Royaume du Maroc

zzz Université HASSAN 1ére

FACULTE DES SCIENCE ET TECHNIQUES
SETTAT

Département : Chimie Appliquée et Environnement

Filière : Procédés et Ingénierie Chimique (PIC)

Module : Analyse numérique

Sous thème

Modélisation Mathématique en 1D et 2D : Résolutions

Numériques par les Différences Finies

Réaliser par :
OUMOULID Lahcen
OUMSSAAD El Ghazi

Année Universitaire : 2023/2024

 Sommaire
Projet 1 : Modélisation Mathématique en 1D Différences Finies ........................................................... 1
Introduction......................................................................................................................................... 1
Objectif (Méthodologie) ...................................................................................................................... 1
Résultats Numériques et Comparaisons ............................................................................................. 2
Convergence de la solution approchée (graphiquement) .................................................................. 2
Convergence de la solution approchée (en Norme) ........................................................................... 3
Table de convergence ......................................................................................................................... 3
L’extrapolation de Richardson ............................................................................................................ 4
Conclusion ........................................................................................................................................... 4
Projet 1 : Modélisation Mathématique en 1D Différences Finies ........................................................... 4
Introduction......................................................................................................................................... 4
Objectif ................................................................................................................................................ 5
Méthodologie ...................................................................................................................................... 5
Matlab ................................................................................................................................................. 5
Partie 1 ................................................................................................................................................ 5
Partie 2 ................................................................................................................................................ 5
Partie 3 ................................................................................................................................................ 5
Partie 4 ................................................................................................................................................ 6
Maple................................................................................................................................................... 7
Comparaison ....................................................................................................................................... 7
Conclusion ........................................................................................................................................... 7
Conclusion Générale....................................................................................... Erreur ! Signet non défini.
 Liste des tableaux

Tableau 1 : Convergence de la solution approchée (en Norme).............................................................. 3

Tableau 2 : table de convergence de la première dérivée ........................................................................ 3
Tableau 3: l'erreur entre la solution approchée et la solution exacte pour chaque valeur de h................ 6
Tableau 4 :l'erreur entre la solution approchée et la solution exacte pour chaque valeur de h (Maple) .. 7
Projet 1 : Modélisation Mathématique en 1D Différences Finies
Introduction
Le Problème (𝟏𝐃) que nous examinons s'inscrit dans le contexte plus vaste de la modélisation
mathématique appliquée à des phénomènes physiques ou ingénieries, Imaginons une situation
où nous cherchons à comprendre le comportement d'une structure d'un matériau ou d'un système
dynamique, et où la réponse de ce dernier est décrite par une équation différentielle, Les
équations différentielles sont fréquemment utilisées en ingénierie pour modéliser des
phénomènes tels que la propagation de la chaleur, la déformation d'une structure ou encore la
diffusion de substances dans un matériau.

Le Problème s'inscrit dans le cadre de la résolution numérique d'équations différentielles, Nous

nous concentrons sur une équation du second ordre définie sur un intervalle, 0 < 𝑥 < 1 et est
décrit par l'équation suivante :

1
1 − ex+1
x 2u (𝑥) + 50xu (𝑥) − 35u(𝑥) + ∫ 𝑒 𝑢(𝑡)𝑑𝑡 = (x 2 + 50x − 35)ex −
′′ ′ 𝑥𝑡
x + 1
0

Avec des conditions aux limites 𝑢(0) = 1 , 𝑢(1) = 𝑒 1

La solution exacte de ce problème est donnée par 𝑒 𝑥 , qui servira de référence pour évaluer la
précision de notre approche numérique, Pour résoudre ce problème nous adoptons une approche
par différences finies centrées d'ordre 2 pour approximer 𝑢" 𝑒𝑡 𝑢′ , tout en utilisant la méthode
des trapèzes pour discrétiser l'intégrale. Cette approche numérique nous permettra de
transformer l'équation différentielle en un système d'équations algébriques que nous pourrons
résoudre de manière efficace, fournissant ainsi une solution numérique à notre problème aux
limites, Cette démarche s'inscrit dans le contexte plus vaste de la simulation numérique pour
résoudre des problèmes complexes en sciences appliquées.

Objectif (Méthodologie)
Notre objectif est de développer une solution numérique efficace , La démarche
méthodologique que nous suivrons comprend la construction d'une grille spatiale, la
discrétisation du problème, l'approximation numérique des dérivées et des intégrales, la
construction et la résolution d'un système matriciel, ainsi que la comparaison graphique et
numérique avec la solution exacte, L'analyse de la convergence et les ajustements potentiels
visant à améliorer l'ordre de l'approximation complèteront notre démarche.

1
Résultats Numériques et Comparaisons
Pour résoudre numériquement ce problème, nous avons utilisé la méthode des différences
finies. Une fonction 𝑈𝑒𝑥𝑡 = 𝑒 𝑥 a été proposée pour vérifier les conditions aux limites. Le
second membre 𝑓(𝑥) a été déduit de cette fonction, Le schéma d'approximation a été défini en
utilisant un schéma centré pour approcher la dérivée seconde. Les calculs ont été effectués étape
par étape, en définissant l'intervalle, le nombre de points, et le pas h

Les résultats numériques ont été obtenus en résolvant le système linéaire correspondant à l'aide
de la commande with (LinearAlgebra) ; et en utilisant la fonction GenerateMatrix. La matrice

A et le vecteur b ont été extraits du système discret. La solution approchée Uapp a été obtenue
en résolvant ce système.

Convergence de la solution approchée (graphiquement)

Pour Nint=5 Pour Nint=80

Graphe 1 : comparaison graphique entre Uexat et Uapp

Les comparaisons graphiques indiquant que plus le nombre de nœuds augmente, plus la courbe
approchée Uapp converge vers la courbe exacte Uext est cohérent avec les attentes, Cette
observation s'aligne avec le principe fondamental des méthodes numériques, où l'augmentation
du nombre de points de discrétisation conduit à une meilleure approximation des solutions.

2
Convergence de la solution approchée (en Norme)
La meilleure méthode est de montrer numériquement la convergence moyennant une norme
∥.∥;

Erreur=∥Uapp - Uext∥⇒0, quand h ⇒0.

𝑁𝑖𝑛𝑡

𝐸𝑟𝑟("𝑁𝑖𝑛𝑡") =∥ 𝑈𝑎𝑝𝑝 − 𝑈𝑒𝑥𝑡 = √ ∑ ((𝑈𝑒𝑥𝑡(𝑥[𝑘]) − 𝑈𝑎𝑝𝑝(𝑥[𝑘]))^2)

𝑘=1

Tableau 1 : Convergence de la solution approchée (en Norme)

Nint Nint=5 Nint=80

Err (Nint) 0.450890770655362 175.152274694596
Il est important de noter que dans le contexte de la convergence, une valeur plus faible d’erreur
indique une meilleure approximation. Lorsque l’erreur (Err (« Nint »)) est élevée, cela indique
une moins bonne approximation de la solution numérique par rapport à la solution exacte. Dans
notre tableau, on observe que l’erreur augmente considérablement en passant de Nint=5 à
Nint=80. Cela suggère que la méthode utilisée pour approximer la solution n’est peut-être pas
suffisamment précise.

Table de convergence
Table de convergence 𝑓(𝑥): = exp(𝑥)

Tableau 2 : table de convergence de la première dérivée

Approximation avant Approximation arriere

i h Uapp Err h Uapp Err
1 1.000000e-01 19.59611 3.596115 1.000000e-01 12.80949 3.190511
2 5.000000e-02 17.74455 1.744545 5.000000e-02 14.35678 1.643218
L’approximation de (Uapp) diminue à mesure que la taille de l’intervalle (h) diminue, montrant
une convergence apparente, L’erreur (Err) diminue également à chaque itération, indiquant que
l’approximation s’approche de la valeur exacte de la dérivée

Les résultats de la table indiquent une convergence satisfaisante des approximations avant et
arrière de la première dérivée pour les paramètres spécifiés.

Pour améliorer l’ordre de Uapp, on va utiliser la technique de l’extrapolation de Richardson.

3
L’extrapolation de Richardson
𝒇(𝒙): = 𝐞𝐱𝐩(𝒙)

𝑝𝑛 ∗ 𝑄𝑎𝑝𝑝𝑟ℎ − 𝑄𝑎𝑝𝑝ℎ ℎ
𝑄𝑒𝑥𝑡𝑟𝑎𝑝 = 𝑎𝑣𝑒𝑐 𝑟ℎ =
𝑝𝑛 − 1 2
Dans le schéma avant, avec Q_app_h = 1.051709, Q_app_rh = 1.025422, et x=0 , n=1 ,en
utilisant la technique de l'extrapolation de Richardson avec un facteur d'ordre P ;

∆ℎ2 1 ∗ 10−1
𝑝= = =2
∆ℎ1 5 ∗ 10−1

𝑄𝑒𝑥𝑡𝑟𝑎𝑝 = 0.999135 ≈ 𝑒 0 = 1

Cela indique que l'estimation améliorée 𝑄𝑒𝑥𝑡𝑟𝑎𝑝 obtenue par l'extrapolation de Richardson est
une meilleure approximation de la vraie valeur que les approximations initiales avec une
réduction de l'erreur grâce à l'application de cette technique d'extrapolation.

Conclusion
Notre approche méthodologique a permis d'obtenir des résultats numériques satisfaisants, mais
des ajustements potentiels, tels que l'utilisation de l'extrapolation de Richardson, peuvent être
explorés pour améliorer davantage la précision de l'approximation.

Projet 1 : Modélisation Mathématique en 1D Différences Finies

Introduction
Dans de nombreux domaines de l’ingénierie, tels que la modélisation thermique, la diffusion
de la chaleur joue un rôle essentiel. L’équation de la chaleur est un outil fondamental pour
décrire comment la température d’un matériau varie dans le temps et l’espace. Ce modèle
mathématique est largement utilisé dans la conception de systèmes de chauffage, le
refroidissement de composants électroniques, l’analyse des transferts de chaleur dans les
structures, et d’autres applications liées à la thermodynamique.

L’équation de la chaleur que nous considérons est définie dans un domaine Ω=]0,1[×]0,1[

Le problème peut être formulé mathématiquement comme suit :

−∆u(x⃗) + u(x⃗) = f(x⃗),

x⃗ ∈ Ω u(x⃗) = 0 x⃗ ∈ ∂Ω

u(x⃗) Représente la distribution spatiale et temporelle de la température dans le domaine Ω.

4
Δ est l’opérateur lapalacien, qui mesure la divergence du gradient de u.

f(x) est une source de chaleur externe introduite dans le domaine ∂Ω.

∂Ω : représente la frontière de Ω.

La condition aux limites u(x⃗) = 0 indique que la température est maintenue à zéro sur la
frontière du domaine.

Objectif
L’objectif de ce modèle est de prédire la distribution de la température à travers le domaine Ω
en réponse à une source de chaleur f(x), La solution u(x) permet de comprendre comment la
chaleur se propage dans le domaine au fil du temps

Méthodologie
Matlab
Dans un code Matlab ona réalise la discrétisation d'une équation de chaleur bidimensionnelle
avec des conditions aux limites, et effectue une comparaison entre la solution approchée et la
solution exacte.

Partie 1
Cette partie Est dédiée à la discrétisation de l'équation elliptique. La matrice A est construite en
utilisant une discrétisation centrée de différences finies pour approximer le laplacien, incluant
également le terme u(x), La matrice B est remplie avec une fonction artificielle basée sur la
solution analytique de l'équation.

Partie 2
Ensuite, le code résout le système linéaire Av=B, où v est un vecteur contenant les valeurs
approchées de u aux nœuds de la grille. Les valeurs de u sont extraites de ce vecteur et stockées
dans une matrice u.

Partie 3
Des conditions aux limites sont appliquées en ajoutant des colonnes et des lignes de zéros à la
matrice u. Les résultats sont ensuite visualisés graphiquement à l'aide de la fonction mesh,
montrant la solution approchée u ainsi que la solution exacte de l'équation pour comparaison,

5
Comme suit :

Graphe 2 : Comparaison entre Solution Approchée et Solution Exacte

Lors de l'analyse comparative entre la solution approchée et la solution exacte de l'équation,

quelques observations importantes ont émergé. La solution approchée, obtenue à l'aide d'une
discrétisation numérique du problème, présente un décalage perceptible par rapport à la
solution exacte. Ce décalage est particulièrement notable aux endroits où des conditions aux
limites sont imposées.

Partie 4
Une boucle est utilisée pour varier la valeur de h et calculer l'erreur entre la solution approchée
et la solution exacte pour chaque valeur de h. Les erreurs sont stockées dans un tableau,
permettant d'observer comment l'erreur évolue avec la taille des mailles de la grille.

Tableau 3: l'erreur entre la solution approchée et la solution exacte pour chaque valeur de h

N 80 Erreur 0.1068
N 20 Erreur 0.4242
N 10 Erreur 2.6561
N 3 Erreur 0.0325
On observe que l’erreur augmente considérablement en passant de Nint=3 à Nint=80. Cela
suggère que la méthode utilisée pour approximer la solution n’est peut-être pas suffisamment
précise.

6
Maple
La première étape consiste à définir la grille, représentée par les coordonnées des nœuds de
calcul Ensuite, les conditions aux limites du problème sont spécifiées Le vecteur solution Uapp
aux nœuds internes est défini, excluant les extrémités Le système d'équations résultant est
formulé, impliquant des équations couplées aux différents nœuds de la grille En utilisant Maple,
les calculs sont effectués étape par étape, exprimant les équations et les inconnues de manière
formulé , Des équations interconnectées aux divers nœuds de la grille sont englobées En
utilisant Maple, les calculs sont effectués progressivement, exprimant les équations et les
inconnues de manière formelle Enfin, la résolution numérique est accomplie à l'aide de la
fonction LinearSolve pour obtenir la solution définitive du système.

Tableau 4 :l'erreur entre la solution approchée et la solution exacte pour chaque valeur
de h (Maple)

N 80 Erreur -------
N 20 Erreur -------
N 10 Erreur 0.3252
N 3 Erreur 0.04938
On observe que l’erreur augmente considérablement en passant de Nint=3 à Nint=10.

Comparaison
La comparaison entre Maple et MATLAB, basée sur le projet que nous allons réaliser, révèle
des différences significatives dans leurs performances Maple se distingue par sa capacité à
fournir des valeurs plus précises avec des erreurs minimales, ce qui est particulièrement
avantageux pour des analyses mathématiques approfondies.

D'un autre côté, MATLAB excelle dans la rapidité d'exécution, offrant des solutions plus
rapidement, mais au prix d'une précision légèrement inférieure au niveau des erreurs.

Conclusion
L'analyse comparative a révélé un décalage entre la solution approchée et la solution exacte,
principalement aux emplacements des conditions aux limites. Cela souligne l'importance de
comprendre les effets des conditions aux limites sur la précision de la solution numérique.

7
Conclusion Générale
Le premier projet de modélisation mathématique en 1D avec Maple a été réalisé avec succès,
démontrant la résolution numérique d'une équation du second ordre, Cependant, dans le
deuxième projet sur l'équation de chaleur 2D, des erreurs ont été rencontrées. Ces erreurs
soulignent l'importance de comprendre les spécificités des équations traitées et des méthodes
numériques utilisées, aussi Maple a montré une précision élevée, tandis que MATLAB a offert
une exécution plus rapide, Malgré les obstacles, les résultats obtenus dans le premier projet ont
confirmé la capacité de Maple à fournir des solutions précises, offrant une base solide pour des
applications mathématiques approfondies.