Cours5 Edp

Thème 5: résolution numérique des EDP
Problèmes statiques (cours 1)

Problèmes dynamiques (cours 2)
Université Pierre et Marie CURIE

MNCS
Méthodes numériques et calcul scientifique
19 et 26 mars 2013
(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 1 / 57

Sommaire
1 Introduction
Exemples d’EDP
Généralités
Conditions aux limites
Problèmes statiques et dynamiques

Sommaire
1 Introduction
Exemples d’EDP
Généralités
2 Exemple de problème statique : résolution numérique de l’équation de
Laplace
Discrétisation du problème
Reformulation vectorielle de la solution
Solution du problème

Sommaire
1 Introduction
Exemples d’EDP
Généralités
Laplace
3 Problèmes dynamiques
Discrétisation de l’espace et du temps
Algorithme explicite du premier ordre en temps
Algorithme implicite du premier ordre en temps
Algorithme de Crank–Nicholson

Sommaire
1 Introduction
Exemples d’EDP
Généralités
Laplace
4 Équation des ondes
Introduction
Sommaire
1 Introduction
Exemples d’EDP
Généralités
2 Exemple de problème statique : résolution numérique de l’équation de Laplace

Introduction
Contexte
Les équations aux dérivées partielles (EDP) interviennent dans la

description de très nombreux problèmes de physique, chimie, sciences de la
Terre, biologie : mécanique des fluides, propagation des ondes,
électromagnétisme, phénomènes de diffusion ...
Nous nous limitons dans tout ce qui suit à des EDP relatives à un champ
scalaire u( #–
r , t). Les généralisations vectorielles sont bien sûr possibles, et
techniquement analogues.
Les exemples d’EDP scalaires les plus connues :
1 L’équation des ondes
2 L’équation de Schrödinger
3 L’équation de diffusion
4 Les équations de Poisson et de Laplace

Introduction Exemples d’EDP
Équation des ondes
L’équation des ondes ou « de d’Alembert » :
∂2u
− c2 ∆ u = 0 (1)
∂t 2
u = u( #–
r , t) champ scalaire (ex. pression dans le cas du son).
c : constante, vitesse de propagation des ondes.
∆ : Laplacien scalaire :
∂2 ∂2
∆= + en 2 dimensions (2)
∂x 2 ∂y 2

Équation de Schrödinger
L’équation de Schrödinger :
∂u 1
i =− ∆u+V u (3)
∂t 2
fonction d’onde d’une particule massive dans un potentiel V .
Elle représente aussi la propagation d’une onde harmonique à la limite
paraxiale, dans un milieu de permittivité = n 2 = V + 1.

Équation de la diffusion
L’équation de diffusion
∂u #– #– # –
+ div J = 0 avec J = −D grad(u)
∂t
#–
J : flux de u par unité de surface, D : coefficient de diffusion (m2 s−1 )
Cas D = cste :
∂u
=D∆u (4)
∂t
Cette équation décrit :
les transferts de chaleur par conduction dans un milieu continu, elle
est alors appelée équation de la chaleur et u ≡ T et D ≡ λ/Cp .
la diffusion des particules d’un fluide dans un autre (équation de Fick).

Équations de Poisson et de Laplace
Cas particuliers : Équation de Poisson, Équation de Laplace.

Limite : dépendance en temps supprimée / remplacée par dépendance
harmonique.
L’équation de Poisson
∆u=ρ
est en électrostatique celle qui régit le potentiel Φ( #–
r ) créé par la densité
de charges ρ( #–
r ).
Équation de Laplace : ρ = 0 :
∆u = 0
Solution stationnaire de l’équation de la chaleur.

Introduction Généralités
Équations elliptiques/paraboliques/hyperboliques
Étude théorique des EDP : vaste domaine en mathématiques.

EDP linéaires (du second ordre) classées selon la forme des coefficients
devant les dérivées partielles :
Équation hyperbolique : équation de d’Alembert 1-D
Équation parabolique : diffusion ou Schrödinger
Équations elliptiques : équations de Laplace, Poisson, Helmholtz
Propriétés mathématiques différentes −→ méthodes numériques

spécifiques.

Introduction Conditions aux limites
L’équation est vérifiée dans un domaine D de l’espace.

Problème "bien posé" −→ conditions aux limites.
Deux types de conditions :
Dirichlet : u imposé sur ∂D.
# – #–
Neumann : gradu. n imposé sur ∂D.
Robin : plus général, combinaison linéaire des deux.
Cas général : Conditions mixtes, i.e. différentes sur différentes parties
de ∂D.
Exemple, équation de la chaleur.
Dirichlet ⇔ parois isothermes (imposent la température)
Neumann ⇔ parois adiabatiques (transfert de chaleur nul)

Introduction Problèmes statiques et dynamiques
Pour la résolution numérique : distinction de deux classes de problèmes :
Problèmes dynamiques : déterminer u( #– r , t) dans D sur un intervalle

de temps.
CL spatio-temporelles : CI : u( #–
r , t = 0) + CL : u( #–
r = ·, t)
Problèmes statiques : déterminer u( #–

r ) en fonction des CL (pas de
temps explicite).
Peut correspondre à un régime stationnaire atteint après un temps
d’évolution assez long.

Problèmes statiques
1 - Problèmes statiques : solution d’une EDP où le temps n’intervient pas.
Exemple : Solution d’équilibre de l’équation de diffusion lorsque t → ∞.
Équation de Laplace !
∂2 ∂2
∆T = + T =0
∂x 2 ∂y 2

Problèmes dynamiques
2 - Problèmes dynamiques :
Deux méthodes simples seront exposées et analysées sur l’exemple de

l’équation de diffusion à 1-D :
∂u ∂2u
=D (5)
∂t ∂x 2
avec diverses conditions initiales.

Un problème statique : l’équation de Laplace
Sommaire
1 Introduction
Exemples d’EDP
Généralités

Résolution de l’équation de Laplace

Surlebord:T(x,y)connue y
A l'intérieur T(x,y) inconnue

Objectif : solution numérique vérifiant ∆T=0
approchée de ∆T = 0 à l’in- ∆x
térieur de D.
Simplification : D rectangu-
∆y
laire, de côtés ∆x et ∆y.
x
Figure 1 : Géométrie du problème de

l’équation de Laplace : noter le
choix inhabituel de l’orientation des axes x et y.

Exemple de carte d’isothermes
CL Dirichlet
˚
10C y Figure 2 : Exemple de
0 5 10 15 20 25
0 solution dans le cas où une
paroi est maintenue à 20◦ C,
12 11
une autre adjacente est à
5 16
14 13 10
9
10◦ C et les deux autres
18
8 parois sont à T = 0◦ C. Les
20C
˚
7
6 lignes indexées de 1 à 18
10 5 représentent les isothermes.
4
x 3
2
1
15
˚
0C
20

Un problème statique : l’équation de Laplace Discrétisation du problème
Maillage du domaine D
Discrétisation du domaine D : température évaluée en un nombre fini de
points. Le plus simple : grille de pas dx = dy = p
.'.'. (0,j' ).'.'.'.'.'.
0 j nc+1
0
1 .'.'.' j .'.'.'.'.'. nc y y
.'.'.
1 (i' ,j' )
i
∆x'=( nl+1)' p
.' .
i (i,j' ) (i,nc+1)
.'.'.'.'.'.
.'.'.'.'.'.
nl nl' +1
x
x p
∆y'=(nc+1)' p
Figure 4 : Les bords du domaine
Figure 3 : Point de grille ↔ (i, j). portant les conditions aux limites sont
Intérieur du domaine : i = 1 → nl, numérotés : i = 0 pour le haut,
j = 1 → nc. i = nl + 1 pour le bas, j = 0 pour la
gauche, j = nc + 1 pour la droite.
Indexation du domaine
On a à l’intérieur de la grille :
nl = ∆x/p − 1 lignes horizontales.
nc = ∆y/p − 1 colonnes verticales
Chaque point est repéré par un couple d’indices (i, j) où le premier indice
note le numéro de la ligne et le second celui de la colonne.
On note Ti,j la température en ce point, de coordonnées

xi = i × p, yj = j × p.
Les inconnues du problème sont les N = nl × nc valeurs de Ti,j où

1 6 i 6 nl, 1 6 j 6 nc qui seront déduites des valeurs de Ti,j aux bords
(pour i = 0 ou i = nl + 1, j = 0 ou j = nc + 1).

Différences finies
Les dérivées partielles sont approchées par des différences finies, basées
sur des développements de Taylor. Le développement de Taylor :
∂T p2 ∂ 2 T p3 ∂ 3 T
T (x ± p, y) = T (x, y) ± p + + O p4

± (6)
∂x 2 ∂x 2 3! ∂x 3
montre que :
∂2T
T (x + p, y) + T (x − p, y) = 2T (x, y) + p2 (x, +

y) O p4 (7)
∂x 2
d’où :
∂2T T (x + p, y) + T (x − p, y) − 2 T (x, y)
(x, y) = + O p2

2 2
(8)
∂x p
ce qui conduit à :
∂2T Ti+1,j + Ti−1,j − 2 Ti,j
(x ) = +

i , y j O p2 (9)
∂x 2 p2
dont la précision est du deuxième ordre en p.
Différences finies (suite)
obtention alternative :
∂T p T (x ± p, y) − T (x, y)
(x ± , y) ≈ ± (10)
∂x 2 p
qui conduit à :
∂2T 1 ∂T p ∂T p

(xi , yj ) ≈ xi + , y j − xi − , y j
∂x 2 p ∂x 2 ∂x 2
(11)
Ti+1,j + Ti−1,j − 2 Ti,j
= + O p2

p2

Différences finies (suite)
On obtient ainsi le Laplacien discrétisé :

Ti+1,j + Ti−1,j + Ti,j+1 + Ti,j−1 − 4 Ti,j
∆ Ti,j = +

O p2 (12)
p2
Équation de Laplace =⇒ système linéaire de N équations reliant Ti,j aux

4 points voisins :
Ti+1,j + Ti−1,j + Ti,j+1 + Ti,j−1 − 4 Ti,j = 0 (13)
2 ∗ (nc + nl) températures connues,

N = nc ∗ nl valeurs à déterminer.

Un problème statique : l’équation de Laplace Reformulation vectorielle de la solution
Réindexation 1-D (matrice aplatie)
Ré-indexation des points intérieurs : k = (i − 1)nc + j.
Ti,j ⇐⇒ Zk
1N Nord j
y
1 2 nc
1W
Figure 5 : Renumérotation des
2nc points de grille pour représenter la
Ouest
nc+1 2E
solution sous la forme d’un vecteur :
Est
i le domaine est ré-indexé ligne par

ligne de la gauche vers la droite et
nl×nc
de haut en bas.
x 1S k=(i–1)nc+j
Sud

Formulation vectorielle
Pour un point intérieur au domaine, l’équation (13) s’écrit :
Zk−nc + Zk−1 − 4Zk + Zk+1 + Zk+nc = 0 (14)
Absence de bord : système homogène conduisant à une température

uniforme.
Bords de température imposée =⇒ termes de bords dans les équations.
Possibilité de réécrire le système d’équations sous la forme :
AZ=B (15)
où A est une matrice carrée N × N comportant nl × nl blocs carrés de
dimension nc × nc, du type :

Matrice L2D
 x
−4 1 0 0 1 0 0 0 0 0 0 0 

 1 −4 1 0 0 1 0 0 0 0 0 0 
 
 0 1 −4 1 0 0 1 0 0 0 0 0 
 
 0 0 1 −4 0 0 0 1 0 0 0 0 
 
 1 0 0 0 −4 1 0 0 1 0 0 0 
 
 0 1 0 0 1 −4 1 0 0 1 0 0  nl blocs
 
L2D =  0 0 1 0 0 1 −4 1 0 0 1 0  de taille
 
 0 0 0 1 0 0 1 −4 0 0 0 1  nc × nc
 
 
 0 0 0 0 1 0 0 0 −4 1 0 0 
 
 0 0 0 0 0 1 0 0 1 −4 1 0 
 
 0 0 0 0 0 0 1 0 0 1 −4 1 
 
 0 0 0 0 0 0 0 1 0 0 1 −4 

←−−−nc−−−→ ←−−−nc−−−→ ←−−−nc−−−→ y
Chaque ligne et chaque colonne contient 5 termes non-nuls comme (14) le
prévoit, sauf celles de numéro nc et nc − 1, où apparaissent les 0.
Sens de parcours et influence des bords
 x
-4 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 

 1 -4 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
 
 0 1 -4 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 
 
 0 0 1 -4 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 
 
 1 0 0 0 -4 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 
 
 0 1 0 0 1 -4 1 0 0 1 0 0 0 0 0 0 0 0 0 0 
 
nl blocs de taille nc × nc
 0 0 1 0 0 1 -4 1 0 0 1 0 0 0 0 0 0 0 0 0 
 
 0 0 0 1 0 0 1 -4 0 0 0 1 0 0 0 0 0 0 0 0 
 
 0 0 0 0 1 0 0 0 -4 1 0 0 1 0 0 0 0 0 0 0 
 
 0 0 0 0 0 1 0 0 1 -4 1 0 0 1 0 0 0 0 0 0 
 
 0 0 0 0 0 0 1 0 0 1 -4 1 0 0 1 0 0 0 0 0 
 
 0 0 0 0 0 0 0 1 0 0 1 -4 0 0 0 1 0 0 0 0 
 
 0 0 0 0 0 0 0 0 1 0 0 0 -4 1 0 0 1 0 0 0 
 
 0 0 0 0 0 0 0 0 0 1 0 0 1 -4 1 0 0 1 0 0 
 
 0 0 0 0 0 0 0 0 0 0 1 0 0 1 -4 1 0 0 1 0 
 
 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 -4 0 0 0 1 
 
 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 -4 1 0 0 
 
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 -4 1 0 
 
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 -4 1 
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 -4 
y
←−nc−→ ←−nc−→ ←−nc−→ ←−nc−→ ←−nc−→
Le vecteur B résultant des CL

B est un vecteur à N composantes formé à partir des températures aux
bords. On peut le décomposer sous la forme :
 Nord   Sud   Ouest   Est 
T1N 0 T1W 0
   ..     .. 
 T2N   .   0   . 
 .   ..   .   
 .     .   
 .   .   .   0 
Tnc N   0   0   T1E 
       
 0   0   T2W   0 
 .   ..
    . 
 .       . 
 . 
B= −  − 
 .  − 
 0   . 
− 
 ..  ..  .. 
   
   
 .   .   .   0 
 0   0   0   T2E 
       
 0   T1S  Tnl W   0 
 .       . 
 .       . 
 .   T2S   0   . 
 .   .   .   
 .   .   .   
. . . 0
0 Tnc S 0 Tnl E
alias bk=(i−1)nc+j = −(δi,1 Ti−1,j + δi,nc Ti+1,j + δj,1 Ti,j−1 + δj,nl Ti,j+1 ) (16)

Un problème statique : l’équation de Laplace Solution du problème
Solution du système linéaire
Plusieurs méthodes permettent de résoudre le système linéaire (15), par

exemple :
1 Les méthodes les plus générales de résolution numérique des systèmes
linéaires, telles que la méthode d’élimination de Gauss-Jordan, la
décomposition « LU » 1 ;
2 Des méthodes adaptées au cas où A est une matrice « creuse ».
3 Des méthodes de relaxation qui s’apparentent, dans le cas d’une
équation telle que l’équation de Laplace, à la résolution temporelle de
l’équation de la chaleur.
4 L’utilisation des transformées de Fourier.
1. La factorisation « LU » exprime la matrice comme produit d’une matrice triangu-

laire inférieure (Lower) par une matrice triangulaire supérieure (Upper).
Méthode de relaxation
Méthode de relaxation : méthode itérative, basée sur AZ = B.

Décomposition parties diagonale/non-diagonale : A = D + N
Recherche d’une solution de l’équation DZ = −(NZ − B).
Solution = point fixe de l’application Z 7→ −D−1 (NZ − B)
Calcul par récurrence en partant d’une valeur quelconque Z0 :
Zn+1 = −D−1 N Zn − B = N Zn − B /4

Convergence : Zn+1 − Z = 4 (Z
N n − Z) avec les valeurs absolues de N
toujours inférieures à 4.
Méthode aisée à coder et bien adaptée aux géométries complexes.

Résolution du système linéaire à l’aide de Lapack
Méthodes générales (Gauss-Jordan, LU) ∝ N 3 opérations.

Ici : au plus 5 coefficients non nuls par ligne =⇒ exploitation du caractère
«creux» de la matrice : N opérations.
utilisation de Blas/Lapack :
Matrices générales : xGESV
−L2D définie positive : xPOSV
Symétrique : xSYSV
matrice bande : xSBSV (amélioration significative)
Toutes ces propriétés : xPBSV

Stockage bande
Fonctions pour matrices bandes =⇒ stockage spécifique de la matrice :
«stockage bande». Ne fournit que les sur- et sous-diagonales significatives
à la procédure.
Deux possibilités :
Écriture directe de la matrice contenant les diagonales
Écriture de la matrice complète puis « conversion ».
(en C : procédure matfull2band fournie)
ku=1 Matrice bande n=6 Stockage bande (kl+ku+1)×n

♣
kl=2 ♣
♦ ♥
♦ ♠

Sommaire
1 Introduction
Exemples d’EDP
Généralités

Introduction aux problèmes dynamiques
Problèmes dynamiques :
Evolution temporelle à partir d’un état d’équilibre
Phénomènes de propagation
Caractéristiques :
Conditions initiales
Conditions aux limites (peuvent dépendre du temps)
=⇒ système forcé : transitoire puis régime permanent ν ≈ νforce
Equation de la chaleur, une dimension spatiale.

Équation de diffusion 1-D
Équation de diffusion à 1-D :
∂u ∂2u
=D 2 (17)
∂t ∂x
domaines spatial x ∈ [0, L], et temporel t ∈ [0, T ]
Conditions Initiales (CI) : u(x, 0) = u0 (x) ∀x

Conditions aux Limites (CL) : u(0, t) = ug (t) et u(L, t) = ud (t) ∀t
N.B. : espace et temps ont un rôle dissymétrique :

CL/CI
Degré différent des dérivées partielles
D = cste > 0

Problèmes dynamiques Discrétisation de l’espace et du temps
Discrétisation du domaine
Il faut discrétiser les deux dimensions :

Espace : [0, L] est divisé en nx + 1 pas de largeur δx = nxL+1 .
Temps : [0, T ] est subdivisé en nt + 1 pas de largeur δt = ntT+1 .
ujn ⇐⇒ u(x, t) pour x = j δx et t = n δt
CL =⇒ u0n ≡ ugn et unnx +1 ≡ udn ∀n.

CI =⇒ uj0 pour 1 ≤ j ≤ nx .
Methode de résolution fondamentalement explicite : ujn + CL =⇒ ujn+1 .

Problèmes dynamiques Discrétisation de l’espace et du temps
Différences finies
Laplacien (cf. régimes stationnaires) :

n − 2u n + u n
uj+1
∆u ≈
j j−1
(δx)2
Dérivée ordre 1 par rapport au temps — au choix :
vers l’avant, impliquant (ujn+1 − ujn )/δt

vers l’arrière, avec (ujn − ujn−1 )/δt
ou centrée avec (ujn+1 − ujn−1 )/2δt
Choix détermine l’ordre de l’évaluation en δt, mais surtout le caractère

explicite ou implicite de la méthode.

Problèmes dynamiques Algorithme explicite du premier ordre en temps
Système d’équations linéaires
Approche simpliste : dérivée vers l’avant
ujn+1 − ujn n − 2u n + u n
uj+1

=D pour 1 6 j 6 nx
j j−1
(18)
δt (δx) 2
Semblable à méthode d’Euler explicite (progressive).
Paramètre caractéristique sans dimension :

D δt
α= (19)
δx 2

Système d’équations linéaires
On peut alors d’écrire :
ujn+1 = α uj+1
n
+ (1 − 2α) ujn + α uj−1
n
pour 1 6 j 6 nx (20)
Caractère explicite : ujn+1 obtenus directement en fonctions des ukn .
Pour j = 1, nx : uj−1 j+1 n’existent pas =⇒ condition de bord.

n , un
Note : équivalent à méthode de relaxation (α = 1/2).

Schéma de progression explicite
Figure 6 : Schéma (n+1) δt

illustrant la progression n δt
d’un pas de temps avec
l’algorithme explicite du
premier ordre en δt. x
j δx (nx+1) δx
0
(j −1) δx (j +1) δx

Formulation matricielle
Vecteur Un = (u1n , . . . , unnx ) des solutions à t = nδt pour les nx points
intérieurs
Le système d’équations linéaires prend la forme :
Un+1 = M(−α) Un + αVn+1 ,
Vn = (ugn , 0, . . . , 0, udn ) : vecteur des conditions aux limites,

M(−α) = 11 + α L1D où L1D est la matrice tridiagonale représentant la
dérivée seconde à une dimension :
   
−2 1 0 ··· 0 1−2α α 0··· 0
. .. .. .. 
1 .. .
  
 1 −2 .  α 1−2α α . 
. .. .. .. .. ..
   
L1D =
 0 .. . .

0  −→ M(−α) = 
 0 . . . 0 
 (21)
 .. . . ..
  .. .. ..

. . −2 . . 1−2α α
   
. 1 .
0 ··· 0 1 −2 0 ··· 0 α 1−2α

Stabilité
Problème important : stabilité ou instabilité de la méthode.
Celle que nous venons de proposer donne pour un pas de temps « un peu
trop grand » :
0.3
1pas
2pas
0.25 4pas
6pas
0.2 α=1.2 8pas
10pas
0.15 12pas
14pas
0.1
0.05
-0.05
-0.1
-0.15
0 20 40 60 80 100 120 140
Figure 7 : Résolution explicite avec α = 1.2.

Analyse de stabilité de Fourier–von Neumann
Stabilité d’une onde stationnaire :
u(x, t) = A(t) sin(kx) ⇒ ujn = A(n) sin (kjδx) , (22)
solution exacte pour les conditions de Dirichlet ug = ud = 0, si k = pπ/L

et que A(t) vérifie l’EDO : dA/dt = −Dk 2 A(t)
Méthode explicite :
= − 1 = α e ikδx − 2 + e −ikδx = −4α sin2

A(n+1) −A(n) A(n+1) kδx

A(n) A(n) 2 .
suite géométrique de raison θ réelle : A(n) = A0 θn , avec :
θ = 1 − 4α sin2

kδx
2 (23)
Stabilité =⇒ −1 6 θ 6 1 et donc α 6 1/2.

Stabilité : Lien avec le spectre de L1D

La p-ième valeur propre de la matrice L1D , en dimension n, s’écrit en
fonction de β = π/2(n + 1) = πδx/2L :
− 4 sin2 pβ ; (p)
= sin m p β

valeur propre : vecteur propre : um
On en déduit celles de la matrice M(−α) :
M(−α) = 11 + α L1D −→ 1 − 4α sin2 p πδx
2L .
La condition de stabilité traduit donc simplement le fait que ces valeurs

propres sont de module inférieur à 1.
En termes de relation de dispersion, cette analyse revient à constater que la

relation iω = Dk 2 déduite de l’équation de la diffusion est remplacée par :
2i sin ωδt
exp(−i ωδt = 4α sin2 kδx

2 2 2 (24)
qui n’a de solution ω à partie imaginaire négative (stable) que si 4α 6 2.
Avant d’aller plus loin dans l’analyse numérique, voici quelques exemples.
Exemple : Diffusion d’une distribution en « marche »

Diffusion d’une marche
1.0
0.9
0.8
0.7
0.6
u(x,t)
0.5
0.4
0.3
0.2
0.1
0.0
0 20 40 60 80 100 120
position (x)
Figure 8 : Diffusion d’une marche

Exemple : Diffusion d’une superposition de 2 modes

Rôle de la longueur d’onde sur la diffusion
2.2
2.0
1.8
1.6
u(x,t)
1.4
1.2
1.0
0.8
0 20 40 60 80 100 120
position (x)
Figure 9 : Amortissement de deux modes

Problèmes dynamiques Algorithme implicite du premier ordre en temps
Solution au problème de stabilité : méthode rétrograde
Algorithme explicite simple, mais requiert de très petits pas...

Solution : algorithme implicite (cf. EDO) : dérivée temporelle "vers
l’arrière".
uj+1 − 2ujn+1 + uj−1
" n+1 n+1
ujn+1 − ujn
#
=D (25)
δt (δx)2
=⇒ système de nx équations linéaires :

n+1
− α uj−1 + (1 + 2α) ujn+1 − α uj+1
n+1
= ujn pour j ∈ [1, nx ] (26)
Méthode similaire à Euler implicite (rétrograde).

Schéma de progression implicite
ujn+1
illustrant la
progression d’un pas n δt ujn
de temps avec
l’algorithme implicite
du premier ordre en δt.
x
j δx (nx+1) δx
0
(j −1) δx (j +1) δx

Ce système peut être écrit de façon matricielle sous la forme :
M(α) Un+1 = Un + α Vn+1
avec les mêmes notations que précédemment, et notamment :

 
1+2α -α 0 ··· 0
. .. .. . 
 -α . . . . .. 

. .. ..
 
M(α) = 11 − α L1D  0 ..
= . . 0 
 (27)
 . . .. ..

 . .. . . -α

.
0 ··· 0 -α 1+2α
M tridiagonale mais M−1 matrice dense =⇒ ujn+1 dépend de tous les

autres éléments, mais d’autant moins lorsqu’ils sont éloignés.
Lorsque α → 0, M(α)−1 → M(−α) : on retrouve l’algorithme explicite.

Stabilité de l’algorithme implicite
Analyse Fourier — Von Neumann : modes propres ∝ A(t) sin(kx).

Suite géométrique de raison :
1
θ=
1 + 4 α sin2

k δx
2
Alogorithme implicite inconditionnellement stable quelque soit δx, δt : on

obtient toujours la bonne solution d’équilibre.
Toutefois, approximation du premier ordre en δt : description précise de la
solution transitoire nécessite un pas de temps petit.

Problèmes dynamiques Algorithme de Crank–Nicholson
Principe de l’algorithme de Crank–Nicholson
Objectif : accroître la précision =⇒ améliorer l’approximation en

différences finies de ∂∂t .
Même stratégie que « Euler modifié » (cf. EDO) : moyenne des deux
algorithmes.
D (uj+1 − 2uj + uj−1 ) + (uj+1

n − 2u n + u n )
n+1 n+1 n+1
ujn+1 − ujn
" #
=
j j−1
δt 2 (δx)2
Approximation du deuxième ordre en δt et δx.

Schéma de progression de Crank–Nicholson
ujn+1
illustrant la progression n δt ujn
d’un pas de temps avec
l’algorithme de
Crank–Nicholson. x
j δx (nx+1) δx
0
(j −1) δx (j +1) δx

Stabilité de l’algorithme de Crank–Nicholson
Etude de stabilité Von Neumann : décroissance géométrique des modes :
1 − 2 α sin2

k δx
θ=
2
(28)
1 + 2 α sin2

k δx
2
ce qui permet de montrer que cet algorithme est lui aussi

inconditionnellement stable (i.e. quel que soit le choix de δt).

Système d’équations linéaires à résoudre (j ∈ [1, nx ]) :
α n+1 α n+1 α n α n
− u + (1 + α)ujn+1 − uj+1 = uj−1 + (1 − α)ujn + uj+1 (29)
2 j−1 2 2 2
Ce système peut être écrit de façon matricielle sous la forme :
α −α αh n

Un+1 = M Un + V + Vn+1
i
M (30)
2 2 2
avec les mêmes notations que pour les deux autres algorithmes.

Équation des ondes
Sommaire
1 Introduction
Exemples d’EDP
Généralités

Équation des ondes
Équation des ondes : différences finies
Résolution numérique de l’équation de d’Alembert :

Discretisation du domaine comme pour l’equation de la chaleur ;
CI arbitraires u(x, 0) ;
CL Dirichlet ou Neumann.
schéma de différences finies «naturel» :
∂2u 2
2∂ u
ujn+1 + ujn−1 − 2ujn 2 uj+1 + uj−1 − 2uj
n n n
= c ⇒ = c
∂t 2 ∂x 2 (δt)2 (δx)2
(31)
(deuxieme ordre en temps et espace).
Note : symétrie entre temps et espace.

Équation des ondes
Algorithme explicite
En posant α = cδt/δx, on obtient les équations explicites à trois niveaux

de temps :
ujn+1 = α2 (uj+1
n
+ uj−1
n
) + 2(1 − α2 )ujn − ujn−1 . (32)
soit, sous forme matricielle :
Un+1 = 211 + α2 L1D Un − Un−1 + α2 L1D Vn

où V représente à nouveau les conditions aux limites sur les bords.
Ce schéma est appelé “Leap-Frog” en anglais, singulièrement traduit en

« saute-mouton ».

Équation des ondes
Critère CFL
Relation de dispersion associée au schéma : sin2 ω δt

= α2 sin2 k δx

2 2
α ≤ 1 : solutions réelles (ie non divergentes).
α = 1 : relation de dispersion exacte (et ujn disparaît).
⇒ Critère de Courant–Friedrichs–Lewy (CFL) :

α 1 ⇔ méthode stable.
Valeur précise dépend de la méthode de discrétisation, dimension de
l’espace, éventuellement direction de propagation.
3 formulations équivalentes :
pas de temps δt < c δx temps de propagation de l’onde ;
pas d’espace δx > δt/c distance parcourue par l’onde ;
vitesse «diffusion information» δx/δt > c célérité de l’onde.

Équation des ondes
Schéma de progression et critère CFL
Le schéma de progression est désormais le suivant :
Figure 12 : Schéma ujn+1

illustrant la progression n+1
d’un pas de temps dans
n ujn
l’algorithme explicite
pour l’équation de n−1
d’Alembert δt x
0 δx L
cône de lumière
Le critère CFL se traduit (dans ce cas simple 1D) par le fait que des points
intervenant dans la progression doivent être hors du cône de lumière, pour
laisser à l’onde « le temps de se propager ».

Cours5 Edp

Transféré par

Informations du document

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

Cours5 Edp

Transféré par

Droits d'auteur :

Formats disponibles

Thème 5: résolution numérique des EDP

Problèmes statiques (cours 1)

Université Pierre et Marie CURIE

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 1 / 57

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 2 / 57

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 2 / 57

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 2 / 57

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 3 / 57

Les équations aux dérivées partielles (EDP) interviennent dans la

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 4 / 57

Équation des ondes

L’équation des ondes ou « de d’Alembert » :

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 5 / 57

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 6 / 57

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 7 / 57

Équations de Poisson et de Laplace

Cas particuliers : Équation de Poisson, Équation de Laplace.

Solution stationnaire de l’équation de la chaleur.

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 8 / 57

Étude théorique des EDP : vaste domaine en mathématiques.

Propriétés mathématiques différentes −→ méthodes numériques

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 9 / 57

Conditions aux limites

L’équation est vérifiée dans un domaine D de l’espace.

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 10 / 57

Problèmes statiques et dynamiques

Pour la résolution numérique : distinction de deux classes de problèmes :

Problèmes dynamiques : déterminer u( #– r , t) dans D sur un intervalle

Problèmes statiques : déterminer u( #–

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 11 / 57

1 - Problèmes statiques : solution d’une EDP où le temps n’intervient pas.

Exemple : Solution d’équilibre de l’équation de diffusion lorsque t → ∞.

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 12 / 57

Deux méthodes simples seront exposées et analysées sur l’exemple de

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 13 / 57

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 14 / 57

Résolution de l’équation de Laplace

A l'intérieur T(x,y) inconnue

Figure 1 : Géométrie du problème de

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 15 / 57

Exemple de carte d’isothermes

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 16 / 57

On note Ti,j la température en ce point, de coordonnées

Les inconnues du problème sont les N = nl × nc valeurs de Ti,j où

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 18 / 57

Différences finies (suite)

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 20 / 57

Différences finies (suite)

On obtient ainsi le Laplacien discrétisé :

Équation de Laplace =⇒ système linéaire de N équations reliant Ti,j aux

Ti+1,j + Ti−1,j + Ti,j+1 + Ti,j−1 − 4 Ti,j = 0 (13)

2 ∗ (nc + nl) températures connues,

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 21 / 57

Réindexation 1-D (matrice aplatie)

Ré-indexation des points intérieurs : k = (i − 1)nc + j.

i le domaine est ré-indexé ligne par

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 22 / 57

Pour un point intérieur au domaine, l’équation (13) s’écrit :

Zk−nc + Zk−1 − 4Zk + Zk+1 + Zk+nc = 0 (14)

Absence de bord : système homogène conduisant à une température

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 23 / 57

Le vecteur B résultant des CL

(UPMC) Thème 5 : Résolution numérique des EDP 19 et 26 mars 2013 26 / 57

Solution du système linéaire