Classifications des équations aux dérivées partielles(EDP)

Conditions aux limites:

Approximation des dérivées:
Matrices
Schéma général du MDVF

Notions fondamentales

A. Boucena

Université 20 Août 55 Skikda

Département de Mathématiques

2016-2017

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Plan

1 Classifications des équations aux dérivées partielles(EDP)

2 Conditions aux limites:

3 Approximation des dérivées:

4 Matrices

5 Schéma général du MDVF

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Plan

1 Classifications des équations aux dérivées partielles(EDP)

2 Conditions aux limites:

3 Approximation des dérivées:

4 Matrices

5 Schéma général du MDVF

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Plan

1 Classifications des équations aux dérivées partielles(EDP)

2 Conditions aux limites:

3 Approximation des dérivées:

4 Matrices

5 Schéma général du MDVF

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Plan

1 Classifications des équations aux dérivées partielles(EDP)

2 Conditions aux limites:

3 Approximation des dérivées:

4 Matrices

5 Schéma général du MDVF

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Plan

1 Classifications des équations aux dérivées partielles(EDP)

2 Conditions aux limites:

3 Approximation des dérivées:

4 Matrices

5 Schéma général du MDVF

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

EDP

‘
Definition
Une équation aux dérivées partielles (E.D.P) est une relation
faisant intervenir les variables indépendantes x1 , . . . . . . , xn , la
fonction U et ses dérivées partielles.

Exemple
Si U est une fonction de deux variables, une E.D.P peut s’écrire
par la relation :

F(x, y, U, Ux , Uy , Uxx , Uxy , Uyy , Ux2 y , Uxy2 , Ux3 , Uy3 , ...) = 0

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Ordre d’une EDP

Definition
On appelle ordre de l’E.D.P l’ordre le plus élevé des dérivées
partielles intervenant dans l’E.D.P.

Exemple

Ux2 y + 3Uxx + xUyy + Ux + U + c = 0 est d’ordre 3

4 (Uxy )2 + (Uxx − Uyy )2 − c = 0 est d’ordre 2

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

EDP linéaire

Definition
L’E.D.P est dite linéaire si f est linéaire par rapport à ses
arguments U et ses dérivées partielles.

Exemple l’E.D.P du second ordre :

AUxx + BUyy + CUxy + DUx + EUy + FU + G = 0 )(1

est linéaire si les coefficients ne dépendent que de (x, y)

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Classification mathématique des E.D.P linéaires du 2nd

ordre(cas de deux variables indépendantes

De très nombreux phénomènes physiques se traduisent par des

E.D.P linéaires du second ordre du type (1) .
Il y a trois types d’équations aux dérivées partielles représentés
par l’équation (1), selon la quantité du∆ = B2 − 4AC
Lorsque ∆ < 0 l’équation (1) est dite du type elliptique.
Lorsque ∆ = 0 ,elle est dite du type parabolique.
Lorsque ∆ > 0, elle est dite du type hyperbolique.

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Exemples

1 Equation de Poisson
∆(U) = f
est une E.D.P elliptique
2 Equation de la chaleur
∂U
= ∆(U) + f
∂t
est une E.D.P parabolique
3 Equation des ondes
∂2U
= ∆(U) + f
∂t2
est une E.D.P hyperbolique

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Types de Conditions aux limites

1 Lorsqu’on précise la valeur de la solution u du EDP sur la
frontière ∂Ω du domaine Ω
U|∂Ω = U0

la condition aux limites est dite du type Dirichlet.

2 Lorsqu’on impose le flux de la solution U à travers la
frontière. c.a.d: :
∂U
|∂Ω = U0
∂n
la condition aux limites est alors dite du type Neumann
3 Si on impose une relation entre la valeur de U sur la
frontière et le flux à travers celle-ci, la condition aux limites
est dite de type mixte.
Mster1 Notions fondamentales
Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Approximation des dérivées en 1D

Theorem
Les formules suivantes donnent des approximations des dérivées
de f au point x :

f (x + h) − f (x)
f′ (x) = + O (h) )(2
h
f (x) − f (x − h)
f′ (x) = + O (h) )(3
h
f (x + h) − f (x − h) ( )
f′ (x) = + O h2 )(4
2h
f (x + h) − 2f (x) + f (x − h) ( )
f′′ (x) = + O h2 )(5
h2

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Approximation des dérivées en 2D

Soit U(x, y) une fonction de deux variables indépendantes que
nous supposerons suffisamment différentiable. Si nous écrivons
son développement en séries de Taylor en un point (x + h, y + k)
, nous avons :
∂U ∂U h2 ∂ 2 U
U(x + h, y + k) = U(x, y) + h (x, y) + k (x, y) + (x, y) +
∂x ∂y 2! ∂x2
( )
k2 ∂ 2 U 1 ∂ ∂ (n−1)
(x, y) + . . . + h +k U(x, y) + Rn
2! ∂y2 (n − 1)! ∂x ∂y
avec le résidu Rn donné par :
( )
1 ∂ ∂ n
Rn = h +k U(x+εh, y+ηk) ε ∈]0, 1[ , η ∈]0, 1[
n! ∂x ∂y
‘
Mster1 Notions fondamentales
Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Approximation des dérivées en 2D

En développant en séries de Taylor pour j

,Ui+1,j , Ui−1,j , Ui+2,j , Ui−2,j autour de la valeur centrale Ui,j ,
nous obtenons :
h2 h3 h4
Ui−1,j = Ui,j − hUx + Uxx − Uxxx + Uxxxx + R5
2! 3! 4!
h2 h3 h4
Ui+1,j = Ui,j + hUx + Uxx + Uxxx + Uxxxx + R′5
2! 3! 4!
8 2
Ui−2,j = Ui,j − 2hUx + 2h2 Uxx − h3 Uxxx + h4 Uxxxx + R′′5
6 3
8 3 2
Ui+2,j = Ui,j + 2hUx + 2h Uxx + h Uxxx + h4 Uxxxx + R′′′
2
5
6 3

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Approximation des dérivées en 2D

En négligeant les termes d’ordre 2 et plus dans les équations

précédentes nous obtenons :

∂U Ui+1,j − Ui−1,j
|i,j = + O(h2 )
∂x h2

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Approximation des dérivées en 2D

‘ A l’aide du développement de Taylor, nous obtenons aussi :

∂2U Ui+1,j − 2Ui,j + Ui−1,j

|i,j = + O(h2 )
∂x2 h2

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Approximation des dérivées en 2D

Les approximations de Uy et Uyy sont obtenues de la même
façon et sont données ci-dessous :

∂U Ui,j+1 − Ui,j
|i,j = + O(k) )(6
∂y k
∂U Ui,j − Ui,j−1
|i,j = + O(k) )(7
∂y k

∂U Ui,j+1 − Ui,j−1
|i,j = + O(k2 ) )(8
∂y 2k
)(9
∂2U Ui,j+1 − 2Ui,j + Ui,j−1
|i,j = + O(k2 )
∂y2 k2
Mster1 Notions fondamentales
Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Approximation des dérivées en 2D

[ ] ∂U ∂U
∂2U ∂ ∂U |i,j+1 − |i,j−1
|i,j = = ∂x ∂x + O(k2 )
∂x∂y ∂y ∂x i,j 2k
En utilisant l’approximation de Ux par des différences finies
centrées d’ordre 2, nous obtenons :
∂U Ui+1,j+1 − Ui−1,j+1
|i,j+1 = + O(h2 )
∂x 2h
∂U Ui+1,j−1 − Ui−1,j−1
|i,j−1 = + O(h2 )
∂x 2h
Finalement :
∂2U 1
|i,j = [Ui+1,j+1 − Ui−1,j+1 − Ui−1,j−1 + Ui+1,j−1 ]+O(h+k2 )
∂x∂y 4hk
Mster1 Notions fondamentales
Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Matrice symétrique définie positive

Definition
Soit A ∈ Mn (R)
on dit que A est symétrique si At = A
on dit que A est définie positive si xt Ax > 0 , ∀x ∈ Rn , x ̸= 0

Theorem
Soit A ∈ Mn (R) .
Si A est symétrique et définie positive alors A est inversible.

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Matrices monotones

Definition
Une matrice A ∈∈ Mn (R) est dite monotone si A est inversible
et si A−1 ≥ 0 i.e. tous les coefficients de A−1 sont positifs ou
nuls.

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Matrices monotones
La terminologie est en fait justifée par le résultat suivant.
Theorem
Une matrice A est monotone si et seulement si
(Ax ≥ 0 ⇒ x 1 0).

Proof.
-Supposons tout d’abord que A soit une matrice monotone et
considérons x ∈ RN tel que Ax ≥ 0.
Montrons que x ≥ 0. La matrice A étant inversible. On écrit
x = A−1 Ax. Comme A−1 ≥ 0 et que Ax ≥ 0, on en déduit que
x ≥ 0.

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Matrices monotones

Proof.
Supposons maintenant que que la propriété (Ax ≥ 0 ⇒ x ≥ 0)
soit vrais. Montrons d’abord que A est inversible. Soit x ∈ Rn
tel que Ax = 0. On déduit de l’hypothèse que x ≥ 0. De plus,
on a A(−x) = 0 d’ou l’on déduit également que −x ≥ 0. On a
ainsi établi que x = 0. il rest à montres que A−1 ≥ 0. Soit
alors y ∈ Rn tel que y ≥ 0 et on pose x = A−1 y et par
conséquent y = Ax ≥ 0. L’hypothèse implique que x ≥ 0 et
donc que A−1 y ≥ 0. Par des choix convenables de
y(y = (1, 0, · · · , 0)T , y = (0, 1, 0, · · · , 0)T , · · · , y = (0, · · · , 0, 1)T ),
on en déduit que A−1 ≥ 0 .

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Schéma général

Pour résoudre un probléme EDP par la méthode des différences

finie, il faut faire les 8 étapes dans schéma suivant:

Mster1 Notions fondamentales

Classifications des équations aux dérivées partielles(EDP)
Conditions aux limites:
Approximation des dérivées:
Matrices
Schéma général du MDVF

Schéma général

Mster1 Notions fondamentales