Académique Documents
Professionnel Documents
Culture Documents
Cours :
Méthodes Numériques pour les équations
différentielles partielles
Présenté par Dr : REZZOUG Imad
2017/2018
Je dédie ce travail à :
Notations 4
Introduction générale 5
0.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.3 Classification des EDP linéaires du second ordre . . . . . . . . . . . . . . . . . . . . 6
1 Méthodes Analytiques 13
1.1 Le modèle Mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2 Classification des problèmes aux limites . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3 Les méthodes de résolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.1 La méthode de la solution générale . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2 La méthode de séparation des variables (ou méthode de Joseph Fourier) . . 15
1.4 Série 1 : Par la méthode de séparation des variables . . . . . . . . . . . . . . . . . . 22
1.5 Série 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.6 Rappelle sur les séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1
Table des matières
2.3 Procédure de résolution des problèmes aux limites par la méthode de différences
finies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4 Résolutions de problèmes Elliptiques . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4.1 Le problème de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4.2 Le problème de Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5 Résolution des problèmes Paraboliques . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.5.1 Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.5.2 Le Maillage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5.3 La méthode explicite (Schéma FTCS) “de l’anglais : Forward Time Centered
Space) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5.4 La méthode implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.5.5 La méthode de Crank-Nicholson . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6 Résolution des problèmes Hyperboliques . . . . . . . . . . . . . . . . . . . . . . . . 57
2.6.1 Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.6.2 Le Maillage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.6.3 La méthode explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.6.4 La méthode implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.7 Série 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3 Travaux Pratiques : Equations aux Dérivées Partièlles "Méthodes des Différence Fi-
nies" 73
3.1 TP 01 : Program for Euler’s Method . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.2 TP 02 : Program for Heun’s Method . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3 TP 03 : Program for Runge-Kutta 4th Order Method . . . . . . . . . . . . . . . . . . 77
3.4 TP 04 : Résolution d’une EDP elliptique . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.1 Finite-Difference Method for Elliptic PDEs : Laplace’s Eqn. with Dirichlet
conditions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.5 TP 05 : Résolution d’une EDP Parabolique . . . . . . . . . . . . . . . . . . . . . . . 80
3.5.1 Finite-Difference Method for Parabolic PDEs : Heat equation (Forward-diff
Method) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.5.2 Finite-Difference Method for Parabolic PDEs : Heat equation (Crank-Nicholson
Method) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.6 TP 06 : Résolution d’une EDP Hyperbolique . . . . . . . . . . . . . . . . . . . . . . 83
3.6.1 Finite-Difference Method for Hyperbolic PDEs : Wive equation . . . . . . . . 83
3.7 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Bibliographie 89
3
Notations
Notations
4
Introduction générale
Introduction Générale
0.1 Introduction
Les équations aux dérivées partielles (EDP) sont omniprésentes dans toutes les sciences, puis-
qu’elles apparaissent aussi bien en dynamique des structures, mécanique des fluides que dans les
théories de la gravitation ou de l’électromagnétisme (Exemple : les équations de Maxwell). Elles
sont primordiales dans des domaines tels que la simulation aéronautique, la synthèse d’images,
la prévision météorologique, la démographie, ou les finances. Enfin, les équations les plus impor-
tantes de la relativité générale et de la mécanique quantique sont également des EDP. Ce sont
des équations indispensables pour la résolution de presque la totalité des problèmes dans ces
domaines.
Nous pouvons citer par exemple :
1. l’équation de Schrdinger indispensable à la mécanique quantique.
2. l’équation d’advection qui décrit comment une quantité est transportée dans un courant (par
exemple un polluant dans de l’eau).
3. l’équation de Black-Scholes utilisée en finances.
4. L’équation d’ondes décrivant les phénomènes de propagation des ondes sonores et des ondes
électromagnétiques comme la lumière dans des milieux comme l’air ou le vide physique.
5. L’équation de Fourrier ou équation de la chaleur qui décrit l’évolution de la température en
fonction du temps et de l’espace.
Certaines de ces EDP ont été résolues analytiquement et leurs solutions sont connues. Toutefois,
un nombre important d’autres existent sans solutions analytiques. C’est dans cette optique que les
recherches se sont penchées sur les méthodes numériques pour arriver à approximer les solutions
de ces équations.
Notons que malgré ces efforts indéniables, il n’existe pas de méthodes universelles pour la résolu-
tion numérque des EDP. L’algorithme de résolution dépend très étroitement du type de problème
posé. C’est pour cela que nous allons restreindre notre champ d’étude. On exigera que l’équation
satisfasse quelques propriétés comme la linéarité pour que la résolution soit possible.
5
Introduction générale
0.2 Définition
En mathématiques, plus précisément en calcul différentiel, une équation aux dérivées partielles
ou équation différentielle partielle (EDP) est une équation dont les solutions sont les fonctions
inconnues vérifiant certaines conditions concernant leurs dérivées partielles. C’est une équation
mathématique contenant en plus de la variable dépendante (y dans les cas suivants) des variables
indépendantes (x; t; :::) 2 Rn et une ou plusieurs dérivées partielles qu’on peut écrire sous la
2 2 @2y
forme : f x; t; :::; @y ; @y ; @ y ; @ y ; :::
@t @x @t2 @x2
= 0: Par exemple l’équation aux dérivées partielles @t2
@2y
@x2
= 0 qui admet comme solutions : y (t; x) = (t + x)3 ; y (t; x) = sin (t x) ; :::
Les conditions étant moins strictes que dans le cas d’une équation différentielle ordinaire ; les
problèmes incluent souvent des conditions aux limites qui restreignent l’ensemble des solutions.
Pour assurer donc l’unicité de la solution, comme on le fait avec les équations différentielles
ordinaires, EDO, on tiendra compte des conditions pré-données comme les conditions aux limites
et les conditions initiales.
0.2. Dé…nition 6
Introduction générale
Remarque : Notons que les méthodes numériques passent toujours par des discrétisations des
problèmes analytiques en des problèmes numériques et qu’il existe une infinité des méthodes de
discrétisation d’une équation. Nous ne pouvons jamais les énumérer toutes mais les plus couram-
ment utilisées pour la résolution des équations aux dérivées partielles sont :
1. La méthode des différences finies,
2. La méthode des éléments finis,
3. la méthode des volumes finis,
4. la méthode des caractéristiques.
Mais sachez que nous n’utiliserons ici que la méthode des différences finies.
En analyse numérique, la méthode des différences finies est une technique courante de recherche
de solutions approchées d’équations aux dérivées partielles qui consiste à résoudre un système
de relations (schéma numérique) liant les valeurs des fonctions inconnues en certains points
suffisamment proches les uns des autres.
En apparence, cette méthode apparaît comme étant la plus simple à mettre en œuvre car elle
procède en deux étapes : d’une part la discrétisation par différences finies des opérateurs de
dérivation/différentiation, d’autre part la convergence du schéma numérique ainsi obtenu lorsque
la distance entre les points diminue.
Approximation des opérateurs par formules de Taylor : Une discrétisation des opérateurs
différentiels (dérivées premières, secondes, etc., partielles ou non) peut être obtenue par les for-
mules de Taylor.
La formulation de Taylor-Young est préférable dans son utilisation simple, la formulation de Taylor
avec reste intégral de Laplace permet de mesurer les erreurs.
Exemples d’approximations d’opérateurs : “Approximations centrées”
En un point x et pour une valeur h du pas de discrétisation tels que y soit trois fois dérivable sur
l’intervalle [x h; x + h], la formule de Taylor-Young conduit aux deux relations :
3
X hi
y (x + h) = y (x) + y (i) (x) + h3 "1 (x; h)
i=1
i!
X3
( h)i (i)
y (x h) = y (x) + y (x) + h3 "2 (x; h)
i=1
i!
Où les deux fonctions "i (x; h) convergent vers 0 avec h. Par conséquent
y (x + h) y (x) h h2
= y 0 (x) + y 00 (x) + y 000 (x) + h2 "1 (x; h)
h 2 6
y (x h) y (x) h h2 000
= y 0 (x) + y 00 (x) y (x) + h2 "2 (x; h)
h 2 6
y (x + h) y (x h) h2 000
= y (x) + y (x) + h2 "3 (x; h)
0
2h 6
Qui est une approximation de y 0 (x) du 2e ordre en h:
Maillage : Pour la méthode des différences finies, un maillage est un ensemble de points isolés
(appelés nœuds) situés dans le domaine de définition des fonctions assujetties aux équations
aux dérivées partielles, une grille sur les seuls nœuds de laquelle sont définies les inconnues
correspondant aux valeurs approximatives de ces fonctions.
Le maillage comprend également des nœuds situés sur la frontière du domaine (ou au moins «
proches » de cette frontière) afin de pouvoir imposer les conditions aux limites et/ou la condition
initiale avec une précision suffisante.
A priori, la qualité première d’un maillage est de couvrir au mieux le domaine dans lequel il se
développe, de limiter la distance entre chaque nœud et son plus proche voisin. Cependant, le
maillage doit également permettre d’exprimer la formulation discrète des opérateurs de différen-
tiation : pour cette raison, les nœuds du maillage sont le plus souvent situés sur une grille dont
les directions principales sont les axes des variables.
On appelle pas du maillage la distance entre deux nœuds voisins situés sur une droite parallèle à
l’un des axes. Dans ce sens, le pas est une notion à la fois locale et directionnelle. On parlera de
pas global pour désigner le plus grand pas local, une notion qui reste directionnelle.
Bien qu’un pas constant soit le plus souvent retenu (sans qu’il pose de problème théorique pour
la résolution), il est parfois judicieux d’introduire un pas variable qui sera choisi plus fin dans
les zones où la solution exacte subit de plus fortes variations : cette astuce permet de réduire le
nombre d’inconnues sans porter atteinte à la précision des résultats. Par contre, la formulation
est un peu plus complexe car la discrétisation des opérateurs différentiels doit en tenir compte.
Exemple de maillage : Pour un intervalle de validité [0; 2], avec n le nombre des pas, on aura
2
n + 1 points qui sont donnés par la relation xi = i h avec h = n
constant, 0 i n:
Notation indicielle : Durant ces projets nous utiliserons souvent la notation indicielle. C’est
pourquoi nous voulons en rappeler le principe. si x est un des vecteurs de base du repère (qua-
drillage) discrétisé, nous noterons le point x(i), qui est la ième abscisse par xi et si y est maintenant
la fonction, ici la solution de l’équation aux dérivées partielles dépendant seulement des variables
de l’espace, on remplacera y (xi ) par yi . Si, en plus des variables de l’espace, il existe une variable
temporelle t(j) = tj , alors la fonction y (xi ; tj ) sera notée yi;j .
En résumé, les indices des variables spatiales resteront en indices et celui du temps sera en
exposant. C’est ce qu’on appellera la notation indicielle.
Abaissement du degré de dérivation : Pour des raisons d’écriture algébrique et surtout pour
l’étude a priori sur la convergence et la stabilité, il est parfois utile de reformuler le problème
d’origine en un problème équivalent dont les ordres de dérivation sont inférieurs, ceci en intro-
duisant des fonctions intermédiaires qui sont des dérivées ou dérivées partielles des fonctions du
problème initial.
2
Exemple : Le problème y 00 (x) + y (x) = 0 sur [0; 1] ; avec y (0) = y0 ; y 0 (0) = y1 :
!
y (x)
Peut être reformulé de la manière suivante : Y (x) =
y 0 (x)
! !
y 0 0
Satisfaisant l’équation Y 0 (x) = AY (x), Y (0) = où A = :
y1 0
Le degré de dérivation est réduit au détriment du nombre de fonctions inconnues.
Schéma numérique : Un schéma numérique peut être défini comme la formulation algébrique
d’un problème discret conçu à l’aide de la méthode des différences finies. La démarche comprend
les étapes suivantes :
Choisir les opérateurs discrets qui sont des approximations des opérateurs différentiels de
la formulation exacte.
Générer un maillage du domaine de définition en étant attentif aux nœuds frontières et à
la manière de traduire les conditions aux limites.
En se fondant sur les expressions issues des opérateurs discrets, établir les relations liant
les valeurs des fonctions aux nœuds du maillage (les inconnues).
S’assurer que l’ensemble des inconnues et des relations qui les relient constitue un problème
numérique qui ne soit pas sur- ou sous-déterminé. Cette vérification est une condition minimale
pour espérer trouver une solution, mais elle ne donne aucune garantie sur la convergence globale.
Une fois que le schéma numérique est établi et que le problème discret est formulé, il s’agit
non seulement de le résoudre, mais encore de s’assurer que la solution discrète converge vers la
solution exacte lorsque les pas du maillage tendent vers 0.
Pour certains schémas dits explicites, il est possible d’ordonner les inconnues de telle sorte que
chacune d’elle puisse être déterminée récursivement à partir des précédentes qui sont supposées
être déjà calculées (matrice triangulaire). Pour les schémas implicites, il est parfois possible d’évi-
ter de résoudre l’ensemble du système de toutes les équations. C’est en particulier le cas pour
un système évolutif dont l’état, caractérisé par des variables spatiales, est défini par des condi-
tions initiales (t = 0), puis évolue progressivement au cours du temps : le schéma numérique
reste explicite dans la variable temporelle et son caractère implicite ne concerne que les variables
spatiales.
Dans tous les cas, chaque équation du schéma numérique ne concerne qu’un petit nombre d’in-
connues. Dans un environnement linéaire, cette propriété conduit à formuler le problème discret
à l’aide de matrices creuses et à en tirer profit pour le résoudre en utilisant des méthodes ap-
propriées. Cet avantage est indéniable lorsque la taille du maillage dépasse le cadre d’une étude
didactique.
La résolution des schémas numériques s’appuie en général sur des méthodes algébriques clas-
siques. Cependant d’autres formulations équivalentes peuvent faire appel à des méthodes d’opti-
misation.
Exemple de schéma numérique :
Considérons le problème suivant : y 0 (x) y (x) = 0 sur [0; 1] avec y (0) = y0 :
Ce problème reste académique dans la mesure où la solution exacte est connue, soit y (x) =
y0 e x:
1
Avec le schéma d’Euler explicite d’ordre 1 appliqué sur un maillage régulier de pas h = n
, les
inconnues yi reflétant y (ih) sont liées par les relations
yi+1 yi
yi = 0; 80 i n
h
Ce schéma conduit à la relation de récurrence
yi+1 = yi h + yi = ( h + 1) yi
i
Dont la solution explicite est yi = 1 + n
y0 :
Une autre formulation obtenue à l’aide du schéma d’ordre 2 (sauf au nœud i = 1 pour lequel on
conserve le schéma d’ordre 1) donne
y1 y 0
h
y0 = 0;
yi+1 yi 1
2h
yi = 0; 80 i n:
Comme le premier, ce second schéma est explicite.
Il est très facile de déterminer numériquement les solutions de ces deux schémas pour les com-
parer à la solution exacte. Il semble légitime de s’attendre à de meilleurs résultats avec le second
schéma puisque son ordre est supérieur à celui du premier :
Cette intuition se vérifie lorsque > 0:
Par contre, elle s’avère erronée lorsque est assez négatif (par exemple < 3). En
effet, le schéma d’ordre 1 qui est appliqué au premier nœud génère dans ce cas un écart initial
y1 y (h) qui va engendrer des oscillations sur les écarts constatés aux nœuds suivants, oscillations
qui s’amplifient jusqu’aux derniers nœuds : le schéma d’Euler engendre sans conteste une solution
nettement meilleure.
Cette comparaison montre clairement qu’une bonne représentation des opérateurs différentiels
n’est pas une condition suffisante pour obtenir un bon schéma numérique.
Convergence : La convergence d’un schéma numérique est une propriété théorique globale
assurant que l’écart (au sens d’une norme) entre la solution approchée et la solution exacte tend
vers 0 lorsque le pas de discrétisation tend vers 0 (ou lorsque chacun des pas globaux associés
aux différentes directions tend vers 0).
La solution approchée d’un schéma numérique reste peu crédible tant que sa convergence n’a pas
été montrée. Cette preuve est sans doute le point le plus délicat de la méthode des différences
fines, en tout cas celui qui nécessite l’usage d’outils analytiques.
Il ne suffit pas de vérifier à l’aide d’exemples numériques concrets que le comportement de la
solution discrète est conforme aux attentes pour s’assurer de la convergence. Par contre, de tels
exemples peuvent aider à prouver le contraire.
Conceptuellement, les écarts entre solution approchée et solution exacte se manifestent par une
combinaison de deux phénomènes :
L’écart induit localement par les approximations inhérentes à l’opérateur discrétisé. C’est la notion
de consistance ou de robustesse du schéma. Par exemple, un ordre d’approximation élevé (obtenu
par le théorème de Taylor) n’est pas d’une grande valeur lorsque la solution exacte n’a pas la
régularité requise.
Dans le cas d’un schéma explicite, la propagation des écarts qui, au cours des étapes du calcul,
se combinent aux écarts précédents et peuvent progressivement s’amplifier. C’est la notion de
stabilité du schéma qui se conçoit également lorsqu’il est implicite.
Ces concepts ne considèrent pas les erreurs d’arrondi qui peuvent encore compliquer les choses,
comme en témoigne la figure ci-dessous, obtenue avec un exemple concret :
Instabilité numérique d’un schéma appliqué dans un cas particulier où il est “théoriquement”
convergent.
La norme pour laquelle la convergence est étudiée doit rester indépendante des pas de discréti-
sation. Cependant, il est fréquent d’utiliser des normes apparentées à celles des espaces Lp . Pour
une fonction d’une variable :
yi
ln = i jln (1 + h) hj = i h2 = (h)
y (ih)
1
Qui tend vers 0 lorsque h tend vers 0, ceci uniformément pour i h
:
Ainsi y (ih) yi tend uniformément vers 0, ce qui prouve la convergence de ce schéma d’Euler
dans la norme k:k1 :
12
Chapitre 1
Méthodes Analytiques
@2y @2y @2 @2
+ 2 = 0 =) + y = 0 =) y=0
@x2 @t @x2 @t2
On a : A = 1; B = 0; C = 1 =) = B2 4AC = 4<0
L’équation de Laplace est elliptique.
13
Chapitre 01 : Méthodes Analytiques
@2y @y @y @2y
= 0 ou =0
@x2 @t @t @x2
On a : A = ; B = 0; C = 0 =) = B2 4AC = 0
L’équation de la chaleur est parabolique.
Théorème 1.2 La solution générale d’une équation aux dérivées partielles non homogène = la solu-
tion particulière de l’équation non homogène + la solution générale de l’équation homogène.
L’équation de Laplace :
8 2 2
@ y
>
>
> @x2
+ @@t2y = 0
>
>
>
< 0<x<L
>
0<t<l (1.4)
>
>
>
> y (0; t) = y (L; t) = y (x; 0) = 0 (les conditions aux limites homogène)
>
>
>
: y (x; l) = y (non homogène).
Remarque 1.1 Si on choisit + 2 , la solution obtenue ne satisfera pas les conditions aux limites pour
les valeurs réelles : On obtient les équations différentielles séparées :
2
X 00 + X = 0; X (0) = X (L) = 0 (1.6)
2
T 00 T = 0; T (0) = 0 (1.7)
Le problème (1.6)
Le système (1.6) est un cas particulier du système de Sturm1803 1855 -Liouville1809 1882
! La forme générale :
8
>
> d dy
p (x) : dx + q (x) + 2
r (x) y = 0; a x b
< dx
0
1y (a) + 2y (a) = 0
>
>
: 0
1y (b) + 2y (b) = 0:
Donc :
2 2
(06) =) k 2 + ekx = 0 =) k 2 + = 0 =) k = i
X1 cos ( x)
= = cot ( x) 6= cts
X2 sin ( x)
T = A2 ch ( t) + B2 sh ( t) (1.9)
On a :
y (0; t) = 0; y (x; 0) = 0:
(1.10) =)x=0 A1 = 0
(1.10) =)t=0 A2 = 0
Donc :
A chaque valeur propre correspond une valeur de la solution particulière (appelée fonction
propre).
Donc :
yn (x; t) = An sin ( n x) sh ( n t) ; n = 1; 2; :::; 1 (1.11)
Pour la condition non homogène y (x; l) = y ; l’équation différentielle (04) étant linéaire, d’après
le principe de superposition, la solution générale est une combinaison linéaire des solutions par-
ticulières (1.11) :
X
1
y (x; t) = An sin ( n x) sh ( n t) (1.12)
n=1
X
1
y (x; l) = y =) y (x; l) = An sin ( n x) sh ( n l) =y (1.13)
n=1
Donc
2y X (1
1
cos ( n L))
(12) () y (x; t) = sin ( n x) sh ( n t)
L n=1 n sh ( n l)
On considère le problème :
8
> @y @2y
>
> @t @x2
=0
>
>
>
< 0<x<L
>
t>0 (1.14)
>
>
>
> y (0; t) = y (L; t) = 0 (les conditions aux frontières)
>
>
>
: y (x; 0) = f (x) (la condition initiale).
2
X 00 + X = 0 (système de Sturm-Liouville) (1.15)
2
T0 + T =0 (1.16)
Qui sont des équations différentielles ordinaires. Les solutions générales peuvent être calculées
pour chaque équation comme suit :
Résolution de l’équation (1.15) en X :
Solution particulière X = ekx
2 2 2
(1:15) () k 2 + ekx = 0 () k 2 + = 0 () k 2 = () k = i
Deux solutions complexes : X1 = ei x ; X2 = e i x
On considère le problème :
8
2 @2y
>
> @@t2y c2 @x2 = 0
>
>
>
>
>
> 0<x<L
>
>
< t>0
(1.24)
>
> y (0; t) = y (L; t) = 0 (les conditions aux frontières)
>
>
>
>
>
> y (x; 0) = f (x) (la condition initiale).
>
>
: @y jt=0 = g (x)
@t
Pour chaque valeur de n on a les coefficients Cn et Dn (la constante B est incluse dans Cn et Dn ).
Il est nécessaire de superposer les solutions (1.29).
+1
X
y (x; t) = sin ( n x) [Cn cos (c n t) + Dn sin (c n t)] (1.30)
n=1
P+1
y (x; 0) = f (x) =)t=0 n=1 Cn sin ( n x) = f (x)
Qui est le développement en “sinus” de Fourier de la fonction f (x) sur l’intervalle [0; L], Cn est le
coefficient de Fourier : Z L
2
Cn = f (x) sin ( n x) dx (1.31)
L 0
P
@y(x;t)
@t
= +1 n=1 (c n ) sin ( n x) [Dn cos (c n t) Cn sin (c n t)]
@y(x;t) t=0
P+1
@t
jt=0 = g (x) =) n=1 Dn (c n ) sin ( n x) = g (x)
R L
(c n ) Dn = L2 0 g (x) sin ( n x) dx
R L
Dn = cL2 n 0 g (x) sin ( n x) dx
Ainsi la solution (1.30) est déterminée pour toute valeur de “x” et “t”.
@y @2y
= (1.35)
@t @x2
@y
Sur le domaine 0 < x < soumis aux conditions adiabatique (flux thermique qx = kx @x nul) aux
@y @y
deux extrémités @x
(0; t) = @x
( ; t) = 0 et la distribution de température initiale est y (x; 0) = f (x) :
. Montrer que la solution est donnée par :
Z Z
2X
1
1 n2 t
y (x; t) = f (x) dx + e cos (nx) : f (x) cos (nx) dx
0 n=1 0
Remarque 1.3 Les deux variables X et T étant indépendants, chaque membre doit être constante.
2
Soit cette constante. Appelée constante de séparation des variables.
2
X 00 + X = 0 “sturm-liouville” (1.36)
2
T0 + T =0 (1.37)
@y @y
Solution 1.3 @x
= X 0 (x) T (t) =) @x
(0; t) = X 0 (0) T (t) = 0 =) X 0 (0) = 0
@y @y
@x
= X 0 (x) T (t) =) @x
( ; t) = X 0 ( ) T (t) = 0 =) X 0 ( ) = 0
@2y @2y
c2 =0 (1.38)
@t2 @x2
Solution 1.4 L’équation est homogène (sans second membre). Les coefficients 1 et c2 sont constants,
une solution générale est :
y (x; t) = eax+bt
1.5 Série 2
Exercice 1.6 Résoudre le problème Elliptique suivant :
8
> @2y @2y
> @t2 + @x2 = 0
>
>
>
>
>
> 0<x<1
>
>
< 0<t<1
>
> y (0; t) = y (1; t) = 0
>
>
>
>
>
> y (x; 0) = 0
>
>
: y (x; 1) = y = 1
Solution 1.5 Les coefficients de Fourier du développement de 300 en série de Fourier sont donnés
par l’équation (1.23) :
Z L
2 2f [1 cos ( n L)]
An = f (x) sin ( n x) dx =
L 0 L n
2f X [1
1
cos ( n L)] 2
nt
y (x; t) = e sin ( n x)
L n=1 n
1.5. Série 2 27
Chapitre 01 : Méthodes Analytiques
Un piano ayant une corde élastique de longueur L est frappé avec un marteau de largeur 2d à t = 0
centré en un point x de la corde avec une vitesse égale à v. Trouver y de la corde ayant une vitesse c
de propagation de l’onde.
La formulation mathématique du problème est donnée par :
8 2
> @ y 2 @2y
> 2 = c @x2
>
> @t
>
> 0<x<L
>
>
>
>
>
< t>0
>
y (0; t) = y (L; t) = 0
>
>
>
> y (x; 0) = 0
>
> (
>
>
>
> v pour jx xj < d
> @y
: @t jt=0 =
>
0 pour jx xj > d
Solution 1.6 La solution est donnée par l’équation (1.30).
Puisque y (x; 0) = f (x) = 0; d’après l’équation (31) Cn = 0:
En substituant dans l’équation (1.30) on obtient la solution générale :
+1
X
y (x; t) = Dn sin (c n t) sin ( n x)
n=1
D’où : Z x+d
2 4v
Dn = v sin ( n x) dx = sin ( n d) sin ( n x)
Lc n x d Lc 2n
La solution est donc :
+1
4v X 1
y (x; t) = sin ( n d) sin ( n x) sin (c n t) sin ( n x)
Lc n=1 2n
P+1
la série trigonométrique a0 + n=1(an cos (nx) + bn sin (nx)) s’appelle la série de Fourier associée à
P
la fonction f: Nous utiliserons la notation : f (x) a0 + +1 n=1 (an cos (nx) + bn sin (nx)) :
Définition 1.2 La série de Fourier associée à la fonction f: Telle que f une fonction intégrable sur
[ L; +L]
généralement sur [ L; +L]. Soit F (x) = f Lx ; donc on pose Lx = t alors :
8 P+1
>
> F (x) = f (t) a0
+ n=1 (an cos (nt) + bn sin (nt)) ;
< R 2
L
an = L (2 L) L f (t) cos (nt) dt pour n 0;
>
> RL
: b = 2
f (t) sin (nt) dt pour n 1:
n L ( L) L
30
Chapitre 02 : La méthode de différences finies
(x x0 )n+1 (n+1)
Rn = f ( );x x0 x + x0
(n + 1)!
h1 (1) h2 hn
(2:2) () f (x0 + h) = f (x0 ) + f (x0 ) + f (2) (x0 ) + ::: + f (n) (x0 ) + hn+1 (2.3)
1! 2! n!
Le signe est introduit pour tenir compte de l’allure (concave “erreur positive” ou convexe “er-
reur négative”) de la courbe donnée par f (x) :
Soit à interpréter l’erreur dans le cas, d’une fonction f (x) convexe.
On a : M 0 C = M 0 A + AC = AC AM 0 où AM 0 = f (x0 + h) :
BC
Et AC = AB + BC sachant que tan = MB
() BC = M B tan =h tan :
0
Et AB = f (x0 ) ; tan = f (x0 ) :
Donc AC = f (x0 ) + h tan = f (x0 ) + h f 0 (x0 ) =) M 0 C = f (x0 ) + h f 0 (x0 ) f (x0 + h) :
Donc f (x0 + h) = f (x0 ) + h f 0 (x0 ) M 0 C en comparant avec l’équation (2.4) on a : M 0 C =
erreur ; M 0 C représente l’erreur de troncation de la série de Taylor.
h2 (2)
Donc d’après (2.3) : erreur = 2!
f (x0 ) + ::: est de l’ordre de h2 ; qui s’écrit (h2 ) :
Donc, si “h” est très petit on a : f (x0 + h) ' T (x0 + h) et (h2 ) ! 0:
Donc :
f (xi + h) + f (xi ) h 00
f 0 (xi ) = + (h) Tq (h) = f ( )
h 2
Donc :
fi fi 1
fi0 = + (h)
h
Différences centrées
h2 00 h3 (3) h4
f (xi + h) = f (xi ) + hf 0 (xi ) + f (xi ) + f (xi ) + f (4) ( )
2! 3! 4!
h2 3
h (3) h4
f (xi h) = f (xi ) hf 0 (xi ) + f 00 (xi ) f (xi ) + f (4) ( )
2! 3! 4!
Donc :
2h3 (3)
f (xi + h) f (xi h) = 2hf 0 (xi ) + f (xi )
3!
Donc :
f (xi + h) f (xi h)
f 0 (xi ) = + h2
2h
2 h2 (3)
Telle que : (h ) = 6
f ( ) avec xi h < < xi + h:
Donc :
fi+1 fi 1
fi0 = + h2
2h
Exercice 2.1 En considérant un pas x = 0:1
Calculer par un schéma de différences finies (en avant, en arrière et centrée) la dérivée première de
la fonction f (x) = x2 au point x = 2:
Calculer l’erreur de troncation pour chaque cas.
En notation indicielle, on a :
fi 1 2fi + fi+1 h2 (4)
fi00 = + h2 avec h2 = f ( )
h2 12
Formulation
Tq : 0 x L; 0 t l
Et les conditions aux limites appliquées sur les frontières du domaine rectangulaire (L; l) (pro-
blème de Dirichlet)
y (x; 0) = yab ; y (0; t) = yad ; y (L; t) = ybc ; y (x; l) = ycd :
Le Maillage
2.3. Procédure de résolution des problèmes aux limites par la méthode de di¤érences …nies 36
Chapitre 02 : La méthode de différences finies
L l
m= x
+ 1; n = t
+1
L
Tq : le nombre de points m et n selon x et t est donné par les relations connues m = x
+ 1; n =
l
t
+ 1:
Le Schéma Numérique
Les dérivées secondes apparaissant dans l’équation aux dérivées s’écrivent en un point pivot (i; j)
de à l’aide d’un schéma de différences centrées :
Donc :
yi 1;j 2yi;j + yi+1;j yi;j 1 2yi;j + yi;j+1
(2:6) () + =0
( x)2 ( t)2
En tronquant l’erreur ( x)2 + ( t)2 :
t 2
On pose : r = x
donc
t 2
x
[yi 1;j 2yi;j + yi+1;j ] + yi;j 1 2yi;j + yi;j+1
2 =0
( t)
Donc :
ryi 1;j 2 (r + 1) yi;j + ryi+1;j + yi;j 1 + yi;j+1 = 0 (2.7)
Maillage du domaine :
Les équations sont obtenues par le “mouvement” de la molécule quand celle-ci parcourt les diffé-
rents points pivots du maillage.
Pour j = 2 et i = 2; 3; 4 on a :
Point (2; 2) : (2:7) () y1;2 4y2;2 + y3;2 + y2;1 + y2;3 = 0 donc 4y2;2 + y3;2 + y2;3 + yab + yad = 0:
Point (3; 2) : y2;2 4y3;2 + y4;2 + y3;1 + y3;3 = 0 donc y2;2 4y3;2 + y4;2 + y3;3 + yab = 0:
Point (4; 2) : y3;2 4y4;2 + y5;2 + y4;1 + y4;3 = 0 donc y3;2 4y4;2 + y4;3 + yab + ybc = 0:
Point (2; 3) : y1;3 4y2;3 + y3;3 + y2;2 + y2;4 = 0 donc y2;2 4y2;3 + y3;3 + yad + ycd = 0:
Point (3; 3) : y2;3 4y3;3 + y4;3 + y3;2 + y3;4 = 0 donc y3;2 + y2;3 4y3;3 + y4;3 + ycd = 0:
Point (4; 3) : y3;3 4y4;3 + y5;3 + y4;2 + y4;4 = 0 donc y4;2 + y3;3 4y4;3 + ybc + ycd = 0:
h k=2:
- Donc pour i
(2) 1 (1) (1)
y1 = a11
b1 a12 y2 a13 y3
h i
(2) 1 (2) (1)
y2 = a22
b2 a21 y1 a23 y3
h i
(2) 1 (2) (2)
y3 = a33
b3 a31 y1 a32 y2
Un calcul hsimilaire est obtenu ài l’itération k + 1 on a :
(2) 1 (1) (1)
y1 = a11
b1 a12 y2 a13 y3
h i
(2) 1 (2) (1)
y2 = a22
b2 a21 y1 a23 y3
h i
(2) 1 (2) (2)
y3 = a33
b3 a31 y1 a32 y2
Un calcul similaire
h est obtenu à l’itération
i k + 1 on a :
(k+1) 1 (k) (k)
y1 = a11
b1 a12 y2 a13 y3
h i
(k+1) 1 (k+1) (k)
y2 = a22
b2 a21 y1 a23 y3
h i
(k+1) 1 (k+1) (k+1)
y3 = a33
b3 a31 y1 a32 y2
Donc en général, soit le système :
8
>
> a11 y1 + a12 y2 + a13 y3 + ::: + a1n yn = b1
>
>
< a y + a y + a y + ::: + a y = b2
21 1 22 2 23 3 2n n
>
> ::: ::: :::
>
>
:
an1 y1 + an2 y2 + an3 y3 + ::: + ann yn = bn
Donc : h i
(k+1) (k) (k) (k)
y1 = a111 b1 a12 y2 a13 y3 ::: a1n yn
h Pn i
(k)
= a111 b1 a y
1j j
h j=1+1 i
(k+1) 1 (k+1) (k) (k) (k)
y2 = b2 a21 y1 a23 y3 a24 y4 ::: a2n yn
h a22 P i
(k+1) n (k)
= a122 b2 a21 y1 j=1+2 a2j yj
h i
(k+1) (k+1) (k+1) (k) (k)
y3 = a133 b3 a31 y1 a32 y2 a34 y4 ::: a3n yn
h P2 Pn i
1 (k+1) (k)
= a33 b3 j=1 a3j yj j=1+3 a3j yj
Donc : h i
(k+1) 1
Pi 1 (k+1) Pn (k)
yi = aii
bi j=1 aij yj j=1+i aij yj
Remarque 2.1 On arrête la calcul lorsque deux valeurs successives de yi sont suffisamment voisines.
(k) (k 1)
On peut utiliser les deux critères suivants : [convergence absolue : yi yi ; convergence
(k) (k 1)
yi yi
relative (k) ].
yi
La convergence ne dépend pas de la solution initiale mais des valeurs des coefficients aij , la conver-
Pn
gence est assurée pour chaque ligne si : aii j=1 jaij j Tq : i 6= j:
Méthode de Relaxation :
Remarque 2.2 La méthode de Gauss-Seidel ne converge pas très rapidement ; donc on utilise des mé-
thodes de relaxation comme la méthode SOR [de l’anglais "successive over relaxation"] ou : méthode
de sur-relaxation, est utiliser pour accélérer la convergence.
Exercice 2.2 Résoudre le problème aux limites [problème de Dirichlet avec conditions aux limites
homogènes et non homogènes] :
8
> @2y @2y
>
> @x 2 + @t2 = 0;
>
>
>
> 0 < x < L;
>
>
>
< 0 < t < l;
>
> y (0; t) = y (L; t) = 0;
>
>
>
>
>
> y (x; 0) = 0 ,
>
>
: y (x; l) = y = 1:
2y P1 1 cos( n L)
Comparer avec la solution exacte : y (x; t) = L n=1 n sinh( n l)
sin ( n x) sinh ( n t) :
Formulation
Schéma Numérique
Le schéma numérique aux différences finies de l’équation de Laplace est modifié aux points de la
frontière “cd”
Considérons un point (i; j) de cette frontière
@y
Remarque 2.4 Dans le cas : la condition de Neumann est donnée par : a = @x
;t = L; 0 t l où
a est une constante donnée. (sur le côté bc):
@y
Remarque 2.5 Donc j = 2: 1 x
@x (i;j)
(yi+1;j yi 1;j ) =a
Donc yi+1;j = 2a: x + yi 1;j
Si r = 1 : donc
Fig 0. Plaque rectangulaire soumise à une condition de Neumann sur la frontière “cd”.
Ou dire :
Soit le problème elliptique donné par l’équation de Laplace :
8 2 2
@ y
>
> @x2
+ @@t2y = 0 dans ;
>
>
< y (0; t) = 20; y (L; t) = 10 ,
(2.8)
>
> y (x; 0) = 30 ,
>
>
: @y
@t
(x; l) = 0.
Point (2; 3) : y1;3 4y2;3 +y3;3 +2y2;2 = 0 donc 20 4y2;3 +y3;3 +2y2;2 = 0 donc 2y2;2 4y2;3 +y3;3 =
20:
Point (3; 3) : y2;3 4y3;3 +y4;3 +2y3;2 = 0 donc y2;3 4y3;3 +10+2y3;2 = 0 donc 2y3;2 +y2;3 4y3;3 =
10:
Donc : 0 1 0 1 0 1
4 1 1 0 y2;2 10
B C B C B C
B 1 4 0 1 C B y3;2 C B 40 C
B C B C=B C
B 2 0 4 1 C B y C B 20 C
@ A @ 2;3 A @ A
0 2 1 4 y3;3 10
Donc : K y = yc (donc, résoudre le système d’équations et trouver y).
2.5.1 Formulation
Pour un problème 1D, la formulation est donnée par l’équation Parabolique :
8
@y @2y
>
> = @x 2; y 2 x;t ;
>
> @t
< y (0; t) = y ; t > 0;
G
(2.9)
>
> y (L; t) = yD ; t > 0;
>
>
:
y (x; 0) = f (x) .
Donc le problème : Déterminer y (x; t) en point x et à un instant donné t dans le domaine x;t :
2.5.2 Le Maillage
L D
Le maillage du domaine x;t est construit à l’aide des relations connues m = x
+ 1; n = t
+1
Tq : D est la durée du phénomène physique.
Remarque 2.6 Pour la résolution du problème parabolique. On peut citer principalement : La mé-
thode explicite, la méthode implicite, la méthode de Cranck-Nicholson.
Le Schéma Numérique
Comme la condition initiale est connue. On peut trouver yi;2 à l’instant t, puis avancer dans le
temps pas par pas. Ce schéma ne nécessite pas d’inversion de matrice.
D’après TAYLOR :
@y ( x)2 @ 2 y ( 1 ; t)
yi+1;j = yi;j + x+ ; i: x < 1 < (i + 1) : x
@x 2 @x2
@y ( x)2 @ 2 y ( 2 ; t)
yi 1;j = yi;j x+ ; (i 1) : x < 2 < i: x
@x 2 @x2
@y(x; )
yi;j+1 = yi;j + @t
t; j t < < (j + 1) t:
Donc :
Ej + M t Ej 1 + 2M t Ej 2 + 3M t ::: E0 + (j + 1) M t = (j + 1) M t
j+1 j t j
() = ( x)2
eI mi x
2+e I mi x
( j+1 j
) t
() j = x)2
( h
eI mi x
2+e I mi x
i
2 t eI m i x +e I m i x
() 1= ( x)2 2
1
() =1 2r [1 cos ( m x)] :
t
Donc =e la définition de montre que l’erreur i;j ne pourra pas augmenter indéfiniment
lorsque le temps “t” augmente si et seulement si : j j 1:
t
Le paramètre =e =1 2r [1 cos ( m x)] est appelé facteur d’amplification.
t
La définition de étant donnée par e ; les erreurs initiales ne seront pas simplifiées si la condi-
tion j j 1 est satisfaite pour toutes les valeurs de m: En appliquant cette condition à l’équation
1 2r [1 cos ( m x)] on obtient : j1 2r [1 cos ( m x)]j 1
Donc 1 1 2r [1 cos ( m x)] 1
On a 1 cos ( m x) 1 donc la partie droite de l’inégalité est satisfaite pour toutes les valeurs
possibles de m: Pour satisfaite la partie gauche avec la valeur maximale de condition on doit
avoir 1 cos ( m x) = 2 donc 1 1 4r:
t 1
Soit r = ( x)2 2
:Qui est le critère de stabilité de la solution donnée par la méthode explicite.
On dit que la méthode est conditionnellement stable.
Exemple 2.3 Soit à résoudre par la méthode explicite le problème thermique de la propagation de
la chaleur dans un mur d’épaisseur L: Le problème est formulé comme suit :
@y @2y
= ; 0 < x < L = 10cm; t 2 ]0; D] (2.11)
@t @x2
Durée du phénomène D = 4s; =4 10 6 m2 :s 1
Avec y (0; t) = yG = 350K; y (L; t) = yD = 440K; y (x; 0) = f (x) = y0 = 300K pour t > 0:
On choisit les données suivantes t = 1s; x = 1cm:
t 4 10 6 1 1
Critère de Convergence r = ( x)2
= (10 2 )2
= 0:04 2
donc le pas de temps chois [ t = 1s]
satisfait la condition de convergence.
L 10 T
Maillage Le nombre de points “m” et “n” est donné par : m = x
+1 = 1
+ 1 = 11; n = t
+1 =
4
1
+ 1 = 5:
Nombre d’inconnues par ligne = (m 2) = 9 inconnues.
Nombre d’inconnues total = (m 2) (n 1) = 9 4 = 36:
Point (4; 1) : y4;2 = 300K: Donc y2;2 = y3;2 = y4;2 = ::: = y10;2 = 300K:
Point (3; 2) : y3;3 = 300K: De même on a : y2;2 = y4;3 = y5;3 = ::: = y9;3 = 300K:
Point (10; 2) : y10;3 = ry9;3 + (1 2r) y10;2 + ry11;2 = 0:04 300 + (1 2 0:04) 300 + 0:04 440 =
305K:
t 1
Conclusion Explicite : La taille maximale du pas de temps est limitée r = ( x)2 2
mais :
Implicite : Converge quelque soit la taille du pas de temps. On peut donc choisir un pas de temps
assez grand pour accélérer la solution.
Donc
yi;j = ryi 1;j+1 + (1 + 2r) yi;j+1 ryi+1;j+1 (2.12)
L’équation (2.12) représente le schéma implicite en un point pivot (i; j) :
Tq :
A l’étape (j + 1) ; les solutions yi;j+1 sont inconnues.
A l’étape “j”; yi;j est connue.
2y X 1
1
cos ( n L) 2
nt
y (x; t) = e sin ( n x)
L n=1 n
: t 0:01 0:05
Les pas du maillage x = 0:1; t = 0:05 donc r = ( x)2
= 0:01
= 0:05
On forme le système d’équations à l’étape de temps t = t quand la molécule parcourt la ligne j = 1
avec i = 2; m 1:
Molécule implicite en j = 1:
y1;1 = 300 (condition initiale).
y1;2 = 0 (condition frontière).
Au point (2; 1) l’équation implicite s’écrit pour j = 1 et i = 2 :
Principe de la méthode
Donc
ryi 1;j+1 2 (r + 1) yi;j+1 + ryi+1;j+1 = ryi 1;j 2 (1 r) yi;j ryi+1;j
: t
Avec r = ( x)2
:
2.6.1 Formulation
Le problème hyperbolique est donné par l’équation hyperbolique :
@2y 2
2@ y
= c (2.13)
@t2 @x2
Qui satisfait les conditions de Cauchy :
@y
y (0; t) = a1 y + b1 @x = f1 (x) en x = 0; t 0
@y
y (L; t) = a2 y + b2 @x = f2 (x) en x = L; t 0
Et les conditions aux limites initiales :
y (x; 0) = g1 (x) à t = 0:
@y @t (x; 0) = g2 (x) à t = 0:
Cette deuxième condition est nécessaire car on a une dérivée seconde en “t” dans l’équation
d’onde.
2.6.2 Le Maillage
L T
Le domaine x;t est discrétisé selon les relations connues : m = x
+ 1; n = t
+ 1 où T est la
durée totale du phénomène étudié. On obtient le maillage suivant :
Donc
t
yi;j+1 = r2 yi 1;j +2 1 r2 yi;j + r2 yi+1;j yi;j 1 tq r = c et j > 1
x
1 2
Avec yi;2 = r yi 1;1 +2 1 r2 yi;1 + r2 yi+1;1 + g2 (xi ) t
2
Analyse de la convergence
On montre que la solution obtenue par la méthode explicite converge si la condition suivante est
t
réalisée r = c x
1:
Dans le cas r = 1 donc yi;j+1 = yi 1;j + yi+1;j yi;j 1 ,“j > 1 ou t > 0”:
L
Maillage On a le nombre de points selon x : m = x
+ 1 = 9:
point i 1 2 3 4 5 6 7 8 9
xi 0 10 20 30 40 50 60 70 80
yi;1 0 0.3 0.6 0.5 0.4 0.3 0.2 0.1 0
Tab 0. Etat initial.
1
L’équation yi;2 = 2
[yi 1;1 + yi+1;1 ] permet d’obtenir la solution au niveau supérieur soit j = 2 (les
points pivots ont la configuration j = 1; i = 2; 8).
Point pivot (2; 1) “donc déterminer y2;2 ”
En ce point la molécule ci-dessous nous permet de déterminer y2;2 :
Solution analytique On a y (x; t) = An sin ( x) cos ( ct) [modes naturels de vibration “ voir le
n
premier chapitre”] avec = L
; n = 1; 1
Donc, la solution
X
1
y (x; t) = An sin ( x) cos ( ct) “superposer les modes”
n=1
P1
y (x; 0) = g1 (x) = n=1 An sin ( x)
Formulation
Donc
r 2 yi 1;j+1 2 (r2 + 1) yi;j+1 + r2 yi+1;j+1 = 4yi;j r 2 yi 1;j 1 + 2 (r2 + 1) yi;j 1 r2 yi+1;j 1
c t
Avec r = x
:
Et
yi;0 = yi;2 2g2 (xi ) t
Donc
r 2 yi 1;2 2 (r2 + 1) yi;2 + r2 yi+1;2 = 4yi;1 r2 [yi 1;2 2g2 (xi 1 ) t] +
2 2
2 (r + 1) [yi;2 2g2 (xi ) t] r [yi+1;2 2g2 (xi+1 ) t]
Donc
2r2 yi 1;2 4 (r2 + 1) yi;2 + 2r2 yi+1;2 = 4yi;1 + 2r2 g2 (xi 1 ) t
4 (r2 + 1) g2 (xi ) t + 2r2 g2 (xi+1 ) t
Donc 2r2 yi 1;2 4 (r2 + 1) yi;2 + 2r2 yi+1;2 + 4yi;1 2r2 g2 (xi 1 ) t+
4 (r2 + 1) g2 (xi ) t 2r2 g2 (xi+1 ) t = 0
Donc 2r2 yi 1;2 4 (r2 + 1) yi;2 + 2r2 yi+1;2 + 4yi;1 + G (xi ) = 0 telle que
G (xi ) = 2r2 g2 (xi 1 ) t + 4 (r2 + 1) g2 (xi ) t 2r2 g2 (xi+1 ) t
Molécule implicite à t = 0:
Convergence
On montre que la solution obtenue par la méthode implicite converge en tous temps quelconque
soit r:
Procédure de résolution
2.7 Série 3
Exercice 2.4 (Équation de Poisson)
@2y
Résoudre le problème suivant @x2
= 1; = [0; 1] avec y (0) = y (1) = 0:
1. En appliquant un schéma de différences finies centrées, déterminer la molécule de l’équation diffé-
rentielle.
2. En choisissant un maillage avec un pas de h = 0; 25: Calculer la distribution de températures.
x2 +x
Comparer avec la solution exacte y (x) = 2
:
Solution
Le schéma de différences finies centrées de la dérivée seconde est donné par
2.7. Série 3 65
Chapitre 02 : La méthode de différences finies
2.7. Série 3 66
Chapitre 02 : La méthode de différences finies
Solution
Cas x= t = 5cm
Le maillage (voir Fig 2).
L 20 l
m= x
+1= 5
+ 1 = 4 + 1 = 5; n = t
+ 1 = 3:
Point (3; 2) : y2;2 4y3;2 + y4;2 + y3;1 + y3;3 = y2;2 4y3;2 + y4;2 + 0 + 0 = 0
Point (4; 2) : y3;2 4y4;2 + y5;2 + y4;1 + y4;3 = y3;2 4y4;2 + 0 + 0 + 0 = 0
Donc
0 1 0 1 0 1
4 1 0 y2;2 0
B C B C B C
B 1 4 1 C B y3;2 C = B 0 C
@ A @ A @ A
0 1 4 y4;2 100
Donc
0 on obtient le1système d’équations algébriques Ay = b donc y = A 1 b: Telle que A 1
=
15 1 1
B 56 14 56 C
B 1 2 1 C
@ 14 7 14 A
1 1 15
56 14 56
2.7. Série 3 67
Chapitre 02 : La méthode de différences finies
Donc
x (cm)
t (cm) 0 5.0000 10.000 15.0000 20.00
Solution
1. Le maillage : pour un pas x= t = 2cm: On a m = L
x
+1 = 51 +1 = 6; n = l
t
+1 = 41 +1 = 5:
2.7. Série 3 68
Chapitre 02 : La méthode de différences finies
Donc
yi 1;j 4yi;j + yi+1;j + yi;j+1 + yi;j 1 Q
+ =0
h2 k
Sous forme moléculaire :
2.7. Série 3 69
Chapitre 02 : La méthode de différences finies
3. Équations algébriques :
Q
Pour a = 15; k
= 1 et nous choisissons cette fois h = x= t = 2cm:
Point (2; 1) : y1;1 4y2;1 + y3;1 + 2y2;2 56 = 0 donc 20 4y2;1 + y3;1 + 2y2;2 56 = 0 donc
4y2;1 + y3;1 + 2y2;2 = 36:
Point (3; 1) : y2;1 4y3;1 + y4;1 + 2y3;2 56 = 0 donc y2;1 4y3;1 + y4;1 + 2y3;2 = 56:
Point (4; 1) : y3;1 4y4;1 + y5;1 + 2y4;2 56 = 0 donc y3;1 4y4;1 + 20 + 2y4;2 = 56 donc y3;1 4y4;1 +
2y4;2 = 36:
On a yi 1;j 4yi;j + yi+1;j + yi;j+1 + yi;j 1 + 4 = 0: Donc
Aux points de la frontière CD; donc j = 2: Alors yi 1;2 4yi;2 + yi+1;2 + yi;1 + yi;3 + 4 = 0:
Et
@y yi;1 yi;3
ji;2 = = 15 () yi;3 = yi;1 + 60
@t 4
Donc
yi 1;2 4yi;2 + yi+1;2 + 2yi;1 = 64
Point (2; 2) : y1;2 4y2;2 + y3;2 + 2y2;1 = 64 donc 20 4y2;2 + y3;2 + 2y2;1 = 64 donc 4y2;2 +
y3;2 + 2y2;1 = 84:
Point (3; 2) : y2;2 4y3;2 + y4;2 + 2y3;1 = 64.
Point (4; 2) : y3;2 4y4;2 + y5;2 + 2y4;1 = 64 donc y3;2 4y4;2 + 20 + 2y4;1 = 64 donc y3;2 4y4;2 +
2y4;1 = 84:
2.7. Série 3 70
Chapitre 02 : La méthode de différences finies
Donc,
2 3 2 3 2 3
4 1 0 2 0 0 y 36
6 7 6 2;1 7 6 7
6 1 4 1 0 2 0 7 6 7 6 56 7
6 7 6 y3;1 7 6 7
6 7 6 7 6 7
6 0 1 4 0 0 2 7 6 7 6 36 7
6 7 6 y4;1 7=6 7
6 2 0 0 4 1 0 7 6 7 6 84 7
6 7 6 y2;2 7 6 7
6 7 6 7 6 7
6 0 2 0 1 4 1 7 6 7 6 64 7
4 5 4 y3;2 5 4 5
0 0 2 0 1 4 y4;2 84
Donc sous forme matricielle A y = b:
Indication
Déterminer y:
Point (2; 1) : y1;1 4y2;1 + y3;1 + 2y2;2 56 = 0 donc 20 4y2;1 + y3;1 + 2y2;2 56 = 0 donc
4y2;1 + y3;1 + 2y2;2 = 36:
Point (3; 1) : y2;1 4y3;1 + y4;1 + 2y3;2 56 = 0 donc y2;1 4y3;1 + 20 + 2y3;2 = 56 donc y2;1 4y3;1 +
2y3;2 = 36:
Point (2; 2) : y1;2 4y2;2 + y3;2 + 2y2;1 = 64 donc 20 4y2;2 + y3;2 + 2y2;1 = 64 donc 4y2;2 +
y3;2 + 2y2;1 = 84:
Point (3; 2) : y2;2 4y3;2 + y4;2 + 2y3;1 = 64 donc y2;2 4y3;2 + 20 + 2y3;1 = 64 donc y2;2 4y3;2 +
2y3;1 = 84.
Donc,
2 3 2 3 2 3
4 1 2 0 y2;1 36
6 7 6 7 6 7
6 1 4 0 2 7 6 y3;1 7 6 36 7
6 7 6 7=6 7
6 2 0 4 1 7 6 y 7 6 84 7
4 5 4 2;2 5 4 5
0 2 1 4 y3;2 84
2.7. Série 3 71
Chapitre 02 : La méthode de différences finies
@2y @2y
= ; 0 x 1; 0 t 0:4
@t2 @x2
Avec les conditions aux limites y (0; t) = y (1; t) = 0: Et les conditions initiales y (x; 0) = sin ( x) ;
@y
@t
(x; 0) = 0 à t = 0 pour 0 x 1:
1. Résoudre par la méthode explicite en prenant x= t = 0:2
2. Montrer que les résultats obtenus sont les mêmes que ceux obtenus par la solution exacte y (x; t) =
sin ( x) cos ( t) :
2.7. Série 3 72
Chapitre 3
***********************************************************************************
TP 00 : Program for y=exp(x): “Pour démarrage”
>> x=0 :.1 :1 ;
y=[x ; exp(x)] ;
0.00 1.00000000
0.10 1.10517092
0.20 1.22140276
0.30 1.34985881
0.40 1.49182470
0.50 1.64872127
0.60 1.82211880
0.70 2.01375271
73
Chapitre 03 : Travaux Pratiques : Equations aux Dérivées Partièlles "Méthodes des
Différence Finies"
0.80 2.22554093
0.90 2.45960311
1.00 2.71828183
>>
***********************************************************************************
format short g ;
h = (xn-x0)/n ;
disp(sprintf(’ h = (xn-x0) / n’))
disp(sprintf(’ = ( %g - %g ) / %g’,xn,x0,n))
disp(sprintf(’ = %g’,h))
xa (1) = x0 ;
ya (1) = y0 ;
for i =1 :n
xa (i+1) = x0+i*h ;
ya (i+1) = ya (i)+h*feval(f,xa (i),ya (i)) ;
fprintf(’nn%.2f nt %.4f nt %.4f’,xa (i+1),ya (i+1),f(xa (i+1),ya (i+1))) ;
end ;
format short g ;
h = (xn-x0)/n ;
disp(sprintf(’ h = (xn-x0) / n’))
disp(sprintf(’ = ( %g - %g ) / %g’,xn,x0,n))
disp(sprintf(’ = %g’,h))
xa (1) = x0 ;
ya (1) = y0 ;
legend (’Exact’,’Approximation’) ;
***********************************************************************************
format short g ;
h = (xn-x0)/n ;
disp(sprintf(’ h = (xn-x0) / n’))
disp(sprintf(’ = ( %g - %g ) / %g’,xn,x0,n))
disp(sprintf(’ = %g’,h))
xa (1) = x0 ;
ya (1) = y0 ;
for i =1 :n
xa (i+1) = x0 + i*h ;
k1 = h*feval (f,xa (i) , ya (i)) ;
k2 = h*feval (f,xa (i) + (h/2) , ya (i) + (k1/2)) ;
k3 = h*feval (f, xa (i) + (h/2) , ya (i) + (k2/2)) ;
3.4.1 Finite-Difference Method for Elliptic PDEs : Laplace’s Eqn. with Diri-
chlet conditions
clc ;
clear all ;
close all ;
%Input
f_fun = input(’nn Input Function f1 = u(x,0) = ’,’s’) ;
f1 = inline (f_fun, ’x’) ;
f_fun = input(’nn Input Function f2 = u(x,b) = ’,’s’) ;
f2 = inline (f_fun, ’x’) ;
f_fun = input(’nn Input Function f1 = u(0,y) = ’,’s’) ;
end
end
end
cnt = cnt + 1 ;
end
U = flipud (U’)
% Plotting the Approximate solution of the PDE.
x = 0 :h :a ; y = 0 :h :b ; mesh (x,y,U)
***********************************************************************************
U(1,1 :m) = c1 ;
U(n,1 :m) = c2 ;
% Generate remaining rows of U
for j = 2 :m
for i = 2 :n-1
U(i,j) = s*U(i,j-1)+r*(U(i-1,j-1) + U(i+1,j-1)) ;
end
end
U = U’
% Plotting the Approximate solution of the PDE.
t = 0 :h :a ; x = 0 :k :b ; mesh(t,x,U)
***********************************************************************************
U = zeros (n,m) ;
% Boundary conditions
U(1,1 :m) = c1 ;
U(n,1 :m) = c2 ;
% Generate first row
U(2 :n-1,1) = feval (f,h :h :(n-2)*h)’ ;
% Form and solve tridiagonal system AX = B
Vd (1,1 :n) = s1*ones (1,n) ;
Vd (1) = 1 ;
Vd (n) = 1 ;
Va = - ones (1,n-1) ;
Va (n-1) = 0 ;
Vc = - ones (1,n-1) ;
Vc (1) = 0 ;
Vb (1) = c1 ;
Vb (n) = c2 ;
for j = 2 :m
for i = 2 :n-1
Vb(i) = U(i-1,j-1)+(U(i+1,j-1)+s2*U(i,j-1) ;
end
X = trisys (Va,Vd,Vc,Vb) ;
U(1 :n,j) = X’ ;
end
U = U’
% Plotting the Approximate solution of the PDE.
t = 0 :h :a ; x = 0 :k :b ; mesh(t,x,U)
% - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
function X = trisys (A,D,C,B)
n = length (B) ;
for k = 2 :n,
mult = A(k-1)/D(k-1) ;
D(k) = D(k) - mult*C(k-1) ;
B(k) = B(k) - mult*B(k-1) ;
end
X(n) = B(n)/D(n) ;
end
% Generate remaining rows of U
for j = 3 :m
for i = 2 :(n-1)
U(i,j) = s2*U(i,j-1)+r2*(U(i-1,j-1)+U(i+1,j-1))-U(i,j-2) ;
end
end
U = U’
% Plotting the Approximate solution of the PDE.
t = 0 :h :a ; x = 0 :k :b ; mesh(t,x,U)
***********************************************************************************
3.7.1 Exemple 01
function Dffini (n)
disp (’Résolution Numérique de léquation -u00 =1 avec u(0)=u(1)=0 Par la métode des DF’)
n=30
h=1/(n+1)
for i=1 :n
A(i,i)=2 ;
b(i)=h^2 ;
for j=1 :n-1
A(j,j+1)=-1 ;
A(j+1,j)=-1 ;
end
end
disp (’La matrice est’)
A
disp (’Le vecteur est’)
b’
x=0 :h :1 ;
u= inv(A)*b’ ;
u=[0 ;u ;0]’
APPROXIMATION PAR DF
0.14
u
Uex
0.12
0.1
Solution Approcher
0.08
0.06
0.04
0.02
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
LE PAS
***********************************************************************************
3.7.2 Exemple 02
function Dffini2 (n)
disp (’Résolution Numérique de l’éqation -u00 =sin(pi*x) avec u(0)=0 ;u(1)=0 Par la métode
des DF’)
n=30
h=1/(n+1) ;
x1=h :h :1-h ;
B=-h^2*sin(pi*x1)
for i=1 :n
A(i,i)=2 ;
for j=1 :n-1
A(j,j+1)=-1 ;
A(j+1,j)=-1 ;
end
end
disp(’la matrice est’)
A
disp(’le vecteur est’)
B
x=0 :h :1 ;
u=- inv(A)*B’
u=[0 ;u ;0]’
disp (’la solution exact est’)
UeX=sin(pi*x)/pi^2
er = abs(u-UeX)
err = norm(u-UeX,’inf’)
plot (x,u,’*r-’,x,UeX,’*g-’) ;
legend (’U’,’UeX’,2) ;
title (’APPROXIMATION PAR DF’) % MatLab1_fig1
xlabel(’LE PAS’) ;
ylabel(’Solution Approcher’) ;
Voici en résumé, la courbe qu’on obtient pour h=1/(n+1).
APPROXIMATION PAR DF
0.12
U
UeX
0.1
0.08
Solution Approcher
0.06
0.04
0.02
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
LE PAS
***********************************************************************************
3.7.3 Exemple 03
function Diffini3 (n)
disp (’Résolution Numérique de l’éqation -u00 =1 avec u(0)=0 ;u0 (1)=0 Par la méthode de
DF’)
n=30
h=1/(n+1)
for i=1 :n+1
A(i,i)=2 ;
if (i==1)
A(i,i)=3 ;
else
if i==n+1
A(i,i)=1 ;
end
end
for j=1 :n
A(j,j+1)=-1 ;
A(j+1,j)=-1 ;
end
B(i)=h^2 ;
end
disp (’la matrice est’)
A
disp (’le vecteur est’)
B
u=inv(A)*B’ ;
u=u0
x=h/2 :h :1-h/2 ;
UeX=-0.5*(x.^2)+x
err = abs (u-UeX)
err_inf = norm (u-UeX,’inf’)
plot (x,UeX,’*g-’,x,u,’*r-’) ;
legend (’UeX’,’u’,2) ;
title (’APPROXIMATION PAR DF’) % MatLab1_fig1
APPROXIMATION PAR DF
0.5
UeX
0.45 u
0.4
0.35
Solution Approcher
0.3
0.25
0.2
0.15
0.1
0.05
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
LE PAS
89
Ce cours est une enquête de pratique des techniques de résolution
numérique des différentes classes d’équations aux dérivées partielles
elliptiques, paraboliques et hyperboliques . L’accent sera mis sur la
programmation de schémas numériques à des problèmes pratiques dans
l’ingénierie et les sciences physiques. La résolution comprendra la méthode
des différences finies. Pratiquement, elles seront pleinement utilisées en
MATLAB et ses fonctionnalités de programmation.