Les techniques de Runge-Kutta sont des schémas numériques à un pas qui permettent de résoudre les équations différentielles ordinaires. Elles font parties des méthodes les plus populaires de part leur facilité de mise en œuvre et leur précision. C'est Carle Runge et Martin Kutta qui, au début du XXe siècle, ont inventé ces méthodes.
Nous décrivons ici algorithme assez utilisé : celles de Runge-Kutta d'ordre 4.
Pr´esentation
La th´eorie des probabilit´es r´esulte d’un long processus de mod´elisation
des ph´enom`enes al´eatoires, inaugur´e au xviie si`ecle par l’´etude des jeux de
hasard, pour aboutir aujourd’hui `a la th´eorisation de ph´enom`enes aussi complexes
que les processus de diffusion en physique ou l’´evolution des march´es
financiers. En 1931, le math´ematicien sovi´etique Andrei Kolmogorov, prenant
appui sur la toute r´ecente th´eorie de la mesure et de l’int´egration d´evelopp
´ee par Borel et Lebesgue, donna au corpus d´enomm´e jusqu’alors Calcul des
probabilit´es une structure axiomatico-d´eductive, propre aux math´ematiques
contemporaines, assurant la th´eorie des probabilit´es sur des bases solides.
Ce livre s’adresse aux ´etudiants en math´ematiques de niveaux L2, L3
et M1, ainsi qu’aux ´el`eves ing´enieurs et plus g´en´eralement aux ´etudiants et
aux chercheurs sollicit´es par des probl`emes de mod´elisation de ph´enom`enes et
de syst`emes al´eatoires. Il devrait leur permettre de maˆıtriser les concepts et
les m´ethodes probabilistes afin de les appliquer `a des domaines aussi vari´es
que le traitement du signal, l’automatique, la th´eorie des r´eseaux, la recherche
op´erationnelle, les sciences biologique et ´economique.
Les pr´erequis constitu´ees des connaissances math´ematiques dispens´ees
durant les deux premi`eres ann´ees d’un cursus universitaire du type math´ematique,
ou dans le cadre des classes pr´eparatoires aux ´ecoles d’ing´enieurs et de
commerce, pourront ˆetre compl´et´es par les notions basiques d’analyse fonctionnelle
: mesure et int´egration, espaces de Hilbert.
J’ai r´edig´e ce cours dans le souci permanent d’´eviter la pesante et souvent
inefficace lin´earit´e de l’expos´e d´eductif, que les limites horaires d’un cours
de math´ematiques en ´ecole d’ing´enieurs rendent impraticables. `A de rares exceptions
pr`es, seules les d´emonstrations peu techniques et relativement courtes
ont ´et´e donn´ees ; en revanche certaines d´emonstrations abordables et ayant un
int´erˆet p´edagogique sont propos´ees sous forme d’exercices.
L’ouvrage est compos´e de onze chapitres : les six premiers constituent
un expos´e de la th´eorie des probabilit´es ; les quatre suivants sont consacr´es aux
processus al´eatoires classiques et `a leurs applications, quant au dernier chapitre
c’est un ensemble de probl`emes suivis de leurs corrig´es. Le premier chapitre
concerne les probabilit´es d´efinies sur des ensembles au plus d´enombrables ; les
deux chapitres suivants mettent en place les notions th´eoriques centrales s’articulant
sur les concepts de variable et de vecteur al´eatoire
Pr´esentation
La th´eorie des probabilit´es r´esulte d’un long processus de mod´elisation
des ph´enom`enes al´eatoires, inaugur´e au xviie si`ecle par l’´etude des jeux de
hasard, pour aboutir aujourd’hui `a la th´eorisation de ph´enom`enes aussi complexes
que les processus de diffusion en physique ou l’´evolution des march´es
financiers. En 1931, le math´ematicien sovi´etique Andrei Kolmogorov, prenant
appui sur la toute r´ecente th´eorie de la mesure et de l’int´egration d´evelopp
´ee par Borel et Lebesgue, donna au corpus d´enomm´e jusqu’alors Calcul des
probabilit´es une structure axiomatico-d´eductive, propre aux math´ematiques
contemporaines, assurant la th´eorie des probabilit´es sur des bases solides.
Ce livre s’adresse aux ´etudiants en math´ematiques de niveaux L2, L3
et M1, ainsi qu’aux ´el`eves ing´enieurs et plus g´en´eralement aux ´etudiants et
aux chercheurs sollicit´es par des probl`emes de mod´elisation de ph´enom`enes et
de syst`emes al´eatoires. Il devrait leur permettre de maˆıtriser les concepts et
les m´ethodes probabilistes afin de les appliquer `a des domaines aussi vari´es
que le traitement du signal, l’automatique, la th´eorie des r´eseaux, la recherche
op´erationnelle, les sciences biologique et ´economique.
Les pr´erequis constitu´ees des connaissances math´ematiques dispens´ees
durant les deux premi`eres ann´ees d’un cursus universitaire du type math´ematique,
ou dans le cadre des classes pr´eparatoires aux ´ecoles d’ing´enieurs et de
commerce, pourront ˆetre compl´et´es par les notions basiques d’analyse fonctionnelle
: mesure et int´egration, espaces de Hilbert.
J’ai r´edig´e ce cours dans le souci permanent d’´eviter la pesante et souvent
inefficace lin´earit´e de l’expos´e d´eductif, que les limites horaires d’un cours
de math´ematiques en ´ecole d’ing´enieurs rendent impraticables. `A de rares exceptions
pr`es, seules les d´emonstrations peu techniques et relativement courtes
ont ´et´e donn´ees ; en revanche certaines d´emonstrations abordables et ayant un
int´erˆet p´edagogique sont propos´ees sous forme d’exercices.
L’ouvrage est compos´e de onze chapitres : les six premiers constituent
un expos´e de la th´eorie des probabilit´es ; les quatre suivants sont consacr´es aux
processus al´eatoires classiques et `a leurs applications, quant au dernier chapitre
c’est un ensemble de probl`emes suivis de leurs corrig´es. Le premier chapitre
concerne les probabilit´es d´efinies sur des ensembles au plus d´enombrables ; les
deux chapitres suivants mettent en place les notions th´eoriques centrales s’articulant
sur les concepts de variable et de vecteur al´eatoire
SUR L'INSTANT DE PREMIER PASSAGE DANS LES RISQUES DYNAMIQUES ACTUARIELSMohamed Amine KACEF
Dans cette thèse, nous avons étudié le problème de l’instant de premier passage dans la tarification des options qui sont des produits financiers permettant le transfert des risques liés à la dynamique stochastique des marchés financiers. Dans ce contexte, nous avons développé un nouveau produit dérivé appelé option géométrique d'Istanbul. Cette option est une extension des options asiatiques car son prix dépend du prix moyen de l'actif sous-jacent sur une période de temps aléatoire. De plus, comme dans le cas des options à barrière, le gain d'une option géométrique d'Istanbul dépend de l’instant de premier passage d'un mouvement brownien générique puisque nous supposons que le modèle économique choisi pour l'étude est celui de Black-Scholes(1973). Une formule d'approximation est donnée sous forme fermée pour une option géométrique d'Istanbul dans le cas d'une option d'achat (Call) et également pour une option de vente (Put). Dans nos approches numériques, nous adoptons la technique de Monte-Carlo avec réduction de la variance de l'estimateur obtenu par la méthode des variables de contrôle. Cette approche numérique nous a permis de valider l'efficacité de nos formules d'approximation analytiques puisque le prix de l'option obtenu numériquement est très proche de celui que nous proposons pour divers paramètres d'entrée tels que le taux d'intérêt, la volatilité, le prix initial, le prix d'exercice et la date d'échéance. Par ailleurs, nous avons montré, numériquement, que le prix de notre option est relativement moins cher que celui d'une option arithmétique d'Istanbul proposée pour la première fois par Michel Jacques en 1979.
Résolution numérique de l'équation de Black Scholes en pythonAli SIDIBE
Dans ce présent travail, nous allons appliquer la méthode numérique pour l'équation différentielle vérifiée par le prix d'une option en finance, communément appelé l'équation de Black-Scholes.
La formule de Black-Scholes lie le prix d'une option à ses caractéristique par une équation différentielle partielle non linéaire. Elle s'est imposée comme une référence en termes de valorisation des options.
L'intérêt de ce présent travail est de résoudre cette équation différentielle par la méthode des différences finies (bien que la solution analytique existe) et l'implémenter en python. Pour cela, nous commencerons par présenter la méthode des différences finies dans un premier temps. Ensuite dans la deuxième partie, nous discrétiserons l'équation de black-scholes à l'aide des différentes schéma et pour finir l'implémentation en python en troisième partie.
Etude de la convergence du modèle binomial vers le modèle de Black ScholesAli SIDIBE
Le but de ce projet était de montrer la convergence du modèle discret binomial de Cox-Ross-Rubinstein (BOPM pour “binomial option pricing modèle”) vers le modèle continu de Black, Scholes et Merton (BSM).\\
Ces deux modèles sont des modèles de l'évaluation des produits financiers vus dans le cours.
L'intérêt d’une telle étude est de savoir si l’on peut approximer un temps discret par un temps continu et inversement.
SUR L'INSTANT DE PREMIER PASSAGE DANS LES RISQUES DYNAMIQUES ACTUARIELSMohamed Amine KACEF
Dans cette thèse, nous avons étudié le problème de l’instant de premier passage dans la tarification des options qui sont des produits financiers permettant le transfert des risques liés à la dynamique stochastique des marchés financiers. Dans ce contexte, nous avons développé un nouveau produit dérivé appelé option géométrique d'Istanbul. Cette option est une extension des options asiatiques car son prix dépend du prix moyen de l'actif sous-jacent sur une période de temps aléatoire. De plus, comme dans le cas des options à barrière, le gain d'une option géométrique d'Istanbul dépend de l’instant de premier passage d'un mouvement brownien générique puisque nous supposons que le modèle économique choisi pour l'étude est celui de Black-Scholes(1973). Une formule d'approximation est donnée sous forme fermée pour une option géométrique d'Istanbul dans le cas d'une option d'achat (Call) et également pour une option de vente (Put). Dans nos approches numériques, nous adoptons la technique de Monte-Carlo avec réduction de la variance de l'estimateur obtenu par la méthode des variables de contrôle. Cette approche numérique nous a permis de valider l'efficacité de nos formules d'approximation analytiques puisque le prix de l'option obtenu numériquement est très proche de celui que nous proposons pour divers paramètres d'entrée tels que le taux d'intérêt, la volatilité, le prix initial, le prix d'exercice et la date d'échéance. Par ailleurs, nous avons montré, numériquement, que le prix de notre option est relativement moins cher que celui d'une option arithmétique d'Istanbul proposée pour la première fois par Michel Jacques en 1979.
Résolution numérique de l'équation de Black Scholes en pythonAli SIDIBE
Dans ce présent travail, nous allons appliquer la méthode numérique pour l'équation différentielle vérifiée par le prix d'une option en finance, communément appelé l'équation de Black-Scholes.
La formule de Black-Scholes lie le prix d'une option à ses caractéristique par une équation différentielle partielle non linéaire. Elle s'est imposée comme une référence en termes de valorisation des options.
L'intérêt de ce présent travail est de résoudre cette équation différentielle par la méthode des différences finies (bien que la solution analytique existe) et l'implémenter en python. Pour cela, nous commencerons par présenter la méthode des différences finies dans un premier temps. Ensuite dans la deuxième partie, nous discrétiserons l'équation de black-scholes à l'aide des différentes schéma et pour finir l'implémentation en python en troisième partie.
Etude de la convergence du modèle binomial vers le modèle de Black ScholesAli SIDIBE
Le but de ce projet était de montrer la convergence du modèle discret binomial de Cox-Ross-Rubinstein (BOPM pour “binomial option pricing modèle”) vers le modèle continu de Black, Scholes et Merton (BSM).\\
Ces deux modèles sont des modèles de l'évaluation des produits financiers vus dans le cours.
L'intérêt d’une telle étude est de savoir si l’on peut approximer un temps discret par un temps continu et inversement.
Conseils pour Les Jeunes | Conseils de La Vie| Conseil de La JeunesseOscar Smith
Besoin des conseils pour les Jeunes ? Le document suivant est plein des conseils de la Vie ! C’est vraiment un document conseil de la jeunesse que tout jeune devrait consulter.
Voir version video:
➡https://youtu.be/7ED4uTW0x1I
Sur la chaine:👇
👉https://youtube.com/@kbgestiondeprojets
Aimeriez-vous donc…
-réussir quand on est jeune ?
-avoir de meilleurs conseils pour réussir jeune ?
- qu’on vous offre des conseils de la vie ?
Ce document est une ressource qui met en évidence deux obstacles qui empêchent les jeunes de mener une vie épanouie : l'inaction et le pessimisme.
1) Découvrez comment l'inaction, c'est-à-dire le fait de ne pas agir ou d'agir alors qu'on le devrait ou qu'on est censé le faire, est un obstacle à une vie épanouie ;
> Comment l'inaction affecte-t-elle l'avenir du jeune ? Que devraient plutôt faire les jeunes pour se racheter et récupérer ce qui leur appartient ? A découvrir dans le document ;
2) Le pessimisme, c'est douter de tout ! Les jeunes doutent que la génération plus âgée ne soit jamais orientée vers la bonne volonté. Les jeunes se sentent toujours mal à l'aise face à la ruse et la volonté politique de la génération plus âgée ! Cet état de doute extrême empêche les jeunes de découvrir les opportunités offertes par les politiques et les dispositifs en faveur de la jeunesse. Voulez-vous en savoir plus sur ces opportunités que la plupart des jeunes ne découvrent pas à cause de leur pessimisme ? Consultez cette ressource gratuite et profitez-en !
En rapport avec les " conseils pour les jeunes, " cette ressource peut aussi aider les internautes cherchant :
➡les conseils pratiques pour les jeunes
➡conseils pour réussir
➡jeune investisseur conseil
➡comment investir son argent quand on est jeune
➡conseils d'écriture jeunes auteurs
➡conseils pour les jeunes auteurs
➡comment aller vers les jeunes
➡conseil des jeunes citoyens
➡les conseils municipaux des jeunes
➡conseils municipaux des jeunes
➡conseil des jeunes en mairie
➡qui sont les jeunes
➡projet pour les jeunes
➡conseil des jeunes paris
➡infos pour les jeunes
➡conseils pour les jeunes
➡Quels sont les bienfaits de la jeunesse ?
➡Quels sont les 3 qualités de la jeunesse ?
➡Comment gérer les problèmes des adolescents ?
➡les conseils de jeunes
➡guide de conseils de jeunes
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...M2i Formation
Améliorez l'intégration de vos nouveaux collaborateurs grâce à notre formation flash sur l'onboarding. Découvrez des stratégies éprouvées et des outils pratiques pour transformer l'intégration en une expérience fluide et efficace, et faire de chaque nouvelle recrue un atout pour vos équipes.
Les points abordés lors de la formation :
- Les fondamentaux d'un onboarding réussi
- Les outils et stratégies pour un onboarding efficace
- L'engagement et la culture d'entreprise
- L'onboarding continu et l'amélioration continue
Formation offerte animée à distance avec notre expert Eric Collin
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24BenotGeorges3
Les informations et évènements agricoles en province du Luxembourg et en Wallonie susceptibles de vous intéresser et diffusés par le SPW Agriculture, Direction de la Recherche et du Développement, Service extérieur de Libramont.
Le fichier :
Les newsletters : https://agriculture.wallonie.be/home/recherche-developpement/acteurs-du-developpement-et-de-la-vulgarisation/les-services-exterieurs-de-la-direction-de-la-recherche-et-du-developpement/newsletters-des-services-exterieurs-de-la-vulgarisation/newsletters-du-se-de-libramont.html
Bonne lecture et bienvenue aux activités proposées.
#Agriculture #Wallonie #Newsletter #Recherche #Développement #Vulgarisation #Evènement #Information #Formation #Innovation #Législation #PAC #SPW #ServicepublicdeWallonie
Cycle de Formation Théâtrale 2024 / 2025Billy DEYLORD
Pour la Saison 2024 / 2025, l'association « Le Bateau Ivre » propose un Cycle de formation théâtrale pour particuliers amateurs et professionnels des arts de la scène enfants, adolescents et adultes à l'Espace Saint-Jean de Melun (77). 108 heures de formation, d’octobre 2024 à juin 2025, à travers trois cours hebdomadaires (« Pierrot ou la science de la Scène », « Montage de spectacles », « Le Mime et son Répertoire ») et un stage annuel « Tournez dans un film de cinéma muet ».
Résolution d'équations différentielles linéaires du premier ordre par la méthode de Runge Kutta d'ordre 4 et application sous JAVA
1. D´epartement de Math´ematique, Informatique et Gestion
Fili`ere Sciences Math´ematiques et Informatiques
Num´eros d’ordre :.....
R´esolution d’´equations diff´erentielles lin´eaires du premier ordre
par la m´ethode de Runge Kutta d’ordre 4 et application
Projet tutor´e pr´epar´e par
Mohamed Ez-zini et Sofyane Bouameur
Sous la direction du
Prof. Brahim El habil
Soutenu le : 25 Mai 2017
Devant le jury :
Prof. B. El habil : Professeur la facult´e polydisciplinaire de Ouarzazate
Prof. R. Bouyouli : Professeur la facult´e polydisciplinaire de Ouarzazate
Ann´ee Universitaire : 2016-2017
3. Remerciements
Nous tenons `a remercier notre encadrant Monsieur Brahim El Habil Professeur `a la facult´e polydisciplinaire
de Ouarzazate, pour avoir accept´e d’encadrer ce projet tutor´e, pour son soutien, ses encouragements et ses
explications.
Nous remercions ´egalement Mademoiselle R’kia Bouyouli Professeur `a la facult´e polydisciplinaire de Ouar-
zazate, pour avoir accept´e d’ˆetre examinatrice de notre travail.
Enfin , Nous remercions ´egalement les professeurs et les personnels de la facult´e polydisciplinaire de Ouar-
zazate pour leur collaboration au long de la p´eriode de formation et toute personne ayant contribu´e, de pr`es ou
de loin, `a la r´ealisation de ce travail.
3
4. Introduction g´en´erale
Le pr´esent document constitue une synth`ese de notre travail r´ealis´e dans le cadre du projet tutor´e de
fin de formation de la licence sciences math´ematiques et informatique (SMI). Ce projet `a pour objectif est de
pr´esenter une ´etude analytique de la r´esolution des ´equations diff´erentielle lin´eaires du premier ordre `a coefficients
constantes et une r´esolution num´erique par la m´ethode de Runge-Kutta dordre 4.
Une grande vari´et´e de probl`emes relatifs `a la m´ecanique, l’astronomie, la physique, math´ematique, etc...
conduisent `a d´eterminer une fonction inconnue, par la connaissance d’une ´equation reliant ses d´eriv´ees successives
jusqu’`a un certain ordre. Ces ´equations sont appel´ees les ´equations diff´erentielles. Leur ´etude constitue l’une des
branches des math´ematiques les plus fameux.
Ces ´equations diff´erentielles en g´en´erale sont invent´ees par Newton (1642-1727). C’est le d´ebut de la physique
moderne et l’utilisation de l’analyse pour r´esoudre la loi de la gravitation universelle conduisant `a l’ellipsit´e des
orbites des plan`etes dans le syst`eme solaire. Leibniz (1646-1716) ´erige l’analyse en discipline autonome mais il
faut attendre les travaux d’Euler (1707,1783) et de Lagrange (1736-1813) pour avoir apparaˆıtre les m´ethodes
permettant la r´esolution des ´equations lin´eaires.
Plus tard, Liouville (1790-1882) montrera l’impossibilit´e de r´esoudre certaines ´equations diff´erentielles d’ordre
plus ´elev´e.
De nos jours beaucoup des math´ematiciens, `a commencer par Poincar´e (1854-1912), ont montr´e que les
solutions d’´equations diff´erentielles peuvent ˆetre tr`es instables, ces ´equations peuvent conduire `a des situations
chaotiques `a cause d’une grande sensibilit´e aux conditions initiales.
Parmis les m´ethodes num´eriques d’aproximations des solutions des ´equations diff´erentielles les plus fameux
et les plus ´efficasses on trouve la m´ethode de Runge-Kutta (voir [1]). Elles sont nomm´ees ainsi en l’honneur des
math´ematiciens Carl Runge et Martin Wilhem Kutta lesquels ´elabor`erent cette m´ethode en 1901. Ces m´ethodes
reposent sur le principe de l’it´eration avec une condition initiale, c’est `a dire qu’une premi`ere estimation de la
solution est utilis´ee pour calculer une seconde et ainsi de suite.
Ainsi notre rapport ´ecrit en LATEX contient deux chapitre. Le premier chapitre est consacr´e `a la r´esolution
analytique et num´erique des ´equations diff´erentielles du premier ordre sous la forme du probl`eme de Cauchy
suivant
y (t) = ay(t) + b, t ≥ 0,
y(t0) = y0,
O`u a, b et y0 sont des ´el´ements d’un corps K. Dans le deuxi`eme chapitre nous avons d´evelopp´e une application
sous le language de programation orient´e objet Java pour r´esoudre tout probl`eme de Cauchy.
4
5. Chapitre 1
´Equations diff´erentielles lin´eaires
1.1 Introduction
Le long de ce chapitre, on s’int´eressent aux ´equations diff´erentielles lin´eaires d’ordre 1 de la forme
a0y (t) + a1y(t) = b0, t ∈ I
d´efinies sur un intervalle de la forme I = [t0, +∞[. Si a0 = 1, alors cette ´equation est dite une ´equation
diff´erentielle lin´eaire d’ordre 1 normalis´ee.
Sinon on peut se ramener `a une ´equation diff´erentielle lin´eaire d’ordre 1 normalis´ee on divisent par a0. D’o`u
l’´equation devient
y (t) + ay(t) = b, t ∈ I,
o`u a =
a1
a0
et b =
b0
a0
. Pour ¸ca r´esolution, cette ´equation est muni d’un condition unitiale y0, qu’on suppose
´egale `a y(t0). Ce ci donne le probl`eme de Cauchy suivant
y (t) = −ay(t) + b, t ≥ t0,
y(t0) = y0,
(1.1.0.1)
Avec (a, b, y0) ∈ R3
. On commence ce chapitre, dans un premier temps, par donner deux exemples th´eorique des
´equation diff´erentielles lin´eaire d’ordre 1. En suite, on donnera la solution analytique du probl`eme de Cauchy
dans le cas g´en´erale. En fin, on s’interessent `a la solution num´erique de (1.1.0.1). En particulier, la solution par
la m´ethode de Rung Kutta.
1.1.1 Exemples et motivations
Les ´equations diff´erentielles lin´eaires sont aujourd’hui extrˆemement pr´esents dans de nombreux domaines
scientifiques telsque le domaine de la physique, le domaine finan¸cier, la biologie....
Dans cette section, on donne les deux exemples suivant
Exemple 1.1.1. (Circuit ´electrique) On consid`ere le circuit ´electrique RC d´ecrit par la figure suivante
O`u UC et UR repr´esent r´espectivement la tension du courant ´electrique aux bornes du condensateur C et de la
r´esistance R sous une tension constante E.
D’apr´es la loi d’additivit´e des tensions (ou loi des mailles), E = UR + UC et d’apr`es la loi d’Ohm UR = Ri,
o`u l’intensit´e i =
dq
dt
=
d(C.UC)
dt
= C
dUC
dt
, on trouve l’´equation diff´eretielle du circuit RC d´eterminer par la
forme suivante
E = RC
dUC
dt
+ UC ⇔
dUC(t)
dt
+
1
RC
UC(t) =
E
RC
.
5
6. Exemple 1.1.2. (Solde d’un compte bancaire) Tous les ans, un compte bancaire est cr´edit´e d’int´erˆets d’un
taux de 5%. Si on suppose que le client de ce compte paye 50$ pour son loyer alors le solde y de ce compte
bancaire en fontion de l’ann´ee t v´erifierait
y =
5
100
y − 50.
1.2 R´esolution analytique
Dans cette sous section, on consid`ere le probl`eme de Cauchy (1.1.0.1). Analytiquement, la solution de ce
syst`eme est donn´ee par la m´ethode de la variation de la constante (voir [2]), sous la forme suivante
y(t) = y0e−a(t−t0)
+
b
a
1 − e−a(t−t0)
, t ≥ t0. (1.2.0.1)
Exemple 1.2.1. On consid`ere le probl`eme de cauchy suivant
y (t) = −2y(t) + 6, t ≥ 0,
y(0) = −1.
Par la m´ethode de variation de la constante (voir (1.2.0.1)), la solution est donn´ee par
y(t) = −e2t
− 3(1 − e2t
), t ≥ 0
= 2e2t
− 3.
Dans la suite, on ´etudiera la solution num´erique du prob`eme de Cauchy (1.1.0.1).
1.3 M´ethode de Runge Kutta d’ordre 4
Dans cette partie, on s’int´eressent `a la r´esolution num´erique du syst`eme (1.1.0.1), o`u y(t) est la fonction
recherch´ee et y0 est la valeur initial. En particulier, la r´esolution par la m´ethode de Runge Kutta d’ordre 4 qui
pr´esente un outil d’une grande pr´ecision que d’autre m´ethode telsque les m´ethodes d’Euler, Heun et Cranck
Nicolson (voir [4] et [5]). On commence ce paragraphe par d´eterminer explicitement le principe de cette m´ethode.
1.3.1 Principe
Le principe de la m´ethode de Runge Kutta est de choisir un pas h = tn+1 −tn en partant de la valeur initiale
y0 = y(t0), on int´egre l’´equation diff´erentielle y (t) = −ay(t) + b entre tn et tn+1, cela donne la forme suivante
y(tn+1) − y(tn) =
tn+1
tn
− ay(s) + b ds. (1.3.1.1)
On commence par estimer num´eriquement l’integrale dans l’´equation (1.3.1.1).
(i) Par la m´ethode d’Euler explicite (voir [3]), l’int´egrale
tn+1
tn
−ay(s)+b ds est approch´ee comme suite
tn+1
tn
− ay(s) + b ds h × − ay(tn) + b .
Si on pose y(tn) = yn, pour tout n ∈ Z, alors l’´equation (1.3.1.1) est approch´ee sous la forme suivante
yn+1 = yn + h(−ayn + b), n ∈ N. (1.3.1.2)
(ii) Par la m´ethode d’Euler implicite (voir [3]), l’int´egrale
tn+1
tn
−ay(s)+b ds est approch´ee par la forme
suivante
tn+1
tn
− ay(s) + b ds h × − ay(tn+1) + b .
D’o`u
yn+1 = yn + h(−ayn+1 + b), n ∈ N. (1.3.1.3)
6
7. (iii) Par la m´ethode de Simpson (voir [4]), l’int´egrale
tn+1
tn
− ay(s) + b ds est approch´ee sous la forme
suivante
tn+1
tn
− ay(s) + b ds
h
6
× − ay(tn) + b + 4(−ay(
tn + tn+1
2
) + b) + − ay(tn+1) + b .
Si on pose
tn + tn+1
2
= tn+ 1
2
, alors
tn+1
tn
− ay(s) + b ds
h
6
× − ayn + b + 4(−ayn+ 1
2
+ b) + − ayn+1 + b .
D’o`u
yn+1 = yn +
h
6
× − ayn + b + 4 − ayn+ 1
2
+ b + − ayn+1 + b . (1.3.1.4)
(iv) Par la m´ethode de rectangle au milieu (voir [5]), l’int´egrale
tn+1
tn
− ay(s) + b ds est ´estim´ee par
tn+1
tn
− ay(s) + b ds h × − ayn+ 1
2
+ b .
D’o`u
yn+1 = yn + h × − ayn+ 1
2
+ b . (1.3.1.5)
Maintenant, puisque yn+ 1
2
= yn +
h
2
(−ayn + b) (voir (i)), alors, par (ii) on a
yn+ 1
2
= yn +
h
2
− ayn+ 1
2
+ b
= yn +
h
2
−a yn +
h
2
(−ayn + b + b .
D’o`u
4 − ayn+ 1
2
+ b = 2 − ayn+ 1
2
+ b + 2 − ayn+ 1
2
+ b
= 2 − a yn +
h
2
(−ayn + b) + b + 2 − a yn +
h
2
−a yn +
h
2
(−ayn + b) + b + b
De plus, par (1.3.1.5), on obtient
yn+1 = yn + h × − a(yn +
h
2
−a yn +
h
2
(−ayn + b) + b ) + b .
D’o`u
−ayn+1 + b = −a{yn + h × − a(yn +
h
2
−a yn +
h
2
(−ayn + b) + b ) + b } + b.
Finalement, d’apr´es l’´equation (1.3.1.4), on trouve
yn+1 = yn +
h
6
× − ayn + b +
h
6
× 2 − a yn +
h
2
(−ayn + b) + b
+
h
6
× 2 − a yn +
h
2
−a yn +
h
2
(−ayn + b) + b + b
+
h
6
× − ayn+1 + b
= yn +
h
6
× − ayn + b + 2 − a yn +
h
2
(−ayn + b) + b
+2 − a yn +
h
2
−a yn +
h
2
(−ayn + b) + b + b
+ − a{yn + h × − a(yn +
h
2
−a yn +
h
2
(−ayn + b) + b ) + b } + b
= yn + h
6 × k1 + 2k2 + 2k3 + k4
7
8. o`u
k1 = −ayn + b
k2 = k1 − ah
2 k1
k3 = k1 − ah
2 k2
k4 = k1 − ahk3
On obtient la relation explicite de Runge Kutta d’ordre 4 :
yn+1 = yn +
h
6
× k1 + 2k2 + 2k3 + k4 .
1.3.2 Exemple
Soit le probl`eme de Cauchy suivant
y (t) = −2y(t) + 0.5, t ≥ t0
y(0) = 3
On a (t0, y0) = (0, 3) et choisissons le pas h = 0.1.
— Premi`ere it´eration
k1 = −ay0 + b = −2 × 3 + 0.5 = −5.5,
k2 = k1 − ah
2 k1 = −4.95,
k3 = k1 − ah
2 k2 = −5.005,
k4 = k1 − ahk3 = −4.499.
D’o`u y1 = y0 + h
6 (k1 + 2k2 + 2k3 + k4) = 2.501516.
— Deuxi`eme it´eration
k1 = −ay1 + b = −2 × 2.501516 + 0.5 = −4.503032
k2 = k1 − ah
2 k1 = −4.0527288
k3 = k1 − ah
2 k2 = −4.09775912
k4 = k1 − ahk3 = −3.683480176
D’o`u : y2 = y1 + h
6 (k1 + 2k2 + 2k3 + k4) = 2.0933912.
Par la mˆeme fa¸con on calcule les autres solutions num´eriques jusqu’`a l’it´eration n.
8
9. 1.3.3 Erreurs
La m´ethode de Runge Kutta d’ordre 4 est une m´ethode num´erique ´evolue pour minimiser l’erreur commise
au sein de la r´esolution num´erique des ´equations diff´erentielles lin´eaires. L’erreur associ´e `a chaque it´eration de
la solution est donn´ee sous la forme suivante
ei = |yexact(ti) − yRK4(ti)|
avec yexact(ti) est la solution obtenue par la r´esolution analytique et yRK4(ti) est la solution obtenue par la
m´ethode de Runge Kutta
Exemple 1.3.1. On consid`ere l’exemple pr´ec´edent
y (t) = −2y(t) + 0.5, t ≥ t0
y(0) = 3
(1.3.3.1)
R´esolution analytique : par la m´ethode de la variation de la constante (voir (1.2.0.1)), la solution du probl`eme
s’´ecrite sous la forme
y(t) = 3e−2t
+
0.5
2
(1 − e−2t
)
= 0.25 + 2.75e−2t
R´esolution num´erique : (voir 1.3.2)
La solution du probl`eme de Cauchy (1.3.3.1) en 10 it´eration avec l’erreur commise est le suivant
ti yexact(ti) yRK4(ti) Erreur
0 3 3 0
0.1 2.50150957096445 2.501516666666667 7.095702216908251E-6
0.2 2.093380126598008 2.0933917455555555 1.1618957547643305E-5
0.3 1.7592319992585725 1.7592462684778518 1.4269219279272605E-5
0.4 1.4856546513223594 1.4856702282117666 1.5576889407231675E-5
0.5 1.2616684632214663 1.2616844048445803 1.594162311402414E-5
0.6 1.0782840827585558 1.0782997450597527 1.566230119687262E-5
0.7 0.9281416508394179 0.9281566112719215 1.4960432503596799E-5
0.8 0.8052154244853025 0.8052294228686978 1.399838339533055E-5
0.9 0.7045719426093631 0.7045848361500319 1.2893540668801329E-5
1 0.622172028900685 0.6221837581839027 1.1729283217687403E-5
9
10. Chapitre 2
Application sous Java
2.1 Introduction
Cette partie constitue une repr´esentation de notre application java cr´eer pr´ecisement pour donner une ap-
proximation sur la r´esolution num´eriques des ´equations diff´erentielles lin´eaires du premier ordre `a coefficients
constantes sous la forme de probl`eme de Cauchy (1.1.0.1). Cette solution est calcul´ee, en appliquant la m´ethode
de Runge Kutte d’ordre 4. Nous commen¸cons ce chapitre par expliquer l’interaction entre l’utilisateur et le
syst`eme.
2.2 Diagramme de s´equence
Ce diagramme permet de d´ecrire l’interaction entre l’utilisateur et le syst`eme. Cette interaction est aussi une
interaction entre utilisateur et interface de l’application. Pour la r´esolution des ´equations diff´erentielles lin´eaires
sous forme du prob`eme de Cauchy
y (t) = −ay(t) + b, t ≥ 0,
y(t0) = y0.
apr`es l’entr´ee des valeurs de a, b, t0, n et h.
O`u a, b, t0 sont des r´eels , n est le nombre d’it´eration et h est le pas de la m´ethode num´erique.
Figure 2.1 – Diagramme de s´equence
10
11. 2.3 Interface de l’application
Lors de l’ex´ecution de notre application informatique, d´evelopp´ee en java, la fenˆetre de d´emarrage suivante
s’affiche
Figure 2.2 – La fenˆetre de d´emarrage
Cette interface est une interface d’introduction `a l’application qui contient un seul bouton qu’on appell´e
”Ouvrir”. Si on clique sur ce bouton, le code (voir l’annexe(A-1)) s’ex´ecute est lance la fenˆetre suivante
Figure 2.3 – Fenˆetre d’insertion 1
Cette fenˆetre contient la forme du probl`eme de Cauchy `a r´esoudre, quatres cases pour ins´erer les coefficients
a, b, t0 et y0 du probl`eme et les deux boutons suivants
1. ”Effacer” : pour effacer le contenu des quatres cases.
11
12. 2. ”Suivant” : pour passer `a la fenˆetre suivante.
On suppose que l’utilisateur a saisie les r´eelles a = −1, b = 2, t0 = 0 et y0 = 3. Quand il clique sur le bouton
”Suivant”, un code dans l’annexe (A-7) s’ex´ecute et g´en´ere la fenˆetre suivante
Figure 2.4 – Fenˆetre d’insertion 2
qui affiche en haut le probl`eme ins´er´e par l’utilisateur dans la fenˆetre pr´ec´edente suivie de deux cases : h
pour ins´erer le pas et n pour le nombre d’it´erations. La fenˆetre contient en dessous trois boutons :
1. ”Retour” : pour revenir `a la fenˆetre pr´ec´edente.
2. ”Effacer” : pour effacer le contenu des deux cases.
3. ”R´esoudre” : pour passer `a la fenˆetre suivante de r´esultat.
On suppose que l’utilisateur a saisie le r´eel h = 0.2 et l’entier n = 10. Lorsqu’il clique sur le bouton ”R´esoudre”,
un code similaire `a celui dans l’annexe(A-7) s’ex´ecute et donne la fenˆetre de r´esultat suivante
Figure 2.5 – Fenˆetre de r´esultat
12
13. Cette fenˆetre contient le probl`eme de Cauchy ins´er´e par l’utilisateur avec le nombre d’it´erations et le pas,
suivie d’un tableau de Solutions par la m´ethode de Runge-Kutta d’ordre 4 et Solutions exactes par la m´ethode
de variation de la constante(voir 1.2.0.1) avec l’erreur commis(voir 1.3.3).
2.4 Les cas d’exceptions
Comme tout application informatique, notre application traite les erreurs de saisie selon les cas suivantes :
• Lorsque l’utilisateur laisse une case vide et clique sur le bouton ”Suivant” dans la fenˆetre d’insertion 1
(Figure 2.3) ou ”R´esoudre” dans la fenˆetre d’insertion 2 (Figure 2.3) , l’application affiche une boˆıte de
message `a l’attention de l’utilisateur selon les cases vides comme dans la figure suivante
• Lorsque l’utilisateur saisie une chaˆıne de caract`eres quelconque, l’application affiche une boˆıte de message
`a l’attention de l’utilisateur selon la case qui a ´et´e remplie, comme dans la figure suivante
13
14. • Lorsque l’utilisateur saisie un pas h n´egatif ou null dans la fenˆetre d’insertion 2 (Figure 2.3), l’applications
affiche une boˆıte de message `a l’attention de l’utilisateur pour saisie un pas strictement positif comme
dans la figure suivante
2.5 Exemple de test
Parmis les ´etapes essentielles dans le cycle de vie d’un logiciel on trouve l’´etape des tests unitaires qui consiste
`a v´erifier le fonctionnement correct de chaque sous-ensemble de l’application. Ainsi notre application a ´et´e test´ee
sur diff´erents exemples.
Exemple 2.5.1. Consid´erons le probl`eme de Cauchy suivant :
y (t) = 3y(t) + 1, t ≥ 0,
y(0) = 2.
avec le pas h = 0.1 et 10 it´erations.
14
19. Conclusion
Dans ce projet, nous nous sommes concentr´es sur la r´esolution des ´equations diff´erentielles lin´eaires du
premier ordre par la m´ethode de Runge-Kutta d’ordre 4.
Ensuite, nous avons d´evelopp´e une application sous java qui permet de r´esoudre les ´equations diff´erentielles
lin´eaires de la forme y (t) = ay(t) + b, o`u a et b sont des coefficients r´eels.
Enfin, ce projet nous a permis de travailler en groupe et d’appliquer la th´eorique math´ematique en program-
mation informatique.
19
20. Bibliographie
[1] K. Arbenz, A. Wohlhauser , Analyse num´erique, Lausanne 1996
[2] D. Fredon, M. Maumy-Bertrand, F. Bertrand , Math´ematiques. Analyse en 30 fiches, Paris 2009
[3] http ://femto-physique.fr/omp/runge kutta.php
[4] A. Quarteroni, R. Sacco, F. Saleri , M´ethodes num´eriques. Algorithmes,analyse et applications,
Springer-Verlag Italia, F´evrier 2007
[5] M. Granger , Equations diff´erentielles. M´ethodes num´eriques `a un pas, Janvier 2010
20