Cours MDF Master
Cours MDF Master
Cours MDF Master
Sommaire
1 Note au lecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 Méthodes Pédagogiques . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4 Pré - Requis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5 Fonctionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6 Travail à eectuer et contrôle continu . . . . . . . . . . . . . . . . . . 5
7 Modalités d'évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
8 Planning des séances et déroulement du programme . . . . . . . . . 5
9 Travaux Pratiques / Projets . . . . . . . . . . . . . . . . . . . . . . . . 6
10 Bibliographie Générale . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1 Note au lecteur
1) Ce document est un support de cours : la participation à une formation et les lectures
recommandées sont essentielles pour une bonne maîtrise du sujet.
Toute approche théorique est volontairement écartée ; le maintien d'une rigueur nécessaire en
est d'autant plus dicile et parfois délicat. Une telle approche facilitant la découverte des concepts
fondamentaux, est un premier pas vers une formation plus théorique pour tous ceux qui ont les
connaissances requises.
Chacun sait combien la qualité de la présentation d'un texte pédagogique contribue à sa com-
préhension.
2) Chaque chapitre propose
- Le cours proprement dit, composé des dénitions, propriètés et théorèmes dont la connais-
sance est indispensable.
- Ce cours est illustré d'exemples importants et d'exercices d'applications à corriger en
classe.
- Des cas pratiques de synthèse qui visent à l'assimilation du cours et à l'acquisition de
techniques classiques de résolution pratiques de problèmes réels sous forme de mini projets.
3) Des méthodes pour réussir
Pour progresser et réussir le cours d'Analyse Numérique II, vous devez commencer par améliorer
vos méthodes de travail. Pour cela, il faut :
- bien organiser votre temps et être ecace
- bien apprendre votre cours
- savoir analyser vos erreurs
- bien connaitre l'outil informatique
- posséder une méthode de travail régulière et rigoureuse
2 Objectifs du cours
Ce cours d'Analyse Numérique II est un cours de base obligatoire. Les étudiants ont la
possibilité de le suivre en 1ère Année. Il est précédé par le cours de première année dont il est la
suite logique, et constitue un enseignement indispensable pour le métier d'ingénieur. Il est destiné
à examiner les équations aux dérivées partielles et la méthode des diérencers nies.
Ce cours a pour objectifs :
1 - Fournir des méthodes de résolution numériques pour quelques classes de problèmes.
2 - Comprendre le principe et les idées de ces méthodes (aspets mathématiques et mise
en oeuvre).
3 - Etre capable devant un problème pratique simple de choisir la bonne méthode et de
la mettre en oeuvre.
4 - Mettre en oeuvre sur machine la résolution de problèmes réels en utilisant les
méthodes développées dans le cours.
3 Méthodes Pédagogiques
Dans chacune des séances du cours, l'étudiant
- reçoit des apports précis sur le cas de la séance ;
- participe à l'analyse du cas, à la résolution d'exercices et à la discussion de certains
points du programme.
Il est remis à chaque étudiant :
- le syllabus du cours,
- le polycopié,
- le dossier des exercices et des cas,
- le projet des travaux pratiques
Ces dossiers ne dispensent pas l'étudiant d'eectuer les lectures de certaines parties d'ouvrages
indiqués.
4 Pré - Requis
a) Cours de 1ère année
b) Algébre matricielle
c) Analyse Mathématique
d) Programmation
5 Fonctionnement
La présence est obligatoire. Un étudiant absent plus de deux séances est considéré comme
démissionnaire sauf justication valable. (Application du réglement intérieur d'absence de l'école).
Les travaux devront être remis en temps voulu au professeur.
7 Modalités d'évaluation
Les modalités d'évaluation ont un double objectif :
- objectif 1 : évaluer un savoir (compréhension des concepts, connaissance des méthodes)
- objectif 2 : évaluer un savoir-faire (mise en oeuvre des méthodes sur des cas concrets et
pratiques et résolution numérique de problèmes réels).
Contrôle continu (écrit)........................................................................50%
Participation en classe, quiz, travaux à réaliser à domicile..................10%
Travaux pratiques (un projet sur ordinateur)......................................40%
Les conditions de mise en oeuvre de cette évaluation doivent être respectées scrupuleusement.
En particulier, toute absence non justiée par certicat médical à l'une des épreuves entraînera la
note zéro.
Remarque importante
Il est essentiel que l'étudiant considère cette évaluation non comme un contrôle mais comme
l'une des composantes de base de son processus d'apprentissage.
10 Bibliographie Générale
*** Ouvrages convenant particulièrement bien à l'esprit du cours d'analyse Numérique II dans
une école d'ingénieurs.
** Bon ouvrage de base couvrant tout ou une partie du cours.
* Ouvrage intéressant par son approche.
Sommaire
1 Analyse Numérique des équations aux dérivées partielles (EDP) . . 11
2 Equations Aux Dérivées Partielles . . . . . . . . . . . . . . . . . . . . 11
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Concepts Fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Exemples et un peu de vocabulaire . . . . . . . . . . . . . . . . . . . . . 13
2.4 Notion de problème bien posé . . . . . . . . . . . . . . . . . . . . . . . . 13
3 Méthode des diérences nies . . . . . . . . . . . . . . . . . . . . . . . 13
3.1 Approximation des dérivées . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Problème Approché . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2.1 Condition de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . 15
3.2.2 Condition de Neumann . . . . . . . . . . . . . . . . . . . . . 15
3.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Problèmes elliptiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.1 Modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Problème Général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Exercices à corriger en classe . . . . . . . . . . . . . . . . . . . . . . . . 20
5 Problèmes évolutifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.1 Equation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.2 Schéma Explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.3 Schéma implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.4 θ-Méthode, Schéma de Crank - Nicolson . . . . . . . . . . . . . . . . . . 23
6 Consistance, stabilité et convergence . . . . . . . . . . . . . . . . . . . 24
6.1 Consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.2 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6.3 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7 Analyse de la stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7.1 Résultats préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
7.2 Analyse du schéma explicite : un+1 = (I + λTd )un . . . . . . . . . . . . 27
7.3 Schéma implicite : (I − λTd )un+1 = un . . . . . . . . . . . . . . . . . . 27
7.4 Schéma de Crank - Nicolson : un+1 = (I − λθTd )−1 (I + λ(1 − θ)Td )un 28
8 Equation des ondes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.1 Schéma explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
8.2 Schéma implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
9 Conclusion sur la méthode des diérences nies . . . . . . . . . . . . 30
10 Exercices à corriger en classe . . . . . . . . . . . . . . . . . . . . . . . 30
11 Méthodes Indirectes de Résolution des Systèmes Linéaires . . . . . 31
∂2u ∂2u
2
− c2 2 = 0.
∂t ∂x
2. b2 − 4ac = 0 : la racine est réelle et double. Dans ce cas, l'équation est dite parabolique.
L'exemple typique de cette famille est l'équation de la chaleur :
∂u ∂2u
− α 2 = 0.
∂t ∂x
3. b2 − 4ac < 0 : les racines sont imaginaires. L'équation est alors dite elliptique. L'une des
équations fondamentales de la physique est l'équation de Laplace
∂2u ∂2u
+ 2 = 0.
∂x2 ∂y
On étudiera ici une méthode ancienne mais ecace, il, s'agit en gros de remplacer les dérivées
par leurs taux d'accroissement.
Remarques
1. Il existe d'autres méthodes numériques (méthodes directes, méthodes de Galerkin, méthode
des éléments nis, méthode des volumes nis).
2. Un problème aux dérivées partielles nécessite la donnée de :
d'un domaine Ω,
d'une équation aux dérivées partielles (E.D.P),
de conditions aux limites,
de conditions initiales (pour les problèmes d'évolutions).
Pour obtenir une approximation numérique de la solution de ce problème, nous devons appro-
cher chacun des élements. Nous rencontrerons des problèmes de : precésion, rapidité et de
stabilité.
· ¸(n−1)
∂2f 1 ∂f ∂f n
+hk (x, y) + ... h (x, y) + k (x, y) + o((|h| + |k|) ).
∂x∂y (n − 1)! ∂x ∂y
D'une façon générale, si f est une fonction d'une variable de classe C3 , et si h → 0, on a d'aprés
la formule de Taylor-Lagrange :
2
f (x + h) = f (x) + hf 0 (x) + h2! f 00 (x0 ), x0 ∈ (x, x + h)
2 3
f (x + h) = f (x) + hf 0 (x) + h2! f 00 (x) + h3! f (3) (x1 ), x1 ∈ (x, x + h)
2 3
f (x − h) = f (x) − hf 0 (x) + h2! f 00 (x) − h3! f (3) (x2 ), x2 ∈ (x − h, x)
3 £ ¤
D'où : f (x + h) − f (x − h) = 2hf 0 (x) + h3! f (3) (x1 ) + f (3) (x2 ) = 2hf 0 (x) + 2h3 f (3) (ξ), ξ ∈
(x − h, x + h)
c'ést à dire
f (x + h) − f (x) h
= f 0 (x) + f 00 (x0 ) = f 0 (x) + o(h)
h 2!
f (x + h) − f (x − h) f (x + h) − f (x − h)
f 0 (x) = + h2 f (3) (ξ) = + o(h2 ).
2h 2h
De même, si f est une fonction d'une variable de classe C4 , et si h → 0 on a : f (x + h) =
2 3 4
f (x) + hf 0 (x) + h2! f 00 (x) + h3! f (3) (x) + h4! f (3) (x) + o(h4 ).
2 3 4
f (x − h) = f (x) − hf 0 (x) + h2! f 00 (x) − h3! f (3) (x) + h4! f (3) (x) + o(h4 ).
ce qui nous donne
00 f (x + h) + f (x − h) − 2f (x)
f (a) = + o(h2 )
h2
Ainsi, on obtient :
∼ f (x + h) − f (x)
f 0 (x) − , formule décentrée à droite
h
∼ f (x + h) − f (x − h)
f 0 (x) − , formule centrée
2h
∼ f (x + h) − 2f (x) + f (x − h)
f 00 (x) − , formule centrée du 2 ordre
h2
∂f ∼ f (x + h, y) − f (x − h, y)
(x, y) − ,
∂x 2h
∂f ∼ f (x, y + k) − f (x, y − k)
(x, y) − ,
∂y 2k
∂2f ∼ f (x + h, y) − 2f (x, y) + f (x − h, y)
(x, y) − ,
∂x2 h2
2
∂ f ∼ f (x, y + k) − 2f (x, y) + f (x, y − k)
2
(x, y) − ,
∂y k2
∂2f ∼ f (x + h, y + k) + f (x − h, y − k) − f (x − h, y + k) − f (x + h, y − k)
(x, y) − .
∂x∂y 4hk
∂u
∂n = f (s), s ∈ ∂Ω
3.3 Exemples
A) Supposons que Ω = ]0, a[ × ]0, b[ et soient N et M deux entiers et posons h = a
N, k= b
M,
alors :
R = Rhk = [Mij : Mij = (ih, jk); i = 0, ......N ; j = 0, .....M ] .
⇐⇒ AV = B
4 Problèmes elliptiques
4.1 Modèle
On considère le modéle linéaire (P) suivant :
00
−u (x) + c(x)u(x) = f (x) pour 0 < x < 1
(P ) u(0) = 0
u(1) = 0
Ah Uh = Bh ,
avec
u1 f1 + hα2
. .
Uh =
. , Bh =
.
β
uN fN + h2
2 −1
h2 + c1 h2 0 . . . 0
−12 2
+ c −1
. . . 0
h h2 2 h2
0 −1
. . . . .
h2
et Ah =
. . . . . . .
. . . . . . .
. . . . −1 2 −1
h2 h2 + cN −1 h2
−1 2
0 . . . 0 h2 h2 + cN
Soit c = (c1 , ..., cN )t ∈ RN tel que ci ≥ 0 pour i = 1, ..., N ; Alors la matrice Ah est symétrique
dénie positive, et donc inversible.
Preuve : la matrice Ah est évidement symétrique. Montrons qu'elle est dénie positive. Soit
v = (v1 , ..., vN )t , on pose v0 = vN +1 = 0. Calculons le produit scalaire Ah v.v = v t Ah v. On a :
2 + c1 h2 −1 0 . 0 v1
−1 2 + c2 h2 −1 . 0 .
0 −1 . . .
1
Ah v.v = 2 (v1 , ..., vN ) . . . . . ,
h
. . . . .
. . . 2 + cN −1 h2
−1
2
0 . . −1 2 + cN h vN
c'est - à - dire
N
1 X
Ah v.v = vi (−vi−1 + (2 + ci h2 )vi − vi+1 ).
h2 j=1
On a donc nalement :
N
X N
1 X
Ah v.v = ci vi2 + (vi − vi−1 )2 + vN
2
≥ 0, ∀v = (v1 , ..., vN ) ∈ RN .
j=1
h2 j=1
et
vi − vi−1 = 0,
pour tout i = 1....N.
On a donc v1 = v2 = ... = vN +1 = 0, ceci démontre que la matrice Ah est bien dénie.
Remarques
1. Si à la place des conditions u(0) = 0 et u(1) = 0, on avait u(0) = α et u(1) = β, on fait le
changement v(x) = u(x) + ax + b et on détermine a et b pour que v vérie une équation du
genre (P ).
2. Ah est symétrique dénie positive, donc inversible, ce qui entraîne l'existence et l'unicité de
la solution de (Ph ).
(convergence) (c(x) ≥ 0)
Soit Uh la solution discréte du problème (Ph ) , u la solution du problème (P ) et posons
V =t (u(xi )) alors kUh − V k∞ ≤ ch2 ; c'est à dire kUh − V k∞ → 0 pour h → 0 et i → +∞
h2 00 h3 00 h4
u(xi+1 ) = u(xi ) + hu0 (xi ) + u (xi ) + u (xi ) + u(4) (ζi ),
2 6 24
h2 00 h3 00 h4
u(xi−1 ) = u(xi ) − hu0 (xi ) + u (xi ) − u (xi ) + u(4) (ηi ).
2 6 24
En additionnant ces deux inégalités, on obtient que :
u(x + h) − u(x − h) 0
= u (x) + h2 u(3) (ζ1 ).
2h
Posons ai = a(xi ), bi = b(xi ), ci = c(xi ) et fi = f (xi ) et on approche (S) par le problème
approché
u −2u +u u −u
−ai i+1 h2i i−1 + bi i+12h i−1 + ci ui = fi pour i = 1, .........N
(Sh ) u0 = α
uN +1 = β
Si on pose
a1 α b1 α
u1 f1 + h2 − 2h
. .
. fi
uh =
, bh =
. .
. .
aN β bN β
uN fN + h2 −
2h
. . . . . .
. . . . . .
. . 2ai
+ ci −ai
+ bi
. .
Ah =
h2 h2 2h
. −ai
h2 − bi
2h . . . .
. . . . . .
. . . . . .
d'où (Sh ) est équivalent : Ah uh = bh et pour la résolution numérique, on impose : a(x) ≥ a0 >
0 , c(x) ≥ 0 ).
THEOREME
Soit Uh =t (ui ) la solution de (Sh ) et V =t (u(xi )) la solution exacte de (S), on a le résultat
de convergence suivant : kV − Uh k∞ ≤ ch2 .
1
f 0 (xi )−
e (yi+1 − yi−1 ),
2h
00 1
e
f (xi )− (yi+1 − 2yi + yi−1 ),
h2
000 1
e
f (xi )− (yi+2 − 2yi+1 + 2yi−1 − yi−2 ),
2h3
(4) 1
f e
(xi )− (yi+2 − 4yi+1 + 6yi − 4yi−1 + yi−2 ).
h4
Exercice 1.9
On considère le problème suivant :
−u00 (x) = f (x), 0 < x < 1
(P )
u(0) = u(1) = 0.
On introduit un pas d'espace h > 0 et un entier N ∈ N∗ tel que (N + 1)h = 1. On dénit les
noeuds du maillage régulier xi = ih, i = 0, ......, N + 1. On note ui ≈ u(xi ).
1. Montrer que l'approximation de u00 (xi ) est donnée par :
−ui+2 + 16ui+1 − 30ui + 16ui−1 − ui−2
+ o(h4 )
12h2
2. On discrétise le problème (P ) par diérences nies en utilisant l'approximation de la dérivée
donnée dans la question n◦ 1. Montrer alors que le système discret obtenu s'écrit sous la
forme : AU = B, et déterminer A, B et U.
5 Problèmes évolutifs
5.1 Equation de la chaleur
La présentation des méthodes de base pour la résolution de ce type d'équation sera eectuée
à travers l'équation suivante :
On considère le problème suivant : trouver u(s, t) : [0, 1] × R+ → R, solution de :
∂u ∂2u
∂t (s, t) = d ∂s2 (s, t) 0 < s < 1; t > 0
u(0, t) = α(t)
u(1, t) = β(t)
u(s, 0) = ϕ0 (s)
d coecient > 0.
Cette équation peut s'interpréter comme celle qui décrit l'évolution de la température d'une
barre dans le temps, causée par l'absorption d'un ux de chaleur. Avec ce modèle, on cherche à
prédire la température en tout point à tout instant à partir d'une distribution initiale ϕ0 .
Notons par ui,j l'approximation de u(s, t) au point (si , tj ) avec : si = i∆s, tj = j∆t, 0 ≤ i ≤
N, 0 ≤ j ≤ M.
(I − λTd )un+1 = un .
³ ´
ui,n+1 −ui,n u −2ui,n +ui+1,n ui,n+1 −2ui,n+1 +ui−1,n+1
∆t = d (1 − θ) i−1,n (∆s) 2 + θ (∆s)2 ,
1 ≤ i ≤ N − 1, 0 ≤ j ≤ M − 1
(4) u0,n = α(tn ), n ≥ 0
uM +1,n = β(tn ), n ≥ 0
ui,0 = ϕ0 (si ), i ≥ 0
-2 1 1
1 . . . .
. . . . .
λ
− 2
. -2 . 1 .
. . 1 .
1 -2 1
-2 1 1
1 . . . .
. . . . . .
= −λ
− 2
. -2 . . 1 .
. . 1 . .
1 -2 1
Remarque
θ = 0 : explicite
θ ∈ ]0, 1] : implicite
1
θ = : Crank-Nicolson.
2
6.1 Consistance
On appelle erreur de troncature l'expression
ET = Lh uh − Lu
Il s'agit de l'erreur systématique qui est introduite chaque fois qu'on approche un opérateur
continu par un opérateur discret.
Un schéma numérique est dit consistant avec une équation aux dérivées partielles, si l'erreur
de troncature ET tend vers zéro lorsque tous les pas de discrétisation tendent vers zéro.
Exemples : On considère l'équation de la chaleur suivante :
∂u ∂2u
Lu = −α 2 =0
∂t ∂x
et d'aprés la formule de développement en série de Taylor :
µ ¶
∂u ui,n+1 − ui,n k ∂2u
= − + o(k 2 )
∂t k 2 ∂t2 i,n
et µ ¶
∂2u ui−1,n − 2ui,n + ui+1,n h2 ∂4u
2
= 2
− + o(h4 )
∂x h 12 ∂x4 i,n
donc
µ ¶ µ ¶ µ ¶
ui,n+1 − ui,n ui−1,n − 2ui,n + ui+1,n k ∂2u h2 ∂4u
Lu = −α − +α + o(k 2 ) + o(h4 ).
k h2 2 ∂t2 i,n 12 ∂x4 i,n
Lorsque h et k tendent vers zéro, l'erreur de troncature ET tend vers zéro ; le schéma est
consistant.
6.2 Stabilité
La consistance est une garantie locale entre la discrétisation et l'équation aux dérivées partielles.
Mais, peut-on considérer que le dernier pas (n − 1) → n se fait dans les mêmes conditions que le
premier pas 1 → 2?
La diérence est évidente car la dernière étape on trouve l'accumulation des erreurs de discré-
tisation des pas précédents. Cette réalité exige une condition globale visant à la longue, la solution
numérique reste prés de la solution exacte. Autrement dit, pour qu'une solution ait un sens, il
est primordial que les erreurs de calcul inévitables ne s'amplient pas. Ceci mène a la notion de
stabilité.
Dénition Le schéma Lh uh = fh est dit stable si quelque soit f h ∈ Fh ,
l'équation
° h° Lh°uh °= f h admet une seule solution uh ∈ Eh qui vérie
°u ° ≤ c °f h °F , c est une constante indépendante de h.
Eh h
C'est à dire : un schéma est stable si la solution du problème discret reste bornée.
Trois remarques
- La stabilité est un concept qui s'applique sur les schémas numériques et pas sur les
équations continues.
- Il s'agit d'une dénition qui s'apparente à la notion de stabilité en mécanique.
- Elle n'impose aucune restriction aux oscillations.
Malgré les notions de consistance et de stabilité, il n'y a rien qui garantit la bonne représenta-
tivité de la solution. Cette caractéristique est donnée par la dénition de convergence.
6.3 Convergence
Notation On note [u]h le vecteur déterminé par les valeurs de la solution Lu = f aux noeuds
du réseau.
On dit que la solution uh du schéma Lh uh = fh converge vers la solution u de Lu = f si
lim kuh − [u]h kEh = 0
h→0
Evidemment, la quantité uh − [u]h n'est pas calculable, cependant le théorème suivant est
important.
T héorème de Lax
P our un problème linéaire, la consistance et la stabilité sont nécessaires et suf f isantes
pour assurer la convergence.
7 Analyse de la stabilité
Il existe diérentes manières d'eectuer une analyse de la stabilité. En particulier on s'intéresse
à l'analyse basée sur la formulation matricielle des schémas de calcul, à la méthode spectrale de
Von Neumann.
On cherche à étudier la stabilité des schémas à partir de la matrice d'itération ou d'amplication
T trouvée dans les expressions générale des méthodes itératives :
x(k+1) = T x(k) + c
d'où : ° °
e(k+1) ≤ °T k+1 ° e0
et puisque ° k+1 °
°T ° ≤ kT kk+1 .
kT k ≤ 1.
Lorsque cette condition est satisfaite, automatiquement on a ρ(T ) ≤ 1, parce que ρ(T ) < kT k
On a aussi : ° °
lim °T k ° = 0 ⇔ ρ(T ) < 1.
k→∞
Donc la condition nécessaire de stabilité est ρ(T ) < 1. Pour certains cas particuliers, la condi-
tion nécessaire est aussi une condition susante. Par exemple si T est réelle et symétrique, alors :
p p
kT k2 = ρ(T t T ) = ρ(T 2 ) = ρ(T ).
1
0≤λ≤ .
2
donc
1
−1 ≤ ≤1
1 + 4λ
Etant donné que λ est une quantité positive, cette condition est toujours vériée. On dit que
le schéma est inconditionnellement stable.
7.4 Schéma de Crank - Nicolson : un+1 = (I − λθTd )−1 (I + λ(1 − θ)Td )un
Les valeurs propres de la matrice d'itération sont :
¡ sπ ¢
1 − 4λ(1 − θ) sin2 2M
λs = ¡ sπ ¢ , s = 1, ..., M − 1
1 + 4θλ sin2 2M
∆t 1
d ≤
(∆s)2 2(1 − 2θ)
a(s, t) > 0
On applique l'idée de la méthode de diérences nies en remplaçant les dérivées par leurs taux
d'accroissement. Le domaine Ω est [0, 1] × [0, T ] .
Notons ∆x le pas d'espace et ∆t le pas du temps et uij la valeur approchée de l'inconnue u au
e
point M (i∆x, j∆t) : uij −u(i∆x, j∆t).
On peut utiliser plusieurs schémas.
∂2u 2
2∂ u
− d =f
∂t2 ∂x2
est ½approchée au point (i∆x, (j − 1)∆t) par
∆t 2
ui,j = 2ui,j−1 − ui,j−2 + d2 ( ∆x ) (ui+1,j−1 − 2ui,j−1 + ui−1,j−1 ) + fi,j−1 (∆t)2
(3)
pour 1 ≤ i ≤ N − 1 et j ≥ 2.
Les conditions aux limites se traduisent par
(4) u0,n = uN,n = 0 pour chaque n
Les conditions initiales se traduisent par
(5) ui,0 = u0 (i∆x), ui,1 = (∆t) u1 (i∆x) + u0 (i∆x)
Le schéma explicite (3) et les conditions (4) et (5) n'est utile que si la solution du (3) ;(4) et
(5) tend vers la solution de (2) lorsque ∆t et ∆x tendent vers 0. Soit le vecteur de RN −1 dénie
∆t
par uj = (u1,j , ............., uN −1,j ) et posons λ = d ∆x , les équations (3) s'écrivent (sans le terme
fi,j )
u1,j 2(1 − λ2 ) λ2 . f1,j−1
. λ2 . . .
. .
. . j−1 .
j
u = = u −u j−2 2
+ (∆t)
. . . . .
. . . . .
uN −1,j . . . fN −1,j−1
| {z }
A
Soit
Il est naturel de se poser les questions de convergence de (6) et (3) vers la solution de (2)
lorsque ∆t et ∆x tendent vers 0.
Théorème
i) Le schéma explicite (3) est stable sous la condition
∆x
≤d
∆t
Avantages
Inconvenients
Les principes d'itérations sont les suivants : on part de X 0 et l'on forme r0 , puis on cherche un
moyen©de modier X 0 en X 1ª et l'on
© 0 a 1un résidu pcorrespondant
ª à r1 ,..........etc. On obtient les deux
suites X , X ............X ... et r , r ............r ... de vecteurs de Rn . Compte tenu de la linearité
0 1 p
Remarque
Si le processus converge vers la solution x de Ax = b, on aura à la limite x = T x + c ⇔
(I − T )x = c, ce qui nous conduit à choisir T telle que (I − T ) soit inversible.
La norme du max
kAkM = maxaij .
ij
Norme subordonnée
Soit A une matrice n × m, étant donnée une norme vectorielle, on appelle norme matricielle
subordonnée, la norma matricielle dénie par :
kAxk
kAk = max
x∈Rn ,x6=0 kxk
On appelle rayon spectrale d'une matrice A, le nombre réel ρ(A) tel que :
S'il existe une norme matricielle subordonnée telle que [kT k < 1 ⇐⇒ ρ(T ) < 1] alors l'algo-
rithme ci-dessus converge pour tout X 0 vers x∗ la solution de :
x∗ = T x∗ + c ⇔ (I − T )x∗ = c.
Puisque det(D) 6= 0, on a :
Ax = b ⇐⇒ Dx = (E + F )x + b ⇐⇒ x = D−1 (E + F )x + D−1 b
Test d'arrêt
Il faut arrêter l'algorithme dès que :
¯ k+1 ¯
¯x − xki ¯ < ²1
i
¯ ¯ ou
¯ xk+1 − xk ¯
¯ i i ¯
¯ ¯ < ²2
¯ xk+1
i
¯
pour i = 1, ...n et k = 1, ....kmax.
X ¯¯ aij ¯¯
Si max( ¯ ¯) < 1, alors les méthodes de Jacobi et de Gauss-Seidel convergent.
i6=j ¯ aii ¯
1≤i≤n
Théorème (Kahan)
Si aii 6= 0 pour i = 1....n ρ(Tω ) < 1 si 0 < ω < 2
Si ω ≥ 2, la méthode diverge.
Si ω ≤ 0, la méthode diverge
Sommaire
1 Objectifs et Compétences acquises . . . . . . . . . . . . . . . . . . . . 36
2 Thème des projets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Sujet : Projet - M.D.F (01) . . . . . . . . . . . . . . . . . . . . . . . . 38
4 Sujet : Projet - M.D.F (02) . . . . . . . . . . . . . . . . . . . . . . . . 38
5 Sujet : Projet - M.D.F (03) . . . . . . . . . . . . . . . . . . . . . . . . 39
6 Sujet : Projet - M.D.F (04) . . . . . . . . . . . . . . . . . . . . . . . . 39
7 Sujet : Projet - M.D.F (05) . . . . . . . . . . . . . . . . . . . . . . . . 40
8 Sujet : Projet - M.D.F (06) . . . . . . . . . . . . . . . . . . . . . . . . 40
9 Sujet : Projet - M.D.F (07) . . . . . . . . . . . . . . . . . . . . . . . . 41
10 Sujet : Projet - M.D.F (08) . . . . . . . . . . . . . . . . . . . . . . . . 42
11 Sujet : Projet - M.D.F (09) . . . . . . . . . . . . . . . . . . . . . . . . 42
12 Sujet : Projet - M.D.F (10) . . . . . . . . . . . . . . . . . . . . . . . . 43
13 Sujet : Projet - M.D.F (11) . . . . . . . . . . . . . . . . . . . . . . . . 43
14 Sujet : Projet - M.D.F (12) . . . . . . . . . . . . . . . . . . . . . . . . 44
15 Sujet : Projet - M.D.F (13) . . . . . . . . . . . . . . . . . . . . . . . . 44
16 Sujet : Projet - M.D.F (14) . . . . . . . . . . . . . . . . . . . . . . . . 45
17 Sujet : Projet - M.D.F (15) . . . . . . . . . . . . . . . . . . . . . . . . 45
18 Sujet : Projet - M.D.F (16) . . . . . . . . . . . . . . . . . . . . . . . . 47
19 Sujet : Projet - M.D.F (17) . . . . . . . . . . . . . . . . . . . . . . . . 49
20 Sujet : Projet - M.D.F (18) . . . . . . . . . . . . . . . . . . . . . . . . 49
21 Sujet : Projet - M.D.F (19) . . . . . . . . . . . . . . . . . . . . . . . . 49
22 Sujet : Projet - M.D.F (20) . . . . . . . . . . . . . . . . . . . . . . . . 50
23 Sujet : Projet - M.D.F (21) . . . . . . . . . . . . . . . . . . . . . . . . 50
Compétences acquises
• Savoir choisir un schéma de discrétisation temporelle et spatiale,
• Pouvoir déterminer la stabilité du schéma choisi,
• Savoir résoudre numériquement un problème,
• Travail en équipe,
• Présentation d'un projet,
• Utilisation de logiciels (Matlab, Scilab, visualisation des résultats etc.)
avec
Eh3
D=
12(1 − γ2)
Travail demandé
1. Proposer un schéma explicite et un schéma implicite pour approcher la solution de (P).
2. Ecrire les organigrammes correspondants.
Travail de programmation
3 Ecrire les programmes correspondants.
Cas de calcul
2 1
4 Exécuter les programmes pour n = 6, m = 5 avec ∆x = n , ∆y = m.
5 Vérier que pour ce problème, la solution exacte est : u(x, y) = xey .
Travail demandé
Appliquer la méthode des dierences nies à (E1) (schéma implicite) et résoudre le système
linéaire obtenu par la méthode de Gauss-Seidel.
1. Ecrire les organigrammes correspondants.
Travail de programmation
2 Ecrire les programmes correspondants.
Cas de calcul
3 Exécuter les programmes pour n = 10, k = 0, 001 et k = 0, 0125.
4 n = 20, k = 0, 001 et k = 0, 0125.
Travail demandé
Appliquer la méthode des dierences nies à (F 1) (Crank-Nicolson) et résoudre le système
linéaire obtenu par la méthode de résolution d'un système à matrice tridiagonale (Méthode
de Thomas). (Voir algorithme)
Ecrire les organigrammes correspondants
Travail de programmation
1. Ecrire les programmes correspondants.
Cas de calcul
1 1
2 Exécuter les programmes pour h = 10 , k = 100 .
Algorithme de Thomas : On considère le système tridiagonale suivant :
b1 c1 0 . . 0 x1 y1
a1 b2 c2 . . .
0 a2 b3 c3 . .
=
. .
. .
0 . . . an bn xn yn
γ1 = cb11
ci
γi = (bi −ai γi−1 ) , i = 2, ....., n − 1
β1 = yb11
β1 = (byii −a
−ai βi−1
, i = 2, ....., n − 1
i γi−1 )
x = βn
n
xi = βi − γi xi+1 , i = n − 1, n − 2, ...1.
Si U (t) est le vecteur de composantes u1 (t), u2 (t), ....., un−1 (t), F (t) le vecteur de compo-
santes f (x1 , t), f (x2 , t), ......, f (xn−1 , t) et W le vecteur de composantes w(x1 ), ......, w(xn−1 ) alors
le schéma (G2) équivaut au système diérentiel :
½ 0
U (t) = −AU (t) + F (t) ∀t > 0
U (0) = W,
f (xj ) + k4t
2h2 (f (xj+1 ) − 2f (xj ) + f (xj−1 )) ∀j = 0, ...N, ∀n ∈ N
un
= un
= 0, ∀n ∈ N
0 N +1
u0j = xj (2 − xj ) ∀j = 1, ......., N.
1. Expliquer comment on obtient ce schéma.
2. Ecrire l'organigramme correspondant.
Travail de programmation
3 Ecrire le programme correspondant.
Cas de calcul
4 Exécuter le programme pour :
½
f (x) = 0, k = 1
h = 0.1 , k = 0.01.
Travail demandé
Soit le schéma suivant :
¡ n ¢
4t
un+1 n n n
j ¡ = 4tfj + uj + α 2h2 ¢ uj+1 − 2uj + uj−1
n
α4t n
+ 2h2 uj+1 − 2un+1j + un+1
j−1 ∀j = 0, ...N, ∀n ∈ N
n n
u0 = uN +1 = 0, ∀n ∈ N
u0j = sin(πxj ) ∀j = 1, ......., N.
1. Expliquer comment on obtient ce schéma.
2. Ecrire l'organigramme correspondant.
Travail de programmation
3 Ecrire le programme correspondant.
Cas de calcul
4 Exécuter
½ le programme pour :
f (x) = 0, α = 1
h = 0.1 , k = 0.01.
Travail demandé
Appliquer la méthode des dierences nies à (L1).
1. Ecrire les organigrammes correspondants
Travail de programmation
2 Ecrire les programmes correspondants.
Cas de calcul
3 Exécuter
½ les programmes pour :
K = 0.1
1
h = 4r = 10 , k = 4t = 12 .
T (x, y) = θe sur Γe ,
T (x, y) = θi sur Γi .
Travail demandé
Appliquer la méthode des dierences nies à ce problème.
1. Ecrire les organigrammes correspondants
Travail de programmation
2 Ecrire les programmes correspondants.
Cas de calcul
3 Exécuter les programmes pour :
θe = 50, θi = 1150,
L1 = 60, L2 = 80, L3 = L4 = 20.
a. Écrire un programme qui calcul numériquement la solution de l'équation à l'aide d'un schéma
explicite. On choisira ρ = 1 et T = 1. Bien entendu, il est impossible d'utiliser la méthode des dif-
férences nies sur tout entier. On se restreindra donc à un gros domaine, par exemple ] − 10, 10[
et on imposera les conditions u(10, t) = u(−10, t) = 0 pour tout temps t. A chaque itération en
temps (ou toutes les p itérations), on visualisera la solution obtenue.
A) Formulation du problème
Considérons l'équation aux dérivées partielles suivante :
B) Euler explicite
On considère à présent une discrétisation en temps tn = nk. L'équation (2), discrétisée par le
schéma d'Euler explicite, s'écrit sous la forme de l'itération suivante :
U n+1 = (I − λP ) U n . (17.3)
ak
avec λ = h2 et la condition initiale Ui0 = u0 (xi ).
Travail 1 : Coder en matlab la matrice I − λP ainsi que l'itération (4).
Travail 2 : Quelle est la condition de stabilité de ce schéma, vue en cours ? Quelle relation,
avec les paramètres de l'application numériqueci-dessus, a-t-on entre λ et k? Comment se traduit
la condition de stabilité pour le choix de k dans notre cas.
Considérons le schéma explicite centré suivant :
Travail 3 : On note Xk le multiple de k le plus proche de 10. Calculer U (Xk ) pour les valeurs
suivantes de k :
k = 0.1, 0.2, 0.3, 0.4, 0.45, 0.49, 0.51, 0.55, 0.6, 1, 2.
Considérons le problème d'un mur d'épaisseur `, qui se trouve initialement à une température
uniforme θ0 (température de la chambre). À l'instant t = 0, la température extérieure (en x = 0)
monte brusquement à θs > θ0 , valeur maintenue constante par une source de chaleur. On suppose
que la température à x = ` est gardée à sa valeur initiale θ0 . La propagation de la chaleur dans le
mur (de diusivité thermique κ) sera décrite par l'équation de la chaleur :
∂u ∂2u
− κ 2 = 0, (18.1)
∂t ∂x
avec l'inconnue u(x, t) = θ(x, t) − θ0 , la condition initiale u0 (x) = 0 et les conditions aux limites
de Dirichlet :
u(0, t) = θs − θ0 = us , u(`, t) = 0, ∀t > 0. (18.2)
Question n◦ 1 : Cas du domaine inni : Pour un mur d'épaisseur innie (` → ∞) on va
chercher la solution sous la forme :
x
u(x, t) = f (η), avec η = √ . (18.3)
2 κt
d2 f df
2
+ 2η = 0. (18.4)
dη dη
Écrire et résoudre l'équation diérentielle ordinaire vériée par chaque fonction ûk . Vérier
que la solution de l'équation de la chaleur avec les conditions aux limites (18.2) s'écrit sous la
forme :
X µ ³ ´ ¶
x kπ 2
u(x, t) = (1 − )us + Ak exp − κt φk (x). (18.8)
` ∗
`
k∈N
2us
Montrer que Ak = − .
kπ
Considérons la discrétisation du problème
en espace
M
[ −1
[0, `] = [xm , xm + h], xm = mδx, m = 0, 1, . . . , M, δx = `/M, (18.9)
m=0
et en temps
N[
−1
[0, tmax ] = [tn , tn + δt], tn = nδt, δt = tmax /N. (18.10)
n=0
δt 1
κ 2
≤ (18.12)
δx 2
Comparer la solution numérique avec la solution analytique donnée par (18.8). Décrire l'amortis-
sement des ondes présentes dans la condition initiale.
1 1
On introduit une discrétisation au noeud xi = ih à l'instant t = ks où h = N +1 et s = T , T
étant donné de façon arbitraire.
Travail demandé :
1) Donner un schéma explicite aux diérences nies pour ce problème.
2) Programmer et tester ce schéma pour les diérentes valeurs de N et s.
Ecrire l'approximation des conditions aux limites
l
Soit N un entier, on subdivise [0, l] en segments de londueur h = N +1 . Soit xi = ih, i =
0, ..., N + 1. On va chercher une solution approchée (v0 , ..., vN +1 ) dénie en les xi .
T
Naturellement on prend v0 = vN +1 = 0 et on cherche Vh = (v1 , ..., vN ) .
1. Si Φ une fonction de classe C 4 sur R. Montrer que, ∀x ∈ R, il existe α ∈ ]−1, 1[ tel que
2. Ecrire les équations en les xi en remplaçant u00 (xi ) par l'expression précédente.
3. En négligeant le terme en h2 et en remplaçant u(xi ) par vi , écrire le problème (Ph ) sous la
forme ¡ ¢T
Ah Vh = Fh où Ah ∈ RN ×N , Fh = h2 f (x1 ), ..., h2 f (xN )
4. Résoudre numériquement le système Ah Vh = Fh . (cas de calcul : l = 1, c(x) = x, N =
4, 10, 20, 50, 100)