Introduction `a la methode des dierences nies

S. Dugowson
13 fevrier 2012
Table des mati`eres
1 Presentation generale de la methode
Lobjet de la methode des dierences nies est lobtention de solutions
approchees de probl`emes aux derivees partielles (=equations aux derivees
partielles + conditions aux limites ou initiales), en certains points (les nuds)
de leur domaine.
1.1 Principe de la methode sur un exemple
On consid`ere le probl`eme de la poutre (dej`a considere dans le cours sur les
elements nis), `a savoir une equation dierentielle sur [0, 1] avec des condi-
tions aux limites (ce nest pas un probl`eme de Cauchy !) :
_
_
_
u

(x) + c(x)u(x) = f(x)

u(0) =
u(1) =
1.1.1 Discretisation du domaine
Pour N entier assez grand, on discretise le domaine avec une nesse qui
crot avec N, nesse pouvant egalement etre associee `a une longueur ca-
racteristique h destinee `a tendre vers 0 quand N .
Dans le cas present, le plus simple est de realiser une discretisation reguli`ere
en posant h =
1
N + 1
et en choisissant les nuds x
k
denis pour tout
k {0, ..., N + 1} par
x
k
= k.h =
k
N + 1
1
Les bords du domaine [0, 1], `a savoir 0 et 1, concident ici avec x
0
et x
N+1
.
Les autres nuds, i.e. les x
k
pour k {1, ..., N} sont les nuds interieurs.
1.1.2 Notation adaptee `a la discretisation
Notations u
k
, c
k
, f
k
...
1.1.3 Approximation des conditions aux limites
Dans le cas present, on peut ecrire exactement
x
0
=
x
N+1
=
On dit quil ny a pas derreur de consistance associee `a lexpression des
conditions aux limites.
1.1.4 Approximation des operateurs dierentiels
Idee Cest lidee essentielle de la methode des dierences nies, et elle est
fort simple : la derivee dune fonction est la limite dun taux daccroissement,
en sorte que lon peut approcher une telle derivee par un taux daccroisse-
ment, ou quotient de dierences nies (ni soppose ici `a innitesimal ).
Approximation dune derivee premi`ere
Approximation dune derivee seconde
Obtention des operateurs aux dierences nies par calcul symbo-
lique
1.1.5 Ecriture du syst`eme lineaire
2
1.1.6 Resolution du syst`eme lineaire
Nous ne developperons pas dans ce cours les methodes de resolution des
syst`emes lineaires.
Signalons simplement quil existe essentiellement deux types de methodes :
les methodes directes (p. ex. la methode du pivot de Gauss),
les methodes iteratives.
Parmi les methodes iteratives, on peut notamment classer les methodes de
gradient, tr`es ecaces pour les syst`emes dont la matrice est denie positive.
Description rapide du principe de la methode du gradient pour le
syst`eme Au = b
3
1.2 Les trois concepts fondamentaux
1.2.1 Notion de schema aux dierences, formulation et notations
Un probl`eme aux derivees partielles peut secrire
Lu = f
o` u linconnue est une fonction u U et f est une fonction donnee appartenant
`a un espace F.
Remarque 1. Lexpression Lu = f inclut non seulement lequation ou le
syst`eme dequations dierentielles ou aux derivees partielles, mais aussi les
conditions aux limites et les conditions initiales.
Pour chaque pas de discretisation spatiale h (ou de discretisation tem-
porelle ) associe `a un param`etre entier N destine `a tendre vers +, on a
des espaces de dimension nie U
h
et F
h
(dependant de facon croissante de
N), avec le plus souvent dim(U
h
) = dim(F
h
) (dans lexemple de la poutre,
dim(U
h
) = N).
Pour chaque h, la fonction donnee f F conduit par restriction aux
nuds du maillage `a un vecteur f
h
F
h
.
Pour chaque valeur de h, la fonction inconnue u sera approchee (en un
sens `a preciser) par un vecteur u
h
U
h
, solution dune equation en dimension
nie
L
h
u
h
= f
h
,
o` u L
h
est un operateur bijectif entre les espaces U
h
et F
h
. Dans le cas dun
probl`eme lineaire i.e. L est un operateur lineaire L
h
sera lui-meme une
application lineaire, identiee `a une matrice carree de dimension donnee par
la dimension commune des espaces U
h
et F
h
. La famille des syst`emes lineaires
(de dimension croissante) L
h
u
h
= f
h
constitue ce quon appelle un schema
aux dierences pour le probl`eme Lu = f.
Notation [u]
h
Les notations precedentes sont un peu ambig ues, dans la
mesure o` u il est essentiel, pour comprendre la methode et etudier la conver-
gence des schemas, de bien distinguer les valeurs aux points x
k
de la fonction
u, solution exacte du probl`eme dierentiel, des valeurs approchees donnees
par la methode, cest-` a-dire les solutions du schema aux dierence.
Precisons donc les notations qui seront employees `a partir de maintenant.
Pour une valeur de h donnee, les valeurs prises aux nuds x
k
de la solution
exacte u du probl`eme dierentiel sont les u(x
k
), elles forment un vecteur note
[u]
h
R
P
N
, o` u P
N
est le nombre de nuds x
k
pour la valeur de h consideree.
4
Dun autre cote, u
h
R
P
N
U
h
designe la solution du schema. La
composante du vecteur u
h
correspondant au nud x
k
est u
h
(x
k
), et sil ny
a pas dambigute sur la valeur de h, on la notera souvent u
k
.
Les expressions u(x
k
) et u
k
designerons donc des quantites distinctes, et
on aura
u
h
=
_
_
_
u
1
.
.
.
u
P
N
_
_
_
et
[u]
h
=
_
_
_
u(x
1
)
.
.
.
u(x
P
N
)
_
_
_
1.2.2 Convergence
Une suite dans une suite despaces...
Choix de normes coherentes
Denition de la convergence
1.2.3 Consistance
5
1.2.4 Stabilite
[avec cette section se termine le cours du 1
er
mars]
6
1.3 Exemple : membrane statique sur un contour
7
1.4 Comparaison entre dierences nies et elements
nis
8
2 Probl`emes devolution
2.1 Specicite des probl`emes devolution
Dans les probl`emes devolution, une des dimensions du domaine est le
temps.
Du fait que le temps est oriente, les probl`emes devolution presentent,
en relation avec les notions de causalite et de determinisme, des caract`eres
speciques qui se retrouvent egalement dans les techniques de resolution.
Lidee fondamentale est grosso modo que lon va suivre dans la resolution
numerique approchee le deroulement temporel du phenom`ene. Ainsi, apr`es
avoir discretise le temps, on cherche la solution approchee dinstant en ins-
tant.
2.2 Cas dune equation dierentielle du premier ordre
Le principe precedent se traduit tr`es simplement dans le cas des equations
dierentielles dordre 1 (mais rappelons que toute equation dierentielle

nor-
male

peut se ramener `a une equation dierentielle dordre 1 en augmentant

la dimension de lespace o` u la fonction inconnue evolue).
Une discretisation de lintervalle de temps I R en instants t
k
ayant ete
faite, la methode dEuler consiste ainsi `a approcher la solution du probl`eme
de Cauchy
_
y

(t) = f(y(t), t)
y(0) = y
0
par la suite de premier terme y
0
veriant la recurrence
y
n+1
= y
n
+ (t
n+1
t
n
)f(y
n
, t
n
).
La justication de ceci est que si lon avait des valeurs exactes, laccrois-
sement de y
n+1
y
n
serait donnee par lintegrale entre les deux instants
consideres de f(y(t), t) ; or (t
n+1
t
n
)f(y
n
, t
n
) est laire dun rectangle qui
approche eectivement cette integrale.
On pourrait raner ce resultat en faisant appel `a des developpements
un peu moins limites, donc aux formules de Taylor, mais cela conduit ` a des
formules compliquees, tandis que dautres methodes ce sont revelees plus
ecaces : les methodes de Runge-Kutta. Comme vous en aurez loccasion de
lutiliser dans les TP de MATLAB, je vais maintenant dire quelques mots `a
ce sujet, en presentant la plus frequement utilisee de ces methodes : RG4,
cest-` a-dire la methode de Runge-Kutta `a lordre 4.
9
2.2.1 Complement : methodes de Runge-Kutta
On consid`ere pour simplier une discretisation uniforme du temps, avec
y
k
= k, o` u est le pas de discretisation uniforme.
Faire le schema pour un probl`eme plan (y : I R R
2
) : apr`es avoir
place y
k
, on represente la vitesse v
1
= f(y
k
, k), puis de deux facons v
2
=
f(y
k
+

2
v
1
, (k +
1
2
)), puis de deux facons v
3
= f(y
k
+

2
v
2
, (k +
1
2
)), et
encore v
4
= f(y
k
+v
3
, (k +1)), et la recurrence de Runge-Kutta dordre 4
est alors denie par la formule
y
k+1
= y
k
+
v
1
+ 2v
2
+ 2v
3
+ v
4
6
10
2.3 Convergence, consistance et stabilite pour les pbms
devolution
2.3.1 Sur un exemple simple
11
2.3.2 Formulation canonique
12
2.3.3 Conditions de stabilite
Remarque. Il y a une dierence `a faire, meme sil y a des liens, entre :
la stabilite dun schema (en temps ni ou non) lorsque le pas de discretisation
tend vers 0,
la stabilite asymptotique (pour une discretisation donnee) quand le
temps devolution tend vers linni,
Rappel sur le rayon spectral Denition du rayon spectral.
Relation entre norme matricielle et rayon spectral
Deux conditions susantes et une condition necessaire
13
2.4 Exemple : probl`eme de la chaleur
14