Chapitre |. Rappels de quelques méthodes numériques
1. Résolution des systémes d’équations linéaires par les méthodes itératives
Définition d'une méthode itérative :
Une méthode itérative pour le calcul de la solution d'un systéme linéaire Ax = b est une
méthode qui construit une suite de vecteurs x* = (x1, xe“, . <)T convergent vers le
vecteur solution exacte x = (x1, x2, .. ., Xn)" pour tout vecteur initiale x = (x19, x29, ...,
Xn? )T lorsque k tend vers +. Dans ces notes on ne verra que deux méthodes itératives :
* laméthode de JACOBI,
«la méthode de GAUSS-SEIDEL
1. 1.1 Méthodes itér:
ives classiques de Jacobi, Gauss-Seidel :
Soit A une matrice d'ordre n tele que ai# 0, i= 1, n. On décompose A sous la forme
A=D-E-F
Avec :
Dia diagonale de A
-E la partie inférieure stricte
-F la partie supérieure stricte.
+ Méthode de Jacobi.
Soit x? = (x:°, x22, ..., xn?)7 un vecteur donné. La méthode de JACOBI définit la
composante x{‘*? du vecteur x**! a partir des composantes xj° du vecteur x* pour j# i
Description de la méthode
Résoudre Ax = b est équivalent ‘a
Dx=(E+F)x+b,
La méthode de Jacobi est basée sur la décomposition précédente et elle s’écrit
x arbitraire
Dx! = (E+ F)xt+b
Il est facile 4 chaque itération de calculer x**' en fonction de x* car la matrice diagonale
D est inversible. Les composantes du vecteur x**" vérifient
) Jay, i=1
Sous forme matricielle x1 s'écrit
xt! = D-(E + F)xt + Dtb = Uxt +6
ay xf
soit encore
la matrice J = D“(E + F) est la matrice ditération de Jacobi. La méthode de Jacobi
converge ssi p(J) < 1.
On rappelle que p(J) désigne le rayon spectrale de la matrice J (p(J) =max; {A(J)|)
Ai: valeurs propres de J
Pour programmer cette méthode, on a besoin de stocker les vecteurs x* et x!*", Exemple :
Résoudre le systéme suivant par la méthode de Jacobi avec une erreur de 0,005.
8x1 + X2—-x3 = 8
X1— 7X2 + 2x3 = -4
2X1 + X2 + 9X3 = 12
Solution :
X1 = 1/8 [8 — x2 + x3]
X2 = 1/7 [4+ x1 +2x3]
X3 = 1/9 [12 — 2x1 — x2]
xk = 4 - 0,125x0k + 0,125x3"
xok*! = 0,571 + 0,142x1* + 0,285xs"
xo"! = 1,333 - 0,222x1 + 0,11 1x2"
Initialisation : pour k=1, x1") = xz") = x3) = 0
Uération 1: k=2
x12 =
0,125x0 + 0,125x0=1
x22) = 0,571 - 0,142 xO + 0,285x 0 = 0,571
xq = 1,333 - 0,222x0 + 0,111x0 = 1,333
Vérification : Tous les x) ne vérifient pas la condition d'arrét.
Itération 2 : k=3
xi)
- 0,125x0,571 + 0,125x1,333 = 1,095
x2) = 0,571 - 0,142 x1 + 0,285x1,333 = 1,092
x90) =
333 - 0,222x1 + 0,111%0,571 = 1,047
Vérification : Tous les x\°) ne vérifient pas la condition d'arrét.
Itération k= Xt X2 X3
4 1 0,571 1,333,
2 1,095 1,095 1,048
3 0,955 1,026 0,969
4 0,993 0,990 41
5 4,002 0,998 4,004
6 4,001 1,001 1,001
x;(6) = x2 = xs = 1,001 qui est la valeur la plus proche de la valeur exacte x=1 + Méthode de Gauss-Seidel.
La méthode de GAUSS-SIDEL est une amélioration de la méthode de JACOBI dans
laquelle les valeurs calculées sont utilisées au fur et 4 mesure du calcul et non a lissue
d'une itération comme dans la méthode de JACOBI.
Soit x° = (xs°, x27, ..., x°)" un vecteur donnée. La méthode de GAUSS-SIDEL définit la
composante x/*1 du vecteur x**' a partir des composantes x} du vecteur x* pour j# i
Description de la méthode
Elle est basée sur cette décomposition
Ax=b (D-E)x= Fx+b.
La méthode de Gauss-Seidel s’écrit
© arbitraire
(D-E)x1= Fxt +b
D - E est une matrice triangulaire inférieure et pour calculer x**' en fonction de x*, il suffit
d'appliquer l'algorithme de sécante suivant :
Pour i= 1,
nt P
au xf =—) ayat — YD ayxf +b,
= ii
soit encore
ex 2
xfs (oa > ayxp -) Jou»
fr it
Noter que dans la boucle de calcul, les composantes du vecteur x/*? pour j= 1, i— 1 sont
déja calculés et on peut utiliser un seul vecteur pour programmer cette méthode. Sous
forme matricielle e x**" s’écrit
x= (D-E)! Fxt+(D-E)'b = Gxt +c
la matrice G = (D - E)"'F est la matrice d'itération de Gauss-Seidel.
Dans I'exemple précédent, on résous un systéme d’équations linéaires par la méthode de
Gauss-Seidel.
Avec une erreur de ¢ =
{ +%2-%9=8
,005.
Xt — 7X2 + 2x3 = -4
2x1 + X2 + 9x3 = 12
x1 = 1 - 0,125x2* + 0,125xa" ;
Taba
xek* = 0,571 + 0,142xi" + 0,285x3" Se,
, ae)
xgl" = 1,333 - 0,222x1* + 0,11 1x"
Initialisation : x1 = Xa = x3 = 0
itérationt : met
Xe = 0,571 +0,142(1) + 0,285(0)
Xa = 1,333 40,2221) - 0,111(0,714) = 1,032
Nération2 <
a= 1+ 0,125(0,714) + 0,125(1,032) = 1,039
Xz = 0,571 + 0,142(1,039) # 0,285(1,032) = 1,012
Xa = 1,333 +0,222(4,039) - 0,111(1,012) = 0,997
ltération3 :
x= 1- 0,125(1,012) + 0,125(0,997) =0,998,
xz= 0,571 +0,142(0,998) + 0,285(0,997) = 0,996
% = 1,333 - 0,222(0,998) - 0,111(0,996) = 1,0008
k Ry Xo Xy
1 4 O714 1,032
2 41,039 4,012 0,997,
3 0.997 0,996 1,001
4 1,0006 0.9998 1,001
Test Carrét:
11,0006 — 0,897] =0,0036 < &
{0.9998 ~ 0,996] = 0,0038 < e
11,001 - 1,001] =O <¢
Conclusion :
La méthode de Gauss-Seidel est une modification de la méthode de Jacobi.
Elle consiste a injecter toutes les nouvelles valeurs x**' trouvées dans la mame
itération.
C'esl-&-dire chaque nouvelle valeur x!" trouvée dans la méme itération écrase
Tancienne valeur x*.
Convergence des méthodes de Jacobl et de Gauss-Seldel :
Condition nécessaire
Les deux méthodes sont convergentes ssi p(B) <1.
Les valeurs propres d'une matrice A son! les racines du polynéme caractéristique de
Anoté : P,(a) =det(A — Al) = 0
Le rayon spectral deta matrice A , noté p(A) = max(1A,(A)|) Condition suffisante
I suffit que l'une des conditions suivantes soit vérifée, qu'elle converge :
« Sila matrice (A) est une matrice dominante, les deux méthodes convergent.
« Sila matrice (A) est une matrice symétrique définie positive, la méthode de Gauss-
Seidel converge mais pas forcément celle de Jacobi.
Remarque :
* Soit A une matrice tri-diagonale de taille n x n inversible dont les coefficients
diagonaux sont tous non nuls. Alors les méthodes de JACOB! et de GAUSS-
SEIDEL sont soit toutes les deux convergentes soit toutes les deux divergentes.
En cas de convergence, la méthode de GAUSS-SEIDEL est plus rapide que
celle de JACOBI.
Remarque : Si un systéme d’équation converge vers une solution cela veut dire quill
vérifie les deux conditions de convergences (conditions suffisantes).
Définitio
4.Une matrice est dite diagonale dominante si jail > Slay.
Exemple :
20 1
A -[ -6 | [2] > [O}+14] 5-6] > [1 }+12| ; 7] > [1141-2
-2 72.
2.Une matrice définie positive si tous les mineurs diagonaux sont positifs.
Exemple :
2 0 1 301 20 21
13 1) &=2>0;4= [7 tJ=2>0:4=]1 3 1]>0.
2 1 1 21 1
1.2. Résolution des systémes d’équations non linéaires par les méthodes itératives
Il existe plusieurs méthodes pour la résolution des systémes d'équations non linéaires, oU
‘on peut citer :
~ Méthodes des substitutions successives
- Méthode du gradient
- Méthodes de Newton
Dans cette partie du cours nous développons la méthode de Newton-Raphson considérer
comme l'une des méthodes les plus puissantes.
1.2.1. Méthode de Newton-Raphson
On considere le systéme d'équations non linéaires suivant :
La méthode de Newton (ou Newton-Raphson) consiste @ prendre pour X‘*1) ta racine du
développement de Taylor de premier ordre autour de X"®) ;cela revient, pour autant que
£'(X) # 0, a déterminerx* qui satisfait :
FOR) + fC) (KD — 00) Etdonc XOOU S
Remarque
Dans le cas d'un systéme de deux équalions non linéalres 4 2 inconnues, par exemple :
AG x) =0
Alyn) =0
ao ou KOO S yO) _ [pr(x@) (x)
L’algorithme de Newton-Raphson devient :
8x, 822) [h(t *2))
Of, Sf2) Wirlrs.x4)!
ax, Ox,
a
On note [53 Ja mattice Jacobéenne,
ar
Exemple:
Estimer la solution du systéme suivant en ullisant fa méthode Newton-Raphson
{ ey
yh +4
commengant par (xo, yo) = (1.4, -1}.
Solution:
La fonction et la matrice jacobéenne sont :
ran=(24251).
Au point (1.4,—1).nous donne :
F(14,-1) = OS). Kl4,—1) = 23 3
-1_ (02885 -0.0962
Et Y4.=DI* = (61923 0.2652)
Note: linverse deta matrice 4 = (2 5) peul-étre calculer par: A7*
En utilisant la formule de Newton :
XO) = 1 _[7(x)]"' f(x)
Nous donne:
6) =C) (ates ~oeen) 02") = (ior)
1.0462:
De la méme fagon on trouve les autres itérations. CHAPITRE IT Equations Différentielles Ordinaires
Chapitre II : Equations Différentielles Ordinaires
1) Définitions
- Une équation différentielle ordinaire (EDO) est une relation fonctionnelle entre une
fonction inconnue d'une seule variable et ses dérivées y'(x) = F(x,y).
- Le probléme de Cauchy (probléme condition initiale) consiste trouver la fonction
y = F(z) satisfaisant a y'(x) = F(x,y) avec la condition initiale yy = F(x).
- On distingue deux méthodes de résolution ; les méthodes a pas séparés oi) chaque
point de la solution y,4, est calculé a partir de la solution en x,, et les méthodes 4
pas liés of la solution y,., est calculé a partir des solutions en xp q+
2) Méthodes a pas séparés
2.1) Méthode d’Euler
En x90n connait yp, selon la méthode d'Euler, on approche la solution de I'équation y' =
F(x. y) sur (%,x;) par sa tangente en x9, donc y, — yo = y'(%q)(x; — X9)- Sur I'intervalle
(a,x) la solution est remplacée par la tangente en x,, et ainsi de suite. L'algorithme
d'Euler est donc donné par :
b-a
Yr =H + AFR) 1 =01,..n- 1 hs
Exemple
Soit I'équation différentielle : y'(x) = -y(x) +x +1 et la condition initiale y(0) = 1.
1) Trouver la solution numérique pour n=5, dans I'intervalle [0,0.5] (effectuer les
calculs avec trois décimales exacte).
2) Comparer les résultats obtenus avec la solution exacte y(x) = e~' + ¢.
Solution
Les données sont : y'(x)
—y(x)+x+1, (0) =1, n= 5, [0,05].
=0,1,...2-1;h= 2%
L’algorithme d’Euler est ? yin1 = 1+ A FD;
b- 05-0
h= —“= Ba OLet Fay) = yy tay + Leta = ih
O.y1 = yo + h(—Yo + Xo + 1) = 14+ 0.1(-14 0+ 1) = 1.000
- Pour
~ Pour i= Ly, = yy, +h(-yy +x +1) = 14 0.1(-14 0.14 1) = 1.010; etc.
On obtient le tableau suivant:
x AFG) [Yon
0 0 1.000
or 0.010 1.000
02 0.019 1.010
03 0.027
od 0.034 1.056
05 0.041 1.090
10 CHAPITRE I Equations Ditférentielles Ordinaires
Le tableau des solutions exactes est:
Solution exacte Erreur
1.000 ‘0,000
1.005 0.005
1.019 ‘0,009
Lon ‘O01
1.070 ‘Oot
1.106 One
2.2) Méthode de Runge-Kutta (RK2 et RK4)
Au lieu d'utiliser des segments de droites, ¢.-d-d. des tangentes dans la méthode
d Euler, on utilise des arcs de paraboles dans la méthode de RK2.
L’algorithme de RK2 est:
Qamth
Feet AEC)
bh
Yor = 1+ CFC) + FID
En pratique. la méthode RK4 est !a méthode la plus utilisée. Son algorithme est :
Ky = Feeayi)
ah
w= F(x 4+2.% 43h)
Ky =F (x1 + 2.904 2a)
Ky = Flay + heyy + hiks)
a
Yoon = Yet g (ky + Rha + key + ky)
Soit I'¢quation différentielle = y'(x) = —y(x) +x + 1 et la condition initiale y(0) = 1,h = 0.1.
+Calculer par les deux méthodes RK2 et RKA les deux premiéres valeurs de la
solution.
Solution
1) Méthode de RK2
La fonction F(x, y) = -y(x) +x +1, y(0) = r= 0.1.
Valgorithme de RK2 est =
ath
n+ RF Cxi yi)
Ry
f
Yuen = H+ EOC) + FE AD
+ La premiére itération =
4g 40150401
Yo # h(=yo +o #1) = 140.1(=14041I)=1
f* =yot Bertea.v0d+ F(R.9o)) = 1+ 0.05(-1+ 0 + 1) + (-14 0.141) = 1.005
OL
nh CHAPITRE IT Equations Différenticltes Ordinaires
= La deuxiéme itératio
FOS 01401
yt h(—-yp tx th 005 + 0.1(-1,005 + 01+ 1) = 10145
A
ya ye + CFG. y0) + PCI) = 1.005 + 0.05(—1.005 + 0.1 + 1) + (-10145 +02 +1)
= 1.0190
2) Méthode de RK4
L’algorithme de RKA est =
Ky = Fey)
hook
Ks lus poegh)
Ks F(t gt gh)
Ky = F(xj + hy, + hky)
Yoon = H+ GU + Bk + Dey + ha)
- Premicre iteration
+4ky) = 0.05
+hiyetth:) = 0.0475
fs = Fy +h, Yq + hey) = 0.09525
Gens
LMD
Ce qui donne: y, = ye +2 (ky + 2kr + 2ky + hy) = 14220042 + 0.05 +2 0.0475 + 0.09525) =
1.0048
+ Deuxiéme itération (= 1
09516
4
: y+ Bey) = 0.1404
+3.y. +44) = 013814
Ky = F(x +A,yy + k;) = 0.18134
Ce quidonne: y,=y, +4 (ky + 2k; + 2k; +44) = 1.01873
3) Méthodes a pas liés
Il existe deux types de ces méthotes: les méthodes ouvertes et les méthodes
fermées, elles sont bas¢es sur te développement de Taylor.
3.1) Méthode d'Adams-Bashforth (AB)
C'est l'une des méthodes ouvertes. Soit le développement de Taylor de l'équation »’ =
F(x,y) au point xjea(ej +)!
p
h
Year =H thy On) ty" +") +
¢
a WF
Mer =H AME) +P EY) +E =H + AF +
ah
Yoon = A ZOPC YD — FHL HD)
C'est la formule d'Adams-Bashforth d'ordre 2 avec yget y:connues.
2 (CHAPITRE It Equations Dittéremtfelles Ordinaires
3.2) Méthode d'Adams-Moulton (AM)
Cette méthode est l'une des mathodes fermées, son aigoritime est :
wants A(ree, OFF (S096 xi)
Avec yj°} est donnée pour k = 0,1...
Mest dite le prédicteur de y44,, les y{) sont appelés les correcteurs, pour les
calculés, on utilise la méthode dieuler comme prédicteur et Ia méthode d'Adams-
Moulton comme correcteur.
Exemple
Soit equation differentielle : y(x) = —y(x) + x4 1 et la condition initiale y(0) = 1,4 = 0.1.
> Utliser la méthode AB puis celle AM pour calculer ta solution au point 0.2
Solution
1) Méthode AB
L'algorithme AB est!
bh
Yona = WZ OPH) — FEM)
Yo= let y; = 1,005 par Euler
+ Premiére itération =
n=nt Fart, vi) — F(xo.¥o)) = LOOS + 0.05(3 « (-1.005 + 0.1 + 1)— (-14+04 1))= 1.0193
2) Méthode AM
Lalgorithme AM est !
aft" = 9 48) +8 (risa altl)) avec x8 = Let y=
On itere le correcteur unc seule fois:
+ Premiere iteration :
yf = yy + A(F leo. ¥0)) + F(x”) = 140.05(0 + 0.1) = 1.005
- Deuxiéme itération =
= 1,005 par Euler
Jf) = y+ AFC) +F (xp. ¥)
= 1.005 + 0,05(0.095 + 0.19) = 1.0193
4) Equations différentielles d'ordre supérieur a 1 et systémes d’équations différentielles
La forme générale d'une ¢quation différentielle (£00) d'ordre (m) avec conditions
initiates est :
yi") avec x € [a,b]
(yi) = (x,
ytm=1) = a
y(a) = @yy'(a) =«;
Cette équation peut étre transformée en un systéme de (m) équations différentialles
Wordre I, en effet pasons =
tiy(3) = ya), a6) = ¥/ (2st) =
(x). nous oblenons le systéme suivant :
3 CHAPITRE I Equations Différentielies Ordinaires
Fy Wigs me yn)
)
du,
eta = alta
1
ges = Fast
uy (a) = y(a) = ay, uy (a) = y'(a) = ary, west) = ya) =
Pour faire la résolution de ce sysi¢me on utilise les méthodes de résolution d’ordre
un (Euler, Runge Kuta, ...). Par exemple, pour appliquer la méthode d’Euler au
systéme précédent, nous précédons de la mani¢re suivante *
Soit Wy une approximation de la (™ composante de la solution du systéme au point
tye F= 1.2 mrmet | = 0,12, neN OWN = A ott, = a+ fhe
Les conditions initiales sont données par :
Wyo 20, Woe 062, Wang Oty CL
Wayer = Way + AF (2, Wy Wag Way) avee t= 1,2,
Exemple
Soit 'équation différentielle =
¥" (x) = 2y'Qx) ~ Zyl)
(0) =2,y(0) = k= 01
+ Donner ta premiére solution par méthode d
ler puis par la méthode de RK2.
a) L'algorithme de résolution par la méthode d'Euler est :
Wie = 2
Wager = Wig + (ay Wg A) avec fy m1
+ Premi¢re itération ! / = 0x9 =O et! = 1,2
{iis = Wio + HF (xo. Mio. a0)
Wa = Waa + AF (x0.W.0W20)
Maa2tOledet Oy Wa 2
Wey T+OLe(Ze1— 201 OM Cys, 1
b) L’algorithme de résolution par la méthode de RK-2 est:
fy may th
Furs Wig + AF Cp Mia) avec =
Wager = Wag + SCFM Way) + FCS Py yey)
+ Premiére itération ! J = 0,x9 =Oetl = 1,2
Ry = xg 40.1 = 0.1
Wo = Wo + hFi(xo.Wi oro) = 240001 = 21
Pag = Woo + HF xa, Whos Wz) = 1+ 0.1 (2*1-2)=1
01
Was = Wot (FileoM oie) + Fi(So-M tM 4))
=24+0.05(14+1)=21
01
Waa = Woot = (Falso.tMo.Wh0) + Falo.tP0.NP20))
140.05 « ((2*1-2)+(2+1-21)) = 1.005 (CHAPITRE I Equations Diflérentielles Ordinaires
5) Probléme aux limites pour les équations différentielles ordinaires
Le probléme aux limites ou probléme de Dirichlet (conditions aux limites) peut etre
: pe = F(x.y(2).y"())- 2 € [a,b] a
ya) = ab) = 2
Li¢quation différentielle F(x,y(z).y(@)) est dite linéaire si elle est de la forme?
p(x)y"(x) + qlx)y(x) + r(x). dans ce cas a et # sont des constantes et le probléme est dit
donné par
5.1) Méthode de tir
La méthode de tir consiste 4 réduire la résolution du probléme (1) 4 celle de deux
problémes du Cauchy (2) et (3).
‘y"Cx) = pOady’(x) + alx)y(x) + r€z),x € [a,b] R
(a) = ay" 0
tS = p(x)y"(2) + ¢x)y(x), x € [2,8] @)
(a) =0,y'(a) = 1
La solution y(x) du probleme (1) est donnée par
~ys(b
yee) = 00d4 PEs 09
od + y,(x) et yx) sont les solutions des problémes (2) et (3), respectivement,
Soit le probléme aux limites suivant =
y"G) = ya) - GQ) t+) “
(1) = O.1,y(14) = 0.15 et k= 0.2
+ Donner Ja solution au point x = 12 par la méthode de tir.
‘Solution
+ Les deux systémes (2) et (3) sant ?
wie) = yg) ~yG) 4241 9)
Cx) = y'tx) — yx)
(1) = O.1,y'(1) =Oerh= 02 @)
(1) =0,9(1) = Leth = 02
La solution du probléme (1) est donnée par :
- B= yb) 0.15 ~ yb)
HE3) = Ce) + Syma) = led + Se)
OX + y4(x) et yx) sont les solutions des problémes (1) et (2), respectivement,
+ Resolution du probleme (2) par la méthode d’Euler
¥"Gx) = yx) ~ yl) t+ @
Al) = 0.1,y/(1) = 04th = 02
+ Transformation du probléme (2) vers un systéme d'équations, en mettant u, =¥
dug _
diy
dx avecu;(1) = 0.1 et u(t) = 0
Su uted
a:
Lalgorithme d'Euler est =
Wao = 0.1
Wager = Mey + AF (xj. Wy) avec Wee =0
+ Premiére iteration : = 0.x, = Lett =1,2 CHAPITRE I Equations Ditféreatialles Ordiasires
Wir = Wao + HF (x0. Wo. Wao) = Wie the Woo
War = Wao + HFi(¢asMio Wao) = Wauth (Wao ~ Wao t te + 1)
Wy 20140290001 done : {74 = 0
W,) = 040.26 (0-0.14141) #038" W., = 038
+ Deuxi¢me iteration ! / = 1x, = L2et (= 1,2
Was = Wir HAF (ry Wi War) = Maat he Woy
Wa = War + A(z Mia Wes) = Wor +h (Wer Warton +t)
Was =O. #0200305 0.176 done : {lus = 0.176
lug, = 038 +02 + (038-01 +12 +1) = 0.876 * ONE * ls! = 0376
+ Resolution du probléme (3) par la méthode d'Euler
y"@) = y"(2) -y@)
1) =O) =Lech=02 ©
+ Transformation du probléme (3) vers un systéme d'équations, an mettant u, = y
ot ou,
| de avecuy(1) =O etm = 1
L’algorithme d’Euler est :
Wyo =O
Weyer = Wy + HF GAs aadawer gt’ = 4
+ Premitre iteration : f= 0,29 = Lett = 1,2
Why 2 Wyo AF, (2p. Who Wie) = Woth* Wao
Way = Wao + AF, (x00 Wro) = Waa +h (Wro-Wio)
Wi =O40201 202 done : {us "92
Ww, = 1402641 -0)= 012° OMS “hw, = 12
= 1a, =12et(=1,2
{ Waa = Waa + AF (4 Maas) = Maa th Won
Ws = Was + AF (Oy Wii as) = Wea # (= Mi)
+ Deuxiéme itération :
Wy = 02402612 =044
d = fu
Way = L2+02+(L2-0.2)=14 * SOR * (Ww:
+ La solution finale au point x= 1.2 est?
0,
9012) = ¥,(12) + 1
‘Systéme (2)
ol
z=tz_ [07
rats | 0176 CHAPITRE I Equations Différentielles aux Dérivées Partiolles
Chapitre Ill : Equations Différentielles aux Dérivées Partielles
3.1) Introduction
Les équations aux dérivées particles (EDP) interviennent dans la description de tres:
nombreux problémes de [électronique, physique, chimie, sciences de la terre,
biologie.
Une équation différentielle aux dérivées partielles (EDP) est une relation fonctionnelle
en une fonction de plusieurs variables et ses dérivées. Si on se limite aux EDPs
Wordre 2 4 deux variables, ses formes sont :
OZ yy + DT xy FEZ" yy +2’, + el’, + fZ4Q=0
Lordre d'une équation aux dérivées partielles est l'ordre de la dérivée partielle
dordre le plus ééevé intervenant dans l'déquation.
Selon le signe de A= 6? ~4ae, on sépare trois types
+ si d=, I'équation est dite parabolique,
+ si d> 0, '¢quation est dite hyperbolique,
= si4<0, l'quation est dite elliptique.
Pour ces ¢quations, les solutions analytiques (par exempte par la m¢thode de
separation des variables) ne peuvent @ire déterminées que dans des cas trés simples.
Plusicurs méthedes numériques permettent d'approcher les solutions telles que la
méthode des éléments finis (MEF), la méthode des volumes finis (MVE), la méthode
des intégrales finies (MIF) et la méthode des differences finies (MDF), Seule la
méthode MDF est mise en ceuvre ci-aprés pour chaque type d'équations précédents,
3.2) La méthode des differences finies (MDF)
La méthode MDF est trés classique, simple 4 mettre en ceuvre et convient pour
beaucoup de problémes rencontrés en pratique. Les calculs sont effectués suivant un.
maillage oblenu par un double réseau de paralléles aux axes et régullérement
espactes,
x
L'intersection de deux droites du maillage définit un nceud de cordonnées. Si ax = ay
Je maillage est dit régulier sinon il est irrégulier.
3.3) Expressions discrétes de la premiére et deuxiéme dérivée
En utilisant le développement de Taylor au vaisinage du point x;, on obtient :
a) Premiére dérivée
« Différence en avant : w'(x) = “Uae ar
+ Différence en arritre £u'(xj) = S28" 4 gh) =
+ Différence centrée tu'(x) =22et ecm 4 g(47y = Hearts
7 CHAPITRE I Equstions Dilférentielles aux Dérivées Partielles
b) Deuxiéme dérivée
* Difference en avant : u(x,
+ Difference en arriére * u(x) =
* Difference centrée ‘u"(x,) =“
ula) =2 wy ¢R¥e e328)
+ 9(h)
3.4) Equations elliptiques
On distingue deux équations classiques de ce type =
1) Equation de Laplace : u", +u'y = 0
2) Equation de Poisson 2u", +u", + 9(x.¥) = 0
En général. ces deux ¢quations décrivent des phénoménes stationnaires non
évolutionnaire (ne dépends pas au variable temps ou régime permanent), Par exemple
Je champ électrique dans un conducteur, les déplacements et les contraintes dans un
solide élastique, ete.
La forme canonique d'une ¢quation de type elliptique pour deux variables est :
Wu =G.
Soit un domaine fermé D, avec la frantiére S, on definit :
a) Le probléme de Dirichlet (position)
ru
u
b) Le probléme de Neumann (vitesse)
wu
Dans la suite, on va illustrer la résolution d'un probleme elliptique par la méthode des
differences finies, en considérant I'exemple ci-dessous.
Exemple
Soit le probléme suivant =
a oo=0, dans le carr [0 05 dont les erreurs s‘amplifier
rapidement, Pour r= 05, alors ?
Major = O5(Myay + Myr)
La maille du ealeul est done :
s+)
d=) +d
3.5.b) Schéma implicite
Dans ce schéma, on approche la dérivée uz au temps (t= +1)k) au lew du point
t= Jk et pour obtenir 1a solution, il faut résoudre un systéme d'¢quations lincaires.
L'equation de chaleur est alors 1 Susmtul . gr Mauritius aon :
tay = Ar Mager + (1+ Dryer — Pye ijen AVEC PSE,
Ce schéma est inconditionnellement stable c.~a-d. il est stable quel que soit r.
Exemple
On ¢1ude Ja température 4 V'intérieur d'un systéme électronique of on maintient ses
limites 4 température 0°c avec
uj Sul, pourOsxst
pourdsxs05S
(1=x) pourOS
Vous aimerez peut-être aussi
- COMPOSITION DE LA PREMIERE PERIODE 2023 - ShémaDocument1 pageCOMPOSITION DE LA PREMIERE PERIODE 2023 - ShémamodiboPas encore d'évaluation
- PRESENTEZ VOUS en Entretien Dembauche YVES GAUTIERDocument10 pagesPRESENTEZ VOUS en Entretien Dembauche YVES GAUTIERmodibo100% (1)
- SCHEMAS 2è CAPDocument60 pagesSCHEMAS 2è CAPmodiboPas encore d'évaluation
- ELECTRONIQUE 2eme EMDocument35 pagesELECTRONIQUE 2eme EMmodiboPas encore d'évaluation
