Résolutionnumériqued’équationsdifférentielles
0 0 0 5 1 0 1 5 2 0 2 5 1 2 3 4 5 6 7 8 Méthode d'Euler pour y'=y n=5 n=10 n=100 Solution exacte Figure 1–Approximationdeexpparlaméthoded’Euler • pour la
Méthode d’Euler pour la chute avec frottement
Méthode d’Euler pour la chute avec frottement L’équation différentielle modélisant la chute verticale d’un solide dans un fluide est la suivante : dv =A - B vn dt Par définition : t v(t t) v(t) lim dt dv t 0 donc lorsque t est petit on a l’expression approchée : ( ) ( ) v t t v t A Bv t ( )n t
Equation différentielle et méthode dEULER
B) EQUATION DIFFERENTIELLE ET METHODE d'EULER - Etablir l'équation différentielle du mouvement - Montrer que : Si f = k V Si f = K V2 dV / dt = A – B V avec A = g (1- fluide V/m) et B = k / m dV / dt = A – C V2 avec A = g (1- fluide V/m) et C = K / m V lim = A / B = m A / k V lim
CHAPITRE 11 : RÉSOLUTION DÉQUATIONS DIFFÉRENTIELLES PAR LA
On voit clairement apparaître dans la procédure une limite de la méthode d’Euler En effet plus on va calculer de points à partir du temps initial plus on va s’éloigner de la solution 2 Programmation en Python def euler (derivee, y0, pas, nombre_iterations): liste_approx = [y0] compteur = 0 while compteur < nombre_iterations :
Runge–Kutta methods for ordinary differential equations
The simple Euler method: yn = yn 1 +hf(yn 1); h = xn xn 1 can be made more accurate by using either the mid-point or the trapezoidal rule quadrature formula: yn = yn 1 +hf yn 1 + 1 2hf(yn 1): yn = yn 1 + 1 2hf(yn 1)+ 1 2hf yn 1 +hf(yn 1): Runge–Kutta methods for ordinary differential equations – p 3/48
déquation différentielle RESOLUTION APPROCHEE DUNE EQUATION
Equation vectorielle et méthode d'Euler En fait la méthode d'Euler s'applique également aux équations du type Y' = F(Y, t) avec Y fonction d'un intervalle de vers n avec nP2 On peut ainsi ramener une équation différentielle d'ordre 2, 3 en une équation différentielle de degré 1 On procède à la vectorisation de l'équation
Résolution numérique d’une équation différentielle
0 0 0 5 1 0 1 5 2 0 2 5 3 0 3 5 4 0 1 0 0 5 0 0 0 5 1 0 1 5 2 0 2 5 3 0 Méthode d'Euler vectorielle x y On peut noter une légère différence entre les deux scripts pour définir x et y; cette différence est due au fait que dans le
Méthode de résolution des équations différentielles ODE
II 1 Méthodes d'Euler explicite et implicite 09 II 2 Méthode d'Euler amélioré 15 II 3 Méthode d'Euler-Cauchy 15 II 4 Méthode de Crank – Nicholson 18 II 5 Méthode de Heun 19
Physically Based Modeling: Principles and Practice
Euler’s method simply computes x t0 C h/ by taking a step in the derivative direction, x t0 C h/ D x0 C hxP t0/: You can use the mental picture of a 2D vector field to visualize Euler’s method Instead of the real integral curve, p follows a polygonal path, each leg of which is determined by evaluating the vector f at the beginning, and
Differential Equations
Chapter 0 A short mathematical review A basic understanding of calculus is required to undertake a study of differential equations This zero chapter presents a short review
[PDF] calcul intégrale python
[PDF] python intégration numérique
[PDF] exercice python euler
[PDF] le médecin malgré lui acte 2 scène 4
[PDF] méthode dichotomie python
[PDF] le message andrée chedid résumé détaillé
[PDF] résolution équation différentielle matlab ode45
[PDF] le message andrée chedid genre
[PDF] algorithme méthode d'euler implicite matlab
[PDF] méthode de tir équation différentielle
[PDF] le message andrée chedid quiz
[PDF] le message andrée chedid extrait
[PDF] méthode euler implicite matlab
[PDF] le message andrée chedid texte intégral
Résolution numérique d"équations différentielles
6 mars 2018
Considérons l"équation différentielle suivante : ?y?(t) = 5y2(t)-y(t)×(1 +t3) y(0) = 1C"est une équation différentielle d"ordre 1, mais elle n"est pas linéaire. Nous ne savons pas la
résoudre de manière exacte. Nous allons toutefois pouvoir la résoudre numériquement...Remarquons déjà que cette équation peut s"écrire sous la formey?(t) =F(y(t),t)avecF:R2→
Rla fonction définie parF(a,b) = 5a2-a(1 +b3).
Plus généralement, étant donnéF:R2→R(ou définie sur une partie deR2), le théorème de
Cauchy-Lipschitz assure que sous des conditions raisonnables, il existe une unique application yde classeC1sur[t0,tf](tf comme "temps final») vérifiant le problème de Cauchy : ?y?(t) =F(y(t),t) y(t0) =y0Remarque : les ED linéaires d"ordre 1 peuvent bien sûr s"écrire sous la formey?(t) =F(y(t),t).
Donnons quelques exemples :
•y?(t) = (1 +t2)y(t)s"écrity?(t) =F(y(t),t)avecF(a,b) = (1 +b2)a. •y?(t) =y(t)s"écrity?(t) =F(y(t),t)avecF(a,b) =a. L"objet desschémas numériquesest d"obtenir des approximations de ces solutions dont lathéorie donne l"existence mais ne dit pas comment les obtenir. Elles consistent en général à
approximer la solutionyen un certain nombre de points répartis sur[t0,tf].1 La méthode d"Euler
1.1 Le principe de la méthode
L"idée principale est que "localement la courbe de la fonctionyressemble à sa tangente». Ainsi
sihest proche de0, on a y(t0+h)≂y(t0) +hy?(t0) =y(t0) +hF(y(t0),t0). 1 On peut donc approchery(t0+h)par la quantitéy(t0) +hF(y(t0),t0). On découpe ainsi l"intervalle de temps[t0,tf]ennsegments de même longueurh=tf-t0n (on dit quehest le pas). On dispose ainsi den+1tempstk=a+khpourk? {0,...,n}. On va alors approximer la solutionyà l"instanttkpar le nombreykdéfini par la relation de récurrence : y k+1=yk+hF(yk,tk). On initialise enfin avec la condition initialey0=y(t0). def euler(F, t0,tf,y0, n): """Données:F(y,t) une fonction
t0,t1 deux réels avec t0 < t1 y0 un réel n un entierRésultat: le tuple constitué de la liste des temps [t0,...,tn] et la liste des (n+1) réels [y_0, ...y_n]
qui constituent une approximation de la solution y sur [t0,tf] de l"ED y"=F(y,t) avec la condition initiale y(t0) = y0 h = (tf-t0)/n y = y0 t = t0Y = [y0]
T = [t0]
for k in range(n): # n itérations donc n+1 points y = y + h*F(y,t) t = t + hY.append(y)
T.append(t)
return T,YLa quantitéh=tf-t0n
est appelé le pas. Plus le pas est petit, meilleure sera l"approximation.Remarque : un autre point de vue équivalent et en lien avec les méthodes numériques d"inté-
gration pourrait être : y(tk+1)-y(tk) =? tk+1 t ky?(u)du=? tk+1 t kF(y(u),u)du≈hF(y(tk),tk).Cela revient à estimer l"intégraleI=?tk+1tkF(y(u),u)dupar la méthode des rectangles à gauche
sur[tk,tk+1].1.2 Mise en oeuvre de la méthode d"Euler
Appliquons notre fonctioneuleravec le cas d"écoley?=yety(0) = 1. Nous la résolvons sur [0,1]. 2 def F(y,t): return y y0 = 1 n = 5T5,Y5 = euler(F,0,1,y0,n)
Nous avons pris ici seulementn= 5.
In [74]: T5
Out[74]: [0, 0.2, 0.4, 0.6000000000000001, 0.8, 1.0]In [75]: Y5
Out[75]: [1, 1.2, 1.44, 1.728, 2.0736, 2.48832]
La dernière valeur de Y5 auquel on peut accéder parY5[-1]est une approximation deexp(1) = e. Observons l"évolution de l"erreur commise à l"instant1lorsque l"on augmenten: for n in [10,100,1000]:T,Y = euler(F, 0, 1, y0, n)
erreur = abs(Y[-1] -np.exp(1)) print(erreur) Les valeurs affichées sont0.124539368359,0.0134679990375,0.00135789622315. On observe que sinest multiplié par10, donc le pas divisé par10, l"erreur semble elle aussi divisée par10. Cela semble indiquer que la méthode d"Euler est une méthode d"ordre 1. On peut démontrer que c"est effectivement le cas. Remarque : dans notre cas d"école, on ayk+1=yk+hyk= (1 +h)ykd"oùyn=y0(1 +h)n= (1+h)n. Si l"on découpe[0,1]ennintervalles,h=1n et doncyn= (1+1n )nest une approximation de exp en1, c"est-à-dire du nombre e. On peut effectivement montrer que (1 + 1n )n-e=-e2n+o(1n ce qui corrobore que la méthode est d"ordre 1. Voici les courbes obtenus pour différentes valeurs den.2 Pour la culture : d"autres méthodes numériques
D"autres méthodes numériques très classiques améliorent la méthode d"Euler mais reposent sur
le même principe : ayant un pas fixéh, on construit encore une suite : ?t k+1=tk+h y k+1=yk+hm où le nombrempeut être assimilé à unepente moyennesur l"intervalle[tk,tk+1]. 30.00.51.01.52.02.512345678Méthode d'Euler pour y'=y
n=5 n=10 n=100 Solution exacteFigure1 - Approximation de exp par la méthode d"Euler •pour la méthode du point milieu, on prend pourmla valeur estimé deu?→F(y(u),u) au milieu de[tk,tk+1], c"est-à-dire m=F(yk+h2F(yk,tk),tk+h2
Remarques :
-cela revient à estimer l"intégraleIci-dessus par la méthode du point milieu sur [tk,tk+1]. -on peut montrer que c"est une méthode d"ordre deux.•pour la méthode de Heun,mest la moyenne de la dérivée entket de la dérivée entk+1
estimée par Euler, c"est-à-dire : m=F(yk,tk) +F(yk+hF(yk,tk),tk+1)2Remarques :
-cela revient à estimer l"intégraleIci-dessus par la méthode des trapèzes sur[tk,tk+1]. -on peut montrer que c"est une méthode d"ordre deux. •pour la méthode RK4 dite de "Runge-Kutta d"ordre 4»,mest la moyenne pondérée de quatre pentes. C"est la plus performante des quatre méthodes citées, elle est d"ordre quatre.3 Et avec Python?
Il faut utiliser la fonctionodeintde Python de la librairiescipy.integrate. 4 from scipy.integrate import odeint import numpy as np import matplotlib.pyplot as plt Ne pas hésiter à regarder la notice de la fonction avechelp(odeint). Elle permet de résoudre des ED du typey?(t) =F(y(t),t)avecy(t0) =y0. Elle prend en argument la fonctionF, la condition initialey0et une liste de temps commençant àt0. Par exemple, pour résoudrey?=ysur[0,1]avecy(0) = 1. On pourra écrire le script suivant : def F(y,t): return y temps = np.linspace(0, 1, 10)Y = odeint(F, 1, temps)
In [14]:Y
Out[14]:
array([[ 1. ], [ 1.11751906], [ 1.24884886], [ 1.39561243], [ 1.55962349], [ 1.742909 ], [ 1.94773405], [ 2.17663003], [ 2.43242551], [ 2.7182819 ]])On peut tracer la solution obtenue :
plt.plot(temps,Y) plt.show()On peut aussi résoudre des systèmes différentiels. Traitons l"exemple suivant, un modèle "proie-
prédateur» oùx(t)(resp.y(t)) représente la quantité de renards (resp. de lapins) à l"instantt.
On prend comme conditions initialesx0= 6ety0= 4et on fait une étude sur une durée de 10 ans. ?x?(t) =x(t)(3-2y(t)) y ?(t) =-y(t)(4-x(t))(E) On "vectorialise» notre ED : on poseX(t) = (x(t),y(t), alors X ?(t) = (x?(t),y?(t)) = (x(t)(3-2y(t)),-y(t)(4-x(t))). Le système linéaire(E)s"écrit donc sous la formeX?(t) =F(X(t),t)avecF:R2×R→R2 définie par :F((x,y),t) = (x(3-2y),-y(4-x)).
5 def F(X,t): x,y = X[0],X[1] # ou bien x,y = X return (x*(3-2*y),y*(x-4)) temps = np.linspace(0,10, 1000) sol = odeint(F,[6,4], temps) La variablesolest un tableau numpy de 1000 lignes et deux colonnesIn [46]: type(sol)
Out[46]: numpy.ndarray
In [47]: sol.shape
Out[47]: (1000, 2)
La première colonne correspond aux valeurs dex(t)et et la deuxième aux valeurs dey(t). On récupère ces deux colonnes avec du slicing. lapins = sol[ :, 0] renards = sol[ :, 1]Il n"y a plus qu"à tracer.
# Evolution des populations plt.plot(temps,lapins) plt.plot(temps,renards) plt.show() # Portrait de phase plt.plot(lapins, renards) plt.show()4 Et pour les ED d"ordre supérieur?
Prenons l"exemple du pendule qui conduit à une équation différentielle d"ordre deux scalaire
(solution à valeurs dansR) : ??=-sinθ.L"idée est que l"on peut transformer cette ED d"ordre deux, en un système différentiel d"ordre
1 ou une équation différentielle d"ordre 1 vectorielle (à valeurs dansR2). En effet, on pose
X(t) = (θ(t),θ?(t)). AlorsX?(t) = (θ?(t),θ??(t)) = (θ?(t),-sinθ(t)). Ainsi l"ED est équivalente
àX?(t) =F(X(t),t)avec
F((x,y),t) = (y,-sinx).
On résoud l"équation sur[0,6π]et on prend comme conditions initialesθ(0) = 0etθ?(0) = 0.5.
6