Académique Documents
Professionnel Documents
Culture Documents
Chapitre 1 MDF Appliquée Aux EDP Elliptiques
Chapitre 1 MDF Appliquée Aux EDP Elliptiques
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
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
• MODELISATION MATHEMATIQUE
• MODÉLISATION NUMERIQUE
3
INTRODUCTION
Domaines d’applications
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
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
6
INTRODUCTION
Rappels sur la classification des EDP de second ordre
2u 2u 2u u u
a 2 b c 2 d e fu g
x xy y x y
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
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
u ( x, y ) u o sur
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:
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.
12
2.1 Cas 1D
(a) Maillage:
On discrétise le domaine =[0,1] en (N+1) nœuds:
h= pas de discrétisation
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
du u i 1 u i du ui 1 ui
O(x) ;
dx i x dx i x
du u u i 1 ui ui 1
i O(x) ;
du
dx i x dx i x
du u u i 1 du u ui 1
i 1 O(x) 2 ; i 1
dx i 2x dx i 2x
16
Interprétation géométrique
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
h
1
2 u i 1 2u i u i 1 f i pour i 1,...N 1 (1)
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 :
20
on arrive au système d’équations suivant:
2 x
4c b 0
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.
22
Résumé: Etapes à suivre lors de l’utilisation de la MDF
23
Fiabilité du modèle 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.
25
2.3. Cas 2D
26
Discrétisation :
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
u o, j u Nx , j 0 j
ui ,o ui , Ny 0 i
27
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
1
2
ui1, j 4uij ui1, 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
30
Exercice 5:
31