Approximation par différences

finies de l’équation d’advection

“Previously on MA103”
Présentation de la méthode des différences finies
Définition de la consistance, de l’erreur de troncature, du
caractère explicite/implicite et de la stabilité (méthode de
Fourier Von-Neumann) à partir du schéma centré
Le schéma centré n’est pas L^2-stable et donc pas convergent.
“The following takes place between 1:30pm and 2pm”
Etude du schéma de Lax-Friedrichs, démonstration du
théorème de LAX
(consistance + stabilité => convergence)
Notion de dispersion et dissipation numérique

1
 Le schéma de Lax Friedrichs
n+1 n
u j − u j
∂t u (xj , tn+1
)�
∆t
n n
u j+1 − u j−1
∂x u (xj , t ) �
n
2h
u n
+ u n
On remplace unj par j+1 j−1
2
n+1
� unj+1 +unj−1 � n n
uj − 2 u j+1 − u j−1
+c =0
∆t 2h

� 1− α � n � 1+ α � n
un+1
j = uj+1 − uj−1
2 2

2
 Le schéma de Lax Friedrichs

dx Pour la solution exacte

=c
dt
Mjn+1 u(Mjn+1 ) = u(M ∗ )
tn+1

On remarque que
c∆t 1+ α 1− α
tn ∗
M = n
Mj−1 + n
Mj+1
M∗ 2 2
n
Mj−1 xj n
Mj+1

Par interpolation linéaire

h − c∆t h + c∆t
� 1− α � n � 1+ α � n
1− α 1+ α
un+1
j = uj+1 − uj−1
= · 2h = · 2h 2 2
2 2

3
 Consistance du schéma de Lax Friedrichs

Un n
j+1 +U j−1
U n+1 − U nj+1 − U nj−1
U nj := u(xj , t )
n
εnj := j 2
+c
∆t 2h

U nj+1 + U nj−1 U n
− 2U n
+ U n
Remarquant que = U nj +
j+1 j j−1
, il vient
2 2
� n� h2 U nj+1 − 2U nj + U nj−1 ch
εj = εj SC +
n =
2∆t h 2 2α
� ∂ 2 u �n
c ∆t
Si on fixe α = , on obtient �
∂x2 j
h
� � c h � � ∂ 2 u �n �
εnj =
n
εj SC + + O(h2 )
2α ∂x2 j

Schéma d’ordre 1 en temps et en espace

4
 Consistance du schéma de Lax Friedrichs

Nous utiliserons plus tard une version continue de

l’erreur de troncature

n+1 u(x+h,tn )+u(x−h,tn )

u(x, t )− u(x + h, tn ) − u(x − h, tn )
εnh (x) := 2
+c
∆t 2h

qui vérifie (Taylor avec reste intégral)

� ∂2u ∂2u �
�εnh � ≤ C(α ) ∆t sup � 2 (·, t)�L2 + h sup � 2 (·, t)�L2
t∈[tn ,tn+1 ] ∂t t∈[tn ,tn+1 ] ∂x

ce qui, pour le problème de Cauchy, se ramène à

2 0
n ∂ u
�εh � ≤ C( α ) h � 2 �L2
∂x
5
 Stabilité du schéma de Lax Friedrichs

Le schéma est de la forme

un+1
h = S h (∆t) u n
h

� � � 1− α � � 1+ α �
Sh (∆t)u (x) = u(x + h) + u(x − h)
2 2

ce qui mène au coefficient d’amplification :

� 1− α � iξh � 1+ α � −iξh
S�h (ξ, ∆t) = e + e
2 2

S�h (ξ, ∆t) =

= cos ξh − i α sin ξh

6
 Stabilité du schéma de Lax-Friedrichs

S�h (ξ, ∆t) =

= cos ξh − i α sin ξh
Im z

ξ=0

α > 1 : Le schéma est instable

Re z α ≤ 1 : Le schéma est stable

Théorème : Le schéma Lax-Friedrichs est stable si est seulement si:

c ∆t
α := ≤1
h
7
 Stabilité du schéma de Lax Friedrichs

La stabilité Lp du schéma pour α ≤ 1 se démontre

aisément par un argument de convexité :
� � � 1− α � � 1+ α �
Sh (∆t)u (x) = u(x + h) + u(x − h)
2 2
1− α 1+ α 1− α 1+ α
≥ 0, ≥ 0, + =1
2 2 2 2

Par convexité de x → |x|p pour p ≥ 1

�� � � � �� � � �� �
� Sh (∆t)u (x) �p ≤ 1− α �u(x + h)�p + 1+ α �u(x − h)�p
2 2
� � �
� � � � � � � � � �
�Sh (∆t)u(x)�p dx ≤ 1− α �u(x+h)�p dx+ 1+ α �u(x−h)�p dx
2 2

ce qui entraine �Sh (∆t)u�Lp ≤ �u�Lp

8
 Convergence du schéma de Lax-Friedrichs

Introduisons l’erreur : enh = unh − u(·, tn ) ∈ L2

De la définition
n+1 u(x+h,tn )+u(x−h,tn )
u(x, t )− u(x + h, tn ) − u(x − h, tn )
εnh (x) := 2
+c
∆t 2h

nous déduisons que

u(·, tn+1 ) = Sh (∆t) u(·, tn ) + ∆t εnh

alors que
un+1
h = S h (∆t) u n
h

9
 Convergence du schéma de Lax-Friedrichs

u(·, tn+1 ) = Sh (∆t) u(·, tn ) + ∆t εnh un+1

h = S h (∆t) u n
h

Par différence h
en+1
= S h (∆t) en
h + ∆t ε n
h et par suite
n
�
enh = Sh (∆t)n e0h + ∆t Sh (∆t)n−k εk−1
h
k=1

Dans le cas particulier e0h = 0 , il vient

n
�
�enh �L2 ≤ ∆t �Sh (∆t)n−k �L(L2 ) �εk−1
h �L2
k=1

10
 Convergence du schéma de Lax-Friedrichs
n
�
�enh �L2 ≤ ∆t �Sh (∆t)n−k �L(L2 ) �εk−1
h �L2
k=1
Si on fait l’hypothèse de stabilité �Sh (∆t)�L(L2 ) ≤ 1 + ν ∆t,

ν tq
on sait que �Sh (∆t) �L(L2 ) ≤ e
q
≤ eν T, ∀ tq ≤ T.

2 0
∂ u
Par ailleurs on a vu que n
�εh � ≤ C( α ) h �
∂x 2
�L2

On en déduit l’estimation d’erreur

� � ∂ 2 0
u
sup �enh �L2 ≤ C( α ) T e νT
� 2
�L2 · h
tn ≤T ∂x
11
 Convergence du schéma de Lax-Friedrichs

Dans le cas uniformément stable ν = 0, il vient

∂ 2 u0
sup �enh �L2 ≤ C( α ) T � 2
�L2 · h
tn ≤T ∂x

Nous avons établi le “théorème de Lax”:

Stabilité + Consistance =⇒ Convergence

12
 Notion de dispersion (1)

Onde plane harmonique monochromatique

(1) a ei(x− c t)ξ

u(x, t) = � c ∈R

- périodique en espace de période : λ = 2π / |ξ|

- périodique en temps de période : T = 2π / c |ξ|

- c est la vitesse de propagation (de phase)

λ= cT

13
 Notion de dispersion (1)

Onde plane harmonique monochromatique

(1) a ei(x− c t)ξ

u(x, t) = �

sera solution d’une EDP a coefficients constants

P (∂t , ∂x )u = 0
sous réserve de satisfaire la relation de dispersionc
P (−i c ξ, iξ) = 0

équation qui permet de calculer c en fonction de ξ

14
 Notion de dispersion (2)
� �
u0 (x) = �0 (ξ) eixξ dξ
u u(x, t) = �0 (ξ) ei(x− c t)ξ dξ
u

15
 Notion de dispersion (2)
� �
u0 (x) = �0 (ξ) eixξ dξ
u u(x, t) = �0 (ξ) ei(x− c (ξ)t)ξ dξ
u

16
 Dispersion et dissipation numérique

un+1
h = Sh (∆t) unh =⇒ �n
u h (ξ) = S h (ξ, ∆t) n
�0 (ξ)
u

Sh (ξ, ∆t) = e−ah (ξ,∆t)∆t e−i ch (ξ,∆t)ξ∆t

n −ah (ξ,∆t)tn −i ch (ξ,∆t) ξtn

�h (ξ, t ) = e
u e �0 (ξ)
u
� � �
n −ah (ξ,∆t)tn iξ x−ch (ξ,∆t) tn
uh (x, t ) = e e �0 (ξ) dξ
u

ξ −→ ch (ξ, ∆t) ⇐⇒ dispersion numérique

ah (ξ, ∆t) > 0 ⇐⇒ dissipation numérique
17
 Dispersion et dissipation numérique

Sh (ξ, ∆t) = e−ah (ξ,∆t)∆t e−i ch (ξ,∆t)ξ∆t

1 � �
ah (ξ, ∆t) = − ln �Sh (ξ, ∆t)�
∆t

homogène à l’inverse d’un temps

1
ch (ξ, ∆t) = − Arg Sh (ξ, ∆t)
ξ∆t

homogène à une vitesse

18
 Dissipation numérique

S�h (ξ, ∆t) =

= cos ξh − i α sin ξh

1 � �
ah (ξ, ∆t) = − ln �Sh (ξ, ∆t)�
∆t
1 � �
ah (ξ, ∆t) = − ln cos2 ξh + α 2 sin2 ξh
∆t

1 � �
ah (ξ, ∆t) = − ln 1 − (1 − α 2 ) sin2 ξh
∆t

∆t ah (ξ, ∆t) = (1 − α2 )ξ 2 h2 + O(ξ 4 h4 )

1 − α2 2 2
ah (ξ, ∆t) ∼ 2
c ξ ∆t
α
19
 Dissipation numérique

1 � �
ah (ξ, ∆t) = − ln 1 − (1 − α 2 ) sin2 ξh
∆t

α = 0.2

α = 0.4

α = 0.6
α = 0.8

20
 Dispersion numérique

S�h (ξ, ∆t) =

= cos ξh − i α sin ξh

1
ch (ξ, ∆t) = − Arg Sh (ξ, ∆t)
ξ∆t
1 � �
ch (ξ, ∆t) = Arctg α tg (ξh)
ξ∆t

c � �
ch (ξ, ∆t) = Arctg α tg (ξh)
α ξh

21
 Dispersion numérique

c � �
ch (ξ, ∆t) = Arctg α tg (ξh)
α ξh

ch (ξ, ∆t) 1
= 1 + (1 − α 2 )ξ 2 h2 + O(ξ 4 h4 )
c 3

α = 0.2
ch (ξ, ∆t)
c

α = 0.4
α = 0.6
α = 0.8
α=1

22
Problèmes hyperboliques non
linéaires
“The following takes place between 2pm and 2:30pm”
Lois de conservation scalaire
Notion de solution classique (méthode des caractéristiques)
“Next time on MA 103”
Notion de solution faible
Condition de choc (relation de Rankine Hugoniot)
Notion de solution entropique
Problème de Riemann
...

23
 Loi de conservation scalaire
Étant donnée une fonction (non linéarité) : f (u) ∈ C (R)
2

on appelle loi de conservation scalaire associée à f

l’équation aux dérivées partielles

∂u ∂
(1) + f (u) = 0,
∂t ∂x
Si a(u) = f �
(u) la forme non conservative de (1) est:
∂u ∂u
(2) + a(u) = 0,
∂t ∂x
Equation de transport non linéaire de vitesse c = a(u).
24
 Le problème de Cauchy

 Trouver u(x, t) : R × R −→ R
+


∂u ∂
(P) + f (u) = 0, x ∈ R, t>0

 ∂t ∂x

u(x, 0) = u0 (x), x ∈ R.

On appelle solution classique de (P) sur [0, T [ une fonction

u ∈ C (R × [0, T [ )
1

telle que (1) est satisfaite au sens usuel pour 0 ≤ t ≤ T.

25
 Existence de solution classique

Bien entendu, l’existence d’une solution classique impose

u0 ∈ C 1 (R)
On va chercher à étendre la méthode des caractéristiques
au cas non linéaire. On cherche des courbes t → X(t)
le long desquelles les solutions classiques sont constantes.
d ∂u ∂u
u(X(t), t) = (X(t), t) + X (t)
�
(X(t), t)
dt ∂t ∂x
Pour exploiter (2), on choisit X(t) solution de
� �
(EC) X (t) = a u(X(t), t)
�

26
 Existence de solution classique

Posons U (t) = u(X(t), t) , on aboutit au système

� �
U (t) = 0,
�
X � (t) = a U (t) ,

qu’on complète par X(0) = x0 , U (0) = u (x0 ) 0

0
ce qui s’intègre en U (t) = u (x0 ) puis, après avoir posé
� 0 �
a0 (x0 ) := a u (x0 )
(distribution de vitesses initiales) X(t) = x0 + a0 (x0 ) t
27
 Existence de solution classique
0
u(X(t), t) = U (t) = u (x0 )
X(t) = x0 + a0 (x0 ) t

Les droites X(t) = x0 + a0 (x0 ) t sont les droites

0
caractéristiques associées à la donnée initiale u .

Attention, ces droites ne sont plus parallèles

28
 Existence de solution classique

S’il existe une solution classique sur [0, T [ , alors

� � 0
∀ t < T, u x0 + a0 (x0 ) t, t = u (x0 )

Cette formule va nous permettre de définir

x −→ u(x, t)
de facon univoque si et seulement si

x0 −→ Ft (x0 ) := x0 + a0 (x0 ) t
définit une bijection de R dans R .
29
 Existence de solution classique

Si on fait l’hypothèse supplémentaire

0
u est bornée sur R
0
il est alors clair que 0
a = a(u ) est également bornée.

Par conséquent Ft (x0 ) := x0 + a0 (x0 ) t vérifie

lim Ft (x0 ) = ±∞
x0 →±∞

Le problème ne peut venir que de la non injectivité de Ft .

30
 Existence de solution classique

La non injectivité de Ft est directement liée à l’existence

de caractéristiques qui se coupent à l’instant t ,

x1 x2

c’est à dire à l’existence de points (x1 , x2 ) tels que

x 1 < x2 et a0 (x1 ) > a0 (x2 )

31
 Existence de solution classique

Ft (x0 ) := x0 + a0 (x0 ) t
On calcule aisément que
� �
Ft (x0 ) =1+ a0 (x0 ) t
Si a0 est croissante, Ft est strictement croissante et
donc inversible.
�
Dans le cas contraire inf a0 (x0 ) < 0 et on pose
x0 ∈R
� �−1
∗ � � ∗
T := − inf a0 (x0 ) ⇒ a0 (x0 ) ≥ −1/T
x0 ∈R

32
 Existence de solution classique

Comme Ft� (x0 ) = 1 + a�0 (x0 ) t on a alors

Ft� (x0 ) ≥ 1 − t / T ∗
ce qui entraine que Ft est strictement croissante si
∗
t<T .
∗
En résumé Ft est inversible pour t < T avec

T ∗ = +∞ si a0 est croissante,
� �−1
∗ �
T := − inf a0 (x0 ) sinon.
x0 ∈R
33
 Existence de solution classique
∗
Notons Gt l’application inverse de t pour t < T .
F
Si nous posons ξ(x, t) := Gt (x)
et si une solution classique existe, elle est donnée par
0
� �
u(x, t) = u ξ(x, t)

Gt (x) x
34
 Existence de solution classique
∗
Notons Gt l’application inverse de t pour t < T
F
Si nous posons ξ(x, t) := Gt (x)
et si une solution classique existe, elle est donnée par
0
� �
u(x, t) = u ξ(x, t)
Il s’agit de vérifier que u est effectivement solution. Or
 ∂u � � ∂ξ


0�
(x, t) = u ξ(x, t) (x, t)
∂t ∂t
 ∂u � � ∂ξ
 0�
(x, t) = u ξ(x, t) (x, t)
∂x ∂x

35
 Existence de solution classique

 ∂u � � ∂ξ


0�
(x, t) = u ξ(x, t) (x, t)
∂t ∂t
 ∂u � � ∂ξ
 0�
(x, t) = u ξ(x, t) (x, t)
∂x ∂x

� ∂u ∂u �
+ a(u) (x, t) =
∂t ∂x
� � � ∂ξ � � ∂ξ �
0�
u ξ(x, t) (x, t) + a0 ξ(x, t) (x, t)
∂t ∂t

36
 Existence de solution classique

� �
ξ(x, t) + a0 ξ(x, t) t = x

 ∂ξ � �
� � � � �

 ∂t (x, t) 1 + a 0 ξ(x, t) t = −a 0 ξ(x, t)


 ∂ξ � � � �
(x, t) 1 + a�0 ξ(x, t) t = 1
∂x

∂ξ � � ∂ξ
(x, t) + a0 ξ(x, t) (x, t) = 0.
∂t ∂x
37
 La solution du problème de Cauchy

0 1
Théorème : Pour une donnée initiale u ∈ C (R)
le problème de Cauchy (P) admet une unique solution
classique maximale
1 ∗
u ∈ C ( R × [0, T [ )
∗
où le temps d’existence T est donné par
∗
T = +∞ si a0 est croissante,
� �−1
T ∗ := − inf a�0 (x0 ) sinon.
x0 ∈R

38
 La solution du problème de Cauchy

0 1
Théorème : Pour une donnée initiale u ∈ C (R)
le problème de Cauchy (P) admet une unique solution
classique maximale
1 ∗
u ∈ C ( R × [0, T [ )
cette solution est donnée par
0
� �
u(x, t) = u ξ(x, t)
et vérifie
� ∂u � � ∂u �
lim∗ � (·, t)�L∞ = lim∗ � (·, t)�L∞ = +∞
t→T ∂t t→T ∂x
39
 La solution du problème de Cauchy

� ∂u � � ∂u �
lim∗ � (·, t)�L∞ = lim∗ � (·, t)�L∞ = +∞
t→T ∂t t→T ∂x

signifie que la solution tend à devenir discontinue.

 ∂u � � ∂ξ


0�
(x, t) = u ξ(x, t) (x, t)
∂t ∂t
 ∂u � � ∂ξ
 0�
(x, t) = u ξ(x, t) (x, t)
∂x ∂x
 ∂ξ � � � � � �

 �
(x, t) = −a0 ξ(x, t) / 1 + a0 ξ(x, t) t
∂t
 � � � �
 ∂ξ (x, t) = 1 / 1 + a�0 ξ(x, t) t
∂x
40
 La solution du problème de Cauchy

Supposons que inf a�0 (x0 ) est atteint, il existe x∗ tel que
x0 ∈R
� �−1
T ∗ := − inf a�0 (x0 ) = −a�0 (x∗ )−1
x0 ∈R

Par surjectivité de x → ξ(x, t)

∗
�
∀t<T , ∃ x(t) such that ξ x(t), t) = x∗
� � � �
Par suite lim∗ 1 + a�0 ξ(x(t), t) t = 0 et donc
t→T

� ∂u � � ∂u �
lim∗ � (x(t), t)� = lim∗ � (x(t), t)� = +∞
t→T ∂t t→T ∂x
41