Chapitre 1

Concepts généraux et rappels

mathématiques

1.1 Introduction

1.1.1 Méthode des différences finies ?

Les problèmes de mécanique sont couramment formulés par des équations diffé-
rentielles. Pour la majorité des cas la résolution analytique de ces équations n’est
pas possible, d’où le besoin de méthodes numériques.
La méthode des différences finies notée dans la suite FDM (Finite Difference
Method), est une technique numérique pour la résolution des équations différentielles
ordinaires ou aux dérivées partielles. Au lieu de rechercher la solution complète pour
ces équations, cette technique se contente de trouver des solutions approchées en un
nombre fini de points.
L’idée de base de la FDM consiste à remplacer dans l’équation différentielle
toutes les dérivées par des approximations algébriques en termes de la fonction elle
même. Par conséquence elle aboutit en finalité à un système d’équations algébriques
permettant de donner les solutions approchées du problème.

1.1.2 Exemple introductif

Soit à résoudre l’équation :

f 0 (x) = f (x) (1.1)

pour 0  x  3 avec pour condition de frontière f (0) = 1.

Pour cette équation simple, la solution analytique existe, c’est f (x) = ex .
Chapitre 1. Concepts généraux et rappels mathématiques 2

Solution par la FDM

df f (x+ x) f (x)
Notons d’abord que par définition : f 0 (x) = dx = lim x
x!0
f (x+ x) f (x)
Approximation pour des valeurs de x petites : f 0 (x) ⇡ x

Pour obtenir des solutions approchées de l’équation dans l’intervalle souhaité

(x 2 [0, 3]), divisons celui-ci en petits pas h (Fig. 1.1).

h h x

Figure 1.1 – Discrétisation de l’intervalle où les solutions sont recherchées

Au point xk , l’équation 1.1 peut être approchée par :

f (xk + h) f (xk )
= f (xk )
h

D’où
f (xk + h) = (1 + h)f (xk )

Ainsi si f (x0 ) est connue, il est possible de calculer toutes les valeurs suivantes
f (x1 ), ..., f (xk ), ..., f (xN ).
Il convient de remarquer enfin que les notations f (xk ) et f (xk + h) dans les
équations ci-dessus ne correspondent pas aux valeurs exactes mais plutôt des ap-
proximations. Ainsi afin d’éviter la confusion, elles seront notées dans la suite : fk
et fk+1 sachant que : fk ⇡ f (xk ) et fk+1 ⇡ f (xk + h).
Le système d’équations permettant de trouver ces valeurs approximatives s’écrit
donc : 8
>
<fk+1 = (1 + h)fk
(1.2)
>
:f = 1
0
Chapitre 1. Concepts généraux et rappels mathématiques 3

1.2 Rappels sur les systèmes d’équations linéaires

1.2.1 Généralités

Ces rappels visent essentiellement la résolution des systèmes d’équations li-

néaires.
Considérons le système d’équations :
8
>
>
>
> a11 x1 + a12 x2 + · · · + a1N xN = b1
>
>
>
>
>
<a21 x1 + a22 x2 + · · · + a2N xN = b2
(1.3)
>
> ..
>
> .
>
>
>
>
>
: a M 1 x 1 + a M 2 x 2 + · · · + a M N x N = bM

Dans ce système, les N inconnus (xi , i = 1, · · · , N ) sont reliés par M équations

linéaires. Les coefficients aij ainsi que les seconds membres bi étant des nombres
connus. Ce système est dit composé de M équations indépendantes si aucune de ses
équations ne peut être obtenue par combinaison linéaire des autres équations.
Si les M équations sont indépendantes, trois cas peuvent se présenter :
• M < N : il existe une infinité de solutions pour le système.
• M > N : en général il n’y a pas de solution exacte, mais une solution de
"compromis" peut être déterminée, c’est la solution qui s’approche le mieux
de la satisfaction de toutes les équations.
• M = N : la solution est unique.
Nous nous intéressons au cas où la solution est unique c’est à dire M = N . Le
système d’équations s’écrit couramment dans ce cas sous la forme matricielle :

[A] · {x} = {b} (1.4)

avec [A] est une matrice carrée composée des coefficients aij , {x} et {b} sont les
vecteurs colonnes des inconnus et des seconds membres, ils s’écrivent sous la forme :
Chapitre 1. Concepts généraux et rappels mathématiques 4

2 3 8 9 8 9
a11 a12 ··· a1N >
> x1 >
> >
> b1 >
>
6 7 >
> >
> >
> >
>
6 7 >
> > > >
6 a21 a22 · · · a2N 7 < x2 >
= >
< b2 >
=
6
[A] = 6 . 7, {x} = {b} =
7 .. > , .. >
6 .. 7 >
>
> . >
>
>
>
> . >
>
4 5 >
> >
> >
> >
>
>
: > ; >
: > ;
aN 1 aN 2 · · · aN N xN bN

1.2.2 Résolution des systèmes d’équations par la méthode d’élimi-

nation de Gauss-Jordan

Soit le système d’équations :

2 38 9 8 9
a11 a12 ··· a1N >
> x1 >
> >
> b1 >
>
6 7>>
>
>
>
>
>
>
>
>
>
>
6 7>< >
= >
< >
6 a21 a22 · · · a2N 7 x2 b2 =
6 7
6 .. 7 > .. > = > .. >
6 . 7> . > > . >
4 5>>
>
>
>
>
>
>
>
>
>
>
>
: ; : >
> > ;
aN 1 aN 2 · · · aN N xN bN

L’algorithme de Gauss-Jordan consiste en un ensemble de transformations qui

aboutissent à un système de la forme :
2 38 9 8 9
1 0 ··· 0 > > x1 >
> >
> b01 >
>
6 7>> >
> >
> >
>
6 7>>
<
>
>
=
>
>
<
>
>
6 0 1 · · · 07 x 2 b2 =
0
6 7
6 .. 7 > .. > = > .. >
6. 7> . > > . >
4 5>>
>
>
>
>
>
>
>
>
>
>
> >
: ; : 0 >> ;
0 0 ··· 1 xN bN

d’où la solution : {x} = {b0 }

Cet algorithme est couramment exercé sur la matrice augmentée :
2 3
a11 a12 ··· a1N | b1
6 7
6 7
6 a21 a22 · · · a2N | b2 7
[A | b] = 6
6 ..
7
7
6 . 7
4 5
a N 1 a N 2 · · · a N N | bN

Chaque ligne de cette matrice est notée lk .

Chapitre 1. Concepts généraux et rappels mathématiques 5

L’algorithme est composé de N étapes (N étant la dimension du système) :

• Etape 1 :
(1)
— division de la ligne 1 par a11 , on obtient : l1
(1)
— pour toute ligne k (k 6=1) additionner la ligne (( ak1 ) ⇥ l1 ), la première
(1)
colonne devient h1 0 ··· 0iT et on obtient les lignes lk
• Etape 2 :
(1) (2)
— division de la ligne 2 par a22 , on obtient : l2 .
(1) (2)
— pour toute ligne k (k 6=2) additionner la ligne (( ak2 )⇥l2 ), la deuxième
(2)
colonne devient h0 1 0 ··· 0iT et on obtient les lignes lk .
• Etape i :
(i 1) (i)
— division de la ligne i par aii , on obtient : li .
(i 1) (i)
— pour toute ligne k (k 6= i) additionner la ligne (( aki )⇥li ), on obtient
(i)
les lignes lk .
Et ainsi de suite jusqu’à l’étape N .
Remarque : Si pour une étape i donnée, il se trouve que le pivot est nul c’est à
(i 1)
dire aii = 0, on procède dans la même étape à la permutation de la ligne i avec
(i 1)
une autre ligne inférieure k (tel que k > i) et pour laquelle aki 6= 0. S’il n’existe
pas de ligne qui satisfait cette condition, le système devient non résoluble (nombre
d’inconnus supérieur au nombre d’équations).
Exemple
Soit à résoudre le système d’équations :
8
>
>
>
> x y + 2z = 5
>
<
> 3x + 2y + z = 10
>
>
>
>
:2x 3y 2z = 10

2 3
1 1 2 5
6 7
6 7
Matrice augmentée : 6 3 2 1 10 7
4 5
2 3 2 10
Transformations :
Chapitre 1. Concepts généraux et rappels mathématiques 6

2 3
1 1 2 5
6 7
6 7
• Etape 1 : 6 0 5 5 5 7
4 5
0 1 6 20

2 3
1 0 1 4
6 7
6 7
• Etape 2 : 6 0 1 1 1 7
4 5
0 0 7 21

2 3
1 0 0 1
6 7
6 7
• Etape 3 : 6 0 1 0 2 7
4 5
0 0 1 3