1 u3 cosu ,


3 0 1 2 0 3! 1 0

3ème cas
Les quatre premiers polynômes d’Adomain pour F (u) = eu sont donnés par :

= F (u0 ) = eu0 ,

A0


= u1 F 0 (u0 ) = u1 eu0 ,

A1





2 = u2 F (u0 ) + 2! u1 F (u0 )
0 1 2 00

A






= (u2 − 2!1 u21 )eu0 ,
A3 = u3 F (u0 ) + u1 u2 F (u0 ) + 3! u0 F (u0 )
0 00 1 3 000




 = (u − u u − 1 u3 )eu0 ,


3 1 2 3! 1

Principe de la méthode On utilise cette méthode sur l’équation intégrale de Volterra non-
linéaire : Z
u(x) = f (x) + λ K(x, t)F (u(t))dt, (2.4)
Ω
on a ∞
u(x) =
X
un ,
n=0

En substituant cette dernière dans l’équation (2.4) on obtient :

∞ Z x ∞
un (x) = x + An (t)dt,
X X
K(x, t)
n=0 0 n=0

telles que An sont les polynômes d’Adomian pour F (u(x)).

Alors on a : 
 u (x) = f (x),
0
uk+1 (x) = λ x K(x, t)Ak (t)dt, k > 0.
R
0

Donc la solution est donnée par :

lim un (x) = u(x).
n→∞

19
2.1. MÉTHODE DE DÉCOMPOSITION D’ADOMIAN (M.D.A) 2.1

La convergence de la méthode
Afin de généraliser et faciliter l’étude sur la convergence de cette méthode, on va utiliser la
notation opérationnel pour les équations intégrales à étudier, il suffit d’écrire l’équation sous la
forme :
u − Au = f, (2.5)
où A est un opérateur intégral et f une fonction inconnue comme indiqué précédement dans le
principe de la méthode et après la substitution de (2.1) et (2.3) dans (2.5) on obtient :
∞ ∞
un = f + (2.6)
X X
An .
n=0 n=0

On a besoin de rappeler quelques notions élémentaires sur la convergence des séries.

∞
Soit un une série numérique de terme un , on dit que la série est convergente si la suite des
P
n=0
sommes partielles Sn est convergente. Ce que veut dire :



 S1 = u1 ,

S2 = u1 + u2 ,



..
.



= u1 + u2 + · · · + un .

S

n

lim Sn = S,
n→+∞

∞
donc, la suite des sommes partielles (Sn ) est convergente et puisque Sn = un d’où un est
P
n=0
convergente.
∞
P ∞
P
Théorème 2.1. Si la série des opérateurs An est converge alors la série des solutions un
n=0 n=0
est converge aussi. i.e :
∞ ∞
An < +∞ alors un < +∞.
X X

n=0 n=0

On note que la méthode d’Adomain appliquée à (2.5) se ramème à la recherche

n
Sn =
X
Si ,
i=0

d’autre part on a :
∞
Sn =
X
un c’est-à-dire
n=0
Sn = u1 + u2 + u3 + · · · + un .
D’où : 




S0 = 0,
= S0 + S1 = 0 + u1 ,


S
 1



S2 = S0 + S1 + S2 = 0 + u1 + u2 ,

..
.





= S0 + S1 + · · · + Sn = 0 + u1 + · · · + un .

S

n+1

20
2.1. MÉTHODE DE DÉCOMPOSITION D’ADOMIAN (M.D.A) 2.2

∞
un est convergente d’après le théorème précèdent on a alors le résultat suivante.
P
n=1

∞
P ∞
P
Corollaire 2.2. Si A est une contraction alors les séries An , un sont convergentes, de plus
n=0 n=0
∞
P
un est satisfait l’équation
n=0
u − Tu = f
∞
P
c’est-à-dire : un solution de cette équation.
n=0

Satisfait la relation suivante :


S = 0 u0 = f,
0
Sn+1 = A(u0 + Sn ), n = 0, 1, 2, · · ·

en conclure le résultat de convergence suivante.

Théorème 2.3. Si l’opérateur A est une contraction alors (Sn )n≥0 satisfaisant la relation de
récurrence
Sn+1 = A(u0 + Sn ),
avec S0 = 0, n ≥ 0 converge vers S où S = A(u0 + S).

En effet :
A partir la relation (2.1) et de δ < 1, on a :

kSn+1 − Sk = kA(u0 + Sn ) − A(u0 − S)k

≤ kAk kSn − Sk
≤ δ kSn − Sk
≤ δ n kS1 − Sk

d’où :
Sn → S.

D’autre part, on a :
∞
An =
X X
un ,
n=0 n≥1

et comme un est convergente d’après le théorème précèdent, on a alors le résultat suivant.

P
n≥1

∞
P ∞
P
Corollaire 2.4. Si T est une contraction alors les séries An , un sont convergentes, de plus
n=0 n=0
∞
P
un est satisfait l’équation
n=0
u − Au = f
∞
P
c’est-à-dire : un solution de cette équation.
n=0

21
2.2. LA MÉTHODE DES APPROXIMATIONS SUCCESSIVES (M.A.S) 2.3

2.2 La méthode des approximations successives (M.A.S)

C’est une méthode itératives fondée sur le principe du point fixe, cette méthode est parfois
appelée méthode d’itération de Picard, la méthode des approximations successives résoudre tout
problème en trouvant des approximations successives de la solution en commençant par une
estimation initiale égale à 0, 1, x où f (x).

Cette dernière est utilisée pour déterminer les autres termes a partir d’une relation de récur-
rence, dans tous les cas cette méthode peut être appliquée avec succès pour résoudre les équations
intégrales non-linéaires.

Considérons l’équation intégrale sous la forme :

Z
u(x) = f (x) + K(x, t, u(t))dt, (2.7)
Ω

pour résoudre cette équation en utilisant la relation récurrente suivante :


0 (x)
= 0, où 1 où x où f (x),
u
un+1 (x) = f (x) +
Ω K(x, t, un (t))dt,
R

c’est-à-dire en substituant u0 (x) dans le côté droit de l’équation itérative, on obtient :


u1 (x) = f (x) + Ω K(x, t, u0 (t))dt,
R




u2 (x) = f (x) + Ω K(x, t, u1 (t))dt,

 R

..
.



n (x) = f (x) + K(x, t, un−1 (t))dt.
 R
u

Ω

et par conséquent, on trouve la solution u(x) par passage à la limite, n → ∞, c.à.d. :

u(x) = lim un+1 (x).

n→+∞

La convergence de la méthode
Théorème 2.5. Supposons que K(x, t, u(t)) est continu pour a ≤ x ≤ b et soit f ∈ C(Ω, R).
En outre, supposons que :

|K(x, t, u1 ) − K(x, t, u2 )| ≤ L |u1 − u2 | , a ≤ x ≤ t ≤ b, u1 , u2 ∈ R.

Pour une certaines constante L, alors l’équation intégrale (2.1) admet une solution unique
u ∈ C(Ω, R).
Par ailleurs, la méthode itérative précédente converge pour toute estimation initiale u0 ∈ C(Ω, R).

Démonstration (voir [3])

22
2.3. MÉTHODE DE PERTURBATION HOMOTOPIQUE (M.P.H) 2.3

2.3 Méthode de perturbation homotopique (M.P.H)

La méthode du perturbation homotopique à été établie par Ji-Haun-He en 1999.

Cette méthode a été utilisée par beaucoup de chercheurs et appliquée pour résoudre plusieurs
équations différentielles ou équations aux dérivées partielles linéaires et non-linéaires.

La solution numérique de la méthode MPH est considérée une série de fonction qui converge
rapidement vers la solution exacte. Cette méthode permet de transformer la résolution d’un
problème difficile en un problème simple à résoudre.

La méthode MPH est basée sur l’hypothèse de l’existence d’un petit paramètre p ∈ [0, 1],
affublé à l’équation étudiée. (voir [?])

Description de la méthode pour l’équation intégrale non-linéaire de

deuxième espèce
Pour illustrer les idées de base de cette méthode, considérons l’équation intégrale non-linéaire
de Volterra de deuxième espèce :
Z x
y(x) = f (x) + K(x, t)[y(t)]r dt, a ≤ x, t ≤ b, (2.8)
a

et aussi le type d’équation intégrale non-linéaire de Fredholm suivante :

Z b
y(x) = f (x) + K(x, t)[y(t)]r dt, a ≤ x ≤ b. (2.9)
a

Pour expliquer (M.P.H), nous reconstituons (2.9) comme :

Z x
L(u) = u(x) − f (x) − K(x, t)[u(t)]r dt = 0, (2.10)
a

avec la solution u(x) = y(x).

On définit l’homotopie H(u, p) tel que :

H(u, 0) = F (u), H(u, 1) = L(u).

où F (u) est un opérateur fonctionnel avec une solution disons u0 et on définit un homotopie
convexe H(u, p) par :
H(u, p) = (1 − p)F (u) + pL(u) = 0, (2.11)
qui peut être obtenu facilement et tracer en continu une courbe implicitement définie à partir
d’un point de départ H(u0 , 0) jusqu’à une fonction solution H(y, 0).
Le paramètre de plongement p augmente de façon monotone de zéro à un lorsque le problème
trivial F (u) = 0 est continuellement déformé au problème d’origine L(u) = 0 avec p ∈ [0, 1].

La solution de l’équation (2.8) où (2.9) par la méthode de perturbation d’homotopie est donnée
par :
∞
u(x) = pn un , (2.12)
X

n=0

23
2.3. MÉTHODE DE PERTURBATION HOMOTOPIQUE (M.P.H) 2.3

Par conséquence, la série (2.12) est convergente dans la plupart des cas vers la solution exacte s’il
existe, c.à.d. :
∞
y(x) = lim u =
X
un ,
p→1
n=0

et aussi le taux de convergence dépend de L(u). (voir [?])

On a :
F (u) = u(x) − f (x), (2.13)
on substitution les équations (2.12), (2.10) et (2.13) dans l’équation (2.11) on obtient : la relation
récurrente suivante :

p0 : u0 (x) = f (x),
pn+1 : un+1 (x) = ab K(x, t)Hn (t)dt, n ≥ 0.
R

Où les Hn sont les polynômes de He qui peuvent être calculés en utilisant la formule :

1 ∂n X n
Hn (u0 , ...., un ) = (( pk uk )r )p=0 , n = 0, 1, 2..
n! ∂pn k=0

Remarque 2.1. La formule (2.3) est la formule standard de la méthode de décomposition d’Adomain,
le théorème suivant est la preuve de cette remarque.

Théorème 2.6. La méthode de décomposition d’Adomain est la méthode de perturbation homoto-

pique avec un homotopie convexe donné par :
Z b
H(u, p) = u(x) − f (x) − p K(x, t, un (t))dt = 0.
a

Description de la méthode pour l’équation intégrale non-linéaire de

première espèce
Si on considère l’équation intégrale de Fredholm non-linéaire de première espèce sous la forme :
Z b
f (x) = k(x, t, y(t))dt,
a

Si le noyau k(x, t) est séparable, et

Z b
1− k(x, t)dt < 1.
a

Alors, on définie l’opérateur :

Z b
L(u) = f (x) − k(x, t, u(t))dt = 0.
a

Alors, on construire une homotopie convexe sous la forme :

H(u, p) = (1 − p)F (u)(x) + pL(u)(x) = 0,

24
2.4. MÉTHODE DE PROJECTION 2.4

tel que p est un paramètre p ∈ [0, 1] , la méthode de perturbation d’homotopique applique

l’expression suivante :
∞
u= pn u n ,
X

0
par conséquence :
∞
y(x) = lim pn un (x).
X
p→1
0
La dernière série converge vers la solution exacte.

u0 (x) = 0,





u1 (x) = f (x)
un+1 (x) = un (x) − ab k(x, t, un (t))dt, n ≥ 1.

 R

2.4 Méthode de projection

Définition 2.1. Soit E un espace vectoriel, E1 et E2 deux sous espaces vectoriels de E, on dit
que E est un somme direct de E1 et E2 et on écrit E = E1 E2 si pour tout v ∈ E peut être
L

décomposé sous manière unique

v = v1 + v2 , v1 ∈ E1 , v2 ∈ E2 .
En outre, si E est muni d’un produit scalaire et que :
∀v1 ∈ E1 , ∀v2 ∈ E2 , < v1 , v2 >= 0,
alors E est appelé la somme direct orthogonal de E1 et E2 .
Proposition 2.7. Soit E un espace vectoriel, puis E = E1
L
E2 si et seulement s’il existe un
opérateur linéaire P : E → E tel que
P 2 = P,
avec v1 = P (v) et v2 = (I − P )(v) et aussi : E1 = P (E) et E2 = (I − P )(E).
Définition 2.2. Soit X un espace de Banach, un opérateur P ∈ L(X) tel que P 2 = P est appelé
un opérateur de projection, si X est un espace de Hilbert alors l’opérateur P est appelé un
opérateur de projection orthogonal. Il est facile de remarquer que l’opérateur de projection P est
orthogonal si et seulement si :
< P (v), (I − P )(u) >= 0, ∀u, v ∈ X.

Principe de la méthode
Considérons l’équation intégrale écrite en notation d’opérateur suivante :
(I − T )u = f, (2.14)
et l’opérateur T est supposé être compact sur un espace de Banach X dans X avec X est un
espace de Banach, C(Ω, R) où L2 (Ω, R) définit par :
Z
Tu = K(x, t, u(t))dt. (2.15)
Ω

25
2.4. MÉTHODE DE PROJECTION 2.5

On choisit une suite de sous-espace de dimension finie un ⊂ X, n ≥ 1, avec un ayant la dimension

d, et ont une base {ϕ1 , · · · , ϕd }.
Soit vn une autre suite de sous-espace de dimension finie de X, et soit Pn : X → vn une
suite d’opérateurs de projection, nous cherchons une fonction un pour approcher u par la suite
un , n = 1, · · · , ∞, il suffit de prendre une suite {ϕj }, j = 1, · · · , d comme base de l’espace Xn
et écrire un sous la forme :
d
un (x) = Cj ϕj (x). (2.16)
X

j=1

En substituant (2.16) dans l’équation (2.14) on obtient :

d Z d
Cj ϕj (x) − Cj ϕ(t))dt = f (x),
X X
K(x, t,
j=1 Ω j=1

et on exigeant que l’équation soit exacte dans le sens où le résidu :

Rn (un ) = (I − T )(un ) − f.

On choisissons un et déterminer les coefficients Cj de tel sorte que le résidu Rn (un ) soit petit,
c.à.d. :
Rn (un ) → 0.

Si Pn est la projection orthogonale on a :

Pn Rn (un ) = 0.

Cela équivalent :
Pn un − Pn T un = Pn f.
Afin que Pn un = un donc
un − Pn T un = Pn f.
Le but et que la fonction qui en résulte un (x) sera une bonne approximation de la solution u(x).
convergence de la méthode (voir [5])

Lemme 2.8. Soit X un espace de Banach, et soit {Pn } une famille de projection bornée en X
avec
Pn u → u lorsque n → ∞, u ∈ X.
Si
T :X→X
un opérateur compacte alors :

kT (I − Pn )k → 0 lorsque n → ∞.

Théorème 2.9. Supposons que T : X → X borné, avec X un espace de Banach, et supposons

que λ − T : X → X tel que :
kT (I − Pn )k → 0.
Alors pour tout n grand et n ≥ N, l’opérateur (λ − Pn T )−1 est borné.

26
2.5. MÉTHODE DE COLLOCATION 2.6

2.5 Méthode de collocation

Application de la méthode de projection
Pour résoudre l’équation intégrale non-linéaire de la forme :
Z
u(x) = f (x) + K(x, t, u(t))dt,
Ω

on va choisi des points distincts x1 , · · · , xN ∈ Ω tel que

Rn (xi ) = 0, i = 0, · · · , N.
Z
Rn (xi ) = un (xi ) − K(xi , t, un (t))dt − f (xi ), i = 0, · · · , N, (2.17)
Ω

en substituant l’équation (2.16) dans l’équation (2.17) on obtient :

N Z N
Cj ϕj (xi ) − Cj ϕj (t))dt = f (xi ), i = 0, · · · , N. (2.18)
X X
K(xi , t,
j=0 Ω j=0

Soit Pn : X → vn avec v = C(Ω, R) et soit u ∈ C(Ω, R).

On défini Pn u comme élément de vn , l’interpolation de u aux points de collocation x1 , · · · , xN .
N
Pn (u(x)) = un (x) = Cj ϕj (x).
X

j=1

Donc
N Z N
Pn (u(xi )) = f (x) + Cj ϕj (t))dt, i = 0, · · · , N,
X X
Cj K(xi , t,
j=1 Ω j=0

d’où
N
Pn u(x) = Cj ϕj (x).
X

j=1

Les coefficients Cj sont déterminés par la résolution du système :

N
Cj ϕj (xi ) = u(xi ), i = 1, · · · , N,
X

j=1

ce système admet une solution unique si

det(ϕj (xi )) 6= 0.

2.6 Méthode de quadrature

Chacune des méthodes numériques précédemment nécessite l’évaluation des intégrales définies
afin de produire une fonction qui se rapproche de la solution d’une équation intégrale de Fredholm

27
2.6. MÉTHODE DE QUADRATURE 2.6

sur l’intervalle [a, b], le but de toute méthode de quadrature numérique est d’approximer l’intégrale
définie d’une fonction continue f (x) en un intervalle fermé [a, b], avec une somme finie donc
Z b n
f (x)dx = wi f (xi ) + ε,
X
a i=1

chaque méthode de quadrature nécessite un ensemble prédéterminé x1 , · · · , xn de nœuds avec

a ≤ x1 ≤ x2 ≤ · · · ≤ b, et un ensemble de poids positifs w1 , w2 , · · · , wn , le terme d’erreur ε
dépends de n, a, b, et les valeurs d’une dérivée supérieure de f a un point intérieur de l’intervalle,
le choix de la méthode peut dépendre de la forme de f et l’intervalle d’intégration.

Il existe de nombreuses formules de quadratures de ce type, elle appartient à deux choses

principales, les formules de quadrature de Newton nécessitants des nœuds, de sorte que :
b−a
∆x = xi − xi−1 = , i = 1, · · · , n,
n
et un ensemble spécifique de poids qui ne dépendent pas des formules de nœuds de ce type incluent
la règle de trapèze, de simpson et de Bode.

D’autre part, les nœuds dans les formules de quadratures gaussiennes sont choisies pour être les
zéros d’un polynôme orthogonal de degré n, et les poids sont donnés en fonction de ces polynômes
et de leurs dérivés évalués aux nœuds, nous notons à cet égard les formules de quadratures
Gaussiennes couramment utilisées qui sont (voir [6]) :
• Gauss-Radau :
En fixant xn = b, donc la quadrature de Gauss-Radau convient aux problèmes avec un
point limite.
• Gauss-Lobatto :
Qui est le plus couramment utilisée en l’approximation spectrale.
Maintenant nous considérons l’équation intégrale non-linéaire :

Z b
u(x) = f (x) + K(x, t, u(t))dt, (2.19)
a

où f (x) est continue sur l’intervalle [a, b], après avoir choisi une méthode numérique approximative,
nous substituons chaque nœud xi dans l’équation intégrale (3.3), pour obtenir n + 1 équations
suivantes : Z b
u(xi ) = f (xi ) + K(xi , t, u(t))dt, i = 0, 1, 2, · · · , n.
a
En substituant les nœuds et les poids positifs indiqués pour la méthode choisie, la valeur de
chacune de ces intégrales peut être exprimée sous la forme :
Z b n
K(xi , t, u(t))dt = wj K(xi , xj , u(xj )) + ε(xi ), i = 0, 1, 2, · · · , n
X
a j=0

où ε(xi ) c’est l’erreur de la méthode de quadrature.

La remplacement de l’intégrale définie par les sommes finies produit les n + 1 équations :
n
u(xi ) = f (xi ) + wj K(xi , xj , u(xj )) + ε(xi ), i = 0, 1, 2, · · · , n
X

j=0

28
2.6. MÉTHODE DE QUADRATURE 2.6

après avoir rejeté les termes d’erreurs, nous arrivons au système :

n
yi = f (xi ) + wj K(xi , xj , yj ), i = 0, 1, 2, · · · , n
X

j=0

de n + 1 équations et de n + 1 inconnues yi , il était nécessaire de remplacer la valeur exacte u(xi )

par la valeur approximative yi car les termes d’erreur ont été ignorés, si ε(xi ) est petite alors yi
est approchée de u(xi ).

L’interpolation de Lagrange
Une fonction d’interpolation continue y(x) peut être construire sur l’intervalle [a, b] qui passe
par tout les point de [a, b].

On va définit une fonction d’interpolation continue comme suit :

n
y(x) = f (x) + wj K(x, xj , yj ),
X

j=1

donc la formule classiques d’interpolation de Lagrange est définit par :

n
y(x) = yi Li (x),
X

i=1

avec {Li (x)}Ni=1 est la base des polynômes de Lagrange associe à l’ensemble des points {xi }i=1 est
N

définit par :
(x − xi )
Li (x) = , i = 1, · · · , N.
Y

1≤k≤N i6=k xi − xk

Les polynômes orthogonaux

Les polynômes orthogonaux jouent un rôle fondamentale dans l’analyse des méthodes de projec-
tions, il est donc essentiel de comprendre certaines propriétés générales des polynômes orthogonaux.

Une suite des polynômes orthogonaux est une suite {Pn }∞ n=0 des polynômes avec deg(Pn ) = n
tel que :
< Pi , Pj >= 0 si i 6= j,
puisque l’orthogonalité n’est pas modifié en multipliant une constante non nul, on peut normaliser
le polynôme donc les coefficients de xn .

Pn (x) = xn + ann−1 xn−1 + · · · + an0 . (2.20)

Les polynômes orthogonaux peut être générés par la relation de récurrence suivante :

= 1,

 P0




P1 = x − α1 ,
Pn+1 = (x − αn+1 )Pn − Bn+1 Pn−1 , n ≥ 1.



29
2.6. MÉTHODE DE QUADRATURE 2.6

où  Rb
xwPn2 dx
αn+1 = R ab ,



wP p2dx
R ab n
xwPn Pn−1 dx
βn+1 = .

 aR
b

2
wPn−1 dx
a

On a plusieurs types des polynômes orthogonales, notamment : les polynômes de Jacobi, polynôme
de Chebychev et de Legendre, ce dernièr est beaucoup utilisé dans notre travail.

Les polynômes de Legendre

Les polynômes de Legendre notés par Ln (x) sont orthogonaux sur l’intervalle [−1, 1] avec
w(x) = 1, et la normalisation Ln (1) = 1, le polynôme de Legendre est satisfait les trois relation de
récurrence :
L0 (x) = 1,





L1 (x) = x, (2.21)
(n + 1)Ln+1 (x) = (2n + 1)xLn x − nLn−1 (x),



et la relation d’orthogonalité est :

Z 1
1
Lk (x)Lj (x)dx = δkj . (2.22)
−1 K + 12
Le polynôme de Legendre est définir comme la normalisation de problème Sturn-Liouville singulier
((1 − x2 )L0n (x))0 + n(n + 1)Ln (x) = 0, x ∈ [−1, 1].
Par la formule (3.3) en déduire que :
Z 1
k(k + 1)
L0k (x)L0j (x)(1 − x2 )dx = δkj . (2.23)
−1 k 21
Les polynômes L0k (x) sont orthogonaux entre eux par rapport a la fonction de poids w(x) = 1 − x2 ,
autre utile des polynômes de Legendre comprennent :

= 2n+1 (Ln+1 (x) − Ln−1 (x)), n ≥ 1,

R
x 1
 −1 ln(ε)dε


Ln (x) = 2n+1 (L0n+1 (x) − L0n−1 (x)),



 1


L (±1) = (±1)n ,



n




L0n (±1) = 12 (±1)n−1 n(n + 1),
L0n (x) = n−1 k=0 (2k + 1)Lk (x).

 P



Ln (x) = k=0 (k + 21 )(n(n + 1) − k(k + 1)Lk (x)).
 Pn−2

 00

Pour la série-Legendre les points de quadrature et les poids sont :

• Legendre-Gauss Xj sont les zéros de LN +1 est :
2
wj = , 0 ≤ j ≤ N.
(1 − xj )(L0n+1 (xj ))2
• Legendre-Gauss-Radau :
−1
x0 = −1, xn = 1, {xj }N
j=1

sont les zéros de L0N (x) et wj = 2

. 1 ,
N (N +1) [LN (xj )]2
0 ≤ j ≤ N.

30
Chapitre 3
Applications et exemples numériques

3.1 Application de la méthode de décomposition d’Ado-

main (M.D.A)
Exemple 3.1. On utilise la méthode de décomposition d’Adomain pour résoudre l’équation intégrale
non-linéaire de Fredholm de deuxième espèce suivante :
7 1Z 1
u(x) = x + xtu2 (t)dt,
8 2 0
la solution exacte est : ue (x) = x
on a : ∞
u(x) =
X
un ,
n=0

on substituant cette dernière dans l’équation précédante on obtient :

∞
7 1Z 1 X ∞
un (x) = x + An (t)dt,
X
xt
n=0 8 2 0 n=0

telque An sont les polynômes d’Adomian pour u2 (x).

Alors on utilise la relation suivante :

 u0 (x) = 87 x,
un+1 (x) = 1 1 xtAn (t)dt.
R
2 0

31
3.1. APPLICATION DE LA MÉTHODE DE DÉCOMPOSITION D’ADOMAIN (M.D.A) 3.2

Ceci donne consécutivement






u0 (x) = 78 x,
u1 (x) = 12 01 xtA0 (t)dt = 51249
 R



 x,
u2 (x) = 2 0 xtA1 (t)dt



 1 1R


= 12 01 xt2u0 (t)u1 (t)dt

 R




= 16384
343

x.





u3 (x) = 2 0 xtA2 (t)dt
1 R1






= 12 01 xt(u0 u2 + u21 )dt

 R



= 1572864

7203
x
u4 (x) = 2 0 xtA3 (t)dt


 1 R1


= 1 R1
xt2(u0 u3 + u1 u2 )dt



2 0



= 201326592 x
151263






u5 (x) = 12 01 xtA4 (t)dt

 R



= xt2(u0 u4 + u1 u3 )dt


 1 R1
2 0



= 6442449504 x



 1764735

.


..




La solution est donnée sous forme d’une série :

7 49 343
u(x) = x + x+ x + ···
8 512 16384
qui converge vers la solution exacte :
ue (x) = x.

Comparaison entre les itérés et la solution exacte

Les itérés ui (x) obtenus par la méthode d’Adomian sont u0 , u1 , u2 , u3 , u4 , u5 on a

kui (x) − ue (x)k∞ = max {|ui (x) − ue (x)|}.

x∈[0,1]

Table 3.1 – Comparaison entre les itérés et la solution exacte pour l’exemple 3.1

i ui (x) ue (x) kui (x) − ue (x)k∞

0 7
8
x x 0.125
1 49
512
x x 0.904
2 343
16384
x x 0.979
3 7203
1572864
x x 0.995
4 151263
201326592
x x 0.999
5 1764735
6442449504
x x 0.999

32
 3.3
3.2. APPLICATION DE LA MÉTHODE DES APPROXIMATIONS SUCCESSIVES (M.A.S)

3.2 Application de la méthode des approximations succes-

sives (M.A.S)
Exemple 3.2. Considérons l’équation intégrale non-linéaire de Fredholm suivante :

5π 2 π 1 Zπ
u(x) = cos(x) + 1 − − + x(u(t) + u2 (t))dt,
144 12 36 0
la solution exacte est :
1
ue (x) = cos(x) + .
2
Alors :
u0 (x) = 0,




u (x) = cos(x) + 1 − π − 5π2 + 1 Rπ
x(u0 (t) + u20 (t))dt,




 1 12 144 36 0
= 0, 395506 +

cos(x),





u2 (x) = 0, 471163 + cos(x),





u3 (x) = 0, 490522 + cos(x),


‘ (3.1)

 u4 (x) = 0, 495728 + cos(x),
u5 (x) = 0, 497145 + cos(x),






u6 (x) = 0, 4975 + cos(x),




..



.






un+1 (x) = cos(x) + 0, 49 . . . .



Donc la solution exacte est donnée par :

1
u(x) = lim un+1 (x) = cos(x) + .
n→∞ 2

Comparaison entre les itérés et la solution exacte

Les itérés ui (x) obtenus par la méthode des approximation successives sont u0 , u1 , u2 , u3 , u4 , u5
on a
kui (x) − ue (x)k∞ = max {|ui (x) − ue (x)|}.
x∈[0,1]

Table 3.2 – Comparaison entre les itérés et la solution exacte pour l’exemple 3.2

i ui (x) ue (x) kui (x) − ue (x)k∞

0 0 cos(x)+ 1
2
1
1 0.395+cos(x) cos(x)+ 1
2
0.395
2 0.471+cos(x) cos(x)+ 1
2
0.471
3 0.490+cos(x) cos(x)+ 1
2
0.490
4 0,495728+cos(x) cos(x)+ 1
2
0.003
5 0,497145+cos(x) cos(x)+ 1
2
0.003

33
3.3. APPLICATION DE LA MÉTHODE DE (M.P.H) 3.3

3.3 Application de la méthode de (M.P.H)

Exemple 3.3. On considère l’équation intégrale non-linéaire de Fredholm de deuxième espèce
suivante :
7 1Z 1
u(x) = x + xtu2 (t)dt,
8 2 0
Nous utilisons la relation récurrente suivante :

p0 : u0 (x) = f (x),
pn+1 : un+1 (x) = Ω K(x, t)Hn (t)dt, n ≥ 0.
R

Alors on obtient :





u0 (x) = 87 x,
u (x) = 12 01 xtu0 (t)2 dt = 512
49
 R

x,
 1



u2 (x) = 2 0 xt(2u0 (x)u1 (x))dt = 21 01 xt 78 x( 512
1 1 49
 R R

x)dt,

 = 16384
343
x.
..


.






n (x) = xtu0 (t)u1 (t) · · · un−1 (t)dt.
1 R1

u

2 0

par conséquent, la solution est :

= u0 + u1 + u2 + · · · un ,

u(x)


= 78 x + 512
49
x + 16384
343
x + ··· (3.2)



' x.

Comparaison entre les itérés et la solution exacte

Les itérés ui (x) obtenus par la méthode d’Adomian sont u0 , u1 , u2 , u3 , u4 , u5 , on a

kui (x) − ue (x)k∞ = max {|ui (x) − ue (x)|}.

x∈[0,1]

Table 3.3 – Comparaison entre les itérés et la solution exacte pour l’exemple 3.3

i ui (x) ue (x) kui (x) − ue (x)k∞

0 7
8
x x 0.125
1 49
512
x x 0.904
2 343
16384
x x 0.979
3 7203
1572864
x x 0.995
4 151263
201326592
x x 0.999
5 1764735
6442449504
x x 0.999

34
3.3. APPLICATION DE LA MÉTHODE DE (M.P.H) 3.4

Remarque 3.1.
D’après le tableau de la comparaison entre la solution exacte et la solution d’approximation de la
méthode de décomposition d’Adomain et de perturbation d’homotopique on remarque que les
deux méthodes sont équivalentes.
Exemple 3.4. Soit l’équation intégrale non-linéaire de Fredholm de première espèce suivante :
Z b
e =
x
e(x−2t) u2 (t)dt.
a

Alors on a : q
y(x) = u2 (x) ⇒ u(x) = ± y(x),
d’où Z 1
ex = e(x−2t) y(t)dt.
0
Et on a : Z 1
1− e(x−2t) dt = 0.3678 < 1,
0

On utilise la récurrence suivante :

y0 (x) = 0,




y1 (x) = ex ,
yn+1 (x) = vn (x) − 01 e(x−2t) yn (t)dt, n ≥ 1.

 R

Par conséquence : 
y2 (x) = y1 (x) − 01 e(x−2t) y1 (t)dt = e(x−1) ,
R




y (x) = y2 (x) − 01 e(x−2t) y2 (t)dt = e(x−2) ,

 R
 3



y4 (x) = y3 (x) − 01 e(x−2t) y3 (t)dt = e(x−3) ,
R

..
.





n (x) = y2 (x) − n−1 (t)dt = e(x−n−1) .

y R 1 (x−2t)
e y

0

Donc la solution exacte est donnée par :

e(x+1)
lim yn (x) = .
n→∞ e−1
d’où √
e(x+1)
u(x) = ± .
e−1

Comparaison entre les itérés et la solution exacte

Les itérés ui (x) obtenus par la méthode d’approximation successive u0 , u1 , u2 , u3 , u4 , u5 , on a

kui (x) − ue (x)k∞ = max {|ui (x) − ue (x)|}.

x∈[0,1]

35
3.4. APPLICATION DE LA MÉTHODE DE COLLOCATION 3.4

Table 3.4 – Comparaison entre les itérés et la solution exacte pour l’exemple 3.4

i ui (x) u (x)
√e
kui (x) − ue (x)k∞
0 0 e(x+1)
1,5819
√ e−1
1 ex e(x+1)
1,1363
√ e−1
2 e x−1 e(x+1)
0,6256
√ e−1
3 ex−2 e(x+1)
1,2141
√ e−1
4 e x−3 e(x+1)
1,4466
√ e−1
5 ex−4 e(x+1)
e−1
1,5321

3.4 Application de la méthode de collocation

3.4.1 Méthode de collocation-Legendre pour l’équation intégrale non-
linéaire de Fredholm
On considère l’équation intégrale de Fredholm de deuxième espèce de la forme :
Z 1
u(x) = f (x) + K(x, t)F (u(t))dt, (3.3)
0

comme nous avons déjà vu, la méthode de collocation consiste à chercher une solution approchée
uN (x), de sorte que cette solution soit satisfait l’équation (3.3) aux points de collocation, on peut
prendre comme points de collocation les nœuds {xi }N i = 0 de Legendre-Gauss de sorte que
Z 1
uN (xi ) = f (xi ) + K(xi , t)F (uN (t))dt, (3.4)
0

les intégrales qui sont apparus dans le schéma (3.4) seront approchés par le quadrature de
Legendre-Gauss, on transforme l’intervalle [0, 1] à l’intervalle [−1, 1] en utilisant la transformation
suivante :
S = 2t − 1, t ∈ [0, 1],
on obtient ; Z 1
1Z 1 S+1 S+1
K(xi , t)F (uN (t))dt = K(xi , )F (uN ( ))ds, (3.5)
0 2 −1 2 2
soit {Li }Nj=0 est la base des polynômes de Lagrange associée à les nœuds de Legendre-Gauss
{xj }N
j=0 , pour approximer la partie non-linéaire dans le schéma (3.5) on utilisé l’interpolation de
Lagrange comme suit :

S+1 N
S+1
F (uN ( )) = F (uN (xj ))Lj ( ),
X
2 j=0 2

l’équation (3.5) devient :

1X N
Sk+1 XN
Sk + 1
uN (xi ) = f (xi ) + wk K(xi , ) F (uN (xj ))Lj ( ), (3.6)
2 k=0 2 j=0 2

36
3.4. APPLICATION DE LA MÉTHODE DE COLLOCATION 3.4

avec {wK }Nk=0 sont les poids de Legendre-Gauss, donc pour i = 0, 1, · · · , N, l’équation (3.3) forme
un system non-linéaire de (N + 1) équations et (N + 1) inconnues, ce system est résolu par la
méthode de Newton pour déterminer les inconnues {uN (xi )}N i=0 .
On utilisé l’interpolation de Lagrange pour trouver la solution approchée uN (x) par :
N
uN (x) = uN (xi )Li (x) ∼ u(x).
X

i=0

Exemple 3.5. On se propose de résoudre par la méthode de collocation-Legendre l’équation intégrale

non-linéaire de Fredholm suivante :
1 √ Z 1 q
u(x) = 2 − (2 2 − 1)x − x2 + xt u(t)dt,
3 0

avec la solution exact de cette équation est

ue (x) = 2 − x2 .

Les résultats numériques sont présentés dans le tableau 3.6 pour n = 10 et la figure 3.4.1

Table 3.5 – Résultats numériques pour l’exemple 3.5

x valeur exacte valeur approximative Erreur absolue

ue (x) un (x) ε = max | un (x) − u(x) |
[0,1]
0.000e+00 2.000e+00 2.000e+00 4.440e-16
1.000e-01 1.990e+00 1.990e+00 3.419e-14
2.000e-01 1.960e+00 1.960e+00 6.972e-14
3.000e-01 1.910e+00 1.910e+00 1.039e-13
4.000e-01 1.840e+00 1.840e+00 1.387e-13
5.000e-01 1.750e+00 1.750e+00 1.736e-13
6.000e-01 1.640e+00 1.640e+00 2.078e-13
7.000e-01 1.510e+00 1.510e+00 2.429e-13
8.000e-01 1.360e+00 1.360e+00 2.779e-13
9.000e-01 1.190e+00 1.190e+00 3.128e-13
1.000e+01 1.718e+00 1.718e+00 3.474e-13

37
3.4. APPLICATION DE LA MÉTHODE DE COLLOCATION 3.4

Figure 3.1 – La solution exacte, la solution approchée et les points de collocation pour l’ exemple
3.5

3.4.2 Méthode de collocation-Legendre pour l’équation intégrale non-

linéaire de Volterra
On considère l’équation intégrale de Fredholm de deuxième espèce de la forme :
Z x
u(x) = f (x) + K(x, t)F (u(t))dt, (3.7)
0
on va appliquer la même procédure qu’auparavant pour l’équation de Fredholm (3.3), en tenant
compte les différences entre les deux équations.
On a : Z x
uN (xi ) = f (xi ) + K(xi , t)F (uN (t))dt, (3.8)
0
on transforme l’intervalle [0, x] à l’intervalle [−1, 1], en utilisant la transformation suivante :
1+x x−1
t= s+ , s, x ∈ [−1, 1],
2 2
on obtient :
Z x
1 + xi Z 1 1 + xi xi − 1 1 + xi xi − 1
K(xi , t)F (uN (t))dt = K(xi , s+ )F (uN ( s+ ))ds. (3.9)
a 2 −1 2 2 2 2
On utilise l’interpolation de Lagrange pour approximer les parties non-linéaires dans le schéma
précédant
s 1 + xi xi − 1 N
1 + xi xi − 1
F (uN ( s+ )) = F (uN (xj ))Lj ( s+ ).
X
2 2 j=0 2 2

38
3.4. APPLICATION DE LA MÉTHODE DE COLLOCATION 3.4

Avec {L}N j=0 sont les polynômes de Lagrange associées a l’ensemble des nœuds de Legendre-Gauss
N
{xj }j=0 .

Par le quadrature de Legendre-Gauss, nous approximations les intégrales (3.9), l’équation (3.8)
devient :

1X N
1 + xi xi − 1 X N
1 + xi xi + 1
uN (xi ) = f (xi ) + wk K(xi , xk + )[ F (uN (xj ))L( xk + )],
2 k=0 2 2 j=0 2 2

avec {wk }N
k=0 sont les poids de Legendre-Gauss, donc pour i = 0, 1, · · · , N, l’équation (3.8) forme
un système non-linéaire qu’est résolu par la méthode de Newton pour déterminer les inconnues

{uN (xi )}N

i=0 .

La solution approchée de l’équation (3.7) par cette méthode est donnée par :
N
uN (x) = uN (xi )L(x) ∼ u(x).
X

i=0

Exemple 3.6. On se propose de résoudre par la méthode de collocation-Legendre l’équation intégrale

non-linéaire de Volterra suivante :
1 Z x
u(x) = ex − (e2 x − 1) + u2 (t)dt.
2 0

avec la solution exact de cette équation est :

ue (x) = ex .

Table 3.6 – Résultats numériques pour l’exemple 3.6

x valeur exacte valeur approximative Erreur absolue

ue (x) un (x) ε = max | un (x) − u(x) |
[0,1]
0.000e+00 1.000+00 1.000e+00 2.680e-12
1.000e-01 1.105e+00 1.105e+00 7.900e-13
2.000e-01 1.221e+00 1.221e+00 6.175e-13
3.000e-01 1.349e+00 1.349e+00 1.807e-13
4.000e-01 1.491e+00 1.491e+00 4.145e-13
5.000e-01 1.648e+00 1.648e+00 6.237e-13
6.000e-01 1.822e+00 1.822e+00 2.324e-13
7.000e-01 2.013e+00 2.013e+00 3.401e-13
8.000e-01 2.225e+00 2.225e+00 6.039e-13
9.000e-01 2.459e+00 2.459e+00 7.132e-13
1.000e+01 2.718e+00 2.718e+00 2.169e-12

39
3.4. APPLICATION DE LA MÉTHODE DE COLLOCATION 3.4

Figure 3.2 – La solution exacte, la solution approchée et les points de collocation pour l’ exemple
3.6

40
Conclusion

Dans ce travail, nous avons étudier la résolution numérique par la méthode de projection pour
résoudre les équations intégrales non-linéaires dans un cadre fonctionnel, cette méthode permettre
d’approximer la valeur d’une fonction et pour relier la solution exacte des équations à la solution
numérique obtenue, où la solution est s’écrit sous forme d’une série finie des bases d’un polynôme
orthogonale multiplier par des coefficients cj sera déterminer à partir de la résolution d’un système
non-linéaire par la méthode de Newton, puis par la méthode de collocation qui est basée sur les
méthode quadratures, cette dernière transforme les intégrales à des sommes finies. Avant à étudier
les méthodes numériques, on va étudier quelques méthodes classiques.

Au début, on commence par la méthode de décomposition d’Adomain qui est la mère des
méthodes, où la solution s’écrit sous la forme d’une série infinie, chaque terme de cette série est
un polynôme appelé polynôme d’Adomain, pour trouver ces polynômes nous utilisons l’algorithme
d’Adomain, cette méthode est très efficace et converge rapidement vers la solution exacte, ensuite
par la méthode des approximations successives qu’est appelée aussi la méthode d’itératives de
Picard, puisque elle est basée sur les itérations, cette méthode est appliquée avec succès et converge
rapidement, à la fin, on va étudier une méthode récente appelée la méthode de perturbation
homotopique, cette méthode est basée sur un petit paramètre p ∈ [0, 1], en conclure a partir de
la comparaison entre la méthode de décomposition d’Adomain et la méthode de perturbation
homotopique que les deux méthodes sont équivalentes.

41
Bibliographie

[1] Mustapha Dilmi, Sur la convergence des méthodes spectrales pour les équations inté-
grales,Thèse de doctorat Université de M’sila, 2018.
[2] Ji-Huan He, A coupling methode of a homotopy techinique and a perturbation techinique
for non-linear problems, Internat, J,Non-linear Mech (2000).
[3] Somia Guechi, Méthodes computationnelles pour la résolution des équations intégrales
Non-linéaires, Thèse de doctorat Université de M’sila, 2017.
[4] Asghar Ghorbani, Jafar Saberi-Nadjafi, Exact solutions for nonlinear integral
equations by a modified homotopy perturbation method, Ferdowsi University of Mashhad,
Mashhad, Iran, 2008.
[5] E. Atkinson Kendall, The Numerical solution of integral equation of the second kind,
New work, University of Lowa, British, 1997.
[6] Jie-Shen Tao Tang, Spectral and High-Oder Methods with applications, Science press,
China,2006.
[7] Jie Shen, Tao Tang, Li-Lian Wang, Spectral Methods Algorithms, Analysis and
applications, 2011.
[8] M.Nadir, Cours d’analyse fonctionnelle, Université de M’sila, 2004.
[9] M.Nadir, Cours sur les équations intégrales,Université de M’sila, 2008.
[10] Radu Precup, Methods in Non-linear integral equations, Babes-Bolyai University,
Cluj-Romania, 2002.
[11] M. Rahman, Integral equations and their application,Dalhonsie University, canada, 2007.
[12] Abdul-Majid Wazwaz, linear and Non-linear Integral equations,Vol. 639. Berlin :
Springer, 2011.
[13] M. Stephem Zemyan, The classical theory of integral equations, Springer Science
Business Media, 2012

42
 : ‫ﻣﻠﺨﺺ‬
‫ ﺣﯾث ﻗﻣﻧﺎ‬،‫ﻫذﻩ اﻟﻣذﻛرة ﻋﺑﺎرة ﻋن دراﺳﺔ ﻋﺎﻣﺔ ﺣول اﻟﻣﻌﺎدﻻت اﻟﺗﻛﺎﻣﻠﯾﺔ اﻟﻐﯾر ﺧطﯾﺔ وﺣﻠﻬﺎ‬
‫ﺑﺈﺛﺑﺎت اﻟوﺟود و اﻟوﺣداﻧﯾﺔ ﻟﻬذﻩ اﻟﻣﻌﺎدﻻت ﻓﻲ ﻓﺿﺎء اﻟدوال اﻟﻣﺳﺗﻣرة ﺣﯾث ﻗﻣﻧﺎ ﺑﺣﻠﻬﺎ ﺑطرق‬
‫طرﯾﻘﺔ‬ ،‫ طرﯾﻘﺔ اﻻﺿطراب اﻟﺗﻣﺎﺛﻠﻲ‬،‫ طرﯾﻘﺔ اﻟﺗﻘرﯾب اﻟﻣﺗﺗﺎﻟﻲ‬،‫ طرﯾﻘﺔ اﻟﺗﺣﻠﯾل‬: ‫ﻓﻌﺎﻟﺔ ﻣﺛل‬
‫ طرﯾﻘﺔ اﻻﻧﺗظﺎم اﻟﺗﻲ ﺗﻌﺗﻣد ﻋﻠﻰ اﻟﺗرﺑﯾﻊ وﻣﻘﺎرﻧﺔ ﻓﻲ ﻛل طرﯾﻘﺔ اﻟﺣل اﻟدﻗﯾق ﻣﻊ اﻟﺣل‬،‫اﻹﺳﻘﺎط‬
.‫اﻟﺗﻘرﯾﺑﻲ ﻣن أﺟل ﺗوﺿﯾﺢ وﺗﺑﯾن ﻓﻌﺎﻟﯾﺔ ﻫذﻩ اﻟطرق‬
‫ ﻛﺛﯾرات ﺣدود‬،‫ طرﯾﻘﺔ اﻟﺗﻘرﯾﺑﺎت اﻟﻣﺗﺗﺎﻟﯾﺔ‬،‫ اﻟﻣﻌﺎدﻻت اﻟﺗﻔﺎﺿﻠﯾﺔ ﻏﯾر اﻟﺧطﯾﺔ‬:‫اﻟﻛﻠﻣﺎت اﻟﻣﻔﺗﺎﺣﯾﺔ‬
.‫ طرﯾﻘﺔ اﻻﻧﺗظﺎم‬،‫ طرﯾﻘﺔ اﻹﺳﻘﺎط‬،‫ طرﯾﻘﺔ اﻻﺿطراب اﻟﺗﻣﺎﺛﻠﻲ‬،‫ادوﻣﯾﺎن‬

Résumé
Ce mémoire est une étude générale sur les équations intégrales non-linéaires
et leurs résolutions, nous avons prouvées l'existence et l'unicité de la solution
des équations intégrales non-linéaires dans l'espace des fonctions continues,
nous avons également consacrées notre travail à la résolution des équations
intégrales non-linéaires par diverses méthodes d'approximation telles que la
méthode de décomposition d'Adomian, des approximations successives, de
perturbation homotopique, de projection et la méthode de collocation qu'est
basée sur les méthodes de quadratures. Nous avons données certains exemples
et en comparant les résultats obtenus par la solution exacte de chaque exemple
pour illustrer l'efficacité de ces méthodes.

Mots Clés : Equations intégrales non-linéaires, Méthode des approximations successives,

Polynôme d'Adomian, Méthode de perturbation homotopique, Méthode de projection,
Méthode de collocation.

Abstract
This thesis is a general study on non-linear integral equations and their
resolutions, we have proved the existence and uniqueness of the solution of non-
linear integral equations in the space of continuous functions, we have also
devoted our work to the resolution of nonlinear integral equations by various
approximation methods such as the Adomian decomposition method, successive
approximations, homotopic perturbation, projection and the collocation method
that is based on quadrature methods.
We have given some examples and comparing the results obtained by the
exact solution of each example to illustrate the effectiveness of these methods.
Key Words : Non-linear integral equations, Method of successive
approximations, Adomian polynomials, Homotopic perturbation method,
Projection method, Collocation method.