Vous êtes sur la page 1sur 88

UNIVERSITEDESSCIENCESETDELATECHNOLOGIEDORANMOHAMEDBOUDIAF

FACULTEDARCHITECTUREETDEGENIECIVIL DEPARTEMENTDEGENIECIVIL

COURSDEMETHODES NUMERIQUES

M. B. BENMANSOUR

Chapitre I : Rappels sur les systmes dquations


linaires - Inversion de matrices

Plan
1. Position du problme 2. Mthode du pivot 2.1. Mthode de GAUSS-JORDAN 2.2. Mthode de GAUSS 2.3. Cas des matrices bandes 3. Mthodes itratives 3.1. Mthode de JACOBI 3.2. Mthode GAUSS-SEIDEL 3.3. Facteur de relaxation 4. Inversion de matrices

1. Position du problme
Considrons le systme linaire suivant de n quations n inconnues :

Ce systme scrit sous la forme :

si

et

i reprsente le numro de ligne et j le numro de colonne. Une matrice est dite triangulaire si pour j>i ou pour i>j. Une matrice bande est une matrice dont tous les lments sont nuls sauf sur une bande autour de la diagonale principale. Ces matrices se rencontrent dans la rsolution d'quations aux drives partielles par la mthode des diffrences finies ou dans la mthode des lments finis. La rsolution du systme prcdent peut seffectuer par deux mthodes : - la mthode directe (dite mthode du pivot), - la mthode itrative. La mthode du pivot est commode pour les systmes denses dordre suprieur, ainsi que pour les matrices bandes mme dordre lev. La mthode itrative est mieux adapte aux autres matrices dordre lev et comportant de nombreux lments nuls.

2. Mthode du pivot
2.1. Mthode de GAUSS-JORDAN 2.1.1. Description de la mthode Cest la mthode la plus utilise. Pour la prsenter, nous allons prendre lexemple dun systme de 4 quations 4 inconnues :

La mthode classique de Cramer qui repose sur les dterminants, donne : o est le dterminant de la matrice, et celui dduit de en y remplaant la j colonne par la colonne second membre. Pour rsoudre le systme, cette mthode ncessite n4 oprations si n est le rang de la matrice. Dans la mthode du pivot, on choisit successivement chaque ligne comme ligne pivot ; le pivot tant le 1er lment non nul de la ligne.
me

Ainsi, on divise la ligne n 1 du systme par

On annule le 1er terme de chacun des autres lignes : la 2me ligne, on retranche la 1re multiplie par , la 3me ligne, on retranche la 1re multiplie par . , la 4me ligne, on retranche la 1re multiplie par

Le systme devient :

a- La 2me ligne est considre maintenant comme une ligne pivot, et comme un lment pivot. On rpte sur cette 2me ligne les oprations prcdentes, et on obtient aprs division de cette ligne par :

On annule les autres termes de la seconde colonne ; cest dire : la 1re ligne, on retranche la seconde multiplie par , la 3me ligne, on retranche la 2me multiplie par . , la 4me ligne, on retranche la 2me multiplie par

On obtient :

a-

On considre ensuite la 3me ligne comme pivot, puis la 4me ligne ; ce qui donne :

soit la solution du systme :

Dune manire gnrale, si on applique cette procdure au systme matrice dordre n,


o A est une

on remarque qu lissue de la 1re tape, on obtient la matrice et un 1 dans sa 1re colonne, lissue de la 2me tape, on a une matrice premires colonnes, etc.

comportant des 0

comportant des 0 et des 1 dans ses 2

lissue de la kime tape, on obtient un systme de la forme : avec et matrice colonne dlments

Pour les k premiers lments diagonaux, on a : Pour les colonnes 1 k lments non diagonaux, on a : les composantes du vecteur .

si si et ; tant

Ltape suivante consiste prendre

comme lment pivot.

On divise la (k+1) ime ligne par cet lment, ce qui donne pour j=k+1 n : et si

et Pour chaque ligne , la ligne k+1 multiplie par est retranche.

On obtient alors le systme

avec :

Rsum de la procdure :
1. Transformation de la matrice [A,y] en une matrice [I,y] : Pour k variant de 0 n-1, on a : et

2. La solution xi du systme rsultant scrit alors :

; avec

Le nombre doprations ncessaires au passage de [A ,y](k) [A, y](k+1) est : n. additions (= n.a) = n. multiplications (= n.m) = (n-1).(n-k+1) n. divisions (= n.d) = (n-k+1) Le passage de [A ,y] [A, y](n) ncessite environ oprations de calculs.

La mthode ainsi expose, prsente un certain nombre de dfauts :


lenteur compte tenu du nombre d'oprations si le rang n de la matrice A est grand, difficult si le pivot est nul puisque la division n'est plus possible (dans ce cas, il faut permuter les colonnes tout en veillant la cohrence des calculs qui suivent), prcision si le pivot est faible (<<1), les erreurs darrondi deviennent trs importantes et affectent toute la suite des calculs.

2.1.2. Exemple

Soit le systme rsoudre :

On forme tout dabord la matrice [A, y] : K=1 k=1

Normalisation

Rduction

K=2 k=2

Normalisation

Rduction

K=3 k=3

Normalisation

Rduction

La solution est 2.2. Mthode de GAUSS

; do :

On diagonalise la matrice A, et on ne fait apparatre les zros quen dessous de la diagonale. La solution xi du systme ncessite 2 tapes :

Une triangularisation de la matrice A,

Pour k variant de 0 n-1, on a :

Une rsolution du systme triangulaire :

Do lexpression de la solution finale :

avec j=n-1 1

Cette solution ncessite environ n3/3 oprations. Pour les pivots nuls ou petits, on est confront aux mmes difficults signales dans la mthode prcdente de GAUSS-JORDAN. 2.3. Cas des matrices bandes Soit le systme tridiagonal suivant :

La matrice est connue par les 3n donnes :

Ainsi, le systme dcrit par ces 3n donnes peut tre rsolu par la mthode de triangularisation (mthode de Gauss).

3. Mthodes itratives
Nous allons dcrire ces mthodes brivement sans passer par des calculs ou des dmonstrations mathmatiques complexes, car cela nous loignera des objectifs du cours. 3.1. Mthode de JACOBI

Soit le systme suivant de 3 quations 3 inconnues :

On rsout le systme de la manire suivante :

On donne aux inconnues les valeurs arbitraires initiales , , . Si ces valeurs sont portes au second membre de la solution prcdente, on obtient :

Ce nouvel ensemble port dans le second membre des quations prcdentes donne un autre ensemble , , , et ainsi de suite.

3.2. Mthode de GAUSS-SEIDEL On reprend le calcul comme prcdemment. Pour le systme prcdent par exemple, on choisit un ensemble de valeurs , , .

On porte

et

dans la 1re quation et on obtient :

Cest cette nouvelle valeur de x1, et non pas systme, donnant :

, qui est porte dans la 2me quation du

De mme dans la 3me quation, on porte

et

, et non

et

, et on obtient :

Lorsquune inconnue est utilise, cest automatiquement la plus rcente valeur calcule. Ceci assure une convergence des calculs bien plus rapide que la mthode de JACOBI. On arrte les calculs lorsque les valeurs successives de xj sont suffisamment voisines. Pour cela, on peut utiliser,

soit le critre de Convergence absolue : soit le critre de Convergence relative :

Pour les systmes o les matrices qui sont de rang lev, il nest pas commode de faire le test de convergence sur chaque inconnue xj. Dans ce cas, on fait le test soit seulement sur certaines inconnues que l'on choisit, soit les quantits suivantes :

ou

ou

ou

La convergence du procd ne dpend pas du choix des valeurs initiales , mais seulement des valeurs des coefficients. On montre que la convergence est assure si on a, pour chaque valeur de i (cest dire pour

chaque ligne), la relation

est vrifie.

Autrement dit, il y a convergence si chaque lment diagonal est suprieur ou gal, en module, la somme des modules des autres lments de sa ligne. 3.3. Facteur de relaxation Si la convergence existe, sa rapidit dpend du choix de . En effet, plus les valeurs initiales sont proches des valeurs relles, et plus la convergence est rapide. Lutilisation dun facteur de relaxation dfinie par o permet dacclrer la convergence. est appele " facteur de relaxation " (dans la pratique, il est compris entre 0 et 2). Pour , le processus diverge. dans un processus

Pour sapprocher de la valeur recherche rapidement, on prend itratif dj convergent et pour un processus divergent.

Les mthodes itratives jouent un rle trs important dans la rsolution numrique de systmes de grandes tailles et dans les systmes (ou quations) non linaires.

4. Inversion des matrices


Selon la mthode de Cramer, une matrice A de rang n nest inversible que si son dterminant est diffrent de zro. Dans ce cas, le produit de A par la matrice inverse A-1 donne la matrice unitaire I. o En appliquant la mthode de Cramer sur la matrice A, on peut dterminer A-1. 10

Exemple :

On obtient en utilisant la mthode de Cramer :

qui vrifie que :

Lalgorithme de Gauss-Jordan prsent au dbut de ce cours (mthode du pivot) opre aussi le passage de la matrice C=[A,y] la matrice D=[I,X] o X est la solution du systme linaire A.X=y ; Soit X =A-1.y . Aprs les oprations de lalgorithme de Gauss-Jordan, on obtient : D=A-1.C=A-1.[A,I]=[I,A-1] Cette mthode, de calcul de linverse dune matrice qui est rsume ci-dessous, permet de calculer A-1 avec un nombre doprations nettement infrieur celui de la mthode de Cramer.

Transformation (A,I) Pour , on a :

(I,A-1)

Pour

Pour

Exemple :

Soit la matrice

. Calculer A-1 par la mthode de Jordan.

11

k =1

Normalisation

; Rduction

k =2

Normalisation

; Rduction

k =3

Normalisation

; Rduction

Finalement, on vrifie que :

12

Chapitre II : Rsolution des quations et systmes non


linaires
Application la recherche de valeurs non nulles des quations transcendantes

Plan
1. Introduction 2. Mthode itrative gnrale 3. Mthode de Newton-Raphson 4. Rsolution d'une quation polynomiale 4.1. Application de la mthode de Newton au calcul d'une racine carre 4.2. Application la recherche des valeurs nulles des quations transcendantes 5. Mthode de Bairstow 6. Rsolution des systmes d'quations non-linaires 6.1. Gnralisation de la mthode de Newton-Raphson 6.2. Utilisation d'une mthode de minimisation de fonctions

1. Introduction
Dans la pratique, la plupart des problmes se ramnent la rsolution dune quation de la forme : La rsolution de cette quation dpend de la classe laquelle appartient la fonction f. Si f est un polynme de degr n, on sait que lquation possde n racines complexes. Si lquation est transcendante, elle peut avoir un nombre fini, voire nul, ou infini de racines. Le problme est alors de trouver la racine dont on sait lexistence et dont, parfois, on connat une valeur approche. Les mthodes de rsolution sont toujours des mthodes itratives.

2. Mthode itrative gnrale


On suppose que lquation a t mise sous la forme : dfinissant par exemple puisque lorsque (ceci est toujours possible en , ).

partir dune valeur initiale x1, que lon se donne, on engendre la suite :

13

Si la suite des mesures x1, x2, x3,, xn converge vers une valeur x0, alors : , et ; x0 est une racine.

Fig. 1 : Exemple de solution convergente (rgime oscillatoire convergent) Supposons que lquation admette une racine x0 sur lintervalle [a,b]. On peut lgitimement supposer que f(x) prendra des valeurs sur cet intervalle. Si lon najoute pas dhypothses supplmentaires, on ne peut tre sr de la convergence. Il est donc impossible de donner une condition ncessaire sans expliciter la fonction f. Cest donc une tude de cas.

3. Mthode de Newton-Raphson
Cette mthode sapplique des quations du type , pour lesquelles on peut calculer la drive de f : f(x). Soit x1 une valeur approche de la racine s inconnue. Posons : x2=x1+h, et cherchons laccroissement quil faut donner x1, de faon ce que :

Aprs dveloppement en srie de Taylor lordre 2, on obtient :

14

ou approximativement :

cest dire :

et plus gnralement, la solution : Interprtation gomtrique :

,soit

La valeur x2 est labscisse du point dintersection avec laxe ox de la tangente au graphe y=f(x) en x1.

Sens de lapproximation : Si lon avait fait aucune approximation dans lcriture de pour la racine s, l'expression suivante : , on aurait obtenu,

donc :

Ce qui conduit la conclusion suivante :

Si , x2 est plus proche de s que x1, et il est du mme ct : x2 est donc une meilleure approximation. Si la racine est simple, et si f conserve un signe constant au voisinage de la racine, la suite est une suite monotone borne par 0 ; elle converge, donc lalgorithme converge.

Si , x1 et x2 sont de part et dautre de s : lapproximation x2 peut alors tre moins bonne que x1. mais si la racine est simple, f(x2) sera de signe contraire celui de f(x1) : f(x1) et f(x2) seront alors de mme signe et lalgorithme converge. 15

4. Rsolution dune quation polynomiale


Lapplication de la mthode de Newton implique le calcul du polynme drive . sous la forme : crivons le polynme et de sa

La division de

par le monme

est une valeur arbitraire donne :

o R est une constante de valeur

. , on obtient :

En divisant de nouveau le polynme de degr n-1 par

Donc :

La valeur de la constante S est donne par :

Lapplication de la formule de Newton peut donc se faire sous la forme : Les valeurs de R et de S sobtiennent donc au moyen des relations de rcurrence quon tablit en galant les puissances successives de x dans les diverses expressions du polynme :

De mme, les coefficients

sobtiennent au moyen de formules analogues : 16

On peut remarquer que le calcul de R et de S est analogue celui du calcul des polynmes et .

4.1. Application de la mthode de Newton au calcul dune racine carr


Soit lquation

La formule de Newton s'crit : soit la formule de rcurrence :

Quand n tend vers linfini, xn+1 tend vers xn et par consquent : Cet algorithme converge quelque soit la valeur de x1 dinitialisation, pourvu que .

4.2. Application la recherche des valeurs non nulles des quations transcendantes
Dans le cas d'un problme unidimensionnel de conduction de la chaleur dans une barre par exemple de longueur , la solution analytique de la temprature obtenue par la mthode d'orthogonalisation est la somme d'une rponse en rgime transitoire et d'une rponse en rgime permanent. Selon l'axe de la barre, cette solution est de la forme :

(1) cette solution, on ajoute l'quation transcendante donne par : 17

(2) Pour dterminer la temprature tout instant et en tout point . , on doit

rsoudre l'quation transcendante (2) afin d'obtenir les racines L'quation (2) est du type : En traant sur le mme graphe et et

, on obtient les courbes de la figure 2.

D'aprs ce graphe, on voit bien qu'il existe une solution par intervalle o . Cette solution est l'intersection de la courbe avec celle de .

D'o pour l'intervalle

comme cela est indiqu sur le graphique, on a les cinq racines du terme ( ):

suivantes pour une valeur gale 1re racine = 0.988241 2me racine = 3.542166 3me racine = 6.509659 4me racine = 9.580092 5me racine = 12.684082

Fig. 2 : volution des solutions

et

18

5. Mthode de Bairstow
La mthode de Bairstow permet de calculer des racines relles ou complexes dune quation polynomiale coefficients rels. La mthode consiste extraire (le plus exactement possible) les racines (relles ou complexes) deux deux ( la fin, il en reste ventuellement une), jusqu puisement des n racines. Soit trouver les racines de lquation polynomiale suivante :

On effectue la division eucludinne de f par le trinme deux nombres quelconques :

, o p et q sont priori

Les coefficients

dpendent de p et q, de mme que r et S. (donc deux racines de f(x) dj).

Si r=S=0, alors f(x)=0 permet de donner

Si r et/ou S ne sont pas nuls, la mthode de Bairstow va consister dterminer par approximations successives les valeurs de p et q qui annulent r et s :

Ce systme peut tre non linaire. On le supposera linaire au voisinage de chaque couple (p,q) fix. Pour cela ,on se donne 2 valeurs p0 et q0 arbitraires. On calcule alors successivement et de telle sorte que :

Soit au premier ordre en

et

Si lon pose : 19

et

La solution du systme prcdent est (Cramer) :

Les expressions qui entrent dans le calcul de , P et Q vont tre values par tapes. Les coefficients sont lis aux coefficients relations suivantes : du polynme initial par lintermdiaire ses

relations auxquelles on peut ajouter :

en ayant dfini

et

par :

et

Ce tableau (I) permet de calculer les Posant maintenant :

, r et S en fonction de p et q.

20

, avec k=0, 1, 2, , n-1 et En drivant le tableau (I) par rapport p, on obtient :

Ce tableau (II) permet de calculer les Ci (i=0 ,1, 2, , n-1). Posons maintenant :

, En drivant le tableau (I) par rapport q, il vient :

la comparaison des tableaux (II) et (III) montre que :

21

, pour On en conclut alors :

et Les tableaux (I) et (III) permettent de calculer les drive partielles :

et par consquent, les quantits , P, Q recherches sont :

Mise en uvre de la mthode : Le calcul du premier trinme sobtient lissue des phases de calcul suivantes :

1. On fixe arbitrairement deux valeurs p0 et q0. 2. On calcule alors les deux valeurs :

On constitue le tableau : On calcule , P et Q et on en dduit : 3. Si et

, et le tableau et

, alors les racines de

sont les racines du polynme initial. et , et ainsi de suite.

4. Sinon, on remonte en 2 en reportant des valeurs

22

Les deux premires racines ayant t extraites, on applique de nouveau la mthode de Bairstow au polynme quotient.

6. Rsolution des systmes dquations non linaires


6.1. Gnralisation de la mthode de Newton-Raphson La mthode Newton peut s appliquer la rsolution dun systme de plusieurs quations non linaires :

A partir dun couple de valeurs approches (x1,y1) dune solution du systme, on peut dterminer deux accroissements h et k donner x1 et y1 de manire ce que :

En dveloppant en 1er ordre, il vient :

o lon a pos :

et

Les quantits h et k sobtiennent donc, en rsolvant le systme linaire suivant :

avec : Le calcul est alors relanc jusqu ce que h et k deviennent infrieures une valeur que lon se donne (selon la prcision voulue pour le calcul). Ainsi, lalgorithme correspondant est :

avec : ou encore :

23

Cette mthode de rsolution peut tre gnralise pour la rsolution de systme de n quations non linaires n inconnues.

6.2. Utilisation dune mthode de minimisation de fonctions La rsolution du systme non linaire suivant :

peut se ramener la recherche du minimum de la fonction : tant crite sous la forme dune somme de deux fonctions est positive ou nulle.

qui

Puisque les mthodes de minimisation dune fonction (annulation de la drive, par exemple) ne donnent pas forcment le minimum absolu dune fonction, il est ncessaire de vrifier que le minimum trouv est bien la solution recherche ; cest dire celle pour laquelle on a .

24

Chapitre III : Interpolation Polynomiale Extrapolation


Plan
1. Position du problme 2. But de linterpolation 3. Interpolation polynomiale de Lagrange 4. Erreur de linterpolation de Lagrange 5. Polynme dinterpolation de Newton

1. Position du problme
tant donn un ensemble de doublets numriques (rsultats exprimentaux, par exemple), le problme rsoudre consiste trouver un modle mathmatique (polynomial, trigonomtrique, exponentiel, etc.), et ses paramtres significatifs (c'est dire ses coefficients), afin de rduire (on parle de rgression) toute une information en une expression mathmatique utilisable, cest dire calculable, intgrable, drivable, etc. Lorsque les doublets sont considrs comme srs, au sens exprimental du mot, on tentera une interpolation qui restituera toutes les valeurs numriques des doublets l o ils se trouvent. Lorsque les doublets sont entachs dincertitudes sur leurs dterminations, en particulier sils sont trs nombreux, on tentera une approximation qui restituera au mieux linformation contenue dans les doublets. On raisonne sur une fonction numrique f une seule variable relle x, connue pour N valeurs. Soit n, le nombre de paramtres du modle mathmatique dterminer.

Le modle est vrifi pour tous les doublets interpolation

Le modle est optimis entre tous les doublets approximation 25

2. But de linterpolation
tant donne une fonction f dfinie sur un intervalle ferm [a,b] de (a<b), pour n+1 valeurs de sa variable xi (i=0,1,2, , n), mais inconnue ou dexpression trs complexe en dehors de ces valeurs ; il sagit de calculer une fonction numriquement plus commode manier et qui concide avec la fonction pour les valeurs connues de f. la recherche peut stendre au cas o la fonction f nest mme pas connue pour ses n+1 valeurs de dfinition, mais o sont connues des valeurs de ses drives, par exemple. La fonction est pratiquement une somme finie de n+1 fonctions de base linairement indpendantes :

le but de linterpolation est de trouver les ai pour que : o et o les fonctions de base devront pouvoir se prter tous les traitements numriques courants. Pratiquement, on pourra choisir la suite des monmes :

puisquon en vertu du thorme de WEIERSTRAUSS, toute fonction continue peut tre approche uniformment par un polynme. Il pourrai tre opportun pour simplifier les calculs, de choisir des fonctions de base qui en plus de lindpendance linaire, ont des proprits dorthogonalit, suivant la dfinition dun produit scalaire. Enfin, pour une fonction priodique, la base forme par les fonctions sinus et cosinus parat tout fait adapte.

3. Interpolation polynomiale de Lagrange


La mthode est ancienne, mais elle est parfaitement adapte aux traitements informatiques. (a<b), pour n+1 valeurs distinctes de sa Soit f une fonction dfinie sur un ferm [a,b] de variable, cet ensemble tant dsign sous le nom partition (xi, ).

26

On cherche sil existe un polynme P(x), tel que

, pour i variant de 0 n+1

Posons : On a donc :

o les a0, a1, ,aj, , am

Dans ce cas, trois ventualits peuvent se prsenter :


m>n systme impossible aucune solution, m=n systme de Cramer une solution unique, m<n systme surdtermin une solution est chercher par la mthode des moindres carrs.

Ici, cest le cas o m=n qui nous intresse. La solution existe et est unique, car le dterminant des coefficients ( ) est un dterminant de Van der Monde, non nul et qui vaut :

Recherche de la solution : Considrons les polynmes (de Lagrange) suivants :

; o i=0 n. Le produit effectu sur les indices j tels que et .

Il est clair que

et que :

; si

27

Donc, ces polynmes sont de degr n, et sont tels que : Ils sont linairement indpendants, puisque si :

alors pour :

, avec k=0 n, on a :

Les n+1 polynmes de Lagrange forment une base de lespace vectoriel des polynmes de degr au plus gal n. Sur cette base, on a :

Car, on a bien : Autres proprits :

pour i=0 n.

et si lon pose :

on a alors :

Cas particuliers des abscisses quivalentes : Soit h un rel positif, appel pas de la partition. On pose : Alors lexpression de et o s est un rel quelconque. donne dans le polynme de Lagrange devient :

est un polynme de degr n, coefficients purement numriques (

):

28

o Le tableau des coefficients forme une matrice, de rang n+1, appele matrice rgulire de Lagrange. Ces matrices peuvent tre tabules. Exercice : tablir la matrice rgulire correspondant au cas de linterpolation quadratique (matrice rgulire de Lagrange) Solution Soit les donnes de la fonction f suivante : 0 1 o : Recherchons tout dabord le polynme dinterpolation de Lagrange de la fonction f . Ce polynme scrit sous la forme : 1 -2 2 -1

; o

i j

0 1

0 2 : ,

1 0 et

1 2 .

2 0

2 1

On obtient alors 3 polynmes

Do :

Dtermination de la matrice rgulire correspondante : 29

On a :

avec On obtient alors :

Do la matrice rgulire de Lagrange correspondant linterpolation quadratique est la suivante :

On peut monter galement les autres cas de matrices rgulires dordre infrieur ou suprieur (interpolation linaire, cubique, etc.) :

interpolation linaire

interpolation cubique

Suivant les auteurs et/ou suivant la conduite des calculs, les matrices rgulires de Lagrange peuvent tre ces matrices ou leurs transposes.

30

4. Erreur de linterpolation de Lagrange


Pour , il sagit destimer , on ne peut rien dire .

Si on ne possde daucun renseignement sur f, autre que sur (autre que

). Si lon ajoute des hypothses sur f, elles se rpercuteront sur

5. Polynme dinterpolation de Newton :


Il ny a pas de relation simple entre le ime polynme de Lagrange relatif la partition et le (i+1)ime polynme relatif . Du point de vue numrique, ceci est un inconvnient auquel remdie linterpolation de Newton. Exercice : Monter que les fonctions :

forment une base de lespace vectoriel des polynmes de degr infrieur ou gal n sur Soit le polynme dvelopp sur la base :

tel que : On a : , par convention de notation

do : Remarques :

; par convention.

31

Soit ensuite : do lon tire :

et :

, par convention.

On peut donc dresser le tableau suivant (algorithme) :

et on peut gnraliser par rcurrence :

avec les mmes remarques que prcdemment : est insensible lordre rcurrence. et cette proprit se gnralise lordre k par

qui se gnralise sans difficult lordre k.

qui se gnralise sous la forme :

32

qui se gnralise sous la forme :

expression utile pour dterminer lerreur dinterpolation. proprit qui se gnralise videmment lordre n. Finalement, le polynme dinterpolation de Newton relatif la partition est donne par :

33

Chapitre IV : Approximation - Lissage des courbes -Mthode des moindres carrs


Plan
1. Principe de la mthode 2. Lissage par un polynme 3. Exemples de lissage

1. Principe de la mthode
Lors dune exprimentation, on a obtenu les rsultats suivant reprsent sur le graphique cidessous. Ces rsultats sont les mesures physiques caractrisant, par exemple, la temprature en fonction du temps.

On a

et

. 34

La fonction f(x) peut tre reprsente par une ligne passant par tous les points, par exemple en utilisant linterpolation de Lagrange. Du point de vue physique, ceci na pas de sens. Au contraire, pour mieux reprsenter f(x) par une courbe, celle-ci doit passer entre les points exprimentaux, voire ne passant par aucun dentre eux comme cest le cas de la figure cidessus. Une premire mthode consiste tracer lil la fonction g(x) cense reprsenter le mieux possible f(x) dcrite par les points exprimentaux. videmment, il est prfrable davoir cette reprsentation par une mthode plus sre. Ainsi, on choisit une fonction g(x), cense reprsenter f(x). Dans le cas du graphique ci-dessus par exemple, g(x) est reprsente par une droite de la forme :

g(x) dpend dun certain nombre de paramtres Donc, cette fonction sera de la forme on a : par o

. . Dans le cas du graphe prcdent,

. On dsigne les coordonnes des points exprimentaux et nous formons la quantit (graphe prcdent) :

Dans ce cas, on cherche si et seulement si :

de telle sorte que s soit minimal. Ainsi, s est minimal

on obtient alors un systme de (r+1) quations (pas forcment linaires) (r+1) inconnues : qui peut tre rsolu par lune des mthodes dveloppes au chapitre I.

35

2. Lissage par un polynme


Dans la pratique, on utilise frquemment un polynme de degr r pour la reprsentation de f(x). Dans ce cas, la fonction g(x) sera :

En appliquant la mthode prcdente qui consiste calculer s on obtient :

Aprs la minimisation, on obtient :

soit :

Dans le cas gnral, on a :

soit :

Pour k=0, on retrouve bien

; et pour k variant de 0 r, on obtient un systme de (r+1) .

quations (r+1) inconnues. Ces inconnues sont En posant :

le systme prcdent scrit : 36

Ce systme peut tre rsolu par la mthode du pivot par exemple. Pour la rsolution, il est fortement recommand de travailler en double prcision (si on nutilise pas le langage MATLAB), car partir dun polynme de degr 7, les erreurs darrondi donnent des rsultats sans signification. En gnral, on utilise un polynme de faible degr, et si cest possible des droites de prfrence. Il est souvent utile pour cela de changer dchelles (chelles logarithmique ou semi-logarithmique par exemple).

3. Exemples de lissage
3.1. Cas dune droite de rgression (ou droite des moindres carrs) g(x) est un polynme de degr 1 Soit : Le systme prcdent devient alors : r=1.

En posant :

le systme prcdent devient :

37

Les solutions de ce systme sont :

et g(x) devient :

Pour

, on a :

Ainsi, a1 scrit :

o avec :

est la variance des abscisses xi des points Mi.

En effet :

et en faisant x=y, on obtient :

Pour y, on dfinit de la mme faon que pour x la variance

38

x Ainsi, le coefficient de corrlation entre les variables xi et yi sera dfini par :

On remarque que les coefficients a1 et C sont lis par la relation :

3.2. Cas dune fonction comportant des exponentielles Exemple : A la suite dune srie de mesures physiques, on a obtenu les rsultats suivants dans le tableau ci-dessous :

1 0,00 2,97

2 0,40 2,87

3 0,80 2,45

4 1,20 1,91

5 1,60 1,24

6 2,00 1,29

7 2,40 0,71

8 2,80 0,57

9 3,20 0,74

10 3,60 0,42

11 4,00 0,39

Approcher la fonction Solution :

par une exponentielle.

et il s'agit de calculer les constantes a et A partir des mesures physiques. On a :

La minimisation de S donne :

39

avec :

Dans la 2me quation du systme, on remplace A par sa valeur obtenue dans la 1re quation, et on obtient :

Cette quation est donc du type f(a) = 0, on peut la rsoudre par la mthode de Newton par exemple. Pour cela, on choisit une valeur arbitraire plusieurs itrations, on montre que : , et on calcule . En faisant

Aprs itrations, on trouve :

do la fonction :

40

Chapitre V : Intgrations numriques Mthodes d'intgration


Plan
1. Introduction 2. Mthodes dintgrations numriques 2.1. Mthode des trapzes 2.2. Mthode de Simpson 2.3. Formules de Newton-Cotes 2.4. Mthode de Gauss 2.5. Intgration sur un pas quelconque 2.6. Problmes lis aux limites de la fonction 2.6.1. Intgration sur un domaine infini 2.6.2. Singularit dans lintgrale

1. Introduction
Pourquoi utilise t-on lintgration numrique ? Lorsque lintgrale ne peut pas tre value analytiquement ou lorsque lintgrale nest pas donne sous forme analytique mais numriquement en un certain nombre de valeurs discrtes, lintgration numrique peut tre utilise. Il existe plusieurs mthodes permettant dvaluer les intgrales de fonctions bornes sur un intervalle. La prsence de singularit dans les fonctions (ou dans certaines fonctions) rend les calculs parfois difficiles.

2. Mthodes dintgrations numriques


2.1. Mthode des trapzes Cette mthode consiste remplacer la courbe f(x) par une ligne brise et calculer laire de chaque trapze, ensuite faire la somme des aires sur lintervalle sur lequel la fonction est dfinie.

41

Dans ce cas, on a :

; et Si : est lintervalle dintgration de f(x), qui est divis en n intervalles , on a :

Dans la suite, on suppose que tous les points sont rgulirement espacs :

Ainsi, lintgrale prcdente devient :

Cette dmonstration ne permet pas de mettre en vidence lerreur dintgration. Un dveloppement en srie de Taylor au 1er ordre permet de faire apparatre lerreur qui correspond aux termes du second ordre en . Cette erreur est dautant plus faible que le pas est petit. Do : o

42

Pour la plupart des fonctions, on peut obtenir une meilleure approximation en estimant simplement par :

et lintgrale prcdente devient :

Cette mthode est appele la mthode des trapzes avec corrections aux extrmits. En tenant compte de cette correction, la mthode devient dordre 4. Cette mthode peut donc tre utilise pour lintgration dune fonction donne numriquement intervalles discrets. f(a) et f(b) peuvent tre calcules par des diffrences finies par exemple.

2.2. Mthode de Simpson Cette mthode consiste remplacer , entre et , la fonction par larc de parabole

passant par , et . Un dveloppement en srie de Taylor permet de dmontrer la formule de Simpson. Pour cela, on pose :

avec Dans ce cas, on obtient :

Laire de 2 tranches soit,

dintervalles

et

s'crit

On remplace

par son expression utilisant les diffrences centrales :

43

En posant ,

on obtient :

soit :

Laire sur lintervalle

est alors obtenue par :

Cette intgrale ncessite que le nombre dintervalles soit pair. En remplaant dans lintgrale prcdente les par leurs expressions, on trouve :

Aprs regroupement des termes, et en remarquant que :

il vient alors :

soit finalement : 44

Cette mthode dintgration est exacte pour lintgration des polynmes jusqu lordre 3 inclus. La mthode de Simpson est une mthode dordre 4. Exemple : Calculer par la mthode de Simpson. Avec 4 tranches, on a : Lerreur relative est :

2.3. Formules de Newton-Cotes Les mthodes des trapzes et de Simpson sont des cas particuliers des formules de NewtonCotes. Lintgrale est une combinaison linaire de ; ce qui signifie que cette

intgrale est calcule de faon exacte lorsque

est un polynme de degr infrieur ou

gal n : le nombre de valeurs est gal n+1, on intgre sur n tranches, et les valeurs des coefficients de la combinaison linaire dpendent de n. La mthode des trapzes et la mthode de Simpson correspondent respectivement n=1 et n=2. Le principe de la mthode de Newton-Cotes dans le cas le plus gnral pas non constant, sera donn dans la suite de ce cours. Les rsultats de cette mthode donnent :

soit encore :

avec o A et ak sont donnes par le tableau suivant :

Nom de la formule Trapzes

n 1

A 2 1 45 1

Simpson Villarceau Hardy Remarque :

2 4 6

3 45 140

1 14 41

4 64 216

1 24 27 64 272 14 27 216 41

Les formules de Newton-Cotes ne doivent pas tre utilises pour n lev. La mthode de Simpson est couramment utilise.

2.4. Mthode de Gauss Cest une mthode trs prcise. Elle utilise des points qui ne sont pas rgulirement espacs et convenablement choisis. Lorsque la fonction est connue analytiquement ou lorsquelle est tabule numriquement en ces points prcis, la mthode de Gauss peut tre applique. En dveloppant sur une base de polynmes, lintgrale de peut scrire comme une combinaison linaire des valeurs que prend la fonction en divers points :

Dans cette expression, la constante C est proportionnelle (b-a) et les facteurs de (segments de droites pondration dpendent de la fonction par laquelle on approche pour la mthode des trapzes, arcs de paraboles pour la mthode de Simpson). En ce qui concerne la mthode de Gauss, on dveloppe dont les polynmes sont dfinis sur lintervalle variable sur qui permet de transformer dans une base de polynmes orthogonaux sont les racines de ces polynmes, qui sont alors irrgulirement espacs. Ces . Dans ce cas, il faut faire un changement de en ; cest dire :

(a) On obtient donc :

(b) o et sont tabuls. , peut tre value en suivant la procdure :

Ainsi, lintgrale de

46

on choisit la valeur n qui donne le nombre de points o la fonction doit tre value, on lit dans la table donnant et les n valeurs de qui sont deux deux symtriques par rapport zro (qui sont les racines du polynme de Legendre dordre n) qui correspondent la valeur de n choisie, on calcule (b)). par lquation (a), ensuite on value lintgrale de (expression

Racines et poids pour la mthode de Gauss - Legendre

2 3

0,5773502692 0,0000000000 0,7745966692

1,0000000000 0,8888888889 0,5555555556 0,6521451549 0,3478548451 0,5688888889 0,4786286705 0,2369268850 0,4679139346 0,3607615730 0,1713244924 0,4179591837 0,3818300505 0,2797053915 0,1294849662

0,3399810436 0,8611363116

0,0000000000 0,5384693101 0,9061798459

0,2386191861 0,6612093865 0,9324695142

0,0000000000 0,4058451514 0,7415311856 0,949079123

Exemple : Calculer lintgrale Solution : Analytiquement, on connat : 47 . par la mthode de Gauss.

On choisit un , et on calcule les tableau prcdent. Pour b=4 et a=0, on a :

donns par (d). On extrait ensuite les

et les

du

-0,861136 -0,339981 0,339981 0,861136 On calcule ensuite lintgrale

0,277728 1,320038 2,679962 3,722272 selon lquation (b) :

0,347855 0,652145 0,652145 0,347855

do :

2.5. Intgration sur un pas quelconque Dans le cas prcdent, on a soit le pas donne numriquement en des points faon quelconque. est constant, soit la fonction intgrer est qui ne sont pas rgulirement espacs et disposs de

La mthode gnrale pour intgrer une telle fonction consiste :


approcher la fonction f(x) par un polynme quelconque, remplacer lintgrale par une combinaison des .

Ainsi : o Les coefficients sont dtermins de la manire suivante : et .

48

On obtient alors un systme linaire de n+1 quations n+1 inconnues et dont les inconnues sont les coefficients donns par :

On remarque que lorsque n=1, on obtient la formule des trapzes. Quand les points sont diffrents les uns des autres, on obtient le systme de Cramer avec une solution. Et lorsque les points sont quidistants, on obtient la formule de Newton-Cotes. Pour obtenir une bonne approximation de lintgrale de , il est conseill de ne pas prendre beaucoup de points, car le polynme dinterpolation devient dans certains cas une mauvaise approximation.

2.6. Problmes lis aux limites de la fonction 2.6.1. Intgration sur un domaine infini Pour calculer lintgrale suivante, par exemple :

49

il faut sassurer que cette intgrale converge. Dans ce cas, on procde de la faon suivante :

on fait un changement de variable qui permet de transformer les bornes infinies en bornes finies, on spare lintgrale en deux :

peut tre facilement value par lune des mthodes voques prcdemment.

En ce qui concerne le calcul de ngligeable, et par consquent :

, si b est suffisamment grand,

devient

Pour le critre donn sur b (b suffisamment grand), on calcule et Si . , alors b (ou 2b) est pris comme borne remplaant linfini. .

par exemple

Dans la plupart des cas, on connat la forme asymptotique de Si pour suffisamment grand, on crit :

o lintgrale

peut souvent tre value analytiquement.

On peut galement faire un changement de variables pour ramener la borne infinie de la

seconde intgrale singularit.

une valeur finie. Mais cette technique introduit souvent une

50

2.6.2. Singularit dans lintgrale La meilleure mthode pour traiter les singularits est de les liminer si possible par lune des nombreuses techniques algbriques ; savoir lintgration par partie, le changement de variables, etc. Si on doit calculer lintgrale par la mthode de Simpson pas constants, lintervalle dintgration doit exclure la borne o la singularit apparat.

Exemple : Soit calculer lintgrale suivante :

est infinie sur la borne infrieure. Analytiquement, cette intgrale peut tre calcule facilement :

Par la mthode de Simpson par exemple, on calcule :

o est suffisamment petit. Comme il est trs difficile dapprocher une singularit par un polynme, on partage deux intgrales : en

avec

ou

par exemple.

On prend un grand pas entre c et 1 et un pas petit entre et c. La mthode de Gauss est la mieux adapte en gnral parce quelle correspond une approximation par un polynme de degr n lev dune part, et si, dautre part, on choisit n pair, on na pas besoin de la valeur de Cependant si la fonction pas de bons rsultats. aux bornes.

oscille autour de la singularit, ce type dapproche ne donne

Une autre approche possible permettant de calculer lavariables en variable . Pour le cas particulier tudi, on obtient :

consiste faire un changement de

51

si

et par suite :

52

Chapitre VI : Rsolution numriques des quations


diffrentielles

Plan
1. Position du Problme 2. Mthodes de rsolution des quations diffrentielles 2.1. Mthode d'Euler 2.2.1. Mthode de Runge-Kutta l'ordre 2 2.2.2. Mthode de Runge-Kutta l'ordre 4 2.2. Mthode de Runge-Kutta pas unique 2.3. Mthode d'Adams pas multiple 2.3.1. Formules d'Adams ouvertes 2.3.1.1. Formules d'Adams l'ordre 1 2.3.1.2. Formules d'Adams l'ordre 2 2.3.1.3. Formules d'Adams l'ordre 3 2.3.1.4. Formules d'Adams l'ordre plus lev 2.3.2. Formules d'Adams fermes 2.4. Mthode de Prdicteur-Correcteur 2.5. Problmes avec des conditions aux limites : Mthode de TIR 2.6. Problmes avec des conditions aux limites : Mthode Matricielle

1. Position du Problme
Les mthodes analytiques ne sont pas suffisantes pour rsoudre les problmes d'quations diffrentielles. En effet, il existe plusieurs types d'quation diffrentielles. Chaque type ncessite une mthode de rsolution particulire. La rsolution de la plupart des quations diffrentielles requiert donc l'utilisation de mthodes numriques. Chacune de ces mthodes peut tre applique la rsolution de la plupart des quations diffrentielles. Les quations diffrentielles peuvent tre classes en deux catgories : les quations diffrentielles aux conditions initiales et les quations diffrentielles aux conditions aux limites. Exemples : 1) Soit l'quation diffrentielle suivante :

53

On donne en plus de cette quation diffrentielle les conditions initiales suivantes :

et Dans cette quation, la variable indpendante peut tre le temps, mais aussi toute autre variable. Dans ce cas, on peut dire que toute quation diffrentielle d'ordre avec des conditions initiales peut tre remplace par un systme de quations diffrentielles couples du 1er ordre. En posant , le systme prcdent devient :

avec : Ainsi, un problme aux conditions initiales est donc de la forme :

et

On obtient alors un systme de quations inconnues. Ce systme peut tre rsolu par rapport une seule variable (le temps par exemple) :

Les mthodes employes pour la rsolution du systme prcdent se gnralisent de faon immdiate pour rsoudre les systmes de quations inconnues. 2) Soit l'quation de la propagation de la chaleur le long d'une barre :

Ce problme est conditions aux limites. Dans de nombreux cas, on trouve des problmes o les conditions aux limites (ou les conditions initiales) n'ont pas de sens physique.

54

2. Mthodes de rsolution des quations diffrentielles


2.1. Mthode d'Euler La mthode d'Euler est la mthode la plus simple et la moins prcise. Soit rsoudre l'quation diffrentielle suivante :

En supposant connue l'instant t, le dveloppement en srie de Taylor de voisinage de donne :

au

l'ordre 1, on obtient :

Pour

constant, on a :

est connue Exemple :

, donc, la fonction y peut tre dtermine tout autre instant ultrieur.

Rsoudre l'quation diffrentielle du 1er ordre suivante :

La solution exacte de ce systme est :

Selon la mthode d'Euler, la solution de ce systme s'crit :

car

55

Dans le tableau ci-dessous, donne une comparaison entre la solution numrique et la solution exacte obtenue analytiquement pour un pas de temps s:

i 1 2 3 4 5 7 9 11

ti 0,1 0,2 0,3 0,4 0,5 0,7 0,9 1,1

yi exact 0,90909091 0,83333333 0,76923077 0,71428571 0,66666667 0,58823529 0,52631579 0,47619048

yi Mthode d'Euler 0,90000000 0,81900000 0,75192390 0,69538494 0,64702892 0,56854190 0,50746495 0,45850815

% Err. relative 1,00 1,72 2,25 2,65 2,95 3,25 3,58 3,71

D'aprs ce tableau, on remarque que l'erreur augmente au fur et mesure que augmente. Donc, cette mthode est peu prcise. Elle n'est pas utilise dans la rsolution numrique des quations diffrentielles. Nous l'avons utilise pour introduire les autres mthodes et donner une simple ide sur l'erreur commise.

2.2. Mthode de Runge-Kutta pas unique Les mthodes de Runge-Kutta sont bien utilise dans la pratique, car elles prsentent plusieurs avantages (facilit de programmation, stabilit de la solution, modification simple du pas et la suffit pour intgrer l'quation diffrentielle). Les inconvnients de cette connaissance de mthode se rsument au temps de calcul lent et la difficult de l'estimation de l'erreur locale.

2.2.1. Mthode de Runge-Kutta l'ordre 2 Cette mthode est obtenue en prenant les diffrences centres au 1er ordre :

Or estime

est inconnue. Dans ce cas, on remplace dans l'quation prcdente, et on obtient :

par sa valeur

56

Pour valuer

, la fonction

doit tre calcule deux fois, d'o l'appellation "Formule et la seconde fois pour valuer .

d'ordre 2" : la premire fois pour l'obtention de

2.2.2 Mthode de Runge-Kutta l'ordre 4 Dans la plupart des cas, la mthode de Runge-Kutta utilise est celle d'ordre 4 :

Le calcul de ncessite alors 4 valuations de la fonction compliques le temps de calcul devient important.

, et par suite pour les fonctions

2.3. Mthode d'Adams pas multiple Cette mthode est l'une des catgories pas multiples. Elle peut tre classe en formules ouvertes ou formules fermes.

2.3.1. Formules d'Adams ouvertes Soit l'quation diffrentielle suivante :

(1) Le dveloppement en srie de Taylor autour de donne :

57

Dans l'quation diffrentielle (1), on a :

o :

(2)

2.3.1.1. Formules d'Adams l'ordre 1 Dans l'quation (2), on garde les deux premiers termes ( l'ordre 1) :

(3) C'est l'quation d'Euler (ou mthode d'Euler).

2.3.1.2. Formules d'Adams l'ordre 2 On utilise les trois premiers termes de l'quation (2) :

(4) On remplace par son expression en fonction des diffrences finies gauche, et on obtient :

58

et l'expression (3) devient :

ou encore :

Les termes d'ordre 3 sont ngligs. Donc, la formule est d'ordre 2. Pour calculer connatre et . On remarque que

, il faut

ne peut pas tre dtermine car on ne connat

. Pour dmarrer cette mthode, il faut utiliser une autre mthode pour valuer pas (mthode de Runge-Kutta l'ordre 2 par exemple).

2.3.1.3. Formules d'Adams l'ordre 3 On utilise les 4 premiers termes de l'quation (2) :

On exprime trouve :

et

par leurs formules obtenues partir des diffrences gauches, et on

D'o la solution devient aprs regroupement des diffrents termes :

On a la mme remarque que prcdemment, on calcule Runge-Kutta l'ordre 4. 2.3.1.4. Formules d'Adams l'ordre plus lev

et

en utilisant la mthode de

En utilisant le mme principe, on peut exprimer, par une formule gnrale d'ordre en fonction de et : 59

(4) Dans le tableau suivant, on donne les valeurs de formule d'ordre 6. jusqu' , ce qui correspond une

Ordre de la mthode

0 1 2 3 4 5

1 2 3 4 5 6

La formule la plus couramment utilise est celle d'ordre 4 :

2.3.2. Formules d'Adams fermes Dans ces formules, on utilise le dveloppement en srie de Taylor "en arrire" :

Dans ce dveloppement en srie de Taylor, on remarque que :

60

D'o pour

, on a :

Ainsi, on obtient :

Cette formule est dite "ferme" car pour obtenir l'inconnue calculer qui dpend lui mme en gnral de

, il faut . On utilise donc une de .

mthode itrative. Pour cela, on injecte une premire valeur estime On obtient alors une nouvelle :

(pour l'ordre 1 par exemple) pour calculer . On arrte les calculs quand la convergence est Ensuite, on injecte ralise. Si cette convergence s'effectue quand la prcision est infrieure une valeur donne, on a donc :

l'ordre

, on obtient la formule gnralise suivante :

61

Les valeurs de

sont donne par le tableau ci-dessous jusqu'

Ordre de la mthode

0 1 2 3 4 5

1 2 3 4 5 6

La mthode la plus couramment utilise est celle l'ordre 4, c'est dire :

On constate que les formules fermes, qui sont itratives, demandent plus de temps de calcul de telle sorte que la diffrence que les formules ouvertes, puisqu'il faut calculer converge vers . Pour le mme ordre, ces formules sont bien plus prcises et plus stables que celles dites "ouvertes". Leur convergence est d'autant plus rapide que l'estimation initiale proche de la valeur exacte . est plus

2.4. Mthode de Prdicteur-Correcteur La combinaison des deux mthodes prcdentes (formules d'Adams ouvertes et formules d'Adams fermes) constitue la mthode de prdicteur-correcteur. Il suffit de trouver une valeur estime proche de la valeur finale . Le prdicteur est obtenu par une

est introduite dans la mthode formule formule ouverte de mme ordre. Cette valeur ferme. Ceci permet d'acclrer la convergence vers la solution. Ainsi, on profite des avantages lis la mthode d'Adams : temps de calcul rduit et erreur estime de troncature rduite considrablement.

62

Pour la mthode d'Adams au 4me ordre, on a : Prdicteur : formules d'Adams ouvertes au 4me ordre :

(5) au pas prcdent, on a qui est la valeur du prdicteur (modificateur)

(6) Correcteur : obtenu partir de la formule d'Adams ferme (au 4me ordre par exemple) :

(7) Les valeurs donn que , et peuvent tre calcules partir des formules de Runge-Kutta. tant est calcule partir des quations (5) et (6) et , on estime par

n'existe pas, la valeur

va initialiser les calculs d'itrations (formule (7)). partir de

l'quation (5), puis par la formule (6). Cette valeur est injecte dans la formule (7) pour amorcer les itrations.

Exercice : Rsoudre l'quation diffrentielle suivante par la mthode de Runge-Kutta l'ordre 4, puis par la mthode de prdicteur-correcteur d'ordre 4 en se limitant une itration pour le correcteur. On prendra exemple : et on comparera les rsultats obtenus par les deux mthodes pour par

2.5. Problmes avec des conditions aux limites : Mthode de TIR La mthode de TIR consiste remplacer le problme de conditions aux limites par un problme de conditions initiales. Les conditions aux limites qui ne sont pas des conditions 63

initiales ne peuvent se concevoir que pour des quations diffrentielles d'ordre au moins gal 2, ou pour les systmes d'quations diffrentielles du 1er ordre. Soit l'quation diffrentielle du second ordre suivante :

(8) avec les conditions aux limites suivantes :

On remplace ces conditions aux limites par des conditions initiales :

est arbitraire

En utilisant les mthodes dcrites prcdemment, la rsolution de (8) donne une solution fonction de qui, pour , et on cherche , prend la valeur de telle sorte qu'on ait : . Cette solution est une

Ainsi, le problme devient une quation dont on est amen chercher sa racine. Pour rsoudre l'quation (8), on donne 2 valeurs arbitraires et et puis on dduit une valeur partir de et et ; ce qui donne

par interpolation linaire. Ayant obtenu dans le cas gnral par :

, on en dduit

(9) La convergence est ralise quand et seront suffisamment proches l'une de l'autre.

64

Exemples :

soit le systme d'quations du 1er ordre suivant avec des conditions aux limites :

Cette quation du 3me ordre peut tre ramene un systme de 3 quations du 1er ordre, en posant :

d'o :

avec : Ce systme est conditions aux limites. Pour le rsoudre, on le transforme en un systme aux conditions initiales :

avec :

65

Ce systme peut tre rsolu par l'une des mthodes dcrites prcdemment (prdicteurcorrecteur avec initialisation ou Runge-Kutta) ensuite on dtermine la valeur de pour que

soit gal 1. quations non linaires ou coefficients fonction de l'inconnue : , , , , apparaissent des

On dit qu'une quation diffrentielle est non linaire si puissances diffrentes de 1, comme par exemple :

(10) Si l'quation est coefficients dpendants de l'inconnue, peut s'crire sous la forme suivante par exemple :

Ces quations peuvent tre rsolues par dcomposition en un systme de quations inconnues du 1er ordre, comme c'est le cas de l'exemple prcdent (quation 10) :

Cette quation peut tre crite sous la forme :

et on remplace l'ensemble des conditions aux limites par des conditions initiales.

2.6. Problmes avec des conditions aux limites : Mthode Matricielle Equation diffrentielle du second ordre : diffrences finies Soit rsoudre l'quation diffrentielle du second ordre suivante :

(11) On suppose connues :

(conditions aux limites)

66

On divise l'intervalle

en

intervalles gaux

On utilise les formules d'ordre 2 aux diffrences centres :

L'quation (11) devient en

et pour

Aprs regroupement des diffrents termes, on obtient :

quation qui peut tre crite aussi sous la forme suivante la plus simple :

Pour

variant de 1

, on obtient un systme de

quations

inconnues

(o correspond limites

). La premire quation de ce systme correspond et la dernire . Ces deux quations s'crivent, puisqu'on connat les conditions aux et :

Ainsi, le systme d'quations (12) devient :

67

Ce systme est dfini par une matrice tridiagonale. Sa rsolution est simple et rapide : ( quations inconnues ). Pour aboutir la prcision recherche, on rsout le , etc. jusqu' la convergence souhaite.

systme plusieurs fois avec des pas

68

Chapitre VII : Calculs des quations aux drives partielles


Plan
1. Position du Problme 2. Expression des drives partielles 3. Conditions aux limites 3.1. Cas o le contour suit le maillage 3.2. Cas o le contour est quelconque 4. quations du premier ordre : Mthode des caractristiques 4.1. Courbes caractristiques associes une quations du premier ordre 4.2. Exemples de problmes lis aux conditions aux limites 4.3. Systme d'quations du premier ordre 5. quations du second ordre 6. quations elliptiques 7. Problmes en coordonnes cylindriques 8. Discrtisation de l'quation de la Conduction en rgime instationnaire

1. Position du Problme
Dans la pratique, la plupart des quations aux drives partielles sont du premier ou du second ordre deux variables indpendantes, et lextension de ces quations un ordre plus lev ne pose aucun problme pour la rsolution. Si est une fonction des variables , , , et et . , alors les

quations aux drives partielles font intervenir

Dans la suite, nous exprimons ces quantits en fonction de leurs expressions tablies laide des diffrences finies. Les contours du domaine de la fonction conditions aux limites. permettent de donner les

69

2. Expression des drives partielles


Pour calculer , on utilise les points situs de part et dautre de , de la fonction : . Considrons les

dveloppements en sries de Taylor autour de

Posons

est lun des points de la figure 1 ci-dessous :

Fig. 1 : Maillage utilis en diffrences finies Pour et , on obtient partir du dveloppement prcdent lordre 2 les drives

partielles premires : soit :

(1) On a galement :

soit :

(2)

70

En additionnant les dveloppements en sries de Taylor des fonctions lordre 2, on obtient les drives partielles secondes :

et

soit :

soit :

Pour lobtention des drives croises, quations (1) et (2) :

par exemple, on applique successivement les

Soit :

71

3. Conditions aux limites


Dans le cas de plusieurs variables indpendantes, la limite reprsente le contour dans le cas de deux variables, la surface dans le cas de trois variables, etc. En gnral, on impose sur le contour (en tout point), des conditions portant soit sur la fonction soit sur le gradient de :( , problme de Neumann). (problme de Dirichlet),

3.1. Cas o le contour suit le maillage Dans la majorit des cas, le contour est constitu (ou approch) par des segments de droites qui suivent le maillage. Les conditions aux limites s'expriment de la mme faon que dans le cas des quations diffrentielles (chapitre prcdents).

Fig. 2 : Contour suivant le maillage 3.2. Cas o le contour est quelconque Un contour quelconque est remplac par la ligne polygonale la plus voisine. Dans le cas de la figure 3 ci-dessous, c'est Aa, bB, Cc, dE, Ee, etc. Ainsi les quations du paragraphe prcdent, faisant intervenir les drives partielles, et crites pour tous les points intrieurs A,B, C, etc., font intervenir les points extrieurs a, b, c, etc. Les conditions aux limites fournissent des conditions supplmentaires sur ces points extrieurs. Sur le contour, il faut interpoler , formule de Gregory-Newton par exemple. , partir des nuds voisins l'aide de la

72

Fig. 3 : Contour quelconque

4. quations du premier ordre : Mthode des caractristiques


On s'intresse ici aux quations du premier ordre qui sont quasi-linaires et de la forme :

o Les coefficients , et ne dpendent ni de les conditions aux limites. ni de . cette quation, il faut ajouter

4.1. Courbes caractristiques associes une quations du premier ordre L'quation prcdente rsoudre est de la forme :

Considrons les vecteurs

et

suivants :

Cette quation se rduit : reprsentative de la solution

. Ainsi, .

est un vecteur tangent la surface

Le vecteur (1)

parallle

est :

Les courbes et obtenues partir de ces quations sont appeles des courbes caractristiques. La mthode caractristique consiste remplacer l'quation aux drives partielles prcdente par un ensemble d'quations de la forme : 73

ou encore

qui, une fois intgre compte tenu de la constante .

d'intgration, donne l'quation

ou encore en tout point (donc

(ou ) qui, une fois intgre donne la valeur de ) de la caractristique.

Ainsi, la solution recherche

satisfait :

4.2. Exemples de problmes lis aux conditions aux limites Exemple 1: Soit rsoudre la simple quation aux drives partielles suivantes :

En se reportant au paragraphe prcdent, on a :

L'quation (1) s'crit alors :

Cette quation est remplace par deux autres quations :

(3)

D'aprs la premire quation du systme (3), les caractristiques sont des droites parallles. Ainsi, l'expression de devient :

74

Les constantes

et

(ou

) sont dtermines partir des conditions aux limites.

Exemple 2: Soit rsoudre l'quation diffrentielle suivante :

Dans cette quation : D'o :

et

L'quation des caractristiques est :

Les conditions aux limites donnent :

D'o la solution :

Les constantes

et

sont dtermines par les conditions aux limites.

4.3. Systme d'quations du premier ordre Soit le systme suivant liant les drives des fonctions et :

75

(4) o les coefficients peuvent dpendre de supposes connues sur une courbe . et , mais pas de ni de . et sont

Suivant la procdure dcrite dans le paragraphe prcdent, on peut crire :

(5) Les systmes (4) et (5) ne dfinissent pas les 4 inconnues , , et de manire unique, seulement s'ils sont linairement dpendants; c'est dire si le dterminant est nul.

1)

En divisant le dterminant par , on obtient une quation du second degr en la solution est l'quation diffrentielle des caractristiques.

, dont

2) En remplaant dans le dterminant la dernire colonne par celle du second membre, on obtient :

76

et par intgration, on obtient les valeurs de

et de

le long des caractristiques.

5. quations du second ordre


Soit l'quation aux drives partielles suivante :

(6)

et .

peuvent dpendre de

, ,

et

, mais pas des drives secondes de la

fonction Posons :

et : L'quation (6) devient :

(7) avec :

(8) Les quations (7) et (8) comportent 3 inconnues , si . et . La solution n'est pas unique

77

soit :

(9) Lorsque l'quation (10) est vrifie, le systme (7) et (8) n'admet pas de solution sauf si les autres dterminants du systme sont nuls : c'est dire en remplaant dans le dterminant prcdent la deuxime colonne par la colonne du second membre de l'quation :

(10) Pour pouvoir utiliser la mthode des caractristiques, il faut que les racines de l'quation (9) soient relles. En consquence, les 3 cas suivants prsentent :

si elliptique

, l'quation (9) n'a pas de racines relles, et l'quation (6) est dite . , l'quation (9) admet une racine relle double, et cette quation est dite o si

si

parabolique (c'est le cas de l'quation de diffusion de la chaleur se confond avec la variable t).

si , l'quation (9) admet deux solutions relles qui sont distinctes, et cette quation est dite hyperbolique (c'est le cas de l'quation de propagation ).

6. quations elliptiques
Dans cette partie, on montre comment on discrtise une quation aux drives partielles elliptique avec des conditions aux limites, dans le but de la transformer en un systme de quations inconnues. La mise en quation l'aide des diffrences finies comporte les tapes suivantes :

78

on dfinit un maillage couvrant le domaine et sa frontire, en tout nud intrieur au domaine, on exprime les drives partielles l'aide des diffrences finies (ces termes contiennent des points situs sur la frontire), on exprime les valeurs de la fonction en tout point sur la frontire en tenant compte des conditions aux limites.

Ainsi, on obtient un systme de Exemple :

quations

inconnues.

Rsoudre l'quation de Laplace suivante :

avec les conditions aux limites suivantes :

et

Dans un premier temps, on dfinit le maillage qui concide avec la frontire du domaine : on choisit pas sur ( ) et m + 1 pas sur y ( )

Fig. 4 : Dfinition du maillage

En chaque nud intrieur du domaine, on exprime l'quation de Laplace l'aide des diffrences finies, ce qui permet de donner :

79

On vrifie bien que cette quation fait intervenir les points la frontire ( et ). On exprime les conditions aux limites portant sur , , et et . :

D'aprs les conditions aux limites imposes, l'quation prcdente s'crit pour

Les valeurs

et

donnent dans l'quation prcdente :

Pour

, on a :

l'ordre 4 s'crit :

Soit :

On continue ainsi exprimer les conditions aux limites, ce qui donne :

80

Pour

, on obtient :

Les quations prcdentes constituent un ensemble de

quations. Pour

variant entre 0

, on obtient quations inconnues (valeurs de dans les nuds et intrieurs au domaine). Ce systme d'quations peut tre rsolu par exemple par la mthode de Gauss-Seidel (mthode itrative).

Principe de la mthode : Aprs multiplication par sous la forme : et regroupement des termes, l'quation discritise peut s'crire

Le coefficient

est le plus grand en module. Donc :

Pour

, on obtient :

Pour rsoudre l'quation discritise, on applique le procd d'itrations de Gauss-Seidel (mthode explicite). Pour cela, on se donne une valeur (distribution) arbitraire initiale qui porte dans l'quation (19) au second membre pour chaque couple nouvelle valeur , et ainsi de suite. L'arrt des calculs se fait quand est la limite de convergence que l'on se donne. , donne une o ,

Dans le cas de l'quation de Laplace, le procd converge toujours. Pour d'autres quations plus compliques, ce procd de convergence pourra diverger. Dans ce cas, on utilise un facteur de relaxation . En gnral, la convergence est plus rapide lorsqu'on utilise un 81

procd de relaxation

(o

).

7. Problmes en coordonnes cylindriques


Considrons l'quation de la conduction de la chaleur exprime en coordonnes cartsiennes :

En coordonnes polaires, cette quation s'crit sous la forme :

sur la domaine Sur ce domaine , on construit un maillage en coordonnes polaires et o et comme le montre

la figure 5 ci-dessous, avec

sont des entiers.

Fig. 5 : Systme de maillage en coordonnes polaires

Ainsi, la temprature

et la fonction

deviennent au point

Pour des valeurs non nulles de , les drives secondes de s'crivent sous la forme discrtise suivante :

par rapport

et

82

En utilisant les diffrences centres,

peut s'crire au point

sous la forme :

Ainsi, l'quation de la chaleur discrtise est :

Soit, aprs regroupement des diffrents termes :

C'est l'quation de conduction de la chaleur discrtise (diffrences finies) en coordonnes cylindriques, obtenue pour des valeurs de non nulles ( ). Les indices et sont des entiers (commenant par 1 dans Matlab). A l'origine ( ), l'quation de la conduction en coordonnes polaires prsente une singularit. Cette dernire doit tre limine. Pour cela, on utilise le Laplacien de l'quation de la conduction non pas en coordonnes cylindriques, mais en coordonnes cartsiennes :

quand On construit ensuite un cercle de rayon , centr en . Considrons la temprature

, et , , et sont les tempratures sur le cercle aux 4 nuds (intersection avec les axes et ). Ainsi, l'quation prcdente (en coordonnes cartsiennes) s'crit sur le cercle de rayon :

83

La rotation des axes

et

autour de

conduit au mmes rsultats (quation de la

comme la moyenne chaleur en coordonnes cartsiennes discrtise). En considrant arithmtique des tempratures autour du cercle de rayon , l'quation prcdente devient :

o centre est la moyenne arithmtique des valeurs de et est la valeur de la temprature autour du cercle de rayon . et de

Les coordonnes polaires

(deux dimensions) peuvent tre extrapoles en coordonnes

cylindriques (trois dimensions) pour l'obtention de l'quation de la conduction de la chaleur discrtise. Pour le problme bidimensionnel en voqu prcdemment, compte tenu de la symtrie axiale, l'quation de la conduction de la chaleur peut tre rduite :

Pour

, l'quation prcdente discrtise s'crit sous la forme :

o Au centre (

, et

est un entier positif.

), en utilisant la rgle de l'Hopital nous obtenons :

D'o, l'quation de la conduction de la chaleur en deux dimensions de la symtrie axiale du problme :

, s'crit compte tenu

en soit en diffrences finies :

pour 84

En coordonnes cylindriques, l'quation de la conduction de la chaleur est donne par l'expression suivante :

Les coordonnes

sont reprsentes par :

o La temprature

et

sont des entiers. au nud est note par :

et les diffrentes drives partielles deviennent :

L'quation de la chaleur discrtise en coordonnes cylindriques au nud

devient :

pour des valeurs de Pour , on a :

non nulles.

et l'quation de conduction en

devient :

en Soit en utilisant les diffrences finies au nud 85 :

8. Discrtisation de l'quation de la Conduction en rgime instationnaire


Dans le systme de coordonnes cartsiennes (trois dimensions), l'quation de conduction de la chaleur en rgime instationnaire (temporel) s'crit (si ):

Pour rsoudre cette quation aux drives partielles en utilisant la mthode des diffrences finies, on utilise un maillage cubique (mailles de cts avec :

o , et sont entiers positifs, et le domaine temporel est divis en petits intervalles de temps de telle sorte que . Dans ce cas, la temprature reprsente par : au point un temps donn est

En utilisant la mthode des diffrences finies, les diffrents termes de l'quation ci-dessus au drives partielles s'crivent au point :

et l'quation de la conduction discrtise en trois dimensions devient :

86

En regroupant les diffrents termes de cette quation, on obtient :

Cette quation ne peut tre rsolue que par une mthode itrative (mthode de Gauss-Seidel par exemple). On pose :

La convergence de la solution recherche est assure si la quantit Ainsi, le pas de temps et les autres pas spatiaux ( , et

est strictement positive. ) sont relis par :

Pour amorcer le calcul itratif, on ensemence le domaine de frontire arbitraires ( condition par exemple), et on arrte les calculs quand la est ralise ( est une prcision fixer).

par des valeurs

87

Quelques rfrences bibliographiques consulter

A. Gourdin & M. Boumahrat ; "Mthodes numriques appliques" ; ditions Techniques et Documentations Lavoisier, 1989. A. Ralston & P. Rabinowitz; "A first course in numerical analysis" ; ditions Presses Universitaires de Grenoble, 1991. M. Sibony & J. Cl. Mardon ; "Ananlyse numrique I : Systmes linaires et non linaires"; ditions Herman, 1982. M. Sibony ; "Ananlyse numrique III : Itrations et approximations" ; ditions Herman, 1988. M. Schatzman ; "Analyse numrique : cours et exercices pour la licence" ; Inter ditions, 1991. J. Baranger ; "Introduction l'analyse numrique" ; ditions Herman, 1993. J.C. Vaissire & J.P. Nougier ; "Programmes et exercices sur les mthodes numriques" ; ditions Masson, 1990. J.P. Nougier ; "Mthodes de calcul numrique" ; ditions Masson, 3me dition, 1993. J.P. Demailly ; "Analyse numrique et quations diffrentielles" ; ditions Mc GrawHill, 2me dition, 1978. J. Stoer & R. Bulirsch ; "Introduction to numerical analysis" ; ditions SpringerVerlag, 1980. P. Lascaux & R. Theodor ; "Ananlyse numrique matricielle applique l'art de l'ingnieur : Mthodes directes"; Tome 1 ; ditions Masson, 2me dition, 1993. P. Lascaux & R. Theodor ; "Ananlyse numrique matricielle applique l'art de l'ingnieur : Mthodes directes"; Tome 2 ; ditions Masson, 2me dition, 1994.

88