Coursagregop B

ENS Rennes TABLE DES MATIÈRES
Compléments de cours - Agrégation externe - Option B

Équations différentielles ordinaires :
Voici les notes de cours que j’ai réalisées afin de donner aux agrégatifs suivant l’option B
mon complément de cours de 10h sur les équations différentielles ordinaires.
Table des matières

1 Équations différentielles ordinaires - étude 2
1.1 Grandes lignes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Vectoriser une équation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Existence et unicité d’une solution maximale . . . . . . . . . . . . . . . . . . . . . 2
1.4 Question du temps d’existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4.1 Résolution explicite (variables séparées) . . . . . . . . . . . . . . . . . . . . 4
1.4.2 Utilisation du théorème des bouts . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Propriétés qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5.1 Préservation de la positivité . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5.2 Étude des points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Étude complète de systèmes différentiels 7

2.1 Un premier système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Modèle de dé-pollution d’un lac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Modèle de Lotka-Volterra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3 Systèmes à coefficients périodiques 11

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Rappels sur la résolvante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Théorème de Floquet et conséquences . . . . . . . . . . . . . . . . . . . . . . . . . 12
4 Étude de la méthode d’Euler explicite 14

4.1 Étude théorique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Simulation numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5 Vers les problèmes de Dirichlet 17

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.2 Étude théorique : existence via la méthode de tir . . . . . . . . . . . . . . . . . . . 17
5.3 Étude théorique : unicité via le principe du maximum . . . . . . . . . . . . . . . . 18
5.4 Mise en œuvre numérique : différences finies . . . . . . . . . . . . . . . . . . . . . . 19
5.4.1 Caractère bien posé du problème . . . . . . . . . . . . . . . . . . . . . . . . 19
5.4.2 Convergence du schéma (dans le cas où q ≡ 0) . . . . . . . . . . . . . . . . 21
5.5 Étude théorique : utilisation du théorème de Lax-Milgram . . . . . . . . . . . . . . 23
5.6 Mise en œuvre numérique : la méthode de Galerkin . . . . . . . . . . . . . . . . . . 24
5.7 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6 Équation de la chaleur 27
6.1 Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.2 Well-posedness . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.3 Étude du schéma numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Compléments de cours - Option B 1 Théo Gherdaoui

ENS Rennes 1 ÉQUATIONS DIFFÉRENTIELLES ORDINAIRES - ÉTUDE
1 Équations différentielles ordinaires - étude

1.1 Grandes lignes
Que faire lorsqu’il y a une EDO dans un texte ?
1. On vectorise l’équation.
2. Existence et unicité d’une solution maximale.
3. Question sur le temps d’existence.
4. Propriétés qualitatives.
1.2 Vectoriser une équation

Sil’EDO  est scalaire d’ordre n, on la vectorise en une EDO vectorielle d’ordre 1. On pose
x
 x′  ′
y (t) = f (t, y(t))
y =  ..  et on se ramène à une EDO d’ordre 1 sous la forme , où
 
 .  y(t0 ) = y0
x(n−1)
f : I × D → E, I un intervalle ouvert de R et D un ouvert connexe de (E, ∥·∥E ), un espace de
Banach.
Exemple 1. On considère l’équation différentielle régissant le mouvement
d’une pendule simple
′′ ′ 2 θ
avec force de frottements : θ − αθ − ω0 sin(θ) = 0. En posant X := , on obtient :
θ′

′ x 2 y
X (t) = f (t, X(t)) avec f : t, ∈ R × R 7→ ∈ R2 .
y αy + ω02 sin(x)
1.3 Existence et unicité d’une solution maximale

Theorème 1 (Cauchy-Lipschitz)
Si I est un intervalle ouvert de R, (E, ∥·∥E ) un espace de Banach, D un ouvert connexe de E, et
f : I × D → E est une fonction continue et localement lipschitzienne ′ par rapport à la seconde
y (t) = f (t, y(t))
variable, alors pour tout y0 ∈ D, t0 ∈ I, le problème de Cauchy admet
y(t0 ) = y0
une unique solution maximale définie sur un intervalle ouvert de I contenant t0 .
Remarques. 1. L’idée clef de la preuve est : appliquer le théorème du point fixe de Picard à
la formulation intégrale de l’équation différentielle.
2. Le caractère lipschitzien par rapport à la seconde variable assure la continuité par rapport
à celle-ci, mais pas la continuité par rapport à la variable de temps. Si l’équation n’est pas
autonome, il s’agit donc d’une réelle hypothèse !
1. Toute fonction C 1 est localement lipschitzienne.
Theorème 2 (Cauchy-Arzela-Peano)
Dans le même cadre, avec E de dimension finie, si f est uniquement continue, alors il existe
une solution locale.
Démonstration : En effet, soit T0 > 0 tel que [t0 − T0 , t0 + T0 ] ⊆ I (possible car I est ouvert). Soit
r0 > 0 tel que B(x0 , r0 ) ⊆ D. La fonction f est continue sur le compact C0 = [t0 − T0 , t0 + T0 ] ×
B(x0 , r0 ), donc elle est bornée par M . Soit T = min(T0 , r0 /M ). Toute solution du problème de
Cauchy sur [t0 − T, t0 + T ] est à valeurs dans B(x0 , r0 ). En effet : soit x ∈ C 1 ([t0 − T, t0 + T ]),
une solution du problème de Cauchy, et τ = sup {t ∈ [t0 , t0 + T ], ∀s ∈ [0, t], ∥x(s) − x0 ∥ ⩽ r0 }.
Supposons τ < T + t0 . Alors,
Z τ
r0 = ∥x(τ ) − x0 ∥ = f (s, x(s))ds ⩽ M (τ − t0 ) < M T ⩽ r0 .
t0

Ainsi, τ = T + t0 , ceci conclut à l’existence du cylindre de sécurité.

On introduit E = (C 0 [t0 − T, t0 + T ], B(x0 , r0 ) , ∥·∥∞ ), espace de Banach. On considère :
 
E → ZE
t
Φ: .
x 7→ t 7→ x0 + f (s, x(s))ds
t0
L’application est bien définie, par le théorème fondamental de l’analyse, et est bien à valeurs dans
la boule B(x0 , r0 ) puisque M T ⩽ r0 . On applique le théorème du point fixe de Schauder à C = E.
C’est bien un convexe fermé et non vide de E. On a déjà vu que ϕ(E) ⊂ E. Montrons que Φ est
continue. L’application f est continue sur C0 , compact donc uniformément continue par Heine :
ε
∀ε > 0, ∃δ > 0 tel que pour tout (t, x)(t′ , x′ ) ∈ C0 , ∥(t, x) − (t′ , x′ )∥ ⩽ δ, ∥f (t, x) − f (t′ , x′ )∥ ⩽ .
T
Ainsi, pour tout x, y ∈ E, ∥x − y∥∞ ⩽ δ, pour tout t ∈ [t0 − T, t0 + T ],
Z t
∥Φ(x)(t) − Φ(y)(t)∥ = (f (s, x(s)) − f (s, y(s))) ds ⩽ ε,
t0
donc ∥Φ(x) − Φ(y)∥∞ ⩽ ε.
Montrons que Φ(E) est compacte dans E. On utilise le théorème d’Ascoli : [t0 − T, t0 + T ]
est une partie compacte, B(x0 , r0 ) est complet, Φ(E) ⊆ E.
ε
1. Φ(E) est équicontinue : soit ε > 0, soient t1 , t2 ∈ [t0 − T, t0 + T ], tels que |t1 − t2 | ⩽ δ := .
M
Alors, pour tout x ∈ E,
Z t′
′
Φ(x)(t) − Φ(x)(t ) = f (s, x(s))ds ⩽ M |t − t′ | ⩽ ε.
t
2. Pour tout t ∈ [t0 − T, t0 + T ], Φ(E)(t) = {Φ(x)(t), x ∈ E} est bien relativement compact, car
bornée et de dimension finie, puisqu’à valeurs dans B(x0 , r0 ).
Le théorème du point fixe de Schauder conclut à l’existence d’un point fixe. Le théorème fonda-
mental de l’intégration donne donc la régularité C 1 au point fixe, puis la formulation intégrale est
équivalente au problème de Cauchy.
Remarques. 1. On n’a pas unicité : y ′ = 3|y|2/3 , y(0) = 0 admet sur R deux solutions : y ≡ 0
et y : t ∈ R 7→ t3 .
2. On utilise fortement la compacité du cylindre C0 et des segments, c’est pourquoi la preuve
est profondément basée sur la dimension finie. Le théorème est d’ailleurs faux en dimension
infinie : considérons l’espace de Banach (c0 (N), ∥·∥∞ ) (il est bien complet car fermé de
(l∞ (N), ∥·∥∞ ) ; soit (un )n∈N ∈ c0 (N)N qui converge vers u ∈ l∞ (N), alors, ∀ε > 0, ∃n0 ∈ N
tel que pour tout n ⩾ n0 , ∥un − u∥∞ ⩽ ε/2. De plus un0 = (ukn0 )k∈N tend vers 0, donc
il existe k0 ∈ N tel que pour tout k ⩾ k0 , |ukn0 | ⩽ ε/2. Alors, pour tout k ⩾ k0 , |uk | ⩽
∥u − un0 ∥∞ + |ukn0 | ⩽ ε). De plus, on définit :

p 1
f : (un )n⩾0 ∈ c0 (N) 7→ |un | + ∈ c0 (N).
n + 1 n⩾0
Elle est bien définie et continue : soient ε > 0, (u, v) ∈ c0 (N)2 telles que ∥u − v∥∞ ⩽ δ := ε2 .
Alors,
p pour p tout n ∈ N,
Si |un | + |vn | ⩽ ε, alors, |f (un ) − f (vn )| ⩽ ε par inégalité triangulaire. Sinon,
||un | − |vn || ∥u − v∥∞
|f (un ) − f (vn )| ⩽ p p ⩽p p ⩽ ε.
|un | + |vn | |un | + |vn |
′
u (t) = f (u(t))
Néanmoins, le problème de Cauchy n’admet pas de solution. Si (I, y)
u(0) = 0
est solution, alors :
p 1
∀t ∈ I, ∀n ∈ N, yn′ (t) = |yn (t)| + > 0.
n+1

Donc, pour tout t ∈ I ∩ R∗+ , yn (t) > yn (0) = 0. Ainsi,

p p
∀n ∈ N, ∀t ∈ I ∩ R∗+ , yn′ (t) ⩾ |yn (t)| = yn (t) i.e. ∀n ∈ N, ∀t ∈ I ∩ R∗+ , yn (t) ⩾ 4t2 > 0.
Ainsi, yn (t) ∈
/ c0 (N). Impossible.
1.4 Question du temps d’existence

1.4.1 Résolution explicite (variables séparées)
Exemple 2. Résoudre le problème de Cauchy
′
y (t) = y(t)(1 − y(t))
.
y(0) = y0
Le problème de Cauchy s’écrit y ′ (t) = f (t, y(t)), où f : (t, y) ∈ R2 7→ y(1 − y) ∈ R. Elle est de
classe C 1 (R × R), donc le problème de Cauchy admet une unique solution maximale définie sur un
intervalle ouvert I contenant 0. Remarquons que si y0 = 0, ou y0 = 1, alors la solution est globale,
constante égale à y0 . Si y0 ∈]0, 1[, alors, la solution vérifie pour tout t ∈ I, y(t) ∈]0, 1[ (par unicité
dans le théorème de Cauchy-Lipschitz) (la solution est bornée donc globale). On obtient donc, par
méthode de séparation des variables, pour tout t ∈ I,
y ′ (t)
= 1,
y(t)(1 − y(t))
i.e.
1 1
y ′ (t) + = 1.
y(t) 1 − y(t)
Alors, pour tout t ∈ I,
y(t) 1 − y(t)
ln − ln = t.
y0 1 − y0
Ainsi,
y(t) y0
ln = t + ln .
1 − y(t) 1 − y0
Enfin,
et+α

y0
y(t) = , avec α = ln .
1 + et+α 1 − y0
et+α
On traîte les deux cas suivants de la même manière : si y0 < 0, on obtient : y(t) = ,
et+α − 1
définie sur I =] − ∞, −α[. On a la même formule pour y0 > 1, avec I =] − α, +∞[.
1.4.2 Utilisation du théorème des bouts

Theorème 3
Si E est de dimension finie, D = E, et J =]T∗ , T ∗ [ est l’intervalle d’existence de la solution
maximale, alors, se présente l’alternative suivante :
∗ sup(I) = T ∗ .
∗ sup(I) > T ∗ et lim∗ ∥y(t)∥ = +∞.
t→T
L’idée est : si la solution est bornée en temps fini, alors T ∗ = sup(I). Un cas particulier important
est celui d’un champ de vecteurs à croissance au plus linéaire :
Proposition 1
Soit f : R × R → Rd continue et localement lipschitzienne par rapport à la seconde variable

vérifiant : il existe M1 , M2 ∈ L1loc (R) tel que
∀(t, x) ∈ R × Rd , ∥f (t, x)∥ ⩽ M1 (t) ∥x∥ + M2 (t).
Alors, les solutions maximales du problème de Cauchy y ′ (t) = f (t, y(t)) sont globales.
Démonstration : Les hypothèses assurent qu’à une condition initiale fixée, y(t0 ) = y0 , le problème de
Cauchy admet une unique solution maximale (I, y) définie sur un intervalle ouvert I contenant t0 ,
I = (T∗ , T ∗ ). Le critère d’explosion en temps fini assure qu’à lieu l’alternative suivante : T ∗ = +∞,
ou lim∗ ||y(t)|| = +∞. Remarquons que
t→T ,
t<T ∗
Z t Z t Z t
∀t ∈ (t0 , T ∗ ), ∥y(t)∥ ⩽ ∥y0 ∥ + ∥f (s, y(s))∥ ds ⩽ ∥y0 ∥ + M2 (s)ds + M1 (s) ∥y(s)∥ ds.
t0 t0 t0
Le lemme de Grönwall donne : ∀t ∈ (t0 , T ∗ ),

Z t Z t Z s Z t
∥y(t)∥ ⩽ ∥y0 ∥ + M2 (s)ds + ∥y0 ∥ + M2 (u)du M1 (s) exp M1 (u)du ds.
t0 t0 t0 s
Les fonctions M1 et M2 étant L1loc (R), on ne peut avoir explosion en temps fini. Ainsi, le théorème
des bouts donne T ∗ = +∞. On obtient de la même façon T∗ = −∞.
Exemple 3. Soit U ∈ C 2 (Rn , R) telle que lim U (x) = +∞. Les solution maximales de x′ (t) =
∥x∥→+∞
−∇U (x(t)) avec condition initiale en 0 sont définies sur R+ et sont bornées. En effet, le champ
de vecteurs ∇U étant C 1 , le théorème de Cauchy-Lipschitz assure qu’à condition initiale fixée, le
système-gradient admet une unique solution x définie sur un intervalle ouvert I, contenant 0. De
plus, on a, ∀t ∈ I,
d 2
(U (x(t))) = dU (x(t))(x′ (t)) = (∇U (x(t))| − ∇(U (x(t)))) = − ∥∇U (x(t))∥ ⩽ 0.
dt
Ainsi, ∀t ∈ I ∩ R+ , U (x(t)) ⩽ U (x(0)). La coercivité de U assure qu’il n’y a pas explosion en temps
fini positif. Ainsi, le théorème de sortie de tout compact donne R+ ⊂ I.
Remarque 1. En dimension finie, si la solution maximale d’une équation différentielle évolue
dans les lignes de niveaux d’une fonction coercive continue, alors elle est globale (car les lignes de
niveaux d’une fonction coercive continue sont compactes).
1.5 Propriétés qualitatives

1.5.1 Préservation de la positivité
C’est un travail à faire en plus, même s’il n’est pas demandé (c’est bien vu !). On peut par
exemple utiliser l’unicité du théorème de Cauchy-Lipschitz si les axes sont des trajectoires (voir
l’étude du système de Lotka-Voltera), ou utiliser la direction donnée par le champ de vecteurs en
introduisant un temps de sortie.
1.5.2 Étude des points d’équilibre

Portrait de phase La première réponse peut être donnée par le tracé d’un portrait de phase, qui
peut être faitavec Python ! On utilise la fonction quiver. Sur un exemple, on considère le système
x′ = y − x − 2
dynamique : , on obtient le tracé suivant :
y′ = x2 − y

Le tracé d’un portrait de phase peut également être fait à la main, voici la recette :

1. On trace l’isocline horizontale (x, y) ∈ R2 , g(x, y) = x2 − y = 0 .

2. On trace l’isocline verticale (x, y) ∈ R2 , f (x, y) = y − x − 2 = 0 .
3. Indiquer un champ de vecteurs compatible dans chaque zone.
L’intersection des isoclines correspond aux points d’équilibre du système différentiel. On conjecture
ici que le système admet deux points d’équilibre, le point (−1, 1), qui semble être stable, et le point
(2, 4) qui semble être instable.
Théorème de stabilité linéaire On s’intéresse à une équation différentielle autonome de la

forme y ′ = f (y), où f ∈ C 1 (Rd ) (ce cadre permet d’assurer l’existence d’une unique solution
maximale).
Définition 1
1. On dit que y0 ∈ Rd est un point d’équilibre si f (y0 ) = 0.

2. On dit que y0 ∈ Rd est un point d’équilibre stable si c’est un point d’équilibre et si,
pour tout voisinage
′ U de y0 , il existe un voisinage V de y0 tel que pour tout ȳ ∈ V , la
y = f (y)
solution de , notée y(·, ȳ) est définie pour tout temps positif, et vérifie :
y(0) = ȳ
pour tout t ∈ R+ , y(t, ȳ) ∈ U .
3. On dit que y0 ∈ Rd est un point d’équilibre asymptotiquement stable si c’est un
point d’équilibre stable, et s’il existe U un voisinage de y0 tel que pour tout ȳ ∈ U , y(·, ȳ)
est définie sur R+ et vérifie : lim y(t, ȳ) = y0 .
t→+∞
Dans le cadre linéaire à coefficients constants, on possède des conditions nécessaires et suffisantes
afin de caractériser la stabilité et la stabilité asymptotique. Les voici :
Theorème 4
Soit A ∈ Md (R).
1. Le point 0d est un équilibre asymptotiquement stable ssi σ(A) ⊆ {z ∈ C, Re(z) < 0} .
2. Le point 0d est un équilibre stable ssi σ(A) ⊆ {z ∈ C, Re(z) ⩽ 0}, et tout valeur propre
de partie réelle nulle est non défective (les multiplicités géométriques et algébriques
coïncident).
Remarques. 1. On étudie ici la stabilité du point d’équilibre 0d , puisque, dans le cas des
systèmes linéaires à coefficients constants, tous les points d’équilibre ont la même nature.
2. La démonstration de ce théorème est basée sur le lemme de décroissance exponentielle que
voici : soit A ∈ Md (R) tel que σ(A) ⊆ {z ∈ C, Re(z) ⩽ −σ} avec σ > 0. Alors, il existe
K > 0 tel que pour tout t ⩾ 0,
|||etA ||| ⩽ Ke−σt .

ENS Rennes 2 ÉTUDE COMPLÈTE DE SYSTÈMES DIFFÉRENTIELS
3. Supposer que la valeur propre soit non défective signifie que le bloc de Jordan associé à cette
valeur propre est diagonalisable.
Théorème de stabilité non linéaire Dans le cadre des systèmes non linéaires, on peut voir
la non linéarité comme une perturbation du système linéaire pour lequel on possède des conditions
nécessaires et suffisantes. On parvient à déduire par argument perturbatif les éléments suivants :
Theorème 5 (Lyapounov)
Soit f ∈ C 1 (Rd ) et y0 ∈ Rd tel que f (y0 ) = 0. On note A = Jac(f )(y0 ).
1. Si σ(A) ⊆ {z ∈ C, Re(z) < 0}, alors y0 est un point d’équilibre asymptotiquement stable
du système différentiel y ′ = f (y).
2. S’il existe λ ∈ σ(A) tel que Re(λ) > 0, alors le point y0 est un équilibre instable.
Remarque 2. Le théorème ne permet pas de conclure dans tous les cas. La notion de stabilité est
une notion trop fine pour passer du linéaire au non linéaire.
 
−2 0 2
Exemple 4. A1 = −1 −1 2  est asymptotiquement stable.
  0 0 −3
−1 1 4
A2 = −1 1 4  est instable.
 0 0 −2
0 1 0
A3 = −1 0 0  est stable, non asymptotiquement stable.
 0 0 −1 
1 2 0
A4 = 0 −1 3 est instable.
0 1 2
Théorème de Lyapounov On possède un critère utilisant des fonctions de Lyapounov. C’est

une notion hors-programme. Voici le théorème :
Theorème 6
Soit y0 ∈ Rd un point d’équilibre du système différentiel y ′ = f (y), où le champ de vecteurs
f ∈ C 1 (Rd ). On suppose que le système admet une fonction de Lyapounov, V : Rd → R, de
classe C 1 telle que, y0 est un minimum local strict de V , et
1. pour tout y ∈ Rd , ∇V (y) · f (y) ⩽ 0, alors y0 est un point d’équilibre stable.
2. pour tout y ∈ Rd \ {y0 }, ∇V (y) · f (y) < 0, alors y0 est un point d’équilibre asymptoti-
quement stable.
On trouvera des exemples d’application de ce théorème dans l’étude complète des systèmes menée
juste après.
2 Étude complète de systèmes différentiels

2.1 Un premier système
On considère le système suivant :
x′ = −x3 − y 2

.
y′ = xy − y 3

Existence et unicité d’une solution maximale On fixe une donnée initiale (x0 , y0 ) ∈ R2 . On
remarque que le système est équivalent à (x, y)′ (t) = f (t, (x, y)(t)), où
R × R2 R2

→
f: .
(t, (x, y)) 7→ (−x3 − y 2 , xy − y 3 )
C’est une application polynomiale, donc de classe C 1 , elle est ainsi continue et localement lipschit-
zienne par rapport à la seconde variable, donc le théorème de Cauchy-Lipschitz assure l’existence
d’une unique solution maximale au système différentiel, vérifiant (x, y)(t0 ) = (x0 , y0 ), définie sur
un intervalle ouvert I contenant t0 .
Temps d’existence On définit V : (x, y) ∈ R2 7→ 21 (x2 + y 2 ). Remarquons que pour tout t ∈ I,
d
V (x(t), y(t)) = − x4 (t) + y 4 (t) ⩽ 0.

dt
Ainsi, pour tout t ∈ I ∩ [t0 , +∞[,
∥(x, y)(t)∥2 ⩽ ∥(x0 , y0 )∥2 .
Le théorème de sortie de tout compact assure que [t0 , +∞[⊆ I.
Étude des points d’équilibre Un calcul direct montre que l’unique point d’équilibre est le
point (0, 0). On souhaite appliquer le théorème de linéarisation, mais Jac(f )(0, 0) = 0, et on est
dans le cas où on ne peut pas conclure. On va utiliser le théorème hors-programme de Lyapounov.
Remarquons que la fonction V est de classe C 1 . Le point (0, 0) est bien un minimum local strict
de V (même global). Enfin :
3
−x − y 2

x
∀(x, y) ∈ R2 \ {02 } , (∇V (x, y)|f (x, y)) = = −(x4 + y 4 ) < 0.
y xy − y 3
Le point d’équilibre est donc asymptotiquement stable.
2.2 Modèle de dé-pollution d’un lac

Il s’agit de l’étude du système différentiel (tiré d’un vrai texte) :
 ′
 x = µxy − Qx
 ′

y = −µxy + Q(ξ − y)
x(0) =
 x0 > 0,
y(0) = ξ

Ici, x et y désignent des concentrations, Q, µ et ξ sont des constantes strictement positives.
Existence et unicité d’une solution maximale Le système est équivalent à (x, y)′ (t) =
f (t, (x, y)(t)), où
R × R2 R2

→
f: .
(t, (x, y)) 7→ (µxy − Qx, −µxy + Q(ξ − y))
C’est une application polynomiale, elle est ainsi continue et localement lipschitzienne par rapport à
la seconde variable, donc le théorème de Cauchy-Lipschitz assure l’existence d’une unique solution
maximale définie sur un intervalle ouvert I contenant 0 (s’applique pour x0 et y0 quelconques).
Positivité des solutions Montrons que pour tout t ∈ I, x(t) > 0 et y(t) > 0.
Premièrement, remarquons que l’unique solution globale du système pour x0 = 0 est donnée par :
pour tout réel t, x(t) = 0, et y(t) = (y0 − ξ)e−Qt + ξ. Cela permet de montrer que pour tout t ∈ I,
x(t) > 0. En effet, si ce n’est pas le cas, alors le théorème des valeurs intermédiaires donne l’exis-
tence d’un temps t1 ∈ I, tel que x(t1 ) = 0. Par suite, on obtient de l’unicité dans Cauchy-Lipschitz
que I = R et que x ≡ 0. En particulier, x0 = x(0) = 0, ce qui est absurde.

On utilise maintenant l’orientation du champ de vecteurs pour montrer que y reste toujours po-
sitive strictement. On raisonne par l’absurde et on suppose qu’il existe un temps t1 ∈ I tel que
y(t1 ) ⩽ 0. On note I = (T∗ , T ∗ ), où T∗ < 0 < T ∗ , et on définit :
τ = sup {t ∈ [0, T ∗ [, ∀s ∈ [0, t], y(s) > 0} .
Cette quantité est bien définie puisque l’ensemble est non vide (y0 > 0 donc 0 est un élément de
l’ensemble). Il est de plus majoré par t1 , donc fini, τ ⩽ t1 < T ∗ . De plus, par continuité de y,
τ > 0. Remarquons que :
1. ∀t ∈ [0, τ [, y(t) > 0.
Démonstration : En effet, si ce n’est pas le cas, on obtient l’existence de t ∈ [0, τ [ tel que
y(t) ⩽ 0. Puisque t < τ , t n’est pas un majorant (car τ est le plus petit des majorants) donc
il existe t′ tel que t < t′ ⩽ τ et pour tout s ∈ [0, t′ ], y(s) > 0. Prendre s = t fournit une
contradiction.
2. y(τ ) = 0.
Démonstration : En effet, la continuité à gauche de y donne y(τ ) ⩾ 0. Si on suppose que
l’inégalité est stricte, i.e. y(τ ) > 0, alors, par continuité de y, il existe ε > 0 tel que pour
tout t ∈ [τ, τ + ε], y(t) > 0. Alors, pour tout t ∈ [0, τ + ε], y(t) > 0. Ceci fournit à nouveau
une contradiction.
Ainsi, un développement limité de la solution donne pour h > 0 petit :

y(τ − h) = y(τ ) − hy ′ (τ ) + o(h) = −h(−µx(τ )y(τ ) + Q(ξ − y(τ ))) + o(h) = −Qξh + o(h).
Cette quantité est strictement négative pour h petit. Ainsi, il existe un voisinage à gauche de τ sur
lequel y est strictement négative. Ceci contredit le point 1. De fait, ∀t ∈ I, y(t) > 0.
Temps d’existence des solutions Montrons que les solutions sont globales. On considère V :
(x, y) ∈ R2 7→ x + y. Alors, pour tout t ∈ I,
d
V (x(t), y(t)) = −QV (x(t), y(t)) + Qξ.
dt
Ainsi, une résolution explicite de l’EDO fournit pour tout t dans I,
V (x(t), y(t)) = Ce−Qt + ξ, où C ∈ R.
Ainsi, par positivité des solutions :
∀t ∈ I, ∥(x, y)∥1 (t) = |x(t)| + |y(t)| = x(t) + y(t) = V (x(t), y(t)) = (x0 + y0 − ξ) e−Qt + ξ.
On déduit de cette égalité que les solutions ne peuvent pas exploser en temps fini. Par le théorème
de sortie de tout compact, nécessairement, I = R.
Étude des points d’équilibre ∀(x, y) ∈ R2 ,

x(µy − Q) = 0 Q Q
⇔ (x, y) ∈ (0, ξ), ξ − , .
y(µx + Q) = Qξ µ µ
On remarque que l’équation est autonome, et que, pour tout (x, y) ∈ R2 ,

µy − Q µx
Jac(f )(x, y) = .
−µy −µx − Q

µξ − Q 0
Étude du point d’équilibre (0, ξ) Le calcul précédent donne Jac(f )(0, ξ) = .
−µξ −Q
Le spectre de la matrice est donc donné par σ(Jac(f )(0, ξ)) = {µξ − Q, −Q} . Ainsi, si Q < Qc :=
µξ, le point d’équilibre est instable. Si Q > Qc , le point d’équilibre est asymptotiquement stable.
Le cas où Q = Qc n’est pas couvert par le théorème.


Étude du point d’équilibre ξ − Q Q
µ, µ Le calcul précédent donne la matrice jacobienne

0 µξ − Q
Jac(f ) ξ − Q Q
µ, µ = . Le spectre de la matrice n’est pas évident à déterminer
−Q −µξ
sans faire de nombreuses distinctions de cas. Raisonnons en terme de trace et de déterminant. On
a pour trace −µξ < 0 et pour déterminant q(µξ − Q).
∗ Si Q > Qc , alors, le déterminant est < 0. Nécessairement, les valeurs propres de la matrice
sont réelles, non nulles et de signe opposé. L’une des deux est strictement positive et le point
est instable.
∗ Si Q < Qc , alors le déterminant est strictement positif. Si les valeurs propres sont réelles,
elles sont de même signe. La négativité stricte de la trace affirme que le point est asymp-
totiquement stable. Si les valeurs propres sont complexes non réelles conjuguées, alors, la
trace vaut deux fois la partie réelle des valeurs propres. Celle-ci étant strictement négative,
on conclut dans ce cas aussi à l’asymptotique stabilité.
2.3 Modèle de Lotka-Volterra

On considère le modèle proie-prédateur suivant :
′
p = ap − bpr
,
r′ = dpr − cr
où a, b, c, d sont des constantes strictement positives.
Existence et unicité d’une solution maximale La fonction définissant le système étant

polynomiale, à une condition initiale fixée, il est clair que le système est bien posé.
Positivité des solutions Pour toute donnée initiale strictement positive, les fonctions p et r
sont strictement positives sur leur temps d’existence. En effet, si r0 = 0, alors l’unique solution
globale du problème de Cauchy est donnée par ∀t ∈ R, r(t) = 0 et p(t) = p0 eat . De la même façon,
si p0 = 0, alors l’unique solution globale est donnée par ∀t ∈ R, p(t) = 0 et r(t) = r0 e−ct . On
conclut alors comme précédemment, en utilisant le fait que les courbes intégrales ne peuvent pas
se croiser.
Temps d’existence des solutions Montrons que toutes les solutions maximales sont globales
Puisqu’on possède une formule explicite, c’est clairement le cas si r0 = 0 ou p0 = 0. Considérons
alors r0 et p0 strictement positifs et définissons H : (p, r) ∈]0, +∞[2 7→ dp + br − c ln(p) − a ln(r).
La positivité des solutions assure que la quantité suivante est bien définie et, pour tout t ∈ I,
d
H(p(t), r(t)) = · · · = 0.
dt
Montrons que la fonction H est continue (clair) et coercive. On peut écrire H(p, r) = f (p) + g(r),
où f : p ∈]0, +∞[7→ dp − c ln(p) et g : r ∈]0, +∞[7→ br − a ln(r). On remarque que lim f (p) =
p→0,+∞
lim g(r) = +∞, et ces fonctions étant continues, elles sont minorées. Par équivalence des normes
r→0,+∞
en dimension finie, si ∥(p, r)∥ tend vers +∞, c’est le cas pour |p| ou |r|, par exemple |r|. Alors,
H(p, r) = f (p) + g(r) ⩾ inf

∗
f + g(r) −→ +∞.
R+ r→+∞
Les lignes de niveau d’une fonction continue et coercive étant compactes, on en déduit que les
solutions sont bornées. Par théorème de sortie de tout compact, les solutions sont maximales et
I = R.
c a

Étude des points d’équilibre Les seuls points d’équilibre du système sont (0, 0) et d, b .

ENS Rennes 3 SYSTÈMES À COEFFICIENTS PÉRIODIQUES

a 0
Étude du point d’équilibre (0, 0) On a Jac(f )(0, 0) = . Ainsi, a est dans le
0 −c
spectre, et est strictement positif. Le point d’équilibre est donc instable.
− bc

c a
c a

d 0
Étude du point d’équilibre d, bOn a Jac(f ) d, b
= da . Son polynôme
0
2
√ b
caractéristique est X + ac. Ses valeurs propres sont donc ±i ac et le théorème de linéarisation
ne permet pas de conclure. Utilisons le critère de Lyapounov. La fonction H est bien de classe C 1
et on a pour tout (x, y) ∈ (R∗+ )2 ,
(∇H(x, y)|f (x, y)) = 0.
On montre de plus que le point d’équilibre est un minimum local strict de H. On conclut donc
à la stabilité du point d’équilibre. Est-il asymptotiquement stable ? Non, car les solutions sont
périodiques.
3 Systèmes à coefficients périodiques

3.1 Introduction
On considère le système linéaire à coefficients variables
y ′ (t) = A(t)y(t),
où A ∈ C 0 (R, Md (R)) est T -périodique (pour T > 0). Le cadre permet d’assurer, à condition ini-
tiale fixée, l’existence d’une unique solution globale.
Question : est-ce que toute solution est périodique ? Est-ce qu’il existe une solution périodique ?
Exemple 5. 1. x′ = sin(t)x, alors pour tout t réel, x(t) = Ce− cos(t) , C ∈ R. Toutes les
solutions sont périodiques.
2. x′ = −2 sin2 (t)x, alors, pour tout t réel, x(t) = Ce−t+1/2 sin(2t) , C ∈ R. Toute solution non
triviale est apériodique.
t
1 0 e 0
3. A = . Alors, x(t) = x . Pour x0 = e1 , l’unique solution est apériodique.
0 0 0 1 0
Pour x0 = e2 , l’unique solution est périodique, pour toute période.
3.2 Rappels sur la résolvante

Définition 2 (Résolvante)
On définit la résolvante R ∈ C 0 (R×R, Md (R)) comme suit : pour tout s ∈ R, R(·, s) est l’unique
solution globale de l’EDO suivante :

∂t R(t, s) = A(t)R(t, s)
R(s, s) = Id
La résolvante a pour but de généraliser la notion d’exponentielle matricielle dans le cas des systèmes
à coefficients variables.
Proposition 2
L’unique solution du système différentiel
′
x (t) = A(t)x(t)
x(t0 ) = x0
est donnée par x(t) = R(t, t0 )x0 .

Remarque 3. Pour le cas où A est à coefficients constants, alors, R(t, s) = eA(t−s) .

Proposition 3
Les propositions suivantes sont vérifiées :
1. Pour tous réels t0 , t1 , t2 , R(t0 , t1 )R(t1 , t2 ) = R(t0 , t2 ).
2. En particulier, pour tous réels t0 , t1 , R(t0 , t1 ) ∈ GLd (R), et R(t0 , t1 )−1 = R(t1 , t0 ).
Démonstration : On définit f : t 7→ R(t, t1 )R(t1 , t2 ) et g : t 7→ R(t, t2 ) Alors :
f ′ (t) = ∂t (R(t, t1 )) R(t1 , t2 ) = A(t)R(t, t1 )R(t1 , t2 ) = A(t)f (t) et f (t1 ) = R(t1 , t2 ).
g ′ (t) = A(t)R(t, t2 ) = A(t)g(t) et g(t1 ) = R(t1 , t2 ).

Par unicité, f ≡ g. Le point 2 s’en déduit immédiatement avec t2 = t0 .
Theorème 7 (Formule de Duhamel)

Soient A ∈ C 0 (R, Md (R)), b ∈ C 0 (R, Rd ). Alors, l’unique solution du problème de Cauchy
′
x (t) = A(t)x(t) + b(t)
x(t0 ) = x0
est donnée par : Z t

∀t ∈ R, x(t) = R(t, t0 )x0 + R(t, s)b(s)ds.
t0
Démonstration : On sait que la solution générale de l’équation homogène est donnée par xHOM (t) =
R(t, t0 )x0 . On détermine une solution particulière s’annulant en t0 à l’aide de la méthode de varia-
tion de la constante. On définit xp (t) = R(t, t0 )C(t), et on remarque que :
x′p (t) = R(t, t0 )C ′ (t) + A(t)R(t, t0 )C(t) = A(t)xp (t) + b(t) ⇔ C ′ (t) = R(t, t0 )−1 b(t).
Z t Z t
Ainsi, C(t) = R(t0 , s)b(s)ds, donc xp (t) = R(t, t0 )C(t) = R(t, s)b(s)ds.
t0 t0
Proposition 4
Si A est T -périodique, alors
1. Pour tout t réel, R(t + T, 0) = R(t, 0)R(T, 0).
2. Pour tout t réel, R(t + T, T ) = R(t, 0).
Démonstration : Définissons f : t 7→ R(t + T, 0) et g : t 7→ R(t, 0)R(T, 0). Alors, pour tout t réel,
f ′ (t) = A(t + T )f (t) = A(t)f (t) et f (0) = R(T, 0).
g ′ (t) = A(t)g(t) et g(0) = R(0, 0)R(T, 0) = Id .R(T, 0) = R(T, 0).

Par unicité, on obtient f ≡ g. On raisonne de la même façon pour le second point.
3.3 Théorème de Floquet et conséquences

Theorème 8 (de Floquet)
Soient A ∈ C k (R, Md (C)) une application T -périodique et R la résolvante associée au système
x′ (t) = A(t)x(t). Alors, il existe u ∈ C k (R, GLd (C)), T -périodique et B ∈ Mn (C) tel que pour
tout réel t, R(t, 0) = u(t)etB .

Démonstration : Heuristique : si B est choisie, on pose u(t) = R(t, 0)e−tB , et on veut qu’elle soit
T -périodique, i.e. u(T ) = R(T, 0)e−T B = u(0) = Id , donc eT B = R(T, 0).
Mise en place de la preuve : puisque l’exponentielle matricielle est surjective sur C, alors, on consi-
dère B ∈ Md (C) tel que eT B = R(T, 0) (c’est possible puisque la résolvante est bien une matrice
inversible). On définit alors u : t 7→ R(t, 0)e−tB . La fonction u est bien à valeurs dans les matrices
inversibles comme produit de telles matrices. Montrons que u est T −périodique :
∀t ∈ R, u(t + T ) = R(t + T, T )R(T, 0)e−T B e−tB = R(t + T, T )e−tB = R(t, 0)e−tB = u(t).
Remarque 4. L’unique solution est donc définie par : x(t) = R(t, 0)x0 = u(t)etB x0 , donc, x(t) =
y ′ (t) = By(t)
u(t)y(t), où y est la solution du problème de Cauchy à coefficients constants .
y(0) = x0
Ainsi,
x(t) = u(t) y(t) .
|{z} |{z} |{z}
Solution d’un système périodique modulation solution d’un système à
périodique coefficients constants
Cela permet de transmettre certaines propriétés des systèmes à coefficients constants aux systèmes
périodiques. Plus précisément :
Proposition 5
0d est un point d’équilibre asymptotiquement stable pour x′ (t) = A(t)x(t) ssi ∀λ ∈ σ(R(T, 0)),
|λ| < 1.
Démonstration : 0d est un point d’équilibre asymptotiquement stable pour x′ (t) = A(t)x(t) ssi il est
asymptotiquement stable pour le système différentiel y ′ (t) = By(t) ssi ∀λ ∈ σ(B), ℜ(λ) < 0 ssi
∀λ ∈ σ(R(T, 0)), |λ| < 1.
Proposition 6
0d est un point d’équilibre stable pour x′ (t) = A(t)x(t) ssi ∀λ ∈ σ(R(T, 0)), |λ| ⩽ 1 et toute
valeur propre de module 1 est non défective.
Exemple 6. On considère le système différentiel suivant (pour T = 2π) :

 ′
x = x+y
′ cos(t) + sin(t)
y = y
2 + sin(t) − cos(t)
Calculons la résolvante de ce système. Remarquons que y(t) = C (2 + sin(t) − cos(t)), avec C ∈ R.
Ainsi, on obtient : x(t) = Aet + xp (t), où xp est une solution particulière obtenue par méthode de
variation de la constante. On pose xp (t) = A(t)et . Alors,
(A′ (t) + A(t))et = A(t)et + C(2 + sin(t) − cos(t)).
Ainsi, par intégration par parties,

Z
A(t) = C (2 + sin(t) − cos(t)) e−t dt = −C(2 + sin(t))e−t .
Alors,
x(t) = Aet − C(2 + sin(t)).
En identifiant les conditions initiales, on obtient :
T
2eT − 2 − sin(t)
2π
2e2π − 2

e e
R(T, 0) = = = e2πB ,
0 2 + sin(T ) − cos(T ) 0 1

1 2 1 − sin(t)
pour B = . Après calculs, on a : u(t) = .
0 0 0 2 + sin(t) − cos(t)

ENS Rennes 4 ÉTUDE DE LA MÉTHODE D’EULER EXPLICITE
4 Étude de la méthode d’Euler explicite

4.1 Étude théorique
On considère l’équation différentielle suivante :
′
y (t) = f (t, y(t))
,
y(0) = y0
que l’on souhaite résoudre numériquement sur un intervalle de temps [0, T ], donné. On suppose que
f ∈ C 1 (R × Rd , Rd ) est globalement lipschitzienne, de constante de Lipschitz L. Ce cadre permet
d’assurer que le problème de Cauchy admet une unique solution globale. On introduit la subdi-
vision régulière de l’intervalle [0, T ] à N + 1 points, (tn )0⩽n⩽N où N ∈ N∗ , et on définit h = NT
le pas de la subdivision. On souhaite déterminer une suite (yn )0⩽n⩽N (h) qui approxime la suite
(y(tn ))0⩽n⩽N . On initialise le processus à y0 , et on souhaite déterminer un processus récursif qui
permet d’approximer les termes de proche en proche.
Pour cela, on approche le taux d’accroissement définissant la dérivée en une différence finie d’ordre
1 à droite, i.e.
y(t + h) − y(t) y(t + h) − y(t)
y ′ (t) = lim+ ≃
h→0 h h
yn+1 − yn
par h > 0 petit. La valeur yn étant définie, on définit yn+1 par la relation suivante : =
h
f (tn , yn ). On pose alors :
∀n ∈ J0, N − 1K, yn+1 = yn + hf (tn , yn ).
On souhaite démontrer que ce schéma "converge" vers l’unique solution de l’équation différentielle,
en un sens à préciser. Introduisons alors les notions de consistance, de stabilité et de convergence
du schéma.
Définition 3
On définit l’erreur de consistance locale comme la suite (εn )0⩽n⩽N −1 comme étant :
Z tk+1
∀k ∈ J0, N (h) − 1K, εk = f (s, y(s))ds − hf (tk , y(tk )).
tk
N (h)−1
X
L’erreur de consistance globale est définie comme EN (h) = |εk |.
k=0
Remarque 5. La consistance mesure à quel point la solution vérifie le schéma numérique. En

effet : pour tout k ∈ J0, N − 1K,
Z tk+1
y(tk+1 ) − y(tk ) − hf (tk , y(tk )) = f (s, y(s))ds − hf (tk , y(tk )),
tk
donc
y(tk+1 ) − y(tk ) − hf (tk , y(tk )) = εk .
Définition 4
 
N (h)−1
X
La méthode est dite consistante si lim EN (h) = lim  |εk | = 0.
h→0 h→0
k=0
Proposition 7
La méthode d’Euler explicite est consistante.

Démonstration : Puisque f est de classe C 1 , y est de classe C 2 . On peut donc introduire M2 =

sup |y ′′ (t)|. Remarquons que, pour tout k ∈ J0, N − 1K,
t∈[0,T ]
εk = y(tk+1 ) − y(tk ) − hf (tk , y(tk )) = y(tk + h) − y(tk ) − hy ′ (tk ).

D’où, par l’inégalité de Taylor-Lagrange,
h2
|εk | ⩽ M2 .
2
Alors,
N (h)−1
X T
EN (h) = |εk | ⩽ M2 h −→ 0.
2 h→0
k=0
Définition 5
La méthode est dite stable s’il existe M > 0 telle que pour toute suite (yn ), (zn ) vérifiant :
∀n ∈ N, yn+1 = yn + hf (tn , yn ),
∀n ∈ N, zn+1 = zn + hf (tn , zn ) + ηn ,
on a, pour tout h, on a :
 
N (h)−1
X
max |yn − zn | ⩽ M |y0 − z0 | + |ηk | .
0⩽n⩽N (h)
k=0
Proposition 8
La méthode d’Euler explicite est stable.
Démonstration : Soient (yn ) et (zn ) deux telles suites. C’est ici qu’on va utiliser la global lipschit-
zianité de f . On a pour tout n ∈ J0, N (h) − 1K,
|yn+1 − zn+1 | ⩽ (1 + Lh)|yn − zn | + |ηn |.
Ainsi,
N (h)−1
X
|yn+1 − zn+1 | ⩽ (1 + Lh)n+1 |y0 − z0 | + |ηk |(1 + Lh)n−k .
k=0
L’inégalité (1 + Lh)n+1 ⩽ (1 + Lh)N ⩽ eN Lh = eLT donne :

N (h)−1
!
LT
X
max |yn − zn | ⩽ e |y0 − z0 | + |ηk | .
0⩽n⩽N (h)
k=0
Définition 6
On introduit l’erreur
locale en := y(tn ) − yn . On dit que le schéma est convergent si
lim max |en | = 0.
h→0 0⩽n⩽N (h)
Theorème 9
La méthode d’Euler explicite est convergente d’ordre 1, c’est-à-dire, il existe C > 0 tel que pour
tout h > 0, (en )0⩽n⩽N (h) ∞ ⩽ Ch.
Démonstration : On remarque que la suite (y(tn )) vérifie le schéma d’Euler modulo une erreur ηn , qui
correspond à l’erreur de consistance. Alors, la proposition précédente, avec l’initialisation donne :
pour tout h, ! N (h)−1
LT
X T M2
max |en | ⩽ e 0+ |εk | ⩽ eLT h.
0⩽n⩽N (h) 2
k=0

4.2 Simulation numérique

Après implémentation dans Python de la méthode d’Euler explicite, on obtient les simulations
suivantes pour N = 10 et N = 100 :
Voici le script :
On peut illustrer numériquement l’ordre de convergence de la méthode d’Euler explicite. On consi-

dère une EDO que l’on sait résoudre explicitement et on implémente sa résolution par la méthode
d’Euler explicite. On calcule ensuite l’erreur (en norme infinie) pour différentes valeurs de N , et
on trace ces données en échelle logarithmique. La régression linéaire générée par Python fournit
un coefficient directeur de a = −1.0152059206209902. Cela confirme l’ordre 1 de la méthode. Voici
ce que donne le tracé :

ENS Rennes 5 VERS LES PROBLÈMES DE DIRICHLET
Remarquons que la constante fait intervenir l’exponentielle de la constante de Lipschitz, la méthode

peut donc être numériquement instable pour les problèmes dit raides. On peut donc palier à ce
problème en considérant la méthode d’Euler implicite, qui consiste en l’itération yn+1 = yn +
hf (tn , yn+1 ). Il faut donc, à chaque itération, résoudre
′une équation (avec par exemple une méthode
y = λy
de Newton). En effet, considérons le problème , pour λ grand. L’itération de la
y(0) = 1
méthode d’Euler explicite donne : ∀n ∈ N, yn = (1 + λh)n . Si λ est très grand, il faut donc que h
soit du même ordre de grandeur pour palier à l’explosion. Pour la méthode d’Euler implicite, on
1
a : ∀n ∈ N, yn =
(1 − λh)n
Remarque 6. La méthode d’Euler s’adapte facilement aux équations vectorielles.
5 Vers les problèmes de Dirichlet

Le but est de s’intéresser à la résolution (théorique et numérique) d’équations différentielles
qui ne sont pas des problèmes de Cauchy, mais des problèmes dits de Dirichlet. Il s’agit d’une
simple introduction via le problème du Laplacien en dimension 1. Je développe deux approches
théoriques : la méthode de tir et la formulation variationelle, et deux approches numériques : la
méthode des différences finies et la méthode de Galerkin (introduction à la méthode des éléments
finis).
5.1 Introduction
On considère le problème suivant :
−(pu′ )′ + qu = f

sur I = [a, b]
,
u(a) = ua , u(b) = ub
où a < b, ua , ub ∈ R, f ∈ C 0 (I), q ∈ C 0 (I, R+ ) et p ∈ C 1 (I) vérifiant : il existe α > 0, tel que pour
tout x ∈ [a, b], p(x) ⩾ α.
Il s’agit d’un problème qui n’est pas de Cauchy, puisque les conditions ne sont pas données en
terme de dérivée, mais en terme de conditions aux limites. Il s’agit de conditions de type Dirichlet
car elles portent sur la fonction, et non sur sa dérivée (type Neumann).
Ceci inclut le problème dit du laplacien en dimension 1, c’est-à-dire la résolution de −∆u = f , qui
est un problème important, et qui a des applications physiques (équation de Poisson en électrosta-
tique, etc).
5.2 Étude théorique : existence via la méthode de tir

Theorème 10
Le problème de Dirichlet admet une solution u ∈ C 2 (I, R).

Démonstration : On considère les deux problèmes de Cauchy suivants :

−(pu′1 )′ + qu1 = f sur I = [a, b]
(1)
u1 (a) = ua , u′1 (a) = 0

−(pu′2 )′ + qu2 = 0 sur I = [a, b]
(2)
u2 (a) = 0, u′2 (a) = 1
Puisque le problème est linéaire, et à coefficients continus, le théorème de Cauchy linéaire assure
que ces deux équations admettent une unique solution globale. On considère k ∈ R, et on définit
u := u1 + ku2 . La fonction u est bien solution de l’équation voulue, et la première condition au
limite est respectée. On doit donc choisir k de telle façon que u(b) = ub , i.e.
u1 (b) + ku2 (b) = ub .

ub − u1 (b)
Il suffit donc de prendre k = . Il suffit donc de vérifier que u2 (b) ̸= 0. Pour cela,
u2 (b)
remarquons que : Z b
u2 −(pu′2 )′ + qu2 = 0.

a
Ainsi, par IPP :
Z b Z b
−p(b)u′2 (b)u2 (b) + p(a)u′2 (a)u2 (a) + pu′2
2 + qu22 = 0.
a a
Alors, Z b
p(b)u′2 (b)u2 (b) = pu′2 2

2 + qu2 .
a
Le terme de droite est strictement positif (clairement positif, s’il est nul, alors, u′2 l’est, ce qui est
impossible au vu de sa valeur en a). Ainsi, k est bien définie, et on conclut.
5.3 Étude théorique : unicité via le principe du maximum

On définit l’opérateur L : u ∈ C 2 ([a, b], R) 7→ −(pu′ )′ + qu ∈ C 0 ([a, b], R).
Theorème 11 (Principe du maximum)
Supposons u ∈ C 2 ([a, b], R) vérifiant L(u) ⩽ 0. Alors,
max u(x) ⩽ max u+ (x).

x∈[a,b] x∈{a,b}
Démonstration : Si u admet un maximum négatif, l’inégalité est triviale. Supposons donc ce maxi-
mum positif. Commençons par supposer que L(u) < 0 sur [a, b]. Alors, si u atteint son maximum
en x0 ∈]a, b[, on a :
L(u)(x0 ) = −p(x0 )u′′ (x0 ) − p′ (x0 )u′ (x0 ) + q(x0 )u(x0 ) ⩾ 0.

| {z } | {z } | {z }
⩾0 =0 ⩾0
Ceci est impossible. Le maximum est nécessairement atteint au bord. Ainsi,
max u(x) ⩽ max u+ (x).

x∈[a,b] x∈{a,b}
Supposons désormais que L(u) ⩽ 0. On se ramène maintenant au cas précédent : introduisons

wε (x) = u(x) + εeCx où C est une constante à préciser. Alors,
L(wε )(x) = L(u)(x) + −C 2 p(x) − Cp′ (x) + q(x) εeCx .

Puisque p est minoré par une constante strictement positive, et que p′ et q sont bornées comme
fonctions continues sur un compact, on peut choisir C assez grand de sorte que
∀x ∈ [a, b], −C 2 p(x) − Cp′ (x) + q(x) < 0.

Ainsi, L(wε ) < 0. On peut donc lui appliquer ce qui a été fait avant et :
max u(x) ⩽ max wε (x) ⩽ max wε+ (x) ⩽ max u+ (x) + ε max eCx .
x∈[a,b] x∈[a,b] x∈{a,b} x∈[a,b] x∈[a,b]
On conclut en passant à la limite quand ε tend vers 0.
Remarque 7. On démontrerait de même que si L(u) ⩾ 0, alors :
min u(x) ⩾ min u− (x).

x∈[a,b] x∈{a,b}
Corollaire 1
Soit u ∈ C 2 ([a, b], R) tel que L(u) = 0. Alors,
max|u| ⩽ max(|u|(a), |u|(b)).

[a,b]
Corollaire 2
Le problème de Dirichlet admet une unique solution u ∈ C 2 ([a, b], R).
Démonstration : L’existence a déjà été démontré. Considérons u et v deux telles solutions. Introdui-
sons w := u − v. Alors, L(w) = 0, et w(a) = w(b) = 0. Par suite, le principe du maximum montre
que w ≡ 0, puis u ≡ v.
5.4 Mise en œuvre numérique : différences finies

5.4.1 Caractère bien posé du problème
On traite cette partie dans le cas particulier où p ≡ 1, I = [0, 1] (quitte à dilater l’intervalle) et
ua = ub = 0 (quitte à translater). On approxime la dérivée seconde comme une différence centrée,
i.e.
u(x + h) + u(x − h) − 2u(x)
u′′ (x) ≃ ,
h2
pour h petit. On introduit la subdivision régulière à N + 1 points de l’intervalle I, (xk )0⩽k⩽N . Le
pas de la subdivision est notée h = N1 On obtient alors le schéma :
 
−1 ···
 

 2 0 0 

    
  .. ..  q(x1 ) 0 ··· 0  x1 f (x1 )

 −1 2 . .  
 .. ..   ..  

.. 
1 
.. .. ..   0 q(x2 ) . .   .   . 
.
+ =


 h2 0 . . . 0

.. . .
 
  .   .
  .. .. . .

  . 0 . .

  .     
  .. −1 2 −1

 0 ··· 0 q(xN −1 )  xN −1
 f (xN −1 )
0 ··· 0 −1 2
 | {z } | {z } | {z }

| {z } =:Qh =:Xh =:Fh
=:Ah
Montrons que ce problème est bien posé, i.e. que le système admet une unique solution.
Proposition 9
La matrice Ah est symétrique définie positive
Démonstration : La matrice est clairement symétrique. Soit X ∈ RN −1 , alors :

N −1
t
X
XAh X = (Ah X|X) = (2xj − xj+1 − xj−1 ) xj ,
j=1

avec x0 = xN = 0. On effectue une transformation d’Abel :

N −1 N −1 N
X X X
(Ah X|X) = (xj − xj−1 − (xj+1 − xj )) xj = (xj − xj−1 )xj − (xj − xj−1 )xj−1 .
j=1 j=1 j=2
N −1
X
(Ah X|X) = (xj − xj−1 )2 + x21 + x2N −1 ⩾ 0
j=2
et qui s’annule ssi X est nul.
Corollaire 3
1 ++
Pour tout h > 0, la matrice Ah + Qh ∈ SN −1 (R).
h2
Démonstration : La matrice est clairement symétrique. Soit X ∈ RN −1 \ {0}, alors

1 1

t
X Ah + Qh X = t X Ah X + t XQh X > 0.
h2 h2 | {z }
| {z } ⩾0
>0
La matrice est donc inversible.

Remarques. La matrice Ah , appelée matrice du laplacien, intervient souvent dans les textes d’op-
tion. Voici quelques remarques à son sujet qu’il est bon d’avoir en tête :
1. On retrouve que la matrice est inversible grâce au théorème de Gerschgorin.
Lemme 1
Soit A ∈ Mn (C). Alors,
 
n
[ X
σ(A) ⊆ D ai,i , |ai,j |.
i=1 j̸=i
Démonstration : Soit λ ∈ σ(A) et x ∈ Cn \ {0} tel que Ax = λx. Alors,

X
(ai,i − λ)xi = ai,j xj .
j̸=i
Ainsi,
X |xj | X
|ai,i − λ| ⩽ |ai,j | ⩽ |ai,j |.
|xi |
j̸=i j̸=i
En utilisant le fait que σ(A) = σ(t A), on obtient d’autres informations sur les valeurs
propres. On en déduit ici que σ(Ah ) ⊆ D(2, 2). Il suffit de vérifier que 0 n’est pas valeur
propre pour conclure.
2. On peut enfin utiliser le calcul du déterminant, en effet, en développant selon la première
ligne,
2 −1 0 ... 0 −1 0 0 ... 0
.. .. .. ..
−1 2 . . 0 2 . .
∆n+2 := 0 .. .. .. = 2∆n+1 + 0 .. .. ..
. . . 0 . . . 0
.. ..
. −1 2 −1 . −1 2 −1
0 ... 0 −1 2 n+2
0 ... 0 −1 2 n+1
∆n+2 = 2∆n+1 − ∆n .
Il vérifie donc une récurrence linéaire d’ordre 2, dont l’équation caractéristique est r2 − 2r +
1 = 0. Ainsi, il existe A, B ∈ R tel que ∆n = A + Bn. En prenant des cas particuliers, il
vient ∆n = n + 1 ̸= 0.

3. On connait explicitement les valeurs propres de cette matrice, plus précisement,

kπ
σ(Ah ) := 4 sin2 , k ∈ J1, N − 1K .
2N
Lemme 2
4.
Soit A ∈ Mn (C), alors, p p
|||A|||2 = ρ(A∗ A) = ρ(AA∗ ),
où ρ est le rayon spectral, c’est-à-dire ρ(A) := max |λ|. Dans le cas où la matrice A est
λ∈σ(A)
symétrique, alors
|||A|||2 = ρ(A).
Ainsi,

(N −1)π
max{|λ|, λ ∈ σ(Ah )} sin2 2N 4N 2
cond2 (Ah ) = |||Ah |||2 |||A−1
h |||2 = = π ∼ .
sin2 2N

min{|λ|, λ ∈ σ(Ah )} N →+∞ π2
La matrice est donc mal conditionnée. La résolution de systèmes linéaires avec cette matrice
est donc fortement impactée par les perturbations.
5. La résolution de systèmes linéaires se fait classiquement via la méthode du pivot de Gauss,
qui est O(N 3 ). Ici, on peut utiliser le caractère symétrique défini positif (via la méthode
de Cholesky par exemple), pour la résolution de systèmes (via les méthodes de descente et
de remontée sur les matrices triangulaires). De plus, la matrice est creuse ; l’utilisation du
module sparse de Python permet de diminuer les coûts de calcul. Enfin, elle est tridiagonale,
et la décomposition LU préserve cette propriété. On peut finalement résoudre le système avec
un coût linéaire.
5.4.2 Convergence du schéma (dans le cas où q ≡ 0)

Proposition 10
Si f est de classe C 2 , alors le schéma est consistant d’ordre 2.
Démonstration : On remarque que pour j ∈ J1, N − 1K,

1
εj = (2u(xj ) − u(xj + h) − u(xj − h)) − f (xj ).
h2
Au vu de la régularité de f , on peut effectuer un développement de Taylor à l’ordre 4. On obtient
l’existence de ξj+ ∈ (xj , xj + h), ξj− ∈ (xj − h, xj ) tels que :
h2 (4) +
u (ξj ) + u(4) (ξj− ) .

εj = −
24
Par suite,
h2
(εj )(1⩽j⩽N (h)−1) ⩽ u(4) ∞
.
12
Définition 7
Une matrice A ∈ Mn (R) est dite monotone si elle est inversible, et si les coefficients de A−1
sont positifs.
Proposition 11
Pour A ∈ Mn (R), A est monotone ssi pour tout x ∈ Rn , Ax ⩾ 0 ⇒ x ⩾ 0.
Démonstration : Supposons A monotone. Soit x ∈ Rn tel que Ax ⩾ 0. Alors, x = A−1 (Ax) ⩾ 0.

Réciproquement, soit x ∈ ker(A), alors, Ax ⩾ 0, donc x ⩾ 0. De plus, A(−x) ⩾ 0, donc −x ⩾ 0,
i.e. x ⩽ 0. Par suite, A est inversible. Fixons (ej )1⩽j⩽n la base canonique de Rn . On sait que, pour
j ∈ J1, nK, ej = A A−1 ej ⩾ 0, donc A−1 ej ⩾ 0. Puisqu’il s’agit des colonnes de A−1 , ceci montre
que A est monotone.

Proposition 12
Soit A ∈ Mn (R) telle que :
1. ∀(i, j) ∈ J1, nK2 , i ̸= j ⇒ ai,j ⩽ 0.
Xn
2. ∀i ∈ J1, nK, ai,j > 0.
j=1
Alors, A est monotone.
Démonstration : Soit x ∈ Rn tel que Ax ⩾ 0. Considérons i ∈ J1, nK tel que xi = min xj . Alors,
j∈J1,nK
 
n
X n
X n
X
ai,i xi ⩾ |ai,j |xj ⩾ |ai,j |xi donc ai,i − |ai,j | xi ⩾ 0.
 
j=1, j=1, j=1,
j̸=i j̸=i j̸=i
n
!
X
Par suite, ai,j xi ⩾ 0. Ainsi, x ⩾ 0.
j=1
Corollaire 4
Soit A ∈ Mn (R) telle que :
1. ∀(i, j) ∈ J1, nK2 , i ̸= j ⇒ ai,j ⩽ 0.
Xn
2. ∀i ∈ J1, nK, ai,j ⩾ 0.
j=1
3. A est inversible.
Alors, A est monotone.
Démonstration : Remarquons que pour ε > 0, la matrice A + εI est monotone (par la proposition
précédente).
A + εI −→ A.
ε→
Par continuité de l’application A 7→ A−1 ,
(A + εI)−1 −→ A−1 .
ε→0
Ainsi, on a A−1 ⩾ 0.
Proposition 13
La matrice Ah est monotone
Démonstration : La matrice vérifie clairement les hypothèses du corollaire précédent, donc, elle est
monotone.
Proposition 14
Le schéma numérique est stable en norme ∥·∥∞ .
Démonstration : Soit uh , vh ∈ RN −1 tels que 1

A u
h2 h h
= Fh et 1
A v
h2 h h
= Gh . Alors,
∥uh − vh ∥∞ ⩽ |||h2 A−1

h |||∞ ∥Fh − Gh ∥∞ .
Montrons que la norme de l’opérateur est bornée indépendamment de h. En effet : puisque la

matrice est monotone, les coefficients de son inverse sont positifs et :
 
N (h)−1
! N (h)−1
! 1
X X  .. 
|||h2 A−1
h |||∞ = h
2
max |Ah−1 |i,j = h2 max A−1
h i,j = h2 A−1
h  . .
i∈J1,N −1K i∈J1,N −1K
j=1 j=1 1
∞

Il s’agit de la résolution numérique du problème de Dirichlet

−u′′ = 1 sur [0, 1]
.
u(0) = u(1) = 0
L’unique solution exacte est x 7→ 12 x(1 − x). Puisque la méthode est consistante d’ordre 2, elle est
exacte sur ce problème. Ainsi,
1
|||h2 A−1
h |||∞ ⩽ .
8
Theorème 12
Si f est de classe C 2 , le schéma numérique est convergent d’ordre 2.
Démonstration : On a, pour tout h > 0, par stabilité :

1 1

(uj )j∈J1,N (h)−1K − (u(xj ))j∈J1,N (h)−1K ⩽ Fh − Ah u(xj ) .
∞ 8 h2 j∈J1,N (h)−1K
∞
On obtient donc par consistance du schéma :

1
(uj )j∈J1,N (h)−1K − (u(xj ))j∈J1,N (h)−1K ∞
⩽ u(4) ∞
h2 .
96
Ceci conclut.
5.5 Étude théorique : utilisation du théorème de Lax-Milgram

Rappelons le théorème de Lax-Milgram
Theorème 13
Soit H un espace de Hilbert, a une forme bilinéaire, continue et coercive, et l une forme linéaire
continue, alors il existe un unique u ∈ H, tel que pour tout v ∈ H, a(u, v) = l(v).
Soit v ∈ Cc∞ (0, 1), alors pour u vérifiant l’équation, on a :

Z 1 Z 1 Z 1 Z 1 Z 1 Z 1
− (pu′ )′ v + quv = f v, i.e. pu′ v ′ + quv = fv .
0 0 0
|0 {z 0 } | 0{z }
=:a(u,v) =:l(v)
Définition 8
Une fonction u ∈ H01 (0, 1) est dite solution faible du problème de Dirichlet si pour tout
v ∈ H01 (0, 1), a(u, v) = f (v).
Proposition 15
Soit p ∈ C 1 ([0, 1], R∗+ ), q ∈ C([0, 1], R+ ), et f ∈ L2 (0, 1). Alors, le problème de Dirichlet admet
une unique solution faible.
1 1
Démonstration : On considère l’espace de Hilbert
′ 1
(H0 (0, 1), ∥·∥), où pour v ∈ H0 (0, 1), on définit
∥v∥ := ∥v ∥L2 . Il est clair que H0 (0, 1), ∥·∥H 1 est un espace de Hilbert, puisque c’est un fermé
d’un espace complet. De plus, les normes ∥·∥H 1 et ∥·∥ sont équivalentes sur l’ouvert borné (0, 1),
par l’inégalité de Poincaré, i.e. il existe C > 0 tel que pour tout v ∈ H01 (0, 1),
∥v∥L2 ⩽ C v ′ L2
= C ∥v∥ .
L’application a est clairement une forme bilinéaire. Elle est continue : en effet, ∀u, v ∈ H01 (0, 1),
|a(u, v)| ⩽ ∥p∥∞ + C 2 ∥q∥∞ ∥u∥ ∥v∥ .

Elle est également coercive. En effet, puisque p est continue, et à valeurs dans R∗+ , il existe α > 0
tel que ∀x ∈ [0, 1], p(x) ⩾ α. Alors, ∀v ∈ H01 (0, 1),
a(v, v) ⩾ α ∥v∥2 .
De plus, l est clairement une forme linéaire continue (par Cauchy-Schwarz et Poincaré). Le théorème
de Lax-Milgram conclut.

Proposition 16
Si de plus, f ∈ C 0 ([0, 1]), alors, l’unique solution faible est également solution forte (la réciproque
est évidente).
Démonstration : Soit u l’unique solution faible du problème de Dirichlet, et φ ∈ D(0, 1), alors :
−(pu′ )′ + qu − f, φ

a(u, φ) = l(φ), i.e. D ′ (0,1),D(0,1)
= 0.
Par suite, −(pu′ )′ = f − qu ∈ C 0 ([0, 1]). Par suite, −pu′ ∈ C 1 ([0, 1]), donc, p ne s’annulant pas,
D ′ (0,1)
on obtient :
1
u′ = − −pu′ ∈ C 1 ([0, 1]), donc u ∈ C 2 ([0, 1]).

p
Par suite, u a la régularité souhaitée, et l’injection de L1loc (0, 1) dans D′ (0, 1) et la continuité des
fonctions mises en jeu donne l’égalité ponctuelle.
5.6 Mise en œuvre numérique : la méthode de Galerkin

On sait que u ∈ H01 (0, 1) est l’unique élément vérifiant ∀v ∈ H01 (0, 1), a(u, v) = l(v). On
considère Vh un sous-espace vectoriel de dimension finie N (h) de H01 (0, 1) ; (Vh , ∥.∥) est donc un
espace de Hilbert. Ainsi, il existe un unique uh ∈ Vh vérifiant ∀vh ∈ Vh , a(uh , vh ) = l(vh ). On
espère qu’en considérant des sous-espaces de Hilbert de dimension de plus en plus grande, uh
approchera u de manière satisfaisante. Plus précisément, le lemme de Céa fournit une estimation
dans ce sens :
Lemme 3 (de Céa)
On a l’estimation suivante :
M
∥u − uh ∥ ⩽ inf ∥u − vh ∥ ,
α vh ∈Vh
où M désigne la constante de continuité de a et α la constante liée à la coercivité de a.
Démonstration : Pour tout vh ∈ Vh ,
α ∥u − uh ∥2 ⩽ a(u − uh , u − uh ) = a(u − uh , u − vh ) + a(u − uh , vh − uh ).
Par suite, le second terme étant nul ;
α ∥u − uh ∥2 ⩽ a(u − uh , u − vh ) ⩽ M ∥u − uh ∥ ∥u − vh ∥ .
Ceci conclut.
Nous pouvons alors mettre en œuvre une méthode numérique : si (φ1 , . . . , φN (h) ) désigne une base
N (h)
N (h)
X j
1 N (h)
de Vh alors ∃!(uh , . . . , uh ) ∈ R tel que uh = uh φj . Par suite,
j=1
∀vh ∈ Vh , a(uh , vh ) = l(vh ) ⇔ ∀i ∈ {1, . . . , N (h)} , a(uh , φi ) = l(φi )

N (h)
X
⇔ ∀i ∈ {1, . . . , N (h)} , a(φj , φi )ujh = l(φi ) ⇔ AU = F où
j=1
A = (a(φj , φi ))1⩽i,j⩽N (h) ∈ MN (h) (R), U = (xih )1⩽i⩽N (h) ∈ RN (h) , F = (l(φi ))1⩽i⩽N (h) ∈ RN (h) .
On est donc ramené à la résolution d’un système linéaire. Remarquons que ce système ad-
met bien une unique solution puisque A est une matrice inversible, par coercivité de a. Si de plus,
++
a est symétrique, alors A ∈ SN (h) (R), ce qui permet d’exploiter des méthodes particulières de
résolution de systèmes linéaires.


Dans notre situation, on va fixer x0 = 0, . . . , xN (h)+1 = 1 , une subdivision de l’intervalle [0, 1]
de pas h, et
Vh = v ∈ C 0 ([0, 1]) | ∀j ∈ {0, . . . , N (h)} , v [xj ,xj+1 ] ∈ P1 et v(0) = v(1) = 0 ⊂ H01 ((0, 1)).

Ce sont les éléments de Lagrange d’ordre 1, où P1 désigne les polynômes de degré 1. Vh est un
espace vectoriel de dimension N (h), dont une base est donnée par la famille de fonctions :
x − xi−1
  
 si x ∈ [xi−1 ; xi ]
 xi − xi−1


 
φi : x ∈ [0, 1] 7→
 xi+1 − x ∈ R

.
si x ∈ [xi ; xi+1 ] 
 

 x i+1 − xi

0 sinon

1⩽i⩽N (h)
Elles vérifient pour tout 1 ⩽ i, j ⩽ N (h), φi (xj ) = δi,j .
Retour au problème initial : On suppose désormais pour faciliter les calculs que la subdivision
1
introduite est régulière. On note h = N (h)+1 le pas de cette subdivision.
Remarquons que si 1 ⩽ i, j ⩽ N (h), |i − j| > 1 ⇒ Supp(φi ) ∩ Supp(φj ) = ∅. La matrice A est donc
tridiagonale (et elle est symétrique). Il suffit donc de calculer les termes diagonaux et sur-diagonaux.
Z xi+1
2
∀i ∈ {1, . . . , N (h)} , a(φi , φi ) = φ′i (x)2 dx. =
xi−1 h
Z xi+1
1
∀i ∈ {1, . . . , N (h) − 1} , a(φi , φi+1 ) = φ′i (x)φ′i+1 (x)dx = − .
xi h
Ainsi,  
2 −1 ··· ··· 0
 .. 
−1 2 −1 . 
1 
A=   .. .. .. .
h 0 . . . 0 
0 −1 2 −1
0 · · · · · · −1 2
Z xi+1 Z xi+1
Enfin, ∀i ∈ {1, . . . , N (h)}, l(φi ) = f (x)φi (x)dx ≃ f (xi ) φi (x)dx = f (xi )h.
xi−1 xi−1
Remarque : Dans le cadre de cette approximation, on résout l’équation −u′′ = f sur (0, 1) à
l’aide d’un système linéaire, qui correspond à celui obtenu par différence finie. Les différences finies
coïncident avec les éléments finis dans cette situation.
5.7 Convergence
Theorème 14
Supposons que f ∈ C 0 ([0, 1]), notons u l’unique solution (forte) du problème de Dirichlet. Alors,

il existe C > 0 tel que : si uh désigne l’approximation par la méthode des éléments finis de
Lagrange P1 , sur un maillage uniforme de pas h,
∥u − uh ∥ ⩽ Ch.
Démonstration : On note πh (u) l’interpolation de u sur la base (φi )1⩽i⩽N (h) . Alors,
Z 1 N (h) xi+1
XZ
∥u − πh (u)∥2 = |u′ (x) − πh (u)′ (x)|2 dx = |u′ (x) − πh (u)′ (x)|2 dx.
0 i=0 xi
Or, pour x ∈]xi , xi+1 [,
u(xi+1 ) − u(xi ) u(xi+1 ) − u(xi )

πh (u)′ (x) = = .
h xi+1 − xi
Ainsi, par inégalité des accroissements finis, il existe ξi ∈]xi , xi+1 [ tel que πh (u)′ (x) = u′ (ξi ). Par
suite, on obtient :
N (h) xi+1 N (h) xi+1
2
XZ ′ ′ 2
XZ
∥u − πh (u)∥ = |u (x) − u (ξi )| dx ⩽ M22 h2 dx.
i=0 xi i=0 xi
∥u − πh (u)∥2 ⩽ M22 h3 (N (h) + 1) = M22 h2 .

Par le lemme de Céa :
M
∥u − uh ∥ ⩽ u′′ ∞
h.
α
On peut obtenir l’estimation suivante en norme L2 :

Theorème 15
Supposons que f ∈ C 0 ([0, 1]), notons u l’unique solution (forte) du problème de Dirichlet. Alors,
il existe C > 0 tel que : si uh désigne l’approximation par la méthode des éléments finis de
Lagrange P1 , sur un maillage uniforme de pas h,
∥u − uh ∥L2 ⩽ Ch2 .
Démonstration : On raisonne de la même façon que précédemment, et on utilise l’opérateur d’inter-

polation π(u). On a :
N (h) xi+1
XZ
∥u − πh (u)∥2L2 = |u(x) − πh (u)(x)|2 dx.
i=0 xi
Pour i ∈ J0, N (h)K, pour x ∈]xi , xi+1 [, puisque u et πh (u) coïncident au point xi ,
Z x 2
|u(x) − πh (u)(x)|2 = u′ (t) − πh (u)′ (t) dt

.
xi
Par Cauchy-Schwarz,
Z x
2
|u(x) − πh (u)(x)|2 ⩽ h u′ (t) − πh (u)′ (t) dt.
xi
Pour t ∈]xi , xi+1 [, on utilise l’inégalité des accroissements finis : il existe ξit ∈]xi , xi+1 [ tel que
πh (u)′ (t) = u′ (ξit ). Alors,
!2
Z x Z t
2 ′′
|u(x) − πh (u)(x)| ⩽ h u (z)dz dt.
xi ξit

ENS Rennes 6 ÉQUATION DE LA CHALEUR
Par Cauchy-Schwarz,
!
Z x Z t Z x Z xi+1
2 2 ′′ 2 2 ′′ 2
|u(x) − πh (u)(x)| ⩽ h (u ) (z)dz dt ⩽ h (u ) (z)dz dt.
xi ξit xi xi
Z xi+1
|u(x) − πh (u)(x)|2 ⩽ h3 (u′′ )2 (z)dz.
xi
Ainsi,
N (h) Z xi+1 Z xi+1 Z 1
2
X
′′ 2
∥u − πh (u)∥L2 ⩽ h 3
(u ) (z)dz dx = h 4
(u′′ )2 (t)dt.
i=0 xi xi 0
On en déduit que :
∥u − πh (u)∥L2 ⩽ h2 ∥u′′ ∥L2 .
Par le lemme de Céa :
M ′′
∥u − uh ∥L2 ⩽ ∥u ∥L2 h2 .
α
6 Équation de la chaleur
6.1 Modélisation
On s’intéresse à l’équation de la chaleur dans une barre de longueur L. On fait un bilan d’énergie
sur une portion de longueur dx, dans un labs de temps dt. Le problème est unidimensionnel.
∂jQ (t, x)
ρSdxcdT (t, x) = dU (t, x) = δQ(t, x) = S (jQ (t, x) − jQ (t, x + dx)) dt ≃ −S dxdt.
∂x
On utilise la loi de Fourier :
−
→ −−→
jQ (t, x) = −λgradT (t, x).
Alors, le mouvement étant unidimensionnel, on obtient :
∂2T
ρcSdxdT (t, x) = +Sdx (t, x)dt.
∂x2
Ceci fournit le résultat.
6.2 Well-posedness
On admet le théorème suivant :
Theorème 16 (Well-posedness de l’équation de la chaleur)
Soit u0 ∈ C 0 ∩ Cpm
1
(R, C), 2π-périodique. Alors, l’équation de la chaleur
2
sur R∗+ × R

∂t u(t, x) = c∂xx u(t, x)
u(0, x) = u0 (x) sur R
0
admet une unique solution u ∈ C2π,x (R+ × R, C) ∩ C2π,x
2
(R+
∗ × R, C). De plus, l’unique solution
∞ ∗
vérifie u ∈ C2π,x (R+ × R, C).
0
On obtient le même théorème avec u0 ∈ C2π (R, C), mais la preuve est plus compliquée : elle fait
intervenir le principe du maximum et une régularisation par noyau.

6.3 Étude du schéma numérique

On s’intéresse à la discrétisation de cette équation sur [0, T ]×[0, 2π], avec T > 0. Quitte à dilater
la fonction, on peut supposer la L-périodicité. On travaille donc sur les intervalles [0, T ] × [0, L].
On introduit donc des discrétisations (régulières) de ces intervalles :
(tn )n∈J0,N K , (xj )j∈J0,JK ,
admet pour pas de discrétisation temporel ∆t et spatial ∆x. Ainsi,
∀n ∈ J0, N K, tn = n∆t,
∀j ∈ J0, JK, xj = j∆x.

On souhaite approximer la valeur de u(tn , xj ) par unj . On initialise alors le procédé à :
∀j ∈ J0, JK, u0j = u0 (xj ).
On souhaite donc approximer les dérivées spatiales et temporelles : on choisit une différence finie
d’ordre 1 à droite pour la dérivée temporelle, i.e.
∂u un+1
j − unj
(tn , xj ) ≃ .
∂t ∆t
Pour l’approximation de la dérivée spatiale, on choisit une différence finie, centrée, d’ordre 2 :
∂2u unj+1 − 2unj + unj−1

(t n , xk ) ≃ .
∂x2 ∆x2
On a ici choisi une différence explicite, i.e. en temps n. On peut aussi introduire un schéma
implicite :
∂2u un+1 n+1
j+1 − 2uj + un+1
j−1
(tn , xk ) ≃ .
∂x2 ∆x2
On fait le choix d’un schéma hybride, appelé, schéma θ. Pour θ ∈ [0, 1], on considère alors :
un+1
j − unj un+1 n+1
j+1 − 2uj + un+1
j−1 unj+1 − 2unj + unj−1
∀(n, j) ∈ J0, N − 1K × J1, JK, = cθ + c(1 − θ) .
∆t ∆x2 ∆x2
Pour veiller à la bonne définition de ce schéma, on considère les conditions de bord suivantes :
un0 = unJ+1 = 0, pour n ∈ J0, N K.
Définition 9
Le schéma est dit convergent en norme l2 si
max (unj − u(tn , xj ))j∈J1,JK −→

l2 ∆t,∆x→0
0.
n∈J0,N K
Theorème 17
Le θ-schéma est convergent pour la norme l2 :
1
∗ Inconditionnellement si θ ⩾ .
2
2c∆t 1
∗ Sous la condition CFL (1 − 2θ) 2
⩽ 0 si θ < .
∆x 2
1
Il est d’ordre un en temps et deux en espace si θ ̸= et d’ordre deux en temps et en espace
2
sinon (schéma de Crank-Nicholson).

Démonstration : Pour tout n ∈ J0, N K, on introduit U n = (un

j )j∈J1,JK . On reformule alors le schéma
en :
c∆t n+1 c∆t
IJ + θ A U = IJ − (1 − θ) A U n,
∆x2 ∆x2
avec la matrice
−1
 
2
−1 1 −1 
.. .. ..
 
A= . . .
 ∈ MJ (R).
 
 −1 2 −1
−1 2
Montrons que le schéma est bien défini : on sait que, les valeurs propres de la matrice A sont :

2 kπ
σ(A) = 4 sin , k ∈ J1, JK .
2(J + 1)
c∆t
Alors, toutes les valeurs propres de IJ + θ A sont strictement positives, la matrice est donc
∆x2
inversible et le schéma est bien défini, et
−1
c∆t c∆t
U n+1 = IJ + θ A IJ − (1 − θ) A U n = BU n .
∆x2 ∆x2
Étape 1 : étude de la consistance du schéma : puisque la solution est régulière, le théorème de

Taylor-Lagrange fournit :
u(tn+1 , xj ) − u(tn , xj ) ∂u ∆t ∂ 2 u
= (tn , xj ) + (tn , xj ) + O(∆t2 ),
∆t ∂t 2 ∂t2
u(tn , xj+1 ) − 2u(tn , xj ) + u(tn , xj−1 ) ∂2u
2
= (tn , xj ) + O(∆x2 ).
∆x ∂x2
De même,
u(tn+1 , xj+1 ) − 2u(tn+1 , xj ) + u(tn+1 , xj−1 ) ∂2u 1 ∂u

= (tn+1 , xj )+O(∆x2 ) = (tn+1 , xj )+O(∆x2 ).
∆x2 ∂x2 c ∂t

u(tn+1 , xj+1 ) − 2u(tn+1 , xj ) + u(tn+1 , xj−1 ) 1 ∂u ∂2u
= (tn , xj ) + ∆t 2 (tn , xj ) + O(∆t2 + ∆x2 ).
∆x2 c ∂t ∂t
L’erreur de consistante εn
j , en (tn , xj ) est donnée par : pour tout j ∈ J1, JK, n ∈ J0, N − 1K,
∂u ∆t ∂ 2 u ∂2u
εn
j = (tn , xj ) + 2
(tn , xj ) − c(1 − θ) 2 (tn , xj )−
∂t 2 ∂t ∂x

∂u ∂2u
θ (tn , xj ) + ∆t 2 (tn , xj ) + O(∆x2 + ∆t2 ).
∂t ∂t

1 ∂2u ∂u ∂2u

εn
j = ∆t −θ (tn , xj ) + (1 − θ) −c 2 (tn , xj )) + O(∆x2 + ∆t2 ).
2 ∂t2 ∂t ∂x
1 ∂2u

εn −θ
j = ∆t (tn , xj ) + O(∆x2 + ∆t2 ) = O(∆t + ∆x2 ).
2 ∂t2
1
De plus, on gagne un ordre si θ = .
2
Étape 2 : étude de la stabilité du schéma : les valeurs propres de la matrice de transition sont :
( −1 )
4c∆t kπ 4c∆t kπ
1+θ sin2 1 − (1 − θ) sin2 , k ∈ J1, JK .
∆x2 2(J + 1) ∆x2 2(J + 1)
( −1 )
4c∆t kπ 4c∆t kπ
1− 1+θ sin2 sin2 , k ∈ J1, JK .
∆x2 2(J + 1) ∆x2 2(J + 1)
Alors, on a directement
∥U n ∥l2 ⩽ |||B|||n
2 ∥U0 ∥l2 ,

Puisque la matrice B est symétrique,
|||B|||2 = ρ(B).
Alors, une condition nécessaire et suffisante à la stabilité en norme l2 est : ρ(B) ⩽ 1. Alors ceci
équivaut à, pour tout k ∈ J1, JK,

4c∆t
∆x2
sin2 kπ
2(J+1)
1− ⩽1
kπ
1 + θ 4c∆t
∆x2
sin2 2(J+1)
ssi
2c∆t kπ
sin2 (2θ − 1) ⩾ −1.
∆x2 2(J + 1)
1 1
C’est clair si θ ⩾ . Si θ < , alors, cette condition équivaut à :
2 2

2c∆t Jπ
sin2 (1 − 2θ) ⩽ 1.
∆x2 2(J + 1)
Ceci donne le résultat en prenant J grand. On peut également utiliser les fonctions constantes par
morceaux, et l’identité de Parseval afin de Fourieriser l’équation.
Étape 3 : convergence : On va reprouver le théorème de Lax qui dit qu’un schéma stable et consistant
est convergeant. On introduit en n n n
j = uj − u(tn , xj )., et e = (ej )j∈J1,JK . Alors,
en+1 = Ben + ∆t(εn

j )j∈J1,JK .
Alors,
n−1
X
en = B n e0 + ∆t B k (εkj )j∈J1,JK .
k=0
Ainsi, pour tout n ∈ J0, N K

n−1
X
∥en ∥l2 ⩽ 0 + ∆t |||B|||k (εkj )j∈J1,JK l2
⩽ C∆tN (∆t + ∆x2 ) = CT (∆t + ∆x2 ).
k=0
Ceci conclut.

Coursagregop B

Transféré par

Droits d'auteur :

Formats disponibles

Coursagregop B

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Coursagregop B

Transféré par

Droits d'auteur :

Formats disponibles

ENS Rennes TABLE DES MATIÈRES

Compléments de cours - Agrégation externe - Option B

Table des matières

2 Étude complète de systèmes différentiels 7

3 Systèmes à coefficients périodiques 11

4 Étude de la méthode d’Euler explicite 14

5 Vers les problèmes de Dirichlet 17

Compléments de cours - Option B 1 Théo Gherdaoui

1 Équations différentielles ordinaires - étude

1.2 Vectoriser une équation

1.3 Existence et unicité d’une solution maximale

Compléments de cours - Option B 2 Théo Gherdaoui

Ainsi, τ = T + t0 , ceci conclut à l’existence du cylindre de sécurité.

donc ∥Φ(x) − Φ(y)∥∞ ⩽ ε.

Compléments de cours - Option B 3 Théo Gherdaoui

Donc, pour tout t ∈ I ∩ R∗+ , yn (t) > yn (0) = 0. Ainsi,

1.4 Question du temps d’existence

1.4.2 Utilisation du théorème des bouts

Compléments de cours - Option B 4 Théo Gherdaoui

vérifiant : il existe M1 , M2 ∈ L1loc (R) tel que

∀(t, x) ∈ R × Rd , ∥f (t, x)∥ ⩽ M1 (t) ∥x∥ + M2 (t).

Le lemme de Grönwall donne : ∀t ∈ (t0 , T ∗ ),

1.5 Propriétés qualitatives

1.5.2 Étude des points d’équilibre

Compléments de cours - Option B 5 Théo Gherdaoui

Théorème de stabilité linéaire On s’intéresse à une équation différentielle autonome de la

1. On dit que y0 ∈ Rd est un point d’équilibre si f (y0 ) = 0.

Compléments de cours - Option B 6 Théo Gherdaoui

Théorème de Lyapounov On possède un critère utilisant des fonctions de Lyapounov. C’est

2 Étude complète de systèmes différentiels

Compléments de cours - Option B 7 Théo Gherdaoui

Temps d’existence On définit V : (x, y) ∈ R2 7→ 21 (x2 + y 2 ). Remarquons que pour tout t ∈ I,

∥(x, y)(t)∥2 ⩽ ∥(x0 , y0 )∥2 .

Le théorème de sortie de tout compact assure que [t0 , +∞[⊆ I.

Le point d’équilibre est donc asymptotiquement stable.

2.2 Modèle de dé-pollution d’un lac

Ici, x et y désignent des concentrations, Q, µ et ξ sont des constantes strictement positives.

Compléments de cours - Option B 8 Théo Gherdaoui

Ainsi, un développement limité de la solution donne pour h > 0 petit :

Étude des points d’équilibre ∀(x, y) ∈ R2 ,

Compléments de cours - Option B 9 Théo Gherdaoui

2.3 Modèle de Lotka-Volterra

où a, b, c, d sont des constantes strictement positives.

Existence et unicité d’une solution maximale La fonction définissant le système étant

H(p, r) = f (p) + g(r) ⩾ inf

Compléments de cours - Option B 10 Théo Gherdaoui

(∇H(x, y)|f (x, y)) = 0.

3 Systèmes à coefficients périodiques

3.2 Rappels sur la résolvante

est donnée par x(t) = R(t, t0 )x0 .

Compléments de cours - Option B 11 Théo Gherdaoui

Remarque 3. Pour le cas où A est à coefficients constants, alors, R(t, s) = eA(t−s) .

Démonstration : On définit f : t 7→ R(t, t1 )R(t1 , t2 ) et g : t 7→ R(t, t2 ) Alors :

f ′ (t) = ∂t (R(t, t1 )) R(t1 , t2 ) = A(t)R(t, t1 )R(t1 , t2 ) = A(t)f (t) et f (t1 ) = R(t1 , t2 ).

g ′ (t) = A(t)R(t, t2 ) = A(t)g(t) et g(t1 ) = R(t1 , t2 ).

Theorème 7 (Formule de Duhamel)

est donnée par : Z t

f ′ (t) = A(t + T )f (t) = A(t)f (t) et f (0) = R(T, 0).

g ′ (t) = A(t)g(t) et g(0) = R(0, 0)R(T, 0) = Id .R(T, 0) = R(T, 0).