Introduction à la résolution des E.D.O. a
Support de cours Ingénieurs Sup'Galilée Energétique - 1ère année
a. Version beta 0.3 du 11 Mars 2011
par Cuvelier François
Université Paris Nord - Institut Galilée - LAGA
Av. J.-B. Clément 93430 Villetaneuse
email : cuvelier@math.univ-paris13.fr
Table des matières
1 Introduction 3
1.1 Exemples . . . . 3
1.1.1 Météorologie . . . . 3
1.1.2 Biologie . . . . 4
1.1.3 Chimie : La réaction de Belousov-Zhabotinsky . . . . . 5
1.1.4 Mécanique . . . . 6
1.2 Dénition des E.D.O. . . . 8
1.3 Formulation générale : le problème de Cauchy . . . 10
1.4 Dérivation numérique . . . 12
1.5 Méthode des diérences nies pour le problème de Cauchy en dimension d 1 . . . 14
1.6 Exemple . . . 15
1.7 Stabilité . . . 15
1.8 Méthode des diérences nies pour le problème de Cauchy en dimension d . . . 18
2 Méthode à un pas ou à pas séparés 19 2.1 Schéma général . . . 19
2.2 Convergence . . . 19
2.3 Stabilité . . . 19
2.4 Consistance . . . 20
2.5 Ordre . . . 20
3 Méthode de Runge-Kutta 20 3.1 Principe . . . 20
3.2 Formules explicites de Runge-Kutta d'ordre 2 . . . 21
3.3 Méthodes de Runge-Kutta d'ordre 4 . . . 22
4 Méthodes à pas multiples 23 4.1 Exemple : schéma de point milieu . . . 23
4.2 Le principe . . . 23
4.3 Méthodes d'Adams-Bashforth . . . 24
4.4 Méthodes d'Adams-Moulton . . . 25
4.5 Schéma prédicteur-correcteur . . . 25
4.5.1 Principe . . . 25
4.5.2 Exemple . . . 25
4.5.3 Comparaison avec Runge-Kutta . . . 26
5 Exercices corrigés 26
1 INTRODUCTION
1 Introduction
1.1 Exemples 1.1.1 Météorologie
Modèle de Lorentz :
Source Wikipedia Mathématiquement, le couplage de l'atmosphère avec l'océan est décrit par le système d'équations aux dérivées partielles cou- plées de Navier-Stokes de la mécanique des uides. Ce système d'équa- tions était beaucoup trop compliqué à résoudre numériquement pour les premiers ordinateurs existant au temps de Lorenz. Celui-ci eut donc l'idée de chercher un modèle très simplié de ces équations pour étu- dier une situation physique particulière : le phénomène de convection de Rayleigh-Bénard. Il aboutit alors à un système dynamique diéren- tiel possédant seulement trois degrés de liberté, beaucoup plus simple à intégrer numériquement que les équations de départ.
$ &
%
x 1 p t q σx p t q σy p t q
y 1 p t q x p t q y p t q ρx p t q y p t q
z 1 p t q x p t q y p t q βz p t q (1.1) avec σ 10, ρ 28, β 8 { 3 et les données initales x p 0 q 8, y p 0 q 8 et z p 0 q ρ 1.
Dans ces équations, σ , ρ - respectivement le nombre de Prandtl et le rapport du nombre de Rayleigh sur un Rayleigh critique - et β sont trois paramètres réels.
x p t q est proportionnel à l'intensité du mouvement de convection, y p t q est proportionnel à la diérence de température entre les courants as- cendants et descendants, et z p t q est proportionnel à l'écart du prol de température vertical par rapport à un prol linéaire (Lorenz 1963 p.135).
La résolution numérique de ce modèle donne
1.1 Exemples 1 INTRODUCTION
0 10 20 30 40 50 60 70 80 90 100
−20 0 20
x(t)
t Modele de Lorentz
0 10 20 30 40 50 60 70 80 90 100
−50 0 50
y(t)
t
0 10 20 30 40 50 60 70 80 90 100
0 20 40
z(t)
t
−20 −15 −10 −5 0 5 10 15 20
−50 0
50
0 5 10 15 20 25 30 35 40 45 50
y(t) x(t)
Modele de Lorentz
z(t)
1.1.2 Biologie
Considérons une population y d'animaux dans un milieu ambient où au plus B animaux peuvent coexister. On suppose que initialement la popula- tion soit y0 B et que le facteur de croissance des animaux soit égal à une constante C. Dans ce cas, l'évolution de la population au cours du temps sera proportionnelle au nombre d'animaux existants, sans toutefois que ce nombre ne dépasse la limite B. Cela peut s'exprimer à travers l'équation
y 1 p t q Cy p t q
1 y p t q B
, t ¡ 0, y p 0 q y0. (1.2)
La résolution de cette équation permet de trouver l'évolution de la population
au cours du temps.
1.1 Exemples 1 INTRODUCTION
On considère maintenant deux populations, y 1 et y 2 , où y 1 sont les proies et y 2 sont les prédateurs. L'évolution des deux populations est alors décrite par le système d'équations diérentielles
"
y 1 1 p t q C 1 y 1 p t qr 1 b 1 y 1 p t q d 2 y 2 p t qs ,
y 2 1 p t q C 2 y 2 p t qr 1 d 1 y 1 p t qs , (1.3) où C 1 et C 2 sont les facteurs de croissance des deux populations, d 1 et d 2 tiennent compte de l'interaction entre les deux populations, tandis que b 1
est lié à la quantité de nourriture disponible pour la population des proies y 1 . Ce système d'équations diérentielles est connu comme modèle de Lotka- Volterra.
1.1.3 Chimie : La réaction de Belousov-Zhabotinsky
Sous certaines conditions, des réactions chimiques peuvent être oscil- lantes. Par exemple, le mélange d'une solution de bromate de potassium et d'acide sulfurique avec une solution d'acide manolique et de bromure de sodium peut entrainer une oscillation de la couleur de la solution mélange du rouge au bleue avec une période de 7 secondes.
Le modéle associé est nommé modèle du bruxelator basé sur les équa- tions chimiques :
A ÝÑ X p M 1 q
2X Y ÝÑ 3X pM 2 q
B X ÝÑ Y C p M 3 q
X ÝÑ D p M 4 q
On note k i , i P v 1, 4 w les vitesses de réations des équations p M i q . On obtient alors le système diérentielle suivant :
$ ' ' &
' '
%
A 1 p t q k 1 A p t q B 1 p t q k 3 B p t q X p t q
X 1 p t q k 1 A p t q k 2 X 2 p t q Y p t q k 3 B p t q X p t q k 4 X p t q Y 1 p t q k 2 X 2 p t q Y p t q k 3 B p t q X p t q
Exemple 1 Dans cet exemple, on étudie le problème simplié du Bruxela- tor. Lorsque les réactions de (??) ont des constantes de réactions k 1 , . . . , k 4 égales respectivement à 1, α ¡ 0, 1 et 1, et que les concentrations de A et B sont constantes, repectivement égales à 1 et β ¡ 0, on est alors amené à résoudre l'E.D.O. @ t Ps 0, T s ,
"
X 1 p t q 1 αX 2 p t q Y p t q p β 1 q X p t q
Y 1 p t q αX 2 p t q Y p t q βX p t q (1.4)
Par exemple, avec le jeu de données α 1, β 3.5 et les contitions initiales
X p 0 q 3 et Y p 0 q 2 on obtient des oscillations :
1.1 Exemples 1 INTRODUCTION
0 5 10 15 20 25 30 35 40
0 1 2 3 4 5 6
t
Brusselator simplifie − Concentrations
X(t) Y(t)
0 1 2 3 4 5 6
0 1 2 3 4 5 6
X(t)
Y(t)
Brusselator simplifie
1.1.4 Mécanique
Le pendule pesant le plus simple est constitué d'un petit objet pesant
accroché à une tige de masse négligeable devant celle de l'objet. L'autre
extrémité de la tige est l'axe de rotation du pendule. Un tel pendule, sans
viscosité, est appelé pendule pesant simple. On note θptq l'angle que fait le
1.1 Exemples 1 INTRODUCTION
pendule par rapport à l'axe vertical, à un instant t, L la longueur de la tige, m sa masse et g l'accélération de la pesanteur. L'équation diérentielle est donnée par
θ 2 p t q g
L sin p θ p t qq 0. (1.5) Si le pendule est soumis à un frottement visqueux de coecient ν , l'ex- pression de l'accélération angulaire devient :
θ 2 p t q g
L sin p θ p t qq ν
mL 2 θ 1 p t q 0. (1.6) Exemple 2 Dans cet exemple, on étudie le problème du pendule pesant sans viscosité décrit au paragraphe 1.1.4. On est donc ramené à résoudre l'E.D.O.
θ 2 p t q g
L sin p θ p t qq 0, @ t Ps 0, T s , (1.7) avec les conditions initiales
"
θp0q θ 0 , position angulaire initiale,
θ 1 p 0 q θ 0 , vitesse angulaire initiale , (1.8) Par exemple, avec le jeu de données L g 3 et les conditions initiales θ 0 5π 6 et θ 0 1 0 on obtient
0 2 4 6 8 10 12 14 16 18 20
−3
−2
−1 0 1 2 3
t
θ(t)
Pendule pesant − valeur angulaire
0 2 4 6 8 10 12 14 16 18 20
−4
−2 0 2 4
t
θ’(t)
Pendule pesant − vitesse angulaire
1.2 Dénition des E.D.O. 1 INTRODUCTION
−3 −2 −1 0 1 2 3
−4
−3
−2
−1 0 1 2 3 4
θ(t)
θ’(t)
Pendule pesant
1.2 Dénition des E.D.O.
Soit une fonction y y y dénie sur un intervalle de R à valeurs dans R m de classe C p (continûment dérivable d'ordre p) et on note y y y p p q la dérivée d'ordre p de y y y.
Dénition 1.1 On appelle équation diérentielle ordinaire (E.D.O.) d'ordre p une équation de la forme :
F p t, y y y p t q , y y y p 1 q p t q , y y y p 2 q p t q , . . . , y y y p p q p t qq 0.
Dénition 1.2 On appelle forme canonique d'une E.D.O. une expres- sion du type :
y y y p p q p t q G G G p t, y y y p t q , y y y p 1 q p t q , y y y p 2 q p t q , . . . , y y y p p 1 q p t qq . (1.9) Toute équation diérentielle d'ordre p sous forme canonique peut s'écrire comme un système de p équations diérentielles d'ordre 1. En eet, en in- troduisant p fonctions dénies par
$ ' ' '
&
' ' ' %
zzz r 1 s p t q y y y p 0 q p t q zzz r 2 s p t q y y y p 1 q p t q
...
zzz r p s p t q y y y p p 1 q p t q
1.2 Dénition des E.D.O. 1 INTRODUCTION
on obtient $
' ' ' '
&
' ' ' '
%
dz z z
r1sdt p t q y y y p 1 q p t q zzz r 2 s p t q ,
dz z z
r2sdt p t q y y y p 2 q p t q zzz r 3 s p t q , ...
dz z z
rpsdt p t q y y y p p q p t q . Or
y y
y p p q p t q G G G p t, y y y p t q , y y y p 1 q p t q , y y y p 2 q p t q , . . . , y y y p p 1 q p t qq G G G p t, zzz r 1 s p t q , zzz r 2 s p t q , . . . , zzz r p s p t qq . On obtient alors le système diérentiel d'ordre 1 suivant :
$ ' ' ' ' &
' ' ' '
%
dz z z
r1sdt p t q zzz r 2 s p t q ,
dz z z
r2sdt p t q zzz r3s p t q , ...
dz z z
rpsdt p t q G G G p t, zzz r 1 s p t q , zzz r 2 s p t q , . . . , zzz r p s p t qq .
(1.10)
Exemple 1 (suite) Pour obtenir la forme canonique de (1.4), on pose y y y p t q
y 1 ptq y 2 p t q
avec y 1 p t q X p t q et y 2 p t q Y p t q . On obtient alors
y y y p 1 q p t q
y 1 p 1 q p t q y 2 p 1 q p t q
X p 1 q p t q Y p 1 q p t q
1 αX 2 p t q Y p t q p β 1 q X p t q αX 2 p t q Y p t q βX p t q
1 αy 2 1 p t q y 2 p t q p β 1 q y 1 p t q αy 1 2 p t q y 2 p t q βy 1 p t q
Avec p 1 et
$ &
% G G
G b : R R 2 ÝÑ R 2 p t, zzz q ÞÝÑ
1 αz 2 1 z 2 p β 1 q z 1
αz 1 2 z 2 βz 1
la forme canonique est donnée par y y
y p1q p t q G G G b p t, y y y p t qq . (1.11) Exemple 2 (suite) Pour obtenir la forme canonique de (1.7),on prend p 2 et "
G p : R R R ÝÑ R
p t, u, v q ÞÝÑ L g sin p u q . La forme canonique est alors donnée par
θ p 2 q ptq G p pt, θptq, θ p 1 q ptqq. (1.12)
1.3 Formulation générale : le problème de Cauchy 1 INTRODUCTION
1.3 Formulation générale : le problème de Cauchy
Dénition 1.3 (problème de Cauchy) Soit f f f l'application continue dé- nie par
f f f : r t 0 , t 0 T s R d ÝÑ R d p t, y y y q ÞÝÑ f f f p t, y y y q
avec T Ps 0, 8s . Le problème de Cauchy revient à chercher une fonction y
y y dénie par
y y
y : r t 0 , t 0 T s ÝÑ R d t ÞÝÑ y y y p t q continue et dérivable, telle que
y y y 1 ptq f f fpt, y y yptqq, @t P rt 0 , t 0 T s (1.13) y
y y p t 0 q y y y r 0 s P R d . (1.14) On supposera qu'une telle solution existe.
Exemple 1.4 Un problème de Cauchy peut être linéaire, comme par exemple : "
y 1 ptq 3yptq 3t, si t ¡ 0 y p 0 q 1
pour lequel f p t, v q 3v 3t et dont la solution est y p t q p 1 1 { 3 q e 3t t 1 { 3.
On peut avoir aussi des problèmes non-linéaires, comme :
"
y 1 p t q a
3y p t q , si t ¡ 0 y p 0 q 0
avec f p t, v q ?
3v. Ce problème admet les trois solutions suivantes : y p t q 0, y p t q a
8t 3 { 27 et y p t q a 8t 3 { 27.
Le problème suivant :
"
y 1 p t q 1 y 2 p t q , si t ¡ 0 y p 0 q 0
admet comme solution la fonction yptq tanptq avec 0 t π 2 ,
c'est-à-dire une solution locale.
Exemple 1 (suite) La forme canonique (1.11) est d'ordre 1, on obtient alors directemnt le problème de Cauchy associé : chercher une fonction y y y dénie par
y y y : r 0, T s ÝÑ R 2
t ÞÝÑ y y y p t q
1.3 Formulation générale : le problème de Cauchy 1 INTRODUCTION
continue et dérivable, telle que
y y y 1 ptq f f f pt, y y yptqq, @t P rt 0 , t 0 T s (1.15)
y y y p 0 q y y y 0 P R 2 (1.16)
avec f f f G G G b et y y y p 0 q 3
2
.
Exemple 2 (suite) La forme canonique (1.12) est d'ordre 2. On se ra- mène à un système diérentiel du 1er ordre en posant :
y y y p t q
y 1 p t q y 2 p t q
θptq θ p 1 q p t q
On a alors, en dérivant l'expression précédente : y y y p 1 q p t q
y p 1 1 q p t q y p 2 1 q p t q
θ p 1 q p t q θ p 2 q p t q
θ p 1 q p t q G p p t, θ p t q , θ p 1 q p t qq
y 2 ptq G p p t, y 1 p t q , y 2 p t qq
.
On pose
f
f f p : r 0, T s R 2 ÝÑ R 2 p t, zzz q ÞÝÑ
z 2
G p p t, z 1 , z 2 q
.
Le problème de Cauchy revient à chercher une fonction y y y dénie par y y y : r 0, T s ÝÑ R 2
t ÞÝÑ y y y p t q continue et dérivable, telle que
y y
y 1 ptq f f f p pt, y y yptqq, @t P r0, T s (1.17) y
y
y p 0 q y y y 0 P R 2 (1.18)
avec y y y p 0 q θ 0
θ 0 1
.
Dans de nombreux cas, la variable t représente le temps et les compo- santes du vecteur y y y , une famille de paramètres décrivant l'état d'un système matériel donné. L'équation diérentielle (1.17) traduit physiquement la loi d'évolution du système considéré.
En général, il est impossible de trouver des solutions exactes à ces pro-
blèmes. Il faut alors construire des méthodes numériques pour obtenir des
1.4 Dérivation numérique 1 INTRODUCTION
solutions approchées. Toutefois, il faudra vérier l'existence et l'unicité de la solution. Pour cela, on a le
p PC q
"
y y
y 1 p t q f f f p t, y y y p t qq y
y
y p t 0 q y y y 0 P R m .
avec f f f : U ÝÑ R m , U un ouvert de R R m et p t 0 , y y y r 0 s q P U .
Théorème 1.5 (Cauchy-Lipschitz) On suppose que la fonction f f f est conti- nue sur U et quelle est localement lipschitzienne en y y y : @p t, y y y q P U, D W voisinage ttt, D V voisinage y y y, D L ¡ 0 tels que
@ s P W , @p u u u, v v v q P V 2 , } f f f p s, u u u q f f f p s, v v v q} ¤ L } u u u v v v } (1.19) Sous ces hypothèses le problème de Cauchy p PC q admet une unique solution.
Proposition 1.6 Si Bf f f
B y y y p t, y y y q est continue et bornée, alors f f f satisfait la
condition de Lipschitz (1.19) en y y y.
1.4 Dérivation numérique
Soit y : ra, bs ÝÑ R, de classe C 1 et t P ra, bs. La dérivée y 1 ptq est donnée par
y 1 p t q lim
h Ñ 0
y p t h q y p t q h
lim
h Ñ 0
y p t q y p t h q h lim
h Ñ 0
y p t h q y p t h q 2h
On note t n a nh, n P v 0, N w et h p b a q{ N une discrétisation régulière de r a, b s . Soit p Dy q n une approximation de y 1 p t n q . On appelle
diérence nie progressive l'approximation p Dy q P n y p t n 1 q y p t n q
h , @ n P v 0, N 1 w (1.20) diérence nie rétrograde l'approximation
pDyq R n ypt n q ypt n 1 q
h , @n P v1, N w (1.21) diérence nie centrée l'approximation
p Dy q C n y p t n 1 q y p t n 1 q
2h , @ n P v 1, N 1 w (1.22)
1.4 Dérivation numérique 1 INTRODUCTION
Pour calculer l'erreur commise par ces approximations, on rappelle le developpement de Taylor
Proposition 1.7 (Développement de Taylor) Soit f une application f : ra, bs ÝÑ R. Si f P C r 1 pra, bsq alors @px, yq P ra, bs 2 il existe un ξ Psx, yr tel que
f p x q f p y q
¸ r k 0
f p k q p y q
k! p x y q k f p r 1 q p ξ q
pr 1q! p x y q r 1 (1.23) Exercice 1.1 Q. 1 Soit y P C 2 pr a, b sq .
1. Montrer qu'il existe η n P Ps t n , t n 1 r et η R n Ps t n 1 , t n r tels que p Dy q P n y p 1 q p t n q h
2 y p 2 q p η P n q et
p Dy q R n y p1q p t n q h
2 y p2q p η R n q 2. En déduire que
| y p 1 q p t n q p Dy q P n | ¤ Ch, avec C 1
2 max
t Pr t
n,t
n 1s | y p 2 q p t q|
et
| y 1 p t n q p Dy q R n | ¤ Dh, avec D 1 2 max
t Pr t
n1,t
ns | y p 2 q p t q|
Q. 2 Soit y P C 3 pr a, b sq .
1. Montrer qu'il existe η n 1 Ps t n , t n 1 r et η 2 n Ps t n 1 , t n r tels que p Dy q C n y p 1 q p t n q h 2
12 p y p 3 q p η 1 n q y p 3 q p η n 2 qq 2. En déduire que
|y p 1 q pt n q pDyq C n | ¤ Eh 2 , avec E 1
6 max
tPrt
n1,t
n 1s |y p 3 q ptq|
Dénition 1.8 La diérence τ p h q | y 1 p t n q p Dy q n | est appelée erreur de troncature au point t n . On dira que τ est d'ordre p ¡ 0 si il existe une constance C ¡ 0 telle que
τ p h q ¤ Ch p .
Les erreurs de troncature des diérences nies progressive et rétrograde
sont d'ordre 1 et l'erreur de troncature de la diérence nie centrée est d'ordre
2.
1.5 Méthode des diérences nies pour le problème de Cauchy en
dimension d 1 1 INTRODUCTION
1.5 Méthode des diérences nies pour le problème de Cau- chy en dimension d 1
On veut résoudre numériquement le problème de Cauchy (1.13)-(1.14) en utilisant les diérences nies progressive, rétrograde ou centrée.
On note t n t 0 nh, n P t 0, . . . , N u une discrétisation régulière de r t 0 , t 0 T s avec h T { N le pas de temps. On a
y 1 ptq f pt, yptqq, @t P rt 0 , t 0 T s ce qui entraine
y 1 p t n q f p t n , y p t n qq , @ n P v 0, N w . (1.24) En utilisant la formule des diérences nies progressive, on a @ n P v 0, N 1 w , D η n P r t n , t n 1 s tels que
y p t n 1 q y p t n q
h f p t n , y p t n qq h 2 y 2 p η n q ou encore
y p t n 1 q y p t n q hf p t n , y p t n qq h 2
2 y 2 p η n q . On note y r n s une approximation de y p t n q pour n P v 0, N w .
La méthode d'Euler progressive est donnée par le schéma
"
y r n 1 s y r n s hf pt n , y r n s q, @n P v0, N 1w
y r 0 s ypt 0 q (1.25)
Ce schéma est explicite, car il permet le calcul direct de y r n 1 s en fonction de y rns .
De la même manière, la méthode d'Euler régressive est donnée par le schéma
"
y r n 1 s y r n s hf p t n 1 , y r n 1 s q , @ n P v 0, N 1 w
y r 0 s y p t 0 q (1.26)
Ce schéma est implicite, car y r n 1 s est dénit implicitement en fonction de y r n s . Il faut donc résoudre à chaque pas de temps une équation non-linéaire en utilisant des méthodes de point xe par exemple.
Exercice 1.2 On veut résoudre numériquement le problème p P q suivant : trouver y telle que
p P q
"
y 1 p t q cos p t q 1, @ t P r 0, 4π s y p 0 q 0.
dont la solution exacte est y p t q sin p t q t.
On rappelle le schéma d'Euler progressif pour la résolution d'un problème de Cauchy
p S q
"
y r n 1 s y r n s hf p t n , y r n s q ,
y r 0 s donné.
1.6 Exemple 1 INTRODUCTION
Q. 1 Expliquer en détail comment utiliser le schéma d'Euler progressif pour résoudre le problème p P q en précisant entre autres les données, les inconnues, les dimensions des variables, lien entre y r n s et la fonction y, ...
Q. 2 (algorithmique) Soit a, b, a b deux réels. Ecrire une fonction Dis- Reg retournant une discrétisation de l'intervalle r a; b s avec N pas (constant)
de discrétisation.
Q. 3 (algorithmique) Ecrire une fonction REDEP retournant l'ensemble des couples p t n , y r n s q calculés par le schéma d'Euler progressif.
Q. 4 (algorithmique) Ecrire un algorithme complet de résolution de p P q
par le schéma d'Euler progressif.
1.6 Exemple
Soit l'E.D.O. suivante
"
y 1 ptq yptq t 2 y 2 ptq, pour t P r0, 5s, y p 0 q 1
de solution exacte
y p t q 1 {p e t t 2 2t 2 q .
Les résolutions numériques avec les schémas d'Euler progressif et rétrograde sont représentés en gure 1.
1.7 Stabilité
Pour illustrer la notion de stabilié (absolue) d'un schéma numérique, on étudie le problème modèle suivant :
Soit λ 0, Soit l'E.D.O. suivante
"
y 1 ptq λyptq, pour t P R , y p 0 q y 0
où λ 0 est donné. La solution exacte est y p t q y 0 e λt . En particulier, on a
t Ñ 8 lim y p t q 0
1.7 Stabilité 1 INTRODUCTION
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
−1.8
−1.6
−1.4
−1.2
−1
−0.8
−0.6
−0.4
−0.2 0
t
y’(t)=y(t)+t2 y2(t) avec y(0)=−1 et N=20
exacte Euler Progressive Euler Régressive
Figure 1 résolutions avec Euler progressif et rétrograde
Dénition 1.9 On pose t n nh, où le pas de temps h ¡ 0 est donné et y r n s une approximation de y p t n q par un schéma donné. On dit alors que le schéma associé à ce problème est absolument stable si
n Ñ 8 lim y r n s 0.
Ce n'est malheureusement pas toujours le cas comme illustré en gure2 avec le schéma d'Euler progressif et h 20 19 1.05. Par contre, avec h 20 21 0.95, le même schéma est stable (voir gure3).
Pour comprendre ce phénomène, on écrit le schéma d'Euler progressif : y rn 1s y rns hf p t n , y rns q y rns λhy rns p 1 λh q y rns
d'où
y r n s p 1 λh q n y r 0 s , @ n ¥ 0.
On remarque alors que si | 1 λh | ¡ 1 alors lim nÑ 8 | y r n s | 8 , le schéma d'Euler progressif est alors instable. Pour assurer la stabilité, il faut ici im- poser une condition sur h :
| 1 λh | 1 d'où 0 h 2 λ .
On dit alors que le schéma d'Euler progressif est conditionnellement stable.
1.7 Stabilité 1 INTRODUCTION
0 2 4 6 8 10 12 14 16 18 20
−8
−6
−4
−2 0 2 4 6 8
t
y’(t)=−2y(t) avec y(0)=1 et h=1.0526
exacte Euler Progressive Euler Regressive
Figure 2 Instabilité Euler progressif - Stabilité Euler rétrograde
0 2 4 6 8 10 12 14 16 18 20
−1
−0.8
−0.6
−0.4
−0.2 0 0.2 0.4 0.6 0.8 1
t
y’(t)=−2y(t) avec y(0)=1 et h=0.95238
exacte Euler Progressive Euler Regressive