Vous êtes sur la page 1sur 0

Mthodes Numriques Appliques

(Rsolution numrique des quations


diffrentielles de lingnieur)





Vincent Guinot, Bernard Cappelaere

PolytechMontpellier STE 2












2005/2006
ii


Table
Pourquoi les mthodes numriques ?...........................................................................1
Structure du cours........................................................................................................1
Notation.......................................................................................................................3
Chapitre 1. Classification des quations diffrentielles....................................................4
Objectifs.......................................................................................................................4
1.1 quations Diffrentielles Ordinaires (EDOs)...................................................4
1.1.1 Dfinitions...............................................................................................................4
1.1.2 Exemples dEDOs...................................................................................................6
1.2 quations aux Drives Partielles (EDPs)........................................................9
1.2.1 Dfinitions...............................................................................................................9
1.2.2 Classification des EDPs du second ordre..............................................................10
1.2.3 Besoins en termes de conditions initiales et aux limites........................................14
1.2.4 Exemples dEDPs hyperboliques..........................................................................15
1.2.5 Exemples dEDPs paraboliques............................................................................16
1.2.6 Exemples dEDPs elliptiques................................................................................17
1.2.7 quations mixtes.................................................................................................18
Chapitre 2. Diffrences finies pour les Equations Diffrentielles Ordinaires (EDOs)...19
Objectifs.....................................................................................................................19
2.1 Principe gnral: discrtisation de lespace ou du temps................................19
2.2 Mthodes de type Euler..................................................................................21
2.2.1 Mthode dEuler explicite.....................................................................................22
2.2.2 Mthode dEuler implicite.....................................................................................23
2.2.3 Mthode dEuler semi-implicite............................................................................24
2.3 Mthodes de type Runge-Kutta......................................................................25
2.3.1 La mthode RK2...................................................................................................25
2.3.2 La mthode RK4...................................................................................................26
2.4 Consistance, stabilit, convergence................................................................28
2.4.1 Introduction...........................................................................................................28
2.4.2 Consistance...........................................................................................................30
2.4.3 Stabilit.................................................................................................................31
2.4.4 Convergence..........................................................................................................32
2.5 Discrtisation dEDOs dordre 2 et plus.........................................................33
Chapitre 3. Diffrences finies pour les quations aux Drives Partielles (EDPs)........34
Objectifs.....................................................................................................................34
ii Mthodes Numriques Appliques
3.1 Principe...........................................................................................................34
3.1.1 Discrtisation impliquant une seule dimension despace......................................35
3.1.2 Problmes multidimensionnels..............................................................................35
3.2 Mthodes pour les EDPs hyperboliques.........................................................37
3.2.1 Schmas dcentrs amont......................................................................................37
3.2.2 La mthode des caractristiques............................................................................41
3.2.3 Le schma de Preissmann......................................................................................42
3.2.4 Le schma de Crank-Nicholson.............................................................................44
3.2.5 Stabilit des schmas.............................................................................................45
3.3 Mthodes pour les EDPs paraboliques...........................................................45
3.4 Mthodes pour les EDPs elliptiques...............................................................48
3.5 Problmes multidimensionnels.......................................................................49
3.5.1 Les directions alternes.........................................................................................49
3.5.2 Mthodes multidimensionnelles............................................................................52
3.6 Traitement des termes non-linaires dans les schmas implicites..................53
3.7 Consistance des schmas numriques pour EDPs diffusion et dispersion
numriques......................................................................................................54
3.7.1 Analyse de consistance des schmas pour les EDPs.............................................54
3.7.2 Diffusion numrique..............................................................................................55
3.7.3 Dispersion numrique............................................................................................55
Chapitre 4. Mthodes aux lments finis et aux volumes finis......................................57
4.1 Elments finis.................................................................................................57
4.2 Volumes finis..................................................................................................60
4.2.1 EDPs conservatives...............................................................................................61
4.2.2 Principe des volumes finis en une dimension despace.........................................62
4.2.3 Application: lquation de convection conservative..............................................64
Chapitre 5. Conseils pratiques........................................................................................65
5.1 Prise en main dun logiciel de simulation.......................................................65
5.2 En cas de problme.........................................................................................65
Annexe A .......................................................................................................................67
Annexe B........................................................................................................................70
Introduction
Pourquoi les mthodes numriques ?

Le mtier dingnieur hydraulicien ne se conoit gure sans lutilisation de
logiciels de modlisation de lhydraulique (souterraine, surface libre, en
charge) et du transport (de contaminant, de sdiments, etc.) Ces logiciels
rsolvent des quations telles que lquation de continuit, de conservation de la
quantit de mouvement, de conservation de lnergie ou de conservation de la
masse.
Du fait de la complexit de la gomtrie, ainsi que de la variation dans le temps
ou dans lespace des conditions aux limites, ces quations diffrentielles ne
peuvent en gnral pas tre rsolues de faon exacte. Elles sont rsolues de
faon approche, laide des mthodes numriques.

Les mthodes numriques ne donnent pas la solution vritable du problme que
lon cherche rsoudre. Des mthodes numriques mal employes peuvent
conduire des rsultats totalement faux, allant lencontre de la ralit
physique (exemples typiques: concentrations ngatives, cration ou disparition
artificielle de la masse deau ou de solut dans un modle).

Il est indispensable pour un ingnieur de possder des notions de base sur les
mthodes numriques, afin de pouvoir viter les piges et remdier aux
problmes les plus courants qui se posent lors de lutilisation de modles
standards dans le cadre dtudes et/ou de projets.
La matire Mthodes Numriques Appliques a pour but de vous donner les
connaissances de base ncessaires la comprhension des algorithmes les plus
couramment utiliss dans les logiciels de modlisation hydraulique.
Structure du cours

La matire Mthodes Numriques Appliques (MNA) comprend 18 heures de
cours et 18 heures de Travaux Dirigs. Les sessions sarticulent comme indiqu
dans le tableau ci-dessous (les numros indiquent les numros de sances [1
sance =1 h 30]) sous rserve de modification de lemploi du temps.
Les Travaux Dirigs impliquent lutilisation dExcel.
2 Mthodes Numriques Appliques


Cours TD
1 Classification des quations
diffrentielles

2-3 Diffrences finies pour les EDOs
1-2 Application des mthodes dEuler
explicite et implicite des EDOs du
1er ordre (rservoir linaire, non
linaire)
4-5 Consistance, stabilit, convergence
3-4 Applications:
Modles pour la simultion de
dytnamique de population : mthodes
RK2 et RK4.
6-7 Diffrences finies pour les EDPs (1):
EDPs hyperboliques

5-6 Application: convection de
contaminant en rivire
8 Diffrences finies pour les EDPs (2):
EDPs paraboliques

7-8 Application: diffusion de
contaminant en rivire
(dveloppement du modle
prcdent)
9 Diffrences finies pour les EDPs (3):
EDPs elliptiques

10 Mthodes multidimensionnelles
11-12 Volumes finis, lments finis 9-12 Mthode des caractristiques pour les
coulements surface libre

Mthodes Numriques Appliques 3
Notation

La notation suivante est employe dans ce polycopi:
- les variables scalaires symbolises par une seule lettre sont notes en
caractres italiques. Ex.: la variable U;
- les variables scalaires, fonctions, indices, etc. symboliss par plusieurs
lettres sont notes en caractres romains (i.e. caractres droits, non-
italiques). Ex.: le nombre de Courant Cr. Ceci permet de faire la
diffrence entre Cr (le produit des deux quantits C et r) et Cr (une seule
variable), ou bien entre la fonction cos (cosinus) et le produit cos des
variables c, o et s;
- les oprateurs diffrentiels sont nots en caractres romains. Ceci permet
de faire la diffrence entre dU (diffrentielle de la variable U) et dU
(produit des deux variables d et U) ;
- les vecteurs et matrices sont nots en caractres gras. Ex.: le vecteur U.
Durant les cours, tant donn limpossibilit de faire la diffrence au
tableau entre caractres gras et caractres normaux, les vecteurs seront
nots en utilisant une flche (U) et les matrices sont distingues par une
double barre ( A) ;
- dans un graphique, les points sont nots en caractres romains. Ex.: le
point A. Dans le texte, on utilisera galement les caractres romains pour
se rfrer ces points. Ceci permet de faire la distinction entre le point A
et la section en travers A.
Cette notation est relativement standard. Elle est utilise dans la majorit des
publications caractre scientifique.
Chapitre 1
Classification des quations
diffrentielles
Objectifs

la fin de ce chapitre, vous devez pouvoir:
- donner votre propre dfinition des quations diffrentielles ordinaires
(EDOs) et des quations aux drives partielles (EDPs),
- dterminer le type dune EDP du second ordre,
- pour chacun des types dEDP du second ordre, donner des exemples
physiques o ce type dEDP intervient,
- indiquer les conditions initiales et aux limites ncessaires pour rsoudre
ces quations.
1.1 quations Diffrentielles Ordinaires
(EDOs)
1.1.1 Dfinitions
Equations diffrentielles ordinaires. Une Equation Diffrentielle Ordinaire
(EDO) est une quation faisant intervenir une fonction (inconnue) dune seule
variable (temps ou espace), ainsi quune ou plusieurs drives de la fonction.
Exemple: Lquation
C k
t
C
D
=
d
d
(1.1)
o C reprsente la concentration dune substance dissoute (e.g. contaminant), k
D

son taux de dgradation et t le temps, est une EDO.
Mthodes Numriques Appliques 5
A noter la notation d (caractre romain) pour loprateur diffrentiel, par
opposition d (italique), qui dsigne une variable.

Variable dpendante, variable indpendante. Dans lquation (1.1) ci-dessus,
la fonction inconnue C (t) est appele la variable dpendante. La variable t (par
rapport laquelle C varie) est appele la variable indpendante.

Ordre dune EDO. Lordre dune EDO est dfini comme celui de la drive la
plus leve rencontre dans lquation.
Exemples: lquation (1.1) est une quation du premier ordre car la drive
dordre le plus lev est la drive premire de A par rapport au temps.
Lquation suivante
( ) ( ) 0
d
d
d
d
2
2
= + + t b
t
C
t a
t
C
(1.2)
o a et b sont des fonctions (connues) du temps, est une EDO du deuxime
ordre car la drive dordre le plus lev est la drive seconde par rapport au
temps.

EDOs linaires, non-linaires, quasi-linaires. Une EDO linaire est une
EDO qui ne fait intervenir que des combinaisons linaires des drives de la
fonction inconnue. Une telle quation prend la forme
b
t
U
a
t
U
a U a
n
n
n
= + + +
d
d
d
d
1 0
K (1.3)
o les coefficients a
0
, a
1
, , a
n
et b sont des constantes (connues) et U est la
fonction inconnue ( dterminer).
Une EDO non-linaire est une EDO o lune des drives intervient comme
argument dune fonction non-linaire. Lquation suivante
( ) d
t
U
c
t
U
c U c
n
n
n
=

+ +

+
d
d
d
d
1 0
K (1.4)
est non-linaire si au moins une des fonctions (connues) c
0
(x), c
1
(x), , c
n
(x)
nest pas linaire par rapport x.
Une EDO quasi-linaire est une quation du type (1.3) o les coefficients sont
fonction de la variable dpendante (ici, U) et/ou de la variable indpendante
(ici, t):
6 Mthodes Numriques Appliques
( ) ( ) ( ) ( ) U t b
t
U
U t a
t
U
U t a U U t a
n
n
n
,
d
d
,
d
d
, ,
1 0
= + + + K (1.5)
Exemples: Lquation (1.1) est une EDO linaire. Lquation (1.2) est une
quation quasi-linaire. Lquation suivante est une EDO non-linaire:
0
d
d
3
5
2
=

+
+
t
U
t
U (1.6)
car la drive dU/dt est prise comme argument de la fonction non-linaire
c
1
(x) =5/(3t +x
2
).
Dans ce cours, seules les EDOs linaires et quasi-linaires seront abordes.
Elles reprsentent une majorit des quations intervenant dans la vie de
lingnieur hydraulicien.

Conditions initiales. La solution de lquation (1.1) est bien connue:
( ) ( ) kt C t C = exp
0
(1.7)
o C
0
est la valeur de C la date t =0. Il est ncessaire de connatre C
0
pour
pouvoir calculer son volution aux dates t ultrieures. C
0
est appele la
condition initiale.
Pour que la solution de l'EDO soit unique, il faut que le nombre de conditions
initiales [aux limites] soit gal lordre de lEDO. Ainsi, pour rsoudre
lquation (1.2), deux conditions initiales sont ncessaires.
1.1.2 Exemples dEDOs
Courbe de remous. La formule suivante permet le calcul du dbit en rgime
uniforme:
2 / 1 3 / 2
Str
I AR K Q
H
= (1.8)
o A est la section mouille, I est la pente de la ligne dnergie, K
Str
est le
coefficient de Strickler, Q est le dbit liquide et R
H
est le rayon hydraulique (Cf.
Fig. 1.1).
Mthodes Numriques Appliques 7
Pour un canal section rectangulaire dont la largeur b est trs grande compare
la profondeur h, on a:

=
h R
bh A
H
(1.9)
I peut en outre tre approch par:
x
h
I I
b
d
d
+ (1.10)
o I
b
est la pente du fond. En substituant les Eqs. (1.9-10) dans lEq. (1.8), il
vient:
2 / 1
3 / 5
Str
d
d

+ =
x
h
I bh K Q
b
(1.11)
Lquation (1.11) peut tre considre comme une EDO non-linaire par
rapport h (en effet, la drive dh/dx apparat dans une fonction racine carre,
qui est une fonction non-linaire). Elle peut tre facilement transforme en une
quation quasi-linaire, plus facile rsoudre, en levant les deux membres de
lquation au carr:
3 / 10 2 2
Str
2
d
d
h b K
Q
x
h
I
b
= + (1.12)
Soit:
h
x
h (x)
1
I
b
h
0
Q

Fig. 1.1. Schma de dfinition pour lquation de courbe de remous.
8 Mthodes Numriques Appliques
b
I
h b K
Q
x
h
=
3 / 10 2 2
Str
2
d
d
(1.13)
Lquation (1.13) est une EDO quasi-linaire. La variable indpendante est la
coordonne despace x. La variable dpendante est la profondeur h. Pour quil
soit possible de calculer la profondeur h en tout point de lespace, une condition
initiale est ncessaire (en loccurrence, la valeur h
0
de la profondeur au point
aval du bief tudi).

Modle de Lotka-Volterra pour la dynamique des populations. Ce modle
est un systme de deux ODEs dcrivant lvolution dans le temps de deux
populations: lune de prdateurs, lautre de proies (chasses par les premiers).
Les quations sont drives des hypothses suivantes:
- Le taux de croissance nette (natalit moins mortalit) de chaque
population est indpendant de la population pour de faible effectifs (pas
deffet de saturation de lhabitat), mais la croissance de la population de
proies est limit par la disponibilit des ressources naturelles,
- le nombre de proies tues par les prdateurs est proportionnel au nombre
de proies et de prdateurs (plus de densit =probabilit plus leve de
rencontre),
- la population des prdateurs crot proportionnellement au nombre de
proies dvores,
- les proies et les prdateurs sont confines dans un espace suffisamment
restreint pour que les proies soient instantanment accessibles aux
prdateurs (pas deffet retard d un long rayon daction, donc la
variable despace nintervient pas.)
Ces hypothses mnent au systme dquations suivant:

=
+ =
xy cy by
t
y
xy ax
t
x

2
d
d
d
d
(1.14)
o a, b, c, et sont des constantes. Ce systme est un systme dquations
quasi-linaires. La solution analytique prsente habituellement des oscillations,
avec un dphasage entre les populations des proies et des prdateurs. Le
caractre non-linaire des fonctions ax +xy et by cy
2
xy ncessite des
mthodes numriques extrmement prcises, telles que les algorithmes de
Runge-Kutta examins dans la section 2.3.
Mthodes Numriques Appliques 9
1.2 quations aux Drives Partielles (EDPs)
1.2.1 Dfinitions
Equations aux drives partielles (EDPs). Une quation aux drives
partielles fait intervenir plusieurs variables indpendantes (temps et espace pour
les EDPs de lingnieur), ainsi que les drives partielles de la variable
dpendante (i.e. la solution recherche) par rapport ces variables
indpendantes.
Exemple: lquation de convection (parfois appele advection)
0 =

x
C
u
t
C
(1.15)
est une EDP. La variable dpendante est C, les variables indpendantes sont le
temps t et lespace x. La grandeur u (homogne une vitesse) peut (ou non) tre
fonction de t, x et C.

Ordre dune EDP. Lordre dune EDP est dfini exactement de la mme faon
que pour une EDO: cest lordre le plus lev parmi toutes les drives
partielles de lEDP.
Exemples: lEDP (1.15) est une EDP dordre 1 car elle ne contient que des
drives partielles dordre 1 (par rapport t ou x). En revanche, lEDP
suivante
0
2
2
=

x
C
D
x
C
u
t
C
(1.16)
est une EDP dordre 2 car sa drive partielle dordre le plus lev est une
drive seconde (en loccurrence par rapport x).

EDPs linaires, quasi-linaires et non-linaires. Les dfinitions sont les
mmes que pour les EDOs (se reporter la sous-section 1.1.1).

Conditions initiales, conditions aux limites. Contrairement aux EDOs, les
condition initiales ne suffisent pas assurer lunicit de la solution. Il faut
galement fournir des conditions aux limites. Pour certains types dquations
(Ex. EDPs elliptiques), le concept de condition initiale na pas de sens.
Les conditions initiales et les conditions aux limites se distinguent de la manire
suivante :
- une condition initiale sapplique pour une valeur donne (et unique)
10 Mthodes Numriques Appliques
dune variable indpendante. A partir de cette condition initiale, il est
possible de dduire la solution pour toutes les autres valeurs de la
variable indpendante.
Ainsi, dans lquation de dgradation (1.1), dont la solution est donne
par (1.7), l valeur C
0
t =0 est une condition initiale car sa connaissance
permet de dduire la valeur de C toutes les autres dates t. De mme,
dans lquation de courbe de remous (1.13), h
0
est une condition initiale
car, partir de cette valeur, il est possible de dduire h en tout autre point
de lespace.
- une condition aux limites est applique en tout point de la frontire du
domaine sur lequel on souhaite rsoudre les quations (et non en un point
unique). Il nest pas possible de dterminer la solution en partant
simplement dun seul point de la limite du domaine et en progressant
lintrieur de celui-ci, car la solution est galement conditionne par sa
valeur en tous les autres points de la frontire.
Ainsi, pour rsoudre lquation (1.16) sur un domaine [x
1
, x
2
], il est
ncessaire dimposer C (ou son gradient) en x
1
et en x
2
(et non
uniquement en x
1
ou x
2
).
1.2.2 Classification des EDPs du second ordre
Les EDPs du second ordre reprsentent une classe importante des EDPs du
monde de lingnierie (et de la mcanique des fluides en particulier). La partie
EDPs de ce cours traite des EDPs du second ordre. On considrera
uniquement des EDPs quasi-linaires:
0
2
2 2
2
2
= +

F
Y
U
E
X
U
D
Y
U
C
Y X
U
B
X
U
A (1.17)
o A, B, , F sont des fonctions de X, Y et U. X et Y sont les variables
indpendantes (ce pourrait tre t, x, y, etc.) de lEDP et U est la variable
dpendante. Selon la valeur des coefficients A, B et C, lEDP est dite
hyperbolique, parabolique ou elliptique.

EDPs hyperboliques. Une EDP du type (1.17) est dite hyperbolique si son
discriminant =B
2
4AC est strictement positif.
Exemple: lquation suivante est du type hyperbolique:
0
2
2
2
2
2
=

x
U
t
U
(1.18)
Mthodes Numriques Appliques 11
En effet, (1.18) peut tre mise sous la forme (1.17) en posant X =t, Y =x, A =1,
C =
2
, et B =D =E =F =0. Il est facile de vrifier que B
2
- 4AC =
2
>0. A
noter que est homogne une vitesse.

EDPs paraboliques. Une EDP du type (1.17) est dite parabolique si son
discriminant =B
2
4AC est nul.
Exemple: lquation suivante est du type parabolique:
0
2
2
=

x
U
t
U
, positif (1.19)
En effet, (1.19) peut tre mise sous la forme (1.17) en posant X =t, Y =x, D =1,
C =, et A =B =E =F =0. On vrifiera que B
2
4AC =0.

EDPs elliptiques. Une EDP du type (1.17) est dite elliptique si son discriminant
=B
2
4AC est strictement ngatif.
Exemple: lquation suivante est du type elliptique:
Q
y
U
x
U
=

2
2
2
2
(quation de la chaleur) (1.20)
En effet, (1.20) peut tre mise sous la forme (1.17) en posant X =t, Y =x,
A =C =1, et B =D =E =F =0. On peut vrifier que B
2
4AC <0.

Une aide mnmotechnique. L astuce suivante peut tre utilise pour
dterminer la nature dune EDP du second ordre: il suffit, dans lquation
originale, de remplacer les drives
p p
X U / (p =1, 2) par X
p
, les drives
p p
Y U / (p =1, 2) par Y
p
et le second membre par une constante. Ainsi,
(1.17) devient:
Cst
2 2
= + + + + + F EY DX CY BXY AX (1.21)
Lquation (1.21) est lquation dune courbe conique dans le plan (X, Y). Si
cette courbe est une ellipse, lEDP est elliptique; si la courbe est une parabole,
lEDP est parabolique ; enfin, si la courbe est une hyperbole, lEDP est
hyperbolique.
Exemples: en appliquant la mthode ci-dessus lquation (1.18), on obtient:
Cst
2 2 2
= X T (1.22)
qui est lquation dune courbe hyperbolique dans le plan (X, T) (Cf. Fig. 1.2).
Lquation (1.19) est transforme par la mme mthode en:
12 Mthodes Numriques Appliques

Cst
2
= X T (1.23)
qui est lquation dune parabole dans le plan (X, T) (Cf. Fig. 1.3).
Enfin, lquation (1.20) devient :
Cst
2 2
= +Y X (1.24)
qui est lquation dun cercle de rayon Cst
1/2
(cas particulier dune ellipse) dans
le plan (X, Y) (Cf. Fig. 1.4).

EDPs du second ordre impliquant plus de deux variables indpendantes. Le
principe de classification des EDPs reste le mme quand on se trouve en
prsence de 3 (ou 4) variables indpendantes. Par exemple, lEDP (1.18) peut
tre gnralise deux dimensions despace:
0
2
2
2
2
2
2
2
2
=

y
U
x
U
t
U
y x (1.25)
o
x
et
y
sont les vitesses de propagation des ondes dans les directions x et y
(elles sont gales dans un milieu isotrope). En utilisant la transformation
expose dans le paragraphe prcdent, on obtient:
Cst
2 2 2 2 2
= Y X T
y x
(1.26)
qui est lquation dun hyperbolode de rvolution daxe T dans lespace
(X, Y, T) (Cf. Fig. 1.5). Lquation (1.25) est donc du type hyperbolique. De
mme, la gnralisation de lquation (1.19) deux dimensions despace
0
2
2
2
2
=

y
U
x
U
t
U
y x ,
x
et
y
positifs (1.27)
est transforme en:
Cst
2 2
= Y X T
y x
(1.28)
qui est la formule dun parabolode de rvolution daxe T dans lespace
(X, Y, T). (1.27) est donc une EDP parabolique. Enfin, (1.20) est gnralise
pour trois dimensions despace en:
Mthodes Numriques Appliques 13
Q
z
U
y
U
x
U
=

2
2
2
2
2
2
(1.29)

X
T

Fig. 1.2. Reprsentation dans le plan (X, T) dune courbe dquation Cst
2 2 2
= X u T .

X
T

Fig. 1.3. Reprsentation dans le plan (X, T) dune courbe dquation Cst
2
= X T .


X
Y
Q
1/2

Fig. 1.4. Reprsentation dans le plan (X, Y) dune courbe dquation Cst
2 2
= + Y X .
14 Mthodes Numriques Appliques
Cette quation se transforme en
Cst
2 2 2
= + + Z Y X (1.30)
qui est lquation dune sphre (cas particulier dun ellipsode) dans lespace
(X, Y, Z). (1.29) est par consquent une quation elliptique.
1.2.3 Besoins en termes de conditions initiales et
aux limites
EDPs hyperboliques. Les EDPs hyperboliques abordes dans ce cours
comprendront en gnral une variable de temps et une (ou deux) despace. Elles
seront de la forme (1.18). On cherche une solution de (1.18) en tout point dun
domaine de calcul =[x
1
, x
2
] et pour des dates t 0. Pour pouvoir dterminer
la solution de (1.18) de faon unique, il faut connatre:
- la valeur de U en tout point du domaine de calcul t =0 (condition
initiale);
- la valeur de U toute date t 0 aux limites du domaine (conditions aux
limites).
On verra plus loin (sous-section 1.2.4) que certaines EDP hyperboliques nont
X
T
Y

Fig. 1.5. Reprsentation dans lespace (X, Y, T) dune courbe
dquation Cst
2 2 2 2 2
= Y X T
y x
.
Mthodes Numriques Appliques 15
besoin que dune condition la limite (cas particulier de lquation de
convection).

EDPs paraboliques. La plupart des EDPs paraboliques de lingnieur
hydraulicien sont dordre 1 par rapport au temps et dordre 2 par rapport une
(ou plusieurs) dimensions(s) despace. Cest le cas de lquation (1.19). Les
conditions aux limites ncessaires lexistence et lunicit de la solution sont
les mmes que pour les EDPs hyperboliques.

EDPs elliptiques. Les EDPs elliptiques tudies dans ce cours impliquent 2 (ou
3) dimensions de lespace et aucune de temps. Cela signifie que la solution ne
dpend pas du temps. Dans ce cas, seules des conditions aux limites sont
ncessaires.
1.2.4 Exemples dEDPs hyperboliques
Les EDPs hyperboliques dcrivent des phnomnes de propagation donde(s)
sans attnuation, telles que le transport par convection, les ondes acoustiques ou
cinmatiques.

Transport par convection. Lquation de convection (parfois appele
advection pour la distinguer de la convection thermique) scrit:
0 =

x
U
t
U
(1.31)
o U est la variable transporte (Ex.: concentration en contaminant,
temprature, DBO) et est la vitesse de propagation (Ex.: vitesse moyenne du
courant dans une rivire). Si la vitesse de propagation dpend de U, lquation
(1.25) est aussi appele quation donde cinmatique.
A premire vue, cette quation ne peut tre classe comme hyperbolique,
parabolique ou elliptique car elle est seulement dordre 1. Cependant, elle peut
tre transforme en une EDP du second ordre en suivant la procdure suivante:

1) Drivation de (1.31) par rapport t. On obtient:
0
2
2
2
=

x t
U
t
U
(1.32)
2) Drivation de (1.31) par rapport x. On obtient:
16 Mthodes Numriques Appliques
0
2
2 2
=

x
U
x t
U
(1.33)
3) (1.33) peut tre rcrite sous la forme:
2
2 2
x
U
x t
U

(1.34)
4) En substituant (1.34) dans (1.32), on obtient lquation (1.18)
0
2
2
2
2
2
=

x
U
t
U

qui est une EDP hyperbolique (Cf. sous-section 1.2.2).

N.B.: Lquation du premier ordre (1.31) et lquation du second ordre (1.18) ne
sont pas quivalentes. (1.31) mne (1.18), mais linverse nest pas vrai. En
effet, on peut vrifier que (1.18) peut aussi tre obtenue partir de lquation
suivante:
0 =

x
U
t
U
(1.35)
qui exprime la convection une vitesse (au lieu de +). La solution de
(1.31) vrifie donc (1.18), mais linverse nest pas forcment vrai!

Propagation dondes acoustiques. Lquation (1.18) dcrit la propagation
dondes acoustiques:
0
2
2
2
2
2
=

x
U
t
U

o U est la pression (propagation du son dans un fluide) ou le dplacement par
rapport une position de rfrence (propagation du son dans un milieu solide
lastique, vibration dune corde). Daprs le paragraphe prcdent, on peut
conclure que la solution de (1.18) est forme par la somme dune solution de
lquation (1.31) (c..d. dune onde se propageant la vitesse +) et dune
solution de (1.35) (c..d. dune onde se propageant la vitesse ).
1.2.5 Exemples dEDPs paraboliques
Les EDPs paraboliques dcrivent en gnral des phnomnes de diffusion, c..d.
Mthodes Numriques Appliques 17
des phnomnes de transport gnrs par un gradient (de concentration, de
charge hydraulique, etc.)

Diffusion de polluant. LEDP (1.19), rappele ci-dessous
0
2
2
=

x
U
t
U
, positif
peut tre utilise pour exprimer la diffusion dun contaminant dans un fluide.
Dans ce cas, U sera la concentration en contaminant et le coefficient de
diffusion, parfois appel diffusivit.

coulements souterrains transitoires. Lquation dvolution de la charge
hydraulique dans un aquifre scrit, pour deux dimension despace:
0 =

y
h
T
y x
h
T
x t
h
S
y x
(1.36)
o h est la charge hydraulique, S le coefficient demmagasinement et T
x
, T
y
les
transmissivits dans les directions x et y respectivement. (1.36) peut tre
dveloppe en:
0
2
2
2
2
=

y
h
T
x
h
T
y
h
y
T
x
h
x
T
t
h
S
y x
y
x
(1.37)
qui est une EDP parabolique.
1.2.6 Exemples dEDPs elliptiques
En gnral, les EDPs elliptiques de lingnieur sont obtenues partir dEDPs
paraboliques en faisant lhypothse de rgime permanent. Elles dcrivent donc
les mmes phnomnes physiques que les EDPs paraboliques, avec une
hypothse supplmentaire dtat dquilibre.

coulements souterrains permanents. En supposant que lcoulement dans
laquifre est permanent, 0 / = t h et lquation (1.36) devient :
0 =

y
h
T
y x
h
T
x
y x
(1.38)
que lon peut dvelopper comme suit:
18 Mthodes Numriques Appliques
0
2
2
2
2
=

y
h
T
x
h
T
y
h
y
T
x
h
x
T
y x
y
x
(1.39)
On vrifie que cette EDP est elliptique.

Equation de la chaleur. Lquation de la chaleur en rgime permanent scrit,
pour trois dimensions despace:
0
2
2
2
2
2
2
=

z
T
y
T
x
T
(1.40)
Cette EDP est galement elliptique.
1.2.7 quations mixtes
Un grand nombre dEDPs de lingnieur contiennent la fois des termes
paraboliques, hyperboliques et mme parfois des termes venant dEDOs.

Equation de convection-diffusion-dgradation de contaminant. Lquation
de transport dun contaminant en prsence dadvection, diffusion et dgradation
scrit:
C k
x
C
D
x
C
u
t
C
D
=

2
2
(1.41)
o C est la concentration en contaminant, D est la diffusivit, k
D
est le
coefficient de dgradation (cintique linaire) et u est la vitesse de lcoulement.
Cette quation peut tre vue comme la combinaison des effets de lEDP
hyperbolique de convection
0 =

x
C
u
t
C
(1.42)
ainsi que de lEDP parabolique de diffusion
0
2
2
=

x
C
D
t
C
(1.43)
et enfin, de lEDO de dgradation (1.1)
C k
t
C
D
=
d
d

Chapitre 2
Diffrences finies pour les Equations
Diffrentielles Ordinaires (EDOs)
Objectifs

la fin de ce chapitre, vous devez pouvoir:
- expliquer en vos propres termes le principe de la discrtisation et des
diffrences finies pour la rsolution des quations diffrentielles
ordinaires,
- expliquer ce quest un schma explicite ou implicite,
- expliquer en termes simples les notions de consistance, de stabilit et de
convergence,
- discrtiser une EDO (ou un systme dEDOs) du premier ordre laide
des mthodes dEuler, dEuler implicite et RK2,
- indiquer la limite de stabilit de la solution numrique en termes de pas
de temps (ou despace).
2.1 Principe gnral: discrtisation de
lespace ou du temps

Principe. Lorsque lon recherche la solution dune EDO, on suppose
implicitement que la fonction inconnue U est continue par rapport la variable
indpendante (sinon, il serait impossible de dfinir une drive, une drive
seconde, etc.) Mais une hypothse encore plus forte (si vidente quelle nest
quasiment jamais mentionne) est que la variable indpendante est elle-mme
continue. Ainsi, pour lquation (1.13) de la courbe de remous
20 Mthodes Numriques Appliques
b
I
h b K
Q
x
h
=
3 / 10 2 2
Str
2
d
d

on suppose que la hauteur deau h est non seulement continue, mais galement
dfinie pour toute valeur de la coordonne despace x.
Au contraire, lorsque lon veut rsoudre numriquement une EDO, on cherche
dterminer la valeur de la solution des dates (si la variable indpendante est le
temps) ou des points (si la variable indpendante est lespace) dfinis
lavance. La solution numrique na de sens quen ces dates (ou ces points). On
a transform les variables indpendante et dpendante continues en des
variables indpendante et dpendante discrtes. Cette transformation est appele
la discrtisation (Fig. 2.1).
Dans une EDO comme (1.13), la hauteur h et sa drive dh/dx seront estimes
en utilisant les valeurs discrtises de h et x. Dans la version discrtise des
quations, les points de calcul sont dsigns par des indices et les dates de
calcul par des exposants.

Exemple. Dans (1.13), la drive dh/dx peut tre approche comme suit entre x
i

et x
i+1
:
( ) ( )
i i
i i
x x
x h x h
x
h

+
+
1
1
d
d
(2.1)
o x
i
et x
i+1
sont les valeurs de x o lon souhaite calculer la solution. Souvent,
(2.1) sera rcrite sous la forme

x
h
x
h
x
i1
x
i+1
x
i
U
i+1
U
i
U
i1

Fig. 2.1. Principe de la discrtisation.
Mthodes Numriques Appliques 21
i i
i i
x x
h h
x
h

+
+
1
1
d
d
(2.2)
A noter que (2.2) peut tre vue comme une approximation de dh/dx mi-
distance entre i et i +1. Ce nest pas la seule approximation possible de dh/dx ;
il existe de nombreuses autres possibilits.

Dfinitions et notation. Les dfinitions et notations suivantes sont les plus
couramment employes dans les articles et ouvrages que vous serez amens
lire lavenir.

- Solution analytique: la solution analytique dune ODE est la solution de
lODE vritable.
- Solution numrique : la solution numrique dune ODE est celle que
lon obtient en rsolvant la version discrtise de lODE.
- Schma numrique : ce terme dsigne la manire dont on discrtise
lODE (et non pas lODE discrtise elle-mme : le mme schma
numrique peut tre appliqu diffrentes ODEs).
- Date (ou temps) de calcul : les dates successives o la solution
numrique est cense tre calcule (quand la variable indpendante de
lODE est le temps).
- Point de calcul : les points o la solution numrique est cense tre
calcule (pour une ODE dont la variable indpendante est lespace).
- Notation des variables discrtises : dans la majorit des publications
(livres ou articles), on utilise un indice (i ou j) pour identifier les points
de calcul et un exposant (gnralement n) pour les dates de calcul.
- Pas despace : la distance entre deux points de calcul successifs (la
quantit x
i+1
x
i
dans lquation (2.2)). Le pas despace est le plus
souvent not x, y ou z (selon que la variable despace est x, y ou z).
- Pas de temps : la diffrence entre deux dates successives o lon cherche
calculer la solution (si le temps est une variable indpendante).
2.2 Mthodes de type Euler

Cette section prsente une des mthodes les plus anciennes (sinon la plus
ancienne) de rsolution dune EDO du premier ordre : la mthode dEuler. Il
existe deux types de mthodes dEuler : explicite et implicite (aussi dite
mthode dEuler amliore). Elles sont prsentes dans les sous-sections
suivantes. Dans les deux cas, on cherche rsoudre des quations du type :
22 Mthodes Numriques Appliques
( ) t U f
t
U
,
d
d
= (2.3)
o f est une fonction connue de U et de t. A noter que la variable indpendante
pourrait aussi tre x, y ou z.
2.2.1 Mthode dEuler explicite
Principe. Dans la mthode dEuler explicite, (2.3) est discrtise comme suit :
( ) ( )

+
n n
n n
t U f t U f
t
U U
t
U
, ,
d
d
1
(2.4)
o U
n
est la valeur (connue) de U la date t
n
, U
n+1
est la valeur (encore
inconnue , que lon dsire calculer) de U la date t
n+1
, t =t
n+1
t
n
est le pas de
temps.
En remplaant (2.4) dans (2.3), il vient :
( )
n n
n n
t U f
t
U U
,
1
=

+
(2.5)
Cette quation se rcrit :
( ) t t U f U U
n n n n
+ =
+
,
1
(2.6)
Puisque U
n
est connue et que la fonction f lest aussi, f(U
n
, t
n
) lest galement.
U
n+1
peut tre dtermine directement daprs U
n
. La mthode numrique est
dite explicite car la valeur de U la date n +1 peut tre dtermine
explicitement partir de la valeur de U la date n.

Exemple. On applique la mthode dEuler explicite lEDO de dgradation
(1.1) rappele ci-dessous :
C k
t
C
D
=
d
d

(1.1) peut scrire sous la forme (2.3) en posant :
( )

=
=
C k C f
C U
D
(2.7)
(1.1) est discrtise suivant lapproche (2.4) :
Mthodes Numriques Appliques 23

+
n
D D
n n
C k C k
t
C C
t
C
1
d
d
(2.8)
En remplaant (2.8) dans (1.1), on obtient :
n
D
n n
C k
t
C C
=

+1
(2.9)
soit, conformment (2.6) :
( )
n
D
n
C t k C 1
1
=
+
(2.10)
2.2.2 Mthode dEuler implicite
Principe. Dans la mthode dEuler implicite, (2.3) est discrtise comme suit :
( ) ( )

+ +
+
1 1
1
, ,
d
d
n n
n n
t U f t U f
t
U U
t
U
(2.11)
A la diffrence de la mthode explicite, f est maintenant calcule partir de la
valeur (inconnue) de U la date t
n+1
. En remplaant (2.11) dans (2.3), il vient :
( )
1 1
1
,
+ +
+
=

n n
n n
t U f
t
U U
(2.12)
Cette quation peut tre rcrite comme suit :
( )
n n n n
U t t U f U =
+ + + 1 1 1
, (2.13)
Contrairement au cas explicite, cette formulation lie la valeur (inconnue) U
n+1

une fonction de cette valeur mme. On dit aussi que U
n+1
est dfinie
implicitement

: la mthode est implicite. En gnral (sauf expression
particulirement simple de la fonction f), la rsolution de (2.13) impose davoir
recours des mthodes itratives (de type Newton).

Exemple. On applique la mthode dEuler implicite lEDO de dgradation
(1.1). En appliquant (2.4) :

+
+
1
1
d
d
n
D D
n n
C k C k
t
C C
t
C
(2.14)
24 Mthodes Numriques Appliques
En remplaant (2.14) dans (1.1), on obtient :
1
1
+
+
=

n
D
n n
C k
t
C C
(2.15)
soit, conformment (2.13) :
n n
D
n
C tC k C = +
+ + 1 1
(2.16)
La simplicit de la fonction f permet dobtenir une expression analytique pour
C
n+1
:
t k
C
C
D
n
n
+
=
+
1
1
(2.17)
2.2.3 Mthode dEuler semi-implicite
Principe. A partir des deux mthodes dEuler prsentes prcdemment, il est
possible den driver une troisime, o la drive est estime comme une
combinaison linaire des deux mthodes prcdentes. Pour cette raison, la
mthode est dite semi-implicite.

( ) ( ) ( ) ( )

+ +
+
1 1
1
, , 1 ,
d
d
n n n n
n n
t U f t U f t U f
t
U U
t
U

(2.18)
o est un paramtre, dit dimplicitation, variant entre 0 et 1. On retrouve la
mthode dEuler explicite pour =0 et la mthode dEuler implicite pour =1.
En remplaant (2.18) dans lquation originale, on obtient :
( ) ( ) ( )
n n n n n n
t U f t U t U f t U , 1 ,
1 1 1
+ =
+ + +
(2.19)
Le paramtre dimplicitation est souvent pris gal 1/2 car ce choix permet
daugmeter lordre de la mthode (Cf. 2.4.2), donc sa prcision.
Comme pour la mthode implicite, il peut tre ncessaire davoir recours des
mthodes itratives lorsque lexpression de f est complique.

Exemple. On applique la mthode dEuler semi-implicite lEDO de
dgradation (1.1). (1.1) est discrtise suivant lapproche (2.18) :
( )

+
+
1
1
1
d
d
n
D
n
D D
n n
C k C k C k
t
C C
t
C

(2.20)
Mthodes Numriques Appliques 25
En remplaant dans (1.1), on obtient :
( )
1
1
1
+
+
=

n
D
n
D
n
n
C k C k
t
C C
(2.21)
Cette quation se rcrit sous la forme (2.19) :
( )
n
D
n n
D
n
tC k C tC k C = +
+ +
1
1 1
(2.22)
Dans ce cas particulier, la simplicit de lquation permet dobtenir une solution
analytique :
( )
n
D
D
n
C
t k
t k
C
+

=
+

1
1 1
1
(2.23)
Pour =1/2, (2.22) devient :
n n
C
t k
t k
C
2
1
2
1
1

=
+
(2.24)
2.3 Mthodes de type Runge-Kutta

Les mthodes de type Runge-Kutta permettent dobtenir une plus grande
prcision que les mthodes dEuler (dans le sens o elles donnent en gnral des
solutions numriques plus proches des solutions analytiques que les mthodes
dEuler). Cette prcision est obtenue par lutilisation dun pas de calcul
intermdiaire. On vite alors linconvnient de mthodes du type Euler semi-
explicite qui demandent le concours de mthodes itratives.
Les deux mthodes de Runge-Kutta les plus employes sont lalgorithme dit
RK2 deux pas de calcul et lalgorithme dit RK4 quatre pas de calcul.
2.3.1 La mthode RK2
Principe. On cherche rsoudre une EDO du type (2.3)
( ) t U f
t
U
,
d
d
=
Lalgorithme RK2 se dcompose comme suit :

1) Utiliser la mthode dEuler explicite sur un demi pas de temps de calcul.
26 Mthodes Numriques Appliques
On obtient la valeur intermdiaire U
n+1/2
:
( )
n n n n
t U f
t
U U ,
2
2 / 1
+ =
+
(2.25)
2) Cette valeur intermdiaire est utilise pour actualiser la valeur de la
drive :
( )
2 / 1 2 / 1 2 / 1
,
+ + +
=
n n n
t U f f (2.26)
3) Utiliser la valeur actualise de la drive dans la mthode dEuler
explicite sur la totalit du pas de temps de calcul :
t f U U
n n n
+ =
+ + 2 / 1 1
(2.27)
Exemple. On applique la mthode RK2 lEDO de dgradation (1.1). Les
diffrentes tapes de lalgorithmes ci-dessus sont appliques lune aprs lautre :

1) Calcul de la solution au pas de temps intermdiaire. La mthode dEuler
explicite applique sur un pas de temps t/2 donne (Cf. Eq. (2.10)) :
n
D
n
C
t k
C
2
1
2 / 1


=
+
(2.28)
2) Calcul de la drive actualise :
n
D
D
n
D
n
C k
t k
C k f


= =
+ +
2
1
2 / 1 2 / 1
(2.29)
3) Calcul de la solution la date t
n+1
par la mthode dEuler explicite en
utilisant la valeur actualise de la drive :
( )
n
D
D
n
D
D
n n n
C
t k
t k
C t k
t k
t f C C

2
1

2
1 1
2
2 / 1 1


+ =


=
+ =
+ +
(2.30)
2.3.2 La mthode RK4
Principe. Lalgorithme de la mthode RK4 est le suivant :

Mthodes Numriques Appliques 27
1) Calculer une premire variation de U partir de U
n
et t
n
:
( )
n n
t U f t U ,
1
= (2.31)
2) Mettre jour cette variation en se plaant au milieu du pas de temps :
( ) 2 / , 2 /
1 2
t t U U f t U
n n
+ + = (2.32)
3) Rpter lopration :
( ) 2 / , 2 /
2 3
t t U U f t U
n n
+ + = (2.33)
4) La dernire variation de U est calcule partir de la date n +1 :
( ) t t U U f t U
n n
+ + = ,
3 4
(2.34)
La valeur de U la date t
n+1
est donne par :
( )
4 3 2 1
1
2 2
6
1
U U U U U U
n n
+ + + + =
+
(2.35)
Exemple. On applique la mthode RK4 lquation (1.1) :

1) Calcul de C
1


:
n
D
C k t C =
1
(2.36)
2) Calcul de C
2


:
n D
D
n
D
C
k t
k t C C k t C


+ = + =
2
) (
) 2 / (
2
1 2
(2.37)
3) Calcul de C
3


:
n D D
D
n
D
C
k t k t
k t
C C k t C

+ =
+ =
4
) (
2
) (
) 2 / (
3 2
2 3
(2.38)
4) Calcul de C
4


:
n D D
D D
n
D
C
k t k t
k t k t
C C k t C

+ =
+ =
6
) (
2
) (
) (
) (
4 3
2
3 4
(2.39)
Calcul de C
n+1
en remplaant (2.36-39) dans (2.35) :
28 Mthodes Numriques Appliques
( ) ( ) ( )
n D D D
D
n
C
t k t k t k
t k C

+ =
+
24 6 2
1
4 3 2
1
(2.40)
On retrouve bien le dveloppement en srie de Taylor au 4
me
ordre.
2.4 Consistance, stabilit, convergence
2.4.1 Introduction
Les quations (2.10), (2.17), (2.23), (2.30) et (2.40) reprsentent cinq
discrtisations possibles de lquation de dgradation (1.1). On rappelle que la
solution analytique de (1.1) est :
( ) ( ) t k C t C
D
= exp
0
(2.41)
o C
0
est la valeur de C la date t =0. En posant t
n
=nt, on obtient pour la
solution analytique
( )
( ) [ ]

+ =
=
+
t n k C C
t n k C C
D
n
D
n
1 exp
exp
0 1
0
(2.42)
Daprs (2.41), on a :
( ) t k C C
D
n n
=
+
exp
1
(2.43)
On notera que les quations (2.10), (2.17), (2.23), (2.30) et (2.40) reprsentent
toutes des approximations de (2.43). En effet, un dveloppement limit de
(2.43) par rapport k
D
t donne :
( ) ( )
n
D D
D
n
C
t k t k
t k C

+ =
+
L
2 2
1
3 2
1
(2.44)
On notera que (2.10) et (2.17) napprochent (2.43) qu lordre 1 par rapport
t, alors que (2.30) et (2.40) lapprochent lordre 2, de mme que la mthode
semi-implicite avec =1/2. Les discrtisation RK2 (2.30) et RK4 (2.40)
peuvent donc tre considres comme plus prcises que les deux mthodes
dEuler. On peut cependant se demander si la solution numrique donne par
(2.40) sera plus prcise que les solutions numriques obtenues par les deux
mthodes dEuler.
On applique prsent les mthodes dEuler et RK2 lquation (1.1) avec les
Mthodes Numriques Appliques 29
paramtres du Tableau 2.1.
La Figure 2.2 montre les solutions numriques obtenues avec les diffrentes
mthodes. Le pas de temps de 0,2 mois donne une solution de qualit acceptable
pour les trois mthodes, avec une meilleure prcision pour la solution RK2 ;
(a) (b)

0.0
0.5
1.0
0 1 2 3 4 5
t (mois)
C (g/l)
Euler explicite
Euler implicite
RK 2
Analytique

0.0
0.5
1.0
0 1 2 3 4 5
t (mois)
C (g/l)
Euler explicite
Euler implicite
RK 2
Analytique


(c) (d)
0.0
0.5
1.0
0 1 2 3 4 5
t (mois)
C (g/l) Euler explicite
Euler implicite
RK 2
Analytique

-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
0 5 10
t (mois)
C (g/l) Euler explicite
Euler implicite
RK 2
Analytique


Fig. 2.2. Solution analytique et solutions numriques obtenues pour un pas de temps
Dt =0,2 mois (a), 0,5 mois (b), 1 mois (c) et 2,1 mois (d).

Tableau 2.1. Paramtres de simulation
Symbole Signification Valeur
C
0
Concentration initiale en contaminant 1 g/l
k
D
Coefficient de dgradation 1 /mois
t Pas de temps de calcul 0,2 mois, 0,5 mois, 1 mois et 2,1 mois

30 Mthodes Numriques Appliques
pour un pas de temps de 0,5 mois, la mthode RK2 approche la solution
analytique de faon relativement prcise, mais les mthodes Euler sont fort
imprcises ; pour un pas de temps de 1 mois, la mthode dEuler explicite
donne une concentration gale zro ds le second pas de temps de calcul et les
mthodes dEuler implicite et RK2 surestiment largement la solution ; enfin,
pour un pas de temps de calcul de 2,1 mois, les mthodes RK2 et Euler explicite
divergent (on parle dinstabilit) alors que la solution obtenue par la
mthode dEuler implicite dcrot vers zro, mais en surestimant largement la
solution.Cet exemple donne un aperu des problmes typiques rencontrs lors
de lutilisation des mthodes numriques : une mthode trs prcise avec un
faible pas de temps de calcul (ou un petit pas despace) peut devenir
extrmement imprcise ds que lon accrot le pas de temps (ou le pas
despace). Il servira de base pour la prsentation des concepts essentiels de
consistance, de stabilit et de convergence qui permettent de comprendre le
comportement des mthodes numriques.
2.4.2 Consistance
Dfinitions. La consistance est une proprit de la discrtisation. On dit que
LEDO discrtise est consistante par rapport lEDO relle si elle tend vers
elle lorsque t (resp. x) tend vers 0.
La diffrence entre lquation discrtise et lquation relle est appele lerreur
de troncature.

Principe de lanalyse de consistance. La consistance dune discrtisation
sanalyse en effectuant un dveloppement en srie de Taylor de lquation
discrtise et en vrifiant que celle-ci tend vers lEDO originale lorsque t (ou
x) tend vers 0.

Exemple. La mthode dEuler explicite applique lquation (1.1) donne
lquation (2.10), rappele ici :
( )
n
D
n
C t k C 1
1
=
+

On exprime C
n+1
partir de C
n
en effectuant un dveloppement en srie de
Taylor par rapport au temps :
L L +

+ +

+ + =
+
p
p
n n
t
C
p
t
t
C t
t
C
t C C
d
d
!
d
d
2 d
d
p
2
2 2
1
(2.45)
lquation (2.45) peut scrire comme suit :
Mthodes Numriques Appliques 31
( ) t
t
C
t C C
n n
+ + =
+
HOT
d
d 1
(2.46)
o HOT(t) est un polynme contenant des termes dordre 2 et plus en t. En
remplaant (2.46) dans (2.10) ci-dessus, on obtient :
( ) ( )
n
D
n
C t k t
t
C
t C = + + 1 HOT
d
d
(2.47)
Les termes C
n
sliminent ; en divisant (2.47) par t, on obtient :
( ) t C k
t
C
D
=
1
HOT
d
d
(2.48)
o HOT
1
est un polynme de degr 1 par rapport t. Lquation (2.48) diffre
de lquation originale (1.1) par lerreur de troncature TE(t) = HOT
1
(t).
Cette erreur tend bien vers 0 lorsque le pas de temps tend vers 0. Donc
lquation discrtise (2.10) est consistante par rapport lquation originale
(1.1).
2.4.3 Stabilit
Dfinition. La stabilit est une proprit de la solution (analytique et/ou
numrique). La solution est stable si elle est borne dans le temps (resp.
lespace). La stabilit de la solution numrique est parfois attache la valeur
de t (resp. x), comme le montre lexemple de la sous-section 2.4.1.

Un critre simple de stabilit pour les EDOs du 1er ordre. Il existe une
mthode simple pour vrifier la stabilit des solutions numriques : la solution
est stable si lon peut trouver une constante V telle que :
n
V U
V U
n
n


+
1 1
1
(2.49)
Lquation (2.49) exprime le fait que lcart entre la solution U
n
et la valeur
de rfrence (souvent une valeur asymptotique) ne saccrot pas au cours du
temps. Souvent, la constante V peut tre prise gale zro.
Exemple : la discrtisation de (1.1) selon la mthode dEuler explicite donne
(2.10), qui peut tre rcrite comme suit :
t k
C
C
D n
n
=
+
1
1
(2.50)
(ici, V =0). La solution numrique est stable si
32 Mthodes Numriques Appliques
1 1
1

+
n
n
C
C
(2.51)
On vrifiera que les conditions (2.51) sont remplies lorsque



0
2
t k
t k
D
D
(2.52)
puisquil sagit dune quation de dgradation, k
D
est positif et la deuxime
condition (2.52) est toujours vrifie. La solution numrique est donc stable si
t
k
D

2
(2.53)
Stabilit des schmas explicites et implicites. Les schmas explicites ne sont
en gnral stables que pour une certaine plage du pas de temps [resp. despace].
On dit quils sont sujets une contrainte de stabilit.
Les schmas implicites sont toujours stables quelle que soit la valeur du pas de
temps[resp. despace]. On dit quils sont inconditionnellement stables.
N.B. Ces considrations ne sont valables que lorsque lon traite des EDOs
linaires (Cf. la courbe de remous pour un contre-exemple) !
2.4.4 Convergence
Dfinition. La convergence est une proprit de la solution numrique. On dit
que la solution numrique converge vers la solution analytique si elle tend vers
elle en tout point du temps (resp. de lespace) lorsque t (resp. x) tend vers 0.

Thorme de Lax. La consistance et la stabilit sont en gnral relativement
faciles dmontrer. La convergence demande souvent des dmonstrations
longues et ardues. Le thorme de Lax permet dobvier cette difficult: il
exprime en effet une quivalence entre consistance, stabilit et convergence
pour la rsolution des EDOs linaires. Il a t tendu aux EDOs (et EDPs) non-
linaires. Il snonce comme suit :

La consistance et la stabilit sont ncessaires et suffisantes la convergence

Autrement dit, si lon a discrtis une EDO de faon consistante et si la solution
de cette EDO est stable, alors elle est galement convergente.

N.B. : ceci est la raison pour laquelle vous pouvez avoir confiance dans la
solution donne par les modles mathmatiques que vous utilisez !
Mthodes Numriques Appliques 33
2.5 Discrtisation dEDOs dordre 2 et plus

On na examin pour linstant que des EDOs dordre 1. Lanalyse de
consistance de la sous-section 2.4.2 peut tre gnralise pour dfinir une
mthode de discrtisation des EDOs dordre 2 et plus. Pour discrtiser une
drive dordre 1, on a besoin de la valeur de la variable dpendante en au
moins deux points (par exemple, U
n
et U
n+1
). Pour une drive seconde, on aura
besoin dau moins trois points. De faon gnrale, on a besoin de p +1 points
au minimum pour discrtiser une drive dordre p.
Ainsi, pour discrtiser la drive seconde d
2
U/dt
2
, on utilisera les valeurs U
n1
,
U
n
et U
n+1
. On effectue un dveloppement en srie de Taylor partir de la date
t
n
:
( )
( )

+ + =
+

+ =
+

3
2 2
2 2
1
3
1 2
2 2
1
HOT
d
d
2 d
d
HOT
d
d
2 d
d
t
t
U t
t
U
t U U
t
t
U t
t
U
t U U
n n
n n
(2.54)
On peut obtenir une approximation de d
2
U/dt
2
en additionnant les deux galits
dans (2.54) (on notera que les termes en t
3
sannulent) :
( )
4
3 2
2
2 1 1
HOT
d
d
2 t
t
U
t U U U
n n n
+ + = +
+
(2.55)
(2.55) devient :
( )
2
4 2
1 1
2
2
HOT
2
d
d
t
t
U U U
t
U
n n n
+

+
=
+
(2.56)
La fraction (U
n1
2U
n
+U
n+1
)/t
2
constitue donc une approximation
consistante de d
2
U/dt
2
.



Chapitre 3
Diffrences finies pour les quations
aux Drives Partielles (EDPs)
Objectifs

la fin de ce chapitre, vous devez pouvoir:
- expliquer en vos propres termes le principe de la discrtisation des EDPs
par les diffrences finies,
- expliquer ce quest un maillage structur, non structur, Cartsien,
curviligne,
- expliquer ce quest un schma dcentr amont,
- discrtiser une EDP (ou un systme dEDPs) du second ordre,
- donner une dfinition du nombre de Courant (EDPs hyperboliques) et du
nombre de Fourier (EDPs paraboliques), ainsi que leur influence
potentielle sur la stabilit de la solution numrique.
3.1 Principe

On rappelle que, contrairement une EDO, une EDP implique plusieurs
variables indpendantes (au moins 2). Lune delles peut tre le temps (pour des
EDPs paraboliques ou hyperboliques) ou non (Ex. lquation (1.20) exprime un
rgime permanent). Dans la discrtisation des EDPs, le temps est une dimension
particulire , dans le sens o sa discrtisation est toujours relativement
simple. En revanche, les possibilits de discrtisation de lespace sont
nombreuses. Ceci est vrai en particulier pour les EDPs o interviennent
plusieurs dimensions de lespace. Les diverses possibilits sont prsentes dans
les sous-sections suivantes.
Mthodes Numriques Appliques 35
3.1.1 Discrtisation impliquant une seule
dimension despace
Dans le cas dEDPs ne comportant quune seule dimension despace, le temps
et lespace sont discrtiss de la mme manire : on dfinit des points de calcul
(gnralement nots en utilisant lindice i) dabscisses x
i
et des dates de calcul t
n

o lon veut dterminer la solution numrique (Figure 3.1). La solution
numrique au point i au pas de temps n est note
1 + n
i
U . Le terme de maillage
est souvent utilis pour dsigner la disposition des points de discrtisation de
lespace.
En gnral, le maillage est fixe dans lespace. Cependant, il existe des mthodes
maillage mobile, cest dire que les positions des points de calcul sont
susceptibles de changer au cours du temps. Cest le cas des problmes o la
forme ou ltendue du domaine de calcul sont susceptibles dvoluer dans le
temps. On parle alors de maillage adaptatif. Dans ce cours, seuls les maillages
fixes sont considrs.
3.1.2 Problmes multidimensionnels
Lorsque lEDP que lon cherche rsoudre implique plus dune direction
despace, il existe de nombreuses options pour discrtiser ce dernier.
Les deux principaux types de maillage sont les suivants :

- dans un maillage structur, lespace est discrtis en lignes, colonnes
et/ou ranges. Les intersections des lignes dfinissent les points de calcul.
Dans deux dimensions despace, un point de calcul est repr par deux
indices (en gnral i et j) ; un point sera repr en trois dimensions
despace par le biais de trois indices (gnralement nots i, j et k). Il
existe deux grandes familles de maillage structur (Figure 3.2) :

t
x x
i1
x
i
x
i+1
t
n
t
n+1
1 + n
i
U

Fig. 3.1. discrtisation du temps et de lespace (cas dune seule dimension despace).
36 Mthodes Numriques Appliques
* les maillages cartsiens, o les points de calcul sont positionns sur
des lignes droites ;
* les maillages curvilignes, o les points de calcul sont positionns sur
des lignes courbes. ceci permet une plus grande flexibilit dans la
description de la gomtrie (en particulier pour des modles ctiers,
o une description fine de la gomtrie du littoral est ncessaire).

- dans un maillage non structur, les points de calcul ne sont pas aligns
selon des directions prfrentielles. Ils sont reprs par un seul indice
(Fig. 3.2).


Maillages
structurs
i1 i i+1
j1
j
j+1
x
y
Point (i, j)
i1 i i+1
j1
j
j+1
x
y
Point (i, j)
Cartsien
Curviligne
Maillage non structur
x
y
Point k

Fig. 3.2. Divers types de maillage (ici pour deux dimensions despace).
Mthodes Numriques Appliques 37
N.B. : dans ce cours, on ne traitera que des maillages structurs cartsiens.
3.2 Mthodes pour les EDPs hyperboliques

Dans cette section, on traite lquation de convection (1.31) (encore appele
advection) que lon rappelle ici :
0 =

x
U
t
U

Cette quation est la plus simple de toutes les EDPs possibles, puisquelle
comporte un nombre minimal de variables indpendantes et des ordres de
drivation minimaux. Elle figure pourtant parmi les EDPs les plus difficiles
rsoudre, dans le sens o les moindres dfauts des mthodes numriques
peuvent tre mis en vidence laide de cas-tests extrmement simples. On
rappelle que lquation (1.31) est quivalente la formulation suivante, qui fait
intervenir la drive totale D/Dt :
= =
t
x
t
U
d
d
pour 0
D
D
(3.1)
Lquivalence de ces deux formulations est dmontre en Annexe B. Cette
quivalence est utilise dans les mthodes aux caractristiques et dans certaines
mthodes aux volumes finis (Cf. chapitre 4). Les mthodes les plus classiques
sont prsentes ici.
3.2.1 Schmas dcentrs amont
Il existe deux principales versions de schmas dcentrs amont : une version
explicite et une version implicite.

Schma dcentr amont explicite. Dans le schma dcentr amont explicite,
les drives t U / et x U / sont approches de la faon suivante (Cf. Fig. 3.3
pour illustration) :
38 Mthodes Numriques Appliques

+
+

+
0 si
0 si
2 / 1
1
2 / 1
1
1

i
n
i
n
i
i
n
i
n
i
n
i
n
i
x
U U
x
U U
x
U
t
U U
t
U
(3.2)
o x
i1/2
et x
i+1/2
reprsentent respectivement les distances x
i
x
i1
et x
i+1
x
i
.
A noter que la dpendance de lapproximation de x U / par rapport au signe
de peut tre justifie grossirement de la faon suivante : linformation sur
ltat de U vient de lamont, il peut donc paratre normal dutiliser les points
lamont de i pour lapproximation de la drive despace. En remplaant (3.2)
dans (1.31), il vient :

+
+
+

+
0 si 0
0 si 0
2 / 1
1
1
2 / 1
1
1


i
n
i
n
i
n
i
n
i
i
n
i
n
i
n
i
n
i
x
U U
t
U U
x
U U
t
U U
(3.3)
ce qui donne :

n +1
x
t
i i 1
n
n +1
x
t
i i +1
n
u >0 u <0

Fig. 3.3. Schma dcentr amont explicite. Points de calcul utiliss pour une vitesse positive
(gauche) et ngative (droite).
Mthodes Numriques Appliques 39


+ =


=
+
+ +
+

+
0 si 1
0 si 1
1
2 / 1 2 / 1
1
2 / 1
1
2 / 1
1


n
i
i
n
i
i
n
i
n
i
i
n
i
i
n
i
U
x
t
U
x
t
U
U
x
t
U
x
t
U
(3.4)
On introduit le nombre de Courant (adimensionnel) :
x
t

=

Cr (3.5)
(du nom du mathmaticien Robert Courant il scrit avec une majuscule !) Ce
nombre permet de simplifier lcriture du schma :
( )
( )

+ =
+ =
+ + +
+

+
0 si Cr Cr 1
0 si Cr 1 Cr
1 2 / 1 2 / 1
1
2 / 1 1 2 / 1
1

n
i i
n
i i
n
i
n
i i
n
i i
n
i
U U U
U U U
(3.6)
Ce schma est stable pour des nombres de Courant compris entre 1 et +1.

Schma dcentr amont implicite. Dans ce schma, les drives sont estimes
comme suit (Cf. Fig. 3.4):

+
+ +
+

+
+
0 si
0 si
2 / 1
1 1
1
2 / 1
1
1
1
1

i
n
i
n
i
i
n
i
n
i
n
i
n
i
x
U U
x
U U
x
U
t
U U
t
U
(3.7)

n +1
x
t
i i 1
n
u >0
n +1
x
t
i i +1
n
u <0

Fig. 3.4. Schma dcentr amont implicite. Points de calcul utiliss pour une vitesse positive
(gauche) et ngative (droite).
40 Mthodes Numriques Appliques
N.B. : la drive x / est estime en utilisant les valeurs (inconnues) au pas de
temps n +1. En remplaant dans (1.31), on obtient :

+
+ +
+
+

+

+ +
0 si 0
0 si 0
2 / 1
1 1
1
1
2 / 1
1
1
1 1


i
n
i
n
i
n
i
n
i
i
n
i
n
i
n
i
n
i
x
U U
t
U U
x
U U
t
U U
(3.8)
ce qui donne une relation entre deux points conscutifs au pas de temps n +1 :


+
+
+
+
+
+
+

0 si 1
0 si 1
1
1
2 / 1
1
2 / 1
1
1
2 / 1
1
2 / 1


n
i
n
i
i
n
i
i
n
i
n
i
i
n
i
i
U U
x
t
U
x
t
U U
x
t
U
x
t
(3.9)
On obtient un systme bidiagonal dquations faisant intervenir les valeurs
inconnues de U en deux points conscutifs. Ce systme peut cependant tre
invers en utilisant une mthode de simple balayage. En effet, (3.9) peut se
rcrire


+ =


+
+
+
+
+
+
+

0 si 1
0 si 1
1
1
2 / 1
1
2 / 1
1
1
2 / 1
1
2 / 1


n
i
i
n
i
n
i
i
n
i
i
n
i
n
i
i
U
x
t
U U
x
t
U
x
t
U U
x
t
(3.10)
Ce qui donne :

+
+
=
+
+
+ +
+

+

+
0 si
Cr 1
Cr
0 si
Cr 1
Cr
2 / 1
1
1 2 / 1
1
2 / 1
1
1 2 / 1
1

i
n
i i
n
i
n
i
i
n
i i
n
i
n
i
U U
U
U U
U
(3.11)
Il suffit donc de balayer le domaine en partant du point amont (point 1 si est
positif, point N si est ngatif) et dutiliser (3.11) comme relation de rcurrence
pour dterminer le point suivant dans le sens du balayage.
Ce schma est stable pour toutes les valeurs du nombre de Courant. On dit aussi
quil est inconditionnellement stable.
Mthodes Numriques Appliques 41
3.2.2 La mthode des caractristiques
La mthode des caractristiques sappuie sur la formulation (3.1) de lquation
de convection. (3.1) peut se rcrire sous la forme encore plus simple :
= =
t
x
U
d
d
pour Cst (3.12)
qui indique que la quantit U est invariante le long de la trajectoire dx/dt =.
Cette trajectoire est reprsente par une courbe (appele courbe caractristique)
de pente 1/ dans le plan (x, t). Ce plan est appel lespace des phases
(Fig. 3.5). Le principe de la mthode des caractristiques est le suivant : si lon
veut dterminer la valeur de U en un point (i, n +1) dans lespace des phases, il
suffit de remonter la courbe caractristique dans le temps jusqu une date o la
valeur de U est connue.
Ainsi, la valeur de U au point (i, n +1) est gale sa valeur U
A
au point A (situ
au pas de temps n). Le point A est souvent appel le pied de la caractristique.
La valeur de U au point A est interpole linairement entre les points i 1 et i
(on ne donne la formule que pour une vitesse dadvection positive) :
n
i
i
i n
i
i
i
U
x
x x
U
x
x x
U
2 / 1
1 A
1
2 / 1
A
A


= (3.13)
o x
A
est labscisse de A. Elle peut tre estime comme suit :
t x x
i
=
A
(3.14)
En introduisant (3.14) et la dfinition (3.5) du nombre de Courant dans (3.13),
on obtient



dx/dt =
U =Cst
x
t
1/
1
i 1 i
n
n +1
A

Fig. 3.5 Caractristique dans lespace des phases.
42 Mthodes Numriques Appliques
( )
n
i i
n
i i
n
i
U U U U Cr 1 Cr
2 / 1 1 2 / 1 A
1

+
+ = = (3.15)
qui donne exactement la mme formule que (3.6) pour une vitesse dadvection
positive. On vrifiera que la formulation est identique celle de (3.6) pour
une vitesse dadvection ngative.
Le schma (3.15) est stable pour des nombres de Courant compris entre 0 et 1.
Pour des nombres de Courant ngatifs, il est ncessaire deffectuer
linterpolation entre les points i et i +1.
Il est possible daccrotre la prcision de la mthode en utilisant une
interpolation parabolique (c..d. que lon ajuste une courbe du type
U(x) =ax
2
+bx +c entre les points i 1, i et i +1).
3.2.3 Le schma de Preissmann
Principe. Le schma de Preissmann est utilis dans des logiciels de simulation
tels que CARIMA ou ISIS. Il est implicite. Les drives en temps et en espace
sont approches en utilisant les points (i, n), (i +1, n), (i, n +1) et (i +1, n +1).
Il est conu de manire respecter le caractre conservatif des quations.
Les drives en temps et en espace sont approches comme suit (Cf. Fig. 3.6) :
( )
( )

+
+
+
+
+
+
+
+
+
2 / 1
1
1
2 / 1
1
1
1
1
1
1
1
i
n
i
n
i
i
n
i
n
i
n
i
n
i
n
i
n
i
x
U U
x
U U
x
U
t
U U
t
U U
t
U


(3.16)
o et sont deux paramtres, dtermins par lutilisateur, qui permettent de
dcentrer le schma en espace et en temps respectivement. Ils peuvent
influer considrablement sur la stabilit et le degr de prcision de la solution
numrique. En gnral, il est conseill de prendre = et suprieur ou gal
(pour des valeurs infrieures de , la solution peut devenir instable).
Dans la formulation (3.16), on peut considrer que la drive par rapport au
temps est estime comme la moyenne pondre des deux drives par rapport
au temps estimes aux points i et i +1 ; par une dmarche similaire, la drive
par rapport lespace est estime comme la moyenne pondre des drives
estimes aux pas de temps n et n +1.

Application lquation de convection. Le schma de Preissmann est
appliqu la discrtisation de lquation (1.31), que lon rappelle ici :
Mthodes Numriques Appliques 43
0 =

x
U
t
U

En remplaant (3.16) dans (1.31), on obtient :
( )
( ) 0 1
1
2 / 1
1 1
1
2 / 1
1
1
1
1
1
=

+
+ +
+
+
+
+
+
+
+


i
n
i
n
i
i
n
i
n
i
n
i
n
i
n
i
n
i
x
U U
x
U U
t
U U
t
U U
(3.17)
En regroupant les termes en U
n+1
, (3.17) peut scrire sous la forme suivante :
0
2 / 1
1
1 2 / 1
1
2 / 1
= + +
+
+
+ +
+
+ i
n
i i
n
i i
U U (3.18)
o les coefficients
i+1/2
,
i+1/2
et
i+1/2
sont donns par :
( ) [ ] ( ) [ ]

+ + =
+ =
=
+ + + +
+ +
+ +
n
i i
n
i i i
i i
i i
U U
1 2 / 1 2 / 1 2 / 1
2 / 1 2 / 1
2 / 1 2 / 1
Cr 1 Cr 1 1
Cr
Cr 1



(3.19)
Comme pour le schma dcentr amont implicite (Cf. Eq. (3.9)), on se trouve en
prsence dun systme dquations algbriques deux inconnues impliquant des
points conscutifs du maillage. Ce systme est aisment rsolu en effectuant un

x
t
i i +1
n +1
n
x (1)x
)
i t

)
1 +

i t t

x
t
i i +1
n +1
n
t
(1)t
)
n
x

)
1 +

n
x
x


Fig. 3.6. Principe du schma de Preissmann. La drive par rapport au temps est une pondration
des drives estimes aux points i et i +1 ; la drive par rapport lespace est une pondration
des drives estimes aux pas de temps n et n +1.
44 Mthodes Numriques Appliques
balayage du domaine de calcul en partant de lamont (point 1 pour une vitesse
dadvection positive, point N pour une vitesse dadvection ngative). En effet,
(3.18) peut scrire sous les deux formes quivalentes suivantes :

=
=
+
+
+
+
+
+
+
+
+
+
+
+
+
+
2 / 1
2 / 1
1
1
2 / 1
2 / 1
1
2 / 1
2 / 1
1
2 / 1
2 / 1
1
1
i
i
n
i
i
i
n
i
i
i
n
i
i
i
n
i
U U
U U

(3.20)
La premire galit (3.20) doit tre utilise dans le cas dune vitesse dadvection
positive, pour balayer le domaine dans le sens des indices i croissants ; la
seconde galit sera utilise dans le cas dune vitesse dadvection positive, pour
balayer le maillage dans le sens des indices i dcroissants.

Stabilit. Le schma de Preissmann est stable sous la condition suivante :
0
Cr
2
1
2
1
2 / 1

+
+ i

(3.21)
Pour le cas particulier =, la condition (3.21) devient :
2
1
(3.22)
Au-dessous de cette valeur de , le schma est inconditionnellement instable,
quel que soit le nombre de Courant ; au-dessus de cette valeur, il est
inconditionnellement stable, indpendamment du nombre de Courant.
3.2.4 Le schma de Crank-Nicholson
Ce schma utilise trois points conscutifs (Cf. Fig. 3.7). On donne son
expression pour un pas despace x rgulier :

+
+ +
+
x
U U
x
U U
x
U
t
U U
t
U
n
i
n
i
n
i
n
i
n
i
n
i
1
1
1
1 1 1
1
4
1
4
1
(3.23)

Mthodes Numriques Appliques 45
3.2.5 Stabilit des schmas
La stabilit dun schma numrique pour les EDPs sanalyse de manire
similaire celle dun schma pour les EDOs : le principe consiste analyser le
rapport
n
i
n
i
U U /
1 +
et sous quelles conditions il est infrieur 1 (auquel cas le
schma est stable) ou suprieur (auquel cas le schma est instable).
La stabilit des schma numriques explicites pour les EDPs hyperboliques est
en gnral fortement conditionne par la valeur du nombre de Courant.
3.3 Mthodes pour les EDPs paraboliques

Schma trois points explicite. On prsente ici un schma pour la rsolution
de lquation de diffusion (1.19), rappele ici :
0
2
2
=

x
U
t
U
, positif

n +1
n
i +1 i i 1
x
t
x
t
t

n +1
n
i +1 i i 1
x
t/2
x
t
1 +

n
x
n
x

t/2
x

.
Fig. 3.7. Schma de Crank-Nicholson.
46 Mthodes Numriques Appliques
Du fait de la prsence dune drive seconde par rapport x, il est ncessaire
dintroduire trois points en espace. Pour un pas despace x uniforme, les
drives sont approches comme suit (Figure 3.8) :

+
+
2
1 1
2
2
1
2
x
U U U
x
U
t
U U
t
U
n
i
n
i
n
i
n
i
n
i
(3.24)
En remplaant les approximations (3.24) dans lquation (1.19), il vient :
t
x
U U U
U U
n
i
n
i
n
i
n
i
n
i

+
+ =
+
+
2
1 1
1
2
(3.25)
Ce qui peut encore scrire :
( ) ( )
n
i
n
i
n
i
n
i
U F F U U U 2 1
1 1
1
+ + =
+
+
(3.26)
o F =nt/x
2
est parfois appel le nombre de Fourier. Il reprsente lanalogue
du nombre de Courant pour les phnomnes de diffusion.
Le schma est stable pour des nombres de Fourier compris entre 0 et 1/2.

Schma trois points implicite. Ce schma utilise les approximations
suivantes (Cf. Fig. 3.9) :

n +1
x
t
i i 1
n
i +1

Fig. 3.8. Schma trois points explicite.
Mthodes Numriques Appliques 47

+
+
+ +

+
2
1
1
1 1
1
2
2
1
2
x
U U U
x
U
t
U U
t
U
n
i
n
i
n
i
n
i
n
i
(3.27)
En remplaant les approximations (3.27) dans lquation (1.19), il vient :
n
i
n
i
n
i
n
i
n
i
U t
x
U U U
U =

+
+
+ +

+
2
1
1
1 1
1
1
2
(3.28)
ce qui scrit encore :
( ) ( )
n
i
n
i
n
i
n
i
U F U U U F = + +
+
+
+

+ 1
1
1
1
1
2 1 (3.29)
Cette quation fait intervenir trois variables inconnues ( la date n +1). En
dnommant N le nombre total de points du maillage, on peut crire N 2
quations du type (3.29) pour les points 2 N 1 inclus. Il est en outre
ncessaire de fournir 2 conditions aux limites (aux points 1 et N
respectivement). Par consquent, on a au total N quations pour N inconnues et
la solution est unique. Une mthode couramment utilise pour linversion du
systme dquations (3.29) est par exemple celle du double balayage (Cf. cours
de premire anne).
Le schma implicite est inconditionnellement stable (c..d. que la stabilit nest
pas limite par la valeur du nombre de Fourier).

Schma de CrankNicholson. Le schma de CrankNicholson pour les EDPs
paraboliques revient prendre une moyenne entre les formulations implicite et

n +1
x
t
i i 1
n
i +1

Fig. 3.9. Schma trois points implicite.
48 Mthodes Numriques Appliques
explicite :

+
+

+
+
+ +
+
+
2
1
1
1 1
1
2
1 1
2
2
1
2
2
2
2
x
U U U
x
U U U
x
U
t
U U
t
U
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
(3.30)

3.4 Mthodes pour les EDPs elliptiques

Les EDPs elliptiques de lingnieur sont en gnral des EDPs exprimant un
rgime permanent ; elles ne font donc pas intervenir de dimension de temps. En
revanche, elles impliquent deux ou trois dimensions despace. Lespace peut
tre discrtis en utilisant un maillage structur ou non structur. Dans cette
section, on ne prsente la mthode que pour un maillage structur.
On prsente la mthode pour la rsolution de lquation (1.20) :
Q
y
U
x
U
=

2
2
2
2

Comme pour les quations paraboliques, lapproximation des drives secondes
requiert trois points dans chaque direction de lespace:

+
+
2
1 , , 1 ,
2
2
2
, 1 , , 1
2
2
2
2
y
U U U
y
U
x
U U U
x
U
j i j i j i
j i j i j i
(3.31)
o x et y sont les pas despace selon les directions x et y respectivement. On
notera la disparition de lexposant en temps et lapparition dun double
indexage sur lespace. En remplaant (3.31) dans (1.20), on obtient :
j i
j i j i j i j i j i j i
Q
y
U U U
x
U U U
, 2
1 , , 1 ,
2
, 1 , , 1
2 2
=

+
+

+
+ +
(3.32)
Lquation (3.32) peut tre crite pour chaque point (i, j) lintrieur du
domaine. Elle ne peut tre crite pour les points situs sur les limites, car pour
un point (i, j) en bordure du domaine, lun au moins des points (i 1, j),
(i +1, j), (i, j 1) ou (i, j +1) nest pas situ lintrieur du domaine et lEDP
Mthodes Numriques Appliques 49
ne peut lui tre applique. En revanche, on rappelle quil est ncessaire de
fournir des conditions aux limites en tout point ; on obtient donc le nombre
ncessaire et suffisant dquations pour que la solution soit unique. Il nest
cependant pas ais dinverser un systme de la forme (3.30) (dont la largeur de
bande est au minimum 5), aussi a-t-on souvent recours des mthodes telles
que les directions alternes (Cf. section 3.5 ci-dessous).
3.5 Problmes multidimensionnels

Un problme multidimensionnel est un problme o interviennent plusieurs
dimensions despace (deux ou trois). Cette section prsente les mthodes les
plus couramment utilises. Il est noter que le traitement des problmes
multidimensionnel est un sujet de recherche trs actuel dans de nombreux
domaines, en particulier celui de la propagation dondes. En effet, pratiquement
toutes les mthodes numriques existantes introduisent des effets indsirables
sur la prcision des solutions numriques.
3.5.1 Les directions alternes
J usqu une priode rcente, la plupart des mthodes numriques ont t mises
au point pour une dimension despace uniquement. Les raisons en sont
nombreuses, mais deux facteurs principaux peuvent tres cits :

1) Un certain nombres de notions mathmatiques (et de thormes sur la
convergence des solutions) ne sont applicables quen une dimension
despace ;

2) Pendant longtemps, la capacit de stockage (tant en mmoire que
physiquement sur disque) et la puissance de calcul des ordinateurs sont
restes trs limites. Ceci rendait le traitement de situations
multidimensionnelles (qui sont caractrises par un grand nombre de
points de calcul) extrmement lourd, sinon impossible.

Pour cette raison, un certain nombre de techniques ont t mises au point pour
tenter de rsoudre des EDPs plusieurs dimensions en utilisant des mthodes
conues pour une seule dimension despace. Ces mthodes sont connues sous le
nom de directions alternes.

Directions alternes explicites. On considre une EDP en trois dimensions
50 Mthodes Numriques Appliques
despace :
0
2
2
2
2
2
2
=

z
U
f
z
U
e
y
U
d
y
U
c
x
U
b
x
U
a
t
U
(3.33)
o les coefficients a, , f sont (ou non) des fonctions des coordonnes despace
x, y, z, de U et/ou du temps t. Cette EDP est hyperbolique si b =d =f =0 et
parabolique dans les autres cas. Les directions alternes explicites consistent
traiter successivement chaque dimension despace en prenant pour point de
dpart le rsultat obtenu en traitant les directions prcdentes.
Lalgorithme est le suivant :

1) En notant U
n
la solution au dbut du pas de temps, on rsout dans un
premier temps la partie de lquation dans la direction x :
0
2
2
=

x
U
b
x
U
a
t
U
(3.34)
On obtient alors une solution intermdiaire que lon notera U
n+1,x
.

2) On utilise la solution intermdiaire comme point de dpart pour rsoudre
la partie de lquation dans la direction y :
0
2
2
=

y
U
d
y
U
c
t
U
(3.35)
On obtient une seconde solution intermdiaire que lon notera U
n+1,y
.

3) On utilise cette seconde solution intermdiaire comme point de dpart
pour rsoudre la partie de lquation dans la direction z :
0
2
2
=

z
U
f
z
U
e
t
U
(3.36)
La solution obtenue la fin de ces trois balayages est la solution U
n+1
.

Chacune des tapes 1) 3) consiste rsoudre un problme unidimensionnel.

Directions alternes implicites (ADI). Cet algorithme est souvent mentionn
dans la littrature sous le terme ADI (pour Alternate Directions Implicit). Il est
plus gnral que le prcdent car il permet de rsoudre galement des EDPs
elliptiques. On considre la forme plus gnrale de (3.33) :
Mthodes Numriques Appliques 51
0
2
2
2
2
2
2
=

z
U
f
z
U
e
y
U
d
y
U
c
x
U
b
x
U
a
t
U
(3.37)
o peut tre pris gal 0 pour une EDP elliptique. Lalgorithme est le
suivant :

1) En notant U
n
la solution au dbut du pas de temps, on rsout dans un
premier temps la partie de lquation dans la direction x :
n
z
U
f
z
U
e
y
U
d
y
U
c
x
U
b
x
U
a
t
U

2
2
2
2
2
2
(3.38)
On obtient alors une solution intermdiaire que lon notera U
n+1,x
. On
notera que pour une EDP elliptique (c..d. pour =0), le concept de pas
de temps ne sapplique pas et lon utilisera de prfrence la notation U
x
.

2) On utilise la solution intermdiaire comme point de dpart pour rsoudre
la partie de lquation dans la direction y :
x
z
U
f
z
U
e
x
U
b
x
U
a
y
U
d
y
U
c
t
U

2
2
2
2
2
2
(3.39)
On obtient une seconde solution intermdiaire que lon notera U
n+1,y
(ou
U
y
dans le cas dune EDP elliptique).

3) On utilise cette seconde solution intermdiaire comme point de dpart
pour rsoudre la partie de lquation dans la direction z :
y
y
U
d
y
U
c
x
U
b
x
U
a
z
U
f
z
U
e
t
U

2
2
2
2
2
2
(3.40)
La solution obtenue la fin de ces trois balayages est la solution U
n+1,z

(ou U
z
dans le cas dune EDP elliptique).

4) On reprend la solution U
n+1,z
(ou U
z
) comme point de dpart pour rpter
les tapes 1) 3). La boucle 1) 3) sappelle une itration. On itre tant
que la diffrence entre les rsultats de litration m et m +1 diffrent
dune valeur suprieure un critre de convergence fix lavance par
lutilisateur.
52 Mthodes Numriques Appliques
3.5.2 Mthodes multidimensionnelles
Les mthodes multidimensionnelles pures consistent prendre en compte tous
les termes des EDPs lis toutes les directions de lespace en une seule fois. Si
cela ne pose pas de problme particulier pour les mthodes explicites, pour les
mthodes implicites il est ncessaire de procder une numrotation globale
des points de calcul (c..d. une numrotation dans laquelle chaque point du
maillage est repr par un seul indice).
On considre par exemple lquation de diffusion bidimensionnelle :
0
2
2
2
2
=

y
U
x
U
t
U
(3.41)
Les drives partielles de cette quation peuvent tre discrtises comme suit :

+
+
+ +

+
+
+ +

+
2
1
1 ,
1
,
1
1 ,
2
2
2
1
, 1
1
,
1
, 1
2
2
,
1
,
2
2
y
U U U
y
U
x
U U U
x
U
t
U U
t
U
n
j i
n
j i
n
j i
n
j i
n
j i
n
j i
n
j i
n
j i
(3.42)
Ce qui donne :
( ) ( ) ( )
n
j i
n
j i y x y
n
j i
n
j i x
n
j i
n
j i
U U F F F U U F U U
,
1
,
1
1 ,
1
1 ,
1
, 1
1
, 1
2 2 1 = + + + +
+ +
+
+

+
+
+

(3.43)
o F
x
=nt/x
2
et F
y
=nt/y
2
sont les nombres de Fourier dans les directions x
et y respectivement. Aprs renumrotation des points, (3.43) devient :
( ) ( ) ( )
n
p
n
p y x y
n
p
n
p x
n
p
n
p
U U F F F U U F U U
5
1
5
1
4
1
3
1
2
1
1
2 2 1 = + + + +
+ + + + +
(3.44)
Ce qui scrit sous forme matricielle :
B AU =
+1 n
(3.45)
avec

=
=
= =
= =
5 5
5 , 5
4 , 5 3 , 5
2 , 5 1 , 5
2 2 1
p p
y x p p
y p p p p
x p p p p
U B
F F A
F A A
F A A
(3.46)
Mthodes Numriques Appliques 53
La solution B
n+1
est obtenue en inversant la matrice A :
B A U
1 1 +
=
n
(3.47)
La diffrence entre les indices max (p1, p2, p3, p4, p5) et
min (p1, p2, p3, p4, p5) indique la largeur de bande de la matrice A. Cette
largeur de bande est un facteur important pour la rapidit avec laquelle A pe5t
tre inverse. Cest pourquoi la numrotation des points de calcul est une tape
importante dans le traitement du maillage.
3.6 Traitement des termes non-linaires dans
les schmas implicites

De nombreuses EDPs de lingnieur contiennent des termes non-linaires.
Ainsi, dans les quations de Saint-Venant, on trouve des termes tels que le dbit
de quantit de mouvement Q
2
/A, ou des termes de frottement tels que
|Q|Q/(CR
H
2
). Ces termes sont non-linaires par rapport Q, qui est une des
variables (inconnues, calculer) de lcoulement.
Lorsque lon veut calculer Q au pas de temps n +1, on procde en gnral par
inversion dun systme linaire tel que (3.45). Il est donc indispensable que le
systme rsoudre soit linaris. Ainsi, le terme Q
2
/A est approch par :
2 / 1
1 2
+
+

n
n n
A
Q Q
A
Q
(3.48)
qui est un terme linaire par rapport Q
n+1
, o la section en travers A
n+1/2
est
approche par :
2
1
2 / 1
+
+
+

n n
n
A A
A (3.49)
Au cours dun pas de temps, on effectue de faon itrative les oprations
suivantes :

1) Calcul de A
n+1/2
. Pour la premire itration, on estime A
n+1/2
comme tant
gal A
n
.

2) Calcul du coefficient Q
n
/A
n+1/2
. Ce terme entre dans la matrice A que lon
doit inverser.

3) Inversion du systme (3.45). On obtient une premire estimation de U
n+1
.
54 Mthodes Numriques Appliques

4) Rptition des tapes 1) 3) sur la base de la valeur mise jour de U
n+1
,
jusqu la convergence.

3.7 Consistance des schmas numriques
pour EDPs diffusion et dispersion
numriques

3.7.1 Analyse de consistance des schmas pour
les EDPs
La consistance des schmas numriques pour les EDPs sanalyse de la mme
manire que celle des schmas pour EDOs : par dveloppements en sries de
Taylor.
Exemple : lanalyse de consistance de la mthode aux caractristiques (3.15) :
( )
n
i i
n
i i
n
i
U Cr U Cr U
2 / 1 1 2 / 1
1
1

+
+ =
On effectue un dveloppement en srie de Taylor au voisinage de
n
i
U :
( )
( )

+ =
+

=
+

t
t
U t
t
U
t U U
x
x
U x
x
U
x U U
n
i
n
i
n
i
n
i
2 2
2 2
1
1 2
2 2
1
HOT
2
HOT
2
(3.50)
o HOT
1
et HOT
2
sont des polynmes de degr au moins 3 en x et t
respectivement. En substituant (3.50) dans (3.15), on obtient :
( )
( ) ( )
n
i i i
n
i
n
i
U x
x
U x
x
U
x U
t
t
U t
t
U
t U
2 / 1 2 / 1 1 2
2 2
2 2
2 2
Cr 1 Cr HOT
2
HOT
2

+


=
+

+
(3.51)
Cette galit se simplifie en :
Mthodes Numriques Appliques 55
( )
( ) t
t
U t
x
x
U x
x
U
x
t
U
t
i i
+


2 2
2 2
2 / 1 1 2
2 2
2 / 1
HOT
2
Cr HOT
2
Cr
(3.52)
En divisant par t et en introduisant la dfinition du nombre de Courant, il
vient :
( ) ( )
t
t
t
U t
u
x
x
x
U x
x
U
u
t
U

2
2
2
1
2
2
HOT
2
HOT
2
(3.53)
Lerreur de troncature est donne par :
( )
( ) ( )
t
t
t
U t
u
x
x
x
U x
x t


=
2
2
2
1
2
2
HOT
2
HOT
2
, TE (3.54)
Cette erreur de troncature tend vers 0 lorsque t et x tendent vers 0. En effet,
le polynme HOT
1
/x est de degr au moins 2 en x et le polynme HOT
2
/t
est de degr au moins 2 en t. Donc le schma (3.15) est consistant lquation
de convection. A noter que, pour que lerreur de troncature disparaisse, il est
ncessaire de rduire la fois le pas de temps et despace (rduire uniquement
lun des deux ne permet pas damliorer la qualit de la solution numrique !)
3.7.2 Diffusion numrique
Lanalyse de consistance ci-dessus montre que lerreur de troncature contient
des termes en
2 2
/ x U . Comme indiqu au 1.2.5, de tels termes sont
classiquement associs au phnomne de diffusion. Ils sont de nature numrique
(puisquils sont ds la discrtisation de lquation originelle qui, elle, ne
contient pas de termes de diffusion) ; on parle de diffusion numrique.
La diffusion numrique a pour effet de lisser les profils calculs (Cf.
Fig. 3.10 pour illustration).
3.7.3 Dispersion numrique
Il existe des discrtisations de lquation de convection do les termes en
2 2
/ x U sont absents cest par exemple le cas du schma de Preissmann
avec = =1/2. Les drives dordre le plus faible dans lerreur de troncature
sont alors des drives en
3 3
/ x U . De telles drives sont associes la
dispersion (au sens des ondes. Il ne sagit pas de la dispersion
hydrodynamique !), dont leffet est de crer des oscillations dans les profils
56 Mthodes Numriques Appliques
calculs (Cf. Fig. 3.10).

N.B. : lorsque la solution est affecte par la diffusion numrique, les termes de
dispersion sont galement prsents. Cependant, ils sont cachs par les effets
de la diffusion numrique. En effet, le coefficient des termes en
2 2
/ x U est un
terme en x, alors que celui des termes
3 3
/ x U est en x
2
. Lorsque x est
petit , les termes de dispersion sont donc plus petits que ceux de diffusion.



x
U
x
U
Initial

Analytique

Numrique

Fig. 3.10. Effets de la diffusion numrique (haut) et de la dispersion numrique (bas) sur des
profils souis la convection.

Chapitre 4
Mthodes aux lments finis et aux
volumes finis
Les mthodes numriques pour la rsolution des EDPs de lingnieur continuent
de faire lobjet de nombreux dveloppements. Un certain nombre de logiciels du
commerce apparus rcemment (en particulier pour le calcul des coulements 2D
et 3D souterrains ou surface libre) nutilisent plus les diffrences finies, mais
les lments finis ou les volumes finis. Ce chapitre a pour but dexpliquer
brivement le concept de ces mthodes.
4.1 Elments finis

Les mthodes aux lments finis se distinguent des diffrences finies par trois
points principaux :
- le maillage est dans la quasi-totalit des cas non structur.
- lquation rsolue nest pas lquation originale elle-mme mais une
forme intgrale de cette quation. On cherche rsoudre lquation en
moyenne sur le domaine de calcul ;
- la solution est exprime comme la somme de fonctions lmentaires dont
la forme est connue lavance (elle est en fait choisie par le dveloppeur
de la mthode numrique).

Le principe des lments finis est expliqu pour des EDPs en deux dimensions
despace ; il est exactement le mme pour une ou trois dimensions (cependant,
peu dapplications unidimensionnelles existent). On considre une EDP de la
forme :
0 = +

LU
t
U
(4.1)
o L est une forme diffrentielle , c..d. un ensemble doprateurs
diffrentiels appliqus la solution U. Par exemple, lquation (3.41)
58 Mthodes Numriques Appliques
0
2
2
2
2
=

y
U
x
U
t
U

peut scrire sous la forme (4.1) en posant
2
2
2
2
y x
L

= (4.2)
Dans les mthodes aux lments finis, on ne rsout pas (4.1), mais lintgrale
( ) 0 d d = +

y x w LU
t
U
(4.3)
o w est une fonction dtermine lavance et est le domaine de calcul. w est
appele une fonction de pondration. (4.3) est quivalente (4.1) si elle est
vrifie quelle que soit la forme de w.
On exprime en outre la solution U sous la forme dune somme de fonctions
lmentaires
i
(i est le numro du point de calcul dans le maillage non
structur) :
( ) ( )

=
=
N
i
i i
y x U y x U
1
, , (4.4)
o U
i
est un coefficient attach au point (aussi appel nud ) i. Les fonctions

i
sont appeles des fonctions de forme . Dans la plupart des cas, on les
choisit de telle faon que les conditions suivantes soient vrifies :
( )

=
i j
i j
y x
j j i
pour 1
pour 0
, (4.5)
o (x
j
, y
j
) sont les coordonnes du nud j. Autrement dit, la fonction
i
est gale
1 au nud i et 0 tous les autres nuds. Alors, la valeur de la solution U au
nud i est gale U
i
. La figure 4.1 prsente un exemple de fonction de forme
(en loccurrence, linaire par morceaux). Pour dterminer la solution
numrique, il suffit de dterminer tous les coefficients U
i
.
En substituant (4.4) dans (4.3), on obtient :
0 d d
1 1
=

= =
y x w U L U
t
N
i
i i
N
i
i i
(4.6)
En faisant lhypothse que loprateur L est linaire, on obtient :
Mthodes Numriques Appliques 59
( ) 0 d d
1 1
=

= =
y x w L U
t
U
N
i
i i
N
i
i
i
(4.7)
Ce qui se rcrit :
( ) 0 d d d d
1 1
=


=

=

N
i
i i
N
i
i
i
U y x w L
t
U
y x w (4.8)
Comme les fonctions de forme sont connues, les quantits

y x w
i
d d et
( )

y x w L
i
d d peuvent tre calcules lavance et deviennent de simples
coefficients. Lquation (4.8) prend donc la forme
( ) ( ) 0
1 1
= +


= =
N
i
i i
N
i
i
i
U w b
t
U
w a (4.9)
o les coefficients a
i
et b
i
sont bien sr fonction de la fonction de pondration w.
Le terme t / est discrtis en utilisant les diffrences finies :
t
U U
t
U
n
i
n
i i

+1
(4.10)
Les termes en U
i
sont discrtiss en utilisant la valeur au pas de temps n pour
une mthode explicite
n
i i
U U (4.11)
et au pas de temps n +1 pour une mthode implicite :

Nud i
1

i
x
y

Fig. 4.1. Exemple de fonction de forme en deux dimensions despace.
60 Mthodes Numriques Appliques
1 +

n
i i
U U (4.12)
Lquation (4.8) devient donc, pour une mthode explicite :
( ) ( ) 0
1 1
1
= +


= =
+
N
i
n
i i
N
i
n
i
n
i
i
U w b
t
U U
w a (4.13)
Soit encore :
( ) ( ) ( )

= = =
+
=
N
i
n
i i
N
i
n
i i
N
i
n
i i
U w b t U w a U w a
1 1 1
1
(4.14)
Pour une mthode implicite, on obtient :
( ) ( ) [ ] ( )

= =
+
= +
N
i
n
i i
N
i
n
i i i
U w a U t w b w a
1 1
1
(4.15)
En dfinissant N fonctions de pondration w diffrentes, on peut crire N
quations de la forme (4.15). Ces quations peuvent se mettre sous la forme
matricielle (3.43) :
B AU =
+1 n

Qui peut tre rsolue en utilisant des techniques standard dinversion de
matrice.

N.B. : dans de nombreux cas, on prend les fonctions de pondration gales aux
fonctions de forme (mthode de Galerkin).
4.2 Volumes finis

Bien que dveloppes ds la fin des annes 1950, les mthodes aux volumes
finis sont restes mconnues des dveloppeurs de logiciels commerciaux
jusquaux annes 1990. Le dveloppement de ces mthodes a t par la
ncessit de mettre au point des mthodes conservatives (c..d. des mthodes
numriques qui conservent la quantit totale de matire, ou de quantit de
mouvement, dans le domaine de calcul). De telles mthodes sont en effet
ncessaires pour simuler des coulements discontinus on sait en effet (Cf.
cours dhydraulique surface libre) que seule la formulation conservative
permet dobtenir la solution correcte en prsence par exemple dun ressaut
mobile et que des formulations alternatives comme les invariants de Riemann ne
sont pas valides au franchissement dune discontinuit hydraulique.
Mthodes Numriques Appliques 61
4.2.1 EDPs conservatives
Dfinition. Les mthodes aux volumes finis sont valides pour les EDPs dites
conservatives, c..d. des quations qui peuvent scrire sous la forme :
0 =

x
F
t
U
(4.16)
o U est la variable conserve et F est le flux. Un systme dEDPs est dit
conservatif sil peut se mettre sous la forme :
0 =

x t
F U
(4.17)
o U et F sont les vecteurs variable et flux respectivement. Lquation
vectorielle (4.17) est une forme condense du systme suivant :

0
0
0
1 1
x
F
t
U
x
F
t
U
x
F
t
U
m m
p p
M
M
(4.18)
o lindice p (p =1, , m) indique la composante du vecteur U ou F.

Exemples. Lquation de Richards
( ) 0 =

z
h
K
z t

(4.19)
o h est la charge, K est la conductivit hydraulique verticale et la teneur en
eau volumique, est une EDP conservative car elle peut tre crite sous la forme
(4.16) en dfinissant U et F comme suit :

=
=
z
h
K F
U
(4.20)
De mme, les quations des coulements surface libre en canal rectangulaire
sans frottement ni pente de fond
62 Mthodes Numriques Appliques

0
2
0
2
2
h
g
h
q
x t
q
x
q
t
h
(4.21)
o g est lacclration de la pesanteur, h est la hauteur deau et q le dbit
unitaire, forment un systme dEDPs conservatives car elles peuvent scrire
sous la forme vectorielle conservative (4.17) en posant :

+
=

=
2
, 2
2
h
g
h
q
q
q
h
F U (4.22)
4.2.2 Principe des volumes finis en une
dimension despace
Le principe des volumes finis est expliqu pour une dimension despace. Plutt
que de rsoudre les quations (4.16) ou (4.17) en approchant les drives par
des diffrences finies, les mthodes aux volumes finis rsolvent leur forme
intgrale sur des domaines (appels volumes ) :
0 d =

x
F
t
U
(4.23)
En utilisant le thorme de Green-Ostrogradski, (4.23) devient :
0 d d =



x
n
x
F
t
U
(4.24)
o est la frontire de et n
x
est le vecteur unitaire normal la frontire
(orient vers lextrieur). En une dimension despace, on dfinit les volumes
comme des segments (dindice i) contigus. La frontire de chacun de ces
segments est compose de ses deux extrmits (Fig. 4.2). A la frontire gauche
(interface i 1/2 entre les volumes i 1 et i), la normale est donne par
n
x
=- 1 ; la frontire droite (interface i +1/2) la normale est n
x
=+1.
Lquation (4.24) devient donc :
0 d
2 / 1 2 / 1
= +

i i
F F
t
U
i
(4.25)
En intgrant (4.25) par rapport au temps entre les pas de temps n et n +1, on
obtient :
Mthodes Numriques Appliques 63
( ) ( ) 0 d
1
2 / 1 2 / 1
1
= + +

+
+
+
n
n
t
t
i i i
n
i
n
i
t F F x U U (4.26)
o
n
i
U est la valeur moyenne de U sur le volume i au pas de temps n. (4.26)
peut scrire sous la forme :
( )

+
+
+

+ =
1
d
1
2 / 1 2 / 1
1
n
n
t
t
i i
i
n
i
n
i
t F F
x
U U (4.27)
Cette quation nest quune autre expression de la conservation :
laccroissement de U au cours dune dure t est gal au cumul, au cours de
cette dure, de la diffrence entre les flux entrants et sortants. La diffrence
entre cette formulation et la formulation (4.16) est que (4.27) est valide mme si
U et F sont discontinus. En revanche, (4.16) fait lhypothse de la continuit de
U et F par rapport aux temps et lespace (sans quoi il est impossible de
calculer les drives partielles t / et x / ).
On notera dailleurs que (4.16) est un cas particulier de (4.27), obtenu en
appliquant (4.27) sur un volume infinitsimal de largeur x sur une dure
infinitsimale t.

Remarque importante. Dans la formulation aux volumes finis, la quantit U
i

nest pas une valeur en un point, mais la valeur moyenne de U sur le volume i.
Dans les mthodes aux volumes finis, la notion de point de calcul na pas de
sens. Il est frquent de voir apparatre dans la littrature des mthodes dites
volumes finis qui utilisent des points de calcul : il sagit en fait de mthodes
aux diffrences finies dites avec volume de contrle .

x
t
i 1/2 i +1/2

i

Fig. 4.2. Dfinition dun volume pour une dimension despace.
64 Mthodes Numriques Appliques
4.2.3 Application: lquation de convection
conservative
La forme conservative de lquation de convection est la suivante :
( ) 0 =

C
x t
U
(4.28)
o le flux F est dfini comme F =C. Le flux linterface i +1/2 peut tre
approch comme :

=
+
+
0 si
0 si
1
2 / 1


i
i
i
C
C
F (4.29)
En substituant dans (4.27), il vient :
( )
( )

+
=
+

+
0 si
0 si
1
1
1
u C C
x
t
C
u C C
x
t
C
C
n
i
n
i
i
n
i
n
i
n
i
i
n
i
n
i

(4.30)
Chapitre 5
Conseils pratiques
5.1 Prise en main dun logiciel de simulation

Lors de la prise en main dun logiciel de modlisation il est fortement conseill
de procder aux vrifications suivantes :
a. La nature des EDOs/EDPs rsolues par le logiciel (phnomnes pris en
compte, forme conservative/non conservative, etc.) Ceci permet de se
faire une ide a priori du comportement des solutions calcules par le
logiciel et de dceler dventuelles dficiences. Par exemple, il ne faut
pas sattendre observer un ressaut hydraulique dans une solution
calcule par un logiciel rsolvant lquation de londe diffusive ou
utilisant la mthode des caractristiques.
b. La nature des mthodes numriques utilises par le logiciel:
explicite/implicite, avec limitation automatique du pas de temps ou
possibilit de laisser prescrire ce dernier par lutilisateur, etc.
c. Le degr de matrise laiss lutilisateur sur la rsolution des quations :
lorsque les quations non-linaires, a-t-on la possibilit de spcifier le
nombre maximum ditrations, le critre de convergence de ces itrations,
ou ceux-ci sont-il dtermins automatiquement par le logiciel ? (N.B. : la
question est aussi valable pour les directions alternes).
d. La documentation comprend-elle des cas-test lmentaires (Ex.
comparaison avec des solutions analytiques) permettant de se faire une
ide de la prcision du logiciel ? Si non, il peut tre utile (et instructif) de
procder soi-mme de tels tests.
5.2 En cas de problme

En cas de problme (instabilit, mauvaise qualit de la solution), la rponse aux
66 Mthodes Numriques Appliques
questions suivantes permet souvent de se faire une ide de la nature du
problme :
a. Lorsque les quations rsoudre sont hyperboliques, le paramtre
numrique important est le nombre de Courant. Une valeur du nombre de
Courant trop loigne de 1 entrane la dgradation de la qualit de la
solution numrique, et parfois son instabilit.
b. Lorsque les quations rsoudre sont paraboliques, le nombre de Fourier
devrait tre maintenu aussi proche que possible de 1/2 afin de prserver la
qualit de la solution.
c. Si la mthode numrique est implicite (cas de la majorit des logiciels du
commerce), le nombre maximum ditrations est-il suffisant ? Le critre
de convergence des itrations est-il suffisamment fin ?
d. Pour des applications 2D ou 3D : Le maillage nest-il pas trop tir
dans une direction de lespace ou trop comprim dans une autre ? La
prsence de mailles excessivement plates ou allonges peut
induire des problmes (polarisation artificielle des champs de vitesse le
long du maillage, etc.)
e. De manire gnrale, le maillage est-il suffisamment fin dans toutes les
directions de lespace pour permettre une prise en compte prcise des
variations de la gomtrie, de lcoulement, etc. ?

Annexe A
Lexique mathmatique Franais/Anglais

Cette annexe a pour but daider le lecteur dans ses premires lectures (et
rdactions, ou prsentations !) de documents mathmatiques en langue
Anglaise.

Franais Anglais
Vocabulaire
Amont Upstream
Aval Downstream
Bief Reach
Centre Centre (English), Center (American)
Condition initiale Initial condition
Condition la limite (aux limites) Boundary condition(s)
Consistence Consistency
Convergence Convergence
Courbe de remous Backwater curve
Dbit Discharge
Dcentr amont Upstream-centred, Upwind
Drive differential, derivative
Driver (une fonction) Differentiate (to)
Domaine de calcul Computational domain
Ecoulement permanent Steady (state) flow
Ecoulement transitoire Unsteady (state) flow
quation Diffrentielle Ordinaire (EDO) Ordinary Differential Equation (ODE)
quation aux Drives Partielles (EDP) Partial Differential Equation (PDE)
Exposant (dans une notation) Superscript
Exposant (dans un calcul) Exponent
Indice (dans une notation) Subscript
Indice (dun point) Index
Instabilit Instability
Instable Unstable
Limite droite Right-hand boundary
68 Mthodes Numriques Appliques
Limite gauche Left-hand boundary
Maillage adaptatif Adaptive grid
Maillage structur Structured mesh (or grid)
Maillage non structur Unstructured mesh (or grid)
Maillage curviligne Curvilinear grid
Mal pos (problme) Ill-posed (problem)
Onde Wave
Pas de temps Time step
Pas despace Space step
Passer par (en) un point (pour une courbe) to pass at a point
du premier ordre first-order (note the hyphen)
Pente (du fond, du terrain) Slope
Point de calcul Computational point
Polynme polynomial
Profondeur Depth
Proprit Property
Rayon hydraulique Hydraulic radius
Rapport entre a et b (au sens a/b) Ratio of (from) a to b
Section en travers Cross-section
Schma numrique Numerical scheme
Sous-critique Subcritical
Stabilit Stability
Supercritique Supercritical

Expressions
c..d. (cest--dire) i.e. (du latin id est)
ceci est fonction de cela this is a function of that
en fonction de as a function of, or depending on, or
according to (context dependent)
3 fois plus que Three times as much as
Plus grand que (suprieur ) Larger than
Plus petit que (infreur ) Smaller than

Fonctions
10
5
ten to the power of five (also shortened as
ten to the five)
x
2
x squared
x
3
x cubed
x
n
x to the power of n
x/y x over y
Mthodes Numriques Appliques 69
xy (multiplication) x times y (also multiplied by)
x y x minus y
tg (fonction tangente) tan (tangent function)
cos (fonction cosinus) cos (cosine function)
sin (fonction sinus) sin (sine function)
arctg (fonction arc tangente) atan (inverse tangent function)
e
x
(exponentielle) exp(x) (exponential x)


Annexe B
Lquation de convection (advection)

Cette annexe dmontre lquivalence de lquation de convection (1.31)
0 =

x
U
t
U

et de lquation (3.1) qui fait intervenir la drive totale D/Dt :
= =
t
x
t
U
d
d
pour 0
D
D

La drive totale dune quantit U est la drive par rapport au temps de la
quantit U, vue par un observateur se dplaant une certaine vitesse, note .
Pendant une dure infinitsimale t, lobservateur se dplace dune distance x
donne par :
t x = (B.1)
Laccroissement total de la variable U constat par cet observateur est donn
par :
x
x
U
t
t
U
U

= d (B.2)
En remplaant (B.1) dans (B.2), il vient :
t
x
U
t
U
t
x
U
t
t
U
U

= d
(B.3)
La drive totale est gale au quotient de laccroissement total U et de la dure
t au cours de laquelle il a t constat :
x
U
t
U
t
U
t
U

= =

D
D
(B.4)
Or, daprs (1.31), 0 / / = + x U t U . Donc (3.1) est bien vrifie.