Chapitre 3 Méthode des différences finies La résolution numérique o' équations différentielles est souvent nécessaire, faute de pouvoir calculer des solutions analytiques. ily a plusieurs méthodes pour obtenir une solution approchée- Le chobc de la méthode dépend de la nature de equation différentiele @ résoudre, 4. Approximation d’équations différentielles avec conditions initiales Le probleme de Cauchy du premier ordre consiste a trouver la solution d'une équation différentielle ordinaire, scalaire ou vectorielle, satisfaisant une condition initiale. Iis'agit donc de résoudre numériquement les systémes d’équations différentielles du type a {"% = fy) sit > fo ‘W(to) = yo donne oly :1= [te] Ry + RY estune fonction vectorille, inconnue, de la variable t avec yo donné dans RNet f: 1x RY + RY. Siy(t) = G1 (0,....¥(0) le systéme (1) s’écrit VO =AGNO,---NO) VO =A, y1O,.----¥WO) i sir>0 Wy) = fbi Oy---- nO) Dito) = Yo, B= Ms 4.1 Quelques exemples: 1) Un probléme de Cauchy peut étre linéaire, comme par exemple: YO = IO - 31, sit> 0 yO) =1 3v—3r et dont la solution est 1-de*+1+ 4. 2) On peut avoir aussi des problémes non-linéaires, comme : {ro ooeee y@) =0 avec f(t,x) = 3. Ce probléme admet les trois solutions suivantes y= 0,90 = [BO =- fF 3) Le probléme non linéaire suivant : y'@ =14+¥0,sit > 0 ¥(0) = 0 28admet comme solution la fonction yd = tan() avec 0 < 1< £, C’est-d-dire une solution locale. Lobjet de ce chapitre est donc de (1) trouver une approximation de la solution de (1). (2) majorer erreur commise a partir de cette approximation. Remarques: 1) Dans le cas scalaire, premier ordre s’écrit : Trouver une fonction réelle y < C12 telle que: YO =KtO) sit > to to) = Yo iI = {to,7), le probléme de Cauchy associé & une EDO du @ ou -+ ft,y) est une fonction donnée, a valeurs réelles, définie sur le produit $ = xR et continue par rapport aux deux variables. > yo € Rest donné. + yo= 4 Sif ne dépend pas explicitement de 1 (i.e. ftt,») = fy), equation différentielle est dite autonome. 2) Equations différentielles d’ordre > 1: Par exemple I'équation du pendule: 0" = -£sine@,0 € 1 = [0,7 ] 000) = A 00) = En géneral ona ¥"O = BG YO,y'O), 311 > fo YO) = yo, ¥”(0) = yn avec! = [0,7 ],g: 7x RxR + R,yo ety: sont donnés dans R On pose U; (1) = y(0) et Ua() = y'(O- Le probléme se raméne résoudre le probléme de Cauchy dordre 1 suivant: U'@® = FGU),t > wo (2 ) vw avec FU) = uO eaum-( ™® ). (1,020) in) 1.2 Existence et unicité de la solution On rappelle les résultats classiques. Théorémet (Cauchy-Lipschitz ). Theorem —_Sifest continue sur! x R et sil existe une constante L > 0 telle que We») -Awils Ly—w| Vv,w e R,Vt € J, alors le probléme de Cauchy (1) admet une solution globale 29(c-2-d. pour tout « > ta) de classe C', et elle est unique. Remarque: Sila fonction f n'est pas lipschitzienne en y, mais seulement localement lipschitzienne: Pour tout a > 0, II existe une constante L, > 0 telle que We») —KwIs Lalv—w] Ww © ]-aal,Wee 1, on obtient un résultat d'existence et d'unicité d'une solution locale de (1). Dans toute la suite on va supposer que “f est continue sur / x R et localement lipschitzienne: Pour tout a > 0, II existe une constante Z., > 0 telle que WK,») fC Lav—wl Vv, e J-aal,ve e 1, 1.3. Approximation Liintervalle / est subdivisé par des points équidistants: to,11,...,4ven sous-intervalles In = Utnsfnot] de MEme longueur h = fy.1 ~t, > 0, appelé le pas de la discrétisation et on aN = Np (N dépend de A) Remarque: lest possible de choisir un pas de discrétisation non uniforme: hy = tet — tn. Discrétisation du probléme (1): On suppose y : J +R, de classe C'. Sion prend r = r,dans l'équation différentielle (1), on a Yn) = Kb Wtn))- On approche la dérivée y'(¢,) au point t,. Cela se fait en utilisant des schémas de dérivation numérique. On considére alors (Dy), une approximation de y’(tn). Par exemple: + par différence finie progressive: (Dyyh = Mee, + par différence finie rétrograde ou régressive: yf = a, + par différence finie centrée: (Dye = Lee, Une discrétisation du probleme de Cauchy (1) s’écrit alors: Yo = y(to) (Dyn = Kn, Yn),POUF = 1,....Na—1, (etn = 00Un = Ns) Définition 1. 1) La différence Ta(h) = '(tn) - Dy)al est appelée erreur de troncature locale au point /,. erreur de troncature globale est alors définie par t(h) = max {emi (h)l OsNi-d 2) On dira que z est d’ordre p > 0 siona t(h) < Chr, pour une constante C > 0, indépendante de h. 3) Siu, est une valeur,approchée de y, = (fn), 30erreur de discrétisation est e, = (tq) ~ tn. Remarque: Les erreurs de troncature des différences finies progressive et régressive sont d’ordre 1 erreur de troncature de la différence finie centrée est d'ordre 2. 1.4. Méthodes numériques a un pas Soit 1, 'approximation au noeud 1, de la solution exacte y, = y(tn)- Cette valeur de la solution exacte sera notée dans la suite par y». De méme /, désigne la valeur f(t, un). On pose naturellement 1 = yo. Définition 2: schéma a un pas Une méthode numérique pour l'approximation du probléme (1) est dite un pas si Vn > 0,tm1 Ne dépend que de uy. Autrement, on dit que le schéma est une méthode multi-pas (4 pas muttiples ou a pas liés). Définition 3 (méthode explicite et méthode implicite) (@ Une méthode est dite explicite si la valeur u,. peut étre calculée directement a l'aide des valeurs précédentes w:,k 0 En utilisant des développements de Taylor, on peut montrer que la méthode d'Euler progressive est d'ordre 1, tandis que la méthode de Heun est d’ordre 2 ( Exercices). Définitions 4) On dit que la méthode (3) est convergente si Tim max |y(tn)— up 0 mo Cee 2) La méthode (3) est consistante avec léquation (1) si max |XX — @(t,,y(tn):h)|* 0. cord m 3) On dit que la méthode (3) est stable (zéro-stabilité) s'il existe deux constantes M; et M2, indépendantes de h, telles que: max [ul —20¢ Milyo —zoltM2 max Sx) oes oN ou (e) et (x) sont respectivement les solutions des équations: 2 = 29 +50, 20), = 28 + h.[O(ln,203H) +5] et uy? = Yo, u®, = uP? +h.O, uh) pour 0 0,3L > Otels que O 0,32 > 0, tels que O0 0) =2 On veut résoudre cette équation avec les méthodes d'Euler progressif et Euler régressif, dans I'intervalle [0,1] avec N;, = 5 sous-intervalles, ce qui équivaut a un pas de temps h = 0.2 et donc a approcher la solution exacte y(/,) aux instants f, = nh,n = 0,1,...5 (donc 1, = 0.2, 0.4, 0.6,.. .), par une solution numérique w,. On aftt,y) = -0?. Comme la solution exacte est y(@) = 2, on peut calculer erreur effective. 4) Euler progressif: Upet = Un + flrs) => Umer = Un — (0.04)nuz 2= -0.0769 Yeo) —u2 = 1.7241 - 1.84 = 0.1159 (ls) — us = 1.4706 - 1.5692 = -0,0986 34ty = 0.8304 = 1.2737; Va) — ug = 1.2195 - 1.2737 = - 0.0542 ts = 1; us = 1.0141; Hts) —us = 1- 1.0141 = -0.0141 Onadonc — max [p(tn) —ual= 0.1159 srs 2) Euler rétrograde: Ups, = Un + Ate Egy = Mn — 2 + 2 = Una = Uy — (0.04)(2 + 1)u2,, => uns @St la racine positive du polynéme du second degré: xo Wt ler teu, AYE 1 RTC done eet ‘Hn O.08Gr+1) y(t) — uy = 1.923 1-1. 8614 = 0.0617 (te) - uz = 1.7241 - 1, 6449 = 0.0792 ts) us = 1.4706 1. 4073 = 0.0633 (la) — ug = 1.2195 1. 1833 = 0.0362 0: y(ls) — us = 1-0,98805 = 0.01195 Onadonc — max [y(t,) — ual 0.0792. eres Remarques: 4) Le choix entre schéma explicite ou implicite se fait en fonction du probléme. Le “meilleur” schéma n’existe pas. 2) On montre que le schéma d'Euler implicite est inconditionnellement stable, au sens ou la suite (u,)oceew est majorée indépendemment de h. 3) Méthodes de Runge-Kutta (RK) On peut construire des schémas d'ordre 1,2, Ups, = Un +h. D(tp,Unsh), n= 0,1,... Nn utilisant le schéma de RK: avec O(Gush) = ObKiGu sh) = K,(t,u sh) = ft + edhun +h DayKj(Gush)), i= 1.08 Ft oli s désigne le nombre d’étapes de la méthode. Les coefficients b,,c, et ay cararactérisent complétement une méthode RK. [Link] schéma explicite si ay = 0 pour, =7,...s. Tableau de Butcher oe avec A = (ay) matrice sxs b = (b,) ete = (ci) La méthode de RK est -dordre 0 sic, = Yay ca -dordre 1 sielle est d’ordre 0 et 75, = 1 a _ dordre 2 sielle est d'ordre 1 et eb = 4. ra 35Formules explicites de RK d’ordre 2: (:)G4) (1-2 a) OGusH) =~ ayftt,u) +afte+ kyu + Zw) sia = 4b :0(,u5h) = 4fta) + Lft-+hyu + hin), Cestla méthode de Heun sia =1: OGush) = t+ But BAG), c'est la méthode d’Euler modifiée ou méthode de point milieu. Sion appique cette méthode @ fexemple précédent: Riu) = 1, HO = By, etona (uh) = fer 4,u+ Shu) ty = 0; =2, ty = 0.2, uy = uo +h. (60,0 5h); 052) = et alors ny = 24+0.2f0.1;2 + 0.1f0;2)) oni 20. 1;2) = 1.92 —Lerreur y(t.) — a 0769 x 107 Méthode de Runge-Kutta d'ordre 4 explicit je (Cest la plus utilisée) o oooo0 Ky = ftnttn) + y900 Rtn + Astin + bh) + o +00 et a = fll + ttn + Bho) : oe ka =ftmasttn + 4s) (4 234) pet = t+ Bly + 2k + 2h +). Application: y'(Q = -y?() avec y(0) = 2 Alt,y) = 92, h= 0.2 + uo ky =0 ke = f0.1;2) = -0.1x4=-0.4 ks + Lhe) = (0. 1;2 -0.04) = -0.1 x 1.96 x 1.96 = 0.38416 ka = f(0.2,2 +0, 1ks) = -0.2 x (2— 0.038416)? = -0,2 x 3, 8479 = ~0. 76958 uy = 2+ 22fhy + Uka + 2ks + ka] = 2+ “Lf-0,8 - 0, 76832 — 0.76958] = 1. 9221 ~Lemeur y(t) — uy = 73y - 1.9221 = 9, 7692 «104 . Problémes aux limites Un probléme aux limites est une équation différentielle, par exemple ®) =u" (x) + bu (x) + eu(x) = fx) pour 0 0 alors u < C™((0,1)). Proprigté de monotonie: Sif € C({0, 1}) est positive, alors u est aussi positive. Elle découle directement de (2), puisque G(x,s) > 0 pour tout x,s ¢ [0,1]. Principe du maximum : Theorem Sif e C({0,1)), alors ona linégalité (5): {hile S $Vfllo OU ull. =max |u(x)| est la norme du maximum. ost En effet, comme Gest positive, on a Vinégalité suivante: Weis i Ge, s)fis)ids < Vile { GG,s)ds = Ws dat X)Ifllei Pou rinégalte (5). 2.2. Approximation par différences finies Pour n > 2, on défiit sur rintervale [0,1] fa grile de points Zs = = fot seeaknbs en posant le pas de discrétisation h = + etx, = jh, j = 0,1, L’approximation de fa solution » est donnée par une suite ‘wi p,th, - qui vérifie dans ce cas: Up = Un =O ©) ee = fy) pourj= 1... 1 37La valeur u, approche u(x;), C'est-&-dire la valeur de la solution aux points de la grille. Cette relation de récurrence s‘obtient en remplagant 0" (x,) par son approximation du second ordre par différences finies centrées. my A En posant u, = etf, = i: savec fi = fix), Up-t Sot ilest facile de voir qu'on peut écrire (6) sous la forme compacte 7”) Antn =f avec 2-1 0 + Cette matrice, d’ordre n — 1,est symétrique définie positive. + Par conséquent, le systéme linéaire (7) admet une unique solution 1. + On notera également que la solution par différences finies jouit de la meme propriété de monotonie que la solution exacte u(x) (autrement dit « est positive dés que f l'est). Cette propriété est appelée principe du maximum discret. Etude de l'approximation Afin d’écrire (6) a l'aide d’opérateurs, on introduit: + V, ensemble de fonctions discrates définies aux points de la grille 7; Siv, € Vs, la valeur v,(x,) est définie pour tout entierj entre 0 et, + Vox le sous-ensemble de V7, contenant les fonctions discrétes s’annulant aux extrémités x0 et x». Pour une fonction wy, € Vs, on définit fopérateur Z, par 9) LnQr)() = PAP. our j= 1,....m-1. Le probléme aux différences finies (6) peut alors s’écrire de maniére équivalente: trouver uy € Vox (10) Citas) = fo) pour j onal Remarques: + Dans cette formulation, les conditions aux limites sont prises en compte en cherchant uy, dans Voy. + La méthode des différences finies peut aussi servir & approcher des opérateurs différentiels d'ordre plus élevé que celui considéré dans cette section. + Mais, comme pour le cas présenté ici, une attention particuliére doit étre prétée aux conditions aux limites. Définition 5 Pour deux fonctions discrétes v,,w, € Von défint le produit scalaire discret: Os,wide = hDerwn)eona, a AVEC co = cy = 4 Ct cy = I pour k=1,...,n-1. 381 Cette d&finition provient de valuation de (w,») = fw()v@)dx, a par la formule composite du trapéze. On définit alors la norme sur V;,: Isls = {Onva)n Lemme Lopérateur L, est = symétrique: CLrOvn). vale = Ova, Landa Wawa & Von + défini positif: (LiGr),va)n = 0,04 € Vox avec 6galité seulement si v, = 0. Définition 6 Pour toute fonction discréte v, € Vo,, on définit la norme = Wall, = Jeo { nw Pour tout », € Vo, , la relation mel Ena), Yada = FEO — On)? est équivalente a Laon), vada = Illvalls Lemme Pour tout v, € Vos, on a Ivalls < all Démonstration Soit v, € Voy. Comme (¥)o = 0, on a régalité ny = nS asco pour j = 1,2,..,7-1 % = lon = [Seep En utilisant ringgaite de Minkowski: (Spy < mE 0) , pour tout entier m > 1 et toute suite de réels p1,......Pm ‘on obtient ft A (= ome P< j = [open S - a 2] ot Leaded 2 25 $ nein) J? = Zoo) = Lary Seepage Fey Fe [seeped] a mow = bal? = AE on)? < PB wSooecemey a wn = Wal? 2 ally? = SPtvall,? < Lhvall? Conséquence: Pour u, la solution de (10), on a Weal; = Lattnsundn = Ghun)n = Ileal < Wally Ieell, (inégalité de Cauchy-schwarz) 39= fount S sValln| (11) avec (fx)x = fixe), k= 0,1,2,... + Linégalité (11) est un résultat de stabilit la solution de (10) est bomée par la donnée initiale f. + Pour montrer la convergence, on introduit la notion de consistance. Sif € C({0, 1}) et u € C2({0, 1}) est la solution de (1), 'erreur de troncature locale est la fonction discréte z, définie par tH) = Cand) Saf = 1,2,---y 1. En utilisant le développement de Taylor on montre que taCay) = Lan)(@,) +H") = HWM) +x) avec n, Ele, xpil et ¢, hee xf + Onen déduit que (12) ital =max [enGepis LEY sif © C%((0, 1). tare + En particulier on a Tim [tall ir et le schéma aux différences est donc consistant avec le probleme différentiel (1). + On montre aussi les inégalités suivantes: Uteallae SEV, Ct bella S Flltallnas puis en utilisant (12), on peut montrer le résultat suivant: Théoréme 5 On rappelle que u est la solution de (1) et us la solution de (7). Sif ¢ C2((0, 1), alorserreur nodale e(x;) = u(x;) — x(x) vérifie lu—uille SEV" Cest-d-dire que lorsque / -> 0, u, converge vers ua ordre 2 enh, (dans la norme discréte du maximum). Exemples traités en cours ou en TD Discrétisation de 4) problémes avec différents types de conditions aux limites (Dirichlet, Neumann ou mixtes) 2) probléme d’évolution: Equation de la chaleur. 40