Résolution de

l’equation de
diffusion convection
par les methodes de
de Différences finies
et Volumes finies

Encadré par :
Prof. NJIFENJOU
Préparé par :
Des étudiants

Année Universitaire:
2018 - 2019

Cahier de charge du
Mini-Projet d’Analyse
Numérique .
Technologie De Construction Industrielle

1
La Faculté de Génie Industriel de l’université de Douala propose dans son unité
d’enseignement Analyse numérique plusieurs méthodes permettant de résoudre, par des
calculs numériques, des problèmes d’analyse mathématique. Permettant de résoudre des
équations aux dérivées partielles. Ce document resitue le contexte de ce projet et détaille
les différentes phases d’analyse et de conception nécessaire à la réalisation d’un
programme de résolution des équations aux dérivées partielles en analyse numérique.

2
 Sommaire
I. INTRODUCTION
II. DESCRIPTION DU PROJET
1. Objectifs du projet
2. Fonctionnalités du projet
III. CONTRAINTES DU PROJETS
IV. DEROULEMENT DU PROJET
1. Planification
2. Ressources

Remarque : Nous avons choisi l’outil MATLAB pour la programmation et la

visualisation des solutions.

3
 I. INTROCUCTION
Dans le cadre de l’unité d’enseignement Analyse Numérique à La Faculté de Génie Industrielle
de l’université de Douala, il nous ait demandé de travailler sur le calcul de la distribution de charge
hydraulique et de concentration courante d’un polluant.

Pour aborder le calcul numérique (à l’aide d’un outil informatique) des solutions d’un problème
réel, on passe par les étapes suivantes :

 Description qualitative des phénomènes physiques

Cette étape, effectuée par des spécialistes des phénomènes que l’on veut quantifier (ingénieurs,
chimistes, biologistes etc..) consiste à répertorier tous les mécanismes qui entrent en jeu dans le
problème qu’on étudie.
 Modélisation
Il s’agit, à partir de la description qualitative précédente, d’écrire un modèle mathématique. On
supposera ici que ce modèle amène à un système d’équations aux dérivées partielles (EDP).
Selon les hypothèses effectuées, la modélisation peut aboutir à plusieurs modèles, plus ou
moins complexes. Dans la plupart des cas, on ne saura pas calculer une solution analytique,
explicite, du modèle ; on devra faire appel à des techniques de résolution approchée.
 Analyse mathématique du modèle mathématique
Même si l’on ne sait pas trouver une solution explicite du modèle, il est important d’en étudier
les propriétés mathématiques, dans la mesure du possible. Il est bon de se poser les questions
suivantes :
- Le problème est-il bien posé? c’est-`a-dire y–a–t’il existence et unicité de la solution ?
- Les propriétés physiques auxquelles on s’attend sont-elles satisfaites par les solutions du
modèle mathématique? Si l’inconnue est une concentration, par exemple, peut-on prouver que
la solution du modèle sensé la représenter est toujours positive ?
- Y’a-t-il, continuité de la solution par rapport aux données ?
 Discrétisation et résolution numérique
Un problème posé sur un domaine continu (espace - temps) n’est pas résolvable par un
ordinateur, qui ne peut traiter qu’un nombre fini d’inconnues. Pour le ramener à un problème
en dimension finie, on discrétise l’EDP.
 Analyse numérique
IL s’agit maintenant de l’analyse mathématique du schéma numérique. En effet, une fois la
discrétisation du problème obtenu, il est raisonnable de se demander si la solution de ce
problème est proche, et en quel sens, du problème continu.
 Mise en œuvre, programmation et analyse des résultats
La partie mise en œuvre est une grosse consommatrice de temps. Actuellement, de nombreux
codes commerciaux existent, qui permettent en théorie de résoudre tous les problèmes. Il faut
cependant procéder à une analyse critique des résultats obtenus par ces codes, qui ne sont pas
toujours compatibles avec les propriétés physiques attendues...

4
 II. DESPCRIPTION DU PROJET
1. OBJECTIFS DU PROJET

Ce travail entre dans le cadre de l’analyse numérique, pour visualiser les modèles tel
que dans les problèmes de diffusion et de convection qui décrivent les phénomènes physiques
aux systèmes des équations linéaires traités par programmation à l’aide d’un ordinateur. Cette
tâche sera basée sur les méthodes mathématiques diverses. Dans ce travail nous entendons
discrétiser les EDP, dans l’optique de visualiser la forme de leurs solutions à titre d’exemple,
nous prenons l’équation de l’écoulement d’un fluide (un polluant) dans une cavité, par la
méthode mixte (différences finis, volumes finis) et à la fin on arrivera à connaître la distribution
des charges hydrauliques et de concentration courante du polluant en espace /temps le long
d’une colonne de sol.

2. FONCTIONNALITES CIBLEES
Les fonctionnalités attendues de l'application sont les suivantes :

 Gestion des conditions aux limites

 Gestion des constantes et différentes variables
 Gestion des variables sortantes et entrantes
 Mise en place des fonctionnalités différentes
 Visualisation des différentes solutions
 Amélioration du processus de modélisation

5
 III. CONTRAINTES DU PROJET

CONTRAINTES EN TERMES DE DELAIS

A partir de l’attribution du TP et compte tenu de la complexité des problèmes, nous

avons disposons d’environ un mois pour la conception et réalisation du programme. Le délai
semble court pour le projet entier dédié à la modélisation des processus de diffusion, mais reste
suffisant pour se concentrer sur la partie prévue pour la simulation des différents mesh
(maillage).

CONTRAINTES TECHNIQUE

Pour la réalisation de notre TP, nous disposons de tous les modèles (courant et de
transport) sur lesquelles nous devrons baser notre programme. La structure de notre
programme doit être extensible pour la résolution tous les problèmes du même type ou même
dans les autres unités de l'Université. De plus, le développement devra suivre toutes les normes
techniques pour une meilleure performance, maintenance et facilité de mise à jour.

6
 IV. DEROULEMENT DU PROJET
1. PLANIFICATION

Une première analyse du projet nous a permis de définir une suite d’étapes à suivre pour sa
réalisation.

 FIRST STEP: Discretization of the flow model with the help of Finite
Difference Method

Governing equation are (flow model):

−[𝑘(𝑥)𝐻]′ = 𝑓 𝑎. 𝑐. 𝑖𝑛 ]𝑎; 𝑏[
{
𝐻(𝑎) = 𝛼 𝑎𝑛𝑑 𝐻(𝑏) = 𝛽
Cas homogène 𝐾 est un coefficient réel (> 0) uniforme.
−𝑘𝐻 ′′ (𝑥) = 𝑓(𝑥) 𝑎. 𝑐. 𝑖𝑛 ]𝑎; 𝑏[
{
𝐻(𝑎) = 𝛼 𝑎𝑛𝑑 𝐻(𝑏) = 𝛽
 Etape 1: definition d’un maillage
Soit (𝑥𝑘 )𝑘=0,…,𝑁+1 une subdivision de [𝑎; 𝑏], avec :

𝑥0 = 𝑎 < 𝑥1 < 𝑥2 < ⋯ < 𝑥𝑁 < 𝑥𝑁+1 = 𝑏.

Pour 𝑖 = 0,1, … , 𝑁, 𝑁 + 1, on note ℎ𝑖+1/2 = 𝑥𝑖+1 − 𝑥𝑖 et on définit le « le pas » du maillage
par :
ℎ= max ℎ𝑖+1/2
𝑖=0,…,𝑁+1

Pour simplifier l’exposé, on se limitera dans un premier temps à un pas constant :

ℎ = ℎ𝑖+1 ∀ 𝑖 ∈ [0; 𝑁]
2

Soit 𝑁 ∈ ℕ fixé. On définit les points de discrétisations du maillage par :

7
 𝑏−𝑎
𝑥𝑖 = 𝑖ℎ + 𝑎, ∀ 𝑖 ∈ {0,1, … , 𝑁 + 1}, 𝑜ù ℎ =
𝑁+1
Les points 𝑥0 = 𝑎 𝑒𝑡 𝑥𝑁+1 = 𝑏 constituent le bord du domaine (les extrémités de
l’intervalle de définition de la fonction H), et les points 𝑥1 , … , 𝑥𝑁 sont appelés les points
internes du maillage.
On cherche en chacun de ces points une valeur approchée, notée 𝐻𝑖 , de 𝐻(𝑥𝑖 ). On
prend naturellement 𝐻0 = 𝐻(𝑎) = 𝛼 𝑒𝑡 𝐻𝑁+1 = 𝐻(𝑏) = 𝛽.
Les deux ingrédients principaux par l’approximation par différences finies sont le
schéma d’approximation des dérivées et de la grille de discrétisation.
 Étape 2:
On écrit les équations aux dérivées partielles (1.1.1) au point 𝑥𝑖
−𝐾𝐻 ′′ (𝑥𝑖 ) = 𝑓(𝑥𝑖 ) ∀ 𝑖 = 1, … , 𝑁
Effectuons un développement de Taylor en 𝑥𝑖 :
𝐻 ′ (𝑥𝑖 ) 𝐻 ′′ (𝑥𝑖 ) 𝐻 ′′′ (𝑥𝑖 )
𝐻(𝑥𝑖+1 ) = 𝐻(𝑥𝑖 ) + (𝑥𝑖+1 − 𝑥𝑖 ) + (𝑥𝑖+1 − 𝑥𝑖 )2 + (𝑥𝑖+1 − 𝑥𝑖 )3
1! 2! 3!
𝐻 (4) (𝑎𝑖+ )
+ (𝑥𝑖+1 − 𝑥𝑖 )4
4!
𝐻 ′ (𝑥𝑖 ) 𝐻 ′′ (𝑥𝑖 ) 2 𝐻 ′′′ (𝑥𝑖 ) 3 𝐻 (4) (𝑎𝑖+ ) 4
⇒ 𝐻(𝑥𝑖+1 ) = 𝐻(𝑥𝑖 ) + ℎ+ ℎ + ℎ + ℎ
1! 2! 3! 4!
𝐻 ′ (𝑥𝑖 ) 𝐻 ′′ (𝑥𝑖 ) 2 𝐻 ′′′ (𝑥𝑖 ) 3 𝐻 (4) (𝑎𝑖+ ) 4
⇒ 𝐻(𝑥𝑖−1 ) = 𝐻(𝑥𝑖 ) − ℎ+ ℎ − ℎ + ℎ
1! 2! 3! 4!
Avec 𝑎𝑖+ ∈ [𝑥𝑖 , 𝑥𝑖+1 ], 𝑎𝑖− ∈ [𝑥𝑖−1 , 𝑥𝑖 ]. En additionnant, on obtient :
𝐻(𝑥𝑖+1 ) + 𝐻(𝑥𝑖+1 ) = 2𝐻(𝑥𝑖 ) + ℎ2 𝐻 ′′ (𝑥𝑖 ) + 𝑇ℎ(ℎ2 )
On observe qu’on obtient N équations servant à déterminer les N inconnues 𝐻1 , … , 𝐻𝑁 .
On dit usuellement qu’on a discrétisé le problème par une méthode de différences
finies utilisant le schéma à trois points de la dérivée seconde. On note que la
connaissance des conditions au bord 𝜑0 et 𝜑𝑁+1 est nécessaires à la résolution du
système, puisqu’elles apparaissent dans (4) lorsque i = 1 et i = N.
 Le schéma de différence finie pour le model de transport est ainsi :
̅̅̅𝑖 }𝑁
𝐹𝑖𝑛𝑑 {𝐻 𝑖=1 ⊂ ℝ 𝑠𝑢𝑐ℎ 𝑡ℎ𝑎𝑡
𝐾
̅̅̅̅̅̅
[−𝐻 ̅̅̅ ̅̅̅̅̅̅
𝑖−1 + 2𝐻𝑖 − 𝐻𝑖+1 = 𝑓(𝑥𝑖 ) ∀ 1 ≤ 𝑖 ≤ 𝑁 + 1
ℎ2
𝑤𝑖𝑡ℎ ̅̅̅
𝐻0̅ = 𝛼 𝑎𝑛𝑑 𝐻
̅̅̅̅̅̅̅
𝑁+1 = 𝛽

Matriciellement, le problème s’écrit:

8
 𝑲
̅ 𝒉 = 𝑭 − 𝑵𝒉 (5)
𝑴𝒉 𝑯
𝒉𝟐

2 −1 0 ⋯ 0
−1 2 −1 ⋱ ⋮
𝑀ℎ = 0 ⋱ ⋱ ⋱ 0 ∈ 𝑀𝑁 (ℝ)
⋮ ⋱ −1 2 1
[0 ⋯ 0 −1 2]
𝑓(𝑥1 ) ̅𝐻
̅̅1̅ ̅𝐻̅̅0̅
𝑓(𝑥2 ) ̅̅
𝐻2̅̅ 0
𝐹= ⋮ ∈ 𝑀𝑁 (ℝ), ̅̅̅̅
𝐻ℎ = ⋮ ∈ 𝑀𝑁 (ℝ), 𝑁ℎ = ⋮ ∈ 𝑀𝑁 (ℝ)
𝑓(𝑥𝑁−1 ) ̅
𝐻𝑁−1 0
( 𝑓(𝑥 )
𝑁 ) ( ̅̅̅̅
𝐻𝑁 ) ̅𝑁+1 )
(𝐻

On rappelle que la vitesse de Darcy ф(H) est donnée par ф(H) = −KH′
 SECOND STEP : Implémentation of the Finite Difference Flow Model on a computer
Le développement du model courant nous permet d’avoir l’équation 𝐴 ∗ 𝐻 = 𝐵 que l’on va
résoudre par la méthode de CHOLESKY.
ℎ2
𝑓 (𝑥1 ) + 𝐻(𝑎)
𝐾
ℎ2
2 −1 0 … 0 𝑓(𝑥2 )
𝐾
−1 2 ⋱ ⋱ ⋮ ⋮
𝐴= 0 ⋱ ⋱ −1 0 𝐵= ⋮
⋮ ⋱ −1 2 −1 ⋮
… ℎ2
(0 0 −1 2) 𝑓(𝑥𝑁−1 )
𝐾
ℎ2
( 𝐾 𝑓 (𝑥𝑁 ) + 𝐻(𝑏))
RESOLUTION PAR LA METHODE DE CHOLESKY
Pour cette résolution on a utilisé 3 fonction :
La fonction MRemonté :

9
La fonction MDéscente :

10
La fonction CHOLESKY : qui nous renvoie la valeur de H après avoir entré les données

11
Script permettant de tracé la courbe approchée de H :

12
13
14
Tracé de la courbe exacte de H et l’erreur de convergence entre la courbe exacte et la
courbe approchée :

 THIRD STEP: Finite Volume Discretization of the transport Model

𝜕𝑢(𝑥, 𝑡)
− 𝜀𝑢′′ (𝑥, 𝑡) + 𝛷(𝐻)𝑢′ (𝑥, 𝑡) = 0 𝑝𝑜𝑢𝑟 𝑥 ∈]𝑎; 𝑏[ 𝑒𝑡 𝑡 ∈]0; 𝑇]
𝜕𝑡
{
𝑢(𝑎, 𝑡) = 𝑈𝑚𝑖𝑛 (𝑡) 𝑎𝑛𝑑 𝑢(𝑏, 𝑡) = 𝑈max (𝑡) ∀ 0 ≤ 𝑡 ≤ 𝑇
𝑢(𝑥, 𝑜) = 𝑢𝑖𝑛𝑖𝑡 (𝑥) 𝑖𝑛 [𝑎; 𝑏]

ε : coefficient de diffusion moléculaire

s : fonction densité par unité de longueur
Etape 1 :
Définition d’un maillage espace-temps

 Maillage spatial

Soit = {]𝑥𝑖 , 𝑥𝑖+1 [}𝑁

𝑖=0 . on note ζ* le maillage dual associé à ζ et défini par :

𝜁 ∗ = {𝛺𝑖 }𝑁+1
𝑖=0

Où on posé 𝛺𝑖 = ]𝑥𝑖−ℎ , 𝑥𝑖+ℎ [ ∩ 𝛺 ∀ 0 ≤ 𝑖 ≤ 𝑁 + 1

2 2

 Maillage (ou discrétisation) temporel

15
soit M un nombre entier positif et on pose :
𝑇
∆𝑡 =
𝑀
On définit en suite la suite {𝑡𝑛 }𝑀
𝑛=0 ⊂ [0, T] par :

𝑡𝑛 = 𝑛∆𝑡 ∀ 0 ≤ 𝑛 ≤ 𝑀 (𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒𝑟 𝑞𝑢𝑒 𝑡𝑛 = 𝑇)

Etape 2 :
Discrétisation de l’équation bilan (7) par la Méthode des Volumes Finis en espace/temps.
Définition : on appelle maillage espace/temps une partie de 𝛺̅ × [0, 𝑇] de forme 𝛺𝑖 ×
[𝑡𝑛 , 𝑡𝑛+1 ], 𝑜ù 0 ≤ 𝑖 ≤ 𝑁 + 1 𝑒𝑡 0 ≤ 𝑛 ≤ 𝑀 − 1.

𝜕𝑢(𝑥, 𝑡) 𝜕 2 𝑢(𝑥, 𝑡) 𝜕𝑢(𝑥, 𝑡)

∫ 𝑑𝑥𝑑𝑡 − 𝜀 ∫ 2
𝑑𝑥𝑑𝑡 − ∫ 𝛷(𝐻) 𝑑𝑥𝑑𝑡
𝛺𝑖 ×[𝑡𝑛 ,𝑡𝑛+1 ] 𝜕𝑡 𝛺𝑖 ×[𝑡𝑛 ,𝑡𝑛+1 ] 𝜕𝑥 𝛺𝑖 ×[𝑡𝑛 ,𝑡𝑛+1 ] 𝜕𝑥

=∫ 𝑠𝑑𝑥𝑑𝑡
𝛺𝑖 ×[𝑡𝑛 ,𝑡𝑛+1 ]

Rappel (Théorème de Fubini-Tonelli)

Soit 𝜴𝒙 𝒆𝒕 𝜴𝒚 deux ouverts (non vides) de ℝ𝑵

𝒙 et ℝ𝒚 munis de leur tribus de Borel.
𝑷

Respectives.

Soit : 𝑭: 𝜴𝒙 × 𝜴𝒚 → ℝ fonction mesurable. Alors on a sous les hypothèses suivantes :

(H1)𝑭(𝒙,∙) ∈ 𝑳𝟏 (𝜴𝒚 ) 𝒑. 𝒑. ∀ 𝒙 ∈ 𝜴𝒙

(H2)𝑭(∙, 𝒚) ∈ 𝑳𝟏 (𝜴𝒙 ) 𝒑. 𝒑. ∀ 𝒙 ∈ 𝜴𝒚

La conclusion:

𝑭 ∈ 𝑳𝟏 (𝜴𝒙 × 𝜴𝒚 ) ⇔ ∫ (∫ 𝑭(𝒙, 𝒚)𝒅𝒙)𝒅𝒚 = ∫ (∫ 𝑭(𝒙, 𝒚)𝒅𝒚)𝒅𝒙

𝜴𝒚 𝜴𝒙 𝜴𝒙 𝜴𝒚

Par application du Théorème de Fubini-Tonelli à l’équation (7) dans la maille espace-

temps 𝛺𝑖 × [𝑡𝑛 , 𝑡𝑛+1 ], on obtient :
𝑡𝑛+1
∫ [𝑢(𝑥, 𝑡𝑛+1 ) − 𝑢(𝑥, 𝑡𝑛 )]𝑑𝑥 + 𝜀 ∫ [{−𝑢′ (𝑥𝑖+1 , 𝑡)} − {−𝑢′ (𝑥𝑖−1 , 𝑡)}] 𝑑𝑡
𝛺𝑖 𝑡𝑛 2 2

+ ∆𝑡 ∫ 𝛷(𝐻)𝑢′(𝑥, 𝑡𝑛+1 )𝑑𝑥 ≈ ∫ 𝑠(𝑥, 𝑡)𝑑𝑥𝑑𝑡

𝛺𝑖 𝛺𝑖 ×[𝑡𝑛 ,𝑡𝑛+1 ]

𝛷(𝐻) ≈ 𝛷(𝐻2 )
𝑡𝑛 + 𝑡𝑛+1
𝑡𝑛+1 ∆𝑡𝜁( )
2
∫ 𝜁(𝑡)𝑑𝑡 ≈ { ∆𝑡𝜁(𝑡 ) ∆𝑡 = 𝑡𝑛+1 −𝑡𝑛
𝑡𝑛 𝑛
∆𝑡𝜁(𝑡𝑛+1 )

16
⇒Par application de formule de Rectangle centré à l’intégrale ∫𝛺 [𝑢𝑛+1 (𝑥) − 𝑢𝑛 (𝑥)]𝑑𝑥 on
𝑖
obtient,

∫ [𝑢𝑛+1 (𝑥) − 𝑢𝑛 (𝑥)]𝑑𝑥 ≈ ℎ[𝑢𝑖𝑛+1 (𝑥) − 𝑢𝑖𝑛 (𝑥)]

𝛺𝑖

⇒par appliation de la formule de Rectangle décentrée à l’intégrale

𝑡𝑛+1

𝜀 ∫ [{−𝑢′ (𝑥 ℎ , 𝑡)} − {−𝑢′ (𝑥 ℎ , 𝑡)}] 𝑑𝑡

𝑖+ 𝑖−
2 2
𝑡𝑛

On obtient
𝑡𝑛+1

𝜀 ∫ [{−𝑢′ (𝑥 ℎ , 𝑡)} − {−𝑢′ (𝑥 ℎ , 𝑡)}] 𝑑𝑡

𝑖+ 𝑖−
2 2
𝑡𝑛

≈ 𝜀∆𝑡 [{−𝑢′ (𝑥 ℎ , 𝑡𝑛+𝜃

̂ )}
𝑖+
2

− {−𝑢′ (𝑥 ℎ , 𝑡𝑛+𝜃
̂ )}] (𝐴𝑃𝑃𝑅𝑂𝑋𝐼𝑀𝐴𝑇𝐼𝑂𝑁 𝐷𝐸𝑆 𝐸𝐹𝐹𝐸𝑇𝑆 𝐷𝐼𝐹𝐹𝑈𝑆𝐼𝐹𝑆)
𝑖−
2

Approximation des effets CONVECTIFS décrites par :

∆𝑡 ∫ 𝛷(𝐻)𝑢′(𝑥, 𝑡𝑛+𝜃̂ )𝑑𝑥

𝛺𝑖

∫ 𝑑𝑖𝑣[𝑢𝛷(𝐻)] = ∑ ∫ 𝑢𝛷(𝐻). 𝜈𝑑𝑥

𝛺𝑖 𝑎∈𝐴(𝛺𝑖 ) 𝑎

∆𝑡 ∫ 𝛷(𝐻)𝑢′(𝑥, 𝑡𝑛+𝜃̂ )𝑑𝑥 ≈ 𝜑̅(𝐻𝑖 )∆𝑡 [{−𝑢 (𝑥 ℎ , 𝑡𝑛+𝜃

̂ )} − {−𝑢 (𝑥 ℎ , 𝑡𝑛+𝜃
̂ )}]
𝑖+ 𝑖−
𝛺𝑖 2 2

𝑛+𝜃
≈ 𝛷(𝐻)∆𝑡[𝑢𝑖+1 − 𝑢𝑖𝑛+𝜃 ]

⇒diffusion term approximation

Let us consider first the following diffuse term:
𝜕𝑢(𝑥, 𝑡)
(𝑥 ℎ , 𝑡𝑛+𝜃̂ )
𝜕𝑥 𝑖+
2

We assume that the true solution u lies in Ϛ1 ([0, 𝑇], Ϛ4 (𝛺̅)) space of continuously differentiable
function defined from [0,T] to Ϛ3 (𝛺̅). According to Taylor’s theorem, we get that:

1 𝜕𝑢 ℎ 1 𝜕2𝑢 ℎ 2
𝑢(𝑥𝑖+1 , 𝑡𝑛+𝜃̂ ) = 𝑢 (𝑥 1 , 𝑡𝑛+𝜃
̂) + (𝑥 1 , 𝑡𝑛+𝜃̂ ) ( ) + (𝑥 1 , 𝑡 ̂ ) ( )
𝑖+
2 1! 𝜕𝑥 𝑖+2 2 2! 𝜕𝑥 2 𝑖+2 𝑛+𝜃 2
1 𝜕3𝑢 + ℎ 3
+ (𝜃 1 , 𝑡 ̂ ) ( ) (∗)
3! 𝜕𝑥 3 𝑖+2 𝑛+𝜃 2

On the other hand we have:

17
 1 𝜕𝑢 ℎ 1 𝜕2𝑢 ℎ 2
𝑢(𝑥𝑖 , 𝑡𝑛+𝜃̂ ) = 𝑢 (𝑥 1 , 𝑡𝑛+𝜃
̂) − (𝑥 1 , 𝑡 ̂ ) ( ) + (𝑥 1 , 𝑡 ̂ ) ( )
𝑖+
2 1! 𝜕𝑥 𝑖+2 𝑛+𝜃 2 2! 𝜕𝑥 2 𝑖+2 𝑛+𝜃 2
1 𝜕3𝑢 − ℎ 3
− (𝜃 1 , 𝑡 ̂ ) ( ) (∗∗)
3! 𝜕𝑥 3 𝑖+2 𝑛+𝜃 2
−
Avec 𝜃𝑖+ 1 ∈
2

By combinary (*) and (**) we can see that:

𝑢(𝑥𝑖 , 𝑡𝑛+𝜃̂ ) − 𝑢(𝑥𝑖+1 , 𝑡𝑛+𝜃̂ ) = 𝑢𝑖𝑛+𝜃 − 𝑢𝑖+1

𝑛+𝜃

1 𝜕𝑢 ℎ 1 ℎ 3 𝜕3𝑢 + 𝜕3𝑢 −
=− (𝑥 1 , 𝑡 ̂ ) ( ) − ( ) [ 3 (𝜃 1 , 𝑡𝑛+𝜃̂ ) + 3 (𝜃 1 , 𝑡𝑛+𝜃̂ )]
1! 𝜕𝑥 𝑖+2 𝑛+𝜃 2 3! 2 𝜕𝑥 𝑖+
2 𝜕𝑥 𝑖+
2

− +
Théorème des Valeurs Intermédiaires ∃ 𝜃𝑖+ 1 < 𝜃 1 < 𝜃 1
𝑖+ 𝑖+
2 2 2

𝜕3𝑢 𝜕3𝑢 + 𝜕3𝑢 −

(𝜃 1 , 𝑡 ̂ ) = (𝜃 1 , 𝑡 ̂ ) + (𝜃 1 , 𝑡 ̂ )
𝜕𝑥 3 𝑖+2 𝑛+𝜃 𝜕𝑥 3 𝑖+2 𝑛+𝜃 𝜕𝑥 3 𝑖+2 𝑛+𝜃

̂ ̂
𝜕𝑢 𝑢𝑖𝑛+𝜃 − 𝑢𝑖+1
𝑛+𝜃
⇔ − (𝑥 1 , 𝑡𝑛+𝜃̂ ) = + 𝑶(𝒉𝟐 )
𝜕𝑥 𝑖+2 ℎ

𝑶(𝒉𝟐 ) : Errueur de troncature (notation de LANDAU) ;

Pour h assez petit pour rendre négligeable l’erreur de troncature, on aalors :

̂ ̂
𝜕𝑢 𝑢𝑖𝑛+𝜃 − 𝑢𝑖+1
𝑛+𝜃
⇔− (𝑥 1 , 𝑡𝑛+𝜃̂ ) ≈
𝜕𝑥 𝑖+2 ℎ
̂
𝑛+𝜃 ̂
𝜕𝑢 𝑢𝑖−1 −𝑢𝑖𝑛+𝜃
Par translation − (𝑥𝑖−1 , 𝑡𝑛+𝜃̂ ) ≈
𝜕𝑥 2 ℎ

En résumé, on a :
̂ ̂ ̂ ̂
𝜕 2 𝑢(𝑥, 𝑡) 𝑢𝑖𝑛+𝜃 − 𝑢𝑖+1
𝑛+𝜃
𝑢𝑛+𝜃
𝑖 + 𝑢𝑛+𝜃
𝑖
−𝜀 ∫ 2
𝑑𝑥𝑑𝑡 ≈ 𝜀∆𝑡 [ − ]
𝛺𝑖 ×[𝑡𝑛 ,𝑡𝑛+1 ] 𝜕𝑥 ℎ ℎ

(diffuse term Approximation)

GENERAL CONCLUSION

The transport Equation for the Pollution Model is discretized as follows:

̂ ̂ ̂ ̂
𝑢𝑖𝑛+𝜃 −𝑢𝑖+1
𝑛+𝜃
𝑢𝑛+𝜃 +𝑢𝑛+𝜃
ℎ[𝑢𝑖𝑛+1 − 𝑢𝑖𝑛 ] + 𝜀∆𝑡 [ ℎ
− 𝑖
ℎ
𝑖 𝑛+𝜃
] + 𝛷(𝐻)∆𝑡[𝑢𝑖+1 − 𝑢𝑖𝑛+𝜃 ] ≈ 0 (∗∗∗) 𝑜ù (𝜃, 𝜃̂) ∈ {0,1}2 , ∀ 1 ≤
𝑖 ≤ 𝑁 𝑒𝑡 ∀ 0 ≤ 𝑛 ≤ 𝑀 − 1
𝑎𝑣𝑒𝑐 𝐶𝐼(𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛𝑠 𝑖𝑛𝑖𝑡𝑖𝑎𝑙𝑒𝑠)𝑒𝑡 𝐶𝐿(𝑐𝑜𝑛𝑑𝑡𝑖𝑜𝑛𝑠 𝑎𝑢𝑥 𝑙𝑖𝑚𝑖𝑡𝑒𝑠) à 𝑒𝑥𝑝𝑙𝑖𝑐𝑖𝑡𝑒𝑟

Définition: la relation (***) définit un schéma numérique (en ce sens qu’il est un algorithme
susceptible d’être mise en œuvre sur ordinateur).
Ce schéma (discrétisant l’équation de transport introduite plus haut) a été construit en se
fondant sur les principes de la Méthode des Volumes Finis pour l’approximation des dérivées
18
spatiales, et les formules de quadratures pour l’approximation des intégrales par rapport à la
variable t.

𝜃 0 1

𝜃̂
0 (0,0) (0,1)

1 (1,0) (1,1)

Si (𝜃̂, 𝜃) = (0,0), le schéma (***) est équivalent à

Schéma explicite
𝜀∆𝑡 ∆𝑡
𝑢𝑖𝑛+1 − 𝑢𝑖𝑛 + 2
[−𝑢𝑛𝑖+1 + 2𝑢𝑛𝑖 −𝑢𝑛𝑖−1 ] + 𝛷(𝐻𝑖 )[𝑢𝑖+1
𝑛
− 𝑢𝑖𝑛 ] = 0
ℎ ℎ
{𝑢𝑖0 = 𝑢𝑖𝑛𝑡 (𝑥𝑖 )}𝑁+1 𝑛 𝑛 𝑛 𝑛 𝑁
𝑖=0 𝑒𝑡 {𝑢0 = 𝑢𝑚𝑖𝑛 ; 𝑢𝑁+1 = 𝑢𝑚𝑎𝑥 }𝑛=0

∀ 1 ≤ 𝑖 ≤ 𝑁 𝑒𝑡 ∀ 0 ≤ 𝑛 ≤ 𝑀 − 1
Défintion matricielle du schéma explicite
On pose 𝑢𝑘 ≝ (𝑢𝑖𝑘 )𝑁
𝑖=1 ∀ 0 ≤ 𝑘 ≤ 𝑁

2 −1 0 ⋯ 0
−1 2 −1 ⋱ ⋮
𝐴ℎ = 0 ⋱ ⋱ ⋱ 0 ∈ 𝑀𝑁 (ℝ)
⋮ ⋱ −1 2 1
[0 ⋯ 0 −1 2]
−∆𝑡 ∆𝑡
𝛷(𝐻1 ) − 1 𝛷(𝐻1 ) 0 ⋯ 0
ℎ ℎ
⋱ ⋱ ⋱ ⋮
0
𝐵ℎ = 0 ∆𝑡
−∆𝑡 𝛷(𝐻𝑁−1 )
0 𝛷(𝐻𝑁−1 ) − 1 ℎ
ℎ −∆𝑡
0 𝛷(𝐻𝑁 ) − 1]
[ ℎ
Formulation matricielle du schéma explicite :
𝜀∆𝑡
𝑈𝑛+1 = − [ 2 𝐴ℎ + 𝐵ℎ] 𝑈𝑛
ℎ
ℎ2
Condition de stabilité : ∆𝑡 ≤ 𝜀×𝑟(𝐴 où 𝑟(𝐴ℎ ) est le rayon spectral de 𝐴ℎ
ℎ)

Si (𝜃̂, 𝜃) = (1,1), le schéma (***) est équivalent à

19
 Schéma implicite
𝑢𝑖𝑛+1 − 𝑢𝑖+1
𝑛+1
𝑢𝑛+1 + 𝑢𝑛+1
ℎ[𝑢𝑖𝑛+1 − 𝑢𝑖𝑛 ] + 𝜀∆𝑡 [ − 𝑖 𝑖 𝑛+1
] + 𝛷(𝐻)∆𝑡[𝑢𝑖+1 − 𝑢𝑖𝑛+1 ] = 0
ℎ ℎ

 FOUR STEP: Implementation of the finite volume transport Model based upon
various assumptions on data
Implémentation et trace du schéma explicite :

20
Implémentation et trace du schéma implicite :

21
 2. RESSOURCE
Pour finir, nous allons décrire l'ensemble des ressources mises à disposition pour la réalisation
du projet. Ressources humaines Le projet sera réalisé par un groupe de dix étudiants. Il est
nécessaire d'évaluer la charge de travail que chaque membre sera en mesure de fournir, notamment
pour les tâches qui nécessitent une répartition : discrétisation, programmation, interface Matlab et tests
unitaires. On estime la charge de travail personnel qui devra être consacrée à la discrétisation,
programmation conception, développement et aux tests unitaires à environ 180 heures pour chaque
membre du groupe la réalisation de l’interface se faisant en collaboration avec des membres d’une
autre filière. L'application sera basée sur les modèles fourni par le Professeur NJIFENJOU qui est
l'enseignant de ladite matière. Cette architecture a une structure arborescente, ce qui nous permettra
de séparer la partie métier (traitement de données) de l'interface de notre système.

ANALYSES DES COURBES

POUR epsilon = 0 on a les courbes suivantes :

22
 Nous pouvons constater que la solution approchée (en vert) suit en gros l’allure de la solution exacte mais
reste, en détails, un peu loin de la solution exacte (en rouge) ; la courbe d’erreur nous permet de voir cela : en
effet l’erreur est nulle sur des points en particuliers ce qui permet à la courbe de la solution approchée de suivre
celui de la solution exacte.

A l’aide du surf on la courbe du schéma explicite :

A l’aide du cylinder+surf on le tube du schéma explicite :

23
A l’aide du surf on la courbe du schéma implicite :

24
A l’aide du cylinder+surf on la courbe du schéma implicite :

POUR epsilon ≠ 0 cas où epsilon = 0.006 on a les courbes suivantes :

25
A l’aide du surf on la courbe du schéma explicite :

A l’aide du cylinder+surf on la courbe du schéma explicite :

26
A l’aide du surf on la courbe du schéma implicite :

A l’aide du cylinder+surf on la courbe du schéma implicite :

27
 CONCLUSION
Ce projet illustre bien l’importance des méthodes numériques pour la
résolution des problèmes mathématique, leurs variétés, et permet de constater
le peu de différences concernant les solutions proposées par chaque méthode,
d’où leur efficacité. D’autre part, il nous a été très utile de travailler sur ce
projet, sachant que d’une part on a pu mieux concevoir l’idée de devoir résoudre
un tel problème mathématique, et d’un autre côté se familiariser davantage avec
un outil important pour un élève ingénieur qu’est le Matlab, et ainsi reconnaitre
son utilité.

28