Eq Diff - pdf1

Introduction
1 Introduction
Chapitre 2 : 2 Méthode d’Euler
Bassem Ben Hamed 3 Méthodes de Taylor
Institut Polytechnique Privé des Sciences Avancées de Sfax
4 Méthodes de Runge-Kutta
Octobre 2017 Méthodes de Runge-Kutta d’ordre
2
Bassem Ben Hamed (Université de Sfax) ´
Chapitre 2 : Équations différentielles Octobre 2017 1 / 98 Bassem Ben Hamed (Université de Sfax) ´
Chapitre 2 : Équations différentielles Octobre 2017 2 / 98
Introduction Introduction
Méthode de Runge-Kutta d’ordre 4 nombreuses. Que ce soit en mécanique des fluides, en transfert de chaleur
ou en analyse des structures, on aboutit souvent à la résolution
5 Systèmes d’équations différentielles d’équations différentielles, de systèmes d’équations différentielles ou
plus généralement d’équations aux dérivées partielles.
6 Equations d’ordre supérieur
Une masse m est suspendue à une corde de longueur `. Au temps t = 0, on
suppose que l’angle Ʌ(0) entre la corde est la verticale est Ʌ0 et que la
La résolution numérique des équations différentielles est probablement vitesse angulaire .
le domaine de l’analyse numérique ou` les applications sont les plus
Suivant la deuxième loi de Newton, la force due à l’accélération
tangentielle mƮɅ00(t) est équilibrée par la composante tangentielle de
l’accélération gravitationnelle mg sin(Ʌ(t)) et par la force de friction Ff qui
s’oppose au mouvement. On a alors
mƮɅ00(t) = mg sin(Ʌ(t)) Ϋ Ff .
Des mesures expérimentales démontrent que la friction est
proportionnelle
Figure: Problème du pendule. à la vitesse ƮɅ0(t) avec un coefficient cf . On obtient
On doit encore simplifier le problème. On peut par exemple supposer que
Ʌ00(t) = Ϋc f
. les angles sont petits et que : sin(Ʌ(t)) γɅ(t). Il en résulte le problème
(1) simplifié suivant :
L’équation (1) est non linéaire et ne possède pas de solution analytique
simple. Même en négligeant la friction, ce qui revient à poser cf = 0, . (2)
l’équation résultante ne possède toujours pas de solution simple. L’équation (2) possède la solution périodique classique :
Ʌ(t) = Acos(ɘt) + B sin(ɘt), (3)
ou` ɘ2 = g/` et les constantes A et B sont déterminées par les conditions Figure: Deux solutions au problème de pendule.
initiales (A La figure précédente permet la comparaison entre les solutions des
équations différentielles (1) et (2) dans le cas ou`
L’équation (3) est la solution analytique de (2), alors que l’équation (1) ne
possède qu’une solution numérique.
On remarque que la solution numérique (ou` la friction n’est pas négligée)
prévoit l’amortissement du mouvement avec le temps, tandis que la
solution analytique (sans friction) reste parfaitement périodique. La
solution numérique est de toute évidence plus près de ce l’on observe y0(t) = f (t,y(t)), y (t0) = y0. (4)
pour un pendule.
La variable indépendante t représente souvent le temps. La variable
Les méthodes numériques permettent d’étudier des problèmes
dépendante est notée y et dépend de t. On suppose que la fonction à
ĐŽŵƉůĞǆĞƐƉŽƵƌůĞƐƋƵĞůƐŽŶŶĞĐŽŶŶĂǷŦƚƉĂƐĚĞƐŽůƵƚŝŽŶĂŶĂůǇƚŝƋƵĞ͕ŵĂŝƐƋƵŝ
deux variables f est suffisamment différentiable. La condition initiale y
sont d’un grand intérêt pratique.
(t0) = y0 est en quelque sorte l’état de la solution à l’instant initial. Il
On commence par une équation différentielle d’ordre 1 avec condition
s’agit d’obtenir y(t) pour t ηt0.
initiale. La tâche consiste à déterminer une fonction y(t) solution de :
Définition distancées d’une valeur hi = ti+1 Ϋ ti. Dans la plupart des méthodes
L’équation (4) est dite d’ordre 1, car seule la dérivée d’ordre 1 de la présentées, cette distance est constante pour tout i et est notée h. On
variable y(t) est présente. Si les dérivées d’ordre 2 apparaissent dans appelle h le pas de temps.
l’équation (4), on aurait une équation d’ordre 2, et ainsi de suite.
Avec les outils numériques de résolution d’équations différentielles, il Remarque
n’est pas possible d’obtenir une solution pour toutes les valeurs de la On note y (ti) la solution analytique de l’équation différentielle (4) en t
variable indépendante t. On obtient plutôt une approximation de la = ti. On note yi la solution approximative en t = ti obtenue à l’aide d’une
solution analytique seulement à certaines valeurs de t notées ti et méthode numérique.
Méthode d’Euler Méthode d’Euler
1 Introduction 5 Systèmes d’équations différentielles
2 Méthode d’Euler 6 Equations d’ordre supérieur
3 Méthodes de Taylor Reprenons l’équation (4) avec la condition initiale y (t0) = t0. Le but est
d’obtenir une approximation de la solution en t = t1 = t0 + h. Avant
4 Méthodes de Runge-Kutta d’effectuer la première itération, il faut déterminer dans quelle direction
Méthodes de Runge-Kutta d’ordre on doit avancer à partir du point (t0,y0) pour obtenir le point (t1,y1), qui est
2 une approximation du point (t1,y (t1)). On n’a pas l’équation de la courbe y(t),
Méthode de Runge-Kutta d’ordre 4
mais on connaǷŦƚůĂƉĞŶƚĞy0(t) en t = t0. En effet, l’équation (4) assure que :
y0 (t0) = f (t0,y (t0)) = f (t0,y0).
On peut donc suivre la droite passant par (t0,y0) et de pente f (t0,y0).
L’équation de cette droite, notée d0(t), est :
d0(t) = y0 + f (t0,y0)(t Ϋ t0).
Figure: Méthode d’Euler. Il est important de noter que, le plus souvent, y1 6= y (t1).
En t = t1, on a : Si on souhaite faire une deuxième itération et obtenir une approximation
de y (t2), on peut refaire l’analyse précédente à partir du point (t1,y1).
d0 (t1) = y0 + f (t0,y0)(t1 Ϋ t0) = y0 + hf (t0,y0) := y1. KŶŶĞĐŽŶŶĂǷŦƚƉĂƐĞǆĂĐƚĞŵĞŶƚy (t1), mais on possède l’approximation y1
de y (t1). On doit alors utiliser l’expression :
En d’autres termes, d0 (t1) est proche de la solution analytique y (t1), c’est-
à-dire : y0 (t1) = f (t1,y (t1)) γf (t1,y1),
y (t1) γy1 = d0 (t1) = y0 + hf (t0,y0).
et construire la droite :
d1(t) = y1 + f (t1,y1)(t Ϋ t1)
qui permettra d’estimer y (t2). On constate que l’erreur commise à la | Ϋ |
première itération est réintroduite dans les calculs de la deuxième
itération.
On a alors : y (t2) γy2 = d1 (t2) = y1 + hf (t1,y1).
,
ζ ζ hf ,
Considérons l’équation différentielle y1 = y0 + hf (t0,y0) = 1 + 0.1f (0,1) = 1 + 0.1(Ϋ1 + 0 + 1) = 1.
y0(t) = Ϋy(t) + t + 1, y(0) = 1. La deuxième itération fonctionne de manière similaire :
On a donc t0 = 0 et y0 = 1, et on prend un pas de temps h = 0.1. De plus, on a y2 = y1 + hf (t1,y1) = 1 + 0.1f (0.1,1) = 1 + 0.1(Ϋ1 + 0.1 + 1) = 1.01.
: f (t,y) = Ϋy + t + 1. On parvient à :
On peut donc utiliser la méthode d’Euler et obtenir successivement des y3 = y2 + hf (t2,y2) = 1.01 + 0.1f (0.2,1.01) = 1.01 +
approximations de y(0.1), y(0.2), ..., notées y1, y2, .... La première
itération produit : 0.1(Ϋ1.01 + 0.2 + 1) = 1.029.
Le tableau suivant rassemble les résultats des dix premières itérations. On 0.3 1.040818 1.029000 0.011818
peut montrer que la solution analytique de cette équation différentielle 0.4 1.070302 1.056100 0.014220
est : y(t) = exp(Ϋt) + t, ce qui permet de comparer les solutions numérique
0.5 1.106531 1.090490 0.016041
et analytique, et de constater la croissance de l’erreur.
0.6 1.148812 1.131441 0.017371
0.7 1.196585 1.178297 0.018288
ti y (ti) yi |y (ti) Ϋ yi|
0.8 1.249329 1.230467 0.018862
0.0 1.000000 1.000000 0.000000
0.9 1.306570 1.287420 0.019150
0.1 1.004837 1.000000 0.004837
1.0 1.367879 1.348678 0.019201
0.2 1.018731 1.010000 0.008731
Figure: Méthode d’Euler : y0(t) = Ϋy(t) + t + 1 pour y(0) = 1.
La figure précédente montre une légère différence entre la solution
numérique et la solution analytique. On peut se demander comment se
comporte l’erreur |y (ti) Ϋ yi| en fonction du pas de temps h. La définition
qui suit aidera à apporter une réponse. Elle s’applique à la plupart des
méthodes étudiées dans ce chapitre.
Définition seulement. On désigne méthodes à pas multiples les méthodes qui
Une méthode de résolution d’équations différentielles est dite à un pas exigent également la solution numérique aux temps tnΫ1, tnΫ2, ....
si elle est de la forme : La méthode d’Euler est bien suˆr une méthode à un pas ou`
yn+1 = yn + hɔ(tn,yn), (5) ɔ(t,y) = f (t,y).
ou` ɔest une fonction quelconque. Une telle relation est appelée
équation aux différences. La méthode est à un pas si, pour obtenir la
solution en t = tn+1, on doit utiliser la solution numérique au temps tn
Dans ce chapitre, l’attenuation est principalement portée sur les Remarque
méthodes à un pas. On peut maintenant aborder la notion d’erreur de Il est important de noter que l’on utilise la solution exacte y (tn) (et non yn)
troncature dans le cas de ces méthodes. dans la définition de l’erreur de troncature locale. Cela s’explique par le fait
que l’on cherche à mesurer l’erreur introduite par l’équation aux
différrances à un pas donné, en supposant que la méthode était exacte
L’erreur de troncature locale au point jusque là.
Ϋ
ɒ Ϋ ɔ , . Examinons le cas de la méthode d’Euler (ɔ(t,y) = f (t,y)). En effectuant un
développement autour du point t = tn, on a :
3
0 y00 (tn)h2
3,
y (tn+1) = y (tn + h) = y (tn) + y (t )h + +Oh
= y (tn) + f (tn,y (tn))h + +Oh . h 2
2
L’erreur de troncature locale (6) devient donc :
y (tn+1) Ϋ y (tn) y00 (tn)h
ɒn+1(h) = Ϋf (tn,y (tn)) = + Oh2,
ou simplement ɒn+1(h) = O(h). On conclut que l’erreur de troncature est h est diminué d’un facteur de 2.
Dans la figure suivante, on voit nettement diminuer d’un facteur de 2
l’écart entre la solution analytique et la solution numérique chaque fois
que le pas de temps h est divisé par 2. Ces résultats confirment que
l’erreur de troncature locale de la méthode d’Euler est 1.
d’ordre 1 et qu’elle diminue d’un facteur 2 chaque fois que le pas de temps
Figure: Méthode d’Euler : h = 0.1, h = 0.05 et h = 0.025.
Bassem Ben Hamed (Université
Université de Sfax) ´ uations différentielles
Chapitre 2 : Eq
Equ
Equations Octobre 2017
Octob 3 / 98 Bassem Ben Hamed (Université de Sfax) ´
Méthodes de Taylor Méthodes de Taylor
1 Introduction 5 Systèmes d’équations différentielles
2 Méthode d’Euler 6 Equations d’ordre supérieur
3 Méthodes de Taylor Le développement de Taylor autorise une généralisation immédiate de la
méthode d’Euler, qui permet d’obtenir des algorithmes dont l’erreur de
4 Méthodes de Runge-Kutta troncature locale est d’ordre plus élevé. On se limite cependant à la
Méthodes de Runge-Kutta d’ordre méthode de Taylor du second ordre.
2
Méthode de Runge-Kutta d’ordre 4 On cherche, au temps t = tn, une approximation de la solution en
t = tn+1. On a
y00 (tn)h 1
y (t ) = y (t + h) = y (t ) + y0 (t )h + +O h3, 2 f 0 (tn,y
n+1 n n n (tn))h2 3
= y (tn) + f (tn,y (tn))h + +O h ,
2
En négligeant les termes d’ordre supérieur ou égal à 3, on obtient :
= y (tn) + hf (tn,y (tn))
y (tn+1) γ y (tn) + hf (tn,y (tn)) (8)
1
+O h3. (7)
D’après la relation (7), on a : ɒn+1(h) = O h2. L’erreur de la troncature locale
de la méthode de Taylor est d’ordre 2.
.
2
Ainsi
.
Algorithme
Alg
gorithme de Tay
Taylor
ylor d
d’ordre
ordre 2
approximation dans (8). On en conclut que les erreurs se propagent
,
ζ ζ
hf , Reprenons l’exemple y0(t) = Ϋy(t) + t + 1 de condition initiale y(0) = 1.
π , π , L’algorithme devient
, .
π π
h2
.
yn+1 = yn + h (Ϋyn + tn + 1) + (1 + (Ϋ1)(Ϋyn + tn + 1)).
2
La première itération de la méthode de Taylor d’ordre 2 donne (avec 0.2 1.018731 1.019025 0.000294
h = 0.1) : 0.3 1.040818 1.041218 0.000400
0.4 1.070302 1.070802 0.000482
y . 0.5 1.106531 1.107075 0.000544
Les résultats sont compilés dans le tableau qui suit. 0.6 1.148812 1.149404 0.000592
ti y (ti) yi |y (ti) Ϋ yi| 0.7 1.196585 1.197210 0.000625
0.0 1.000000 1.000000 0.000000 0.8 1.249329 1.249975 0.000646
0.1 1.004837 1.005000 0.000163 0.9 1.306570 1.307228 0.000658
1.0 1.367879 1.368541 0.000662
On remarque que l’erreur est plus petite avec la méthode de Taylor d’ordre
π π π
2 qu’avec la méthode d’Euler. , , ,...
Soit l’équation différentielle y0(t) = ty(t) de condition initiale y(1) = 2. π π π π
On vérifie que la solution exacte est y .
L’algorithme de la méthode de Taylor devient alors : La solution analytique est y(1.5) = 3.736492. Une deuxième itération
donne :
h2
yn+1 = yn + htnyn + (yn + tn (tnyn)). y2 = 3.5 + 0.5((1.5)(3.5)) + 0.125(3.5 + 1.5((1.5)(3.5))) = 7.546875, qui à son
2
Avec h = 0.5, la première itération donne : tour correspond à la solution analytique y(2) = 8.963378.
y1 = 2 + 0.5((1)(2)) + 0.125(2 + 1((1)(2))) = 3.5. On constate une erreur assez importante, qui est attribuable à la grande
taille du pas de temps h. En effet, si on réduit la taille de h, l’erreur devrait
diminuer en O h2 car la méthode est d’ordre 2. Cela signifie que, si h est
suffisamment petit, la diminution de h par un facteur de 2 réduit l’erreur 0.125 8 8.804926 0.158 3.27
selon un facteur approximatif de 4. Cependant, lorsqu’on diminue la valeur 0.0625 16 8.919646 0.0437 3.61
de h, il faut faire d’avantage d’itérations pour atteindre le but.
0.03125 32 8.951901 0.0114 3.80
Le tablaeu qui suit regroupe les approximations de y(2) pour différentes
0.015625 64 8.960439 0.0029 3.87
valeurs de h.
0.0078125 128 8.962635 0.00074 3.90
h i yi |y (2) Ϋ yi| Ratio
On remarque que la valeur de h est diminuée selon un facteur de 2, ce qui
0.5 2 7.546875 1.417 –
devrait abaisser l’erreur selon un facteur de 4 puisque la méthode est
0.25 4 8.444292 0.519 2.72 Ě͛ŽƌĚƌĞϮ͘ĞĨĂĐƚĞƵƌĚĞϰĂƉƉĂƌĂǷŦƚůŽƌƐƋƵĞh est suffisamment petit.
Méthodes de Runge-Kutta Méthodes de Runge-Kutta Méthodes de Runge-Kutta d’ordre 2
1 Introduction Méthode de Runge-Kutta d’ordre 4
2 Méthode d’Euler 5 Systèmes d’équations différentielles
3 Méthodes de Taylor 6 Equations d’ordre supérieur
4 Méthodes de Runge-Kutta Il serait avantageux de disposer de méthodes d’ordre plus élevé tout en
Méthodes de Runge-Kutta d’ordre évitant les désavantages des méthodes de Taylor, qui nécissitent
2 l’évaluation des dérivées partielles de la fonction f (t,y).
Méthodes de Runge-Kutta Méthodes de Runge-Kutta d’ordre 2 Méthodes de Runge-Kutta Méthodes de Runge-Kutta d’ordre 2
On a vu que le développement de la méthode de Taylor passe par la ou` on doit déterminer les paramètres ai, 1 ζi ζ4, de telle sorte que les
relation (7). Le but est de remplacer cette dernière relation par une expressions (7) et (10) aient toutes deux une erreur en O h3. On ne trouve
expression équivalente possédant le même ordre de précision O h3. On par ailleurs aucune dérivée partielle dans cette expression.
propose la forme : Un développement de Taylor autour du point (tn,y (tn)) donne :
y (tn+1) = y (tn) + a1hf (tn,y (tn)) πf (tn,y (tn))
f (tn + a3h,y (tn) + a4h) = f (tn,y (tn)) + a3h
+a2hf (tn + a3h,y (tn) + a4h), (10)
πt
+a4hπf (tn,y (tn)) + O h2. +O h3. (11)
πy
On voit tout de suite que les expressions (7) et (11) sont du même ordre.
La relation (10) devient : Pour déterminer les coefficients ai, il suffit de comparer ces deux
expressions terme à terme :
y (tn+1) = y (tn) + (a1 + a2)hf (tn,y (tn)) coefficients respectifs de f (tn,y (tn)) : h = (a1 + a2)h. coefficients
2 πf (tn,y (tn)) 2 πf (tn,y (tn)) respectifs de πf (tn,y (tn)) h2 = a2a3h2.
+a2a3h + a2a4h π
π ,
πt πy
coefficients respectifs de : 1 f (tn,y (tn))
πy a1 + a2 = 1, a2a3 = , a2a4 = . (12)
2 2
h2 2 f (tn,y (tn)) = a2a4h Cela offre une marge de manœuvre qui favorise la mise au point de
. plusieurs variantes de la méthode de Runge-Kutta. Voici le choix le plus
2 couramment utilisé.
On obtient ainsi un système sous-déterminé (il n’y a pas de solutions
unique) :
On obtient l’algorithme suivant :
a = 1 et a4 = f (tn,y (tn)).
,
ζ ζ hf ,
, , .
.
Remarque Exemple
Pour faciliter les calculs, l’évaluation de yn+1 a été scindée en deux
étapes. La variable temporaire ˆy correspond tout simplement à une Reprenons l’exemple y0(t) = Ϋy(t) + t + 1 de condition initiale y(0) = 1. On
itération de la méthode d’Euler. On fait ainsi une prédiction ˆy de la choisit le pas de temps h = 0.1.
solution en tn+1 qui est corrigée (et améliorée) à la deuxième étape de Itération 1 : ˆy = 1 + 0.1(Ϋ1 + 0 + 1) = 1 qui est le résultat obtenu à
l’algorithme. l’aide de la méthode d’Euler. La deuxième étape donne :
y1 = 1 + 0.05((Ϋ1 + 0 + 1) + (Ϋ1 + 0.1 + 1)) = 1.005.
Itération 2 : La première étape donne : On retrouve ainsi les mêmes résultats qu’avec la méthode de Taylor
d’ordre 2. Cette similitude est exceptionnelle et est due au fait que les
yˆ = 1.005 + 0.1(Ϋ1.005 + 0.1 + 1) = 1.0145. dérivées partielles d’ordre supérieur ou égal à 2 de la fonction f (t,y)
sont nulles. Ce n’est pas toujours le cas.
La correction conduit à :
Une autre méthode de Runge-Kutta d’ordre 2 qui est très utilisée et la
y2 = 1.005 + 0.05((Ϋ1.005 + 0.1 + 1) + (Ϋ1.0145 + 0.2 + 1)) = méthode du point milieu, qui correspond au choix suivant des coefficients
ai .
1.019025.
,
, , . Remarque
L’algorithme précédent illustre bien pourqoui cette méthode est dite du
point milieu. On remarque en effet que la fonction f (t,y) est évaluée au
point milieu de l’intervalle [tn,tn+1].
,
ζ ζ hf ,
hf , .
.
Méthodes de Runge-Kutta Méthodes de Runge-Kutta d’ordre 2 Méthodes de Runge-Kutta Méthode de Runge-Kutta d’ordre 4
Remarque En reprenant le développement de Taylor de la fonction f , mais cette fois
Les méthodes d’Euler modifiée et du point milieu étant du même ordre de jusqu’à l’ordre 5, un raisonnement similaire à celui mené aux méthode
troncature locale, leur précision est semblable. D’autres choix sont possibles Runge-Kutta d’ordre 2 aboutit à un système de 8 équations non linéaires
pour les coefficients ai, mais on se limite aux deux cas précédents. comprenant 10 inconnues. Le résultat final est la méthode de Runge-Kutta
d’ordre 4, qui représente un outil d’une grande utilité.
Méthodes de Runge-Kutta Méthode de Runge-Kutta d’ordre 4 Méthodes de Runge-Kutta Méthode de Runge-Kutta d’ordre 4
,
ζ ζ
hf , .
Soit de nouveau l’équation y0(t) = Ϋy(t) + t + 1, y(0) = 1. Il suffit maintenant
hf , .
d’évaluer les différentes constantes ki. A la première itération
(h = 0.1), on a :
hf , .
hf , . k1 =0.1f (0,1) = 0,
. k2 =0.1f (0 + 0.005,1 + 0) = 0.005,
.
k3 =0.1f (0 + 0.005,1 + 0.0025) = 0.00475, Le tableau qui suit compare la solution numérique et la solution exacte, et
k4 =0.1f (0 + 0.1,1 + 0.00475) = 0.009525, donne l’erreur absolue.
ĐĞƋƵŝĞŶƚƌĂǷŦŶĞƋƵĞy1 = 1.0048375.
Une deuxième itération produit : ti y (ti) yi |y (ti) Ϋ yi|
k1 = 0.1f (0.1,1.0048375) = 0.00951625, 0.0 1.0000000000 1.0000000000 0.000
k2 = 0.1f (0.15,1.009595625) = 0.014040438, 0.1 1.0048374180 1.0048375000 0.819×10Ϋ7
k3 = 0.1f (0.15,1.011857719) = 0.0138142281, 0.2 1.0187307798 1.0187309014 0.148×10Ϋ6
k4 = 0.1f (0.2,1.018651728) = 0.0181348272, 0.3 1.0408182207 1.0408184220 0.210×10Ϋ6
ĐĞƋƵŝĞŶƚƌĂǷŦŶĞƋƵĞy2 = 1.0187309014. 0.4 1.0703200460 1.0703202889 0.242×10Ϋ6
0.5 1.1065306597 1.1065309344 0.274×10Ϋ6 au fil des itérations, ce qui indique encore une fois une propagation de
0.6 1.1488116361 1.1488119343 0.298×10Ϋ6 l’erreur d’une itération à l’autre.
0.7 1.1965853034 1.1965856186 0.314×10Ϋ6 On constate que plus l’ordre d’une méthode est élevé, plus cette
0.8 1.2493289641 1.2493292897 0.325×10Ϋ6 méthode est précise. Par contre, elle devient plus couˆteuse en temps de
calcul. Par exemple, la méthode d’Euler (d’ordre 1) ne nécessite qu’une
0.9 1.3065696598 1.3065799912 0.331×10Ϋ6
seule évaluation de la fonction f (t,y) à chaque pas de temps, alors que la
1.0 1.3678794412 1.3678797744 0.333×10Ϋ6
méthode d’Euler modifiée (d’ordre 2) en demande 2 et que la méthode
On constate que l’erreur se situe autour de 10Ϋ6, ce qui se compare de Runge-Kutta (d’ordre 4) exige 4 évalutations de la même fonction.
avantageusement avec les erreurs obtenues à l’aide de méthodes d’ordre
moins élevé. On remarque également une légère croissance de l’erreur
L’exemple qui suit permet de comparer les différentes méthodes sur une Méthode h Nbre de pas Résultat Erreur
base plus équitable. Euler 0.025 40 1.36323237417 0.464×10Ϋ2
On considère l’équation habituelle y0(t) = Ϋy(t) + t + 1, y(0) = 1. On recourt
Euler 0.05 20 1.36803862167 0.159×10Ϋ3
à trois méthodes de résolution : la méthode d’Euler avec un pas h =
modifiée
0.025, la méthode d’Euler modifiée avec h = 0.05 et la méthode de Runge-
Runge-Kutta 0.1 10 1.36787977441 0.333×10Ϋ6
Kutta avec h = 0.1. Ces valeurs de h permettent de comparer ces 3
Même en prenant un pas de temps quatre fois plus petit, la méthode
méthodes sur la base de couˆts de calculs à peu près équivalents. Le
d’Euler reste très imprécise par rapport à celle de Runge-Kutta d’ordre 4.
tableau suivant présente les résultats obtenus en t = 1 pour ces différents
On peut porter le même jugement à la méthode d’Euler modifiée. Il est
choix. La valeur exacte de la solution est y(1) = 1.3678794412.
Méthodes de Runge-Kutta Méthode de Runge-Kutta d’ordre 4 Systèmes d’équations différentielles
donc préférable d’utiliser des méthodes d’ordre aussi élevé que 1 Introduction
possible.
2 Méthode d’Euler
3 Méthodes de Taylor
4 Méthodes de Runge-Kutta
Méthodes de Runge-Kutta d’ordre
2
Méthode de Runge-Kutta d’ordre 4
Systèmes d’équations différentielles Systèmes d’équations différentielles
5 Systèmes d’équations différentielles y ,
6 Equations d’ordre supérieur .
.. (16)
Cette section traite les méthodes de résolution de systèmes d’équations y fm (t,y1(t),...,ym(t)), (ym (t0) = ym,0).
différentielles avec conditions initiales. Il suffit juste d’adopter
légèrement les méthodes déjà vues. Remarque
La forme générale d’un système de m équations différentielles avec Ces m équations sont couplées dans le sens ou` l’équation régissant la
conditions initiales s’écrit variable dépendante yi(t) peut dépendre de toutes les autres variables
dépendantes.
Parmi les techniques de résolution des systèmes d’équations
différentielles, on présente que la méthode de Runge-Kutta d’ordre 4. Il
est possible d’utiliser également les autres méthodes déjà vues, mais
leur précision s’avère souvent insuffisante.
Remarque y , (y1(0) = 2),
Pour comprendre le principe de cet algorithme, il suffit de le voir comme y , (18)
une application de la méthode de Runge-Kutta à chacune des équations
différentielles. De plus, il est nécessaire de calculer les m constantes ki,1 dont la solution analytique est
avant de passer au calcul des constantes ki,2 et ainsi de suite.
y1(t) = 2et Ϋ tet, y2(t) = et Ϋ tet.
On a alors f1 (t,y1,y2) = y2, f2 (t,y1,y2) = 2y2 Ϋ y1 et la condition initiale
Exemple
(t0,y1,0,y2,0) = (0,2,1). Si on prend par exemple h = 0.1, on trouve
Soit le système de deux équations différentielles suivant k1,1 = 0.1(f1(0,2,1)) = 0.1,
k2,1 = 0.1(f2(0,2,1)) = 0,
k1,2 = 0.1(f1(0.05,2.05,1)) = 0.1,
k2,2 = 0.1(f2(0.05,2.05,1)) = Ϋ0.005, y
k1,3 = 0.1(f1(0.05,2.05,0.9975)) = 0.09975,
k2,3 = 0.1(f2(0.05,2.05,0.9975)) = Ϋ0.0055,
k1,4 = 0.1(f1(0.1,2.09975,0.9945)) = 0.09945,
k2,4 = 0.1(f2(0.1,2.09975,0.9945)) = Ϋ0.011075,
y
Figure: y (0) = 2) et y
La figure illustre les solutions analytiques y1(t) et y2(t) de même que leurs
approximations respectives.
Equations d’ordre supérieur Equations d’ordre supérieur
1 Introduction Méthode de Runge-Kutta d’ordre 4
2 Méthode d’Euler 5 Systèmes d’équations différentielles
3 Méthodes de Taylor 6 Equations d’ordre supérieur
Dans cette section, on s’intéresse à la résolution numérique d’une
4 Méthodes de Runge-Kutta équation différentielle d’ordre m avec conditions initiales dont la forme
Méthodes de Runge-Kutta d’ordre générale est
2
y (t0) = c1, y0 (t0) = c2,...,y(mΫ1) (t0) = cm. (20)
y . (19)
Pour assurer l’unicité de la solution, on ajoute les m conditions initiales
m
m
0
, ,
0
Ϋ , Ϋ Ϋ ,
0
, ,..., , .
Soit l’équation différentielle d’ordre 2 suivante Remarque
Une fois l’équation d’ordre m transformée en un système de m
y00(t) = Ϋy0(t) + (y(t))2 + t2 Ϋ 5, équations différentielles d’ordre 1, on peut recourir à l’algorithme (17)
pour sa résolution.
avec les conditions initiales y(0) = 1 et y0(0) = 2. Il suffit de poser y1(t) =
y(t) et y2(t) = y0(t), on obtient
y
y .

Eq Diff - pdf1

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Eq Diff - pdf1

Hochgeladen von

Copyright:

Introduction

Das könnte Ihnen auch gefallen