Edp 2

L’équation d’évolution de la chaleur en 1 D
Discrétisation de l’équation d’évolution de la chaleur en 1 D

Résolution par itération
Équations aux dérivées partielles avec

PYTHON - II
Jean-Paul TRUC1
1 École des Pupilles de l’Air.
38332 Saint-Ismier.
16 janvier 2017
Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Discrétisation de l’équation d’évolution de la chaleur en 1 D
Plan du cours
1 L’équation d’évolution de la chaleur en 1 D

Équation de diffusion
2 Discrétisation de l’équation d’évolution de la chaleur en 1 D

Etude avec les conditions de Dirichlet
3 Résolution par itération

Avec des conditions aux limites différentes

Discrétisation de l’équation d’évolution de la chaleur en 1 D Équation de diffusion
Plan du cours




Le cadre physique
Considérons le problème de la diffusion de la chaleur dans

une barre homogène, de coefficient de conduction λ , de
masse volumique ρ, de coefficient calorifique Cp , de section S
et de longueur L, sans production d’énergie interne. En
supposant que les deux extrémités sont maintenues à une
température constante T0 .

L’équation de diffusion
Elle s’écrit ici :

∂T ∂2T
−λ 2 =0 ρCp
∂t ∂x
pour x ∈ [0,L], Avec deux conditions aux limites T (0,t) = T0 ,
T (L,t) = T0 et une condition initiale T (x,0) = Ti (x) pour
x ∈ [0,L]. En prenant comme nouvelle fonction inconnue
u(x,t) = T (x,t) − T0 , et en posant C(x) = Ti (x) − T0 , le
système devient :

L’équation de diffusion
Elle s’écrit ici :

∂T ∂2T
−λ 2 =0 ρCp
∂t ∂x
x ∈ [0,L]. En prenant comme nouvelle fonction inconnue
u(x,t) = T (x,t) − T0 , et en posant C(x) = Ti (x) − T0 , le
système devient :

L’équation de diffusion (suite)
C’est une EDP linéaire parabolique.

Les nouvelles conditions aux limites sont des conditions
de Dirichlet (nullité sur le bord).
Nous supposerons le problème bien posé : Le problème
d’une EDP+C.L.+C.I. est bien posé si la solution existe, si
elle est unique et si elle dépend avec continuité des C.L.
ou des C.I. i.e., une petite variation dans les C.L. ou les
C.I. produit une petite variation de la solution. (Hadamard,
1932).

1932).

1932).
Discrétisation de l’équation d’évolution de la chaleur en 1 D Etude avec les conditions de Dirichlet
Plan du cours




Construction d’un schéma explicite
Nous discrétisons l’intervalle [0,L] en n+2 points

L
x0 ,x1 , . . . ,xn ,xn+1 de pas h = n+1 , et l’intervalle de temps
T
avec un pas h = N : t0 ,t1 , . . . ,tN . À l’instant tj = jh0 , on veut
0
calculer des valeurs approchées ui,j des valeurs u(xi ,tj ).

Les valeurs initiales sont les ui,0 = C(xj ).
Nous portons dans l’équation aux dérivées partielles les
∂u u(xi ,tj+1 ) − u(xi ,tj )
valeurs discrétisées (xi ,tj ) ≈= et
∂t h0
2
∂ u u(xi−1 ,tj ) + u(xi+1 ,tj ) − 2u(xi ,tj )
2
(x,t) ≈ .
∂x h2
0
en posant λ = k hh2 , le calcul donne pour 1 ≤ i ≤ n :
u(xi ,tj+1 ) = λu(xi−1 ,tj ) + (1 − 2λ)u(xi ,tj ) + λu(xi+1 ,tj ).
Le schéma est explicite à cause de la formule "avant".


L
T
0

∂u u(xi ,tj+1 ) − u(xi ,tj )
∂t h0
2
2
(x,t) ≈ .
∂x h2
0


L
T
0

∂u u(xi ,tj+1 ) − u(xi ,tj )
∂t h0
2
2
(x,t) ≈ .
∂x h2
0


L
T
0

∂u u(xi ,tj+1 ) − u(xi ,tj )
∂t h0
2
2
(x,t) ≈ .
∂x h2
0


L
T
0

∂u u(xi ,tj+1 ) − u(xi ,tj )
∂t h0
2
2
(x,t) ≈ .
∂x h2
0

Forme matricielle du schéma explicite
   
u1,j+1   u1,j
 u2,j+1  1 − 2λ λ 0 . . . . . . 0  u2,j 
 ...   λ
   1 − 2λ λ 0 ... 0  
 ... 

   0 ... ... ... ... ... 
  
 ...  = 
 ... 


 ...  
  ... . . . . . . . . . . . . 0  ... 
   0
un−1,j+1  ... 0 λ 1 − 2λ λ  un−1,j 

0 ... ... 0 λ 1 − 2λ
un,j+1 un,j+1
Relation de la forme Uj+1 = AUj où A est une matrice tri-diagonale, réelle et
symétrique.

Discrétisation de l’équation d’évolution de la chaleur en 1 D Avec des conditions aux limites différentes
Matrice tridiagonale
Nous commençons par écrire en Python une fonction qui

construit une matrice tridiagonale.
def t r i d i a g ( n , a , b ) :
A = np . zeros ( ( n , n ) )
A=A+a∗np . i d e n t i t y ( n )
f o r j i n range ( n −1):
A [ j , j +1]= b
f o r j i n range ( n −1):
A [ j +1 , j ] = b
return A

Itérations
L=10.0
C=lambda x : np . s i n ( np . p i ∗x / L )
Npt=25
h=L / ( Npt −1)
x l i s t =np . arange ( 0 , L+h , h )
CDI=C( x l i s t )
p l t . s c a t t e r ( x l i s t , CDI )
Ucalc=CDI [ 1 : Npt −1]
x p r i n t = x l i s t [ 1 : Npt −1]
# i t e r a t i o n du c a l c u l
f o r j i n range ( 3 0 0 ) :
Ucalc=np . d o t ( B , Ucalc )
i f j %8==0:
p l t . s c a t t e r ( x p r i n t , Ucalc , s =1 , marker= ’ ∗ ’ )
i f j ==299:
p l t . s c a t t e r ( x p r i n t , Ucalc )

Résultats de la simulation

Etude mathématique - 1
On constate que la température tend vers T0 en tout point de la
barre. ceci peut être vérifié par un calcul montrant que le
vecteur Un tend vers ~0 quand n → ∞.
Si f est l’endomorphisme de Rn de matrice A symétrique, alors
f est symétrique pour le produit scalaire usuel, donc il existe
une base orthormée de vecteur propres {ei }i=1...n .
X X
x= xi ei , f (x) = xi λi ei
où les λi sont les valeurs propres réelles de f (de A).
kf (x)k ≤ max |λi | × kf (x)k.

i=1..n
ρ(A) = maxi=1..n |λi | est le rayon spectral de la matrice A.

X X

i=1..n

X X

i=1..n

X X

i=1..n

On a donc kUj+1 k ≤ ρ(A)kUj k d’où kUj k ≤ ρ(A)j kU0 k pour tout

j ∈ N. Pour montrer que les vecteurs itérés convergent bien
vers zéro il suffit de prouver que le rayon spectral vérifie
ρ(A) < 1.
Le spectre des matrices tridiagonales scalaires est bien connu !
Par exemple, voir : Numerical Mathematics, Günther
Hämmerlin, Karl-Heinz Hoffman, Springer.

On a donc kUj+1 k ≤ ρ(A)kUj k d’où kUj k ≤ ρ(A)j kU0 k pour tout

j ∈ N. Pour montrer que les vecteurs itérés convergent bien
vers zéro il suffit de prouver que le rayon spectral vérifie
ρ(A) < 1.
Le spectre des matrices tridiagonales scalaires est bien connu !
Par exemple, voir : Numerical Mathematics, Günther
Hämmerlin, Karl-Heinz Hoffman, Springer.


Plan du cours




Nouvelles conditions aux limites
Que se passe-t-il si on porte chaque extrémité de la barre à

une température différente, T1 et T2 , c’est à dire si on n’a plus
des conditions de Dirichlet?
∂T ∂2T
ρCp −λ 2 =0
∂t ∂x
x ∈ [0,L]. On garde cette fois u(x,t) = T (x,t), et C(x) = Ti (x),
le système devient :

Nouvelles conditions aux limites
Que se passe-t-il si on porte chaque extrémité de la barre à

une température différente, T1 et T2 , c’est à dire si on n’a plus
des conditions de Dirichlet?
∂T ∂2T
ρCp −λ 2 =0
∂t ∂x
x ∈ [0,L]. On garde cette fois u(x,t) = T (x,t), et C(x) = Ti (x),
le système devient :

Nouvelle forme matricielle du schéma explicite

 
u1,j+1
 u2,j+1 
 
 ... 
 
 ...  =
 
 ... 
 
un−1,j+1 
un,j+1
   
  u1,j T1
1 − 2λ λ 0 ... ... 0  u2,j   0 
 λ
 1 − 2λ λ 0 ... 0  
 ... 
  
 0 
 0 ... ... ... ... ...     
   . . .  + λ . . .  .
 ...
 . .. ... ... ... 0  
 ... 
  
. . . 
 0 ... 0 λ 1 − 2λ λ  un−1,j 
  
 0 
0 ... ... 0 λ1 − 2λ
un,j+1 T2
Relation de la forme Uj+1 = AUi + λV où A est une matrice tri-diagonale,
réelle et symétrique.

Méthode de point fixe

Procédons par analogie :
Sous certaines conditions, la suite (xn ) définie par xn+1 = g(xn )

et la donnée du premier terme x0 (ou x1 sur la figure), converge
vers la solution de g(x) = x.
Méthode de point fixe

Procédons par analogie :
Sous certaines conditions, la suite (xn ) définie par xn+1 = g(xn )

et la donnée du premier terme x0 (ou x1 sur la figure), converge
vers la solution de g(x) = x.
Autre simulation
À
l’équilibre, la température varie linéairement d’une extrémité à
l’autre. Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II
Autre simulation (suite)
On chauffe
brutalement une barre froide à T = 0, en portant ces deux
extrémités à T = 2 à gauche et T = 5 à droite ; la fonction C
n’est pas continue.

Edp 2

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

Edp 2

Transféré par

Droits d'auteur :

Formats disponibles

L’équation d’évolution de la chaleur en 1 D

Discrétisation de l’équation d’évolution de la chaleur en 1 D

Équations aux dérivées partielles avec

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

1 L’équation d’évolution de la chaleur en 1 D

2 Discrétisation de l’équation d’évolution de la chaleur en 1 D

3 Résolution par itération

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

1 L’équation d’évolution de la chaleur en 1 D

2 Discrétisation de l’équation d’évolution de la chaleur en 1 D

3 Résolution par itération

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Considérons le problème de la diffusion de la chaleur dans

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Elle s’écrit ici :

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Elle s’écrit ici :

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

L’équation de diffusion (suite)

C’est une EDP linéaire parabolique.

L’équation de diffusion (suite)

C’est une EDP linéaire parabolique.

L’équation de diffusion (suite)

C’est une EDP linéaire parabolique.

1 L’équation d’évolution de la chaleur en 1 D

2 Discrétisation de l’équation d’évolution de la chaleur en 1 D

3 Résolution par itération

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Construction d’un schéma explicite

Nous discrétisons l’intervalle [0,L] en n+2 points

calculer des valeurs approchées ui,j des valeurs u(xi ,tj ).

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Construction d’un schéma explicite

Nous discrétisons l’intervalle [0,L] en n+2 points

calculer des valeurs approchées ui,j des valeurs u(xi ,tj ).

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Construction d’un schéma explicite

Nous discrétisons l’intervalle [0,L] en n+2 points

calculer des valeurs approchées ui,j des valeurs u(xi ,tj ).

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Construction d’un schéma explicite

Nous discrétisons l’intervalle [0,L] en n+2 points

calculer des valeurs approchées ui,j des valeurs u(xi ,tj ).

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Construction d’un schéma explicite

Nous discrétisons l’intervalle [0,L] en n+2 points

calculer des valeurs approchées ui,j des valeurs u(xi ,tj ).

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Forme matricielle du schéma explicite

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Nous commençons par écrire en Python une fonction qui

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

Jean-Paul TRUC Équations aux dérivées partielles avec PYTHON - II

où les λi sont les valeurs propres réelles de f (de A).

kf (x)k ≤ max |λi | × kf (x)k.

ρ(A) = maxi=1..n |λi | est le rayon spectral de la matrice A.

où les λi sont les valeurs propres réelles de f (de A).

kf (x)k ≤ max |λi | × kf (x)k.

ρ(A) = maxi=1..n |λi | est le rayon spectral de la matrice A.

où les λi sont les valeurs propres réelles de f (de A).

kf (x)k ≤ max |λi | × kf (x)k.

ρ(A) = maxi=1..n |λi | est le rayon spectral de la matrice A.