Cours MDF Master

Table des matières
1 Plateforme pédagogique du cours 3

1 Note au lecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 Méthodes Pédagogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4 Pré - Requis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5 Fonctionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6 Travail à eectuer et contrôle continu . . . . . . . . . . . . . . . . . . . . . . . . . . 5
7 Modalités d'évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
8 Planning des séances et déroulement du programme . . . . . . . . . . . . . . . . . 5
9 Travaux Pratiques / Projets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
10 Bibliographie Générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Approximation par diérences nies 9

1 Analyse Numérique des équations aux dérivées partielles (EDP) . . . . . . . . . . . 11
2 Equations Aux Dérivées Partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Concepts Fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Exemples et un peu de vocabulaire . . . . . . . . . . . . . . . . . . . . . . . 13
2.4 Notion de problème bien posé . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 Méthode des diérences nies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.1 Approximation des dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Problème Approché . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Problèmes elliptiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.1 Modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Problème Général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Exercices à corriger en classe . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5 Problèmes évolutifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.1 Equation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.2 Schéma Explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.3 Schéma implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.4 θ-Méthode, Schéma de Crank - Nicolson . . . . . . . . . . . . . . . . . . . . 23
6 Consistance, stabilité et convergence . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.1 Consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.2 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6.3 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7 Analyse de la stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7.1 Résultats préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
7.2 Analyse du schéma explicite : un+1 = (I + λTd )un . . . . . . . . . . . . . . 27
7.3 Schéma implicite : (I − λTd )un+1 = un . . . . . . . . . . . . . . . . . . . . 27
7.4 Schéma de Crank - Nicolson : un+1 = (I − λθTd )−1 (I + λ(1 − θ)Td )un . . . 28
8 Equation des ondes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

2 TABLE DES MATIÈRES
8.1 Schéma explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

8.2 Schéma implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
9 Conclusion sur la méthode des diérences nies . . . . . . . . . . . . . . . . . . . . 30
10 Exercices à corriger en classe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
11 Méthodes Indirectes de Résolution des Systèmes Linéaires . . . . . . . . . . . . . . 31
11.1 Principe des méthodes indirectes . . . . . . . . . . . . . . . . . . . . . . . . 31
11.2 Etude de la convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
11.3 Les techniques itératives classiques . . . . . . . . . . . . . . . . . . . . . . . 32
11.4 Exercices à corriger en classe . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 Travaux Pratiques / Projets 35

1 Objectifs et Compétences acquises . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2 Thème des projets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Sujet : Projet - M.D.F (01) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4 Sujet : Projet - M.D.F (02) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5 Sujet : Projet - M.D.F (03) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6 Sujet : Projet - M.D.F (04) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
7 Sujet : Projet - M.D.F (05) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
8 Sujet : Projet - M.D.F (06) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
9 Sujet : Projet - M.D.F (07) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
10 Sujet : Projet - M.D.F (08) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
11 Sujet : Projet - M.D.F (09) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
12 Sujet : Projet - M.D.F (10) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
13 Sujet : Projet - M.D.F (11) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
14 Sujet : Projet - M.D.F (12) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
15 Sujet : Projet - M.D.F (13) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
16 Sujet : Projet - M.D.F (14) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
17 Sujet : Projet - M.D.F (15) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
18 Sujet : Projet - M.D.F (16) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
19 Sujet : Projet - M.D.F (17) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
20 Sujet : Projet - M.D.F (18) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
21 Sujet : Projet - M.D.F (19) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
22 Sujet : Projet - M.D.F (20) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
23 Sujet : Projet - M.D.F (21) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

Chapitre 1
Plateforme pédagogique du cours
Sommaire
1 Note au lecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 Méthodes Pédagogiques . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4 Pré - Requis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5 Fonctionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6 Travail à eectuer et contrôle continu . . . . . . . . . . . . . . . . . . 5
7 Modalités d'évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
8 Planning des séances et déroulement du programme . . . . . . . . . 5
9 Travaux Pratiques / Projets . . . . . . . . . . . . . . . . . . . . . . . . 6
10 Bibliographie Générale . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

4 Plateforme pédagogique du cours
1 Note au lecteur
1) Ce document est un support de cours : la participation à une formation et les lectures
recommandées sont essentielles pour une bonne maîtrise du sujet.
Toute approche théorique est volontairement écartée ; le maintien d'une rigueur nécessaire en
est d'autant plus dicile et parfois délicat. Une telle approche facilitant la découverte des concepts
fondamentaux, est un premier pas vers une formation plus théorique pour tous ceux qui ont les
connaissances requises.
Chacun sait combien la qualité de la présentation d'un texte pédagogique contribue à sa com-
préhension.
2) Chaque chapitre propose
- Le cours proprement dit, composé des dénitions, propriètés et théorèmes dont la connais-
sance est indispensable.
- Ce cours est illustré d'exemples importants et d'exercices d'applications à corriger en
classe.
- Des cas pratiques de synthèse qui visent à l'assimilation du cours et à l'acquisition de
techniques classiques de résolution pratiques de problèmes réels sous forme de mini projets.
3) Des méthodes pour réussir
Pour progresser et réussir le cours d'Analyse Numérique II, vous devez commencer par améliorer
vos méthodes de travail. Pour cela, il faut :
- bien organiser votre temps et être ecace
- bien apprendre votre cours
- savoir analyser vos erreurs
- bien connaitre l'outil informatique
- posséder une méthode de travail régulière et rigoureuse
2 Objectifs du cours
Ce cours d'Analyse Numérique II est un cours de base obligatoire. Les étudiants ont la
possibilité de le suivre en 1ère Année. Il est précédé par le cours de première année dont il est la
suite logique, et constitue un enseignement indispensable pour le métier d'ingénieur. Il est destiné
à examiner les équations aux dérivées partielles et la méthode des diérencers nies.
Ce cours a pour objectifs :
1 - Fournir des méthodes de résolution numériques pour quelques classes de problèmes.
2 - Comprendre le principe et les idées de ces méthodes (aspets mathématiques et mise
en oeuvre).
3 - Etre capable devant un problème pratique simple de choisir la bonne méthode et de
la mettre en oeuvre.
4 - Mettre en oeuvre sur machine la résolution de problèmes réels en utilisant les
méthodes développées dans le cours.
3 Méthodes Pédagogiques
Dans chacune des séances du cours, l'étudiant
- reçoit des apports précis sur le cas de la séance ;
- participe à l'analyse du cas, à la résolution d'exercices et à la discussion de certains
points du programme.
Il est remis à chaque étudiant :
- le syllabus du cours,
- le polycopié,
- le dossier des exercices et des cas,
- le projet des travaux pratiques

4 Pré - Requis 5
Ces dossiers ne dispensent pas l'étudiant d'eectuer les lectures de certaines parties d'ouvrages
indiqués.
4 Pré - Requis
a) Cours de 1ère année
b) Algébre matricielle
c) Analyse Mathématique
d) Programmation
5 Fonctionnement
La présence est obligatoire. Un étudiant absent plus de deux séances est considéré comme
démissionnaire sauf justication valable. (Application du réglement intérieur d'absence de l'école).
Les travaux devront être remis en temps voulu au professeur.
6 Travail à eectuer et contrôle continu

- lectures obligatoires avant chaque séance (voir programme par séance)
- un projet sur ordinateur (travaux pratiques)
- un ou deux quiz
- un contrôle continu d'une heure et demie et portant sur la totalité du programme et
comprend des questions ou des développements au choix, des exercices et / ou l'étude d'un cas.
7 Modalités d'évaluation
Les modalités d'évaluation ont un double objectif :
- objectif 1 : évaluer un savoir (compréhension des concepts, connaissance des méthodes)
- objectif 2 : évaluer un savoir-faire (mise en oeuvre des méthodes sur des cas concrets et
pratiques et résolution numérique de problèmes réels).
Contrôle continu (écrit)........................................................................50%
Participation en classe, quiz, travaux à réaliser à domicile..................10%
Travaux pratiques (un projet sur ordinateur)......................................40%
Les conditions de mise en oeuvre de cette évaluation doivent être respectées scrupuleusement.
En particulier, toute absence non justiée par certicat médical à l'une des épreuves entraînera la
note zéro.
Remarque importante
Il est essentiel que l'étudiant considère cette évaluation non comme un contrôle mais comme
l'une des composantes de base de son processus d'apprentissage.
8 Planning des séances et déroulement du programme

N◦ Programme de la séance type Travail à faire avant chaque séance

Présentation des objectifs du cours
1 Cours Revoir le cours de 1ère année
Traitement d'un problème numérique
Approximation des dérivées Cours
2 Introduction à la MDF
Problème approché T.D
Problème elliptique Cours
3 Préparer le chap 1
Exercices corrigés T.D
Equation des ondes Cours
4 Préparer le chap 2
Schémas explicite et implicite T.D
5 Exercices d'applications T.D Exercices des chap1&2
Equation de la chaleur Cours
6 Préparer le chap.3
Schéma de Crank - Nicolson T.D
7 Exercices d'applications T.D Exercices du chap.3
8 Exercices d'applications T.D Exercices du chap.3
Méthodes de Jacobi
Cours
9 Gauss-Seidel Chap.4
T.D
Relaxation
Cours
10 Etude de cas Exercices et mise au point
T.D
11 Contrôle continu
9 Travaux Pratiques / Projets
Objectifs (en termes de compétences)

L'objectif général du mini projet est l'acquisition de compétences de base en simulation numé-
rique. Cela comporte trois aspects :
(1) la maîtrise de méthodes numériques de base, accompagnée d'une compréhension des prin-
cipes sous-jacents,
(2) l'aptitude à l'esprit de rigueur an de pouvoir valider et estimer la abilité d'un résultat
numérique,
(3) l'implémentation d'une méthode numérique.
A l'issue de cet enseignement, les étudiants seront capables de
F distinguer entre réalité physique, modèle mathématique et solution numérique ;
F comprendre les méthodes numériques et leurs propriétés : précision, convergence, stabilité ;
F choisir une méthode en tenant compte d'exigences de précision et de complexité ;
F mettre en ÷uvre une méthode numérique ;
F interpréter de manière critique des résultats obtenus sur un ordinateur.
=> Le compte rendu devra être rendu au plus tard le mercredi 15 décembre à 18h00, au
professeur Hamid El Ouardi. Chaque jour ou fraction de jour de retard conduira à une pénalité
de deux points sur la note. Votre compte-rendu devra comprendre :
- la formulation du problème
- une discussion sur la résolution du problème et sur la méthode utilisée
- les résultats obtenus et une discussion critique
- conclusion avec bibliographie éventuelle
- des graphes le listing du programme utilisé
La discussion critique des résultats est essentielle. Il est inutile de produire une dizaine de
graphes sans les commenter. Si un résultat vous paraît anormal, cherchez-en la cause. Le niveau
de diculté varie d'un sujet à l'autre.
L'appréciation du Travaux Pratiques / Projets portera sur :
a) La qualité des programmes (6 points) ;
b) L'analyse des résultats (8 points) ;

10 Bibliographie Générale 7
c) La qualité de la présentation (6 points).

=> Aucun retard ne sera toléré et aucune excuse ne sera envisagée.
=> Chaque binôme doit garder ses programmes et ses résultats sur ordinateur.
=> Remettre un rapport (pas plus de 15 pages).
=> Un rapport par binôme.
=> Prévoir, en plus des séances de TP encadrées, 6 heures de travail personnel sur ordinateur
et quatre heures de réexion et de rédaction.
Remarque : il est demandé aux étudiants de réaliser " hors cours" les travaux qu'ils n'auraient
pas eu le temps d'exécuter durant les séances de TP. En particulier
1- Préparer les organigrammes,
2- Préparer les programmes avant la séance.
10 Bibliographie Générale
Titre Auteurs Editeurs Remarques

Approximation et M.SIBONY
Hermann ***
équations diérentielles(T1-T2) MARADON
Analyse numérique matricielle P.LASCAUX
Masson **
appliquée à l'art de l'ingénieur R.THEODOR
Mathématiques et CAO P.GERMAIN
Hermès *
calcul scientique LACOUR
Méthodes numériques A.GOURDIN
Tec et Doc ***
Appliquées M.BOUMHARAT
*** Ouvrages convenant particulièrement bien à l'esprit du cours d'analyse Numérique II dans
une école d'ingénieurs.
** Bon ouvrage de base couvrant tout ou une partie du cours.
* Ouvrage intéressant par son approche.


Chapitre 2
Approximation par diérences nies
Sommaire
1 Analyse Numérique des équations aux dérivées partielles (EDP) . . 11
2 Equations Aux Dérivées Partielles . . . . . . . . . . . . . . . . . . . . 11
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Concepts Fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Exemples et un peu de vocabulaire . . . . . . . . . . . . . . . . . . . . . 13
2.4 Notion de problème bien posé . . . . . . . . . . . . . . . . . . . . . . . . 13
3 Méthode des diérences nies . . . . . . . . . . . . . . . . . . . . . . . 13
3.1 Approximation des dérivées . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Problème Approché . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2.1 Condition de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . 15
3.2.2 Condition de Neumann . . . . . . . . . . . . . . . . . . . . . 15
3.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Problèmes elliptiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.1 Modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Problème Général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Exercices à corriger en classe . . . . . . . . . . . . . . . . . . . . . . . . 20
5 Problèmes évolutifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.1 Equation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.2 Schéma Explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.3 Schéma implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.4 θ-Méthode, Schéma de Crank - Nicolson . . . . . . . . . . . . . . . . . . 23
6 Consistance, stabilité et convergence . . . . . . . . . . . . . . . . . . . 24
6.1 Consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.2 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6.3 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7 Analyse de la stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7.1 Résultats préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
7.2 Analyse du schéma explicite : un+1 = (I + λTd )un . . . . . . . . . . . . 27
7.3 Schéma implicite : (I − λTd )un+1 = un . . . . . . . . . . . . . . . . . . 27
7.4 Schéma de Crank - Nicolson : un+1 = (I − λθTd )−1 (I + λ(1 − θ)Td )un 28
8 Equation des ondes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.1 Schéma explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
8.2 Schéma implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
9 Conclusion sur la méthode des diérences nies . . . . . . . . . . . . 30
10 Exercices à corriger en classe . . . . . . . . . . . . . . . . . . . . . . . 30
11 Méthodes Indirectes de Résolution des Systèmes Linéaires . . . . . 31

10 Approximation par diérences nies
11.1 Principe des méthodes indirectes . . . . . . . . . . . . . . . . . . . . . . 31

11.2 Etude de la convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
11.3 Les techniques itératives classiques . . . . . . . . . . . . . . . . . . . . . 32
11.3.1 Méthode de JACOBI . . . . . . . . . . . . . . . . . . . . . . . 32
11.3.2 Méthode de GAUSS-SEIDEL . . . . . . . . . . . . . . . . . . . 33
11.3.3 Les techniques de sur-relaxation et de sous relaxation . . . . . 33
11.4 Exercices à corriger en classe . . . . . . . . . . . . . . . . . . . . . . . . 34

1 Analyse Numérique des équations aux dérivées partielles (EDP) 11
1 Analyse Numérique des équations aux dérivées partielles

(EDP)
Pour aborder le calcul numérique (à l'aide d'un outil informatique) des solutions d'un problème
réel, on passe par des étapes.
Pour tous les problèmes, on doit faire une grande quantité d'analyse avant de s'intéresser
à l'ordinateur, car celui-ci n'est qu'une machine qui ne sait éxécuter des opérations logiques et
arithmétiques élèmentaires. On peut séparer la résoution d'un problème en sept étapes nettement
distinctes :
1. Identication (description qualitative des phénomènes physiques)
2. Modélisation (modèle mathématique)
3. Analyse mathématique
4. Discrétisation : Organigramme
5. Résolution numérique : Programmation
6. Mise en oeuvre
7. Analyse des résultats
Etape 1 : Identication des lois fondamentales de la physique, de la chimie, des sciences

de l'ingénieur, de l'organisateur etc. impliquées dans la dénition du problème. Cette étape est
éectuée par des spécialistes des phénomènes que l'on veut quantier.
Etape 2 : Modélisation. Celle-ci peut consister en l'utilisation des lois identiées pour décrire le
problème par un ensemble d'équations mathématiques (modèle de connaissance) ou en l'utilisation
d'observations expérimentales mathématisées (modèle de conduite).
Etape 3 : La plupart des problèmes scientiques sont exprimés en termes qu'un ordinateur
ne peut accepter directement (Intégrales, E.D.P). Il faut donc trouver une méthode numérique :
(M.D.F, M.E.F) et un algorithme.
Etape 4 : On fait apparaître sur un schéma l'enchaînement des diérentes phases, de travail
à eectuer, correspondant à la méthode choisie.
Etape 5 : Traduction de l'organigramme en une suite d'instructions détaillées, dans un langage
évolué :(Pascal, C, V.B, Fortran,...).
Etape 6 : Étape de correction et d'essai-erreur.
Etape 7 : Résultat fourni par l'ordinateur contient des erreurs signicatives, si oui, reprendre
l'étape 3.
- Le modèle mathématique (E.D.P) est-il une représentation adéquate du processus réel ? si
non, reprendre l'étape 2.
2 Equations Aux Dérivées Partielles

2.1 Généralités
En vue du passage d'un problème exact (continu) au problème approché (discret), on dispose
de plusieurs techniques concurrentes et complémentaires : les diérences nies, les éléments nis
et les volumes nis. Chacune de ces trois méthodes correspond à une formulation diérente des
équations de la physique.
Un grand nombre de problèmes d'ingénierie se réduisent à des équations aux dérivées
partielles qui, à cause de leur compléxité, doivent être remplacées par des approximations.
Nous présentons dans ce cours la théorie concernant les équations aux dérivées partielles et une
méthode d'approximation de ces équations. La méthode des diérences nies qui, bien que
déjà ancienne, est encore trés utilisée car d'une mise en oeuvre assez simple. Nous présentons cette
méthode comme une méthode de l'Analyse Numérique ; cela permettera aux élèves de faire le lien

entre les mathématiques (E.D.P), la mécanique, l'électricité et l'informatique considéré comme

l'outil indispensable de l'Analyse Numérique (par l'intermédiare de l'algorithmique numérique).
Un vaste choix d'exercices en n de chaque chapitre garantie une assimilation progressive et
solide de cette méthode.
Pour bien comprendre et interpréter (sinon réaliser) les simulations numériques, il faut un
minimum de bases théoriques et pratiques !
Un mini- projet (sur ordinateur ) sera proposé pour chaque binôme.
2.2 Concepts Fondamentaux

Notations et dénitions
Les équations aux dérivées partielles sont aux fonctions de plusieurs variables ce que les équa-
tions diérentielles sont aux fonctions d'une variable réelle. Elles expriment, sous forme d'égalités,
des relations que doivent satisfaire les dérivées partiellesd'une certaine fonction inconnue u de plu-
sieurs variables an de décrire un phénomène physique. On rencontre de telles équations dès qu'on
s'intéresse à des questions de modélisation : en physique, en électromagnétisme, en mécanique du
solide et des uides bien sûr, mais aussi en biologie, en chimie, en économie, en nance...Savoir
manipuler des équations aux dérivées partielles fait de nos jours partie du quotidien de l'ingénieur.
L'objectif de ce cours est d'introduire à l'étude et à la résolution approchée sur ordinateur des
équations aux dérivées partielles les plus simples qu'on rencontre dans les applications.
Les variables indépendendantes sont désignées par x, y, z, ........ et les variables dépendantes
par u, v, w, .....
Exemple
∂2u ∂2u ∂2u
u = u(x, y, z) , ux = ∂u ∂u
∂x , uy = ∂y , uxx = ∂x2 , uyy = ∂y 2 , uxy = ∂x∂y , ..
Les équations que l'on rencontre le plus souvent, sont les équations de premier et de second
ordre. Celles-ci sont représentées par l'expression générale :
∂2u ∂2u ∂2u ∂u ∂u

a 2
+b +c 2 +d +e + f u= g
∂x ∂x∂y ∂y ∂x ∂y
où, a, b, c, d, e et f peuvent dépendre de x, y et même de u. L'ordre de l'équation est donné par

l'ordre de la dérivée la plus élevée intervenant dans l'équation. Alors, si a, b où c sont diérents de
zéro, l'équation est de second ordre. Par contre, lorsque a = b = c = 0 et que f et e ne sont pas
nul, l'équation aux dérivées partielles est de premier ordre.
On dit qu'une équation est non linéaire si les coecients a, b, c, d, e et f dépendent de la variable
u autrement l'équation est dite linéaire. Si g = 0, l'équation est homogène, dans le cas contraire
elle est non homogène.
On appelle une solution une fonction u des variables indépendantes x, y, .... qui vérie l'équa-
tion. Pour le cas simple d'une équation à deux variables x et y , on peut interpréter géométriquement
la solution comme une surface dont les dérivées vérient l'équation en chaque point. Il existe une
ininité de solutions. Une de celles-ci est choisie en imposant certaines conditions aux limites.
Selon des caractéristiques des coecients des équations aux dérivées partielles, qui par sa forme
nous rappellent les coniques, on distingue trois cas :
1. b2 − 4ac > 0 : les deux racines sont réelles et distinctes. L'équation est dite hyperbolique.
Un exemple des équations hyperboliques linéaires est l'équation des cordes vibrantes :
∂2u ∂2u
2
− c2 2 = 0.
∂t ∂x
2. b2 − 4ac = 0 : la racine est réelle et double. Dans ce cas, l'équation est dite parabolique.
L'exemple typique de cette famille est l'équation de la chaleur :
∂u ∂2u
− α 2 = 0.
∂t ∂x

3 Méthode des diérences nies 13
3. b2 − 4ac < 0 : les racines sont imaginaires. L'équation est alors dite elliptique. L'une des
équations fondamentales de la physique est l'équation de Laplace
∂2u ∂2u
+ 2 = 0.
∂x2 ∂y
2.3 Exemples et un peu de vocabulaire

Exemple d'équation parabolique : (diusion thermique, chimique, neutronique, uide visqueux
incompressible).
½ ∂θ
∂t − 4θ = f dans Ω × R+
(1) ∗
+ conditions aux limites + condition initiale
Exemple d'équation elliptique : (thermique, électrostatique, membrane élastique, écoulement

potentiel).
½
−4θ = f dans Ω
(2)
+ conditions aux limites
Exemple d'équation hyperbolique : (propagation d'ondes, électromagnétisme, élastodynamique).

½ ∂2θ
∂t2 − 4θ = f dans Ω × R+
(3) ∗
+ conditions aux limites + condition initiale
2.4 Notion de problème bien posé

Un problème au limites est une équation aux dérivées partielles munie de conditions aux limites
sur la totalité de la frontière du domaine.
Un problème de Cauchy est une équation aux dérivées partielles où, pour la variable de temps,
les conditions au bord sont des conditions initiales (et pas nales).
On dit que le problème A(u) = f est bien posé si pour toute donnée f , il admet une solution
unique u, et si cette solution u dépend continuement de la donnée f, condition nécessaire pour
faire du calcul numérique.
Les équations de type (1) sont représentatives de problèmes de type potentiel qui apparaissent
dans des études de régime permanent en électricité (électrostatique ou magnéstostatique), mé-
canique (déformation d'un solide, écoulement) et thermique (répartition des températures), les
conditions aux limites associées sont de type :
(a) Dirichlet : u(s) = u0

∂u
(b) Neumann : (s) = f0 (s)
∂n
∂u
(c) Mixte : αu(s) + β (s) = f1 (s)
∂n
Les équations de type (2) sont représentatives des problèmes de diusion et les conditions aux
limites associées sont (a), (b) ou (c) et une condition initiale (t = 0).
Les équations de type (3) caractérisent le phénomène de propagation des ondes.
3 Méthode des diérences nies

Dans la plupart des cas, on est incapable de déterminer de manière analytique les solutions
précèdentes bien qu'une étude mathématique démontre leur existence et unicité. On fait alors appel
à des méthodes d'approximations basées sur l'idée suivante : on résout les équations approchées
de celle de (1),(2) et qui donnent des solutions facilement calculables.

On étudiera ici une méthode ancienne mais ecace, il, s'agit en gros de remplacer les dérivées
par leurs taux d'accroissement.
Remarques
1. Il existe d'autres méthodes numériques (méthodes directes, méthodes de Galerkin, méthode
des éléments nis, méthode des volumes nis).
2. Un problème aux dérivées partielles nécessite la donnée de :
d'un domaine Ω,
d'une équation aux dérivées partielles (E.D.P),
de conditions aux limites,
de conditions initiales (pour les problèmes d'évolutions).
Pour obtenir une approximation numérique de la solution de ce problème, nous devons appro-
cher chacun des élements. Nous rencontrerons des problèmes de : precésion, rapidité et de
stabilité.
3.1 Approximation des dérivées

On rappelle la formule de développement de Taylor pour les fonctions supposées régulières.
1. fonction à une variable
h2 00 h3 000 hn−1 (n−1) hn (n)
f (x + h) = f (x) + hf 0 (x) + f (x) + f (x) + .... f (x) + f (ξ)
2! 3! (n − 1)! n!
h2 h3 000 hn−1 (n−1)
f (x + h) = f (x) + hf 0 (x) + f 00 (x) + f (x) + .... f (x) + o(hn )
2! 3! (n − 1)!
2. Fonction à deux variables

∂f ∂f h2 ∂ 2 f k2 ∂ 2 f
f (x + h, y + k) = f (x, y) + h (x, y) + k (x, y) + 2
(x, y) + (x, y)
∂x ∂y 2! ∂x 2! ∂y 2
· ¸(n−1)
∂2f 1 ∂f ∂f n
+hk (x, y) + ... h (x, y) + k (x, y) + o((|h| + |k|) ).
∂x∂y (n − 1)! ∂x ∂y
D'une façon générale, si f est une fonction d'une variable de classe C3 , et si h → 0, on a d'aprés
la formule de Taylor-Lagrange :
2
f (x + h) = f (x) + hf 0 (x) + h2! f 00 (x0 ), x0 ∈ (x, x + h)
2 3
f (x + h) = f (x) + hf 0 (x) + h2! f 00 (x) + h3! f (3) (x1 ), x1 ∈ (x, x + h)
2 3
f (x − h) = f (x) − hf 0 (x) + h2! f 00 (x) − h3! f (3) (x2 ), x2 ∈ (x − h, x)
3 £ ¤
D'où : f (x + h) − f (x − h) = 2hf 0 (x) + h3! f (3) (x1 ) + f (3) (x2 ) = 2hf 0 (x) + 2h3 f (3) (ξ), ξ ∈
(x − h, x + h)
c'ést à dire
f (x + h) − f (x) h
= f 0 (x) + f 00 (x0 ) = f 0 (x) + o(h)
h 2!
f (x + h) − f (x − h) f (x + h) − f (x − h)
f 0 (x) = + h2 f (3) (ξ) = + o(h2 ).
2h 2h
De même, si f est une fonction d'une variable de classe C4 , et si h → 0 on a : f (x + h) =
2 3 4
f (x) + hf 0 (x) + h2! f 00 (x) + h3! f (3) (x) + h4! f (3) (x) + o(h4 ).
2 3 4
f (x − h) = f (x) − hf 0 (x) + h2! f 00 (x) − h3! f (3) (x) + h4! f (3) (x) + o(h4 ).
ce qui nous donne
00 f (x + h) + f (x − h) − 2f (x)
f (a) = + o(h2 )
h2

3 Méthode des diérences nies 15
Ainsi, on obtient :
∼ f (x + h) − f (x)
f 0 (x) − , formule décentrée à droite
h
∼ f (x + h) − f (x − h)
f 0 (x) − , formule centrée
2h
∼ f (x + h) − 2f (x) + f (x − h)
f 00 (x) − , formule centrée du 2 ordre
h2
∂f ∼ f (x + h, y) − f (x − h, y)
(x, y) − ,
∂x 2h
∂f ∼ f (x, y + k) − f (x, y − k)
(x, y) − ,
∂y 2k
∂2f ∼ f (x + h, y) − 2f (x, y) + f (x − h, y)
(x, y) − ,
∂x2 h2
2
∂ f ∼ f (x, y + k) − 2f (x, y) + f (x, y − k)
2
(x, y) − ,
∂y k2
∂2f ∼ f (x + h, y + k) + f (x − h, y − k) − f (x − h, y + k) − f (x + h, y − k)
(x, y) − .
∂x∂y 4hk
3.2 Problème Approché

Soit Ω un domaine et Γ sa frontière. On quadrille Ω par un réseau de droites paralléles aux
axes. On désigne par R, l'ensemble des points d'intresection de ces droites, situées dans Ω et δR
l'ensemble des points de Γ situés sur une droite du réseau mais pas dans R. Lorsque les conditions
aux limites sont de type (a), la valeur de la fonction inconnue est donnée sur Γ, le problème consiste
donc à chercher sa valeur sur R seulement.
On peut donc déterminer une valeur approchée de la solution de l'E.D.P au point M (x, y) en
fonction de ses valeurs aux quatres points voisins : (x + h1 , y); (x − h2 , y); (x, y + k1 ) et (x, y − k2 ).
3.2.1 Condition de Dirichlet

On numérote ensuite les points de R et on sépare les numérotations sur le bord de celle de
l'intérieur. Lorsque M décrit R, l'ensemble de toutes les équations précedentes (il y en a autant
que d'élements de R) est équivalent à un système linéaire de la forme (3) AU = B. Le système
linéaire (3) peut-être résolu par des méthodes de Gauss s'il y a un nombre restreint d'inconnues.
Si le nombre d'inconnues est grand et la matrice est symétrique dénie positive, on pourra utiliser
une méthode de Choleski, si la matrice n'est pas symétrique, des méthodes itératives s'imposent.
3.2.2 Condition de Neumann

Lorsque les conditions sont de type (b), la valeur de l'inconnue n'est plus donnée partout sur
le bord mais seulement sur une partie.
∂u
∂n = f (s), s ∈ ∂Ω
3.3 Exemples
A) Supposons que Ω = ]0, a[ × ]0, b[ et soient N et M deux entiers et posons h = a
N, k= b
M,
alors :
R = Rhk = [Mij : Mij = (ih, jk); i = 0, ......N ; j = 0, .....M ] .

Les points frontaliers du réseau sont donc les points

Mij ; i ∈ {0, N } ∀j; j ∈ {0, M } ∀i.
Si la condition aux frontières est u(x, y) = g(x, y) ; x, y ∈ Γ , on posera alors ui,j = gi,j pour
i ∈ {0, N } ∀j; j ∈ {0, M } ∀i.
∂u
Si la condition à la frontière est ∂n = g(0, y) alors la dérivée normale est la dérivée en x.
Nous avons donc :
∂u ∂2u
u1,j = u0,j + h + h2 2∂x2 + o(h3 ).
∂n
Les dérivées étant prises aux points (0; jk). D'où (*)
µ ¶
∂2u 2 ∂u
∂x2
= 2 u1,j − u0,j − h + o(h).
h ∂n
∂2u
On peut approcher ∂x2
au point (0; jk) par
2
(u1,j − u0,j − hg0,j ) .
h2
∂u
Si la condition à la frontière est : α ∂n (0, y) + βu(0, y) = g(0, y) et en reprenant (*), nous
∂2u
pouvons donc approcher ∂x2 au point (0; jk) par :
µ ¶
2 βh h
u 1,j − (1 − )u 0,j − g 0,j .
h2 α α
B) Considérons le problème suivant sur Ω = ]0, L[ × ]0, L[

 ∆u(x, y) = f (x, y); (x, y) ∈ Ω

u(x, y) = g(x, y); (x, y) ∈ ∂Ω
Soit un entier N , on obtient le réseau

· ¸
L
R = Rhk = Mij : Mij = (ih, jk); i, j = 0, ......N ; h = .
N
Pour ne pas avoir des matrices trop grandes, nous prendrons N = 4.
Nous numérotons les points comme indiqué sur la gure 2.
Nous noterons fi la valeur de f au point numéroté i et gi la valeur de g au point numéroté i
(i = 10, 25) et Vi l'approximation au point i.
Nous avons l'approximation
u(x − h, y) + u(x + h, y) + u(x, y − h) + u(x, y + h) − 4u(x, y)

∆u(x, y) ' = f (x, y).
h2
Nous
 obtenons donc, en écrivant cette 
équation
 aux 
points i = 1, .........., 9:
−4 1 0 1 0 0 0 V1 h2 f1 − g11 − g25
 1 −4 1 0 0 0 0     2 
   V2   2 h f2 − g12 
 0 1 −4 0 0 0 0   V2   h f3 − g13 − g15 
    
 1 0 1 −4 1 0 0     h2 f4 − g24 
   V3   
 0 1 0 1 0 1 0   V4  =  h 2
f 
    5 
 0 0 1 0 0 0 1   V5   h 2
f − g 
    2 6 16 
 0 0 0 1 −4 1 0   V6   h f7 − g21 − g23 
    
 0 0 0 0 1 −4 1   V7   h2 f8 − g20 
0 0 0 0 0 1 −4 V9 h2 f9 − g17 − g19
⇐⇒ AV = B

4 Problèmes elliptiques 17
4 Problèmes elliptiques
4.1 Modèle
On considère le modéle linéaire (P) suivant :
 00
 −u (x) + c(x)u(x) = f (x) pour 0 < x < 1
(P ) u(0) = 0

u(1) = 0
où c ∈ C([0, 1] , R+ ), et f ∈ C([0, 1] , R), qui peut modéliser par exemple un phénomène de

dision - réaction d'une espèce chimique.
On s'intérésse à l'approximation par la méthode de la diérence nies du problème stationnaire
(P ).
Soit un pas du millage constant h = N1+1 et une subdivision de ]0, 1[ , notée (xk )k=0,......N +1 ,
avec : x0 = 0 < x1 < x2 < ..... < xN +1 = 1. Soit ui l'inconnue discrète associée au noeud i
(i = 1...N ). On obtient les équations discètes en approchant u00 (xi ) par la formule de Taylor,
u(xi + h) − 2u(xi ) + u(xi − h) 00 h2 (4)

= u (xi ) + u (ζ).
h2 24
Posons ci = c(xi ), fi = f (xi ) pour i = 1, .....N

d'où on approche (P ) par le schéma
 ui+1 −2ui +ui−1
 − h2 + ci ui = fi pour i = 1, .........N
(Ph ) u0 = 0

uN +1 = 0
On peut écrire ces équations sous forme matricielle :
Ah Uh = Bh ,
avec
   
u1 f1 + hα2
 .   . 
Uh =  
 .  , Bh =



.
β
uN fN + h2
 2 −1

h2 + c1 h2 0 . . . 0
 −12 2
+ c −1
. . . 0 
 h h2 2 h2 
 0 −1
. . . . . 
 h2 
et Ah = 
 . . . . . . . 

 . . . . . . . 
 
 . . . . −1 2 −1 
h2 h2 + cN −1 h2
−1 2
0 . . . 0 h2 h2 + cN
Remarque : les questions suivantes se posent naturellement

1. Le système Ah Uh = Bh , admet - il une solution unique ?
2. A-t-on convergence de Uh vers u et en quel sens ?
Soit c = (c1 , ..., cN )t ∈ RN tel que ci ≥ 0 pour i = 1, ..., N ; Alors la matrice Ah est symétrique
dénie positive, et donc inversible.

Preuve : la matrice Ah est évidement symétrique. Montrons qu'elle est dénie positive. Soit
v = (v1 , ..., vN )t , on pose v0 = vN +1 = 0. Calculons le produit scalaire Ah v.v = v t Ah v. On a :
  
2 + c1 h2 −1 0 . 0 v1
 −1 2 + c2 h2 −1 . 0  . 
  
 0 −1 . . .   
1   

Ah v.v = 2 (v1 , ..., vN )  . . . . .   ,
h   
 . . . . .   
   
 . . . 2 + cN −1 h2
−1   
2
0 . . −1 2 + cN h vN
c'est - à - dire
N
1 X
Ah v.v = vi (−vi−1 + (2 + ci h2 )vi − vi+1 ).
h2 j=1
On a donc, par changement d'indice :

 
N N N
1 X X X
Ah v.v = − 2 vi vi−1 + (2 + ci h2 )vi2 + vj−1 vj  .
h j=1 j=1 j=2
Et comme on a v0 = α et vN +1 = β , on peut écrire :

N
X N
1 X¡ ¢
Ah v.v = ci vi2 + 2
−2vi vi−1 + vi2 + vi−1 2
+ vN .
j=1
h2 j=1
On a donc nalement :
N
X N
1 X
Ah v.v = ci vi2 + (vi − vi−1 )2 + vN
2
≥ 0, ∀v = (v1 , ..., vN ) ∈ RN .
j=1
h2 j=1
Si on suppose Ah v.v = 0, on a alors

N
X
ci vi2 = 0
j=1
et
vi − vi−1 = 0,
pour tout i = 1....N.
On a donc v1 = v2 = ... = vN +1 = 0, ceci démontre que la matrice Ah est bien dénie.
Remarques
1. Si à la place des conditions u(0) = 0 et u(1) = 0, on avait u(0) = α et u(1) = β, on fait le
changement v(x) = u(x) + ax + b et on détermine a et b pour que v vérie une équation du
genre (P ).
2. Ah est symétrique dénie positive, donc inversible, ce qui entraîne l'existence et l'unicité de
la solution de (Ph ).
(convergence) (c(x) ≥ 0)
Soit Uh la solution discréte du problème (Ph ) , u la solution du problème (P ) et posons
V =t (u(xi )) alors kUh − V k∞ ≤ ch2 ; c'est à dire kUh − V k∞ → 0 pour h → 0 et i → +∞

Preuve : Par développement de Taylor, on a :
h2 00 h3 00 h4
u(xi+1 ) = u(xi ) + hu0 (xi ) + u (xi ) + u (xi ) + u(4) (ζi ),
2 6 24
h2 00 h3 00 h4
u(xi−1 ) = u(xi ) − hu0 (xi ) + u (xi ) − u (xi ) + u(4) (ηi ).
2 6 24
En additionnant ces deux inégalités, on obtient que :
u(xi+1 ) − 2u(xi ) + u(xi−1 ) 00 h2 h (4) (4)

i
= u (x i ) + u (ζi ) + u (η i ) ,
h2 24
ce qui entraîne que :
h2 ¯ ¯
¯ ¯
kUh − V k∞ ≤ sup ¯u(4) (t)¯ .
12 t∈[0,1]
4.2 Problème Général

On considére le problème linéaire général à une variable
 00
 −a(x)u (x) + b(x)u0 (x) + c(x)u(x) = f (x) pour 0 < x < 1
(S) u(0) = α

u(1) = β
On s'intéresse à la discrétisation du problème (S), à la résolution numérique du système dis-

crétisé et à la convergence.
Soit h tel que (N + 1)h = 1
u(x + h) − 2u(x) + u(x − h) 00 h2

2
= u (x) + u(4) (ζ),
h 24
u(x + h) − u(x − h) 0
= u (x) + h2 u(3) (ζ1 ).
2h
Posons ai = a(xi ), bi = b(xi ), ci = c(xi ) et fi = f (xi ) et on approche (S) par le problème
approché
 u −2u +u u −u
 −ai i+1 h2i i−1 + bi i+12h i−1 + ci ui = fi pour i = 1, .........N
(Sh ) u0 = α

uN +1 = β
Si on pose
   a1 α b1 α

u1 f1 + h2 − 2h
 .   . 
   
 .   fi 
uh = 

 , bh = 
 


 .   . 
 .   . 
aN β bN β
uN fN + h2 −
 2h 
. . . . . .
 . . . . . . 
 
 . . 2ai
+ ci −ai
+ bi
. . 
Ah = 

h2 h2 2h 
 . −ai
h2 − bi
2h . . . . 

 . . . . . . 
. . . . . .

d'où (Sh ) est équivalent : Ah uh = bh et pour la résolution numérique, on impose : a(x) ≥ a0 >
0 , c(x) ≥ 0 ).
THEOREME
Soit Uh =t (ui ) la solution de (Sh ) et V =t (u(xi )) la solution exacte de (S), on a le résultat
de convergence suivant : kV − Uh k∞ ≤ ch2 .
4.3 Exercices à corriger en classe

Exercice 1.1 Soit f une fonction telle que f ∈ C ∞ (]a, b[). On suppose que le domaine ]a, b[
est discrétisé avec un pas uniforme h = ∆x et on note yi = f (xi ), yi+1 = f (xi+1 ) = f (xi + h)
1) Montrer les approximations suivantes :
1
f 0 (xi )−
e (yi+1 − yi−1 ),
2h
00 1
e
f (xi )− (yi+1 − 2yi + yi−1 ),
h2
000 1
e
f (xi )− (yi+2 − 2yi+1 + 2yi−1 − yi−2 ),
2h3
(4) 1
f e
(xi )− (yi+2 − 4yi+1 + 6yi − 4yi−1 + yi−2 ).
h4
2) a) Dans chacun des cas, indiquer l'ordre de grandeur de l'erreur commise.

b) Soit u(x, y) une fonction susament dérivable dénie sur D ⊂ R2 , on considère un maillage
uniforme de D de même pas h = ∆x = ∆y et on note uij −u(x e i , yj ). Donner une approximation
des opérateurs ∆u(x, y), ∆∆u(x, y).
Exercice 1.2 Considèrons le problème de Dirichlet suivant :
Trouver u(x, y) dénie sur D = ]0, 1[ × ]0, 1[ tel que :
½
−∆u(x, y) = p dans D
(P )
u(x, y) = 0 sur ∂D
Notons h = 13 le pas du maillage de D et Vi l'approximation de u au noeud numéro i. Ecrire

la forme discrétisée du problème (P ) et en déduire le système linéaire (sous forme matricielle) que
vérient les (Vi )i∈I où I est l'ensemble des noeuds.
Exercice 1.3 Soit l'équation aux dérivées partielles
 00
 u (x) + f (x)u0 (x) + g(x)u(x) = q(x) x ∈ [a, b]
(P ) u(a) = α

u(b) = β
où f, g et q sont des fonctions connues.

On pose h = (b−a)
n et on note xi = a + ih, ui = u(xi ), fi = f (xi ), qi = q(xi ), gi = g(xi ).
◦
1 Montrer que la diérence nie appliquée à (P ) est équivalent à la résolution du système
AU = B, avec U = (u1 , ...., un−1 ) , A et B à déterminer.
2◦ Que devient le système AU = B si f (x) = q(x) = 0, g(x) = −1, α = 0 et β = 1.

Exercice 1.4 On considère l'équation aux dérivées partielles suivant :

 ∂2u 2

 + ∂∂yu2 = 0, (x, y) ∈ ]0, 0.5[ × ]0, 0.5[
∂x2

u(0, y) = u(x, 0) = 0 0 ≤ x ≤ 0.5

 u(x, 0.5) = 200x 0 ≤ x ≤ 0.5

u(0.5, y) = 200y 0 ≤ y ≤ 0.5
On choisit les pas h et k telle que 8h = 8k = 1.

1◦ Dénir un schéma aux diérences nies qui permet d'approcher (P ).
2◦ On pose ωi = u(Pi ) avec Pi = (xi , yj ) montrer que le problème approché est équivalent à
résoudre le système linéaire Aω = B.
Exercice 1.5 On considère l'équation aux dérivées partielles suivant :
 ∂2u ∂2u

 + ∂y2 = xy64 , (x, y) ∈ ]0, 0.5[ × ]0, 0.5[
 ∂x2
u(0, y) = u(x, 0) = 0.5 0 ≤ x ≤ 0.5

 u(x, 0.5) = 200x 0 ≤ x ≤ 0.5

u(0.5, y) = 200y 0 ≤ y ≤ 0.5
On choisit N = M = 4, on pose Vi = u(Pi ) pour i = 1, ...., 9.

1◦ Dénir un schéma aux diérences nies qui permet d'approcher (P ).
2◦ Montrer que le problème approché est équivalent à résoudre le système linéaire AV = B.
Exercice 1.6 On considère le problème (P) suivant :
 00
 u (t) + b(t)u0 (t) + c(t)u(t) = f (t) = 0, t ∈ Ω = [t0 , tN ]
(P ) u(t0 ) = u0

u(tN ) = uN
On pose h = tNN−t0 et tj = t0 + jh, j = 0, ....N.

On suppose que u ∈ C (4) (Ω) et on note uj une approximation de u(tj ) pour 1 ≤ j ≤ N − 1.
u(t )−2u(tj )+u(tj−1 ) 2
1◦ a) Montrer que u00 (tj ) = j+1 h2 − h12 u(4) (²j )
avec tj−1 < ²j < tj+1 .
u(t )−u(t ) 2
b) Montrer que u0 (tj ) = j+1 2h j−1 − h6 u(3) (θj )
avec tj−1 < θj < tj+1 .
2◦ On pose u =t (u1 , ........, uN −1 ), montrer que la méthode des diérences nies appliquée à
(P) donne le problème approché :
(Ph ) Lh uj = f (tj ), 1 ≤ j ≤ N − 1 et expliciter Lh uj .
3◦ Montrer que le problème (Ph ) est équivalent au système linéaire Au = b et expliciter A et b.
Exercice 1.7 On considère le problème (P) suivant :
½
−u00 (x) = λeu(x) + f (x), x ∈ ]0, 1[
(P )
u(0) = u(1) = 0
Soit N un entier positif, h = N1+1 et xj = jh, j = 0, ....N + 1.

On note uj une approximation de u(xj ) pour 1 ≤ j ≤ N.
1◦ Montrer que la méthode des diérences nies appliquée à (P) est équivalente à résoudre le
problème
−
→ −
→
(Ph ) A→
−u = λ exp(→ −u ) + f , et expliciter A, −
→
u et f .
2◦ Que remarquez - vous sur (Ph )?
Exercice 1.8
Soit l'équation aux dérivées partielles suivante :
 ∂2u ∂2u

 ∂x 2 (x, y) + ∂y 2 (x, y) = 0, ∀x, y ∈ ]0, 0.5[

(P ) u(x, 0.5) = 200x, ∀x ∈ [0, 0.5]

 u(0.5, y) = 200y, ∀y ∈ [0, 0.5]

u(x, 0) = u(0, y) = 0, ∀x, y ∈ [0, 0.5]

On choisit h = k = 0, 125, on pose Vi = u(Pi ).(gure 3)

Montrer que la diérence nie appliquée à (P ) se ramène à la résolution de AV = B et
déterminer A et B .
Exercice 1.9
On considère le problème suivant :




−u00 (x) = f (x), 0 < x < 1
(P )



u(0) = u(1) = 0.
On introduit un pas d'espace h > 0 et un entier N ∈ N∗ tel que (N + 1)h = 1. On dénit les
noeuds du maillage régulier xi = ih, i = 0, ......, N + 1. On note ui ≈ u(xi ).
1. Montrer que l'approximation de u00 (xi ) est donnée par :
−ui+2 + 16ui+1 − 30ui + 16ui−1 − ui−2
+ o(h4 )
12h2
2. On discrétise le problème (P ) par diérences nies en utilisant l'approximation de la dérivée
donnée dans la question n◦ 1. Montrer alors que le système discret obtenu s'écrit sous la
forme : AU = B, et déterminer A, B et U.
5 Problèmes évolutifs
5.1 Equation de la chaleur
La présentation des méthodes de base pour la résolution de ce type d'équation sera eectuée
à travers l'équation suivante :
On considère le problème suivant : trouver u(s, t) : [0, 1] × R+ → R, solution de :

∂u ∂2u

 ∂t (s, t) = d ∂s2 (s, t) 0 < s < 1; t > 0

u(0, t) = α(t)

 u(1, t) = β(t)

u(s, 0) = ϕ0 (s)
d coecient > 0.
Cette équation peut s'interpréter comme celle qui décrit l'évolution de la température d'une
barre dans le temps, causée par l'absorption d'un ux de chaleur. Avec ce modèle, on cherche à
prédire la température en tout point à tout instant à partir d'une distribution initiale ϕ0 .
Notons par ui,j l'approximation de u(s, t) au point (si , tj ) avec : si = i∆s, tj = j∆t, 0 ≤ i ≤
N, 0 ≤ j ≤ M.
5.2 Schéma Explicite

 ui,j+1 −ui,j ui+1,j +ui−1,j −2ui,j

 ∆t =d (∆s)2 ,1
≤ i ≤ N − 1, 0 ≤ j ≤ M − 1

u0,j = α(tj ), j ≥ 0

 un+1,j = β(tj ), j ≥ 0

ui,0 = ϕ0 (si ), i ≥ 0
d∆t
avec la dénition : λ = (∆s)2 , on peut le réecrire comme :
ui,j+1 = λui−1,j + (1 − 2λ)ui,j + λui+1,j.

En posant

5 Problèmes évolutifs 23
 
 n+1 1 − 2λ λ  n
 λ 1 − 2λ . 
    
   . . .  
 ui−1  =   ui−1 
   . . . .  
 ui     ui 
 . 1 − 2λ λ 
ui+1 ui+1
λ 1 − 2λ
| {z }
A
Si on décompose la matrice
   
1 0 −2 1
 0 1 .   1 −2 . 
   
 . . .   . . . 
A= 
 + λ
 


 . . . .   . . . . 
 . 1 0   . −2 1 
0 1 1 −2
= I + λT
C'est à dire
un+1 = (I + λTd )un .
5.3 Schéma implicite

 ui,j+1 −ui,j ui+1,j+1 +ui−1,j+1 −2ui,j+1

 ∆t =d (∆s)2 + fi,j , 1 ≤ i ≤ N − 1, 0 ≤ j ≤ M − 1

u0,j = α(tj ), j ≥ 0

 un+1,j = β(tj ), j ≥ 0

ui,0 = ϕ0 (si ), i ≥ 0
−ui,j = λui−1,j − (1 + 2λ)ui,j+1 + λui+1,j+1.
Soit sous forme matricielle
(I − λTd )un+1 = un .
5.4 θ-Méthode, Schéma de Crank - Nicolson

La discrétisation la plus simple qui vient à l'esprit est de la forme : (θ-méthode)
 ³ ´
 ui,n+1 −ui,n u −2ui,n +ui+1,n ui,n+1 −2ui,n+1 +ui−1,n+1

 ∆t = d (1 − θ) i−1,n (∆s) 2 + θ (∆s)2 ,


 1 ≤ i ≤ N − 1, 0 ≤ j ≤ M − 1
(4) u0,n = α(tn ), n ≥ 0



 uM +1,n = β(tn ), n ≥ 0


ui,0 = ϕ0 (si ), i ≥ 0
où θ est un facteur de pondération avec 0 ≤ θ ≤ 1. ou encore
λui−1,j+1 − (2 + 2λ)ui,j+1 + λui+1,j+1 = −λui−1,j − (2 − 2λ)ui,j − λui+1,j

   
-2 1 1
 1 . .   . . 
   
 . . .   . . 
λ

 − 2
 


 . -2 .   1 . 
 . . 1   . 
1 -2 1
   
-2 1 1
 1 . .   . . 
   
 . . .   . . . 
= −λ 

 − 2
 


 . -2 .   . 1 . 
 . . 1   . . 
1 -2 1
Ce schéma peut s'écrire :
(I − λθTd )un+1 = (I + λ(1 − θ)Td )un ,

un+1 = (I − λθTd )−1 (I + λ(1 − θ)Td )un
Remarque
θ = 0 : explicite
θ ∈ ]0, 1] : implicite
1
θ = : Crank-Nicolson.
2
6 Consistance, stabilité et convergence

On a présenté une substitution mécanique des dérivées par des expressions discrètes sans faire
aucun type de considération additionnelle. Mais avant d'admettre la représentativité de la solution
par un schéma aux diérences nies, il faut d'abord s'assurer que le schéma represente correctement
l'équation d'origine, ensuite, on doit être certains que les erreurs, même trés petites, ne s'amplient
pas, et nalement, on doit vérier que la solution calculée représente correctement la solution.
Ces trois exigences sont, successivement : la consistance, la stabilité et la convergence.
Les problèmes que nous allons traiter se mettront sous la forme générale Lu = f où L est un
opérateur linéaire.
On les approche par des expressions du type Lh uh = fh où Lh est un opérateur qui approche
L en utilisant la méthode de diérences nies, fh le vecteur déterminé par les valeurs de f aux
noeuds du réseau, uh le vecteur dénissant la solution approchée.
Exemple Soit l'E.D.P
 2
 ∂∂xu2 + a(x) ∂u
∂x + b(x)u = cos(x) x ∈ [0, 1]
u(0) = 1

u0 (0) = 2
Ce problème se met sous la forme Lu = f avec

 ∂2u ∂u
  
∂x2 + a(x) ∂x + b(x)u
cos(x)
Lu =  u(0) , f = 1 
0 2
u (0)
On peut l'approchée par le schéma suivant : Lh uh = fh avec

6 Consistance, stabilité et convergence 25
 un+1 −2un +un−1
  
h2 + a(xn ) un+12h
−un−1
+ b(xn )un cos(nh)
Lh uh =  u0  , fh =  1 
u1 −u0
h
2
Remarque : Savoir si unproblème Lh uh = fh tend vers un problème Lu = f, c'est déja

se donner une norme par rapport à laquelle, on estimera cette convergence. On suppose °que°uh
et fh évoluent respectivement dans des espaces vectoriels normés Eh et Fh . On notera °uh °E
h
la norme choisie par uh vecteur de composantes uhi et kfh kFh la norme choisie pour le second
membre à priori diérente de celle prise par Eh , on prendra par exemple :
° h° ¯ ¯
°u ° = sup ¯uhi ¯, i décrivant tous les points du réseau.
E h
i r³
° h°
° ° P h 1´
ou bien u E = i (ui )
2 etc.
h
6.1 Consistance
On appelle erreur de troncature l'expression
ET = Lh uh − Lu
Il s'agit de l'erreur systématique qui est introduite chaque fois qu'on approche un opérateur
continu par un opérateur discret.
Un schéma numérique est dit consistant avec une équation aux dérivées partielles, si l'erreur
de troncature ET tend vers zéro lorsque tous les pas de discrétisation tendent vers zéro.
Exemples : On considère l'équation de la chaleur suivante :
∂u ∂2u
Lu = −α 2 =0
∂t ∂x
et d'aprés la formule de développement en série de Taylor :
µ ¶
∂u ui,n+1 − ui,n k ∂2u
= − + o(k 2 )
∂t k 2 ∂t2 i,n
et µ ¶
∂2u ui−1,n − 2ui,n + ui+1,n h2 ∂4u
2
= 2
− + o(h4 )
∂x h 12 ∂x4 i,n
donc
µ ¶ µ ¶ µ ¶
ui,n+1 − ui,n ui−1,n − 2ui,n + ui+1,n k ∂2u h2 ∂4u
Lu = −α − +α + o(k 2 ) + o(h4 ).
k h2 2 ∂t2 i,n 12 ∂x4 i,n
Pour le schéma explicite, on a :

µ ¶
ui,n+1 − ui,n ui−1,n − 2ui,n + ui+1,n
Lh uh = −α .
k h2
L'erreur de troncature est :
µ ¶ µ ¶
k ∂2u h2 ∂4u
ET = Lu − Lh uh = −α + o(k 2 ) + o(h4 ).
2 ∂t2 12 ∂x4
Lorsque h et k tendent vers zéro, l'erreur de troncature ET tend vers zéro ; le schéma est
consistant.

6.2 Stabilité
La consistance est une garantie locale entre la discrétisation et l'équation aux dérivées partielles.
Mais, peut-on considérer que le dernier pas (n − 1) → n se fait dans les mêmes conditions que le
premier pas 1 → 2?
La diérence est évidente car la dernière étape on trouve l'accumulation des erreurs de discré-
tisation des pas précédents. Cette réalité exige une condition globale visant à la longue, la solution
numérique reste prés de la solution exacte. Autrement dit, pour qu'une solution ait un sens, il
est primordial que les erreurs de calcul inévitables ne s'amplient pas. Ceci mène a la notion de
stabilité.
Dénition Le schéma Lh uh = fh est dit stable si quelque soit f h ∈ Fh ,
l'équation
° h° Lh°uh °= f h admet une seule solution uh ∈ Eh qui vérie
°u ° ≤ c °f h °F , c est une constante indépendante de h.
Eh h
C'est à dire : un schéma est stable si la solution du problème discret reste bornée.
Trois remarques
- La stabilité est un concept qui s'applique sur les schémas numériques et pas sur les
équations continues.
- Il s'agit d'une dénition qui s'apparente à la notion de stabilité en mécanique.
- Elle n'impose aucune restriction aux oscillations.
Malgré les notions de consistance et de stabilité, il n'y a rien qui garantit la bonne représenta-
tivité de la solution. Cette caractéristique est donnée par la dénition de convergence.
6.3 Convergence
Notation On note [u]h le vecteur déterminé par les valeurs de la solution Lu = f aux noeuds
du réseau.
On dit que la solution uh du schéma Lh uh = fh converge vers la solution u de Lu = f si
lim kuh − [u]h kEh = 0
h→0
Evidemment, la quantité uh − [u]h n'est pas calculable, cependant le théorème suivant est
important.
T héorème de Lax
P our un problème linéaire, la consistance et la stabilité sont nécessaires et suf f isantes
pour assurer la convergence.
7 Analyse de la stabilité
Il existe diérentes manières d'eectuer une analyse de la stabilité. En particulier on s'intéresse
à l'analyse basée sur la formulation matricielle des schémas de calcul, à la méthode spectrale de
Von Neumann.
On cherche à étudier la stabilité des schémas à partir de la matrice d'itération ou d'amplication
T trouvée dans les expressions générale des méthodes itératives :
x(k+1) = T x(k) + c
En tenant compte que la solution exacte x satisfait x = T x + c, l'erreur est

³ ´
e(k+1) = x(k+1) − x = T x(k) − x = T e(k)
d'où : ° °
e(k+1) ≤ °T k+1 ° e0
et puisque ° k+1 °
°T ° ≤ kT kk+1 .
La condition de stabilité pour les équations aux diérences s'énonce :

7 Analyse de la stabilité 27
kT k ≤ 1.
Lorsque cette condition est satisfaite, automatiquement on a ρ(T ) ≤ 1, parce que ρ(T ) < kT k
On a aussi : ° °
lim °T k ° = 0 ⇔ ρ(T ) < 1.
k→∞
Donc la condition nécessaire de stabilité est ρ(T ) < 1. Pour certains cas particuliers, la condi-
tion nécessaire est aussi une condition susante. Par exemple si T est réelle et symétrique, alors :
p p
kT k2 = ρ(T t T ) = ρ(T 2 ) = ρ(T ).
7.1 Résultats préliminaires

a) Matrice tridiagonale : pour une matrice tridiagonale d'ordre N , les coecients sont constants
sur chaque diagonale, les s valeurs propres sont données par :
 
b c
 a b . 
  n ³ ´o
 
 . . .  → λs = b + 2 √ac cos sπ , s = 1, ..., N ;
 . . . .  N +1
 
 . b c 
a b
b) Une valeur propre de [P (A)]−1 est donnée par 1
P (λ) avec P (A) = µ0 I +µ1 A+µ2 A2 +.....+µn An .
7.2 Analyse du schéma explicite : un+1 = (I + λTd )un .

1. On reconnait la forme x(k+1) = T x(k) +c avec la matrice d'itération T = I +λTd . La matrice
Td est de dimension (M − 1, M − 1) est tridiagonale avec les coecients a = 1, b = −2, et
c = 1. Alors,
³ sπ ´
h ³ sπ ´ i ³ sπ ´
µs = −2 + 2 cos = 2 cos − 1 = −4 sin2 .
M M 2M
Etant donné que la matrice T = I +λTd , correspond à la forme polynomiale P (A) = µ0 I +µ1 A
avec µ0 = 1 et µ1 = λ, les valeurs propres de T sont
³ sπ ´
λs = 1 − 4λ sin2 , s = 1, ..., M − 1
2M
Par conséquent, la méthode est stable si :
¯ ³ sπ ´¯
¯ ¯
ρ(T ) = max ¯1 − 4λ sin2 ¯≤1
s 2M
¡ ¢
donc (Lorsque M → ∞; sin2 ( 2Msπ
→ 1)
1
0≤λ≤ .
2
7.3 Schéma implicite : (I − λTd )un+1 = un

4t
Ce qui est équivalent à (en posant λ = d 4s 2)
un+1 = (I − λTd )−1 un .

Dans ce cas, les valeurs de la matrice d'itération (I − λTd )−1 sont données par
1
λs = ¡ sπ ¢ , s = 1, ..., M − 1
1 + 4λ sin2 2M

Alors la condition de stabilité est

¯ ¯
¯ 1 ¯
¯ ¯
ρ(T ) = max ¯ 2
¡ sπ ¢ ¯ ≤ 1
s ¯ 1 + 4λ sin ¯
2M
donc
1
−1 ≤ ≤1
1 + 4λ
Etant donné que λ est une quantité positive, cette condition est toujours vériée. On dit que
le schéma est inconditionnellement stable.
7.4 Schéma de Crank - Nicolson : un+1 = (I − λθTd )−1 (I + λ(1 − θ)Td )un
Les valeurs propres de la matrice d'itération sont :
¡ sπ ¢
1 − 4λ(1 − θ) sin2 2M
λs = ¡ sπ ¢ , s = 1, ..., M − 1
1 + 4θλ sin2 2M
et le rayon spectral ρ(T ) est ¯ ¯

¯ 1 − 4λ(1 − θ) ¯
ρ(T ) = ¯¯ ¯
1 + 4θλ ¯
ρ(T ) ≤ 1 donne :
£ ¤
1. Si θ ∈ 12 , 1 , le schéma est inconditionnellement stable.
£ £
Si θ ∈ 0, 12 , le schéma est stable si et seulement si :
∆t 1
d ≤
(∆s)2 2(1 − 2θ)
2 Si θ 6= 12 , l'erreur est en o(∆t) + o(∆s)2 quand ∆t, ∆s tendent vers 0.

Si θ = 12 , l'erreur est en o(∆t)2 + o(∆s)2 quand ∆t et ∆s tendent vers 0.
Remarque Ces résultats s'appliquent à une équation linéaire générale :
 2
∂u

 − a(s, t) ∂∂su2 − b(s, t) ∂u
∂s + c(x, t)u + f (s, t) = 0 < s < 1; t > 0
 ∂t
u(0, t) = α(t)

 u(1, t) = β(t)

u(s, 0) = ϕ0 (s)
a(s, t) > 0
8 Equation des ondes

Considérons l'équations des ondes (équation hyperbolique).
Le problème se pose de la manière suivante : trouver u(x, t) solution de l'E.D.P suivante :
 2
∂ u 2 ∂2u

 2 (x, t) − d ∂x2 (x, t) = f (x, t) si x ∈ [0, 1] et t ∈ ]0, T [
 ∂t
u(0, t) = u(1, t) = 0 ∀t ∈ ]0, T [
(2) ∂u

 (x, 0) = u 1 (x) ∀x ∈ [0, 1]
 ∂t
u(x, 0) = u0 (x) ∀x ∈ [0, 1]
On applique l'idée de la méthode de diérences nies en remplaçant les dérivées par leurs taux
d'accroissement. Le domaine Ω est [0, 1] × [0, T ] .
Notons ∆x le pas d'espace et ∆t le pas du temps et uij la valeur approchée de l'inconnue u au
e
point M (i∆x, j∆t) : uij −u(i∆x, j∆t).
On peut utiliser plusieurs schémas.

8 Equation des ondes 29
8.1 Schéma explicite

En utilisant les formules d'approximations des dérivées, l'équation
∂2u 2
2∂ u
− d =f
∂t2 ∂x2
est ½approchée au point (i∆x, (j − 1)∆t) par
∆t 2
ui,j = 2ui,j−1 − ui,j−2 + d2 ( ∆x ) (ui+1,j−1 − 2ui,j−1 + ui−1,j−1 ) + fi,j−1 (∆t)2
(3)
pour 1 ≤ i ≤ N − 1 et j ≥ 2.
Les conditions aux limites se traduisent par
(4) u0,n = uN,n = 0 pour chaque n
Les conditions initiales se traduisent par
(5) ui,0 = u0 (i∆x), ui,1 = (∆t) u1 (i∆x) + u0 (i∆x)
Le schéma explicite (3) et les conditions (4) et (5) n'est utile que si la solution du (3) ;(4) et
(5) tend vers la solution de (2) lorsque ∆t et ∆x tendent vers 0. Soit le vecteur de RN −1 dénie
∆t
par uj = (u1,j , ............., uN −1,j ) et posons λ = d ∆x , les équations (3) s'écrivent (sans le terme
fi,j )      
u1,j 2(1 − λ2 ) λ2 . f1,j−1
 .   λ2 . .   . 
     
 .   . 
. .  j−1  . 
j
u =   =  u −u j−2 2
+ (∆t)  
.  . . .   . 
    
 .   . . .   . 
uN −1,j . . . fN −1,j−1
| {z }
A
Soit
uj = Auj−1 − uj−2 + (∆t)2 f j−1 .

Ainsi, connaissant la solution aux temps (j − 2)∆t et (j − 1)∆t , on peut la déterminer aux
temps j∆t et les conditions (5) permettent de démarrer le processus itératif.
On appelle ce schéma explicite puisqu'on peut obtenir directement les valeurs de ui,j à partir
des valeurs ui,j−1 qu'on a calculées à l'étape précédente. Le schéma est initialisé par les conditions
(5).
8.2 Schéma implicite

Notons ui,j = u (i∆x, j∆t) . On approche (2) par
(
ui,j+1 −2ui,j +ui,j−1 d2
(∆t)2 = (∆x) 2 (ui+1,j+1 − 2ui,j+1 + ui−1,j+1 ) + fi,j ,
(6) .
pour 1 ≤ i ≤ N − 1 et j ≥ 1.

 u0,j = uN,j = 0 ∀n,
(7) u0,j = u0 (j∆x),

u1,j = u0,j + ∆t × u1 (j∆t) 1 ≤ j ≤ N − 1.
∆t
On pose λ = d ∆x et considérons l'équation homogéne de (6)
−λ2 ui−1,j+1 + (1 + 2λ2 )ui,j+1 − λ2 ui+1,j+1 = 2ui,j − ui,j−1 + (∆t)2 fi,j .
Il est naturel de se poser les questions de convergence de (6) et (3) vers la solution de (2)
lorsque ∆t et ∆x tendent vers 0.
Théorème
i) Le schéma explicite (3) est stable sous la condition
∆x
≤d
∆t

(le quadrillage du domaine à étudier devra obligatoirement respecter cette condition).

ii) Le schéma implicite est inconditionnellement stable.
Remarque Le schéma explicite est simple mais stable sous une condition alors que le schéma
implicite est plus compliqué mais inconditionnellement stable.
9 Conclusion sur la méthode des diérences nies
Avantages
• Trés simple à réaliser

• Simple à mettre en oeuvre (programmation)
• Encore utilisable
Inconvenients
• Mauvaise prise en compte des conditions aux limites

(de type Neumann)
•Aucune souplesse dans le choix du maillage.
10 Exercices à corriger en classe

Exercice 3.1 Soit le problème : trouver T (x, t) vériant
 2
∂T
 ∂t= ∂∂xT2 sur ]0, 1[ × ]0, T0 [
(P ) T (x, 0) = 0, x ∈ ]0, 1[

T (0, t) = T (1, t) = 1 pour t > 0
On notera h le pas du maillage d'espace et ∆t le pas de temps. Ecrire le principe et

la démarche complète des méthodes explicites et implicites pour le sysème (P ) et donner les
conditions de stabilité de ces méthodes.
Exercice 3.2 Soit l'équation aux dérivées partielles :
 1 ∂f
2

 d2 ∂t (x, t)= ∂∂xf2 (x, t) sur 0 ≤ x ≤ a, t ≥ 0

f (x, 0) = Φ(x), x ∈ [0, a]
∂f
∂x (0, t) = α(t) pour t ≥ 0


 ∂f
∂x (a, t) = β(t) pour t ≥ 0
On pose xi = ih, tj = jk, fij = f (ih, jk) pour 0 ≤ i ≤ n et j ≥ 0

1) Ecrire un schéma explicite qui approche (P ).
2) Ecrire un schéma implicite qui approche (P ).
3) Dans quel cas, peut-on choisir de résoudre numériquement le problème (P ) par le cas 1 ou
le cas 2.
Exercice 3.3 On considère l'E.D.P suivante :

4 ∂2u
 ∂u∂t (t, x) = P 2 ∂x2 (t, x) sur 0 < x ≤ 4, t > 0
(S) u(t, 0) = £u(t, 4) = 0, t >
¤0

u(0, x) = sin( P4 x) 1 + 2 cos( P4 x) , 0 ≤ x ≤ 4
On notera h le 'pas 'du maillage d'espace et k le 'pas 'de temps.

1) Ecrire un schéma explicite qui approche (S).
2) Ecrire un schéma implicite qui approche (S).

11 Méthodes Indirectes de Résolution des Systèmes Linéaires 31
Exercice 3.4 Soit le système aux équations aux dérivées partielles

 ∂u ∂v

 ∂t = c ∂x x ∈ R+ , t ∈ R+
 ∂v ∂u
= c ∂x x ∈ R+ , t ∈ R+
(S) ∂t

 u(x, 0) = u0 (x)

v(x, 0) = v0 (x)
c est une constante réelle positive.

1) Proposer un schéma aux diérences nies permettant de résoudre numériquement (S)
2) Montrer que (S) est équivalent à l'équation aux dérivées partielles (P)
 ∂2w 2
 = d ∂∂xw2
∂t2 (1)
(P ) w(x, 0) = a(x) (2)
 ∂w(x,0)
∂t = b(x) (3)
Déterminer w , d. (on admet que (3) est vériée)

3) Proposer un schéma implicite permettant de résoudre (P).
4) On pose T (x, t) = f (x + ct) + g(x − ct).
Déterminer l'équation aux dérivées partielles vériée par T (x, t).
Exercice 3.5 Soit l'équation ∂u ∂v
∂t = c ∂x , c est une constante réelle.
a) Donner la forme générale des solutions.
b) Donner un schéma aux diérences nies permettant de résoudre de façon approchée le
problème associè à la condition initiale u(0, x) = ex , 0 ≤ x ≤ 1 et à la condition aux limites
u(t, 0) = cos t, t ≥ 0.
11 Méthodes Indirectes de Résolution des Systèmes Linéaires

Comme nous l'avons vu, les schémas aux diérences nies conduisent le plus souvent à des
systèmes linéaires.
Or, les méthodes directes de résolution sont pratiquement inutilisables pour des systèmes
d'ordre supérieur à 100. D'autre part, les systèmes linéaires d'ordre 100 ou plus sont trés cou-
rants (systèmes obtenus dans la résolution d'équations aux diérences données par les équations
aux dérivées partielles).
11.1 Principe des méthodes indirectes

Soit le système à résoudre AX = b ou AX − b = 0 et X 0 une colonne quelconque. Formons
r = AX 0 − b, la colonne r0 est dite résidu relatif au système pour la colonne X 0 .
0
Les principes d'itérations sont les suivants : on part de X 0 et l'on forme r0 , puis on cherche un
moyen©de modier X 0 en X 1ª et l'on
© 0 a 1un résidu pcorrespondant
ª à r1 ,..........etc. On obtient les deux
suites X , X ............X ... et r , r ............r ... de vecteurs de Rn . Compte tenu de la linearité
0 1 p
du système à résoudre, il est naturel de ne considérer, pour déterminer la suite X 0 , X 1 ............X k

que des processus linéaires du type suivant :
½
X k+1 = T X k + C
X 0 arbitraire
Remarque
Si le processus converge vers la solution x de Ax = b, on aura à la limite x = T x + c ⇔
(I − T )x = c, ce qui nous conduit à choisir T telle que (I − T ) soit inversible.

11.2 Etude de la convergence

Les normes de matrices sont un outil indispensable pour l'étude de la convergence des méthodes
itératives.
Normes pour les matrices
Pour une matrice A de format (m × n), les normes utilisées, on peut citer :
La norme euclidienne
v
uX
umXn p
kAkF = t a2ij = trace(At A)
i=1 j=1
La norme du max
kAkM = maxaij .
ij
Norme subordonnée
Soit A une matrice n × m, étant donnée une norme vectorielle, on appelle norme matricielle
subordonnée, la norma matricielle dénie par :
kAxk
kAk = max
x∈Rn ,x6=0 kxk
On appelle rayon spectrale d'une matrice A, le nombre réel ρ(A) tel que :
ρ(A) = max |λi (A)|

i=1,...,n
p
Théorème : soit A une matrice n × m, alors kAkF = ρ(At A).
Corollaire Si A est une matrice carrée symétrique n × n, alors kAkF = ρ(A).
Théorème de convergence : soit la suite dénie par
½
X k+1 = T X k + c
X 0 arbitraire
S'il existe une norme matricielle subordonnée telle que [kT k < 1 ⇐⇒ ρ(T ) < 1] alors l'algo-
rithme ci-dessus converge pour tout X 0 vers x∗ la solution de :
x∗ = T x∗ + c ⇔ (I − T )x∗ = c.
11.3 Les techniques itératives classiques

Ces techniques utilisent la décomposition de A sous la forme A = M − N, det(M ) 6= 0 et
M telle que le système M x = d soit facile à résoudre (par exemple, M diagonale, triangulaire,
éventuellement par blocs) alors :
−1 −1
Ax = b ⇐⇒ (M − N ) = b ⇐⇒ M x = N x + b ⇐⇒ x = M | {z }b alors x = T x + c.
| {z N}x + M
T c
On notera que : I − T = I − M −1 N = I − M −1 (M − A) = M −1 A est inversible.
11.3.1 Méthode de JACOBI

On décompose A sous la forme A = D − E − F où
D = (aii ) ½
−aij si j < i
E = (eij ) telle que : eij =
0 sinon
½
−aij si j > i
F = (fij ) telle que : fij =
0 sinon

11 Méthodes Indirectes de Résolution des Systèmes Linéaires 33
Puisque det(D) 6= 0, on a :
Ax = b ⇐⇒ Dx = (E + F )x + b ⇐⇒ x = D−1 (E + F )x + D−1 b
T est appelé la matrice de Jacobi.

On a alors :
xk+1 = D−1 (E + F )xk + D−1 b
c'ést à dire
n
X aij bi
xk+1
i =− xkj + , i 6= j
a
j=1 ii
aii
Test d'arrêt
Il faut arrêter l'algorithme dès que :
¯ k+1 ¯
¯x − xki ¯ < ²1
i
¯ ¯ ou
¯ xk+1 − xk ¯
¯ i i ¯
¯ ¯ < ²2
¯ xk+1
i
¯
pour i = 1, ...n et k = 1, ....kmax.
La méthode de Jacobi utilise (n2 + 3n) pour nombres de place mémoire.
11.3.2 Méthode de GAUSS-SEIDEL

A étant toujours décomposé sous la forme A = D − E − F , on a puisque
det(D − E) = det(D) 6= 0
Ax = b ⇐⇒ (D − E)x = F x + b ⇐⇒ x = (D − E)−1 F x + (D − E)−1 b

| {z } | {z }
T c
d'où : xk+1 = (D − E)−1 F xk + (D − E)−1 b,

en explicitant , on obtient :
 
i−1
X n
X
1 −
xk+1
i = aij xk+1
j − aij xkj + bi  , 1 ≤ i ≤ n
aii j=1 j=i+1
On utilise le même test d'arrêt que celui de Jacobi.

Et la méthode de Gauss-Seidel est plus rapide que celle de Jacobi car elle n'utilise que (n2 +2n)
nombres de places mémoires.
11.3.3 Les techniques de sur-relaxation et de sous relaxation

Etant ω ∈ R+ donné, on a puisque det( ω1 (D − ωE)) = ω1 det(D) 6= 0.
Ax = b ⇐⇒ (D − E − F )x = b ⇐⇒ (M − N )x = b où :
M = ω1 (D − ωE) et N = ω1 (D − ωE) − D + E + F = ω1 [(1 − ω)D + ωF ]
x = M −1 N x + M −1 b ⇐⇒ x = (D − ωE)−1 (1 − ω)D + ωF )x + ω(D − ωE)−1 b ⇐⇒ x = Tω x + c
Alors xk+1 = (D − ωE)−1 (1 − ω)D + ωF )xk + ω(D − ωE)−1 b

 Ã !

 P
i−1 P
n

 x
k+1
ei = a 1 k+1
− aij xj − k
aij xj + bi , 1 ≤ i ≤ n
ii
j=1 j=i+1




xk+1
i xk+1
= (1 − ω)xki + ωei

ω s'appelle le facteur de relaxation.

Si ω < 1, on dit qu'on utilise une méthode de sous-relaxation,
si ω = 1, on retrouve la méthode de Gauss-Seidel,
si ω > 1, on dit qu'on utilise une méthode de sur-relaxation.
Remarque : Même test et même rapidité que Gauss-Seidel.
Théorème de convergence
X ¯¯ aij ¯¯
Si max( ¯ ¯) < 1, alors les méthodes de Jacobi et de Gauss-Seidel convergent.
i6=j ¯ aii ¯
1≤i≤n
Théorème (Kahan)
Si aii 6= 0 pour i = 1....n ρ(Tω ) < 1 si 0 < ω < 2
Si ω ≥ 2, la méthode diverge.
Si ω ≤ 0, la méthode diverge
11.4 Exercices à corriger en classe

Exercice 5.1 On considère le système linéaire (A)


 5x1 − 12 x2 + x3 = 3
 1
− 2 x1 + 11 1 3 25
2 x2 − 2 x3 + 2 x4 = 2
(A) 1 1 11

 x1 − 2 x2 + 5x3 − 2 x4 = − 2
 3 1 15
2 x2 − 2 x3 + 4x4 = 2
1. Calculer la matrice de Jacobi correspondant à (A).

−
2. Vérier que la solution exacte est x =t (1, 2, −1, 1),
kxk −xk−1 k
3. Calculer les premières itérations de Jacobi, en arrêtant les calculs lorsque kxk k
≤ 10−9 .
Exercice 5.2 On considère le système linéaire (B)

 x1 + 34 x2 = 6
3 25
(B) 4 x1 + x2 = 2
 1
− 4 x2 + x3 = −6
−
1. Vérier que la solution exacte est x =t (3, 4, −5).
2. Calculer les 7 premières itérations de Gauss-Seidel, en initialisant avec x0 =t (1, 1, 1).
3. Calculer les 7 premières itérations de Relaxation avec ω = 1.25, en initialisant avec x0 =t
(1, 1, 1).
4. Comparer les diérents résultats.

Chapitre 3
Travaux Pratiques / Projets
Sommaire
1 Objectifs et Compétences acquises . . . . . . . . . . . . . . . . . . . . 36
2 Thème des projets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Sujet : Projet - M.D.F (01) . . . . . . . . . . . . . . . . . . . . . . . . 38
4 Sujet : Projet - M.D.F (02) . . . . . . . . . . . . . . . . . . . . . . . . 38
5 Sujet : Projet - M.D.F (03) . . . . . . . . . . . . . . . . . . . . . . . . 39
6 Sujet : Projet - M.D.F (04) . . . . . . . . . . . . . . . . . . . . . . . . 39
7 Sujet : Projet - M.D.F (05) . . . . . . . . . . . . . . . . . . . . . . . . 40
8 Sujet : Projet - M.D.F (06) . . . . . . . . . . . . . . . . . . . . . . . . 40
9 Sujet : Projet - M.D.F (07) . . . . . . . . . . . . . . . . . . . . . . . . 41
10 Sujet : Projet - M.D.F (08) . . . . . . . . . . . . . . . . . . . . . . . . 42
11 Sujet : Projet - M.D.F (09) . . . . . . . . . . . . . . . . . . . . . . . . 42
12 Sujet : Projet - M.D.F (10) . . . . . . . . . . . . . . . . . . . . . . . . 43
13 Sujet : Projet - M.D.F (11) . . . . . . . . . . . . . . . . . . . . . . . . 43
14 Sujet : Projet - M.D.F (12) . . . . . . . . . . . . . . . . . . . . . . . . 44
15 Sujet : Projet - M.D.F (13) . . . . . . . . . . . . . . . . . . . . . . . . 44
16 Sujet : Projet - M.D.F (14) . . . . . . . . . . . . . . . . . . . . . . . . 45
17 Sujet : Projet - M.D.F (15) . . . . . . . . . . . . . . . . . . . . . . . . 45
18 Sujet : Projet - M.D.F (16) . . . . . . . . . . . . . . . . . . . . . . . . 47
19 Sujet : Projet - M.D.F (17) . . . . . . . . . . . . . . . . . . . . . . . . 49
20 Sujet : Projet - M.D.F (18) . . . . . . . . . . . . . . . . . . . . . . . . 49
21 Sujet : Projet - M.D.F (19) . . . . . . . . . . . . . . . . . . . . . . . . 49
22 Sujet : Projet - M.D.F (20) . . . . . . . . . . . . . . . . . . . . . . . . 50
23 Sujet : Projet - M.D.F (21) . . . . . . . . . . . . . . . . . . . . . . . . 50

1 Objectifs et Compétences acquises

Objectifs : Application et mise en oeuvre de la méthode des diérences nies à
une équation aux dérivées partielles.
Compétences acquises
• Savoir choisir un schéma de discrétisation temporelle et spatiale,
• Pouvoir déterminer la stabilité du schéma choisi,
• Savoir résoudre numériquement un problème,
• Travail en équipe,
• Présentation d'un projet,
• Utilisation de logiciels (Matlab, Scilab, visualisation des résultats etc.)

2 Thème des projets 37
2 Thème des projets

1◦ Résolution Numérique d'une équation aux dérivées partielles,
2◦ Résolution Numérique d'une équation de poisson,
3◦ Résolution Numérique de l'équation de la chaleur,
4◦ Résolution par les schémas explicites d'une équation aux dérivées partielles,
5◦ Résolution par les schémas implicites d'une équatio aux dérivées partielles,
6◦ Résolution par les schémas de Crank - Nicolson d'une équatio aux dérivées partielles,
7◦ Discrétisation d'une équation de la chaleur par M.D.F,
8◦ Etude de la stabilité des schémas explicites,
9◦ Etude de la stabilité des schémas implicites,
10◦ Etude de la stabilité des schémas de Crank - Nicolson,
11◦ Résolution Numérique d'une E.D.P,
12◦ Résolution par les schémas implicites d'une équation aux dérivées partielles,
13◦ Répartition de la température dans les parois d'un four,
14◦ Résolution numérique de l'équation de la chaleur par un schéma explicite,
15◦ Stabilite des schémas d'équations aux dérivées partielles,
15◦ Discrétisation d'une E.D.P par le schéma d'Euler implicite,
17◦ E.D.P en Finance : Modèle de Black et Scholes,
18◦ Résolution d'une E.D.P elliptique,
19◦ Résolution d'une E.D.P avec évolution temporelle,
20◦ Comparaison de deux méthodes de résolution d'une E.D.P.
21◦ Résolution d'une E.D.P modélisant la exion d'une poutre.

3 Sujet : Projet - M.D.F (01)

On considère le problème (A1) suivant : trouver u(x, t) qui vérie

∂2u 2

 − ∂∂xu2 = 0, 0 < x < 1, 0 < t
∂t2

u(0, t) = u(1, t) = 0, 0 < t
(A1)

 u(x, 0) = sin(2πx), 0 ≤ x ≤ 1
 ∂u
∂t (x, 0) = 2π sin(2πx) , 0 ≤ x ≤ 1
On se donne un pas k de discrétisation du temps et on discrétise ]0, 1[ par la grille Mh =

{Mi = ih, i = 0..........N } . On approche (P ) par la méthode des diérences nies.
Travail demandé
1. Proposer l'algorithme choisi.
2. Ecrire l'organigramme correspondant.
Travail de programmation
3 Ecrire un programme permettant de résoudre le problème approché.
Cas de calcul
4 Exécuter le programme pour h = 0.1 et k = 0.1.
xi uij |u(xi , tj ) − uij |
5 Présenter les résultats sous la forme
. . .
6 Vérier que pour ce problème, la solution exacte est :
u(x, t) = sin(2πx) [cos(2πt) + sin(2πt] , ce qui permettra de connaître l'erreur.

On considère une plaque carée simplement appuyée sur son contour Γ et supportant une charge
q(x, y). On montre que le moment ω et la èche µ(x, y) (selon un axe oz perpendiculaire au plan
x o y ) vérient les équations de Poisson suivante :

∂2ω 2

 + ∂∂yω2 = q(x,y)

 ∂x2 D
ω = 0 sur Γ
(B1) ∂2µ ∂2µ

 ∂x2 + ∂y 2 = ω


µ = 0 sur Γ
avec
Eh3
D=
12(1 − γ2)
h=épaisseur de la plaque (mm), E = module de Young, L =Longueur et Largeur de la plaque,

D = Rigidité de la plaque, q =charge, γ = 0, 35 (coecient de Poisson).
Travail demandé
1. Ecrire un programme évaluant la èche µ et le moment ω en chaque de la grille .(gure
5.1)
Cas de calcul
2 Exécuter le programme pour q = 1, h = 1, L = 20 et E = 21000 (acier).

5 Sujet : Projet - M.D.F (03) 39

On considère le problème suivant : trouver u(x, t) qui vérie :
 2
∂u

 − α ∂∂xu2 = f (x, t), (x, t) ∈ Ω = ]0, l[ × R+∗
 ∂t
u(0, t) = Φ0 (t), 0 < t
(C1)

 u(l, t) = Φ1 (t), 0 < t

u(x, 0) = u0 (x), 0 < x < l
α et l sont deux constantes données. f, Φ0 , Φ1 et u0 quatre fonctions connues.

On se donne un pas k de discrétisation du temps et on discrétise ]0, l[ par la grille Mh =
{Mi = ih, i = 0..........N } avec h = Nl .
On approche (C1) par la méthode des diérences nies.
Travail demandé
1 Proposer l'algorithme choisi.
2 Ecrire l'organigramme correspondant.
3 Ecrire un programme permettant de résoudre le problème approché.
Cas de calcul
4 Exécuter le programme pour l = 1 et α= 1, f (x) = 0, Φ0 (t) = Φ1 (t) = 0, u0 (x) =
sin(πx).
x uij |u(xi , tj ) − uij |
Présenter les résultats sous la forme : i
. . .
k
5 Faire les calculs pour t = 0.5, pour h=0.1, (k = 0.0005, k = 0.01) et calculer λ = h2 .
2
6 Vérier que pour ce problème, la solution exacte est : u(x, t) = sin(πx)e(−π t)
ce qui
permettra de connaître l'erreur |u(xi , tj ) − uij |.

On considère l'équation de poisson :
 ∂2u 2
 + ∂∂xu2 = xey , 0 < x < 2, 0 < y < 1
∂y 2
(D1) u(0, y) = 0, u(2, y) = 2ey , 0 ≤ y ≤ 1

u(x, 0) = x, u(x, 1) = x × e, 0 ≤ x ≤ 2
Travail demandé
1. Proposer un schéma explicite et un schéma implicite pour approcher la solution de (P).
2. Ecrire les organigrammes correspondants.
3 Ecrire les programmes correspondants.
Cas de calcul
2 1
4 Exécuter les programmes pour n = 6, m = 5 avec ∆x = n , ∆y = m.
5 Vérier que pour ce problème, la solution exacte est : u(x, y) = xey .


On considère l'équation de poisson :

∂2w
 ∂w
∂t − 4 ∂x2 = −2, x ∈ [0, 2] et t > 0
(E1) u(0, t) = 1, u(2, t) = 2, t > 0

u(x, 0) = 14 x2 , 0 ≤ x ≤ 2
Travail demandé
Appliquer la méthode des dierences nies à (E1) (schéma implicite) et résoudre le système
linéaire obtenu par la méthode de Gauss-Seidel.
Cas de calcul
3 Exécuter les programmes pour n = 10, k = 0, 001 et k = 0, 0125.
4 n = 20, k = 0, 001 et k = 0, 0125.

On considère l'équation aux dérivées partielles :

∂u ∂2u

 ∂t = ∂x2 , x ∈ ]0, 1[ et t ≥ 0

u(0, t) = u(1, t) = 0, t > 0
(F 1)

 u(x, 0) = 2x , 0 ≤ x ≤ 12

u(x, 0) = 2(1 − x) , 12 ≤ x ≤ 1
Travail demandé
Appliquer la méthode des dierences nies à (F 1) (Crank-Nicolson) et résoudre le système
linéaire obtenu par la méthode de résolution d'un système à matrice tridiagonale (Méthode
de Thomas). (Voir algorithme)
Ecrire les organigrammes correspondants
1. Ecrire les programmes correspondants.
Cas de calcul
1 1
2 Exécuter les programmes pour h = 10 , k = 100 .
Algorithme de Thomas : On considère le système tridiagonale suivant :
    
b1 c1 0 . . 0 x1 y1
 a1 b2 c2 .  .   . 
    
 0 a2 b3 c3  .   . 
  = 
  .   . 
    
  .   . 
0 . . . an bn xn yn


 γ1 = cb11

 ci

 γi = (bi −ai γi−1 ) , i = 2, ....., n − 1

 β1 = yb11

 β1 = (byii −a
−ai βi−1
, i = 2, ....., n − 1

 i γi−1 )

 x = βn

 n
xi = βi − γi xi+1 , i = n − 1, n − 2, ...1.


Equation de la chaleur
On cherche à résoudre l'équation suivante, appelée équation de la chaleur :

∂2u
 ∂u∂t (x, t) − ν ∂x2 (x, t) = f (x, t), x ∈ (0, 1) , t > 0,
(G1) u(0, t) = u(1, t) = 0, t > 0,

u(x, 0) = w(x), x ∈ (0, 1) ,
où f : (0, 1) × R+ → R et w : (0, 1) → R sont des fonctions données.

Cette équation est vériée, par exemple, par la température au point x et à l'instant t d'une
barre métallique placée sous une source de chaleur f (x, t) donnée. La température est connue en
tout point x à l'instant t = 0 et reste constante aux deux extrémités de la barre (de longueur 1).
Pour résoudre le problème (G1), on discrétise d'abord par rapport à la variable x (en espace) :
soit n un entier positif et posons h = n1 et xi = ih, i = 0, 1, ....., n.
On note ui (t) l'approximation de u(x, t) au point x = xi au temps t. On considère alors le
schéma suivant :
 d
 dt ui (t) − hν2 (ui−1 (t) − 2ui (t) + ui+1 (t)) = f (xi , t), i = 1, .., n − 1
(G2) u0 (t) = un (t) = 0, ∀t > 0,

ui (0) = w(xi ), i = 1, ...., n − 1.
On dénit la matrice A, de taille (n − 1) × (n − 1), par

 
2 −1 0 . . 0
 −1 2 −1 . . 0 
 
 . . 
A = hν2 


 . . 
 −1 2 −1 
−1 2
Si U (t) est le vecteur de composantes u1 (t), u2 (t), ....., un−1 (t), F (t) le vecteur de compo-
santes f (x1 , t), f (x2 , t), ......, f (xn−1 , t) et W le vecteur de composantes w(x1 ), ......, w(xn−1 ) alors
le schéma (G2) équivaut au système diérentiel :
½ 0
U (t) = −AU (t) + F (t) ∀t > 0
U (0) = W,
où U 0 (t) est la dérivée de U (t) par rapport à t.

Soit 4t un pas de temps donné, soit tk = k4t avec k = 0, 1, ....., et U k une approximation de
U (t) au temps t = tk .
Travail demandé
Appliquer les schémas suivants pour résoudre (G2).
Schéma d'Euler progressif :
( k+1 k
U −U
4t = −AU k + F (tk ) k = 0, 1, ....
U 0 = W,
Schéma d'Euler rétrograde :

( k+1 k
U −U
4t = −AU k+1 + F (tk+1 ) k = 0, 1, ....
U 0 = W,



Cas de calcul
3 Exécuter les programmes pour
f (x, t) = 2, ν = 1, w(x) = sin(πx) + x(1 − x)
h = 0, 1, k = 0, 01 et h = 0, 1, k = 0, 0125.
2
4 Vérier que pour ce problème, la solution exacte est u(x, t) = e−π t sin(πx)+x(1−x) ce
qui permettra de connaître l'erreur.

On cherche à résoudre l'équation suivante :

∂2u 2

 ∂t2 (x, t)− λ ∂∂xu2 (x, t) = f (x, t), x ∈ (0, 1) , t > 0,

u(0, t) = u(1, t) = 0, t > 0,
(H1)

 u(x, 0) = w(x), x ∈ (0, 1) ,
 ∂u
∂t (x, 0) = 0, x ∈ (0, 1) ,

Travail demandé
Appliquer la méthode des dierences nies à (H1).
1. Ecrire les organigrammes correspondants
Cas de calcul
3 Exécuter
 les programmes pour

 f (x, t) =
½ 0, λ = 1,

1, 0 ≤ x ≤ 12 ,
w(x, 0) = 1

 −1, 2 < x ≤ 1,
 1 1
h = 10 , k = 10 .
4 Comparer les résultats en utilisant les séries de Fourier au temps t = 12 .

 2
∂u
 ∂t (x, t)− π42 ∂∂xu2 (x, t) = f (x, t), x ∈ (0, 4) , t > 0,
(I1) u(0, t) = u(4, t) = 0, t > 0,

u(x, 0) = w(x), x ∈ (0, 4) ,

Travail demandé
Appliquer la méthode des dierences nies à (I1).
Cas de calcul

3 Exécuter les programmes pour :


 f (x, t) = 0
w(x, 0) = sin( π4 x)(1 + 2 cos( π4 x))

h = 0.2 , k = 0.04.
t
4 Vérier que pour ce problème, la solution exacte est u(x, t) = e−t sin( π2 x)+e− 4 sin( π4 x)
ce qui permettra de connaître l'erreur.

On s'intéresse au problème de Cauchy suivant :
 2
∂u
 − k ∂∂xu2 (x, t) = f (x), x ∈ (0, 2) , t > 0,
∂t (x, t)
(J1) u(0, t) = u(2, t) = 0, t > 0,

u(x, 0) = x(2 − x), x ∈ (0, 2) ,
où f : (0, 2) × R+ → R est une fonction donnée.

On se donne un pas d'espace h = N2+1 et un pas de temps 4t > 0, les points de discrétisation
xj = jh (j = 0, ......, N + 1) en espace et tn = n4t (n ∈ N) en temps. On approche la solution,
supposée régulière u(x, t) du problème (J1) au point (xj , tn ) par le nombre unj .
Travail demandé
Soit le schéma suivant
 ¡ n+1 : n ¢ ¡ ¢
1

 uj − uj − hk2 unj+1 − 2unj + unj−1 −


4t
¡ n ¢

 k2 4t
uj+2 − 4unj+1 + 6unj − 4unj−1 + unj−2 =
2h4
 f (xj ) + k4t
2h2 (f (xj+1 ) − 2f (xj ) + f (xj−1 )) ∀j = 0, ...N, ∀n ∈ N

 un
= un
= 0, ∀n ∈ N

 0 N +1
 u0j = xj (2 − xj ) ∀j = 1, ......., N.
1. Expliquer comment on obtient ce schéma.
3 Ecrire le programme correspondant.
Cas de calcul
4 Exécuter le programme pour :
½
f (x) = 0, k = 1
h = 0.1 , k = 0.01.

On s'intéresse au problème de Cauchy suivant :
 2
∂u
 ∂t (x, t)− α ∂∂xu2 (x, t) = f (x, t), x ∈ (0, 1) , t > 0,
(K1) u(0, t) = u(1, t) = 0, t > 0,

u(x, 0) = sin(πx), x ∈ (0, 1) ,
où f : (0, 1) × R+ → R est une fonction donnée.

On se donne un pas d'espace h = N1+1 et un pas de temps 4t > 0, les points de discrétisation
xj = jh (j = 0, ......, N + 1) en espace et tn = n4t (n ∈ N) en temps. On approche la solution,
supposée régulière u(x, t) du problème (K1) au point (xj , tn ) par le nombre unj .

Travail demandé
Soit le schéma suivant :
 ¡ n ¢
4t

 un+1 n n n
j ¡ = 4tfj + uj + α 2h2 ¢ uj+1 − 2uj + uj−1
n
 α4t n
+ 2h2 uj+1 − 2un+1j + un+1
j−1 ∀j = 0, ...N, ∀n ∈ N
 n n
 u0 = uN +1 = 0, ∀n ∈ N

u0j = sin(πxj ) ∀j = 1, ......., N.
1. Expliquer comment on obtient ce schéma.
3 Ecrire le programme correspondant.
Cas de calcul
4 Exécuter
½ le programme pour :
f (x) = 0, α = 1
h = 0.1 , k = 0.01.

 2
∂ T

 (r, t) + 1r ∂T 1 ∂T 1
∂r (r, t) = 4K ∂t (r, t), 2 < r < 1, t > 0,
 ∂r2
T (1, t) = 100 + 40t, 0 ≤ t ≤ 10,
(L1)

 T ( 12 , t) = t, 0 ≤ t ≤ 10,

T (r, 0) = 200(r − 12 ) 0.5 ≤ r ≤ 1.
Travail demandé
Appliquer la méthode des dierences nies à (L1).
Cas de calcul
3 Exécuter
½ les programmes pour :
K = 0.1
1
h = 4r = 10 , k = 4t = 12 .

Etude de la répartition de la température dans les parois d'un four.
On considère le four dans le plan de la section droite représentée en gure
On appelle Γi la surface interne de la paroi du four et Γe la surface externe.
En régime permanent la température T (x, y), en un point (x, y) de la paroi vérie l'équation
aux dérivées partielles suivantes :
∂2T ∂2T
2
(x, y) + (x, y) = 0,
∂x ∂y 2
avec les conditions aux limites suivantes :
T (x, y) = θe sur Γe ,
T (x, y) = θi sur Γi .

Travail demandé
Appliquer la méthode des dierences nies à ce problème.
Cas de calcul
3 Exécuter les programmes pour :

 θe = 50, θi = 1150,

L1 = 60, L2 = 80, L3 = L4 = 20.

Équation de la chaleur - Schéma explicite
On se propose de résoudre numériquement l'équation de la chaleur
½ ∂u 2
− ρ ∂∂xu2 = 0 pour tout (x, t) ∈ R×]0, T ]
∂t (16.1)
u(0, x) = max(0, 1 − x2 ) pour tout x ∈ R,
On rappelle que la solution exacte de cette équation est connue et que

Z ∞ µ ¶
1 (x − y)2
u(x, t) = √ u0 (y) exp − dy. (16.2)
4πρt −∞ 4ρt
a. Écrire un programme qui calcul numériquement la solution de l'équation à l'aide d'un schéma
explicite. On choisira ρ = 1 et T = 1. Bien entendu, il est impossible d'utiliser la méthode des dif-
férences nies sur tout entier. On se restreindra donc à un gros domaine, par exemple ] − 10, 10[
et on imposera les conditions u(10, t) = u(−10, t) = 0 pour tout temps t. A chaque itération en
temps (ou toutes les p itérations), on visualisera la solution obtenue.
b. Vérier numériquement que la condition de stabilité

2ρ∆t ≤ (∆x)2
est nécessaire et susante pour assurer la stabilité du schéma.

c. Calculer numériquement la solution exacte donnée par (16.2) au temps nal t = T . Vérier
visuellement la convergence de la solution calculée par la méthode des diérences nies vers la
solution exacte en superposant sur un même graphique les deux solutions obtenue pour t = T .
Reprendre toutes les questions précédentes avec le schéma implicite centré. Vérier en particulier
la stabilité du schéma même lorsque la condition de stabilité du schéma explicite n'est pas vériée.

Stabilité des schémas d'équations aux dérivées partielles (EDP)
A) Formulation du problème
Considérons l'équation aux dérivées partielles suivante :

 2
∂u

 − a ∂∂xu2 = 0, dans ]0, L[ × ]0, T [
 ∂t
u(0, t) = 0
(P)

 u(L, t) = 0

u(x, 0) = u0 (x)
avec a > 0 le coecient de conductivité thermique.

L
On discrétise l'intervalle [0, L] en n + 1 points par xi = ih, i = 0......, n + 1 et h = n+1 .
On utilise cette discrétisation en espace pour l'équation (P) en introduisant la fonction U (t) ∈
Rn telle que
Ui (t) ' u(xi , t)

pour i = 1, ....., n. Soit P la matrice suivante
 
2 −1
 −1 2 −1 
 
 −1 2 −1 
P =


 . . . 
 −1 2 −1 
−1 2
La fonction U : R+ → Rn est alors solution de l'équation diérentielle ordinaire suivante :
Ui+1 (t) − 2Ui (t) + Ui−1 (t)

Ui0 (t) = a . (17.1)
h2
C'est à dire ³a´
U 0 (t) = P U (t) (17.2)
h2
avec la condition initiale Ui (0) = u0 (xi ). On peut alors intégrer, au choix, cette équation
diérentielle ordinaire par un schéma de type Euler explicite ou Euler implicite.
Application numérique : on prendra dans tout le Projet -mdf15


 L = 1,

n = 49,

 a = 4 × 10−4 ,

u0 (x) = 0 et u0 (x) = x(2 − x).
B) Euler explicite
On considère à présent une discrétisation en temps tn = nk. L'équation (2), discrétisée par le
schéma d'Euler explicite, s'écrit sous la forme de l'itération suivante :
Uin+1 − Uin U n − 2Uin + Ui−1

n
= a i+1 (4)
k h2
n
avec Ui ' Ui (tn ), c'est à dire
U n+1 = (I − λP ) U n . (17.3)
ak
avec λ = h2 et la condition initiale Ui0 = u0 (xi ).
Travail 1 : Coder en matlab la matrice I − λP ainsi que l'itération (4).
Travail 2 : Quelle est la condition de stabilité de ce schéma, vue en cours ? Quelle relation,
avec les paramètres de l'application numériqueci-dessus, a-t-on entre λ et k? Comment se traduit
la condition de stabilité pour le choix de k dans notre cas.
Considérons le schéma explicite centré suivant :
Travail 3 : On note Xk le multiple de k le plus proche de 10. Calculer U (Xk ) pour les valeurs
suivantes de k :
k = 0.1, 0.2, 0.3, 0.4, 0.45, 0.49, 0.51, 0.55, 0.6, 1, 2.

Travail 4 : Calculer U (10) pour les valeurs suivantes de k :

k = 0.001, 0.002, 0.005, 0.01, 0.002, 0.49, 0.05, 0.1, 0.2.
Travail 5 : Tracer U (10) en fonction de k en coordonnées logarithmiques(loglog). Qu'observe-
t-on ?
C) Euler Implicite
On considère à présent l'équation (2), discrétisée par le schéma d'Euler implicite, sous la
forme de l'itération suivante :
Uin+1 − Uin U n+1 − 2Uin+1 + Ui−1

n+1
= a i+1 (17.4)
k h2
avec Uin ' Ui (tn ), c'est à dire
−1
U n+1 = (I + λP ) U n. (17.5)
avec λ = ak 0
h2 et la condition initiale Ui = u0 (xi ).
Il est evidement imposible d'inverser la matrice I + λP. On résoudra le système linéaire suivant
à chaque itération, en utilisant la commande \ : (I + λP ) U n+1 = U n .
Travail 6 : Même travail (1 à 4) que pour le schéma euler explicite.
Travail 7 : Faire une analyse critique des deux méthodes.
Considérons le problème d'un mur d'épaisseur `, qui se trouve initialement à une température
uniforme θ0 (température de la chambre). À l'instant t = 0, la température extérieure (en x = 0)
monte brusquement à θs > θ0 , valeur maintenue constante par une source de chaleur. On suppose
que la température à x = ` est gardée à sa valeur initiale θ0 . La propagation de la chaleur dans le
mur (de diusivité thermique κ) sera décrite par l'équation de la chaleur :
∂u ∂2u
− κ 2 = 0, (18.1)
∂t ∂x
avec l'inconnue u(x, t) = θ(x, t) − θ0 , la condition initiale u0 (x) = 0 et les conditions aux limites
de Dirichlet :
u(0, t) = θs − θ0 = us , u(`, t) = 0, ∀t > 0. (18.2)
Question n◦ 1 : Cas du domaine inni : Pour un mur d'épaisseur innie (` → ∞) on va
chercher la solution sous la forme :
x
u(x, t) = f (η), avec η = √ . (18.3)
2 κt
Montrer que la fonction f vérie l'équation diérentielle ordinaire suivante :
d2 f df
2
+ 2η = 0. (18.4)
dη dη
En introduisant la fonction suivante, appelée fonction erreur

Z z
2 2
erf(z) = √ e−ζ dζ, (18.5)
π 0
qui vérie erf(0) = 0 et erf(∞) = 1, trouver la solution de l'équation de la chaleur pour ` → ∞ :

x
u(x, t) = [1 − erf( √ )]u(0, t). (18.6)
2 κt

Question n◦ 2 : Cas du domaine ni : Pour un mur d'épaisseur nie `, on va utiliser la

décomposition en ondes simples
X kπ
u(x, t) = ûk (t)φk (x), φk (x) = sin( x). (18.7)
`
k∈N∗
Écrire et résoudre l'équation diérentielle ordinaire vériée par chaque fonction ûk . Vérier
que la solution de l'équation de la chaleur avec les conditions aux limites (18.2) s'écrit sous la
forme :
X µ ³ ´ ¶
x kπ 2
u(x, t) = (1 − )us + Ak exp − κt φk (x). (18.8)
` ∗
`
k∈N
2us
Montrer que Ak = − .
kπ
Considérons la discrétisation du problème
en espace
M
[ −1
[0, `] = [xm , xm + h], xm = mδx, m = 0, 1, . . . , M, δx = `/M, (18.9)
m=0
et en temps
N[
−1
[0, tmax ] = [tn , tn + δt], tn = nδt, δt = tmax /N. (18.10)
n=0
On note unm = u(xm , tn ).
Question n◦ 3 : Considérons le schéma explicite centré suivant :
un+1 − unm un − 2unm + unm−1

m
− κ m+1 = 0. (18.11)
δt δx2
La condition de stabilité du schéma est :
δt 1
κ 2
≤ (18.12)
δx 2
Écrire un programme pour la résolution du problème de la propagation de la chaleur dans un

mur d'épaisseur nie. On prendra κ = 1, ` = 1, us = 1, M = 50 points de discrétisation en espace
et le pas de temps δt donné par (18.12).
Tracer la solution numérique pour diérents instants de temps et comparer avec la solution
exacte (18.8) (une bonne approximation de cette dernière est obtenue en prenant les 20 premiers
nombres d'onde k ). Comparer également avec la solution (18.6) obtenue pour un domaine inni.
Commenter les résultats pour t petit et pour t grand.
Question n◦ 4 : Reprendre le programme précédent pour us = 0 et la condition initiale

π 1 π
u0 (x) = u(x, 0) = sin( x) + sin(10 x). (18.13)
` 4 `
Comparer la solution numérique avec la solution analytique donnée par (18.8). Décrire l'amortis-
sement des ondes présentes dans la condition initiale.
Question n◦ 5 : Ecrire le schéma implicite correspondant à (18.11) et répondre aux questions

n 3 et n◦ 4 en utilisant ce schéma. Quel est l'avantage du schéma implicite ?
◦


On cherche une approximation numérique de la fonction put Européenne P = P (t, s), t ∈
[0, T ] , s ∈ [0, L].
Elle vérie l'équation suivante :
 2 2
∂P

 − σ2 s2 ∂∂sP2 − rs ∂P
∂s + rP = 0, t ∈ [0, T ] , s ∈ [0, L]


∂t

P (t, L) = 0, t ∈ [0, T ] ,





P (0, s) = (s − K)− , s ∈ [0, L] .
On prendra les constantes numériques suivantes :K = 100, L = 200, T = 1, σ = 0, 2, r = 0, 1.
On veut calculer en particulier P (t, s) au temps nal t = T.
L T
On considère un maillage en espace et en temps. On note h = m+1 le pas d'espace, k = N le
pas du temps ; on note sj = jh, j = 0, ...., M + 1 le maillage spatial et tn = nk, n = 0, ...., N le
maillage temporel.
On cherche Pjn une approximation de P (tn , sj ) par le schéma suivant :
 ¯
 Pjn+1 −Pjn n n n
σ 2 2 Pj+1 −2Pj −Pj−1
n
Pj+1 −Pjn ¯ n = 0, ...N − 1
 − + rPjn = 0 ¯


 k 2 sj h2 − −rsj h ¯ j = 0, ....M


n

 PM +1 = 0, n = 0, ...N





Pj0 = (sj − K)− , j = 0, ....M + 1
Travail : Programmer et tester les schémas proposés pour les valeurs de N = M
suivantes : (10,20,50,100,200), puis en xant N = 10 avec M = (10, 20, 50, 100, 200)

Soit le problème aux limites

 −∆u + 2u = x2 + y 2 , (x, y) ∈ [0, 1] × [0, 1] = D
(P )

u(x, y) = 0, (x, y) ∈ ∂D,
On introduit une discrétisation homogène de pas h = k = N1+1 où N est donné de façon
arbitraire.
On veut calculer en particulier u(xi , yj ) une approximation numérique de u(x, y) par des sché-
mas explicites et implicites.
Travail demandé :
1) Trouver une solution exacte de problème.
2) Programmer et tester les schémas explicites et implicites proposés pour les valeurs de N
suivantes : (10,20,50,100,200).
3) Comparer les solutions numériques obtenues.

On veut trouver l'évolution temporelle de la fonction u(x, t) qui obéit aux équations suivantes :
 2
∂u

 + 3 ∂∂t2u + 2 ∂u
∂x = 0, x ∈ [0, 1] , t ≥ 0
 ∂t
(P )

 u(0, t) = 1,

u(x, 1) = 0

1 1
On introduit une discrétisation au noeud xi = ih à l'instant t = ks où h = N +1 et s = T , T
étant donné de façon arbitraire.
Travail demandé :
1) Donner un schéma explicite aux diérences nies pour ce problème.
2) Programmer et tester ce schéma pour les diérentes valeurs de N et s.

Soit le système diérentiel suivant :
 2

 − ddt2u + 4u(x) = exp(−x), x ∈ ]0, 1[



(P ) u(0) = 0,





u0 (0) = 1.
On peut résoudre numériquement (P) de deux méthodes :
1) On pose du
dx = v,
Le problème (P) devient
 du

 dt =v

 dv

 dt = 3u − exp(−x),

(P 0 )

 u(0) = 0,





v(0) = 1.
Résoudre (P') par la méthode de Runge Kutta d'ordre 4.
2) a) Montrer que la méthode des diérences nies appliquée à (P) se ramène à résoudre le
problème :
 ui+1 −ui +ui−1
 −

 h2 + 4ui = exp(−xi ), i = 2, ...., N

 Ecrire l'approximation des conditions aux limites

b) Vérier que la solution exacte est

1 1 1
uex = exp(2x) − exp(−2x) + exp(−x)
6 2 3
c) Comparer la solution obtenue par la méthode 1 et la méthode 2.
d) Conclure.

On considère une poutre de longueur l étirée aux 2 bouts selon son axe par une force P
et soumise à une charge transversale f . Le moment échissant u(x) au point x est solution du
problème
½
−u00 (x) + c(x)u(x) = f (x), 0≤x≤l
(P )
u(0) = u(l) = 0
P
où c(x) = EI(x) , E étant le module de Young du matériau et I(x) est le moment principal
d'inertie de la section de la poutre au point x. Pour simplier, dans la suite, on suppose que c(x)
une constante c > 0.

l
Soit N un entier, on subdivise [0, l] en segments de londueur h = N +1 . Soit xi = ih, i =
0, ..., N + 1. On va chercher une solution approchée (v0 , ..., vN +1 ) dénie en les xi .
T
Naturellement on prend v0 = vN +1 = 0 et on cherche Vh = (v1 , ..., vN ) .
1. Si Φ une fonction de classe C 4 sur R. Montrer que, ∀x ∈ R, il existe α ∈ ]−1, 1[ tel que
Φ(x + h) − 2Φ(x) + Φ(x − h)

Φ00 (x) = + kh2 Φ(4) (x + αh).
h2
2. Ecrire les équations en les xi en remplaçant u00 (xi ) par l'expression précédente.
3. En négligeant le terme en h2 et en remplaçant u(xi ) par vi , écrire le problème (Ph ) sous la
forme ¡ ¢T
Ah Vh = Fh où Ah ∈ RN ×N , Fh = h2 f (x1 ), ..., h2 f (xN )
4. Résoudre numériquement le système Ah Vh = Fh . (cas de calcul : l = 1, c(x) = x, N =
4, 10, 20, 50, 100)

Cours MDF Master

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours MDF Master

Transféré par

Droits d'auteur :

Formats disponibles

Table des matières

1 Plateforme pédagogique du cours 3

2 Approximation par diérences nies 9

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

8.1 Schéma explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3 Travaux Pratiques / Projets 35

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

Plateforme pédagogique du cours

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

6 Travail à eectuer et contrôle continu

8 Planning des séances et déroulement du programme

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

N◦ Programme de la séance type Travail à faire avant chaque séance

9 Travaux Pratiques / Projets

Objectifs (en termes de compétences)

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

c) La qualité de la présentation (6 points).

Titre Auteurs Editeurs Remarques

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

Approximation par diérences nies

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

11.1 Principe des méthodes indirectes . . . . . . . . . . . . . . . . . . . . . . 31

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

1 Analyse Numérique des équations aux dérivées partielles

Etape 1 : Identication des lois fondamentales de la physique, de la chimie, des sciences

2 Equations Aux Dérivées Partielles

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

entre les mathématiques (E.D.P), la mécanique, l'électricité et l'informatique considéré comme

2.2 Concepts Fondamentaux

∂2u ∂2u ∂2u ∂u ∂u

où, a, b, c, d, e et f peuvent dépendre de x, y et même de u. L'ordre de l'équation est donné par

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

2.3 Exemples et un peu de vocabulaire

Exemple d'équation elliptique : (thermique, électrostatique, membrane élastique, écoulement

Exemple d'équation hyperbolique : (propagation d'ondes, électromagnétisme, élastodynamique).

2.4 Notion de problème bien posé

(a) Dirichlet : u(s) = u0

3 Méthode des diérences nies

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

3.1 Approximation des dérivées

2. Fonction à deux variables

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

3.2 Problème Approché

3.2.1 Condition de Dirichlet

3.2.2 Condition de Neumann

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

Les points frontaliers du réseau sont donc les points

Soit un entier N , on obtient le réseau

u(x − h, y) + u(x + h, y) + u(x, y − h) + u(x, y + h) − 4u(x, y)

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

où c ∈ C([0, 1] , R+ ), et f ∈ C([0, 1] , R), qui peut modéliser par exemple un phénomène de

u(xi + h) − 2u(xi ) + u(xi − h) 00 h2 (4)

Posons ci = c(xi ), fi = f (xi ) pour i = 1, .....N

On peut écrire ces équations sous forme matricielle :

Remarque : les questions suivantes se posent naturellement

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

On a donc, par changement d'indice :

Et comme on a v0 = α et vN +1 = β , on peut écrire :

Si on suppose Ah v.v = 0, on a alors

1 ère année Master Mécanique Appliquée - 2011/2012 Pr Hamid El Ouardi

Preuve : Par développement de Taylor, on a :

2 Approximation par diérences nies 9

6 Travail à eectuer et contrôle continu

Approximation par diérences nies

Etape 1 : Identication des lois fondamentales de la physique, de la chimie, des sciences

3 Méthode des diérences nies

On choisit h = k = 0, 125, on pose Vi = u(Pi ).(gure 3)

Remarque : Savoir si unproblème Lh uh = fh tend vers un problème Lu = f, c'est déja

La condition de stabilité pour les équations aux diérences s'énonce :

9 Conclusion sur la méthode des diérences nies

On notera h le pas du maillage d'espace et ∆t le pas de temps. Ecrire le principe et

Déterminer w , d. (on admet que (3) est vériée)