Vous êtes sur la page 1sur 40

UNIVERSITE ABDELMALEK ESSAADI

FACULTE DES SCIENCES DE TETOUAN


Laboratoire des Systèmes d’Information et Télécommunications
(LaSIT)

LES METHODES NUMERIQUES


Master TSE- S2
TLM

Pr. Asmaa ZUGARI

WCIP Année Universitaire : 2019/2020


Organisation de l'enseignement
L'objectif de ce cours est de vous permettre la
Contenu horairecompréhension
: des principes de base
● des
20 h de méthodes
cours numériques,
+ 10 h de TD [Julien Marot] (≃10x 3h) ainsi que l’application

de ces méthodes pour modéliser des circuits


Présentation de l'informatique industrielle, des systèmes micro-
programmés (architecture, principes généraux, ...). Étude d'un micro-
contrôleurmicro-ondes et
Microchip PIC 18F4520. plus particulièrement
Programmation en langage de vous
Assembleur et langage C.
familiariser avec les méthodes numériques.

35 h de travaux pratiques [Allain & Marot] (12x 4h)
Mise en pratique des connaissances sur la carte de démonstration
PICDEM2 plus. Utilisation du micro-contrôleur Microchip PIC 18F4520.

! Merci d’être
Merci à l'heure
d'être en cours
à l'heure / TD/!TP !
en cours

Pr : A. ZUGARI Master TSE S2 3 1


Prérequis

q Pour comprendre les principes de bases des méthodes numériques, et leur


application pour modéliser des circuits micro ondes, les prérequis sont :

Ø Connaissances de base de l’électromagnétisme (équations de Maxwell,


propagation des ondes EM…..)

Ø Bonne compréhension des principes des lignes de transmission

Ø Bonne connaissance des outils de programmation

Ø Analyses numériques

Ø Notions de base en Mathématique ……


Pr : A. ZUGARI Master TSE S2 2
Plan

■ Contexte
■ Introduction
■ Chapitre I: Résolution des équations différentielles ordinaires EDO
■ Chapitre II: Résolution des équations non linéaires
■ Chapitre III: Résolution des équations différentielles partielles EDP
■ Chapitre IV: État de l’art des méthodes de modélisation électromagnétique
■ Chapitre V: Méthode des Différences Finies dans le Domaine Temporelle (FDTD )
■ Chapitre VI: Méthode de modélisation TLM

Pr : A. ZUGARI Master TSE S2 3


CONTEXTE

q Les dispositifs dédiés aux télécommunications ont connu un véritable


développement. Ce développement est dû à la nécessité de transférer toujours plus
d'informations et cela, le plus rapidement possible.
q Ils s'efforcent de couvrir les axes qui aboutissent rapidement à des applications
commerciales immédiatement rentables:
– Téléphonie mobile
– Radar
– Systèmes de communications
– Systèmes passifs pour l’écoute militaire
– Systèmes de brouillage
– …
q Ils font partis de la vie quotidienne apparaissant dans : l’habitat à travers les systèmes
audiovisuels, téléphoniques, appareils ménagers, les moyens de transport,
automobiles, avions...
Pr : A. ZUGARI Master TSE S2 4
CONTEXTE

Circuit planaire
la technologie utilisée dans la plupart des dispositifs
micro ondes dans la gamme des faibles et moyennes
puissances.

q Ces technologies planaires se prêtent particulièrement bien à la réalisation et à la


miniaturisation des circuits passifs et actifs micro-ondes pour de faibles puissances.

q Le développement de ces techniques a débouché sur la


production industrielle de dispositifs en technologie hybride et
de composants MIC (Microwave Integrated Circuits) ou MMIC
(Monolithic MIC), dans lesquels les circuits passifs (type lignes
de transmission) et les éléments semi-conducteurs (transistors et
diodes) sont intégrés sur le même substrat semi-conducteur
(Silicium ou Arséniure de Gallium principalement)
Pr : A. ZUGARI Master TSE S2 5
CONTEXTE

q Insertion de dispositifs Micro-ondes dans une application:


ü les performances de circuits hyperfréquences
ü le confort d’utilisation ou la sécurité

q Cette intégration rend difficile


l’étude de tels dispositifs. Il
faut prendre en compte des
phénomènes variés aux
origines diverses mais aussi
leurs interactions.

Pr : A. ZUGARI Master TSE S2 6


CONTEXTE

q Dans un dispositif complet tel un téléphone portable, il y a un rapprochement


des circuits intégrés (parties actives) avec le reste de la structure (parties
passives) : lignes de transmission, éléments rayonnants, boîtier..
Wi-Fi/Bluetooth combined
ceramic chip antenna GPS antenna

GSM/WCDMA antenna

q En télécommunications, l’information est générée, propagée et


réceptionnée par des dispositifs régis par les lois de l’électromagnétisme
Pr : A. ZUGARI Master TSE S2 7
Introduction

Comment peut-on traiter ces dispositifs en


utilisant les lois de l’électromagnétisme?

Pr : A. ZUGARI Master TSE S2 8


Introduction

Problèmes
EM

ETUDE THEORIQUE (solutions exacte)


Solutions ETUDE EXPERIMENTALE
ETUDE NUMERIQUE (solution approchée)

Pr : A. ZUGARI Master TSE S2 9


Introduction

q Etude analytique (solution exacte) qui fournit des solutions rapides et précises,
cependant elles sont applicables que pour des cas simples (cas canoniques: sphère,
cylindre ....), ce qui limite son utilisation.

q Etude expérimentale qui permet d'obtenir des solutions plus concrètes mais elle
reste difficilement réalisable car elle nécessite d'avoir des moyens coûteux et du
temps de réalisation important.

q Etude numérique (solution approximative), de nombreuses méthodes numériques


ont été développées pour la résolution des équations régissant le champ
électromagnétique et grâce au développement des performances des ordinateurs,
nous permet d’étudier et d’observer directement les phénomènes du champ
électromagnétique.

Pr : A. ZUGARI Master TSE S2 10


Introduction

q D’une façon générale, les phénomènes physiques peuvent être décrits grâce à des
lois mathématiques, qui repose sur la résolution des équations différentielles. Ces
équations correspondent à la traduction mathématique des lois de la physique :
- mécanique des fluides : équations de Navier-Stockes
- électromagnétisme : équations de Maxwell
- thermique : équation de la chaleur
- mécanique quantique : équation de Schrödinger
- ..........

q Dans la grande majorité des cas, on ne connait pas de solution exacte à une
équation différentielle : les solutions analytiques sont des exceptions. On sait
qu’une solution exacte existe, mais on ne peut pas en dire plus. À défaut d’une
solution exacte, on peut résoudre numériquement une équation différentielle, c’est à
dire obtenir une valeur numérique approchée pour un ensemble de temps discrets.
Pr : A. ZUGARI Master TSE S2 11
Introduction

Les équations différentielles

Equations différentielles Equations différentielles


ordinaires EDO partielles EDP

Pr : A. ZUGARI Master TSE S2 12


Chapitre I:
Résolution des équations différentielles
ordinaires EDO

Pr : A. ZUGARI Master TSE S2 13


Chapitre I: Résolution des équations différentielles ordinaires EDO

1-Définition et généralités
q On appelle équations différentielles ordinaires (ODE, ordinary differential
equation), une équation ou un système d’équations différentielles dont les
fonctions et leurs dérivés successives ne dépendent que d’une seule variable, le
temps par exemple. c’est à dire de la forme:

où y est la fonction inconnue,  𝑦̇ sa dérivée et t la variable réelle.

q Les équations différentielles ordinaires se rencontrent dans tous les domaines de


la physique (électricité, mécanique, thermique...).

Pr : A. ZUGARI Master TSE S2 14


Chapitre I: Résolution des équations différentielles ordinaires EDO

1-Définition et généralités ( suite)


q Nous allons présenter un exemple.
Etablissement du courant électrique dans une bobine :
Ø On considère une bobine d’inductance L = 12 mH et de résistance R = 0,6 Ω. A
l’instant initial, le courant dans la bobine est nul et on applique un échelon de tension
U = 3 V.

Evolution temporelle du
courant dans une
bobine.

Pr : A. ZUGARI Master TSE S2 15


Chapitre I: Résolution des équations différentielles ordinaires EDO

1-Définition et généralités ( suite)


q On appelle ordre de l’équation différentielle le plus fort degré de dérivation
apparaissant dans l’équation.

q Une équation différentielle est dite homogène si tous les termes font intervenir
des dérivées des inconnues.

Pr : A. ZUGARI Master TSE S2 16


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution analytique des équations différentielle ordinaire EDO


q Dans certains cas, il est possible de trouver des solutions analytiques aux
équations différentielles comme le montrent les exemple ci-dessous:

Pr : A. ZUGARI Master TSE S2 17


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution analytique des équations différentielle ordinaire EDO (suite)

Pr : A. ZUGARI Master TSE S2 18


Chapitre I: Résolution des équations différentielles ordinaires EDO
2-Résolution analytique des équations différentielle ordinaire EDO (suite)
Equations différentielles homogènes à coefficients constants
On considère l’équation différentielle ordinaire sans second membre à coefficients
constants (a,b,c sont des réels) :

Le polynôme caractéristique et les solutions associées sont:

La solution générale de l’équation dépend du signe de Δ :

Pr : A. ZUGARI Master TSE S2 19


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution analytique des équations différentielle ordinaire EDO (suite)

Les constantes sont alors déterminées en considérant les conditions initiales et /ou les
conditions finales ( conditions aux limites).

Pr : A. ZUGARI Master TSE S2 20


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution analytique des équations différentielle ordinaire EDO (suite)


Pour résoudre les équations EDOs analytiquement en Matlab, on utilise la commande
‘dsolve’ .

Exemple:

4x’+ 3x=t2+ cos(t) 1ére ordre


2x’’+6x’+4x=1 2ème ordre

Pr : A. ZUGARI Master TSE S2 21


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


q Il faut noter que très souvent la solution analytique n’existe pas, et on doit par
conséquent approcher la solution exacte 𝑦(𝑡) par des méthodes numériques.
q Nous allons détailler quelques méthodes numériques permettant de résoudre
l’équation différentielle

𝑡𝜖 0  𝑇  

q Les principales méthodes de résolution numérique des EDO sont séparées en deux
grands types: Méthodes à un pas et Méthodes à pas multiples, on s’intéressera pas ici
aux méthodes à pas multiples.

Pr : A. ZUGARI Master TSE S2 22


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-1-Méthodes à un pas
Ces méthodes sont basées sur un développement en série de Taylor suivant un ordre
plus au moins enlevé. Elles sont qualifiées à un pas, car le calcul de 𝑦𝑘+1 ne réclame
que la valeur de 𝑦𝑘 à l’instant précèdent. Une méthode à deux pas utilisera à la fois 𝑦𝑘
et 𝑦𝑘−1.
(t1 − t 0 )2 (t1 − t 0 )3 (t − t ) n
y(t1 ) = y(t 0 ) + y′(t 0 )(t1 − t 0 ) + y′′(t 0 ) + y′′′(t 0 ) + ....+ y n (t 0 ) 1 0
2! 3! n!
Les schémas numériques des méthodes d’Euler explicite et implicite et de Runge-
Kutta classique d’ordre 4 sont donnés dans ce qui suit

Pr : A. ZUGARI Master TSE S2 23


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-1-Méthodes à un pas

Pr : A. ZUGARI Master TSE S2 24


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-1-1-Méthode d’Euler
La méthode d’Euler est la méthode numérique la plus simple pour résoudre une
équation différentielle. Elle n’est jamais utilisée en condition réelle car peu
performante, mais elle a l’avantage de la simplicité.

La méthode peut s'interpréter de plusieurs manières :


1) Via les formules d'intégration numérique : la méthode est le résultat de l'application
de la formule des rectangles basée au point tn.
2) Géométriquement : la méthode revient à remplacer localement en chaque point tn la
courbe solution par sa tangente.
3) Via les développements de Taylor : la méthode provient du développement de Taylor
d'ordre 1 de la fonction y au voisinage de tn.

Pr : A. ZUGARI Master TSE S2 25


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-1-Méthodes à un pas
2-1-1-Méthode d’Euler
La méthode d’Euler consiste à partir du point y0 à t0 et à intégrer la dérivée y′, qu’on
obtient en utilisant l’équation différentielle.
y′(t) = f (t, y(t)) T

On cherche y(t) y(t ) = ∫ f (s, y(s))ds


0
Si f est une fonction continue sur un intervalle [0,T], bien souvent on ne sait pas
calculer une primitive de f.
.
Ainsi, si l'on désire obtenir la valeur de ∫/ 𝑓 𝑠, 𝑦 𝑠 𝑑𝑠 , il faut parfois se contenter
d'obtenir une valeur approchée à l'aide d'une méthode d'intégration numérique.

Pr : A. ZUGARI Master TSE S2 26


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-1-Méthodes à un pas
2-1-1-Méthode d’Euler (la méthode des rectangles)
On commence par subdiviser l’intervalle [0,T] en N plus petits intervalles [ti,ti+1], avec
t1=0 et tN+1=T. Puis, pour chaque intervalle [ti,ti+1], on essaie d'approcher
1234
0 𝑓 𝑠, 𝑦 𝑠 𝑑𝑠 Les moyens les plus simples sont :
12

la méthode des rectangles à gauche la méthode des rectangles à droite


Pr : A. ZUGARI Master TSE S2 27
Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-1-Méthodes à un pas
2-1-1-Méthode d’Euler

q Méthode explicite et implicite, d'ordre 1, dont l'algorithme est :

explicite
implicite

Pr : A. ZUGARI Master TSE S2 28


Chapitre I: Résolution des équations différentielles ordinaires EDO
2-1-1-Méthode d’Euler
Ø Afin d’atteindre la solution 𝑦(𝑡), sur l’intervalle 𝑡 ∈ [𝑎, 𝑏], on choisit 𝑛 + 1 points
dissemblables 𝑡0, 𝑡1, 𝑡2, ..., 𝑡𝑛, avec 𝑡0 = 𝑎 et 𝑡𝑛 = 𝑏 et le pas de discrétisation est défini
par h = (𝑏 − 𝑎)/𝑛. La solution à estimer peut être approchée par un développement
limité de Taylor

Puisque on obtient ainsi le schéma numérique d’Euler :

Cette méthode est d’ordre 1, cela veut dire que l’erreur est proportionnelle au carré du pas
(h) de discrétisation. Intuitivement, on comprend que pour améliorer la précision de cette
méthode, il suffira de réduire h. Cette réduction du pas de discrétisation aura pour
incidence l’accroissement du temps de calcul (∼ 1/h). Par ailleurs, l’avantage de la méthode
d’Euler, tire son origine du fait qu’elle réclame uniquement l’évaluation de la fonction 𝑓
pour chaque pas d’intégration.
Pr : A. ZUGARI Master TSE S2 29
Chapitre I: Résolution des équations différentielles ordinaires EDO
2-1-1-Méthode d’Euler
Ø Exemple:
̇ = 500𝑦 𝑡 + 𝑡   t𝜖 0  1
𝑦(𝑡) h=0,01 y(0)=1

Faire trois itérations avec h = 0,1 des méthodes d’Euler explicite pour les équations
différentielles suivantes :

Pr : A. ZUGARI Master TSE S2 30


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-1-1-Méthode d’Euler

Ø Une implémentation de la méthode d’Euler pour résoudre l’équation sur l’intervalle


[t0,tf] avec un pas de temps dt est donc, en code Matlab :

t = t0:dt:tf; % on fixe la grille de temps


n = length(t);
y = zeros(1,n); %on fixe la taille du tableau y
y(1) = y0; %on fixe la condition initiale
for i=1:n-1 % i+1 ne doit donc pas dépasser n
y(i+1) = y(i) + dt*f(t(i),y(i)); % schéma numérique end

Pr : A. ZUGARI Master TSE S2 31


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


Equations différentielles du second ordre
q Avant d'appliquer la méthode d'Euler par exemple, on peut rendre l’équation à une
équation du type 1er ordre. Nous allons illustrer ceci par un exemple. Soit l’équation
différentielle du second ordre suivante : x(0)=5 et x’(0)=3
x’’+7x’+10x=20

Équations différentielles d’ordre 𝑛

q N’importe quelle équation différentielle d’ordre 𝑛 peut être ramenée à un systèmes


de 𝑛 équations du premier ordre.

Pr : A. ZUGARI Master TSE S2 32


Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


ERREUR ABSOLUE, ERREUR RELATIVE
En général dans tout calcul numérique, on remplace un nombre exact x par un nombre
approché x ̃ légèrement diffèrent.
Définition
On appelle erreur absolue d’un nombre approché x ̃ la valeur absolue Eabs(x) de la
différence entre le nombre exact x et le nombre approché donné :
E a bs ( x ) = | x − x ̃ |
L’erreur relative Erel(x) d’un nombre approché x ̃ est le rapport de l’erreur absolue
Eabs(x) de ce nombre et de la valeur absolue du nombre exact

Le pourcentage d’erreur est l’erreur relative multipliée par 100.


L’erreur relative fournit une information plus pertinente sur la grandeur réelle de l’erreur.
Pr : A. ZUGARI Master TSE S2 33
Chapitre I: Résolution des équations différentielles ordinaires EDO
2-Résolution numérique des équations différentielle ordinaire EDO (suite)
2-2-2-Méthode de Runge–Kutta, d’ordre 4
q La méthode de Runge-Kutta (classique) d’ordre 4, est une méthode explicite très
populaire. Elle calcule la valeur de la fonction en quatre points intermédiaires selon :

Exemple:
y’’=xy y(1)=2 avec h =0.2
Pr : A. ZUGARI Master TSE S2 34
Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-2-2-Méthode de Runge–Kutta, d’ordre 4
Utilisation de la fonction ode45
Matlab propose sa propre méthode de résolution d’équation différentielle avec la
fonction ode45. Aller lire l’aide en ligne de cette fonction.
la syntaxe est [t, y] = ode45(odefun,tspan,y0).
Pour résoudre y(t) = 2y, y(0) = 1 sur l’intervalle de temps [0,4] , il faut donc rentrer
[t,y] = ode45(@(t,y) 2*y,[0,4],1) Ici, on définit une fonction sans nom qui renvoie 2y et
on passe une référence à cette fonction comme argument à ode45.
On aurait aussi pu définir cette fonction dans un fichier annexe fct_ode1.m et l’appeler
avec ode45(@fct_ode1, [0,4],1).
Matlab détermine tout seul sa grille de temps, on ne lui passe donc que les bornes comme
argument.
Pr : A. ZUGARI Master TSE S2 35
Chapitre I: Résolution des équations différentielles ordinaires EDO

2-Résolution numérique des équations différentielle ordinaire EDO (suite)


2-2-2-Méthode de Runge–Kutta, d’ordre 4

Remarque

ü En pratique, la fonction ode45 ne résout que des équations différentielles d’ordre


1, mais de dimension quelconque. Il faut donc ramener une équation différentielle à
une équation d’ordre 1 avant d’appeler ode45.

Pr : A. ZUGARI Master TSE S2 36


Chapitre I: Résolution des équations différentielles ordinaires EDO

3-Propriétés de la résolution d’EDO

q Plusieurs notions mathématiques sont introduites lors de la résolution d’EDO au


moyen de leurs équivalents discrétisés. Les trois principales sont la
convergence, la stabilité et la consistance, permettant de relier la solution
exacte des équations continues à la solutions exacte des équations discrétisées et
à la solutions numériques obtenue.

q A ces propriétés, il convient d’ajouter la notion de précision ainsi que des


aspects informatiques comme la facilité de mise en œuvre, les couts CPU et
mémoire.

Pr : A. ZUGARI Master TSE S2 37


Chapitre I: Résolution des équations différentielles ordinaires EDO

3-Propriétés de la résolution d’EDO


q Consistance d’une méthode
La consistance est la propriété qui assure que la solution exacte de l’équation discrétisée
tende vers la solution exacte de l’équation continue lorsque le pas de discrétisation h
tend ver 0.

q Stabilité d'une méthode


C'est la propriété qui assure que la différence entre la solution numérique obtenue et la
solution exacte des équations discrétisées reste bornée. La stabilité indique si l'erreur
augmente ou non au cours du calcul.
Une méthode peut être stable sous condition ( elle sera dite conditionnellement stable)
ou toujours stable ( elle sera dite inconditionnellement stable).

Pr : A. ZUGARI Master TSE S2 38


Chapitre I: Résolution des équations différentielles ordinaires EDO

3-Propriétés de la résolution d’EDO


q Erreurs et précision
Dans les processus récurrents ou itératifs, les erreurs s’ajoutent, ce qui a pour effet
d’amplifier l’erreur globale et de diminuer la précision du calcul.
q Ordre de précision d'une méthode
L'erreur de troncature ε est définie comme la différence entre la solution exacte y ̃ et
l'approximation numérique obtenue yn, soit : εn =| y ̃(xn) − yn |= O(hp).
L'ordre de précision de la méthode est donnée par l'entier p.

q Convergence et taux de convergence d'une méthode


Une méthode est convergente si, lorsque le pas de discrétisation tend vers 0, la solution
numérique tend vers la solution exacte de l’équation continue.
Une méthode est convergente à l'ordre l ssi :
Pr : A. ZUGARI Master TSE S2 39