Le schéma d'Euler implicite 44 4 4 1 Méthodes implicites 83 7 5 Quelle formule de quadrature proposez-vous pour l'intégration numérique d'une fonction
Previous PDF | Next PDF |
[PDF] Méthodes numériques - CMAP
Exercice Les schémas d'Euler explicite et implicite sont d'ordre 1 en temps et 2 en espace Département de Mathématiques Appliquées Transport et diffusion
[PDF] Résolution numérique des Équations Différentielles Ordinaires
Le schéma d'Euler implicite 44 4 4 1 Méthodes implicites 83 7 5 Quelle formule de quadrature proposez-vous pour l'intégration numérique d'une fonction
[PDF] RESOLUTION NUMERIQUE, DISCRETISATION DES EDP ET EDO
II 2 10 2 Schéma implicite III 7 1 Méthodes d'Euler explicite et implicite Ces erreurs peuvent se cumuler sur un calcul et la solution numérique nale pourra
[PDF] Une méthode implicite non-factorisée décentrée hybride pour la
le lundi 18 janvier 1999 Une méthode implicite iion-factorisée décentrée hybride du schéma numérique: intégration Euler rétrograde et discrétisation spatiale par un FVS seulement, pour des Tronçon daile-rnât-nacellc SCh M = 0 82, û
[PDF] Stabilité des schémas aux différences finies et analyse de von
I- Schémas d'Euler explicite/implicite pour l'équation de la chaleur (x) = approximation numérique de u(x,n t) solution d'une EDP d'évolution x IR d , u n [ L 2
[PDF] Sur les méthodes de discrétisation numérique de - ENGEES
the research unit of "urban hydraulic system" of the national school of waters and Pour tous les schémas numériques de nature explicite, se pose le problème
[PDF] MÉTHODES NUMÉRIQUES POUR LE PRICING DOPTIONS Table
Schémas numériques pour la résolution de l'équation de la chaleur 4 Schéma d'Euler implicite Résolution numérique de l'équation de Black-Scholes plique lég`erement la mise en œuvre informatique, puisque c'est un sch`ema `a trois
[PDF] Schéma dEuler explicite
o`u f est une fonction continue de R+ × U dans Rd, est donné par la relation de récurrence (2) vn+1 = vn + ∆tf(tn,vn) Une « solution » de ce schéma est un
[PDF] Schémas dintégration temporelle pour les - Mines ParisTech
28 sept 2015 · Il existe des schémas d'intégration numérique tr`es généraux, que l'on pourra appliquer `a différentes lois de Dans ce cas, g(q, t) est défini de façon implicite : C g(q, t) + K q = F(t) Sch émas d'int égration temporelle 11/33
[PDF] méthode d'euler équation différentielle python
[PDF] erreur de consistance différences finies
[PDF] résolution numérique des équations différentielles ordinaires exercices corrigés
[PDF] consommation marqueur social
[PDF] les differentes finalités d'une entreprise
[PDF] les finalités de l'entreprise management
[PDF] les finalités de l'entreprise cours
[PDF] les finalités de l'entreprise pdf
[PDF] les finalités de l'entreprise cours ofppt
[PDF] finalité d'une entreprise définition
[PDF] objectif entreprise 2016 complet
[PDF] classement des pays consommateur d'alcool en afrique 2017
[PDF] les pays qui consomment le plus d'alcool en afrique
[PDF] classement des pays consommateur d'alcool en afrique 2016
![[PDF] Résolution numérique des Équations Différentielles Ordinaires [PDF] Résolution numérique des Équations Différentielles Ordinaires](https://pdfprof.com/Listes/17/44396-17Cours_EDO_C_Besse.pdf.pdf.jpg)
Résolution numérique des Équations
Différentielles Ordinaires
L3 Mapi
3Christophe Besse
Copyright
c2016 Christophe BesseLicensed under the Creative Commons Attribution-NonCommercial 3.0 Unported License (the "License").
You may not use this file except in compliance with the License. You may obtain a copy of the License
athttp://creativecommons.org/licenses/by-nc/3.0. Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an"as is" basis, without warranties or conditions of any kind, either express or implied. See the License for the specific language governing permissions and limitations under the License.First printing, November 2016
Table des matières
1Interpolation polynomiale.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1 Interpolation de Lagrange
51.2 Étude de l"erreur d"interpolation et stabilité
61.3 Calcul pratique du polynôme d"interpolation de Lagrange
91.3.1 Différences divisées
101.3.2 Algorithme de Horner
111.4 Exercices12
2Intégration numérique.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1 Formules de quadrature et leur ordre
152.2 Étude de l"erreur
192.3 Formules d"ordre supérieur
232.4 Polynômes orthogonaux de Legendre
242.5 Formule de quadrature de Gauss
242.6 Exercices25
3EDO - Introduction.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4La méthode d"Euler.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.1 Exemples35
4.2 Le cas général
374.3 Analyse de la méthode
384.4 Le schéma d"Euler implicite
444.4.1 Consistance
444.4.2 Stabilité
444.4.3 Convergence
454.5 Étude générale de l"erreur des méthodes à un pas45
4.6 Les méthodes de prédicteur-correcteur
474.7 Exercices49
5Les méthodes multi-pas.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.1 Introduction55
5.1.1 La règle des trapèzes
565.1.2 Méthode de Adams-Bashforth à 2 étapes AB(2)
565.2 Les méthodes à deux pas
565.2.1 Consistance
575.2.2 Construction
575.3 Méthodes àkétapes58
5.4 Convergence et (zéro)-stabilité
595.5 Familles classiques
605.5.1 Adams-Bashforth 1883
605.5.2 Famille Adams-Moulton 1926
6161
5.5.4 Milne-Simpson 1926
615.5.5 Backward Differentiation Formulas (BDF) 1952
615.6 Exercices61
6Stabilité.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.1 Stabilité absolue - motivations
656.2 Stabilité absolue
676.3 Méthode de localisation de la frontière
706.4 A-stabilité71
6.5 Extension aux systèmes d"EDO
716.6 Exercices74
7Les méthodes de Runge-Kutta.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.1 Description de la méthode
777.2 Consistance79
7.2.1 Méthodes RK à une étape
797.2.2 Méthodes RK à deux étapes
807.2.3 Méthodes RK à trois étapes
817.2.4 Méthodes RK à quatre étapes
817.2.5 Méthodes implicites
817.3 Stabilité absolue
827.4 Méthodes implicites
837.5 Exercices85
Bibliographie.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Livres87
Index.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
1. Interpolation polynomialeOn dispose d"une série de couples de points(xi;fi),i2 f0;;ng. Le but de l"interpolation est de
contruire un polynômepqui prenne les valeursfiaux pointsxi. Si on suppose que les valeursfisont issues de l"évaluation d"une fonctionfenxi, nous tenterons de quantifier l"erreurjf(t)p(t)j.x 1x 2x 3x 4x 5On ne présente ici que l"interpolation de Lagrange. Il en existe d"autres comme par exemple l"interpolation
de Hermite qui outre les valeursfis"interesse également aux valeurs de la dérivée enxi.Notations
On notePnl"ensemble des polynômes d"une variable (réelle ou complexe) de degrén.Pnest un espace vectoriel de dimensionn+ 1 Soit [a;b]2R. On noteC0([a;b])l"ensemble des fonctions continues sur[a;b]et kfk1= sup x2[a;b]jf(x)j On n oteCm([a;b])l"ensemble des fonctions de classeCmsur[a;b]. 1.1Inter polationde Lagrange
On considèren+ 1points distincts, pas nécessairement ordonnés(x0;x1;;xn)de[a;b]et on considère une fonctionf2C0([a;b]). Nous souhaitons répondre à la question Existe-t-il un polynômep2Pntel quep(xi) =f(xi),0in?6Chapitre 1. Interpolation polynomialeDéfinition 1.1.1 - Polynômes de Lagrange.On définit les polynômes de Lagrange associés aux
points(x0;;xn)par l i(x) =(xx0)(xxi1)(xxi+1)(xxn)(xix0)(xixi1)(xixi+1)(xixn);0in; Y0jn;j6=i(xxj)(xixj):(1.1)
On ali(xj) =ij8(i;j)2 f0;;ngoùijest le symbole de Kronecker, et degré(li) =n.Proposition 1.1.1(l0;;ln)est une base dePn.
Preuve
Cette famille est évidemment génératrice. Le point clé est de savoir si elle est libre. Soit
(a0;;an)2Rn+1etx2R. Alors, siPn i=0aili(x)pour toutx, on a pour toutj,Pn i=0aili(xj) = 0.Commeli(xj) =ij, cela impliqueaj= 0pour toutj.
Ainsi, la famille est libre et génératrice et c"est donc une base.Théorème 1.1.2 Le problème : trouverp2Pntel quep(xi) =f(xi),80inadmet une unique solution donnée par p(x) =nX i=0f(xi)li(x):(1.2) ps"appelle le polynôme d"interpolation de Lagrange, notépn.Preuve
Existence : on vérifie aisément que le polynômepdonné par (1.2) répond à la question.
Unicité : soitq2Pntel queq(xi) =f(xi),80inetr=pq2Pn. On a ainsir(xi) = 080in. Il existe donc un polynômeAtel que
r(x)|{z} d n=A(x)(xx0)(xx1)(xxn)|{z} d (n+1):Donc, siA6= 0,rdevrait être de degrén+ 1. La seule possibilité est queA0et doncr= 0.ROn posen+1(x) = (xx0)(xx1)(xxn). Alors
l i(x) =n+1(x)(xxi)0n+1(xi):(1.3) 1.2 Étude de l"err eurd"inter polationet sta bilité En pratique, on commet systèmatiquement des erreurs car un ordinateur ne travaille qu"avec unnombre limité de chiffres significatifs. Il est donc important de connaître l"influence sur le résultat final
des erreurs commises sur les données. On remplace (ici volontairement) les vraies valeursf(xi)par des
valeurs approchéesfiet on regarde l"incidence surpn. On note ce nouveau polynôme d"interpolation
~pn(x) =Pn i=0fili(x). L"erreur commise est donc j~pn(x)pn(x)j= n X i=0(fifi(x))li(x) nX i=0jfifi(x)j jli(x)j maxijfifi(x))jnX i=0jli(x)j:1.2 Étude de l"erreur d"interpolation et stabilité 7
On note la constante de Lebesgue associée aux pointsx0;;xn n= maxx2[a;b]n X i=0jli(x)j:Ainsi,
k~pn(x)pn(x)k1nmaxijfifi(x)j: L"erreur commise sur lesf(xi)est donc amplifiée (ou atténuée) par la constante de Lebesgue. Proposition 1.2.1On introduit l"application linéaire L n:C0([a;b])!Pn f7!pnqui àf2C0([a;b])associe son unique polynôme d"interpolation de Lagrange aux pointsx0;;xn.Alors, la norme deLnestn, c"est à dire
jjjLnjjj:= sup f2C0([a;b]) f6= 0kLn(f)kkfk1= n:Preuveon commence par montrerjjjLnjjj n. On a
jLn(f)(x)j=jpn(x)j= n X i=0f i(x)li(x) nX i=0jfi(x)j jli(x)j kfk1n X i=0jli(x)j nkfk1: Pour obtenir l"égalité, on se demande s"il existe une fonctionf2C0([a;b])telle quekLn(f)k1= nkfk1. Il n"est pas du tout sur qu"une telle fonction existe car lesuppeut ne pas être atteint.Supposons que c"est le cas. Cela impliquerait
1.kfk1n
X i=0jli (x)j= nkfk1signifie quexest un point de maximum de la fonctiony7!P ijli(y)j. Or, un tel point existe car cette fonction est continue sur[a;b], intervalle fermé borné deR. 2. nX i=0kfk1 nX i=0jfi(x)j jli (x)jsignifie quejf(xi)j=kfk1pour touti. On peut supposer que kfk1= 1. 3. nX i=0jfi(x)j jli (x)j= n X i=0f i(x)li(x) signifie que lesfi(x)li(x)ont tous le même signe. On peut supposer que toutes ces quantités sont positives. En combinant(2)et(3), on voit qu"on peut prendref(xi) = 1sili(x)0etf(xi) =1sili(x)<0. De plus, si on suppose les points ordonnésx0< x1<< xn, on peut choisirfaffine par morceaux(c"est à dire affine sur chaque intervalle[xi;xi+1]) et constante pourxx0etxxn. Alors, on vérifie
aisément quefsatisfaitekLn(f)k1= nkfk1.Notre première estimation de l"erreur est donnée parThéorème 1.2.2Pour toute fonctionf: [a;b]!R, on a
kfLn(f)k1(1 + n)d(f;Pn)8Chapitre 1. Interpolation polynomialeoùd(f;Pn) = infq2Pnkfqk1.
Preuve: par unicité du polynôme d"interpolation, on aLn(q) =q,8q2Pn. On écrit alors kfLn(f)k1=kfq+LnqLn(f)k1 kfqk1+kLn(qf)k1 kfqk1+ nkfqk1:Le résultat en découle en prenant l"infimum.RCe théorème est une forme indeterminée car on verra quelimn!1n= +1et quelimn!1d(f;Pn) =