Methodes Numeriques Pour Les Equations D

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
MINISTERE DE L’ENSEIGNEMENT SUPERIEURE ET DE LA RECHERCHE SCIENTIFIQUE

UNIVERSITE LARBI BEN M’HIDI –OUM EL BOUAGHI-
FACULTE DES SCIENCES EXACTES ET SCIENCES DE LA NATURE ET DE LA VIE
Cours :
Méthodes Numériques pour les équations
différentielles partielles
Présenté par Dr : REZZOUG Imad
2017/2018
DEPARTEMENT DES MATHEMATIQUES ET DE L’INFORMATIQUE

Dédicaces
Je dédie ce travail à :
Mes chers parents et à toute ma famille.
Ma femme, et je remercie d'avoir contribué à mettre de ce travail.
Et en particulier, à la petite fille Hafsa.

Remerciements
Je remercie Dr. Bessila Khaled et Dr. Zehrour Okba d'avoir

accepté d'être des experts pour d'évaluer ce travail.
Je remercie vivement toute personne qui a de prés ou de loin

contribué à l'élaboration de ce travail, en particulier Dr. Bragdi Mabrouk (Univ-oeb), Dr.
Dalah Mohamed (Univ-Constantine) et Dr. Fernane Khaireddine (Univ-Guelma) (sur les
conférences et des travaux pratiques dans MATLAB).
Mes remerciements s'adressent aussi à tous mes collègues du

département de mathématiques de l'université d'oum el bouaghi et l'équipe du laboratoire
des systèmes dynamiques et contrôle.
Table des matières
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
2 Introduction à la méthode de différences finies 30

2.1 Le développement de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1.1 Le développement en série de Taylor . . . . . . . . . . . . . . . . . . . . . . 31
2.1.2 Développement limité de Taylor : (appelée aussi formule de Taylor) . . . . . 31
2.2 La méthode de différences finies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.1 Expression des dérivées premières . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.2 Expression des dérivées secondes . . . . . . . . . . . . . . . . . . . . . . . . 35
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
Table des matières 2

3.7.1 Exemple 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.7.2 Exemple 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7.3 Exemple 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Bibliographie 89
3
Notations
Notations
x;t Domaine spatio-temporel ;

yt0 La dérivée partielle de y par rapport t;
Rn L’erreur de troncation ;
Le facteur d’amplification ;
ye La solution approchée ;
Ri Le résidu ;
rec Rectangulaire ;
EDO Les équations différentielles ordinaires ;
EDP Les équations aux dérivées partielles ;
F T CS Schéma FTCS de l’anglais : Forward time centered space ;
SOR De l’anglais “successive over relaxation” ou : méthode de sur-relaxation.
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
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.
0.3 Classification des EDP linéaires du second ordre

Comme il est dit haut, il n’existe pas de méthodes universelles pour la résolution des EDP, nous
allons nous contenter de celles qui sont linéaires et du second ordre.
On considère l’équation (cas linéaire) :
@2y @2y @2y @y @y

A + B + C + D + E + F y = G (x; t) (0.1)
@x2 @x@t @t2 @x @t
y = y (x; t) est la fonction recherchée.
A; :::; E et F sont les coefficients de l’équation aux dérivées partielles. Ils sont fonction de x et t
et peuvent être des constantes.
Cas non linéaire : c’est-à-dire des équations dont les coefficients dépendant de y.
@2y @2y @2y @y @y

(0:1) () A 2 + B +C 2 =f x; t; y; ; (0.2)
@x @x@t @t @x @t
selon le signe du déterminant B 2 4AC on a :

si < 0 : l’équation est dite elliptique.
si = 0 : l’équation est dite parabolique.
si > 0 : l’équation est dite hyperbolique.
Résoudre numériquement un exemple pour chaque type d’équation aux dérivées partielles sus-
mentionnés constituera nos projets dans ce rapport.
0.2. Dé…nition 6
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
0.3. Classi…cation des EDP linéaires du second ordre 7

Correspondent à deux approximations de y 0 (x) du 1er ordre en h.

En soustrayant les développements précédents, ce qui revient à faire la moyenne des deux diffé-
rences finies antérieure et postérieure à y (x), on obtient
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 :

Convergence simple : convergence en tout point de l’espace de définition.

Convergence uniforme (dans L1 ) : kyh yk1 = hmax jyi y (ih)j :
qP i
Convergence dans L2 : kyh yk2 = h i jyi y (ih)j2 :

P
Convergence dans L1 : kyh yk1 = h i jyi y (ih)j :
Dans le cadre d’un problème évolutif avec condition initiale, le théorème de La précise rigoureu-
sement les notions de consistance et de stabilité, la seconde étant une condition nécessaire et
suffisante pour assurer la convergence.
Exemple de convergence : Dans le dernier exemple présenté ci-dessus pour lequel on connaît à
x
la fois la solution exacte y (x) = y0 e et la solution approchée (schéma d’Euler) yi = y0
i
(1 + h) , le rapport satisfait
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
1.1 Le modèle Mathématique

Le modèle mathématique est formulé par des équations aux dérivées partielles
On considère l’équation (cas linéaire) :
@2y @2y @2y @y @y

A + B + C + D + E + F y = G (x; t) (1.1)
@x2 @x@t @t2 @x @t
y = y (x; t) est la fonction recherchée.
A; :::; E et F sont les coefficients de l’équation aux dérivées partielles. Ils sont fonction de x et t
et peuvent être des constantes.
Cas non linéaire : c’est-à-dire des équations dont les coefficients dépendant de y.
@2y @2y @2y @y @y

(01) () A + B + C =f x; t; y; ; (1.2)
@x2 @x@t @t2 @x @t
Selon le signe du déterminant B 2 4AC on a :

Si < 0 : l’équation est dite elliptique.
Si = 0 : l’équation est dite parabolique.
Si > 0 : l’équation est dite hyperbolique.
Exemple 1.1 Équation de Laplace (2D) :
@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
Exemple 1.2 Équation de la chaleur :
@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.
Exemple 1.3 Équation des ondes :

@2y 2
2@ y
c =0
@t2 @x2
On a : A = c2 ; B = 0; C = 1 d’où = B 2 4AC = c42 > 0
L’équation des ondes est hyperbolique.
1.2 Classification des problèmes aux limites

Selon le type d’équation on obtient le problème aux limites correspondant :
Elliptique : (PVL) problème de valeurs aux limites de type Dirichlet1 , Neumann2 , Cauchy3 .
(Laplace : r2 y = 0 =) y = 0: Poisson : y = f (x; t)).
Parabolique : (PVI) problème de valeurs initiales (des conditions initiales + des conditions aux
limites de type Dirichlet ou de Cauchy).
Hyperbolique : (PVP) problème de valeurs propres (des conditions initiales + des conditions aux
limites de type Dirichlet ou de type Neumann).
1.3 Les méthodes de résolution

. La méthode de la solution générale
. La méthode de séparation des variables
1.3.1 La méthode de la solution générale

Théorème 1.1 Principe de superposition :
Si y1 ; :::; yn sont des solutions, linéairement indépendantes, d’une équation aux dérivées partielles
homogène, alors y = a1 y1 + a2 y2 + ::: + an yn est aussi solution, a1 ; :::; an sont des constantes.
1
mathé. Allemand 1805-1859.
2
mathé. Hongroise 1903-1957.
3
mathé. Français 1789-1857.
1.2. Classi…cation des problèmes aux limites 14

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.
Exercice 1.1 Trouver les solutions de l’équation homogène à coefficients constants
@2y @2y @2y

+ 3 + 2 =0 (1.3)
@x2 @x@t @t2
La solution générale de l’équation homogène peut être trouvée en supposant que :
y = eax+bt ; où a; b sont des constantes à déterminer.
Donc : yx0 = aeax+bt =) yxx
00
= a2 eax+bt
yt0 = beax+bt =) ytt00 = b2 eax+bt
yt0 = beax+bt =) (yt0 )0x = abeax+bt
Alors : (1.3) () (a2 + 3ab + 2b2 ) eax+bt = 0:
Soit l’équation caractéristique a2 + 3ab + 2b2 = 0; = 9b2 8b2 = b2
3b b 3b+b
Donc a1 = 2
= 2b; a2 = 2
= b
Si a = b, y = eb(t x)
est une solution pour toute valeur de b
(Pourquoi ? puisque b constante).
2x)
Si a = 2b, y = eb(t est une solution pour toute valeur de b:
. L’équation considérée est linéaire et homogène, des sommes de ces solutions sont des solutions
(Th 1.1.1)
Par exemple : 3e2(t x)
2e3(t x)
+ 5e (t x)
est une solution.
Alors : F (t x) où F est arbitraire, est une solution.
De même G (t 2x) où G est arbitraire, est une solution.
Finalement : la solution générale est : y = F (t x) + G (t 2x) :
1.3.2 La méthode de séparation des variables (ou méthode de Joseph Fou-

rier)
Résolution des problèmes Elliptiques
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).
1.3. Les méthodes de résolution 15

On cherche une solution particulière satisfaisant aux conditions aux frontières

Sous forme :
y (x; t) = X (x) :T (t)
Alors :
X 00 (x) :T (t) + X (x) :T 00 (t) = 0 (1.5)
(05) () X 00 (x) :T (t) + X (x) :T 00 (t) = 0

() X 00 :T + X:T 00 = 0 () X 00 :T = X:T 00
X 00 :T X:T 00 X 00 T 00 2 2
() = () = = (ou )
X:T X:T X T
X 00 T 00 2 2 2
X
= T
= (ou ), appelée constante de séparation des variables.
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:
Avec : p (x) = 1; q (x) = 0; r (x) = 1; a = 0; b = L; 1 = 1; 2 = 0; 1 = 1; 2 = 0:

On aura des solutions de la forme :
X = ekx =) X 0 = kekx ; X 00 = k 2 ekx
Donc :
2 2
(06) =) k 2 + ekx = 0 =) k 2 + = 0 =) k = i
Alors deux solutions complexes : X1 = ei x ; X2 = e i x
Sous forme trigonométrique :
X1;2 = cos ( x) i sin ( x) = X 1 X 2 = PR iPI

Partie réelle et imaginaire sont linéairement indépendants car :
X1 cos ( x)
= = cot ( x) 6= cts
X2 sin ( x)
Sont aussi solution particulière de l’équation (1.6).

La solution générale de l’équation (1.6) est une combinaison des solutions particulières :
X = A1 cos ( x) + B1 sin ( x) (1.8)
Résolution du problème T (t) :

Même méthode :
k= =) T1 = e t ; T2 = e t
=) T1;2 =ch( t) sh( t)
x x x x
ch(x) = e +e
2
;sh(x) = e 2e
ch(0) = 1;sh(0) = 0
ch(x) +sh(x) = ex ;ch(x) sh(x) = e x ;ch2 (x) sh2 (x) = 1
Donc la solution générale de l’équation :
T = A2 ch ( t) + B2 sh ( t) (1.9)
On a :
y (x; t) = X (x) :T (t) (1.10)

= [A1 cos ( x) + B1 sin ( x)] [A2 ch ( t) + B2 sh ( t)]
y (0; t) = 0; y (x; 0) = 0:
(1.10) =)x=0 A1 = 0
(1.10) =)t=0 A2 = 0
Donc :
(10) () y (x; t) = B1 B2 sin ( x) sh ( t)

() y (x; t) = A sin ( x) sh ( t)
y (L; t) = 0 =) A sin ( L)sh( t) = 0

Donc on obtient les caractéristiques n appelées le plus souvent les valeurs propres du problème :
n
n = L
; n = 1; 2; ::: pour sin ( L) = 0:
sin ( L) = 0 () L = n () = nL ; on pose : n = n
L
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
On détermine les coefficients An en remarquant que l’équation (1.13) est le développement en

“sinus” en série de Fourier4 de y:
Donc les coefficients An sont les coefficients de Fourier, alors par définition
Z
2 L 2 1
An sh ( n l) = y sin ( n x) dx = :y: [ cos ( n x)]L0
L 0 L n
2y (1 cos ( n L)) 2y (1 cos ( n L))
An sh ( n l) = () An =
nL n Lsh ( n l)
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)
Qui est la solution du problème.
Remarque 1.2 Dans le cas :

X = A1 ch( x) + B1 sh( x)
T = A2 cos ( t) + B2 sin ( t)
y (x; t) = (A1 ch ( x) + B1 sh ( x)) : (A2 cos ( t) + B2 sin ( t))
y (x; 0) = 0 =)t=0 A2 = 0
y (0; t) = 0 =)x=0 A1 = 0
Donc : y (x; t) = B1 B2 sin ( t) sh ( x) = A sin ( t) sh ( x)
y (L; t) = 0 =) A sin ( t) sh ( L) = 0; donc : =0?
2
Donc : si on choisit + , la solution ne satisfera pas les conditions aux limites pour les valeurs réelles
:
4
mathématicien Français 1768-1830

Résolution des problèmes paraboliques : Problème de la Chaleur
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).
est la constante de diffusion de la chaleur.
La méthode de séparation des variables On cherche une solution particulière de l’équation

(1.14) :
On pose : y (x; t) = X (x) :T (t) =) yt0 = X (x) :T 0 (t) ; yxx
00
= X 00 (x) :T (t)
(1.14)() X (x) :T 0 (t) = X 00 (x) :T (t)
On divise sur XT :
X:T 0 X 00 :T T0 X 00 2
XT
= XT
() T
= X
= (constante : puisque les deux variables X; T étant indépen-
2
dants, chaque membre doit être constante. Soit cette constante).
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
Sous forme trigonométrique : X1;2 = cos ( x) i sin ( x) = X1 + X2 = P R PI

X1 et X2 linéairement indépendants sont aussi solution particulière de (1.15).
Donc la solution générale :
X = A1 cos ( x) + B1 sin ( x) (1.17)
Résolution de l’équation (1.16) en T :

Cette équation est une équation différentielle du premier ordre :
2
t
Donc la solution générale est : T (t) = c1 e

On a : y (x; t) = X (x) :T (t)

2
t
y (x; t) = c1 e [A1 cos ( x) + B1 sin ( x)] (1.18)
2
t
y (x; t) = e [A cos ( x) + B sin ( x)] (1.19)
2
y (0; t) = 0 =)x=0 Ae t
= 0 =) A = 0:
Donc :
2
t
(19) () y (x; t) = Be sin ( x) (1.20)
2
y (L; t) = 0 =)x=L Be t
sin ( L) = 0 =) B = 0 (la solution B = 0 est à écarter sinon y (x; t)
est identiquement nulle) ou sin ( L) = 0:
n
Donc : la résolution de l’équation sin ( L) = 0 donne les valeurs propres : n = L
:
Une valeur de la solution particulière qui satisfait les conditions aux limites homogènes (condi-
tions aux frontières) est (en faisant B = An ) :
2
(20) () y (x; t) = An e nt sin ( n x)
D’après le théorème de superposition :

La solution générale est la combinaison linéaire des solutions particulières :
X
1
2
y (x; t) = An e nt sin ( n x) (1.21)
n=1
y (x; 0) = f (x) =)t=0

X
1
y (x; 0) = An sin ( n x) = f (x) (1.22)
n=1
On détermine les coefficients An en remarquant que l’équation (1.22) est le développement en

“sinus” en série de Fourier de f (x) :
Les coefficients An sont les coefficients de Fourier et sont donnés par :
Z
2 L
An = f (x) sin ( n x) dx; n = 1; :::; 1 (1.23)
L 0
Ainsi la solution (1.21) es déterminée.

Résolution des problèmes Hyperboliques
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
La méthode de séparation des variables On cherche une solution particulière de l’équation

(1.24) :
On pose : y (x; t) = X (x) :T (t) =) ytt00 = X (x) :T 00 (t) ; yxx
00
= X 00 (x) :T (t)
(1.24)() X (x) :T 00 (t) = c2 X 00 (x) :T (t)
On divise sur c2 XT :
X:T 00 c2 X 00 :T T 00 X 00 2
Donc : c2 XT
= c2 XT
() c2 T
= X
= (constante : puisque les deux variables X; T étant
2
indépendants, chaque membre doit être constante. Soit cette constante).
2
X 00 + X = 0 (système de Sturm-Liouville) (1.25)
2
T 00 + c2 T =0 (1.26)
Les solutions générales de ces équations sont :
X (x) = A cos ( x) + B sin ( x) (1.27)
T (t) = C cos (c t) + D sin (c t) (1.28)
Donc : y (x; t) = [A cos ( x) + B sin ( x)] [C cos (c t) + D sin (c t)]

x=0
y (0; t) = 0 =) A = 0:
y (L; t) = 0 =)x=L B sin ( L) [C cos (c t) + D sin (c t)] = 0
n
=) sin ( L) = 0 =) = L
= n (n = 1; :::; +1)
(B 6= 0 et n 6= 0 sinon y (x; t) identiquement nulle). Alors :
A chaque valeur n correspond une valeur propre n: A chaque valeur propre correspond une
fonction propre Xn (x) donnée par l’équation (1.27) :
Xn (x) = B sin ( n x) ; n = 1; :::; +1
Et Tn (t) = C cos (c n t) + D sin (c n t) ; n = 1; :::; +1
Donc :
yn (x; t) = sin ( n x) [Cn cos (c n t) + Dn sin (c n t)] ; n = 1; :::; +1 (1.29)

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”.
1.4 Série 1 : Par la méthode de séparation des variables

Exercice 1.2 Donner le type d’équations (linéaire ou non), l’ordre, le classement des équations sui-
vantes (Elliptique, Parabolique, Hyperbolique)
@2y @2y
. @t2
c2 @x 2 = f (x; t) (linéaire, second ordre, Hyperbolique)
2 @2y
. x2 @@t2y t2 @x 2 = 0 (linéaire, second ordre, si x 6= 0 et t 6= 0 Hyperbolique)
@2y @2y
. @x2
+ @t2 = 0 (linéaire, second ordre, Elliptique)
2 2 2
@ y @2y
. @x 2 + @t2 = 0 (non linéaire, second ordre)
@y 2
@ y
. @t
4 @x 2 = 0 (linéaire, second ordre, Parabolique)
@2y @2y @2y
. t @t2 x @x2 + 4 @t@x = 0 (linéaire, second ordre, si = 16 + 4xt (= 0 parabolique, > 0 hyperbolique,
< 0 elliptique)
Par exemple : parabolique si 16 + 4xt = 0, elliptique dans le domaine 16 + 4xt < 0, hyperbolique
dans le domaine 16 + 4xt > 0:
Exercice 1.3 Résolution du problème Elliptique
1.4. Série 1 : Par la méthode de séparation des variables 22

Résoudre l’équation de Laplace par la méthode de séparation des variables :

8
> @2y @2y
>
> y = @x 2 + @t2 = 0
>
>
>
> 0<x<1
>
>
>
< 0<t<1
(1.32)
>
> y (0; t) = y (1; t) = 0
>
>
>
>
>
> y (x; 0) = f (x)
>
>
: y (x; 1) = 0
Tq : f est une fonction arbitraire connue.
Solution 1.1 On pose : y (x; t) = X (x) T (t)

00 00 00 X 00 T XT 00 X 00
Donc : X T + XT = 0 =) XT = X 00 T =) X 00 T = XT 00 =) XT
= XT
=) X
=
T 00 2
T
=
Donc (système de Sturm Liouville) :
2
X 00 + X=0 (1.33)
2
T 00 T =0 (1.34)
y (x; 1) = 0 =) X (x) T (1) = 0 =) T (1) = 0

y (0; t) = 0 =) X (0) T (t) = 0 =) X (0) = 0
y (1; t) = 0 =) X (1) T (t) = 0 =) X (1) = 0
Les valeurs propres et les fonctions propres orthogonales pour X (x) sont solution générale :
X (x) = A1 cos ( x) + B1 sin ( x)
X (0) = 0 =) A1 = 0
X (1) = 0 =) B1 sin = 0; B1 6= 0 d’où sin = sin n donc n = n; n = 1; :::; +1: D’où les
fonctions propres X (x) = B1 sin (n x) :
La solution générale pour T (t) est :
T (t) = A2 ch( t) + B2 sh( t)
T (1) = 0 =) A2 ch + B2 sh = 0 donc A2 = 0 (puisque 8 2 R :ch > 0), B2 6= 0 et 6= 0 sinon
y 0 (puisque sh = 0 () = 0).
Et T (t) = B2 sh( (1 t)) (puisque T (1) = 0 et B2 ; 6= 0).
Alors : y (x; t) = X (x) T (t) = [B1 sin (n x)] [B2 sh ( (1 t))]
Alors : yn (x; t) = An sin (n x) :sh( n (1 t)) donc d’après le théorème de superposition :
P
y (x; t) = 1 n=1 An sin (n x) :sh( n (1 t))
P1
y (x; t) = n=1 An sin (n x) :sh(n (1 t))
P
. y (x; 0) = f (x) =) 1 n=1 An sin (n x) :sh(n ) = f (x) ; qui est le développement en série de Fourier
de la fonction f (x) :

Le coefficient de Fourier An sh(n ) est donné par :

R1
An sh(n ) = 1 2 0 0 f (x) sin (n x) dx
2
R1
D’où : An = sh(n ) 0
f (x) sin (n x) dx
D’où la solution h: i
P1 2
R1
y (x; t) = n=1 sh(n ) 0 f (x) sin (n x) dx sin (n x) :sh(n (1 t))
Exercice 1.4 Résolution du problème Parabolique

. Par la méthode de séparation des variables résoudre l’équation de chaleur 1D :
@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
. Donner la solution dans le cas où f (x) = x:

[Résoudre l’équation parabolique par la méthode de séparation des variables
L’équation de chaleur 1D : 8
@y @2y
>
> = @x 2
>
> @t
< 0<x<
>
>
@y @y
(0; t) = @x ( ; t) = 0
>
> @x
:
y (x; 0) = f (x)
Donner la solution dans le cas où f (x) = x].
Solution 1.2 On pose : y (x; t) = X (x) T (t)

XT 0 X 00 T X 00 T0 2
Donc XT 0 = X 00 T =) XT
= XT
=) X
= T
= (pourquoi égale constante ?).
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

NB : T (t) 6= 0 sinon y (x; t) 0: “solution triviale”

(1:36) () X = A1 cos ( x) + B1 sin ( x) =) X 0 = [B1 cos ( x) A1 sin ( x)]
X 0 (0) = 0 =) B1 = 0 =) B1 = 0
X 0 ( ) = 0 =) A1 sin ( ) = 0 puisque B1 = 0 =) = n (A1 6= 0 sinon solution triviale)
Soit = n; n = 1; :::; +1 sont les valeurs propres recherchées donc les fonctions propres Xn =
A1 cos ( n x)
2 2 2 dT 2 dT
t
(1:37) () T = C1 e (puisque T 0 + T = 0 () T 0 = T () dt
= T () T
=
2
R 2
R
dt () dT
T
= dt
2
() ln jT j + k1 = t + k2 ; k1 ; k2 2 R
2
() ln jT j = t + k 3 ; k3 = k2 k1 2 R
2
t
() jT j = k4 e ; k4 = ek3 2 R+
2
t
() T = ( k4 ) e ; k4 = R+ [ R [+ la solution triviale puisque T = 0 solution]
2
t
() T = c1 e ; c1 2 R; puisque c1 = R+ [ R [ f0g = R)
2 2
t t
y (x; t) = X (x) T (t) () y (x; t) = (A1 cos ( x)) c1 e = Ae cos ( x) ; A = A1 c1
2
Donc les solutions propres : yn (x; t) = An e nt cos ( tq :
n x) n =n
D’après le théorème de superposition, la solution générale est la combinaison linéaire des solutions
P
particulières (solution en série de Fourier) : y1 (x; t) = +1
n=1 An e
n2 t
cos (nx)
P+1
y (x; 0) = f (x) =) n=1 An cos (nx) = f (x) [le développement en série de Fourier en “cosinus” de
la fonction f (x)]
Donc les coefficients de Fourier :
R P R
An = 2 0 f (x) cos (nx) dx =) y1 (x; t) = 2 +1
2
n=1 0
f (x) cos (nx) dx e n t cos (nx)
R
y (x; t) = 12 y0 + y1 (x; t) avec : y0 = 2 0 f (x) dx
R P R
Donc : y (x; t) = 1 0 f (x) dx + 2 +1
2
n=1 0
f (x) cos (nx) dx e n t cos (nx)
Cas : f (x) = x h i
2
R 2 x2
y0 = 0
xdx = : 2 =
2
R 0 2 1 1
R
Par parties : An = 0
x cos (nx) dx = x sin nx 0 0
sin (nx) dx
n n (
2 1 1 2 1 1 0 si n pair
An = n
x sin nx 0 + n2
[cos nx]0 = n
sin n + n2
cos n n2
cos 0 = 4
n2
si n impair
4
P+1 1 n2 t
Donc : y (x; t) = 2 n=1 n2 e cos (nx) :
Exercice 1.5 Résolution du problème Hyperbolique

. Montrer que : y (x; t) = F (x + ct) + G (x ct) est la solution générale de l’équation hyperbolique :
@2y @2y
c2 =0 (1.38)
@t2 @x2

. Sachant que c2 = 4: Trouver une solution qui satisfait

8
>
< y (0; t) = y ( ; t) = 0
>
y (x; 0) = sin x
>
>
: @y (x; 0) = 0
@t
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
ytt00 = b2 eax+bt et yxx

00
= a2 eax+bt
(1:38) () (b2 a2 c2 ) eax+bt = 0 donc : b2 a2 c2 = 0 () (b ac) (b + ac) = 0
b
Donc : a = c
:
b b
. Si a = c
alors : e c (x+ct) est une solution pour toute valeur de b:
donc les solutions sous la forme : F (x + ct) ; F fonction arbitraire de classe C 2 :
b b
(x ct)
. Si a = c
; e c est une solution pour toute valeur de b:
alors les solutions à rechercher sont donc de la forme : G (x ct) ; G de classe C 2 ; fonction arbitraire
à déterminer.
. La solution générale est alors : y (x; t) = F (x + ct) + G (x ct) :
On montre que cette solution satisfait l’équation : soit U = x + ct; V = x ct
=) y (x; t) = F (U ) + G (V ) :
Donc :
@y @F @U @G @V
= + = cF 0 (U ) + ( c) G0 (V ) = c [F 0 (U ) G0 (V )]
@t @U @t @V @t
2
@ y @F 0 @U @G0 @V
= c = c2 [F 00 (U ) + G00 (V )] (1.39)
@t2 @U @t @V @t
@y @F @U @G @V
= + = F 0 (U ) + G0 (V )
@x @U @x @V @x
@2y @F 0 @U @G0 @V
= + = F 00 (U ) + G00 (V ) (1.40)
@x2 @U @x @V @x
(1:39) c2 (1:40) = c2 [F 00 (U ) + G00 (V )] c2 [F 00 (U ) + G00 (V )] = 0 et l’équation est satisfaite.
. y (x; t) = F (x + ct) + G (x ct) :
y (x; 0) = F (x) + G (x) = sin x
@y
@t
(x; 0) = 0 () c [F 0 (x) G0 (x)] = 0
c 6= 0 donc F 0 (x) G0 (x) = 0 () F 0 (x) = G0 (x)
@y
y (x; t) = F (x + ct) + G (x ct) =) @x
= F 0 (x + ct) + G0 (x ct)
@y 0 0
y (x; 0) = sin x =) @x
(x; 0) = F (x) + G (x) = cos x
Donc : F (x) = G (x) = 21 cos x =) F (x) = 21 sin x + c1 ; G (x) = 12 sin x + c2 ; c1 ; c2 2 R:
0 0

y (x; t) = F (x + ct) + G (x ct) donc y (x; t) = 12 sin (x + ct) + 12 sin (x ct) + c1 + c2 ; c1 ; c2 2 R:

1 1
y (0; t) = 0 =) y (0; t) = 2
sin (ct) + sin ( ct) + c1 + c2 = 0 =) c1 + c2 = 0 (puisque sin (
2
)=
sin ( )).
y ( ; t) = 0 =) y ( ; t) = 12 sin ( + ct) + 12 sin ( ct) + c1 + c2 = 0
1 1
=) 2
sin (ct) + 2
sin (ct) + c1 + c2 = 0 =) c1 + c2 = 0 (puisque sin ( + ) = sin ( ) et
sin ( ) = sin ( )).
Donc : c1 + c2 = 0; la solution s’écrit : y (x; t) = 21 sin (x + ct) + 12 sin (x ct) :
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
Exercice 1.7 Résoudre le problème Parabolique suivant :

8
> @y @2y
>
> @t
= 0:01 @x2
>
>
>
< 0<x<1
>
t>0
>
>
>
> y (0; t) = y (1; t) = 0 pour t > 0
>
>
>
: y (x; 0) = 300
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
En substituant dans l’équation (1.21), on obtient la solution :
2f X [1
1
cos ( n L)] 2
nt
y (x; t) = e sin ( n x)
L n=1 n
Exercice 1.8 Résolution le problème Hyperbolique suivant :
1.5. Série 2 27
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
On utilise la condition initiale sur la vitesse pour déterminer le coefficient Dn

+1
(
@y X v pour jx xj < d
jt=0 = Dn c n sin ( n x) =
@t n=1 0 pour jx xj > d
En utilisant la théorie de Fourier :
Z x+d
2
Dn c n = v sin ( n x) dx
L x d
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
1.6 Rappelle sur les séries de Fourier

P
L’expression mathématique : a0 + +1 n=1 (an cos (nx) + bn sin (nx)) s’appelle une série de Fourier.
Pn
Soit : Fn (x) = a0 + k=1 (ak cos (kx) + bk sin (kx)) : Les constantes a0 ; a1 ; :::; an ;b1 ; :::; bn s’appellent
les constantes de Fn (x) :
1.6. Rappelle sur les séries de Fourier 28

Définition 1.1 Soit f une fonction 2 périodique intégrable sur [ ; ] ; on définit :

8 R
> 1
< a0 =
> 2
R
f (x) dx;
2
an = 2
f (x) cos (nx) dx; n 1;
>
> R
: b = 1
f (x) sin (nx) dx; n 1:
n
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
1.6. Rappelle sur les séries de Fourier 29

Chapitre 2
Introduction à la méthode de différences

finies
Méthodes Analytiques ! pour avoir la solution analytique (exacte)

Méthodes Expérimentales ! (observation, problème, hypothèse, expérience, résultats, interpré-
tation, conclusion)
Méthodes Numériques : Il existe plusieurs méthodes numériques de résolution du problème :
- La méthode de différences finies. - Les méthodes d’approximation intégrales et variationnelles
qui ont donné naissance à la méthode des éléments finis ! “solution approchée”
Maillage de domaine régulier.
30
Chapitre 02 : La méthode de différences finies
Maillage de domaine irrégulier.
2.1 Le développement de Taylor
2.1.1 Le développement en série de Taylor

Définition 2.1 . f fonction analytique
. f indéfiniment dérivable au voisinage d’un point x = x0 (c’est-à-dire dans un intervalle ouvert
contenant le point x = x0 ; 0 < jx x0 j < R)
Donc la fonction f peut être approchée par une fonction polynomiale écrite sous la forme de série
convergente qu’on appelle série de Taylor :
(xx0 )1 (1) (x x0 )2 (2) (x x0 )n (n)

f (x) = f (x0 ) + f (x0 ) + f (x0 ) + ::: + f (x0 ) + ::: (2.1)
1! 2! n!
P (x x0 )n (n)
Donc : f (x) = f (x0 ) + 1n=1 n!
f (x0 )
2.1.2 Développement limité de Taylor : (appelée aussi formule de Taylor)
(x x0 )1 (1) (x x0 )2 (2) (x x0 )n (n)

f (x) = f (x0 ) + f (x0 ) + f (x0 ) + ::: + f (x0 ) + Rn (2.2)
1! 2! n!
Rn : est appelé reste ou erreur de troncation, est donné par la formule de Lagrange
(x x0 )n+1 (n+1)
Rn = f ( );x x0 x + x0
(n + 1)!
Cette erreur est notée par : (x x0 )n+1

La formule de Taylor est utilisée pour approcher les fonctions par des fonctions polynomiales.
Donc on pose : h = x=x x0
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!
2.1. Le développement de Taylor 31

Pour la dérivée première, l’équation (2.3) s’écrit :
f (x0 + h) = f (x0 ) + hf 0 (x0 ) erreur (2.4)
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.
Courbe convexe erreur négative.
Courbe concave erreur positive.
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:
2.1. Le développement de Taylor 32

2.2 La méthode de différences finies
Discrétisation du domaine d’analyse de la frontière “f ”
Pour la discrétisation, on adopte les notations suivantes :

x ! xi (points pivots)
xi = x1 + (i 1) h
fi = f (xi )
fi+1 = f (xi+1 ) = f (xi + h)
2.2.1 Expression des dérivées premières
Différences finies en avant (progressives)
A l’aide de la formule de Taylor (jusqu’à l’ordre 2) :

h2 00
f (xi + h) = f (xi ) + hf 0 (xi ) + f ( ) ; xi < < xi+1 (2.5)
2
Donc
f (xi + h) f (xi )
f 0 (xi ) = + (h)
h
Avec (h) l’erreur de troncation : (h) = h2 f 00 ( ) ; xi < < xi + h
La formule de la dérivée première s’écrit en notation indicielle :
fi+1 fi
fi0 = + (h)
h
Différences finies en arrière (régressives)
En changeant h en h dans l’équation (2.5) on obtient :

h2 00
f (xi h) = f (xi ) hf 0 (xi ) + f ( ) ; xi h< < xi
2
2.2. La méthode de di¤érences …nies 33

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.
Solution 2.1 On a : xi = 2; x = 0:1; f (x) = x2

xi+1 = xi + x = 2:1
xi 1 = xi x = 1:9
fi = f (xi ) = f (2) = 4
fi+1 = f (xi+1 ) = f (2:1) = 4:41
fi 1 = f (xi 1 ) = f (1:9) = 3:61
f (x) = x2 =) f 0 (x) = 2x; f 00 (x) = 2; f 000 (x) = 0
Donc :
fi+1 fi
Différences premières en avant : fi0 = x
= 4:41
0:1
4
= 4:1 et (h) = 2
x 00
f ( ) = 0:1
f f
Différences premières en arrière : fi0 = i xi 1 = 4 0:1 3:61
= 3:9 et (h) = 2
x 00
f ( ) = 0:1
fi+1 fi 1 4:41 3:61 ( x)2 000
Différences premières 0
centrée : fi = 2 x = 0:2 = 4 et (h2 ) = 6
f ( ) = 0:

2.2.2 Expression des dérivées secondes
Différences finies en avant (progressives)

h2 00 3
f (xi + h) = f (xi ) + hf 0 (xi ) + 2!
f (xi ) + h3! f (3) ( )
2 3
f (xi + 2h) = f (xi ) + 2hf 0 (xi ) + 4h2! f 00 (xi ) + 8h3! f (3) ( )
Donc :
2h2 00 6h3 (3)
f (xi + 2h) 2f (xi + h) = f (xi ) + 2!
f (xi ) + 3!
f ( )
f (xi ) 2f (xi + h) + f (xi + 2h)

f 00 (xi ) = + (h)
h2
Telle que : (h) = hf (3) ( ) avec xi < < xi + 2h
En notation indicielle, on a :
fi 2fi+1 + fi+2
fi00 = + (h) avec (h) = hf (3) ( )
h2
Différences finies en arrière (régressives)

h2 00 3
f (xi h) = f (xi ) hf 0 (xi ) + 2!
f (xi ) h3! f (3) ( )
2 3
f (xi 2h) = f (xi ) 2hf 0 (xi ) + 4h2! f 00 (xi ) 8h3! f (3) ( )
Donc :
f (xi 2h) 2f (xi h) = f (xi ) + h2 f 00 (xi ) h3 f (3) ( )
f (xi ) 2f (xi h) + f (xi 2h)
f 00 (xi ) = + (h)
h2
Telle que : (h) = hf (3) ( ) avec xi 2h < < xi
fi 2 2fi 1 + fi
fi00 = + (h) avec (h) = hf (3) ( )
h2
Différences finies centrées

h2 00 h3 (3) h4 (4)
f (xi + h) = f (xi ) + hf 0 (xi ) + 2!
f (xi ) + 3!
f (xi ) + 4!
f ( )
0 h2 00 h3 (3) h4 (4)
f (xi h) = f (xi ) hf (xi ) + 2!
f (xi ) 3!
f (xi ) + 4!
f ( )
Donc :
h4 (4)
f (xi + h) + f (xi h) = 2f (xi ) + h2 f 00 (xi ) + 12
f ( )
f (xi + h) 2f (xi ) + f (xi h)

f 00 (xi ) = + h2
h2
h2 (4)
Telle que : (h2 ) = 12
f ( ) avec xi h< < xi + h

fi 1 2fi + fi+1 h2 (4)
fi00 = + h2 avec h2 = f ( )
h2 12
2.3 Procédure de résolution des problèmes aux limites par la

méthode de différences finies
! Selon les étapes suivantes :
1. Construire le maillage du domaine :
2. Transformer l’EDP sous forme de schéma numérique de différences finies.
3. Écrire l’équation de différences finies aux point du maillage
4. Obtenir le système d’équations algébriques discrètes [K] : fyg = fyc g :
- Tq fyc g est le vecteur connu donné par les conditions aux limites non homogène.
- [K] est la matrice des coefficients.
- fyg est le vecteur solution recherché en tout point du maillage.
5. Trouver la solution fyg en résolvant le système d’équations [K] : fyg = fyc g :
On résout, dans ce qui suit, les problèmes aux limites à domaines régulières.
2.4 Résolutions de problèmes Elliptiques
2.4.1 Le problème de Dirichlet
Formulation
Soit le problème elliptique donné par l’équation de Laplace

n 2 2
@ y
@x2
+ @@t2y = 0 dans = recabcd (2.6)
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
Maillage du domaine rectangulaire régulier (données : x; t; L; l)

Le domaine étant à frontière régulière est construit à l’aide des relations :
2.3. Procédure de résolution des problèmes aux limites par la méthode de di¤érences …nies 36
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:
Maillage du domaine rectangulaire régulier (données x, t,L,l).
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 :
@2y yi 1;j 2yi;j + yi+1;j 2 2 ( x)2 (4)

= + ( x) avec ( x) = y ( ; ) j(i;j)
@x 2
( x)2 12
@2y yi;j 1 2yi;j + yi;j+1 2 2 ( t)2 (4)
= + ( t) avec ( t) = y ( ; ) j(i;j)
@t2
( t)2 12
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)
2.4. Résolutions de problèmes Elliptiques 37

Sous forme de Schéma numérique en point pivot (i; j)
Schéma Numérique “Molécule” de l’équation de Laplace en un point (i; j) du maillage.
- On choisit un maillage à pas égaux x= t =) r = 1

Donc : yi 1;j 4yi;j + yi+1;j + yi;j 1 + yi;j+1 = 0:
Ou sous forme de molécule :
Schéma Numérique “Molécule” de l’équation de Laplace (r = 1) :
Le système d’équations algébriques
Soit par exemple m = 5 et n = 4: (j = 1; 4; i = 1; 5)

On obtient un maillage de (m 2) (n 2) = 6 points pivots (on suppose r = 1):
Donc d’après les conditions aux limites : yi1 = yab ; i = 1; 5; yin = ycd ; i = 1; 5; y1j = yad ; j = 1; 4;
ymj = ybc ; j = 1; 4; n = 4; m = 5:
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:
Molécule au point (2; 2) :
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:
Les équations obtenues s’écrivent sous forme matricielle :

0 1 0 1 0 1
4 1 0 1 0 0 y yab yad
B C B 2;2 C B C
B 1 4 1 0 1 0 C B C B C
B C B y3;2 C B yab C
B C B C B C
B 0 1 4 0 0 1 C B C B C
B C B y4;2 C=B yab ybc C
B 1 0 0 4 1 0 C B C B C
B C B y2;3 C B yad ycd C
B C B C B C
B 0 1 0 1 4 1 C B C B C
@ A @ y3;3 A @ ycd A
0 0 1 0 1 4 y4;3 ybc ycd

Soit [K] : fyg = fyc g

- La matrice [K] est une matrice bande symétrique.
- La dernière étape : résoudre le système d’équations (trouver fyg). Par exemple :
- Par les méthodes directes de Gauss, ...
- Par les méthodes indirectes (itératives) de Gauss-Seidel, Relaxation, ...
Méthode de Gauss-Seidel :
Soit le système : 8
>
< a11 y1 + a12 y2 + a13 y3 = b1
>
a21 y1 + a22 y2 + a23 y3 = b2
>
>
: a y +a y +a y = b
31 1 32 2 33 3 3
On passe par les étapes suivantes :

(0) (0) (0)
- Initialisation : soit y1 ; y2 ; y3 une solution connue à l’étape initiale k = 0:
- Pour k =h 1 : i
(1) (0) (0)
y1 = a111 b1 a12 y2 a13 y3
h i
(1) (1) (0)
y2 = a122 b2 a21 y1 a23 y3
h i
(1) 1 (1) (1)
y3 = a33 b3 a31 y1 a32 y2
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.
On passe par les étapes suivantes :

(k) (k) (k)
Soit Ri (le résidu) : [la valeur de la ième équation] donc : ai1 y1 +ai2 y2 +:::+ain yn bi = Ri 6= 0
[si Ri = 0 : on dit relaxer le résidu]. h i
(0) (1) (1) (0) (1) (0)
À partir de la solution initiale yi ; on obtient yi ; donc on pose : y i = yi + w yi yi Tq :
w est le facteur de
h relaxation.iDonc :
(k+1) (k) (k+1) (k) (k) (k+1)
yi = yi + w yi yi= (1 w) yi + wyi :
h Pi 1 Pn i
(k+1) (k) (k+1) (k)
Donc : y i = (1 w) yi + awii bi j=1 aij yj j=1+i aij yj :
Remarque 2.3 Selon la valeur du facteur de relaxation w; on a les méthodes suivantes :

w = 1 : méthode de Gauss-Seidel.
w < 1 : méthode de sous-relaxation.
1 < w < 2 : méthode de sur-relaxation (SOR).

Exemple 2.1 Pour r = 1 : yi 1;j 4yi;j

h +yi+1;j +yi;j 1 +yi;j+1 = 0 () yii;j = 0:25 [yi 1;j + yi+1;j + yi;j 1 + yi;j+
(k+1) (k) (k+1) (k+1) (k+1) (k+1)
Donc : y i;j = (1 w) yi;j + 0:25w yi 1;j + yi+1;j + yi;j 1 + yi;j+1 :
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) :
Exercice 2.3 Le problème de Neumann : Résoudre le problème aux limites :

8
> @2y @2y
>
> @x 2 + @t2 = 0;
>
>
>
> 0 < x < L;
>
>
>
< 0 < t < l;
>
> y (0; t) = yad ; y (L; t) = ybc ,
>
>
>
>
>
> y (x; 0) = yab ,
>
>
: @y (x; l) = a = cts donnée (la condition de Neumann).
@t
2.4.2 Le problème de Neumann
Formulation
Soit le problème elliptique : 8

> @2y @2y
>
< @x2
+ @t2
= 0;
0 x L;
>
>
: 0 t < l:
@y
la condition de Neumann est donnée par : a = @t
;t = l; 0 x L où a est une constante donnée.

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
Maillage de la frontière soumise à une condition de Neumann.
On utilise l’équation de différences finies centrées de la dérivées première on a :

@y 1
@t
j(i;j) = 2: t
(yi;j+1 yi;j 1 ) = a
Donc yi;j+1 = 2a: t + yi;j 1
Donc ryi 1;j 2 (r + 1) yi;j + ryi+1;j + yi;j 1 + (2a: t + yi;j 1 ) = 0

Donc ryi 1;j 2 (r + 1) yi;j + ryi+1;j + 2yi;j 1 + 2a: t = 0
Molécule aux points de la frontière “cd”:
@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
Et ryi 1;j 2 (r + 1) yi;j + ryi+1;j + yi;j 1 + yi;j+1 = 0

Donc 2ryi 1;j 2 (r + 1) yi;j + yi;j 1 + yi;j+1 + 2ar: x = 0
Molécule aux points de la frontière “bc”:
Si r = 1 : donc
Exemple 2.2 Considérer la plaque rectangulaire de dimension L = 3cm; l = 2cm, soumise à un

échange de chaleur adiabatique sur le côté cd: Sachant que x= t = 1cm, déterminer les tempé-
ratures aux points du maillage de la figure 0.
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.

Résoudre le problème (2.8) Tq : domaine rectangulaire régulier (données : x = t = 1cm;

L = 3cm; l = 2cm). Par la méthode de différence finie.
Solution 2.2 1. Maillage :

Sachant que x= t = 1cm; le maillage est formé de 4 3 points.
Le nombre de points pivots (inconnue) où la température est inconnue est égal à 4 (Fig 0).
2. Équations algébriques :
yi 1;j 4yi;j + yi+1;j + yi;j 1 + yi;j+1 = 0
Pour les points internes (2; 2) ; (3; 2)
Point (2; 2) : y1;2 4y2;2 + y3;2 + y2;1 + y2;3 = 0 donc 20 4y2;2 + y3;2 + 30 + y2;3 = 0 donc
4y2;2 + y3;2 + y2;3 = 10:
Point (3; 2) : y2;2 4y3;2 + y4;2 + y3;1 + y3;3 = 0 donc y2;2 4y3;2 + 10 + 30 + y3;3 = 0 donc
y2;2 4y3;2 + y3;3 = 40:
Points de frontière cd : (2; 3) ; (3; 3)
Pour les points de la frontière cd; la condition de Neumann est donnée par la condition adiabatique
@y
a= @t
= 0:
Avec a = 0; la molécule de l’équation yi 1;j 4yi;j + yi+1;j + 2yi;j 1 = 0 est :
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 Résolution des problèmes Paraboliques
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) .
x;t = x t domaine spatio-temporel Tq : x = fx; 0 < x < Lg ; t = ft; t > 0g :

est le coefficient de diffusion (propagation de chaleur dans le matériau de milieu x ).
Donc le problème : Déterminer y (x; t) en point x et à un instant donné t dans le domaine x;t :
2.5. Résolution des problèmes Paraboliques 47

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.
Le problème Parabolique et sa discrétisation.
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.
2.5.3 La méthode explicite (Schéma FTCS) “de l’anglais : Forward Time

Centered Space)
- La différence finie centrée : n’est pas considérée ici car elle conduit à un schéma instable, donc :
- On exprime la dérivée première temporelle à l’aide des différences finies en avant, donc :
@y yi;j+1 yi;j t 00
= + ( t) Tq : ( t) = y ( ) avec : tj < < tj + t
@t t 2
- Et la dérivée seconde spatiale est une différence centrale :
@2y yi 1;j 2yi;j + yi+1;j
2
= 2 + ( x)2 Tq :
@x ( x)
1
( x)2 = ( x)2 y (4) ( ) avec : xi x< < xi + x
12
Donc
yi;j+1 yi;j yi 1;j 2yi;j + yi+1;j
(2:9) () = + ( t) : ( x)2
t ( x)2
: t
En tranquant l’erreur et on pose r = ( x)2
donc :
yi;j+1 yi;j t yi 1;j 2yi;j + yi+1;j

(2:9) () =
t ( x)2 t
( x)2
( x)2
(2:9) () =r
t t
(2:9) () yi;j+1 yi;j = r (yi 1;j 2yi;j + yi+1;j )

La solution recherchée yi;j+1 à l’étape de temps actuel (j + 1) t est explicitement déterminée à

partir des solutions yi 1;j ; yi;j ; yi+1;j connues à l’étape de temps précédent j t:
yi;j+1 = ryi 1;j + (1 2r) yi;j + ryi+1;j
Le Schéma Numérique
Le schéma numérique de l’équation explicite peut se mettre sous la forme moléculaire
Réprésentation moléculaire de l’équation explicite.
Algorithme de la méthode explicite
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.
Schéma Numérique de la méthode explicite.
Analyse de la stabilité et de la convergence
Convergence Soit : yi;j+1 = ryi 1;j + (1 2r) yi;j + ryi+1;j

Et ye = y + Tq : ye la solution approchée, y exacte, l’erreur.
Donc au point (x = i: x; t = j: t) : i;j = yei;j yi;j : (l’erreur discrète)
Donc i;j+1 = yei;j+1 yi;j+1 = (yi;j+1 + i;j+1 ) yi;j+1
Donc i;j+1 = yei;j+1 yi;j+1 = r ( i+1;j + i 1;j ) + (1 2r) i;j + r (yi+1;j + yi 1;j ) + (1 2r) yi;j yi;j+1

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 :
i;j+1 = r( i+1;j + i 1;j ) + (1 2r) i;j + 2ryi;j

" #
( x)2 @ 2 y ( 1 ; t) ( x)2 @ 2 y ( 2 ; t)
+r +
2 @x2 2 @x2
@y (x; )
+yi;j 2ryi;j yi;j t:
@t
Telle que
t
r ( x)2 = 2
2 ( x) = t
( x)
Donc :
@ 2 y ( ; t) @y (x; )
i;j+1 = r( i+1;j + i 1;j ) + (1 2r) i;j + t (2.10)
@x2 @t
Telle que
(i 1) x < < (i + 1) x et j t < < (j + 1) t:
Soit Ej la borne maximale de l’erreur pour t = j t:

Et soit M > 0 la borne supérieure de l’expression entre crochets dans l’équation (2.10).
1
Si r 2
tous les coefficients apparaissant dans l’équation (2.10) sont positifs ou nuls et on peut
réécrire l’inégalité :
j i;j+1 j 2rEj + (1 2r) Ej + M t = Ej + M t
Cela est vrai pour tout i;j+1 à t = (j + 1) t; aussi i;j+1 Ej + M t:

Puisque cela est vrai à chaque étape de temps.
Ej + M t Ej 1 + 2M t Ej 2 + 3M t ::: E0 + (j + 1) M t = (j + 1) M t
Puisque E0 est l’erreur à t = 0 donc E0 = 0:

t 1
Maintenant comme x ! 0; t ! 0 si ( x)2 2
; et M ! 0 car x et t sont tous les deux
très
h 2petits. i h i
@ y( ;t) @y(x; ) @2y @y
@x2 @t
! @x2 @t
= 0:
1
La méthode explicite est convergente pour r 2
car l’erreur tend vers zéro quand x et t
t
tendent toutes les deux vers zéro. Tq r = ( x)2
.

La stabilité ! Par la méthode de Fourier (Méthode de Neumann).

Soit yi;j+1 = ryi 1;j + (1 2r) yi;j + ryi+1;j
Et ye = y + :
i;j+1 i;j i 1;j 2 i;j + i+1;j
Et soit t
= ( x)2
(FTCS).
On pose i;j = (i x; j t) = (x; t) = e t :eI mx (sous forme trigonométrique “série réécrite sous
forme complexe”).
Tq : I 2 = 1; m modes de Fourier, en générale une quantité complexe.
t I mx j t I mi x t j j
Donc i;j = e :e =e e = e eI mi x
= :eI mi x
: Où =e t
:
j I m (i+1) x j+1 I mi x
Donc i+1;j = :e et i;j+1 = :e :
j+1 j t I mi x j
Donc eI mi x
= i;j+1 i;j = ( x)2
e eI mi x
2+e I mi x
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:
Résolution On a : yi;j+1 = ryi 1;j + (1 2r) yi;j + ryi+1;j

Point (2; 1) : y2;2 = ry1;1 +(1 2r) y2;1 +ry3;1 = 0:04 300+(1 2 0:04) 300+0:04 300 = 300K:
Molécule explicite au point (2; 1) :
Point (3; 1) : y3;2 = 300K:
Point (4; 1) : y4;2 = 300K: Donc y2;2 = y3;2 = y4;2 = ::: = y10;2 = 300K:
Molécule explicite aux points (i; 1) ; i = 4; m 1:

Avec y1;2 = 350K; y11;2 = 440K (conditions de frontières).

Point (2; 2) : y2;3 = ry1;2 + (1 2r) y2;2 + ry3;2 = 302K:
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:
Avec y1;3 = 350K et y11;3 = 440K:

Donc les lignes j 3 sont analysées la même procédure.
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.

2.5.4 La méthode implicite

Le Schéma FTCS s’écrit :
= + t; ( x)2
t ( x)2
Pour formuler la méthode implicite, on évalué la dérivée seconde à l’étape (j + 1) donc :
yi;j+1 yi;j yi 1;j+1 2yi;j+1 + yi+1;j+1
= + t; ( x)2
t ( x)2
: t
En tronquant l’erreur et on pose r = ( x)2
donc :
yi;j+1 yi;j t yi 1;j+1 2yi;j+1 + yi+1;j+1

=
t ( x)2 t
( x)2
( x)2
yi;j+1 yi;j yi 1;j+1 2yi;j+1 + yi+1;j+1
() =r
t t
() yi;j+1 yi;j = r (yi 1;j+1 2yi;j+1 + yi+1;j+1 )
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.
Schéma numérique de la méthode implicite.

Exemple 2.4 Soit à résoudre le problème :

8
> @y @2y
>
> @t
= 0:01 @x2
>
>
>
< 0 < x < L = 10cm;
>
t > 0;
>
>
>
> y (0; t) = y (L; t) = 0 pour t 0;
>
>
>
: y (x; 0) = y = 300:
On choisit les données suivantes : x = 0:1; t = 0:05
Solution 2.3 La solution exacte est donnée par :
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 :
y2;1 = ry1;2 + (1 + 2r) y2;2 ry3;2 = ryG + y; on pose 1 + 2r = r
Au point (3; 1) l’équation implicite s’écrit pour j = 1 et i = 3 :
y3;1 = ry2;2 + (1 + 2r) y3;2 ry4;2 = ry2;2 + ry3;2 ry4;2 = y

2 32 3 2 3
r r : : : : : : : y2;2 ryG + y
6 76 7 6 7
6 r r r : : : : 7 :6 : 7 6 7
6 7 6 y3;2 7 6 y 7
6 : r r r : : : : : 7 6 y 7 6 y 7
6 7 6 4;2 7 6 7
6 76 7 6 7
6 : : r r r : : : 7 6 7
: 7 6 y5;2 7 6 y 6 7
6 7
6 76 7 6 7
6 : : : r r r : : : 7 6 y6;2 7 = 6 y 7
6 76 7 6 7
6 : : : : r r r : 7 6 7
: 7 6 y7;2 7 6 y 6 7
6 7
6 76 7 6 7
6 : : : : : r r r : 7 6 y8;2 7 6 y 7
6 76 7 6 7
6 76 7 6 7
4 : : : : : : r r r 5 4 y9;2 5 4 y 5
: : : : : : : r r y10;2 ryD + y
On résout le système pour obtenir les températures au niveau j = 2: Pour déterminer les températures
à j = 3; on répète le même processus de l’étape j = 2; 3; 4:
2.5.5 La méthode de Crank-Nicholson
Principe de la méthode
La méthode de semi-implicite, se base sur le principe de la méthode implicite. Le schéma numé-

rique est une combinaison des méthodes explicite et implicite. On évalue la moyenne des dérivées
secondes de l’équation parabolique par rapport à x en j et j + 1: On a :
yi;j+1 yi;j yi 1;j 2yi;j + yi+1;j yi 1;j+1 2yi;j+1 + yi+1;j+1

= +
t 2 ( x)2 ( x)2
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
:
Molécule de l’équation parabolique.

Schéma numérique de Crank-Nicholson.
La méthode de Crank-Nicholson converge quelque soit r:

On obtient comme pour la méthode implicite. Un système de (m 2) équations à (m 2) incon-
nues. Le système est résolu à chaque pas de temps.
2.6 Résolution des problèmes Hyperboliques
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.
Condition aux frontières du problème hyperbolique.
2.6. Résolution des problèmes Hyperboliques 57

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 :
Maillage et conditions limites du domaine x;t :
2.6.3 La méthode explicite
Formulation de la méthode explicite
Utilisant un schéma de différences finies centrées l’équation d’onde s’écrit :

c2 2 =
( x) ( t)2
Donc
t
yi;j+1 = r2 yi 1;j +2 1 r2 yi;j + r2 yi+1;j yi;j 1 avec r = c
x
Schéma explicite de l’équation Hyperbolique.
Il existe un difficulté pour appliquer l’équation explicite à t = 0 c’est-à-dire en j = 1; donc

l’équation s’écrit pour j = 1 et i = 2; m 1, yi;2 = r2 yi 1;1 + 2 (1 r2 ) yi;1 + r2 yi+1;1 yi;0 le terme
yi;0 n’est pas connu. Donc on utilise la condition initiale @y @t (x; 0) = g2 (x) pour le déterminer.
Utilisant une approximation de différences finies centrées de la dérivée première, on a
@y yi;2 yi;0
(xi ; 0) = = g2 (xi ) () yi;0 = yi;2 2g2 (xi ) t
@t 2 t

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”:
Molécule explicite à t > 0 (r = 1) :
Et yi;2 = 21 [yi 1;1 + yi+1;1 ] + g2 (xi ) t, “j = 1 ou t = 0”: Ou sous forme molécule
Molécule explicite à t = 0 (cas r = 1).
Exemple 2.5 Même système, avec : L = 80cm; x = 10cm; t = 0:0001785s

(
0:03x
y (x; 0) = g1 (x) = (en cm)
0:01x + 0:8 si x 30
@y
@t
(x; 0) = g2 (x) = 0
y (0; t) = f1 (t) = 0; y (L; t) = f2 (t) = 0 pour t 0:

L
Maillage On a le nombre de points selon x : m = x
+ 1 = 9:
Calcul explicite Cas t = 0 :

yi;2 = 12 [yi 1;1 + yi+1;1 ] ; i = 2:8.
La molécule correspondante s’écrit :
Molécule à l’instant initial.
Utilisant l’équation y (x; 0) = g1 (x), on détermine l’état initial selon le tableau 0.
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 :
y2;2 = 21 [y1;1 + y3;1 ] = 1

2
0:6 = 0:3

Point pivot (3; 1) : y3;2 = 21 [y2;1 + y4;1 ] = 0:4
Donc le calcul se répète jusqu’à m 1 = 8:

Cas t = t (donc j 2)
L’élongation yi;2 étant déterminée par l’étape précédente, on calcul yi;3 selon la même procédure.
Point pivot (2; 2) :
Molécule au point pivot (2; 2) :
y2;3 = y1;2 + y3;2 y2;1 = 0 + y3;2 y2;1 = 0:1 puisque

y1;2 = 0 condition de frontière en x = 0:
y3;2 = 0:4 calcul explicite à t = 0:
y2;1 = 0:3 position initiale donnée par le tableau 0.
On calcul y3;3 ; y4;3 ; y5;3 ; y6;3 ; y7;3 ; y8;3 selon la même procédure.
Une fois le calcul achevé à la ligne j = 2. On répète le processus pour les niveaux supérieurs.
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)

R
2 L
Et d’après
hR la théorie des séries de Fourier A n = g (x) sin ( x) dx donc
L i0 1
2
RL
An = L 0 g1 (x) sin ( x) dx + g1 (x) sin ( x) dx telle que
(
a1 x; 0 x x
g1 (x) =
a2 x + b si x x L
Avec a1 = 0:03; a2 = 0:01; b = 0:8
Donc le hfacteur An égale par intégration par parties i :
R x R L
An = L2 0 g1 (x) sin ( x) dx + x g1 (x) sin ( x) dx
hR RL i
x
An = L2 0 (a1 x) sin ( x) dx + x (a2 x + b) sin ( x) dx
" R #
1 x a1 x
cos ( x) : (a 1 x) j0 + cos ( x) dx
An = L2 1
0
RL
+ cos ( x) : (a2 x + b) jx + a2 x cos ( x) dx
L
" #
1 a1 x 1
cos ( x) : (a 1 x) + 2 sin ( x) j0 + cos ( L) : (a 2 L + b)
An = L2
+ 1 cos ( x) : (a2 x + b) + a22 sin ( x) jLx
" #
1 a1 1
cos ( x) : (a 1 x) + 2 sin ( x) + cos ( L) : (a 2 L + b)
An = L2 1 a2 a2
+ cos ( x) : (a2 x + b) + 2 sin ( L) 2 sin ( x)
" #
2a1 2a1 2a2 2b
L
x: cos ( x) + 2
L
sin ( x) + cos ( L) + L
cos ( L)
An =
+ 2aL2 x cos ( x) + 2bL cos ( x) + 2a2 L2 sin ( L) 2a2 L2 sin ( x)
Donc
2a1 1 2a2
An = sin ( x) x: cos ( x) [L cos ( L) x cos ( x)]
L L
2a2 2b
2 [sin ( x) sin ( L)] [cos ( L) cos ( x)]
L L
2.6.4 La méthode implicite
Formulation
La méthode implicite consiste à évaluer la moyenne des dérivées en x (interpolation linéaire de

la fonction dérivée seconde au points (i; j 1) et (i; j + 1) de l’équation hyperbolique
yi;j 1 2yi;j + yi;j+1 c2 yi 1;j+1 2yi;j+1 + yi+1;j+1 yi 1;j 1 2yi;j 1 + yi+1;j 1

= +
( t)2 2 ( x)2 ( x)2
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
:
Molécule implicite aux points internes du Maillage.
Calcul implicite à t = 0: Au temps t = 0 correspondant à j = 1; donc
r 2 yi 1;2 2 r2 + 1 yi;2 + r2 yi+1;2 = 4yi;1 r 2 yi 1;0 + 2 r2 + 1 yi;0 r2 yi+1;0
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
À chaque pas de temps on obtient un système d’équations algébriques de la forme :

[C] fyg = fF g
t
Où fyg = fy2;j ; y3;j ; :::; ym 1;j g = solution recherchée.
[C] = matrice des coefficients de dimension (m 2) (m 2) :
fF g = vecteur connu.
Exemple 2.6 même système par la méthode implicite

On sait que g2 (x) = 0; donc G (x) = 0:
Cas t = 0 j = 1; i = 2; 8
Molécule implicite de l’équation Hyperbolique (t = 0) :

Donc
2 résoudre le système d’équations
32 :3 2 3
2
r r : : : : : y2;2 y2;1
6 2 7 6 7 6 7
6 r r r2 : : : : 7 6 y3;2 7 6 y3;1 7
6 76 7 6 7
6 2 2 76 7 6 7
6 : r r r : : : 7 6 y4;2 7 6 y4;1 7
6 76 7 6 7
6 : : r2 r r2 : : 7 6 y5;2 7 = 26 y5;1 7
6 76 7 6 7
6 2 2 76 7 6 7
6 : : : r r r : 7 6 y6;2 7 6 y6;1 7
6 76 7 6 7
6 : : : : r2 r r2 7 6 y 7 6 y7;1 7
4 5 4 7;2 5 4 5
: : : : : r2 r y8;2 y8;1
2
Telle que r = 2 (r + 1) :

Cas t > 0 (pour r = 1)
Molécule implicite de l’équation Hyperbolique (t > 0; r = 1) :

Par exemple j = 2; i = 2; 8 donc
i = 2 et j = 2 : y1;3 4y2;3 + y3;3 = 4y2;2 y + 4y2;1 y3;1
2 32 3 1;12 3
4 1 : : : : : y2;3 4y2;2 y1;1 + 4y2;1 y3;1
6 76 7 6 7
6 1 4 1 : : : : 7 6 7 6 4y3;2 y2;1 + 4y3;1 y4;1 7
6 7 6 y3;3 7 6 7
6 76 7 6 7
6 : 1 4 1 : : : 7 6 y4;3 7 6 4y4;2 y3;1 + 4y4;1 y5;1 7
6 76 7 6 7
6 : : 1 4 1 : : 7 6 7 = 6 4y5;2 y4;1 + 4y5;1 y6;1 7
6 7 6 y5;3 7 6 7
6 76 7 6 7
6 : : : 1 4 1 : 7 6 y6;3 7 6 4y6;2 y5;1 + 4y6;1 y7;1 7
6 76 7 6 7
6 : : : : 1 4 1 7 6 7 6 4y y8;1 7
4 5 4 y7;3 5 4 7;2 y6;1 + 4y7;1 5
: : : : : 1 4 y8;3 4y8;2 y7;1 + 4y8;1 y9;1
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
@2y yi 1 2yi + yi+1

2
= + h2
@x h2
Donc yi 1 2yi + yi+1 + h2 = 0 “l’équation aux différences de l’équation de Poisson”.
2.7. Série 3 65
La molécule correspondante est donnée par :
Pour un pas h = 0:025, on a m = 5 points, donc le système d’équations :

i = 1 : y1 = 0
i = 2 : y1 2y2 + y3 + h2 = 0 =) 2y2 + y3 = h2
i = 3 : y2 2y3 + y4 + h2 = 0 =) y2 2y3 + y4 = h2
i = 4 : y3 2y4 + y5 + h2 = 0 =) y3 2y4 + y5 = h2
i = 5 : y5 = 0
Donc 0 10 1 0 1
2 1 0 y2 h2
B CB C B C
B 1 2 1 C B y3 C = B h2 C
@ A@ A @ A
2
0 1 2 y4 h
Donc Ay = b
A 1 b telle que h1
Donc y = 0 2
= 0:0625
3 1 1
B 4 2 4 C
Et A 1
=B
@ 2
1
1 2
1 C
A
1 1 3
4 2 4
x ye (x) Solution exacte

0.0000 0.0000 0.0000
0.2500 0.0937 0.0938
0.5000 0.1250 0.1250
0.7500 0.0938 0.0938
1.0000 0.0000 0.0000
Exercice 2.5 (Problème Elliptique)

Une plaque mince est soumise aux températures de frontières comme l’indique la figure 1. Sachant que
le problème est régi par l’équation de Laplace, calculer la distribution de température dans la plaque.
Prendre un maillage uniforme pour les cas suivants x = 5cm; x = 2:50cm puis x = 1cm:
Comparer avec la solution exacte.
2.7. Série 3 66
Fig 1. Plaque avec conditions aux limites de Dirichlet.
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:
Fig 2. Maillage pour x= t = 5cm:

t 2
Molécule de l’équation de Laplace r = x
= 12 = 1: L’équation de Laplace correspondante
est :
yi 1;j 4yi;j + yi+1;j + yi;j 1 + yi;j+1 = 0:
Le système d’équations :
Point (2; 2) : y1;2 4y2;2 + y3;2 + y2;1 + y2;3 = 0 4y2;2 + y3;2 + 0 + 0 = 0
Molécule au point pivot (2; 2) :
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
Donc
x (cm)
t (cm) 0 5.0000 10.000 15.0000 20.00
0 - 0.0000 0.0000 0.00000 -

5 0 1.7863 7.1441 26.7849 100.0
10 - 0.0000 0.0000 0.00000 -
Température dans la plaque avec x = 5cm:
Cas x= t = 2:5cm
On a le nombre de points du maillage m = 9; n = 5:
x (cm)
t (cm) 0.000 2.500 5.000 7.500 10.00 12.500 15.000 17.500 20.00
0.0 - 0.000 0.000 0.000 0.000 0.0000 0.0000 0.0000 -

2.5 0.000 0.353 0.913 2.010 4.296 9.1530 19.663 43.210 100.0
5.0 0.000 0.498 1.289 2.832 6.019 12.654 26.289 53.177 100.0
7.5 0.000 0.353 0.913 2.010 4.296 9.1530 19.663 43.210 100.0
10 - 0.000 0.000 0.000 0.000 0.0000 0.0000 0.0000 -
Température dans la plaque avec x = 2:5cm:
Exercice 2.6 (Problème de Neumann)

@2y @2y
Résoudre le problème suivant : @t2
+ @x2
= 1 dans une plaque rectangulaire 5cm 4cm: Avec
y (0; t) = 20˚c; y (5; t) = 20˚c:
@y @y
@t
(x; 0) = @t
(x; 4) = 15˚c=cm:
Conditions aux limites de Neumann et Dirichlet.

Donner la température dans une plaque : Prendre un pas uniforme h = x= t = 1cm:
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
Le nombre des points inconnues à (m 2) n=4 5 = 20:

Le maillage correspondant est alors donné par
Maillage pour la condition aux limites de Neumann.
2. Discrétisation de l’équation de Poisson :

Soit r2 y = y= k
Q
Utilisant l’équation un schéma de différences finies centrées, on a :

+ = y
( x)2 ( t)2
Donc
yi 1;j 4yi;j + yi+1;j + yi;j+1 + yi;j 1 Q
+ =0
h2 k
Sous forme moléculaire :
Molécule de l’équation de Poisson.
2.7. Série 3 69
Aux points de la frontière AB; donc j = 1 :

yi 1;1 4yi;1 + yi+1;1 + yi;0 + yi;2 Q
+ =0
h2 k
@y yi;0 yi;2
@t
ji;1 = 2 t
= a () yi;0 = 2a t + yi;2
Donc
yi 1;1 4yi;1 + yi+1;1 + 2yi;2 + 2a t Q
+ =0
h2 k
Qui s’écrit sous forme moléculaire
Molécule aux points de la frontière AB avec h = x= t = 1cm:
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
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:
Exercice 2.7 (Problème de Neumann)

Soit le problème :
@2y @2y
+ 2 = 1 dans = [0; 6] [0; 2] (2.14)
@t2 @x
@y @y
Avec y (0; t) = 20˚c; y (6; t) = 20˚c; @t
(x; 0) = @t
(x; 2) = 15˚c=cm:
Question : Donner la température dans une plaque : Prendre un pas uniforme x= t = 2cm
[donner le maillage, la discrétisation “par un schéma de différences finies centrées” et les équations
algébriques de l’équation de Poisson (2.14) “sous forme 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
Exercice 2.8 (Problèmes Paraboliques)

Résoudre par la méthode explicite le problème parabolique suivant :
@y @2y 3
= 0:5 2 ; 0 x 2; 0 t
@t @x 2
2.7. Série 3 71
a/ Conditions aux limites aux deux

( extrémités y (0; t) = y (2; t) = 0; t > 0:
100x si 0 x 1
b/ Condition initiale y (x; 0) =
100 (2 x) si 1 x 2
c/ Fixer t par la relation de convergence 0:25
( x)2
t
= 21 sachant que x = 0:5
Exercice 2.9 Résoudre le problème :

8
@y @2y
>
> @t = 5 @x2 ; 0 x 15; 0 t 5
>
>
< Condition initiale y (x; 0) = 2
> Conditions de frontières y (0; t) = 0 et y (15; t) = 10
>
>
>
:
Prendre x = 5 et t = 2:5
Exercice 2.10 Soit le problème Hyperbolique :
@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
Travaux Pratiques : Equations aux Dérivées

Partièlles "Méthodes des Différence Finies"
***********************************************************************************
TP 00 : Program for y=exp(x): “Pour démarrage”
>> x=0 :.1 :1 ;
y=[x ; exp(x)] ;
% Open the file with write permission

fid = fopen (’exp.txt’, ’w’) ;
fprintf (fid, ’%6.2f %12.8fnn’,y) ;
fclose (fid) ;
% View the contents of the file

type exp.txt
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
>>
***********************************************************************************
3.1 TP 01 : Program for Euler’s Method

clc ;
clear all ;
close all ;
fun = input (’nn Input function = ’,’s’) ;

f = inline (fun, ’x’,’y’) ; % Function Declaration
disp (sprintf ([’nn dy/dx = f(x,y) = ’ fun]))
x0 = input (’nn Enter initial value of x (X0) = ’) ;

y0 = input (’nn Enter initial value of y (Y0) = ’) ;
xn = input (’nn Enter initial value of x (Xn) = ’) ;
n = input (’nn No. of Steps (n) = ’) ;
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 ;
fprintf(’nn X ntnt Y ntnt f(x,y)’) ;

fprintf(’nn%.2f nt %.4f nt %.4f’,xa (1),ya (1),f(xa (1),ya (1))) ;
3.1. TP 01 : Program for Euler’s Method 74

Différence Finies"
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 ;
% To find Exact solution of dy/dx = f(x,y)

xspan = [x0 xn] ;
[x,y] = ode45 (f,xspan,y0) ;
% Plotting the Exact and Approximate solution of the ODE.

hold on
xlabel (’x’) ;
ylabel (’y’) ;
title (’Exact and Approximate solution of the ODE by Euler Method’) ;
plot (x,y,’--’,’LineWidth’,2,’Color’,[1 0 0]) ;
plot (xa,ya,’-’,’LineWidth’,2,’Color’,[0 0 0]) ;
legend (’Exact’,’Approximation’) ;
***********************************************************************************
3.2 TP 02 : Program for Heun’s Method

clc ;
clear all ;
close all ;
fun = input (’nn Input Function = ’,’s’) ;

disp (sprintf ([’nn dy/dx=f(x,y) = ’ fun]))

3.2. TP 02 : Program for Heun’s Method 75

Différence Finies"
format short g ;
h = (xn-x0)/n ;
xa (1) = x0 ;
ya (1) = y0 ;
fprintf (’nn Xntnt Yntnt f(x,y)’) ;

fprintf (’nn%.2fnt%.4fnt%.4f’,xa (1),ya (1),f(xa (1),ya (1))) ;
for i =1 :n
xa (i+1) = x0 + i*h ;
k1 = feval (f,xa (i) , ya (i)) ;
k2 = feval (f,xa (i+1) , ya (i) + h*k1) ;
ya(i+1) = ya (i) + h/2*(k1+k2) ;
fprintf(’nn%.2f nt %.4f nt %.4f’, xa (i+1), ya (i+1), f(xa (i+1), ya (i+1))) ;
end ;

xspan = [x0 xn] ;
% Plotting the Exact and Approximative solution of the ODE.

hold on
xlabel (’x’) ;
ylabel (’y’) ;
title (’Exact and Approximate solution of the ODE by Heun’s Method’) ;
3.2. TP 02 : Program for Heun’s Method 76

Différence Finies"
***********************************************************************************
3.3 TP 03 : Program for Runge-Kutta 4th Order Method

clc ;
clear all ;
close all ;
fun = input (’nn Input Function = ’,’s’) ;

disp (sprintf ([’nn dy/dx=f(x,y) = ’ fun]))

format short g ;
h = (xn-x0)/n ;
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)) ;
3.3. TP 03 : Program for Runge-Kutta 4th Order Method 77

Différence Finies"
k4 = h*feval (f, xa (i) + h , ya (i) + k3) ;

ya (i+1) = ya (i) + (1/6)*(k1+2*k2+2*k3+k4) ;
fprintf (’nn k1 = %.4f k2 = %.4f k3 = %.4f k4 = %.4f’, k1,k2,k3,k4) ;
fprintf (’nt => Y(%.2f) = %.5f’,xa (i) , ya (i)) ;
end ;

xspan = [x0 xn] ;
% Plotting the Exact and Approximative solution of the ODE.

hold on
xlabel (’x’) ;
ylabel (’y’) ;
title (’Exact and Approximate solution of the ODE by Runge-Kutta Method’) ;
***********************************************************************************
3.4 TP 04 : Résolution d’une EDP elliptique
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’) ;
f_fun = input(’nn Input Function f1 = u(0,y) = ’,’s’) ;
3.4. TP 04 : Résolution d’une EDP elliptique 78

Différence Finies"

f_fun = input(’nn Input Function f1 = u(a,y) = ’,’s’) ;
a = input (’nn Enter right pt. of [0,a] = ’) ;
b = input (’nn Enter right pt. of [0,b] = ’) ;
h = input (’nn Enter Step size (h) = ’) ;
tol = input (’nn Enter Tolerance (tol) = ’) ;
MaxNr = input (’nn Enter Maximum Nr.of iterations (MaxNr) = ’) ;
% Initialize parameters
n = fix(a/h)+1 ;
m = fix(b/h)+1 ;
ave = (a* (feval (f1,0) + feval (f2,0)) + b*(feval (f3,0) + feval (f4,0))) / (2*a+2*b) ;
U = ave*ones (n,m) ;
% Boundary conditions
U (1,1 :m) = feval (f3,0 :h : (m-1)*h) ;
U (n,1 :m) = feval (f4,0 :h : (m-1)*h) ;
U (1 :n,m) = feval (f1,0 :h : (n-1)*h) ;
U (1 :n,1 :m) = feval (f2,0 :h : (n-1)*h) ;
U (1,1) = (U (1,2) + U (2,1)) / 2 ;
U (1,m) = (U (1,m-1) + U (2,m)) / 2 ;
U (n,1) = (U (n-1,1) + U (n,2)) / 2 ;
U (n,m) = (U (n-1,m) + U (n,m-1)) / 2 ;
%SOR parameter
w = 4 / (2+sqrt (4-(cos(pi/(n-1)) + cos(pi/(m-1)))^2)) ;
% Refine approximations
err = 1 ;
cnt = 0 ;
while ((err > tol) & (cnt <= MaxNr))
err = 0 ;
for j = 2 :m-1
for i = 2 :n-1
relx = w*(U(i,j+1)+U(i,j-1)+U(i+1,j)+U(i-1,j)-4*U(i,j))/4 ;
U (i,j) = U (i,j) + relx ;
if (err <= abs (relx))
err = abs (relx) ;
3.4. TP 04 : Résolution d’une EDP elliptique 79

Différence Finies"
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)
***********************************************************************************
3.5 TP 05 : Résolution d’une EDP Parabolique
3.5.1 Finite-Difference Method for Parabolic PDEs : Heat equation (Forward-

diff Method)
clc ;
clear all ;
close all ;
% Input
f_fun = input (’nn Input Function f = u(x,0) = ’,’s’) ;
f = inline (f_fun, ’x’) ;
c1 = input (’nn Enter c1 = u(0,t) = ’) ;
c2 = input (’nn Enter c2 = u(a,t) = ’) ;
c = input (’nn Enter the constant in the heat eqn. (c) = ’) ;
n = input (’nn Enter No. of grid pts. over [0,a] (n) = ’) ;
m = input (’nn Enter No. of grid pts. over [0,b] (m) = ’) ;
h = a/(n-1) ;
k = b/(m-1) ;
r = c^2*k/h^2 ;
s = 1-2*r ;
U = zeros (n,m) ;
3.5. TP 05 : Résolution d’une EDP Parabolique 80

Différence Finies"
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’
t = 0 :h :a ; x = 0 :k :b ; mesh(t,x,U)
***********************************************************************************
3.5.2 Finite-Difference Method for Parabolic PDEs : Heat equation (Crank-

Nicholson Method)
clc ;
clear all ;
close all ;
% Input
c1 = input (’nn Enter c1 = u(0,t) = ’) ;
c2 = input (’nn Enter c2 = u(a,t) = ’) ;
h = a/(n-1) ;
k = b/(m-1) ;
r = c^2*k/h^2 ;
s1 = 2+2/r ;
s2 = 2/r-2 ;

Différence Finies"
U = zeros (n,m) ;
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’
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) ;

Différence Finies"
for k = (n-1) :-1 :1,

X(k) = (B(k) - C(k)*X(k+1))/D(k) ;
end
***********************************************************************************
3.6 TP 06 : Résolution d’une EDP Hyperbolique
3.6.1 Finite-Difference Method for Hyperbolic PDEs : Wive equation

clc ;
clear all ;
close all ;
% Input
g_fun = input (’nn Input Function g = u_t(x,0) = ’,’s’) ;
g = inline (g_fun, ’x’) ;
h = a/(n-1) ;
k = b/(m-1) ;
r = c*k/h ;
r2 = r^2 ;
r22 = r^2/2 ;
s1 = 1-r^2 ;
s2 = 2-2*r^2 ;
U = zeros (n,m) ;
% Generate first and second rows
for i = 2 :n-1
U(i,1) = feval (f,h*(i-1)) ;
U(i,2) = s1*feval (f,h*(i-1))+k*feval (g,h*(i-1))+r22*(feval (f,h*i)+feval (f,h*(i-2)) ;
3.6. TP 06 : Résolution d’une EDP Hyperbolique 83

Différence Finies"
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’
t = 0 :h :a ; x = 0 :k :b ; mesh(t,x,U)
***********************************************************************************
3.7 Quelques exemples
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]’
3.7. Quelques exemples 84

Différence Finies"
disp (’La solution exact est’)

Uex=-0.5*(x.^2-x)
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
0.14
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 ;

Différence Finies"
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) ;
xlabel(’LE PAS’) ;
ylabel(’Solution Approcher’) ;
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
***********************************************************************************

Différence Finies"
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) ;

Différence Finies"
xlabel (’LE PAS’) ;

ylabel (’Solution Approcher’) ;
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

Bibliographie
[1] B ADDARI K, A BBASSOV A. Equations de la physique mathématique appliquées. OPU ; (2009).

[2] TAIK A. Cours : Equations aux Dérivées Partielles “Méthodes des Différences Finies”.
FST-Mohammedia, (2008).
[3] TAIK A. Travaux Pratiques : Equations aux Dérivées Partielles “Méthodes des Différence
Finies”. FST-Mohammedia, (2008).
[4] TAHAR A.M. Méthodes numériques. OPU ; (2007).
[5] R EINHARD H. Equations aux dérivées partielles. Dunod, paris, (2001).
[6] Q UARTERONI A, S ACCO R, S ALERI F. Numerical mathematics. Springer, (2000).
[7] R APPAZ J, P ICASSO M. Introduction à l’analyse numérique. Presses Polytechniques et
Universitaires, Romandes, Lausanne, (1998).
[8] C IARLET P.G. Introduction à l’analyse numérique matricielle et à l’optimisation, Dunod, Paris
(1998).
[9] C IARLET P.G. Introduction à l’analyse numérique et à l’optimisation, Masson (1982).
[10] C URTIS F.G, PATRICK O.W. “Applied Numerical Analysis”. Third Edition, Addison-Wesley
Publishing Company.
[11] R AVIART P.A, T HOMAS J.M. Introduction à l’analyse numérique des équations aux dérivées
partielles.
[12] J ONAS -KOKO. Calcul scientifique avec Matlab, Ellipses.
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.

Methodes Numeriques Pour Les Equations D

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

Methodes Numeriques Pour Les Equations D

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPERIEURE ET DE LA RECHERCHE SCIENTIFIQUE

DEPARTEMENT DES MATHEMATIQUES ET DE L’INFORMATIQUE

Mes chers parents et à toute ma famille.

Ma femme, et je remercie d'avoir contribué à mettre de ce travail.

Et en particulier, à la petite fille Hafsa.

Je remercie Dr. Bessila Khaled et Dr. Zehrour Okba d'avoir

Je remercie vivement toute personne qui a de prés ou de loin

Mes remerciements s'adressent aussi à tous mes collègues du

2 Introduction à la méthode de différences finies 30

Table des matières 2

x;t Domaine spatio-temporel ;

0.3 Classification des EDP linéaires du second ordre

@2y @2y @2y @y @y

@2y @2y @2y @y @y

selon le signe du déterminant B 2 4AC on a :

0.3. Classi…cation des EDP linéaires du second ordre 7

Correspondent à deux approximations de y 0 (x) du 1er ordre en h.

0.3. Classi…cation des EDP linéaires du second ordre 8

0.3. Classi…cation des EDP linéaires du second ordre 9

0.3. Classi…cation des EDP linéaires du second ordre 10

0.3. Classi…cation des EDP linéaires du second ordre 11

Convergence simple : convergence en tout point de l’espace de définition.

Convergence dans L2 : kyh yk2 = h i jyi y (ih)j2 :

1.1 Le modèle Mathématique

@2y @2y @2y @y @y

@2y @2y @2y @y @y

Selon le signe du déterminant B 2 4AC on a :

Exemple 1.1 Équation de Laplace (2D) :

Exemple 1.2 Équation de la chaleur :

Exemple 1.3 Équation des ondes :

1.2 Classification des problèmes aux limites

1.3 Les méthodes de résolution

1.3.1 La méthode de la solution générale

1.2. Classi…cation des problèmes aux limites 14

Exercice 1.1 Trouver les solutions de l’équation homogène à coefficients constants

@2y @2y @2y

1.3.2 La méthode de séparation des variables (ou méthode de Joseph Fou-

Résolution des problèmes Elliptiques

1.3. Les méthodes de résolution 15

On cherche une solution particulière satisfaisant aux conditions aux frontières

(05) () X 00 (x) :T (t) + X (x) :T 00 (t) = 0

Avec : p (x) = 1; q (x) = 0; r (x) = 1; a = 0; b = L; 1 = 1; 2 = 0; 1 = 1; 2 = 0:

X = ekx =) X 0 = kekx ; X 00 = k 2 ekx

Alors deux solutions complexes : X1 = ei x ; X2 = e i x

Sous forme trigonométrique :

X1;2 = cos ( x) i sin ( x) = X 1 X 2 = PR iPI

1.3. Les méthodes de résolution 16

Partie réelle et imaginaire sont linéairement indépendants car :

Sont aussi solution particulière de l’équation (1.6).

X = A1 cos ( x) + B1 sin ( x) (1.8)

Résolution du problème T (t) :

y (x; t) = X (x) :T (t) (1.10)

(10) () y (x; t) = B1 B2 sin ( x) sh ( t)

y (L; t) = 0 =) A sin ( L)sh( t) = 0

1.3. Les méthodes de résolution 17

On détermine les coefficients An en remarquant que l’équation (1.13) est le développement en

Qui est la solution du problème.

Remarque 1.2 Dans le cas :

1.3. Les méthodes de résolution 18

Résolution des problèmes paraboliques : Problème de la Chaleur

est la constante de diffusion de la chaleur.

La méthode de séparation des variables On cherche une solution particulière de l’équation