Académique Documents
Professionnel Documents
Culture Documents
19 juillet 2007
2 D
erivation Num
erique
2.1 Derivees numeriques dordre 1 . . . . . . . . . . . . . . . . . .
2.2 Derivees numeriques dordre superieur . . . . . . . . . . . . .
3
3
5
3 Int
egration Num
erique
3.1 Generalites . . . . . . . . . . . . .
3.1.1 Formule du rectangle . . . .
3.1.2 Formule de Gauss-Legendre
3.1.3 Formule de Simpson . . . .
.
.
.
.
5
5
7
7
8
.
.
.
.
8
8
9
9
10
5 R
esolution de syst`
emes lin
eaires par des m
ethodes it
eratives
5.1 But . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3 Methodes de Jacobi et de Gauss . . . . . . . . . . . . . . . .
5.3.1 Methode de Jacobi . . . . . . . . . . . . . . . . . . . .
5.3.2 Methode de Gauss-Seidel . . . . . . . . . . . . . . . .
10
10
10
11
11
11
4 D
ecomposition de Cholesky
4.1 Decomposition LU . . . .
4.1.1 Exemple . . . . . .
4.2 Decomposition LLT . . .
4.2.1 Exemple . . . . . .
et
. .
. .
. .
. .
LU
. . .
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
`
TABLE DES MATIERES
6 Equations
non-lin
eaires
12
6.1 Methode de Newton-Raphson . . . . . . . . . . . . . . . . . . 12
6.2 Syst`emes non-lineaires . . . . . . . . . . . . . . . . . . . . . . 12
7 Equations
diff
erentielles
13
7.1 Schemas dEuler . . . . . . . . . . . . . . . . . . . . . . . . . 14
7.1.1 Schema dEuler progressif . . . . . . . . . . . . . . . . 14
7.1.2 Schema dEuler retrograde . . . . . . . . . . . . . . . . 15
8 Probl`
emes aux limites unidimensionnels
15
8.1 Methode des differences finies . . . . . . . . . . . . . . . . . . 15
9 Probl`
emes paraboliques
9.1 Presentation du probl`eme . . . . .
9.2 Discretisation . . . . . . . . . . . .
9.3 Integration numerique . . . . . . .
9.3.1 Schema dEuler progressif .
9.3.2 Schema dEuler retrograde .
9.4 Convergence . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
16
16
17
17
17
17
18
10 Probl`
emes hyperboliques
18
10.1 Equation
de transport 1D et difference finie . . . . . . . . . . 18
10.1.1 Presentation du probl`eme . . . . . . . . . . . . . . . . 18
10.1.2 Discretisation . . . . . . . . . . . . . . . . . . . . . . . 18
10.1.3 Approximation par la methode de difference finie decentree 18
10.1.4 Condition de stabilite . . . . . . . . . . . . . . . . . . 19
10.2 Equation
des ondes 1D . . . . . . . . . . . . . . . . . . . . . . 19
10.2.1 Discretisation . . . . . . . . . . . . . . . . . . . . . . . 19
10.2.2 Resolution par la methode de difference finie centree . 19
10.2.3 Stabilite . . . . . . . . . . . . . . . . . . . . . . . . . . 19
11 Probl`
emes de convection-diffusion
20
11.1 Discretisation . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
11.2 Schema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
`
PROBLEMES
DINTERPOLATION
Probl`
emes dinterpolation
j (t) =
k=0
k 6= j
t tk
tj tk
Theoreme 1.1 (Erreur maximale) Soit f une fonction (n+1) fois derivable
sur [a; b].
Si pn (le polyn
ome interpollant de f ) est defini, alors :
1
max |f (t) pn (t)|
2(n + 1)
t[a;b]
ba
n
n+1
D
erivation Num
erique
2.1
D
eriv
ees num
eriques dordre 1
3. f 0 (x0 )
f (x0 + h
)f (x0 h
)
2
2
h
1. f 0 (x0 )
=
=
h f (x0 )
h
h f (x0 )
h
h f (x0 )
h
D
efinition 2.1 (Op
erateurs de diff
erence premi`
ere finie) Lorsque h >
0 est donne, les operateurs h , h et h sont appeles operateurs de difference
premi`ere respectivement progressive, retrograde et centree.
Theoreme 2.1 Les operateurs de difference premi`ere h , h et h sont
lineaires.
DERIVATION
NUMERIQUE
2
2
2!
4
3! 8
avec ]x0 , x0 + h2 [ et ]x0 h2 , x0 [. En soustrayant lequation 1 `a lequation
2 et en divisant le resultat par h, il vient :
2
000
h
h
000
0
f (x0 ) f (x0 + 2 ) f (x0 2 ) = f () + f () h
24
h
2
et pour finir, il suffit de poser :
C=
1
max
|f 000 (x)|
24 x]x0 h2 ,x0 + h2 [
D
efinition 2.2 (Erreurs de troncatures) h fh(x0 ) , h fh(x0 ) et h fh(x0 ) sont
les formules de differences finies progressives, retrogrades et centrees pour
lapproximation de f 0 (x0 ). Les differences
0
f (x0 ) f (x0 + h) f (x0 )
h
0
f (x0 ) f (x0 ) f (x0 h)
h
h
h
0
f (x0 ) f (x0 + 2 ) f (x0 2 )
h
INTEGRATION
NUMERIQUE
2.2
D
eriv
ees num
eriques dordre sup
erieur
D
efinition 2.3 (Op
erateurs de diff
erences m finies) Les operateurs aux
differences finies sont generalises par les definitions recursives suivantes :
m1
m
f)
h f = h (h
m1
m
f)
h f = h (h
hm f = h (hm1 f )
Ainsi loperateur de difference seconde centree finie est donne par :
h2 f (x) = f (x + h) 2f (x) + f (x h)
et lapproximation de la derivee seconde est donnee par :
f 00 (x0 ) '
h2 f (x0 )
f (x0 + h) 2f (x0 ) + f (x0 h)
=
2
h
h2
0
h
f x0
< Ch
h h0
hm
m
m
f x0 h f (x0 ) < Ch
h h0
m
h
Theoreme 2.5 Soit m N, f C m+2 : R R, x0 R et h0 R+
alors il existe C R+ tel que :
m
m
f x0 h f (x0 ) < Ch2
h h0
m
h
3
3.1
Int
egration Num
erique
G
en
eralit
es
D
efinition 3.1 (Formule du Trap`
eze) Si g est une fonction continue sur
[-1 ;1], la formule de quadrature
J(g) =
M
X
j=1
j g(tj )
INTEGRATION
NUMERIQUE
J(g) =
j g(tj )
j=1
R +1
1
tM
J(p) =
p(t)dt
t1
N
1
X
i=0
M
(xi+1 xi )(tj + 1)
xi+1 xi X
j f xi +
2
2
j=1
4. h le pas dintegration.
5. f (r + 1) fois continuement derivable sur [a; b]
alors il existe une constante C independante de xi telle que
Z b
Chr+1
f
(x)dx
L
(f
)
h
(3)
M
X
j g(tj )
j=1
(4)
INTEGRATION
NUMERIQUE
3.1.1
Formule du rectangle
D
efinition 3.3 (Formule du rectangle) Formule `
a 1 point (t1 = 0)
J(g) = 2g(0)
3.1.2
Formule de Gauss-Legendre
D
efinition 3.4 (Polyn
ome de Legendre)
LM (t) =
1
dM 2
(t 1)M
2M M ! dtM
M
X
j g(tj )
j=1
j =
j (t)dt
j = 1, . . . , M
DECOMPOSITION
DE CHOLESKY ET LU
3.1.3
Formule de Simpson
D
efinition 3.6 (Formule de Simpson) Formule `
a trois points t1 = 1,
t2 = 0, t3 = 1. La base de Lagrange associee `
a ces trois points est donnee
par :
1 (t) =
t2 t
2
2 (t) = 1 t2
3 (t) =
do`
u, dapr`es lequation 4 :
Z 1
Z 1
1
4
1 =
1 (t)dt =
2 =
2 (t)dt =
3
3
1
1
t2 + t
2
3 =
3 (t)dt =
1
1
3
L
(f
)
h
a
D
ecomposition de Cholesky et LU
D
efinition 4.1 (Matrice r
eguli`
ere) Une matrice est dite reguli`ere si et
seulement si elle est inversible. Les deux termes sont equivalents.
4.1
D
ecomposition LU
DECOMPOSITION
DE CHOLESKY ET LU
4.1.1
Exemple
1 u12 u13
l11
et U =
1 u23
L = l21 l22
1
l31 l32 l33
en effectuant le produit LU il vient :
a21 a22 a23 = l21 l21 u12 + l22 l21 u13 + l22 u23
a31 a32 a33
l31 l31 u21 + l32 l31 u13 + l32 u23 + l33
4.2
D
ecomposition LLT
D
efinition 4.2 (Matrice sym
etrique d
efinie positive) A M at(n, n, R)
est dite symetrique definie positive si :
1. A = AT (A est symetrique)
2. y T Ay 0 pour tout y Rn
3. y T Ay = 0 si et seulement si y = 0 pour tout y Rn
Soit A M at(n, n, R) avec n N.
Theoreme 4.2 Si A M at(n, n, R) est symetrique definie positive alors
toutes ses sous-matrices principales sont symetriques definies positives et
sont donc reguli`ere.
Theoreme 4.3 (de Cholesky) Si A est une matrice symetrique definie
positive alors il existe une unique matrice triangulaire inferieure `
a valeurs
diagonales positives, notee L, telle que LLT = A.
RESOLUTION
DE SYSTEMES
LINEAIRES
PAR DES METHODES
ITERATIVES10
4.2.1
Exemple
l11
L = l21 l22
l31 l32 l33
donc LT est donee par :
l11
l11 l21
l11 l31
2 + l2
l21 l31 + l22 l32
LLT = l21 l11 l21
22
2 + l2 + l2
l11 l31 l31 l21 + l32 l22 l31
32
33
il suffit ensuite didentifier termes `a termes avec les elements de A.
R
esolution de syst`
emes lin
eaires par des m
ethodes
it
eratives
5.1
But
(5)
5.2
M
ethode
(6)
RESOLUTION
DE SYSTEMES
LINEAIRES
PAR DES METHODES
ITERATIVES11
5.3
M
ethodes de Jacobi et de Gauss
M
ethode de Jacobi
M
ethode de Gauss-Seidel
EQUATIONS
NON-LINEAIRES
12
Equations
non-lin
eaires
solution de f (x) = 0.
6.1
M
ethode de Newton-Raphson
Soit f C 1 : R R admettant x
comme solution verifiant f 0 (
x) 6= 0.
Supposons connu x0 une approximation grossi`ere de la solution x
. La methode
de Newton-Raphson est definie par la suite :
xn+1 = xn
f (xn )
f 0 (xn )
(7)
6.2
Syst`
emes non-lin
eaires
f1 (~x)
0
.
.
~
..
f (~x) = 0
= ..
fN (~x)
EQUATIONS
DIFFERENTIELLES
13
f1 (x)
. . . fx1 (x)
x1
N
..
..
..
Df (x) =
.
.
.
fN (x)
fN (x)
.
.
.
x1
xN
La methode de Newton-Raphson est ainsi genearlisee aux syst`emes nonlineaires par :
~xn+1 = ~xn Df (~xn )1 f (~xn )
Df (~xn )(~xn ~xn+1 ) = f (~xn )
Equations
diff
erentielles
= f (u(t), t)
t 0
u(0) = u0
la recherche dune telle fonction est dite probl`eme de Cauchy.
EQUATIONS
DIFFERENTIELLES
14
7.1
Sch
emas dEuler
=
7.1.1
u(tn+1 ) u(tn )
u(tn+1 ) u(tn )
=
tn+1 tn
hn
Sch
ema dEuler progressif
n = 0, . . . , n
ce schema est explicite, cest-`a dire quil permet de calculer directement un+1
en fonction de un :
un+1 = un + hn f (un , tn )
`
PROBLEMES
AUX LIMITES UNIDIMENSIONNELS
7.1.2
15
Sch
ema dEuler r
etrograde
n = 0, . . . , n
Ce schema est implicite car il nest pas possible de calculer directement un+1
en fonction de un car :
un+1 hn f (un+1 , tn+1 ) = un
Probl`
emes aux limites unidimensionnels
Etant
donne deux fonction f, c C 1 : [0; 1] R, on cherche une fonction
u C 2 : [0; 1] R verifiant :
u00 (x) + c(x)u(x) = f (x)
0<x<1
u(0) = u(1) = 0
8.1
M
ethode des diff
erences finies
h2 u(x)
+ O(h2 )
h2
u(x + h) 2u(x) + u(x h)
+ O(h2 )
h2
1jN
(8)
`
PROBLEMES
PARABOLIQUES
2 + c1 h2
1
1
2 + c2 h2 1
1
..
.
1
A= 2
h
..
16
..
..
.
1
1 2 + cn h2
1jN
Lerreur est donc 4 fois plus petite chaque fois que lon double le nombre de
points de discretisation.
Probl`
emes paraboliques
9.1
Pr
esentation du probl`
eme
Soit :
1. un barreau metallique sur lintervalle [0; L]
2. soit w(x) la temperature au temps t0 au point x.
3. soit f (x, t) la puissance par unite de longueur fournie au point x [0; L]
au temps t > t0 .
4. R+ la densite volumique, cp R+ la chaleur specifique et k R+
la conductivite thermique.
5. alors la temperature u(x, t) du barreau au point x `a linstant t est
donne par :
cp
u(x, t)
2 u(x, t)
k
= f (x, t)
t
x2
u(0, t) = u(L, t) = 0
u(x, 0) = w(x)
`
PROBLEMES
PARABOLIQUES
9.2
17
Discr
etisation
9.3
9.3.1
Int
egration num
erique
Sch
ema dEuler progressif
~u0 = w
~
nN
nN
= w
~
avec
.
k 1 . .
A= 2
..
h
..
..
. 1
1 2
.
et I la matrice identite.
Proposition 9.1 (Condition de stabilit
e) Le pas temporel est limite
par la condition de stabilite :
9.3.2
h2
2k
Sch
ema dEuler r
etrograde
10
`
PROBLEMES
HYPERBOLIQUES
9.4
18
Convergence
Les deux schemas sont dordre 1 en temps et 2 en espace. Lerreur commise est donc dordre + h2 .
10
10.1
10.1.1
Probl`
emes hyperboliques
Equation
de transport 1D et diff
erence finie
Pr
esentation du probl`
eme
x R, t > 0
x R
Discr
etisation
Approximation par la m
ethode de diff
erence finie d
ecentr
ee
u
j
j1
j+1 uj )
j
j
j
j
+
+
= f (jh, n )
h
h
j = 0, 1, 2, . . . et n = 0, 1, 2, . . .
avec :
(cnj )+ =
et
(cnj )
10
`
PROBLEMES
HYPERBOLIQUES
10.1.4
19
Condition de stabilit
e
h
supxR,t>0 |c(x, t)|
10.2
Equation
des ondes 1D
c
= f (x, t)
t2
x2
u(0, t) = u(1, t) = 0
u(x, 0) = w(x)
u(x, 0)
= v(x)
t
10.2.1
x ]0; 1[,
t > 0
t
x ]0; 1[
x ]0; 1[
Discr
etisation
R
esolution par la m
ethode de diff
erence finie centr
ee
un+1
j
10.2.3
unj
unN +1
(10)
=0
= w(x)
~
= vj (x)
Stabilit
e
h
c
11
`
PROBLEMES
DE CONVECTION-DIFFUSION
11
20
Probl`
emes de convection-diffusion
x ]0; 1[
(11)
u(0) = u(1) = 0
11.1
Discr
etisation
Soit N N et h =
uj u(xj ).
11.2
1
N +1 ,
on a alors xj = jh avec j = 0, 1, . . . , N + 1 et
Sch
ema
uj uj1
uj+1 uj
+ (1 j )
h
h
hc(xj )
1 1
+ coth
2 2
2
hc(xj )
R
ef
erences
[1] Picasso : Analyse Numerique pour Ingenieurs Presses Polytecniques et
Universitaires Romandes (2004)