Vous êtes sur la page 1sur 31

FACULTE DES SCIENCES ET TECHNIQUES - TANGER

MASTER GENIE CIVIL

METHODES NUMERIQUES

Pr . M. MABSSOUT 2020/2021

1
SOMMAIRE

 INTRODUCTION
 I- METHODE DES DIFFERENCES FINIES (MDF)
Chapitre 1. MDF appliquée aux EDP elliptiques
Chapitre 2. MDF appliquée aux EDP paraboliques
Chapitre 3. MDF appliquée aux EDP hyperboliques

 II- METHODE DES ELEMENTS FINIS (MEF)


Chapitre 4. Éléments et leurs fonctions d’interpolations
Chapitre 5. MEF appliquée à des structures discrètes
Chapitre 6. MEF appliquée aux EDP elliptiques
Chapitre 7. MEF appliquée aux EDP dépendant du temps

2
INTRODUCTION
 Les phénomènes physiques sont décrits par des Equations aux Dérivées Partielles (EDP)
 La résolution de ces EDP par des méthodes analytiques n’est pas toujours possible
 D’où l’utilisation des méthodes numériques pour trouver une solution approchée du
problème

 Deux étapes fondamentales dans la résolution numérique d’un problème en ingénierie:

• MODELISATION MATHEMATIQUE
• MODÉLISATION NUMERIQUE

3
INTRODUCTION

 Domaines d’applications

 Génie Civil - Energie - Physique – Chimie – Biologie - Médecine


 Economie – Finance - Environnement- Météorologie
 etc.

 Objectifs: Prévision - Sécurité - Conception – Optimisation…

 Remarque: TOUJOURS VALIDER UN CALCUL NUMERIQUE

4
INTRODUCTION
 MODÉLISATION MATHÉMATIQUE

C’est une représentation d’un phénomène physique par des équations aux dérivées partielles.
Des conditions aux limites (CL) et des conditions initiales (CI) sont nécessaires pour compléter
le modèle mathématique.

 EXEMPLES

• Equation de poisson  u  f [CL ]


u
• Equation de la chaleur  u  f [CL + CI]
t
u u
• Equation d’advection v  f [CL + CI]
t x
 2u
• Equation des ondes  c 2
u  f [CL + CI]
t 2

5
INTRODUCTION

 MODELISATION NUMERIQUE
 Généralement les EDP sont non-linéaires et la solution exacte n’existe pas

 Introduire des méthodes numériques pour trouver une solution approchée du problème

 Quelques méthodes numériques :

- Méthode des Différences Finies (MDF)


- Méthode des Eléments Finis (MEF)
- Méthode des Volumes Finies (MVF)
- etc
La modélisation ou simulation numérique a pris une grande importance ces dernières décennies dans tous les
domaines de la science et des applications industrielles.

6
INTRODUCTION
Rappels sur la classification des EDP de second ordre

Soit l’EDP linéaire du second ordre :

 2u  2u  2u u u
a 2 b c 2 d e  fu  g
x xy y x y

u(x,y) est la fonction réelle à calculer.

Les coefficients a, b, c, d, e et f sont supposés constants,

Rq: L’ordre d’une EDP est l’ordre de la plus grande dérivée présente dans l’équation.

7
INTRODUCTION
Classification des EDP

 Si b  4ac  0
2
alors l'EDP est elliptique

Exemple:  u  f ( Equation de Poisson)

 Si b  4ac  0
2
alors l'EDP est parabolique
u  2 u ( Equation de la chaleur)
Exemple :   f
t x 2

 Si b  4ac  0
2
alors l'EDP est hyperbolique
 2u 2  2u
Exemple : c 0 ( Equation d’onde)
t 2
x 2

8
INTRODUCTION
Conditions aux limites

Les conditions aux limites du problème:

 Conditions aux limites de Dirichlet:

u ( x, y )  u o sur 

 Conditions aux limites de Neumann:

 Conditions aux limites mixte (Combinaisons entre les 2 conditions précédentes):


u ( x, y )
 au ( x, y )  h sur 
n

9
PARTIE I

METHODE DES
DIFFERENCES FINIES

10
Chapitre 1
MDF appliquée aux EDP elliptiques

1. Equation modèle
 L’équation modèle des EDP elliptiques est l’équation de Poisson définie par:

 2u  2u
 u ( x, y )   2  2  f ( x, y) ; ( x, y)    IR 2
x y
u ( x, y )  0 sur 
Par simplification, on suppose que la fonction u = 0 sur ∂.
 On suppose que l’EDP n’admet pas de solution analytique. Il existe de nombreuses méthodes
numériques pour obtenir une solution approchée de cette équation. L’une des méthodes, la plus
simple ( et la plus ancienne) est la méthode des différences finies qu’on développera par la suite.

 On rappelle qu’on ne calcule pas la solution exacte mais une solution approchée en un nombre fini
des points du domaine .

11
2. Méthodes des différences finies (MDF)
La MDF consiste à:

(i) Construire une maille dans le domaine d’étude 

Maillage 1D 0
Maillage 2D
x et y = pas d’espace

(ii) Discrétiser l’EDP: Approcher les dérivées partielles à l’aide des valeurs aux nœuds en utilisant le
développement de Taylor à un certain ordre.

 On passe du continu au discret

12
2.1 Cas 1D

(a) Maillage:
On discrétise le domaine =[0,1] en (N+1) nœuds:

h= pas de discrétisation

On définit le pas d’espace x=h par: x N  xo 1


x  
N N
Les coordonnées du nœud i: x(i )  xi  xo  ix  ix 0i N

et xi 1  xi  x i

13
(b) Approximation des dérivées partielles

Rappelons qu’en DF, la fonction continue u(x) est remplacée par un nombre fini de valeurs ui , 0≤i≤N.
u i  u ( xi ); 0  i  N

• L’objectif est de calculer les valeurs discrètes ui qui représentent une bonne approximation de la solution
exacte u(xi).

• Donc la résolution d’un problème continu de dimension infinie est remplacée par un problème de dimension
finie ( qui consiste à calculer le vecteur ui (i=1,N)).

En écrivant les développements de Taylor de la fonction u(x) au voisinage de xi, on déduit facilement les
formules aux différences finies.

14
En différences finies, la dérivée de u en xi est donc:

C’est un schéma aux différences finies décentré à droite, Il est du premier ordre.

15
 Approximation des dérivées premières

 Schéma aux différences finies décentrée avant ou à droite (ordre 1)

du u i 1  u i du ui 1  ui
  O(x) ; 
dx i x dx i x

 Schéma aux différences finies décentrée arrière ou à gauche (ordre 1)

du u  u i 1 ui  ui 1
 i  O(x) ;
du

dx i x dx i x

 Schéma aux différences finies centrée (ordre 2)

du u  u i 1 du u  ui 1
 i 1  O(x) 2 ;  i 1
dx i 2x dx i 2x

16
 Interprétation géométrique

Remarquons qu’on aura une bonne approximation


si x est faible.

 Approximation des dérivées secondes

En écrivant le développement de Taylor de ui+1 et ui-1 au voisinage de xi, on arrive facilement à l’approximation
de la dérivée seconde de u:

 2u ui 1  2ui  ui 1
  O ( x ) 2 (Schéma à 3 points)
x 2 i x 2

17
 Application : Rappelons le problème 1D à résoudre par DF
d 2 u ( x)
 2
 f ( x) x  0,1
dx
u (0)  u (1)  0

- Maillage uniforme de l’intervalle [0,1] avec le pas d’espace: h = x = 1/N

- Écrire l’équation au nœud xi:


d 2u
 2  fi pour i  1,...N  1
dx i
En approximant la dérivée seconde par la formule aux DF centrées, on obtient le schéma numérique suivant:

h
1
 
 2 u i 1  2u i  u i 1  f i pour i  1,...N  1 (1)

- Conditions aux limites discrètes: u o  0 et u N  0 ( imposer directement les CL de Dirichlet)

18
On obtient donc un système linéaire de (N-1) équations à (N-1) inconnues. Le vecteur inconnu est

U  (u1 ,...,u N 1 ) T
Ce schéma numérique peut s’écrire sous forme matricielle :

 2  1 0 .... 0  u1   f1 
    
  1 2  1 ..... 0  .   . 
1 
0 . . . 0  .    . 
h2     
 0 ... . .  1 .   . 
 0 ... 0  1 2  u   f N 1 
  N 1  

1
Ou bien AU  F  U  A F
Remarque : A est une matrice tridiagonale, symétrique définie positive; donc inversible.

19
Exercice1: Déterminer un schéma aux différences finies de la dérivée (ux)i en fonction de ui, u i-1 et u i-2 :

aui  bui 1  cui  2


(u x ) i   0(x 2 )
x

Par développement de Taylor de ui-1, ui-2 en xi:

20
on arrive au système d’équations suivant:

abc  0 3ui  4ui 1  ui  2


2c  b  1  (u x ) i   0(  x )
2

2 x
4c  b  0

Exercice 2: Ecrire un schéma aux différences finies de l’équation suivante :


 u ( x)  c( x)u ( x)  f ( x) 0  x 1
u (0)   et u(1)  

Exercice 3: Ecrire un schéma aux différences finies de l’équation suivante :

21
Discrétisation de la condition aux limites de Neumann :

Schéma 1:

Rq: la précision globale du schéma dépend de la précision sur la discrétisation des conditions aux limites.

Schéma 2: Introduire un nœud fictif (i=N+1) dans le maillage du domaine [0,1]


Avantage: Garder l’ordre 2 du schéma numérique.

22
Résumé: Etapes à suivre lors de l’utilisation de la MDF

 Maillage du domaine d’étude


 Discrétiser l’EDP et les conditions aux limites
 Ecrire les équations discrétisées sous forme matricielle
 Résoudre le système d’équations
 Post-traitement : Calcul des variables secondaires ( Contrainte – flux, etc)

23
Fiabilité du modèle numérique :

La solution numérique converge-t-elle vers la solution exacte de l’EDP?

 Analyser l’erreur introduite lors de la discrétisation de l’EDP


 Consistance d’un schéma numérique….

24
2.2. Consistance d’un schéma aux différences finies
Erreur de troncature :

Définition:

 l’erreur de troncature Ei d’un schéma est l’ensemble des termes négligés dans le
développement de Taylor lors de l’obtention du schéma aux différences finies.

 Un schéma aux DF est dit consistant avec l’EDP si l’erreur de troncature tend vers 0
Lorsque le pas d’espace x tend vers 0.

 On dit que le schéma est précis à l’ordre p si l’erreur de troncature tend vers 0 comme (x)p
lorsque x tend vers 0.

Exercice 4: Vérifier la consistance du schéma 1.

25
2.3. Cas 2D

On considère l’équation de Poisson en 2D:

Appliquons la MDF pour résoudre numériquement cette équation:

 Maillage : On définit 2 pas d’espace x et y


  0,1x0,1
y
1 1
j +1 x  y 
Nx Ny
(i,j) xi = xo + i x
j (i-1,j) (i+1,j)
yj = yo + j y
y
j -1
0  i  Nx 0  j  Ny
x x
i -1 i i +1
ui j  u( xi , x j ) au point d' indice (i, j) du maillage

26
 Discrétisation :

A partir des développements de Taylor de u(x,y) au voisinage du point (xi,yj), on obtient:

 2u ui 1, j  2u ij  ui 1, j  2u ui , j 1  2u ij  ui , j 1
  o(x) 2
  o(y) 2
x 2 x 2 ; y 2 i, j
y 2
i, j

u i 1, j  2u ij  u i 1, j u i , j 1  2u ij  u i , j 1
 u ( xi , y j )     f ij
x 2 y 2

Les conditions aux limites de Dirichlet discrètes sont données par:

u o, j  u Nx , j  0 j

ui ,o  ui , Ny  0 i

27
Schéma à 5 points:

1
𝑗+1

1 ui 1, j  ui 1, j  ui , j 1  ui , j 1  4uij


𝑗
1
  f ij
4 x 2

𝑗−1 1

𝑖−1 𝑖 𝑖+1

28
 L’inconnue ui,j est indicée par 2 entiers i et j. En pratique, on utilise 1 seul
indice pour stocker l’inconnue sous forme d’un vecteur. On peut ranger les
inconnues « ligne par ligne » ou « colonne par colonne ».

U  u1,1 , u 2,1 ......u Nx 1,1 , u1, 2 , u 2, 2 ......u Nx 1, 2 .....u1, Ny 1 , u 2, Ny 1 ......u Nx 1, Ny 1 

Le vecteur U contient M  ( N x  1) x( N y  1) composantes

1
2
 ui1, j  4uij  ui1, j  ui, j 1  ui, j 1   f ij
h
1  i  N x 1 1  j  N y 1

u o, j  u Nx , j  0 j ui ,o  ui , Ny  0 i

Système d’équations linéaires : AU  F


29
𝑗=2

𝑖=2 𝑁𝑥

Numérotation des inconnues ligne par ligne:

30
Exercice 5:

Résoudre l’équation de Laplace suivante:

31

Vous aimerez peut-être aussi