Analyse Numerique ESTP 2022

ESTP
Cours de Modélisation
Dr. Ganon ESTP Cours de Modélisation 1er Année 2/64
PLAN
Introduction
I. Classification des EDP et exemples classiques
1. Classification des EDP
2. Exemples classiques
II. Problèmes elliptiques
1. Problèmes elliptiques 1d.
2. Justification des calculs : consistance, stabilité et
convergence
3. Problèmes elliptiques en dimension 2
III. Problèmes paraboliques
1. Quelques propriétés du problème continu
2. Exemples de schémas
IV. Problèmes hyperboliques
1. Problème continu
Introduction
Introduction
L’objectif de ce cours est de présenter une résolution numérique
de certaines équations aux dérivées partielles (EDP) linéaires
d’ordre au plus 2 à travers des exemples classiques intervenant
dans la modélisation de nombreux problèmes de physique,
biologie, économie, géologie, . . . etc. Ces équations sont des
modèles mathématiques traduisant une situation de vie pratique
ou un phénomène naturel ou artificiel.
Considérons une EDP écrite sous la forme générale
Au = f dans Ω (1)
où
• Ω est un ouvert de Rn , n ∈ N,
• f représente les données du problème,
• A est un opérateur (représentant les dérivées)
• u est la solution du problème.
Introduction
Résoudre numériquement l’EDP (1) consiste à calculer une

approximation de la solution u sous forme d’un vecteur
U ∈ RN , N ∈ N∗ . Pour calculer cette approximation, on utilise
une méthode numérique dont l’objectif est de déterminer une
matrice carrée A d’ordre N (A ∈ RN ×N ) et un vecteur b ∈ NN
tels que U soit solution du système linéaire
AU = b. (2)
Un exemple simple consiste à prendre pour vecteur U une

approximation du vecteur (u(x1 ), . . . , u(xN ))T , où x1 , . . . , xN
sont N points distincts de Ω (maillage de Ω).
Le système (2) représente une discrétisation de l’EDP (1).
Introduction
La méthode numérique que nous allons utiliser est celle des

différences finies. Son application nécessite l’utilisation du
développement de Taylor.
Lorsque l’on a obtenu le système (2), il faut s’assurer que celui-ci
admet une solution unique et que celle-ci est une "bonne"
approximation de u. Ensuite, on résout le système AU = b.

Définition
On appelle ordre d’une équation aux dérivées partielles l’ordre
de la plus grande dérivée apparaissant dans l’équation.
On donne ci-dessous une classification des EDP linéaires du

second ordre portant sur des fonctions de deux variables réelles
u(x, y). Une telle équation s’écrit :
a∂x2 u + b∂xy
2
u + c∂y2 u + d∂x u + e∂y u + f u = g (3)
où, pour simplifier, a, b, c, d, e, f, g sont supposés constants. Les

EDP linéaires du second ordre sont classées en trois grandes
familles : elliptique, parabolique et hyperbolique
Définition
L’équation (3) est dite
• elliptique si b2 − 4ac < 0
• parabolique si b2 − 4ac = 0
• hyperbolique si b2 − 4ac > 0
Exercice
Soit u = u(x, t)
▶ ∂t u − ν∂x2 u = 0, ν ∈ R∗+
▶ ∂t2 u − c2 ∂x2 u = 0,
▶ ∂x2 u + ∂t2 u = −f ,
▶ ut − uxx + a2 ux − up = 0, p ∈ R+ .
Le prototype des EDP elliptique est l’équation de Poisson.
Soit Ω un ouvert de Rn .
−∆u(x) = f (x), x∈Ω


On considère une barre électrique chauffée par une source de
chaleur f dont les extrémités sont plongées dans la glace. Soit
u(x) la température au point x de la barre. On modélise la
barre par l’intervalle [0, 1]. Alors, dans le cas stationnaire, u est
solution de
(
−u′′ (x) = f (x), x ∈]0, 1[,
(4)
u(0) = u(1) = 0.
On va étudier la résolution numérique de l’EDP (4) en

supposant la solution u régulière (autrement dit u ∈ C 2 (]0, 1[)).
On admettra dans cette partie le caractère bien posé de cette
EDP.
On décrit la méthode en trois étapes :

▶ choix du maillage,
▶ choix du schéma numérique,
▶ détermination du problème discret.
1ère étape : Choix de la discrétisation, maillage.

On considère une subdivision
0 = x0 < x1 < · · · < xN < xN +1 = 1,
de l’intervalle [0, 1]. On définit un pas de maillage constant h

avec h = xi+1 − xi , i = 0, . . . , N.
On a alors xi+1 = xi + h, i = 0, . . . , N.
La première étape de discrétisation consiste à remplacer le
problème (4) par
(
−u′′ (xi ) = f (xi ), i = 1, . . . , N,
(5)
u(x0 ) = u(xN +1 ) = 0.
2ème étape : Construction d’un schéma numérique.

On suppose que u est C 2 (]0, 1[). En utilisant un développement
de Taylor, on aboutit a

− Ui+1 − 2Ui + Ui−1 = f (x ), i = 1, . . . , N,
i
h2 (6)
U = U = 0.
0 N +1
où Ui est une approximation de u(xi ) pour tout i = 0, . . . , N + 1.

Remarque
Ce choix d’approximation n’est pas unique, il est celui qui
détermine le schéma numérique considéré. Dans notre cas le
schéma sera dit centré car il fait intervenir i − 1 et i + 1, d’où
une symétrie par rapport à l’indice i.
3ème étape : Passage au problème matriciel.

On va écrire le schéma numérique (6) sous forme d’un système
matriciel
Ah Uh = Bh (7)
où Uh = (U1 , . . . , UN )T , bh = (f (x1 ), . . . , f (xN ))T et Ah une
matrice à déterminer.
Récapitulons :
▶ On choisit un pas de maillage h > 0 petit (détermine la
subdivision (xi )i=0,...,N +1 ).
▶ On détermine une approximation de u′′ (xi ) par les
développements de Taylor,
▶ On en déduit un système matriciel Ah Uh = bh dont la
solution Uh = (U1 , . . . , UN )T approche le vecteur
(u(x1 ), . . . , u(xN ))T .
▶ On résout le système Ah Uh = bh .
Nous devons vérifier que

1. le système matriciel Ah Uh = bh admet une solution unique,
2. Uh est continue par rapport aux données bh (autrement dit
une légère variation de bh n’entraîne qu’une légère variation
de Uh ),
3. pour h → 0, le vecteur Uh solution de Ah Uh = bh converge
bien vers (u(x1 ), . . . , u(xN ))T (autrement dit, Uh est
effectivement une bonne approximation de u).
2. Justification des calculs : consistance, stabilité et convergence
2. Justification des calculs : consistance,

stabilité et convergence
Dans cette partie, nous montrons :
1. la consistance qui signifie que le système matriciel
Ah Uh = bh est une approximation de l’EDP (4),
2. la stabilité qui signifie que la solution Uh est continue par
rapport au données bh ,
3. convergence qui signifie que Uh converge vers u lorsque
h → 0.
Proposition (Principe du maximum discret)

Soit b ∈ RN tel que bi ≥ 0 pour tout i = 1, . . . , N . Si U ∈ RN
vérifie Ah U = b, où Ah est donnée par ? ? ?, alors Ui ≥ 0 pour
tout i = 1, . . . , N .
Preuve
Proposition
Le système matriciel (7) admet une unique solution
Preuve
Définition (Erreur de consistance)

On appelle erreur de consistance R d’un schéma numérique la
quantité obtenue en remplaçant dans le schéma numérique,
l’inconnue par la solution exacte u. En particulier, pour le
schéma (7), on a R = Ah uh − bh où uh = (u(x1 ), . . . , u(xN ))T .
Dans le cadre du schéma numérique (7), l’erreur de consistance

ri au point xi (ième coordonnée de R) est donnée par
1
ri = − u(x i+1 ) − 2u(x i ) + u(x i−1 ) − f (xi )
h2
Définition (Ordre d’un schéma)

On dit qu’un schéma numérique à N points de discrétisation est
d’ordre p ∈ N s’il existe une constante C ∈ R indépendante de la
solution exacte telle que l’erreur de consistance vérifie
max |ri | ≤ Chp .

i=1,...,N
De plus, on dit que le schéma est consistant si
lim max |ri | = 0

h→0 i=1,...,N
Lemme
Si la solution exacte u de (4) vérifie u ∈ C 4 (]0, 1[), alors le
schéma (7) est consistant d’ordre 2.
Précisément, on a
h2
|ri | < sup |u(4) (x)|
12 x∈[0,1]
Preuve
Remarque
On peut remarquer que si, de plus, u vérifie u(4) = 0 alors ri = 0
donc ui = u(xi ).
Définition (Stabilité)
Un schéma numérique est dit stable pour la norme ∥ · ∥ si sa
solution (quand elle existe) est continue pour le norme ∥ · ∥ par
rapport aux données. En particulier, pour le schéma Ah Uh = bh ,
cela signifie qu’il existe une constante C indépendante de h et bh
telle que
∥Uh ∥ ≤ C∥bh ∥.
Proposition
Le schéma numérique (7) est stable pour la norme ∥.∥∞ définie
par ∥Uh ∥∞ = maxi=1,...,N {|Ui |}. En particulier, on a
∥A−1
h ∥∞ ≤ 1/8. Ce qui entraine
1
∥Uh ∥∞ ≤ ∥bh ∥∞
8
.
Remarque
le schéma (7) est dit inconditionnellement stable car il n’est
pas nécessaire de fixer une condition sur le pas h pour avoir la
stabilité.
Définition
Pour un schéma numérique Ah Uh = bh de l’équation (4), on
appelle erreur de discrétisation (ou de convergence) le
vecteur e ∈ N dont les coefficients sont
ei := u(xi ) − Ui , i = 1, . . . N,
où u est la solution exacte de (4). De plus, on dit que le schéma

numérique converge en norme ∥ · ∥ si l’erreur de discrétisation
tend vers 0 en norme ∥ · ∥ lorsque le pas h tend vers 0.
Théorème
Soit u la solution exacte de (4) et Uh la solution du schéma
numérique (7). On suppose u ∈ C 4 (]0, 1[) Alors, l’erreur de
discrétisation vérifie
h2 (4)
∥e∥∞ ≤ ∥u ∥∞
96
Donc le schéma numérique (7) converge en norme ∥ · ∥∞ et est
d’ordre 2.
Preuve
Remarque
▶ La stratégie employée est classique : on étudie la
consistance puis la stabilité du schéma et cela permet d’en
déduire la convergence.
▶ L’ordre de convergence du schéma est important pour
comparer différents schémas. Le pas h étant petit (donc
inférieur à 1), la quantité hp est d’autant plus petite que p
est grand. Ainsi l’ordre de convergence d’un schéma
détermine sa vitesse de convergence.
▶ La constante de stabilité permet de déterminer l’erreur
commise en approchant le second membre.
En effet, supposons que l’on ne puisse pas calculer explicitement
f (xi ) mais en obtenir une valeur approchée.
Alors on obtient un second membre
(ch )i = f (xi ) + εi
où εi est l’erreur commise en approchant f (xi ). On va alors

résoudre le problème Ah Ueh = ch au lieu de Ah Uh = bh . L’erreur
commise en calculant U eh est donc
eh − Uh ∥∞ = ∥A−1 (ch − bh )∥∞ = ∥A−1 ε∥∞ ≤ ∥A−1 ∥∞ ∥ε∥∞

∥U h h h
où ε = (ε1 , . . . , εN )T . Ainsi, connaissant une borne sur ∥A−1

h ∥∞
et l’erreur commise sur les données ∥ε∥∞ , on détermine l’erreur
commise dans le calcul de U eh .

On cherche à résoudre numériquement le problème.
(
−∆u = f dans Ω =]0, 1[2
(8)
u = 0 sur ∂Ω
où u = u(x, y), ∆ = ∂x2 + ∂y2 et ∂Ω est le bord de Ω.

On commence par définir un maillage de Ω. Soit N > 0 un
entier. On pose
xi = ih et yj = jh,
où 0 ≤ i, j ≤ N + 1 et h = 1/(N + 1) un pas de discrétisation
constant.
En utilisant le développement de Taylor, on a :
u(xi+1 , yj ) − 2u(xi , yj ) + u(xi−1 , yj )

∂x2 u(xi , yj ) = + O(h2 )
h2
et
u(xi , yj+1 ) − 2u(xi , yj ) + u(xi , yj−1 )
∂y2 u(xi , yj ) = + O(h2 )
h2
En faisant la somme, on obtient
−4u(xi , yj ) + u(xi+1 , yj ) + u(xi−1 , yj ) + u(xi , yj+1 ) + u(xi , yj−1 )
∆u(xi , yj ) = +O(h2 )
h2
En approximant u(xi , yj ) par Ui,j , on pose

−4Ui,j + Ui+1,j + Ui−1,j + Ui,j+1 + Ui,j−1
∆h Ui,j =
h2
qui est une approximation de ∆u(xi , yj ) pour h assez petit.

Avec cette notation, le problème discrétisé est : trouver ui,j tels
que
(
−∆h Ui,j = f (xi , yj ) pour 1 ≤ i, j ≤ N,
(9)
U0,j = UN +1,j = Ui,0 = Ui,N +1 = 0 pour 0 ≤ i, j ≤ N + 1.
Le schéma numérique (9) s’écrit sous la forme matricielle

suivante :
Ah Uh = bh
2 ×N 2 2 2
avec Ah ∈ RN , Uh ∈ RN , bh ∈ RN tels que
T
Uh = U11 , . . . , U1N , U21 , . . . , U2N , . . . , UN N ,
T
bh = f (x1 , y1 ), . . . , f (x1 , yN ), f (x2 , y1 ), . . . , f (x2 , yN ), . . . , f (xN , yN )
et
 
B C 0··· 0
C B C . . . 0 
 
Ah = − 2  ... . . . . . . . . . ... 
1 
 

h 
 .. .. ..

. . . C

0 ··· ··· C B
où
 
−4 1 0 ··· 0
..
. 0
 
 1 −4 1
B =  ... .. .. .. ..  ∈ RN ×N et C = I ∈ RN ×N
 
. . . . 

N
 .. .. ..
 
 . . . 1

0 ··· ··· 1 −4
Tout les résultats de consistance, stabilité et convergence du cas

de la dimension 1 s’adaptent sans modification majeur.
Remarque
On peut choisir un pas h en x et k en y différents. Dans ce cas,
Ah ∈ RN M ×N M , où h = 1/(N + 1) et k = 1/(M + 1).


On étudie la résolution numérique par différences finies de
l’équation de la chaleur.
∂t u − ∂x u = 0 dans ]0, 1[×]0, T ],


 2
u(0, t) = u(1, t) = 0, t ∈]0, T [, (10)


u(x, 0) = u0 (x), x ∈]0, 1[,

On admettra ici le résultat d’existence et unicité suivant.

Théorème
Si u0 ∈ C 1 (]0, 1[), alors il existe une unique solution
u ∈ C 2 (]0, 1[×]0, T [) ∩ C 1 ([0, 1] × [0, T ]) de (10).
Remarque
On peut montrer qu’en réalité, on a u ∈ C ∞ ([0, 1] × [0, T ]) alors
que la condition initiale est seulement C 1 . On parle de propriété
de lissage de l’équation de la chaleur ou encore de régularisation.
Proposition (Principe du maximum)

Soient u0 ∈ C 1 (]0, 1[) et u ∈ C 2 (]0, 1[×]0, T [) ∩ C 1 ([0, 1] × [0, T ])
la solution de (10).
Si u0 ≥ 0 dans ]0, 1[, alors u ≥ 0 dans ]0, 1[.
On discrétise l’espace et le temps. On note h et ∆t
respectivement les pas de discétisation d’espace et de temps,
supposés positifs et petits.
On fait les subdivisions suivantes :
0 = x0 < x1 < . . . , < xI < xI+1 = 1 et
0 = t0 < t1 < . . . , < tN = T
On pose
• tn = n∆t, n ∈ {0, . . . , N }, d’où ∆t = T /N ;
• xi = ih, i ∈ {0, . . . , I + 1}, d’où h = 1/(I + 1) ;
• Notons Uin l’approximation de u(xi , tn ).
En utilisant les différences finies, on obtient une approximation
de ∂x2 u(xi , tn ) comme suit :
n − 2U n + U n
Ui+1 i i−1
h2
Il ne reste plus qu’à faire la même chose pour la dérivée en

temps. On a le choix dans la formule de différences finies : soit
décentrée aval ou décentrée amont.
a. Différences finies décentrée aval : on avance dans le temps ;

on parle aussi de schéma d’Euler progressif. On
approxime ∂t u(xi , tn ) par
Uin+1 − Uin
∆t
ce qui conduit au schéma numérique associé au problème
continu (10)
 n+1 n − 2U n + U n
Ui − Uin Ui+1 i i−1

 − = 0, 1 ≤ i ≤ I, 0 ≤ n ≤ N − 1,
∆t h2

U0n = UI+1
n = 0, 0 ≤ n ≤ N,

 0
Ui = φi , 0 ≤ i ≤ I + 1.
(11)
b. Différences finies décentrée amont : on remonte le temps ;

on parle aussi de schéma d’Euler rétrograde. On
approxime ∂t u(xi , tn ) par
Uin − Uin−1
,
∆t
ce qui conduit au schéma numérique associé au problème
continu (10)

U n+1 − Uin U n+1 − 2Uin+1 + Ui−1
n+1
 i − i+1 = 0, 1 ≤ i ≤ I, 0 ≤ n ≤ N − 1,


∆t 2 h
n n
 U0 = UI+1 = 0, 0 ≤ n ≤ N,

U 0 = φ , 0 ≤ i ≤ I + 1.
i i
(12)
Remarque
Pour tous les schémas numériques, les conditions initiales et aux
limites sont les mêmes. On ne les rappellera plus pour les
schémas suivants.
2.1. Le schéma explicite centré
Le schéma numérique (11) suivant
Uin+1 − Uin Ui+1

n − 2U n + U n
i i−1
− =0
∆t h2
est dit explicite. En effet, on peut encore l’écrire sous la forme
∆t
Uin+1 = Uin + λ(Ui+1
n
− 2Uin + Ui−1
n
) où λ = .
h2
On peut donc immédiatement déterminer les valeurs Uin+1 en
fonction des Uin .
Soient Ah ∈ RI×I la matrice définie par

 
1 − 2λ λ 0 ··· 0
..
.
 
 λ 1 − 2λ λ 0 
 .. .. .. .. .. 
 
Ah =  . . . . . 
 .. .. ..
 
 . . .

λ 
0 ··· ··· λ 1 − 2λ
et Uhn = (U1n , . . . , UIn )T ∈ RI .

Alors le schéma explicite s’écrit sous la forme matricielle

suivante :
Uhn+1 = Ah Uhn , n ∈ {0, . . . , N − 1}
En pratique, pour résoudre numériquement l’équation de la

chaleur (10), il suffit de calculer pour n ∈ {0, . . . , N } les itérées
Uhn = Anh Uh0 connaissant Uh0 .
Consistance
Le schéma numérique (11) est consistant d’ordre 1 en temps et
d’ordre 2 en espace.
Preuve
Stabilité
Le schéma numérique (11) est stable pour la norme l∞ sous la
∆t 1
condition λ = 2 ≤ .
h 2
Preuve
2.2. Le schéma implicite centré
Le schéma numérique (12) suivant

n+1
Uin+1 − Uin Ui+1 − 2Uin+1 + Ui−1
n+1
− =0
∆t h2
est dit implicite. En effet, on peut encore l’écrire sous la forme
∆t
Uin = Uin+1 − λ(Ui+1
n+1 n+1
− 2Uin + Ui−1 ) où λ = .
h2
On ne peut donc pas déterminer directement les valeurs Uin+1
en fonction des Uin . Il faut d’abord résoudre un système
d’équations linéaires.
Le schéma implicite peut s’écrire sous la forme matricielle

suivante :
Uhn = Ah Uhn+1 , n ∈ {0, . . . , N − 1}
où Ah est la matrice déjà définie dans le cas du schéma explicite.

Consistance
Le schéma numérique (12) est consistant d’ordre 1 en temps et
d’ordre 2 en espace.
Preuve
Stabilité
Le schéma numérique (12) est inconditionnellement stable pour
la norme ℓ∞ .
Preuve
Remarque
Le schéma implicite est plus compliqué à mettre en place
puisque son utilisation nécessite d’inverser la matrice Ah .
Cependant, il a l’avantage d’être inconditionnement stable pour
la norme ℓ∞ .
2.3. Le θ-schéma et le schéma de Crank-Nicholson
Il s’agit d’une combinaison convexe du schéma explicite et du

schéma implicite suivant un paramètre θ ∈ [0, 1]. Autrement dit,
celui-ci est donné par
Uin+1 − Uin U n+1 − 2Uin+1 + Ui−1

n+1 n
Ui+1 − 2Uin + Ui−1
n
− θ i+1 − (1 − θ) =0
∆t h2 h2
(13)
Pour θ = 0, on obtient le schéma explicite et, pour θ = 1, on

obtient le schéma implicite.
Consistance
Le θ-schéma est consistant :
1. d’ordre 1 en temps et 2 en espace si θ ̸= 12 ,
2. d’ordre 2 en temps et en espace si θ = 21 , dans ce cas le
θ-schéma est appelé schéma de Crank-Nicholson.
Preuve
Stabilité
Soit λ = ∆t
h2
. Le θ-schéma (13) est :
1. inconditionnellement stable en norme ℓ2 si θ ≥ 1
2 ;
2. stable en norme ℓ2 sous la condition λ ≤ 1
2(1−2θ) si θ < 1
2
Preuve
Dans cette partie, on étudie la résolution numérique par
différences finies de l’équation d’advection
(
∂t u(x, t) + a∂x u(x, t) = 0, x ∈ R, t ∈ R∗+ ,
(14)
u(x, 0) = u0 (x), x ∈ R,
où la vitesse de transport a et la donnée initiale u0 sont données.

Comme dans les cas précédents, on commence par discrétiser
l’espace de définition de l’EDP (14). On note h et ∆t les pas de
discrétisation d’espace et de temps, supposés positifs et petits.
On se place sur un intervalle de temps borné [0, T ], où T = N ∆t
avec N ∈ N. On pose
(
xj = jh, j ∈ Z,
tn = n∆t, n ∈ {0, . . . , N }.
2.1. Le schéma explicite centré

On cherche une approximation Ujn de u(xj , tn ). Les
développements de Taylor permettent d’avoir

∂t u(xj , tn ) = u(xj , tn+1 ) − u(xj , tn ) + O(∆t),

∆t
∂x u(xj , tn ) = u(xj+1 , tn ) − u(xj−1 , tn ) + O(h).

2h
On en déduit le schéma numérique explicite centré suivant :
 n+1
 Uj − Ujn n − Un
Uj+1 j−1
+a = 0, i ∈ Z, n = 0, . . . , N − 1,
 0 ∆t 2h
Uj = φj , j ∈ Z.
(15)
Ce schéma peut encore s’écrire sous la forme (en laissant de coté

la condition initiale)
λ n ∆t
Ujn+1 = Ujn − n
(Uj+1 − Uj−1 ), avec λ = a . (16)
2 h
Il est dit explicite en temps (le terme en n + 1 est donné en
fonction de n) et centré en espace.
2.1.1. Consistance
Pour un Ujn une approximation de u(xj , tn ), on note
Uhn = (Ujn )j∈Z ∈ RZ . Les schémas que nous allons voir sont des
schémas qui peuvent s’écrire sous la forme
Uhn+1 = E∆ Uhn , n ∈ {0, . . . , N }, (17)
où E∆ est une application linéaire sur RZ . On parle de schéma

à deux niveaux.
Définition
Pour un schéma numérique Uhn+1 = E∆ Uhn de l’EDP (14), on
définit l’erreur de consistance rn au temps tn avec n ≥ 1 par
1 n
rn = en−1 ),
u − E∆ u
(e
∆t
où u
en = u(xj , tn ) avec u la solution exacte de (14).

j∈Z
Remarque
Par exemple, pour le schéma (15), à partir de l’expression (17)
on a (au point xj )
1 n
rjn = en−1 )j ,

ej − (E∆ u
u
∆t
u(xj , tn+1 ) − u(xj , tn ) u(xj+1 , tn ) − u(xj−1 , tn )
= +a
∆t 2h
Autrement dit, on obtient que rjn est l’erreur commise en

remplaçant Ujn par u(xj , tn ), ce qui est conforme à la définition
donnée dans les chapitres précédents.
2.1.2. Étude de la stabilité par analyse de Fourier

Un schéma a deux niveaux Uhn+1 = E∆ Uhn peut encore s’écrire
k
X k
X
n+1
cm Uj+m = n
dm Uj+m (18)
m=−k m=−k
où k ∈ N et cm , dm ∈ R pour m ∈ {−k, . . . , k}. On suppose

Uhn ∈ ℓ2 (Z), c’est-à-dire
X
|Ujn |2 < +∞.
j∈Z
On définit la fonction v n : R → R par :
v n (x) = Ujn si x ∈ [(j − 1/2)h, (j + 1/2)h].
Alors, v n ∈ L2 (R) et sa transformée de Fourier est définie par

Z
1
Fv n (ξ) = √ v n (x)e−ixξ dx
2π R
D’après le théorème de Plancherel, on a :
 1
Z 1 2
2 X
∥Fv n ∥L2 (R) = ∥v n ∥L2 (R) = n 2
|v | dx =  n 2
h|Uj |
R j∈Z
donc √
∥Fv n ∥L2 (R) = h∥Uhn ∥ℓ2 (Z)
Ainsi étudier la stabilité ℓ2 de Uhn revient à étudier la continuité

de l’application v n 7→ Fv n dans L2 (R). De plus, on a
v n (x + mh) = Uj+m
n
pour x ∈ [(j − 1/2)h, (j + 1/2)h].
Or F[v n (x + mh)](ξ) = eimhξ Fv n (ξ). Ainsi, par transformée de

Fourier, le schéma (18) s’écrit
k
X k
X
n+1 imhξ
cm Fv (ξ)e = dm Fv n (ξ)eimhξ .
m=−k m=−k
On en déduit
Fv n+1 (ξ) = g(ξ; h; ∆t)Fv n (ξ)
où le coefficient d’amplification g(ξ; h; ∆t) est donné par

k
dm eimhξ
P
m=−k
g(ξ; h; ∆t) = k
cm eimhξ
P
m=−k
On admet alors le résultat suivant sur la stabilité ℓ2 des schémas

à deux niveaux :
Théorème (Critère de Von Neumann)
Le schéma à deux niveaux (18) est stable en norme ℓ2 (Z) si et
seulement si
max |g(ξ; h; ∆t)| ≤ 1 + M ∆t,
ξ∈R
où la constante M est indépendante de h et ∆t.

Remarque
Le critère de Von Neumann est une condition nécessaire et
suffisante donc celle-ci permet de montrer la stabilité d’un
schéma numérique mais aussi son instabilité.
Proposition
Le schéma à deux niveaux (16) est inconditionnellement instable
en norme ℓ2 (Z).
Preuve
Remarque
Ce schéma n’étant pas stable, il est inutilisable en pratique.
2.2.
Le schéma explicite décentré à gauche ou décentré amont
Ujn+1 = Ujn − λ(Ujn − Uj−1

n
), pour a > 0.
Consistance
Stabilité
2.2.
Le schéma explicite décentré à droite ou décentré aval
Ujn+1 = Ujn − λ(Uj+1

n
− Ujn ), pour a < 0.
Consistance
Stabilité
2.3. Le schéma implicite centré
Ujn+1 − Ujn n+1

Uj+1 n+1
− Uj−1
+a = 0, i ∈ Z, n = 0, . . . , N − 1.
∆t 2h
Celui-ci peut se réécrire
λ n+1
Ujn = Ujn+1 + (U n+1
− Uj−1 ).
2 j+1
Consistance
Le schéma implicite est donc consistant d’ordre 1 en temps et 2
en espace.
Stabilité
Le schéma implicite centré est inconditionnellement stable en
norme ℓ2 (Z)
2.4. Le schéma de Lax

C’est le schéma explicite donné par
1 λ n
Ujn+1 = n
Uj−1 n
+ Uj+1 n
− (Uj+1 − Uj−1 ).
2 2
Consistance
Le schéma de Lax est consistant d’ordre 1 en temps et 2 en
espace si λ ̸= 1 et d’ordre 2 en temps et en espace si λ = 1.
Stabilité
le schéma de Lax est stable en norme ℓ2 (Z) si et seulement si la
condition C.F.L. λ ≤ 1 est vérifiée.

Langue

Analyse Numerique ESTP 2022

Transféré par

Informations du document

Copyright

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 :

Analyse Numerique ESTP 2022

Transféré par

Droits d'auteur :

ESTP

Résoudre numériquement l’EDP (1) consiste à calculer une

Un exemple simple consiste à prendre pour vecteur U une

La méthode numérique que nous allons utiliser est celle des

I. Classification des EDP et exemples classiques

1. Classification des EDP

On donne ci-dessous une classification des EDP linéaires du

où, pour simplifier, a, b, c, d, e, f, g sont supposés constants. Les

−∆u(x) = f (x), x∈Ω

II. Problèmes elliptiques

On va étudier la résolution numérique de l’EDP (4) en

On décrit la méthode en trois étapes :

1ère étape : Choix de la discrétisation, maillage.

0 = x0 < x1 < · · · < xN < xN +1 = 1,

de l’intervalle [0, 1]. On définit un pas de maillage constant h

2ème étape : Construction d’un schéma numérique.

où Ui est une approximation de u(xi ) pour tout i = 0, . . . , N + 1.

3ème étape : Passage au problème matriciel.

Nous devons vérifier que

2. Justification des calculs : consistance,

Proposition (Principe du maximum discret)

Définition (Erreur de consistance)

Dans le cadre du schéma numérique (7), l’erreur de consistance

Définition (Ordre d’un schéma)

max |ri | ≤ Chp .

De plus, on dit que le schéma est consistant si

lim max |ri | = 0

où u est la solution exacte de (4). De plus, on dit que le schéma

Alors on obtient un second membre

où εi est l’erreur commise en approchant f (xi ). On va alors

eh − Uh ∥∞ = ∥A−1 (ch − bh )∥∞ = ∥A−1 ε∥∞ ≤ ∥A−1 ∥∞ ∥ε∥∞

où ε = (ε1 , . . . , εN )T . Ainsi, connaissant une borne sur ∥A−1

3. Problèmes elliptiques en dimension 2

où u = u(x, y), ∆ = ∂x2 + ∂y2 et ∂Ω est le bord de Ω.

En utilisant le développement de Taylor, on a :

u(xi+1 , yj ) − 2u(xi , yj ) + u(xi−1 , yj )

En approximant u(xi , yj ) par Ui,j , on pose

qui est une approximation de ∆u(xi , yj ) pour h assez petit.

Le schéma numérique (9) s’écrit sous la forme matricielle

Tout les résultats de consistance, stabilité et convergence du cas

Ah ∈ RN M ×N M , où h = 1/(N + 1) et k = 1/(M + 1).

III. Problèmes paraboliques

1. Quelques propriétés du problème continu

∂t u − ∂x u = 0 dans ]0, 1[×]0, T ],

u(0, t) = u(1, t) = 0, t ∈]0, T [, (10)

On admettra ici le résultat d’existence et unicité suivant.

Proposition (Principe du maximum)

Il ne reste plus qu’à faire la même chose pour la dérivée en

a. Différences finies décentrée aval : on avance dans le temps ;

b. Différences finies décentrée amont : on remonte le temps ;

2.1. Le schéma explicite centré

Le schéma numérique (11) suivant

Uin+1 − Uin Ui+1

Soient Ah ∈ RI×I la matrice définie par

et Uhn = (U1n , . . . , UIn )T ∈ RI .

Alors le schéma explicite s’écrit sous la forme matricielle

Uhn+1 = Ah Uhn , n ∈ {0, . . . , N − 1}

En pratique, pour résoudre numériquement l’équation de la

2.2. Le schéma implicite centré

Le schéma numérique (12) suivant

Le schéma implicite peut s’écrire sous la forme matricielle

Uhn = Ah Uhn+1 , n ∈ {0, . . . , N − 1}

où Ah est la matrice déjà définie dans le cas du schéma explicite.

2.3. Le θ-schéma et le schéma de Crank-Nicholson

Il s’agit d’une combinaison convexe du schéma explicite et du

Uin+1 − Uin U n+1 − 2Uin+1 + Ui−1