2

Méthode d’Euler

I 2. Tout calcul de valeur approché exige qu’on cherche à es-

timer la qualité de l’approximation.
Principe général 2.1 Sur les figures précédentes, la corde dont la pente est la
plus proche de la tangente au point d’abscisse xi est celle de la
1. Considérons une fonction f définie sur un segment [ a, b ]. méthode [1.5].
1.1 On représente la fonction f par un échantillon de ses va- 2.2 Si on peut considérer que le pas de la subdivision :
leurs :
δ = max | ti+1 − ti |
Y = f ( t 0 ), . . . , f ( t N −1 )
 
0< i < N

calculées sur une subdivision du segment [ a, b ] : est petit (en fonction de quelle grandeur de référence ?), la for-
mule de Taylor–Young confirme que la méthode [1.5] est la plus
T = [ t0 , . . . , t N −1 ] où a = t0 < t1 < · · · < t N −1 = b. précise.
3. Discrétisation régulière
1.2 Si la fonction f est dérivable, alors Pour une première approche, on peut supposer que la discréti-
sation est régulière : on subdivise le segment [ a, b ] en N sous-
f (ti + h) − f (ti ) intervalles de même longueur
∀ 0 6 i < N, f ′ (ti ) = lim .
h →0 h
b−a
dt =
On peut donc approcher la valeur de f ′ (ti ) par un taux d’ac- N
croissement calculé à l’aide de l’échantillon Y. Trois choix sont
de telle sorte que
possibles.
1.3 Taux d’accroissement à droite de ti ∀ 0 6 i < N, ti = a + i dt.
3.1 Pour une discrétisation régulière, on estime la dérivée f ′
par l’une des formules suivantes :
f ( t i +1 ) − f ( t i )
(4) f ′ (ti ) ≈ ,
dt
f ( t i ) − f ( t i −1 )
(5) f ′ (ti ) ≈ ,
dt
t i −1 ti t i +1
f ( t i +1 ) − f ( t i −1 )
(6) f ′ (ti ) ≈ .
2 dt
f ( t i +1 ) − f ( t i ) 3.2 Si la fonction f est deux fois dérivable, on peut alors es-
(1) ∀ 0 6 i < N − 1, f ′ (ti ) ≈
t i +1 − t i timer sa dérivée seconde f ′′ par la formule suivante :
1.4 Taux d’accroissement à gauche de ti f ( t i +1 ) − 2 f ( t i ) + f ( t i −1 )
(7) f ′′ (ti ) ≈
dt2
pour 0 < i < N − 1.
3.3 Si dt est petit (par rapport à quelle grandeur de réfé-
rence ?), la formule de Taylor–Young suggère qu’il s’agit d’une
approximation de bonne qualité, puisque la différence entre
f ′′ (ti ) et sa valeur approchée est O( dt2 ).
t i −1 ti t i +1
II
f ( t i ) − f ( t i −1 ) Application aux équations différentielles
(2) ∀ 0 < i < N, f ′ (ti ) ≈
t i − t i −1

1.5 Taux d’accroissement symétrique II.1 Équation du premier ordre

4. Problème de Cauchy
On considère ici une équation différentielle du premier ordre
(linéaire ou non) :
dy
(8) = f y ( t ), t


dt
et on impose une condition initiale au sens où
t i −1 ti t i +1
y ( a ) = y0 ,
f ( t i +1 ) − f ( t i −1 ) la constante y0 étant choisie.
(3) ∀ 0 < i < N − 1, f ′ (ti ) ≈ La théorie de Cauchy-Lipschitz précise des hypothèses sur la
t i +1 − t i −1
fonction f pour que cette équation admette une, et une seule,
solution sur [ a, b ].
2 • Méthode d’Euler

5. Exemples 8. Variante
5.1 Soient ω > 0 et τ = 1/ω. L’équation différentielle On peut aussi s’inspirer de l’approximation [1.3] pour approcher
l’équation différentielle :
∀ t > 0, y′ (t) + ωy(t) = E
y ( t i +1 ) − y ( t i )
≈ f y ( t i +1 ), t i +1 .


est de la forme (8) avec t i +1 − t i
∀ (y, t) ∈ R × R+ , f (y, t) = E − ωy. 8.1 Le schéma d’Euler implicite consiste à définir des réels
yi en prenant encore y0 pour valeur initiale, mais cette fois avec
L’unique solution y telle que y(0) = 0 est la fonction définie par
(11) yi+1 + f (yi+1 , ti+1 ) · dt = yi
∀ t > 0, y(t) = τE 1 − e−ωt .
 

pour relation de récurrence.

5.2 L’équation différentielle 8.2 Si la relation (10) donne immédiatement la valeur de yi+1
en fonction de la donnée ti et de la valeur déjà calculée yi , il en
∀t∈ R, y′ (t) + 2ty(t) = 0 va autrement avec la relation (11) : il faut résoudre une équation
pour déduire la valeur de yi+1 de la donnée ti+1 et de la valeur
est de la forme (8) avec déjà calculée yi . C’est pour cette raison que ce schéma est dit
R2 ,
implicite.
∀ (y, t) ∈ f (y, t) = −2ty. 8.3 Si le schéma implicite (11) est par nature plus difficile à
2
mettre en œuvre que le schéma habituel (10), il est souvent plus
L’unique solution y telle que y(0) = 1 est la fonction [ t 7→ e−t ]. précis.
6. The underlying idea of any routine for solving the initial value 9. Suite de [5.1] – On compare les approximations calculées
problem is always this: Rewrite the dy’s and dt’s in (8) as finite steps par le schéma d’Euler classique (10) et par le schéma d’Euler
∆y and ∆t, and multiply the equations by ∆t. This gives algebraic for- implicite (11) pour dt = 0, 2
mulas for the change in the function when the independent variable t is
"stepped" by one "stepsize" ∆t. In the limit of making the stepsize very
small, a good approximation to the underlying differential equation is
achieved. 1.0
Literal implementation of this procedure results in Euler’s method,
which is, however, not recommended for any practical use.
Euler’s method is conceptually important, however; one way or an- 0.8
other, practical methods all come down to this same idea: Add small
increments to your function corresponding to derivatives (right-hand
0.6
side of the equation) multiplied by stepsize. Euler classique
Euler implicite
y

Press, W.H.; Teukolsky, S.A.; Vetterling, W.T. & Flannery, B.P. : 0.4
Solution exacte
Numerical Recipes in C, Second Edition,
Cambridge university press (1992).
0.2

7. Schéma d’Euler
Pour tracer l’allure du graphe de la solution y, il suffit de 0.0
connaître un échantillon de valeurs de y :
0 1 2 3 4 5

Y = y ( t 0 ), . . . , y ( t N −1 ) .
 
t

7.1 D’après la condition initiale, il faut que y(t0 ) = y0 . puis pour dt = 0, 025.
7.2 D’après l’étude précédente [1.4],

y ( t i +1 ) − y ( t i )
≈ f y ( t i ), t i


t i +1 − t i 1.0

c’est-à-dire
0.8

(9) y(ti+1 ) ≈ y(ti ) + f y(ti ), ti · dt

0.6
en supposant que la discrétisation en temps soit régulière [3]. Euler classique
7.3 Le schéma d’Euler consiste alors à définir des réels yi en Euler implicite
y

prenant y0 pour valeur initiale et 0.4

Solution exacte

(10) yi+1 = yi + f (yi , ti ) · dt

0.2

pour relation de récurrence.

7.4 Il faut rester conscient du fait que le schéma d’Euler (10)
0.0
est plus un analogue qu’une approximation de (9).
0 1 2 3 4 5
t

Pour cette équation, les deux méthodes se valent.

 II Application aux équations différentielles

10. Suite de [5.2] – On compare les approximations calculées 12. Un système différentiel est découplé quand les varia-
par le schéma d’Euler classique (10) et par le schéma d’Euler tions de chaque fonction sont indépendantes des autres fonc-
implicite (11) pour dt = 0, 1 tions, c’est-à-dire :
 ′
y1 ( t ) = f 1 y1 ( t ), t





 y ′ ( t ) = f y ( t ), t


2 2 2
1.0
Euler classique
.. .
Euler implicite 

 .
Solution exacte  ′

y d ( t ) = f d y d ( t ), t


0.8

Il s’agit alors simplement de résoudre d équations différentielles

0.6 les unes après les autres.
13. Le schéma d’Euler associé au système différentiel (12) re-
y

pose sur des relations de récurrence couplées.

0.4

y1,k+1 = y1,k + (tk+1 − tk ) · f 1 (y1,k , . . . , yd,k , tk )




2,k +1 = y2,k + ( t k +1 − t k ) · f 2 ( y1,k , . . . , yd,k , t k )
0.2 y

(13) ..
.



0.0
yd,k+1 = yd,k + (tk+1 − tk ) · f d (y1,k , . . . , yd,k , tk )


0.0 0.5 1.0 1.5 2.0 2.5 3.0

t 14. Le schéma d’Euler implicite associé à (12) repose lui aussi
sur des relations de récurrence couplées, mais cette fois, il faut
puis pour dt = 0, 05. résoudre un système de d équations à chaque itération.

y1,k+1 − (tk+1 − tk ) · f 1 (y1,k+1 , . . . , yd,k+1, tk+1 ) = y1,k




2,k +1 − ( t k +1 − t k ) · f 2 ( y1,k +1 , . . . , yd,k +1 , t k +1 ) = y2,k
y

1.0
Euler classique (14) ..
Euler implicite
.



Solution exacte
yd,k+1 − (tk+1 − tk ) · f d (y1,k+1 , . . . , yd,k+1, tk+1 ) = yd,k

0.8

C’est long pour un système linéaire, ça risque d’être trop long

0.6
pour un système non linéaire !
15. Traditionnellement, les solutions d’un système différen-
y

tiel ne sont pas toutes représentées en fonction du temps sur une

0.4
même figure mais sous la forme d’une courbe dans l’espace des
phases.
0.2 Par exemple, on représente les solutions y1 et y2 d’un système
de deux équations :

y1′ (t) = f 1 y1 (t), y2 (t), t

(
0.0

y2′ (t) = f 2 y1 (t), y2 (t), t

0.0 0.5 1.0 1.5 2.0 2.5 3.0
t
par l’arc paramétré plan
Cette fois, on peut noter un léger avantage en faveur du schéma
d’Euler implicite. Γ = y1 ( t ), y2 ( t ) , t ∈ I .


Dans les deux cas, on constate qu’une diminution du pas de
temps dt se traduit par une approximation de meilleure qualité. Chaque point M de la courbe Γ représente un instant t ∈ I :
l’abscisse de M donne la valeur de y1 (t) et son ordonnée donne
la valeur de y2 (t).
II.2 Système du premier ordre 16. Exemple
Pour cet exemple, on abandonne la notation générale, propre à
11. En dimension d, un système différentiel du premier la dimension d,
ordre est un système d’équations de la forme y1 ( t ), . . . , y d ( t )

au profit de la notation usuelle en dimension 2 :

 ′
y1 ( t ) = f 1 y1 ( t ), . . . , y d ( t ), t





 y ′ ( t ) = f y ( t ), . . . , y ( t ), t


x ( t ), y ( t ) .


2 2 1 d
(12) ..
.

16.1 La solution du système différentiel


 ′

y d ( t ) = f d y1 ( t ), . . . , y d ( t ), t

x ′ (t) = −2x (t) + y(t)

(
où les variations de chacune des fonctions y1 , . . ., yd dépendent
de toutes les fonctions. y′ (t) = x (t) − 2y(t)

telle que x (0) = 2 et y(0) = 0 est définie par

x (t) = e−t + e−3t

R

∀t∈ , .
y(t) = e−t − e−3t
2 • Méthode d’Euler

16.2 Le système à résoudre pour le schéma d’Euler implicite 17.2 La fonction scalaire x est solution de l’équation différen-
est un système linéaire indépendant du temps. On en déduit la tielle (15) si, et seulement si, la fonction vectorielle y est solution
relation de récurrence suivante. du système différentiel
(1 + 2 dt) · xk + dt · yk
(16) y ′ ( t ) = F y ( t ), t


x k +1 =
1 + 4 dt + 3 dt2
dt · xk + (1 + 2 dt) · yk où la fonction F est définie par
y k +1 =
1 + 4 dt + 3 dt2
où dt est le pas (constant) de temps. (17) ∀ ( x, v, t) ∈ R3 , F ( x, v), t = v, f (( x, v), t) .

16.3 On compare les approximations par le schéma d’Euler

classique et par le schéma d’Euler implicite pour dt = 0, 05 17.3 Dans l’espace des phases, la position initiale y(0) est un
couple : une position initiale x0 (réelle) et une vitesse initiale
v0 (réelle).
0.45
y (0) = x (0), x ′ (0) = x0 , v0



0.40

0.35
18. Équation du pendule harmonique
0.30 L’équation différentielle
0.25
x ′′ (t) + ω 2 x (t) = 0
y

0.20

0.15 se traduit par le système différentiel suivant

0.10  ′
Euler classique x (t) = v(t)
(18)
0.05 Euler implicite v′ (t) = − ω 2 x (t)
Solution exacte
0.00
0.0 0.5 1.0 1.5 2.0
où v(t) = x ′ (t).
x
18.1 La solution exacte associée à la condition initiale
puis pour dt = 0, 025.
y(0) = x (0), x ′ (0) = (1, 0)

0.45 est définie par x (t) = cos ωt pour tout t ∈ . R

0.40
18.2 Le schéma d’Euler associé à ce système se traduit par la
relation de récurrence suivante.
0.35

vk · dt
(
x k +1 = x k +
0.30

vk+1 = vk − ω 2 · xk · dt.
0.25
y

0.20 18.3 Après résolution du système linéaire, le schéma d’Euler

0.15
implicite se traduit par la relation de récurrence suivante.

0.10
Euler classique xk + vk · dt vk − ω 2 xk dt
x k +1 = v k +1 =
0.05 Euler implicite 1 + (ω dt)2 1 + (ω dt)2
Solution exacte
0.00
0.0 0.5 1.0 1.5 2.0
18.4 Évolution de x (t) en fonction de t pour dt = 0, 1
x

16.4 On constate encore que le schéma implicite est légère-

ment plus précis que le schéma explicite et qu’une diminution 1.5
du pas de temps dt se traduit par une meilleure approximation
de la solution.
1.0

II.3 Équation du second ordre

0.5
17. Espace des phases
17.1 Une équation différentielle du second ordre
0.0
x

(15) x ′′ (t) = f x (t), x ′ (t), t

peut se traduire par un système différentiel du premier ordre en −0.5

dimension deux en introduisant le vecteur

−1.0 Euler explicite
y ( t ) = x ( t ), x ′ ( t )


Euler implicite
Solution exacte
dont la dérivée s’obtient en dérivant coefficient par coefficient : −1.5
0 2 4 6 8 10 12 14

y′ (t) = x ′ (t), x ′′ (t) . t

 III Limites de la méthode

puis pour dt = 0, 02. 19.2 Lorsque le pas de temps passe de dt = 0, 1 à dt = 0, 02,

les variations d’amplitude sont moins nettes, mais le comporte-
ment qualitatif reste le même : divergence dans un cas, amortis-
1.5 sement dans l’autre.

1.0

Solution exacte
Euler explicite
0.5
Euler implicite
0.5

0.0
x

dx/dt
−0.5 0.0

−1.0 Euler explicite

Euler implicite
Solution exacte −0.5
−1.5
0 2 4 6 8 10 12 14
t

19. Tracé dans l’espace des phases −1.0 −0.5 0.0 0.5 1.0

La solution x étant périodique, elle se traduit par une trajectoire x

fermée dans le plan des phases.
Cependant, aucun des deux schémas ne conduit à une solution
périodique !
19.1 Le schéma classique donne l’impression d’un système
III
qui diverge (l’amplitude des oscillations augmente avec le
temps) tandis que le schéma implicite donne l’impression d’un Limites de la méthode
système amorti (l’amplitude des oscillations diminue avec le
temps). 20. La méthode d’Euler est simple à mettre en œuvre : c’est
sa principale qualité.
20.1 On constate sur les différents exemples qu’une diminu-
tion du pas de temps se traduit par une meilleure qualité de
l’approximation.
Cela dit, quand on ne connaît pas de formule analytique pour
la solution du problème de Cauchy, rien ne permet de savoir a
0.5 priori si un pas de temps choisi est assez petit pour conduire à
une approximation satisfaisante.
20.2 Par ailleurs, plus le pas de temps est très petit, plus le
nombre d’itérations à effectuer pour approcher la solution sur
dx/dt

0.0 un intervalle [0, T ] est grand. Chaque itération étant marquée par
une erreur d’arrondi, on peut craindre que les erreurs d’arrondi
se propagent exagérément au cours du calcul.
21. Le module scipy.integrate contient la fonction odeint
−0.5 qui permet de résoudre numériquement toute équation différen-
Solution exacte tielle du premier ordre de la forme
Euler explicite
Euler implicite
Y ′ ( t ) = F Y ( t ), t


−1.0 −0.5 0.0 0.5 1.0
x où Y est une fonction à valeurs vectorielles.
21.1 Bien que reposant sur le même principe que la méthode
d’Euler [6], la fonction odeint produit un résultat généralement
fiable et précis.
21.2 Dans le cas où l’espace des phases est un plan (comme
pour l’équation du pendule harmonique), la commande odeint
réclame trois arguments :
– La fonction F de la position Y = (y, v) dans l’espace des
phases et du temps t ;
– La condition initiale, c’est-à-dire un vecteur Y0 = (y0 , v0 ) de
l’espace des phases ;
– La discrétisation de l’intervalle de résolution.
21.3 Le résultat retourné par odeint est un tableau S dont les
lignes contiennent des valeurs approchées des vecteurs Y (t0 ),
Y (t1 ), . . ., Y (t N −1 ).
Les valeurs approchées de y(t0 ), y(t1 ), . . ., y(t N −1 ) constituent
donc la colonne de rang 0 du tableau S et les valeurs approchées
de v(t0 ), v(t1 ), . . ., v(t N −1 ) constituent la colonne de rang 1.
2 • Méthode d’Euler

21.4 La figure ci-dessous montre la résolution de l’équation

du pendule harmonique sur l’intervalle [0, 14] divisé en 50 sous-
intervalles, ce qui correspond à un pas de temps dt = 0, 7.

Solution exacte
Solution odeint

0.5
dx/dt

0.0

−0.5

−1.0 −0.5 0.0 0.5 1.0

x

import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import odeint as odeint

w = 1/2
# Discrétisation du temps
T = np.linspace(0,14) # On résout sur [0, 14]

## Résolution littérale
x = np.cos(w*T)
v = -w*np.sin(w*T)
plt.plot(x,v,’r’,label=’Solution exacte’)

## Résolution numérique
# Équation différentielle : Cf. (17)
def F(Y, t):
x, v = Y[0], Y[1]
return [v, -w**2*x]
# Condition initiale
Y0 = [1.0, 0]
S = odeint(F, Y0, T)
X, V = S[:,0], S[:,1] #
Cf. [21.3]
plt.plot(X, V,’ob’,label=’Solution odeint’)

plt.axis(’equal’) # repère orthonormé

plt.xlim(-1.15, 1.25)
# Légende
plt.xlabel("x", size=20)
plt.ylabel("dx/dt", size=20)
plt.legend(loc=0)