Académique Documents
Professionnel Documents
Culture Documents
Enfin, je tiens également à remercier toutes les personnes qui ont participé
de près ou de loin à la réalisation de ce travail.
2
Dédicace
Ce travail est le fruit des sacrifices que vous avez consentis pour mon édu-
cation et ma formation.
3
S OMMAIRE
R EMERCIEMENTS 2
D ÉDICACE 3
Introduction 5
1 Espaces de Sobolev 8
1.1 Notions de distributions . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Espace de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4
SOMMAIRE
3.4.5 La consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4.6 La convergence . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Conclusion 49
Bibliographie 50
5
Introduction
Dans le premier chapitre, on présente les espaces de Sobolev qui se sont impo-
sés comme l’outil moderne fournissant le cadre adéquat pour la recherche des
solutions des EDP.
6
SOMMAIRE
Nous terminons ce mémoire par une conclusion sur ce qu’on a fait durant
ce mémoire .
7
Notation
∂|α| ϕ
D αϕ = avec |α| = α1 + α2 + ... + αN .
∂α1 x 1 ∂α2 x 2 ...∂αN x N
— ∆. = d i v(∇.)
2
— u" = ∂∂xu2
n
∂2 f
— ∆ f (x 1 , x 2 , ..., x n ) =
P
(x , x , ..., x n )
∂x i2 1 2
i =1
∂u ∂u ∂u
— ∇u = ( ∂x ,
1 ∂x 2
, ..., ∂x N
)
— L 2 (Ω) : l’espace des fonctions de carré sommable sur Ω
— H : l’espace de Hilbert
∂u
— H 1 = {u : u ∈ L 2 (Ω) et ∂x i ∈ L 2 (Ω) ∀i = 1, ..., n}
— H01 = {v/v ∈ H 1 , v|∂Ω = 0}
8
Chapitre 1
Espaces de Sobolev
1.1.1 Définitions
Définition 1 (Espace de fonctions-test). Soit Ω un ouvert de RN . On note D(Ω)
l’ensemble des fonctions C ∞ sur RN dont le support est un compact K contenu
dans Ω ( c’est à dire nulles hors de K ) . On note D(Ω̄) l’ensemble des restrictions
à Ω̄ des fonctions de D(RN ).
Définition 2 (Distributions). On dit que u est une distribution sur Ω si u est une
forme linéaire sur D(Ω)
9
C HAPITRE 1 : Espaces de Sobolev
On note D 0 (Ω) l’espace des distributions sur Ω, et c’est l’espace dual de D(Ω) (
c’est à dire l’espace des formes linéaires continues sur D(Ω) ).
Remarque 1. Dans cette définition, lorsque, l’entier k peut être choisi indépen-
dant de K , on dit que la distribution est d’ordre fini. La plus petite valeur de k
possible est appelée l’ordre de u.
∂u ∂ϕ
∀ϕ ∈ D, 〈 , ϕ〉 = −〈u, 〉.
∂x i ∂x i
Remarque 4. La dérivation est une opération continue sur D 0 (Ω) : il est facile de
voir que si u n → u d ans D 0 (Ω), alors ∀α multi-entier, ∂α u n → ∂α u dans D 0 (Ω).
10
1.2 Espace de Sobolev
Les espaces de Sobolev sont un outil très important et très adapté à l’étude
des équations aux dérivées partielles. En effet, les solutions d’équations aux
dérivées partielles, appartiennent plus naturellement à un espace de Sobolev
qu’à un espace de fonctions continues dont les dérivées sont comprises dans
un sens classique (mais rien n’empêche d’avoir de la chance).
et la norme induite
N ∂u 2 1 1
kukH 1 = (kuk2L 2 + kL 2 ) 2 = (kuk2L 2 + k∇k2L 2 ) 2
X
k
i =1 ∂x i
Définition 6 (L’espace H01 (Ω)). On appelle H01 (Ω) le complété de D(Ω) dans
H 1 (Ω).
Notons que pour m = 0, l’espace W m,p (ω) est l’espace de Lebesgue L p (Ω).
2. espace préhilbertien complet
11
C HAPITRE 1 : Espaces de Sobolev
Proposition 1 ( Structure d’espace vectoriel ). Les espaces H m (Ω) sont des es-
paces de Hilbert lorsqu’on les munit du produit scalaire
X α
〈u, v〉m
H = 〈∂ u, D α u〉L 2 .
|α|Ém
p 1
k∂α kL p ) p si 1 É p < +∞
P
(
kukW m,p = 0É|α|Ém
max k∂α ukL ∞
si p = +∞
0É|α|Ém
est une norme équivalente à la précédente. L’espace W m,p (Ω) a donc les mêmes
propriétés quelle que soit la norme utilisée. Ces normes sont notées indifférem-
ment k.km,p ou k.kW m,p .
12
1.2 Espace de Sobolev
m a est elliptique, c’est-a-dire qu’il existe une constante β > 0 telle que
a(u, v) ≥ βkuk2 , ∀u ∈ H
Alors, pour tout élément L ∈ H ∗ (toute forme linéaire continue sur H), il
existe un élément unique u ∈ H tel que
a(u, v) = L(v), ∀v ∈ H .
13
Chapitre 2
Définition 8. Une EDP est une équation contenant en plus de la variable dé-
pendante (u ci-dessous) et les variables indépendantes (x, y, ... ci-dessous) une
ou plusieurs dérivées partielles . Cette équation est ainsi de la forme :
Une telle équation est dite d’ordre m quand elle contient au moins une dé-
rivée partielle d’ordre m .
Toute fonction u = f (x 1 , ..., x N ) qui satisfait identiquement à cette équation est
une solution de celle-ci.
L’équation ci-dessus est dite :
— Linéaire : si F est linéaire en u, Du, ..., D α u,
— Semi-linéaire : si F est linéaire en Du, ..., D α u,
— Quasi-linéaire : si F est linéaire en D α u,
— Non-linéaire : si f n’est pas linéaire en au moins une dérivée.
14
2.2 EDP linéaires du second ordre
Equation de transport
En dimension 1 d’espace, on cherche u = u(x, t ) avec x ∈ R et t ∈ R+ , vérifiant
∂u ∂u
+c =0
∂t ∂x
Équation de Laplace
En dimension n, on cherche u = u(x 1 , ..., x N ) telle que
(
−∆u = f d ans un ouver t Ω
u=g d ans ∂Ω
u(x, t = 0) = u 0 (x)
∂u
∂t
(x, t = 0) = v 0 (x)
Définition 9. Une condition aux limites est une contrainte sur les valeurs que
prennent les solutions des EDP sur une frontière . Ces conditions imposent une
valeur de u ou de ses dérivées au bord du domaine.
15
C HAPITRE 2 : Généralités et classification des EDP
16
2.4 Classification des EDP linéaires du second ordre
La classe qui va nous intéresser au long de ce mémoire est l’EDP elliptique li-
néaire.
1. preuve :en utilisant la condition d’ellipticité :en effet, soit λ une valeur propre de A et
u 6= 0 un vecteur propre associé. On a d’une part < Au, u >≥ α| ξ|2 et d’autre part < Au, u >=
λ < u, u >= λ|u|2 , on en déduit λ ≥ α > 0 donc toutes les valeurs propres de A sont strictement
positives
17
Chapitre 3
Pour passer d’un problème exact continu régit par une EDP au problème
approché discret, il existe trois grandes familles de méthodes :
u régulière (autrement dit u ∈ C 2 ([0, 1])). On admettra que le problème est bien
posé ( qu’on va voir au suivant chapitre ).
1. discrétisation spatiale d’un milieu continu, ou aussi, une modélisation géométrique d’un
domaine par des éléments proportionnés finis et bien définis.
18
3.1 La méthode des Différences Finies
Remarque 6. Pour que la solution u du problème (3.1.1) soit régulière, il est né-
cessaire que f soit continue. Dans ce cas, il est alors assez simple de déterminer u.
L’intérêt de développer une méthode numérique pour résoudre l’équation (3.1.1)
réside dans le fait que cette méthode s’adapte ensuite à tout problème elliptique
et s’écrit simplement dans le cas de l’équation (3.1.1).
Étapes de la méthode
On décrit cette méthodes en 3 étapes :
N
h := max h i
i =1
h = h i , ∀i = 0, ..., N .
On a alors x i +1 = x i + h, ∀i = 0, ..., N .
La première étape de la méthode consiste à remplacer le problème (3.2.1) par
(
−u"(x i ) = f (x i ), ∀i = 1, ..., N
(3.1.10 )
u(0) = u(1) = 0
Théorème 3. Soit f une une fonction de classe C n+1 au voisinage d’un point
x ∈ R. Alors pour tout h réel
n hk
f (k) (x) + θ(h n+1 )
X
f (x + h) =
k=0 k!
19
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
h2
u(x i +1 ) = u(x i + h) = u(x i ) + hu 0 (x i ) + u"(x i ) + θ(h 3 ),
2
h2
u(x i −1 ) = u(x i − h) = u(x i ) − hu (x i ) + u"(x i ) + θ(h 3 )
0
2
où |θ(h 3 )| ≤ ch 3 et c une constante indépendante de h. En additionnant les
u i +1 −2u i +u i −1
− h2
= f i , ∀i = 1, ..., N
u 0 = u N +1 = 0
Q UELQUES SCHÉMAS EN 1D
20
3.1 La méthode des Différences Finies
21
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
1
où 0 ≤ i , j ≤ N + 1, h = et n ∈ N
N +1
et
u(x i , y j +1 ) − 2u(x i , y j ) + u(x i , y j −1 )
∂2y u(x i , y j ) = + θ(h 3 ).
h2
(
−∆h u i , j = f (x i , y j ) pour 1 ≤ i , j ≤ n
(3.1.3)
u 0, j = u N +1, j = u i ,0 = u i ,N +1 = 0 pour 1 ≤ i , j ≤ n
2 2 2
où A h ∈ RN × RN et b h ∈ RN sont donnés par
22
3.1 La méthode des Différences Finies
F IGURE 3.1 – Comparaison entre solution approchée et solution exacte pour le pro-
blème de Dirichlet en dimension 2
23
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
AVANTAGES I NCONVÉNIENTS
24
3.2 La méthode des Volumes Finis
K i =]x i − 1 , x i + 1 [ avec,
2 2
La discrétisation spatiale par les Volumes Finis consiste à intégrer sur chaque
volume de contrôle l’équation du problème(3.2.1) :
Z Z
− u"(x)d x = f (x) d x
Ki Ki
F i + 1 − F i − 1 = h i f˜i
2 2
25
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
u i +1 − u i
Fi + 1 = −
2 hi − 1
2
2
Z x1 2u 1
F1 = − u 0 (x) d x =
2 h1 x1 h1
2
2
Z x N +12 2u N
FN + 1 = − u 0 (x) d x =
2 hN xN hN
La discrétisation en volumes finis est donc finalement :
u i − u i −1 u i +1 − u i
− = h i f˜i ∀i = 2, ..., N − 1
h i −1/2 h i +1/2
2u 1 u 2 − u 1
− = h 1 f˜1
h1 h 3/2
u N − u N −1 2u N
+ = h N f˜N
h N −1/2 hN
26
3.2 La méthode des Volumes Finis
3u N − u N −1
= h N f˜N
h2
Sous forme matricielle, ceci s’exprime :
A h Uh = b h
avec
Uh = (u i )1≤i ≤N , (b h )i = f˜i et A h ég al e à
M AILLAGE
27
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
Ω̄ = ∪K ∈τ K̄
2. Pour chaque cellule K , il existe un point x K ∈ K appelé centre, tel que les
propriétés suivantes soient vérifiées :
28
3.2 La méthode des Volumes Finis
∂K = ∪e∈εK e
F K ,e = |K | f K , ∀K ∈ τ
X
e∈εK
Ï Soit une arête e d’une cellule K telle que e 6⊂ ∂Ω c’est-à-dire qui n’appar-
tient pas au bord de Ω.
• Pour un centrex K 6∈ e, le flux numérique F K ,e est choisi égal à :
ue − uK
F K ,e = − |e|
d K ,e
29
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
F K ,e = −F L,e
Autrement dit,
Z Z
− ∇u.n K ,e d Γ = ∇u.n L,e d Γ (on a n K ,e = −n L,e ).
e e
On écrit alors :
(u e − u K ) (u e − u L )
F K ,e = − |e| = −F L,e =
d K ,e d L,e
Ï Soit une arête e d’une cellule K telle que e ⊂ ∂Ω c’est-à-dire qui appar-
tient au bord de Ω. Dans ce cas, on utilise la relation
(d K ,e F K ,e = (u K − u e )|e| )
avec
1
Z
ue = g d Γ (e ⊂ ∂Ω)
|e| e
Autrement dit, dans ce cas, la valeur u K est connue dans ces cellules.
30
3.3 La méthode des Éléments Finis
F K ,e = |K | f K , ∀K ∈ τ
X
e∈εK
avec :
(u K − u L )
F K ,e = − |e|
|x K − x L |
1
Z
d K ,e F K ,e = (u K − u e )|e| où u e = g d Γ si e ⊂ ∂Ω
|e| e
AVANTAGES I NCONVÉNIENTS
Maillage quelconque
Maillage du domaine
31
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
(
−u"(x) = f (x) x ∈]0, 1[
(3.3.1)
u(0) = u(1) = 0
32
3.3 La méthode des Éléments Finis
N
u j φ j (x)
X
ũ(x) =
j =1
N Z 1 Z 1
φ0j (x)ṽ 0 (x) d x
X
uj = f (x)ṽ(x)d x ∀ṽ ∈ Ṽ
j =1 0 0
Ou encore :
N Z 1 Z 1
φ0j (x)φ0i (x)d x =
X
uj f (x)φi (x) d x ∀φi ∈ Ṽ
j =1 0 0
L’intervalle ]0,1[ est discrétisé en N points de coordonnées x i . Les fonctions φi (x) sont
choisies comme fonctions polynomiales de degré 1 définies par :
x−x i −1
x −x
si x i −1 ≤ x ≤ x i
i i −1
x−x i +1
φi (x) = si x i ≤ x ≤ x i +1
xi −xi +1
0 si non
Ces fonctions sont appelées les éléments finis de degré 1. Avec ces éléments
finis, la matrice A est tridiagonale. Il est possible de choisir pour éléments finis
33
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
u i − u i −1 u i +1 − u i xi + 1 − x i −1
− = fi
x i − x i −1 x i +1 − x i 2
Remarque 10. constatons que cette méthode et la méthode des différences finis
sont rigoureusement identiques. Ceci n’est plus vérifié quand les composantes du
vecteur B ne sont plus évaluées avec une méthode des trapèzes.
u i +1 − 2u i + u i −1
− = f i ∀i = 1, ..., N
h2
u 0 = u N +1 = 0
34
3.3 La méthode des Éléments Finis
m Construire la matrice A
Remarque 11. C’est le même démarche que dans le cas des éléments finis 1D
L’approche de la méthode
Supposons que la solution u de (3.3.1’) est suffisamment régulière, par exemple
u ∈ H 2.
35
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
Alors en multipliant les deux membres de l’équation par une "fonction test"
v ∈ H01 et en intégrant sur Ω, on a
Z Z
(∆u)v d x = f v dx
Ω Ω
Nh
a i ψi
X
uh =
i =1
AVANTAGES I NCONVÉNIENTS
36
3.4 Les propriétés d’un schéma numérique
N
Dém. Soit k le plus petit entier tel que Uk = min Ui
i =1
on suppose que Uk < 0
Trois cas sont possibles :k = 1, 1 < k < N , k = N
U2 − 2U1
Ï k = 1 (AU )1 = b 1 ≥ 0 ent r ai ne − ≥ 0 ⇒ U2 ≤ 2U1
h2
N
or U1 = min Ui ≤ U2 d onc 2U1 ≤ U2 +U1 < U2 c ar U1 < 0
i =1
Remarque 12. Le principe du maximum discret est l’ingrédient clé pour la dé-
monstration de la Proposition 4.
37
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
Définition 13. Selon une définition due à Hadamard à propos des modèles ma-
thématiques de phénomènes physiques, un problème est bien posé si sa solution
existe, est unique et dépend continûment des données. 3
Tableau récapitulatif
3. Soit (E , k.kE et (E 0 , k.kE 0 ) 2 evn et F une application de E dans O (ouvert de E 0 )et soit u
solution de A (u) = f
u dépend continûment de la donnée f si :
f n −−−−→ f dans E’⇒ u n −−−−→ u
n→∞ n→∞
Si A est linéaire la continuité est traduit par :
∃C tq :kA (u)kE 0 É C ku|E
38
3.4 Les propriétés d’un schéma numérique
3.4.3 Conditionnement
Le conditionnement mesure la dépendance de la solution d’un problème
numérique par rapport aux données du problème, ceci afin de contrôler la va-
lidité d’une solution calculée par rapport à ces données. En effet, les données
d’un problème numérique dépendent en général de mesures expérimentales
et sont donc entachées d’erreurs. De façon plus générale, on peut dire que le
conditionnement associé à un problème est une mesure de la difficulté de cal-
cul numérique du problème. Un problème possédant un conditionnement bas
est dit bien conditionné et un problème possédant un conditionnement élevé
est dit mal conditionné.
3.4.4 Stabilité
La stabilité est une propriété de la solution obtenue. Elle se réfère à la pro-
pagation des erreurs au cours des étapes du calcul, à la capacité de l’algorithme
de ne pas trop amplifier d’éventuels écarts, à la précision des résultats obtenus,
mais elle ne se limite pas aux erreurs d’arrondis et à leurs conséquences. Une
solution est dite stable si elle est bornée dans l’espace et/ou le temps. La valeur
de la stabilité peut parfois (souvent) être exprimée en fonction du pas de dis-
39
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
crétisation.
Les algorithmes dédiés à la résolution d’équations aux dérivées partielles (en
particulier la méthode des différences finies et la méthode des éléments finis)
se basent sur une discrétisation ou un maillage de l’espace : dans ce cas, la sta-
bilité se réfère à un comportement numérique robuste lorsque le pas de discré-
tisation ou la taille des mailles tend vers 0.
La stabilité d’un schéma n’a aucun lien avec la solution exacte du problème
traité (convergence).
Définition 14. Un schéma numérique est dit stable pour la norme k.k si sa solu-
tion (quand elle existe) est continue pour la norme k.k par rapport aux données.
En particulier,pour le schéma A h Uh = b h , cela signifie qu’il existe une constante
C > 0 indépendante de h et b h telle que kUh k É C kb h k
Remarque 13. La constante de stabilité permet de déterminer l’erreur commise
en approchant le second membre.
3.4.5 La consistance
c’est la propriété qui assure que la solution exacte des équations discréti-
sées tende vers la solution exacte des équations continues lorsque le pas de
discrétisation tend vers zéro.
Définition 15. (Erreur de consistance)
On appelle erreur de consistance R d’un schéma numérique la quantité obtenue
en remplaçant, dans le schéma numérique, l’inconnue par la solution exacte
u. En particulier, pour le schéma A h Uh = b h , on a R = A h U − b h où U =
(u(x 1 ), ..., u(x N ))t .
Dans le cadre du schéma numérique A h Uh = b h , l’erreur de consistance r i au
point x i (i − ème coordonnée de R) est donnée par
1
ri = − ((u(x i +1 ) − 2u(x i ) + u(x i −1 )) − f (x i )
h2
Définition 16 (Ordre d’un schéma). On dit qu’un schéma numérique à N points
de discrétisation est d’ordre p ∈ N, s’il existe une constante C ∈ R indépendante
de la solution exacte telle que l’erreur de consistance vérifie
max |r i | ≤ C h p .
i =1,...,N
lim max |r i | = 0
h→0 i =1,...,N
40
3.4 Les propriétés d’un schéma numérique
h2
|r i | ≤ max |u (4) |, ∀i = 1, ..., N .
12 x∈[0,1]
0 h2 h 3 (3) h 4 (4)
u(x i +1 ) = u(x i ) + hu (x i ) + u"(x i ) + u (x i ) + u (ξi ),
2 6 24
où ξi ∈ [0, 1].
h 4 (4)
Le dernier terme 24
u (ξi ) est le reste de la formule de Taylor.
on a
h2 h3 h4
u(x i −1 ) = u(x i ) − hu 0 (x i ) + u"(x i ) − u (3) (x i ) + u (4) (νi ),
2 6 24
où νi ∈ [0, 1]. On en déduit
1
ri = − (u(x i +1 ) − 2u(x i ) + u(x i −1 ) − f (x i )
h2
1 2 h 4 (4) h 4 (4)
=− (h u"(x i ) + u (ξ i ) + u (νi ) − f (x i ))
h2 24 24
h 2 (4)
(u (ξi ) + u (4) (νi ))
= −u"(x i ) − f (x i ) +
24
Or, comme u est la solution exacte de (3.2.1) on a −u"(x i ) = f (x i ) donc
h 2 (4)
(u (ξi ) + u (4) (νi ))
ri =
24
On en déduit le résultat du lemme 2.
3.4.6 La convergence
Contrairement à la consistance, qui est une propriété locale, la convergence
est de portée globale. On dit qu’une solution numérique converge vers la solu-
tion analytique si elle tend vers elle en tout point de l’espace c’est le cas qu’on
a traité ) lorsque les paramètres de discrétisation tendent vers 0.
C’est évidemment bien la convergence (souvent difficile à prouver) d’un schéma
numérique que nous visons, mais la stabilité et la consistance ( plus faciles à
prouver ) sont des outils très efficace, et ceci via le très beau théorème de Lax :
41
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
e i := u(x i ) − u i , ∀i = 1, ..., N .
Dém.
Le schéma s’écrit
u i +1 − u i u i − u i −1
− + , i = 1, ..., N .
hi + 1 hi − 1
2 2
( où on a posé u 0 = u N +1 = 0 (3.4.1) )
En multipliant par u i et en sommant de i=1 à N, on obtient donc :
N u i +1 − u i N u −u N
X X i i −1 X
− ui + ui = hi f i ui
i =1 hi + 1 i =1 hi − 1 i =1
2 2
42
3.4 Les propriétés d’un schéma numérique
N u i +1 − u i NX −1 u − u N
X i i −1 X
− ui + ui = hi f i ui
i =1 hi + 1 i =0 hi − 1 i =1
2 2
N (u i +1 − u i )2 u 12 u2 N
+ N =
X X
− + hi f i ui
i =1 hi + 1 h 1 h N + 1 i =1
2 2 2
vérifie
Ri + 1 ≤ C h (3.4.2)
2
43
C HAPITRE 3 : Méthodes de résolution numérique d’une EDP elliptique
N
he i2 ≤ C h 2 . (3.4.4)
X
i =0
max |e i | ≤ C h (3.4.5)
i =1,...,N
Fi + 1 − Fi − 1 = hi f i ,
2 2
F̄ i + 1 − F̄ i − 1 = h i f i ,
2 2
F̄ i + 1 − F i + 1 − F̄ i − 1 + F i − 1 = 0
2 2 2 2
En introduisant R i + 1 = F̄ i + 1 − F ∗ , on obtient :
2 2 i + 12
F i∗+ 1 − F i + 1 − F i∗− 1 + F i − 1 = −R i + 1 + R i − 1
2 2 2 2 2 2
44
3.4 Les propriétés d’un schéma numérique
N
X (e i +1 − e i )2 X N
− = R i + 1 (e i +1 − e i ).
i =1 hi + 1 i =0
2
2
Or, R i + 1 ≤ C h. On a donc
2
N
X (e i +1 − e i )2 X N |e
i +1 − e i |
q
− ≤ Ch q hi + 1
i =1 hi + 1 i =0 h 1 2
2 i+2
N (e 2 N |e 2 N
X i +1 − e i ) X i +1 − e i | 1 X 1
≤ C h( q ) 2 × ( hi + 1 ) 2
i =0 hi + 1 i =0 hi + 1 i =0
2
2 2
N
P
En remarquant que = 1, on déduit que :
i =0
N (e 2 N |e 2
X i +1 − e i ) X i +1 − e i | 1
≤ C h( q )2
i =0 hi + 1 i =0 hi + 1
2 2
et donc
N |e 2
X i +1 − e i | 1
( p ) 2 ≤ C h.
i =0 h i +1
On a ainsi démontré (3.4.3). Démontrons donc (3.4.5). Pour obtenir une ma-
joration de |e i | par C h, on remarque que :
i N
e j − e j −1 | ≤ sum ij =1 |e j − e j −1 | ≤
X X
|e i | = | |e j − e j −1 |
j =1 j =1
X |e j − e j −1 |2 1 X 1
|e i | ≤ ( )2 ( hi + 1 ) 2
hi + 1 2
2
45
Chapitre 4
sin(πx)
u(x) =
π2
Notons par un indice ’a’ la solution analytique.
Divisons l’intervalle ]0, 1[ en dix segments réguliers de pas h = 0.1. Pour les dis-
crétisations avec les différences finies et les éléments finis, il y a N = 9 nœuds
de calculs. Et pour la méthode des volumes finis, il y a N = 10 mailles de calculs.
La solution discrète obtenue avec les différences finies (ou les éléments finis )
est reportée dans le tableau suivant :
46
Le programme sous Scilab pour les méthodes différences finis et éléments
finis
' s’écrit : $
47
C HAPITRE 4 : Application numérique des méthodes
48
On remarque d’après les deux tableaux ci-dessus que les trois méthodes
permettent d’obtenir des résultats avec une bonne précision.
L’erreur la plus faible est obtenue avec la méthode des Volumes Finis.
49
Conclusion
Enfin, pour bien comprendre l’importance de ces méthodes d’obtenir une bonne
précision, on a donné une application numérique (l’équation de Laplace en
1D) .
50
Bibliographie
51
BIBLIOGRAPHIE
52