BD 2014-2

Methodes numeriques pour les EDP instationnaires : Differences
Finies et Volumes Finis

Notes pour le cours de base M2-Mathematiques de la modelisation
(2014)
B. Despres
15 juillet 2014
Table des mati`

eres
1 Introduction
2 Cadre fonctionnel et mod`
eles
2.1 Cadre fonctionnel . . . . . . . . . . . .
2.1.1 Espaces de Lebesgue Lp . . . .
2.1.2 Inegalites . . . . . . . . . . . .
2.1.3 Fonctions `
a variation bornee .
2.2 Quelques modèles . . . . . . . . . . . .
2.2.1 Equation de transport . . . . .
2.2.2 Equation de la chaleur . . . . .
2.2.3 Principe du maximum . . . . .
2.2.4 Systèmes de Friedrichs . . . . .
2.2.5 Termes sources ou de couplage
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7
7
8
8
9
9
14
15
15
16
3 Quelques principes de construction

3.1 Approximation numerique en dimension d = 1 . . . . . . . . . . . .
3.1.1 Equation du transport . . . . . . . . . . . . . . . . . . . . .
3.1.2 Equation de la chaleur . . . . . . . . . . . . . . . . . . . . .
3.2 Approximation numerique en dimension d 2 . . . . . . . . . . . .
3.2.1 Methodes de Differences Finies . . . . . . . . . . . . . . . .
3.2.2 Methode de Volumes Finis pour lequation dadvection . . .
3.2.3 Methode de Volumes Finis pour lequation de la chaleur . .
3.2.4 Methodes de Volumes Finis pour les systèmes de Friedrichs
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17
17
18
24
27
27
28
31
35
4 Analyse num
erique des m
ethodes de Diff
erences finies
4.1 Consistance, stabilite et theorème de Lax . . . . . . . . . . . . . . . .
4.1.1 Consistance pour le cas stationnaire . . . . . . . . . . . . . . .
4.1.2 Cas instationnaire . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.3 Schema de Crank-Nicholson . . . . . . . . . . . . . . . . . . . .
4.1.4 Schema semi-discret . . . . . . . . . . . . . . . . . . . . . . . .
4.1.5 Un principe de comparaison . . . . . . . . . . . . . . . . . . . .
4.1.6 Caracterisation spectrale de la stabilite . . . . . . . . . . . . .
4.1.7 Schema de splitting . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Schema decentre en dimension un . . . . . . . . . . . . . . . .
4.2.2 Donnee moins regulière et ordre de convergence fractionnaire .
4.2.3 Maillage non uniforme . . . . . . . . . . . . . . . . . . . . . . .
4.2.4 Schemas de differences finis explicites et à un pas . . . . . . . .
4.2.5 Construction des schemas semi-lagrangiens/schemas de Strang
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
37
37
38
38
42
42
43
45
46
47
47
48
50
52
57
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
`
TABLE DES MATIERES
4
5 Analyse num
erique des m
ethodes de Volumes finis
5.1 Equation dadvection . . . . . . . . . . . . . . . . . . .
5.1.1 Analyse de la condition de stabilite . . . . . . .
5.1.2 Consistence des schemas de Volumes Finis pour
5.2 Convergence dans L2 . . . . . . . . . . . . . . . . . . .
5.2.1 Première etape : estimation en temps dans Lp .
5.2.2 Deuxième etape : estimation en espace dans L2
5.3 Convergence dans L1 . . . . . . . . . . . . . . . . . . .
5.3.1 Cas des fonctions indicatrices . . . . . . . . . .
5.3.2 Donnees generales . . . . . . . . . . . . . . . .
5.4 Convergence du schema de diffusion . . . . . . . . . .
5.5 Quelques resultats dapproximation . . . . . . . . . . .
. . . . . . .
. . . . . . .
ladvection
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
67
67
69
72
74
75
75
76
77
78
78
82
6 Sch
emas non lin
eaires
85
6.1 La methode Muscl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6.2 La methode par intervalles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3 Convergence pour des donnees BV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Chapitre 1
Introduction
On peut considerer que les methodes numeriques pour les equations aux derivees partielles (EDP) devolution
sappuient sur deux piliers. Le premier pilier en est lanalyse fonctionnelle et la theorie des espaces fonctionnels,
le second pilier sappuie sur les modèles dEDP et leurs liens avec la modelisation des phenomènes reels. Cette
discipline est liee de très près egalement au developpement des moyens de calculs informatiques. Pour autant
la construction et lanalyse numerique de methodes numeriques efficaces pour les EDP devolution sappuient
sur des règles propres qui forment lobjet de ces notes pour le cours de base du M2-Math
ematiques de la
mod
elisation 1 .
Un problème modèle central dans ces notes est issu de la modelisation des phenomènes reels et de la pratique
de lart de lingenieur. Il est de type transport-diffusion et secrit
t u + a u u = 0.
Cependant on considèrera le plus souvent separement lequation de transport ou dadvection t u + a u = 0,
qui est de type hyperbolique, et lequation de la chaleur t uu = 0, qui est de type parabolique. Les equations
de convection-diffusion, non lineaires cette fois, sont aussi très utilisees en traitement de limage, par exemple
en suivant les modèles de Perona-Malik : t u = (gu) = gu + g u avec g une fonction non lineaire
compliquee de u ; pour g = u on retrouve une equation pour les ecoulements en milieux poreux. Nous ne
considererons dans la suite que des equations à coefficients constants et donnes.
On sappuiera sur les deux notions fondamentales que sont la stabilit
e et la consistance pour construire et
justifier les methodes de Differences Finies et Volumes Finis qui seront etudiees dans ces notes. Les methodes
dElements Finis sont evoquees rapidement au chapitre 3. Les methodes de Differences finies sont simples à
construire et leur theorie sert de socle `
a la plupart des methodes numeriques non stationnaires. Les methodes
de Volumes Finis peuvent etre vues comme des methodes de Differences Finies sur maillage tordu. Elles sont
egalement simples de construction et sont `
a la base de la plupart des codes industriels et de recherche de CFD
(Computational Fluid Dynamics).
Ce texte est redige avec deux niveaux de lecture. Tout ce qui concerne la construction des methodes numeriques
est en taille normale. Les parties en taille reduite apportent des details complementaires pour justifier certains elements ou pour
mener `
a bien les diverses preuves. Elles doivent
etre laiss
ees de c
ot
e en premi`
ere lecture.
De meme il est conseille de passer directement au deuxième chapitre.
1. Il sagit de la premi`
ere version/
edition des ces notes, aussi des coquilles/erreurs peuvent subsister. Merci de les signaler par
mail `
a despres@ann.jussieu.fr
CHAPITRE 1. INTRODUCTION
Chapitre 2
Cadre fonctionnel et mod`

eles
Pour toute methode de discretisation numerique dune equation aux derivees partielles, une question fondamentale est de montrer la convergence de la solution numerique vers la solution exacte, et mieux dobtenir des
estimations quantitatives optimales pour lerreur. Pour cela, nous aurons besoin dun cadre fonctionnel.
Ce chapitre peut etre laisse de cote en première lecture.
2.1
Cadre fonctionnel
On renvoie à [6].
D
efinition 1 (Espace de Banach). Un espace de Banach reel V est un espace vectoriel reel, muni dune
norme u 7 kuk definie pour tout u V , et complet pour cette norme. Les proprietes de la norme sont
kuk 0 pour tout u V ,
kuk = 0 si et seulement si u = 0,
kuk = || kuk pour tout R,
ku + vk kuk + kvk pour tous u, v V .
Lespace V est appele un espace de Hilbert dans le cas o`
u la norme est associee à un produit scalaire
p
kuk = (u, u)
avec (u, v) R etant le produit scalaire de u et v. Pour memoire, les proprietes dun produit scalaire reel sont
le produit scalaire est une forme bilineaire,
(u, u) 0 pour tout u V ,
(u, u) = 0 si et seulement si u = 0,
(u, v) = (v, u) pour tous u, v V .
2.1.1
Espaces de Lebesgue Lp
Soit un ouvert regulier de Rd , borne ou non.

D
efinition 2 (Espaces de Lebesgue). Soit p [1, ].
R
p
Pour 1 p < , lespace Lp () est constitue des fonctions mesurables telles que |u(x)| dx < .
La norme dans Lp () est
Z
p1
p
kukLp () =
|u(x)| dx
.
Pour p = , lespace L () est constitue des fonctions mesurables et bornees. La norme dans L ()
est
kukL () = sup {; mes (|u(x)| > ) 6= 0} < .
7
`
CHAPITRE 2. CADRE FONCTIONNEL ET MODELES
Les espaces de Lebesgue sont des espaces de Banach.

Les derivees partielles dune fonction sont notees
u(k1 , ,kd ) =
k1 ++kd
xk11 . . . xkdd
avec 0 ki pour tout i = 1, . . . , d.
u,
On renvoie à [6] pour une definition rigoureuse de la derivation au sens des distributions dune fonction mesurable.
D
efinition 3. Lensemble des fonctions mesurables de Lp () dont toutes les derivees sont egalement dans
p
L () jusqu`
a un ordre de derivation totale de q N est note W q,p (). Pour 1 p une norme dans
q,p
W () est
X
kukW q,p () =
||u(k1 , ,kd ) ||Lp () .
k1 ++kd q
2.1.2
In
egalit
es
Soient deux nombres positifs p [1, ] et q [1, ] (linfini est autoris

e) tels que
1
1
+ = 1.
p
q
Nous dirons que p et q sont conjugu
es.
Lemme 1 (In
egalit
e de H
older). Soient u Lp () et v Lq () o`
u p et q sont des nombres conjugu
es. Alors

Z

u(x)v(x)dx kukLp () kvkLq () .

Dans le cas p = q = 2, lin

egalit
e de H
older est identique `
a lin
egalit
e de Cauchy-Schwarz. Le cas p = et q = 1 est imm
ediat.
2.1.3
Fonctions `
a variation born
ee
Le cadre des fonctions `

a variation born
ee permet de manipuler des fonctions discontinues, ce qui est tr`
es utile pour lanalyse
num
erique des
equations de transport. On renvoie `
a [18, 19].
Pour un vecteur = (1 , , d ) on notera
q
|| =
21 + 2d .
Lespace des fonctions `

a d
eriv
ee born
ee, `
a valeur vectorielle, `
a support compact, et born
ees par 1, sera not
e

d

1,
(Rd )d = W01, (Rd ) , |(x)| 1 x
Wb,0
D
efinition 4 (Variation totale). Soit u L1 (Rd ). Le nombre
eventuellement infini

Z
|u|BV(Rd ) =
sup
u(x) (x)dx
Rd
1,
Wb,0 (Rd )d
sera appel
e la variation totale de u.
La d
efinition est encore valable en remplacant L1 (Rd ) par L1loc (Rd ).
Exemple 1 (En dimension un despace). Soit u W 1,1 (R). Alors
|u|BV = ku kL1 (R) =
|u (x)|dx.
Cela vient de la formule dint

egration par parties
u(x) (x)dx =
R
u (x)(x)dx.
Le supremum sur tous les tels que || 1 montre que

Z
Z

u (x) dx = ku k 1 .
u (x)(x)dx =
sup
L (R)
||1
`
2.2. QUELQUES MODELES
Exemple 2 (En dimension deux despace). Soit le carr

e unit
e C = {x = (x1 , x2 ), 0 < x1 , x2 < 1} R2 . La fonction indicatrice
de C est not
ee 1C avec 1C (x) = 1 si x C ; 1C (x) = 0 dans le cas contraire.
Alors |1C |BV = 4.
1,
En effet on a a pour tout Wb,0
(R2 )
Z
Z
1C (x) (x)dx =
R2
xC
(x)dx =
xC
(x) nS dx 4.
La borne est atteinte pour une suite bien choisie de fonctions n .

On remarque par ailleurs que la valeur 4 est la valeur du p
erim`
etre du carr
e C, ce que nous noterons
|C| = |1C |BV .
D
efinition 5 (Espace BV). Lespace des fonctions de
L1 (Rd )
a variation totale born

`
ee est not
e BV(Rd ). Une norme associ
ee est
kukBV(Rd ) = |u|BV(Rd ) + kuk1 .

On a linclusion 1 dense W 1,1 (Rd ) BV(Rd ).
Lexemple 1 montre linclusion en dimension un despace. La densit
e de linclusion sera montr
ee dans un cas particulier `
a la section
5.3. Linclusion est stricte W 1,1 (Rd ) 6= BV(Rd ) comme cons
equence de la d
efinition et des exemples.
Soit u 0 une fonction mesurable positive ou nulle. On d
efinit lensemble de niveau
n
o
E = x Rd , u(x) > Rd .
Le p
erim`
etre de E est

|E | = 1E BV(Rd ) =
sup
1,
Wb,0 (Rd )d
(x)dx
o`
u 1E est la fonction indicatrice de E . Pour toute fonction positive ou nulle, on
Z
u(x) =
1E (x)d
p.p.
0
Lemme 2 (Formule de la coaire : voir [18]). Soit u BV(Rd ) une fonction positive ou nulle, u 0. Alors
Z
|u|BV(Rd ) =
|E |d.
(2.1)
2.2
Quelques mod`
eles
Les modèles consideres sont lineaires. Ils servent souvent de briques de base pour des modèles plus elabores.
2.2.1
Equation de transport
Lequation du transport libre `

a vitesse constante secrit en tout dimension
t u + c.u = 0,
t > 0,
x Rd .
1. Notons aussi que BV (R) L (R) en dimension un despace. Une preuve rapide est la suivante. Soit u BV (R) : on se
donne trois nombres x0 R, > 0 et > 0 et on consid`
ere la fonction continue n
egative ou nulle
0
pour x x0 ,
xx0
pour x0 x x0 + ,
(x) =
1
,
1 (x x0 ),
pour x0 + x x0 + +
0
pour x0 + + x.
R
R
R
On a bien || 1. On a aussi R u(x) (x)dx BV(u). Un calcul montre que R u(x) (x)dx = 1 xx0 + u(x)dx
0
R x0 ++ 1
R
R x0 ++ 1
a la limite 0
x0 + u(x)dx. Donc xx0 + (u(x) BV(u)) dx x0 + u(x)dx. Comme u L1 (R), on peut passer `
0
R x0 ++ 1
R
pour le deuxi`
eme terme qui tend vers z
ero : lim=0+ x0 + u(x)dx = 0. Donc xx0 + (u(x) BV(u)) dx 0. Cela
etant arbi0
traire par rapport `
a x0 et qui peut
etre aussi petit que souhait
e, alors u(x) BV (u) presque partout. De m
eme on montre en
prenant = que BV (u) u(x) presque partout. Donc u L (R).
`
10
La fonction (t, x) 7 u(t, x) est linconnue : t est la variable de temps, et x = (x1 , , xd ) Rd est la variable
despace. Loperateur gradient est defini par

u =
u, ,
u .
x1
xd
Le champ x 7 c(x) Rd est donne. Il est appele champ de vitesse pour des raisons qui paraitront evidentes
dans la suite.
Dimension d = 1
On considère tout dabord le cas en dimension d = 1 pour une vitesse constante que lon note a R. Il sagit
de lequation dadvection
t u + ax u = 0,
t > 0, x R.
(2.2)
On supposera que a > 0. Lautre cas a < 0 est symetrique et se deduit du cas a > 0. On munit lequation dune
condition initiale `
at=0
u(0, x) = u0 (x).
(2.3)
Lemme 3. Lunique solution de (2.2) avec la condition initiale (2.3) est
u(t, x) = u0 (x at).
(2.4)
Demonstration. Cette propriete peut se demontrer dans tout type despace fonctionnel. Par souci de simplicite
on considère une donnee initiale regulière u0 C 1 (R). Prenons la fonction definie par (2.4). On a t u =
au0 (x at) et x u = u0 (x at). Donc t u + ax u = au0 + au0 = 0 ce qui montre que (2.4) est bien une
solution.
x = X1 + at
x = X2 + at
X1
X2
Figure 2.1 La solution de lequation dadvection est constant le long des droites caracteristiques x = X + at.
Montrons à present lunicite. Soient u1 et u2 deux solutions de classe C 1 (R) eventuellement differentes, avec la
meme donnee initiale
u1 (0, x) = u2 (0, x) = u0 (x).
Soit x 7 0 (x) une fonction derivable, positive ou nulle, à support compact : 0 (x) = 0 for |x| A. On note
(t, x) = 0 (x at) qui est solution de lequation dadvection. Posons v = (u1 u2 )2 0. On commence par
verifier que v est aussi solution de lequation dadvection
2
t v + ax v = 2 (u1 u2 ) (t (u1 u2 ) + ax (u1 u2 )) + (u1 u2 ) (t + ax ) = 0.

Par construction v est `
a support compact ce qui netait pas necessairement le cas de u1 ni de u2 . Donc
Z
Z
Z
Z A+at
d
0=
(t v + ax v) dx =
vdx.
x vdx =
t vdx + a
dt R
R
A+at
R
`
11
R
Or v(0, x) = 0. Donc R v(T, x)dx = 0 pour tout T > 0. Comme v 0, il sensuit que v 0. Le support de v
pouvant etre aussi grand que souhaitee, cela montre que u1 = u1 .
Soit un champ de vitesse de transport x 7 c(x) R et u une solution de lequation du transport
t u + c(x)x u = 0,
u(x, 0) = u0 (x).
Nous construisons les courbes caracteristiques

y (t; X) = c(y(t; X)),
y(0; X) = X.
On utilise souvent des notations simplifiees. Par exemple en notant les courbes caracteristiques x(t) à la place
de x = y(t; X).
Proposition 1. Supposons c Lipschitzienne et bornee. Alors il existe une et une seule solution de lequation
des courbes caracteristiques (x R, t 0).
Demonstration. Cest une consequence du theorème de Cauchy-Lipshitz.
Proposition 2. Sous les memes hypothèses, une solution de lequation du transport est
u(x, t) = u0 (X),
x = y(t; X).
Demonstration. On a u(x, t) = u(y(t; X), t). Derivant par rapport à t, X etant fixe, on obtient
0=
d
d
u0 (X) = u(y(t; X), t) = y (t; X)x u(y(t; X), t) + t u(y(t; X), t)
dt
dt
= t u(y(t; X), t) + c(y(t; X))x u(y(t; X), t).
Cela est vrai pour tout (t, X), cest vrai pour tout x = y(t; X) et tout t. La preuve est terminee.
Dimension d 2 en domaine born
e
Nous nous concentrons `
a present sur les conditions au bord quil faut considerer en domaine borne, car cela
constituera un bon point de depart pour la construction de schemas numeriques pour cette equation.
Soit Rd un ouvert borne regulier. On note le champ de vitesse x 7 a(x). On supposera que a C 1 () est
a divergence nulle
`
.a = 0.
De ce fait lequation admet une formulation conservative
t u + (au) = t u + a u + ( a) u = 0.
Le bord de est separe en deux parties = + avec
= {x , a n < 0},
+ = {x , a n 0}.
Nous considerons le problème avec condition initiale et condition au bord
t > 0,
t u + a u = 0, x ,
u(0, x) = u0 (x),
x ,
u(t, x) = u (t, x), x .
On note immediatement quil ny a pas de condition sur le bord + .
(2.5)
`
12
n
+
n
Figure 2.2 Sur cet exemple le champ de vitesse a est oriente en diagonale : la partie + du bord surlignee
en gras est constitue des parties du bord en haut et à droite ; la partie du bord correspond aux parties du
bord en bas et à gauche.
Lemme 4. Soient deux fonctions u1 et u2 solutions regulières de (2.5). Supposons que u1 ont u2 ont la meme
condition initiale, et ont la meme condition sur le bord . Alors u1 = u2 .
Demonstration. La difference e = u1 u2 est solution de
t e + a e = 0, x ,
e(0, x) = 0,
x ,
e(t, x) = 0,
x .
Posons E(t) =
Z
1
2
ke(t)k2 . Alors
Z
e2
E (t) =
et edx =
eaedx =
a
2
t > 0,
dx =
an
e2
d
2
an
e2
d =
2
an
+
e2
d 0.
2
Notons que lon a utilise que e = 0 on . Or E(0) = 0 donc E(t) = 0 pour tout temps t > 0. Cela montre que
u1 = u2 .
Il est important de bien comprendre pourquoi le bord + ne joue finalement aucun r
ole dans la preuve dunicite.
Courbes caract
eristiques en avant dans un domaine born
e
A pr
esent nous construisons la solution `
a partir des courbes caract
eristiques t 7 y(t, X) d
efinies par
d
y(t, X) = a(X) avec la donn
ee initiale y(0, x) = X.
dt
Ces courbes sont correctement construites dans le cadre du th
eor`
eme de Cauchy-Lipschitz pour a C 1 ().
Soit une fonction u constante le long des caract
eristiques
u(y(X), t) = u0 (X).
Elle v
erifie
d
d
u = t u + y(t, X).u = t u + a.u = 0.
dt
dt
Pour un x donn
e et un t donn
e, on peut ainsi d
eterminer la valeur de u(t, x) une fois que le pied de la caract
eristique X a
et
e d
efini
en r
esolvant l
equation
y(t, X) = x.
(2.6)
Il sensuit quil est n
ecessaire dinverser l
equation (2.6) pour obtenir le point de d
epart X de la caract
eristique qui arrive
en (t, x) R+ . Pour rendre la discussion l
eg`
erement plus simple, on peut construire les caract
eristiques en arri`
ere.
`
13
x2 +
X1
Figure 2.3 La fonction u est constante le long des caracteristiques dont le point de depart est note sous la
forme de cercle noir : le point X1 est un point de depart ; le point x2 + nest pas un point de depart.
Courbes caract
eristiques en arri`
ere dans un domaine born
e
Les courbes caract
eristiques en arri`
ere sont construites `
a partir de la position au temps final
d
X(t, x) = a(X) pour t > 0,
dt
avec X(0, x) = x .
Bien s
ur X(t, x) est aussi le point de d
epart de la caract
eristique en avant discut
ee pr
ec
edemment. Nous d
efinissons le temps (de
sortie)
T (x) = inf(t) tel que X(t, x) .
Si X(t, x) pour tout t > 0, on posera T (x) = +. Par d

efinition T (x) > 0 pour tout x .
La construction de la solution u au point (t, x) sappuie sur deux cas.
Premier cas : t < T (x). On pose
u(t, x) = u0 (X(t, x)).
Deuxi`
eme cas : T (x) t. Pour le temps t = T (x) la courbe caract
eristique rencontre le bord, n
ecessairement en
u(t, x) = u (t T (x), X (T (x), x)) .
(2.7)
.
On pose
(2.8)
Par construction la fonction u (2.7-2.8) satisfait la condition initiale

u(0, x) = u0 (x),
x ,
et la condition au bord
u(t, x) = u (t, x),
x ,
(cest `
a dire (2.7) `
a t = 0) ,

cest `
a dire (2.8) pour x .
Il reste `
a v
erifier que u est bien solution, et en quel sens, de l
equation de transport. On a un premier r
esultat, qui est partiel
cependant car il y une restriction sur le temps.
Lemme 5. Supposons que u0 C 1 (). Soit un point de lespace temps (t, x) tel que t < T (x). Alors a fonction u (2.9) est
localement C 1 et est solution de
t u + a.u = 0
x t < T (x).
D
emonstration. On a par construction
X(t h, X(h, x)) = X(t, x) pour de petits h > 0,
donc
u(t h, X(t hX(h, x)) = u(t, x) pour de petits h > 0.
(2.9)
C1
La transformation (t, x) 7 X(t, x) est

localement autour de (t, x) dans le cas t < T (x). Par d
erivation de (2.9) on obtient
d
u(t h, X(t hX(h, x)) = 0, ou encore
dh
d
t u
X(t hX(h, x) u = 0.
dh
d
Par ailleurs dh X(t hX(h, x) = a(X(t hX(h, x)), donc pour h = 0 on obtient t u a.u = 0.
La restriction est pour t T (x), qui peut faire apparaitre des pertes dans le caract`
ere r
egulier de la solution. Par exemple le temps
de sortie x 7 T (x) peut m
eme ne pas
etre continu, comme dans lexemple d ela figure 2.4.
De mani`
ere g
en
erale il est possible de consid
erer que la fonction d
efinie par formulation Lagrangienne (2.9) est une solution
g
en
eralis
ee de la formulation Eul
erienne de l
equation du transport. On pourra consulter [2].
`
14
X2
X1
X0
x2
x0
x1
Figure 2.4 La vitesse a est verticale et constante. La fonction x 7 X(T (x), x)) nest pas continue au point
x1 . Le temps de sortie T (x) est egalement discontinu en x1 .
2.2.2
Equation de la chaleur
Loperateur Laplacien est defini en dimension d par

u = u =
2
2
u + +
u.
2
x1
x2d
Soit le problème de la chaleur en dimension d = 2 avec une condition de Neumann
t u u = 0, t > 0, x ,
u n = 0,
t > 0, x ,
u(0, x) = u0 (x) x .
(2.10)
Ce problème est bien pose. Il existe une et une seule solution de la formulation variationnelle associee : voir
[17, 19].
R
R
2
On considère lenergie quadratique E(t) = 21 ku(t)kL2 () . On a E (t) = ut udx = uudx. Une integration
R
R
R
2
par parties montre que E (t) = u udx + uu nd = |u| dx. Une integration en temps
montre que
Z TZ
2
|u(t, x)| dxdt = E(0).
E(T ) + 2
0
Lunicite est alors pour les solutions regulières.
Lemme 6. Soient deux solutions u1 et u2 pour la meme condition initiale u0 . Alors u1 = u2 .

Demonstration. Soit u = u1 u2 , qui est alors solution du meme problème avec une condition initiale nulle.
Lidentite precedente montre que E(T ) E(0) = 0, donc u 0, ce qui montre lunicite de la solution.
Les liens entre (2.10) et les probl`
emes variationnels stationnaires sont imm
ediats apr`
es utilisation dune proc
edure dEuler implicite
pour la discr
etisation de la d
eriv
ee en temps. Soit t > 0 un pas de temps destin
e in fine `
a tendre vers 0. On approche (2.10) par
une succession de probl`
emes stationnaires un
n+1
tun+1 = un , x ,
u
un+1 n = 0,
t > 0, x ,
(2.11)
0
u = u0
x .
Exercice 1. On consid`
ere que u0 L2 (). Montrer que la formulation variationnelle de (2.11) admet une unique solution dans
H01 () pour tout n N.
On renvoie `
a [9] pour les aspects compl
ementaires.
`
2.2.3
15
Principe du maximum
Les equations dadvection et de diffusion satisfont le principe du maximum que nous etudions ici pour le problème
dans le plan

t u + a u ku = 0, x R2 , t > 0
(2.12)
u(0, x) = u( x),
x R2 ,
pour a R2 et k 0.
Soit : R R une fonction de classe C 2 et convexe : 0. On supposera que (0) = 0 et que u et n

egligeable `
a linfini.
Lemme 7 (Estimation a priori). On a
R2
(u(t, x)) dx
R2
(u0 (x)) dx.
(2.13)
D
emonstration. On a
d
dt
(u(t, x)) dx =
R2
R2
R2
t u(t, x) (u(t, x)) dx =
(u(t, x)) a
R2
R2

Z
(u(t, x)) k
(ku a u) (u(t, x)) dx

|u(t, x)|2 (u(t, x)) dx.
R2
Comme u tend vers 0 pour |x| et que (0) = 0, on peut int

egrer dans tout le domaine car les termes `
a linfini disparaissent.
On obtient
Z
d
(u(t, x)) 0.
dt R2
Cela termine la preuve apr`
es int
egration en temps.
Soit u0 L (R2 ), et pour simplifier positive et à support compact : 0 u0 ku0 kL (R2 ) .

Lemme 8. On a pour tout t > 0
0 u(t, x) ku0 kL (R2 ) ,
D
emonstration. Soit la fonction : R R
x R2 .
(2.14)

(v) = max (v, 0)3 = max v 3 , 0 .
Cette fonction est convexe. Sa d

eriv
ee seconde est continue et nulle en v = 0. Donc est C 2 . De Rplus 0 et (v) = 0 si
et
e de la donn
ee initiale, lestimation a priori fournit : R2 (u(t, x)) 0. Donc
R seulement si v 0. Du fait de la positivit
R2 (u(t, x)) 0 et au final u(t) 0.
Soit `
a pr
esent

3
3

,
= max 0, v ku0 kL (R2 )
+ (v) = max 0, v ku0 kL (R2 )
qui est une fonction convexe et de d

eriv
ee seconde continue (et nulle en v = ku0 kL (R2 ) ). On a alors
Z
Z
+ (u0 (x)) = 0
+ (u(t, x))
R2
R2
ce qui montre in fine que u ku0 kL (R2 ) .
2.2.4
Syst`
emes de Friedrichs
Soient deux matrices A1 , A2 Rnn . On fait lhypoth`

ese majeure que les matrices sont sym
etriques
A1 = At1 et A2 = At2 .
On consid`
ere le syst`
eme de Friedrichs `
a coefficients constants
t U + A1 x1 U + A2 x2 U = 0,
t > 0, x = (x1 , x2 ) R2 .
(2.15)
La fonction inconnue est U(t, x) Rn . La condition initiale s

ecrit U(0, x) = U0 (x) pour tout x R2 , o`
u la fonction U0 est la
donn
ee initiale. Les syst`
emes de Friedrichs sont accompagn
es dune identit
e d
energie quadratique.
Proposition 3. Les syst`
emes de Friedrichs conservent l
energie quadratique :
d
dt
kU(t, )kL2 (R)n = 0.
`
16
D
emonstration. On consid`
ere une solution de (2.15), suffisamment r
eguli`
ere dune part. Le produit scalaire avec U donne
t U U + A1 x1 U U + A2 x2 U U = 0.
On a t U U =
1
|U|2 .
2 t
Par ailleurs
1
1
1
1
1
x (A1 U U) = A1 x1 U U + A1 U x1 U = A1 x1 U U + U At1 x1 U. =
2 1
2
2
2
2
A1 + At1
x1 U
2
U.
Or A1 est sym
etrique. Donc 12 x1 (A1 U U) = (A1 x1 U)U. De m
eme 21 x2 (A2 U U) = (A2 x1 U)U car A2 est aussi sym
etrique.
On a donc
1
1
1
t |U|2 + x1 (A1 U U) + x2 (A2 U U) = (t U + A1 x1 U + A2 x2 U) U = 0.
2
2
2
R
2
d
u lon d
eduit le
Do`
u apr`
es int
egration en espace pour une fonction assez petite `
a linfini (en espace) dt
R2 |U| dx = 0, do`
r
esultat.
2.2.5
Termes sources ou de couplage
Le couplage de certains mod`

eles dEDP avec des termes sources ou de couplage peut g
en
erer de nouvelles questions, tant en terme
danalyse des mod`
eles que de construction pour les m
ethodes num
eriques. Cest particuli`
erement vrai lorsquil a y interaction forte
entre les termes sources et les op
erateurs aux d
eriv
es partielles. Nous illustrons ce comportement sur le mod`
ele suivant.
Soit le syst`
eme des ondes lin
eaires avec deux param`
etres > 0 et > 0
1
t > 0, x R2 ,
t p + u = 0,
(2.16)
t u + 1 p + 2 u = 0, t > 0, x R2 ,
avec les conditions initiales p(0) = p0 et u(0) = u0 . Les inconnues sont dune part p R qui est un scalaire et dautre part u R2
qui est un vecteur.
Exercice 2. Montrer formellement lidentit
e d
energie
Z
Z
d
p(x, t)2 + |u(x, t)|2 dx = 2
|u(x, t)|2 dx.
dt R2
R2
Un ph
enom`
ene particuli`
erement int
eressant apparait dans le r
egime o`
u > 0 est petit. Pour le mettre en
evidence nous consid
erons
un d
eveloppement de Hilbert, cest `
a dire que nous d
eveloppons a priori chacune des quantit
es pr
esentes en fonction de sous la
forme
p = p0 + p1 + 2 p2 + O(3 )
et
u = u0 + u1 + 2 u2 + O(3 ).
Dans ces expressions p et u d

ependent de car sont solutions dun syst`
eme dEDP qui d
epend de . Cependant nous consid
erons
que p0 , p1 , p2 , u0 , u1 et u2 sont eux ind
ependants du param`
etre . Ceci est un d
eveloppement a priori ou Ansatz.
Lemme 9. La limite formelle p0 v
erifie l
equation de la chaleur
t p0
1
p0 = 0,
t > 0 et x R2 .
(2.17)
D
emonstration. En plongeant ce d
eveloppement dans le syst`
eme (2.16) et en organisant en puissance de on obtient pour la
premi`
ere
equation

1
u0 + t p0 + u1 + O() = 0
et pour la deuxi`
eme
equation (la puissance en du terme r
esiduel nest pas la m
eme)

1
1
u1 + p0 + O(1) = 0.
u0 +
2
En identifiant les coefficients en puissance de , on obtient
u0 = 0 et u0 = 0 = u0 = 0,
puis t p0 + u1 = 0 et u1 + p0 = 0 do`
u lon d
eduit le r
esultat apr`
es
elimination de u1 .
Il sensuit que le syst`
eme hyperbolique avec terme source (2.16) admet une limite asymptotique (2.17) qui est parabolique
sans terme source. Un tel ph
enom`
ene de changement de type est tout `
a fait caract
eristique de linteraction de termes sources
avec des op
erateurs aux d
eriv
ees partielles.
Chapitre 3
Quelques principes de construction

Nous considerons plusieurs types de discretisation numerique en distinguant suivant que la grille est cartesienne
ou quelconque, suivant le type dequation (transport ou chaleur) et suivant la methode dapproximation (Differences Finies, Elements Finis et Volumes Finis).
Lindice abstrait signalant une approximation numerique sera note h. En pratique h est souvent egal au pas
despace x. Plus generalement h pourra designer lensemble des paramètres numeriques, par exemple h =
(x, t).
3.1
Approximation num
erique en dimension d = 1
Nous considerons une grille de pas despace uniforme x > 0 et de pas de temps t > 0. Comme sur la figure
3.1, les points de grille en espace seront notes xj = jx pour j Z et les points de grille en temps seront notes
tn = nt pour n N.
t
t
5
t4
t3
t2
(x2 ,t3 )
t1
t0
x
2
Figure 3.1 Grille Differences Finies

Linterpolee en (xj , tn ) de la solution exacte u est
u(xj , tn ).
La solution numerique au point (xj , tn ) sera notee unj . A priori unj 6= u(xj , tn ) En rassemblant toutes les valeurs
17
18
CHAPITRE 3. QUELQUES PRINCIPES DE CONSTRUCTION
pour un temps donne, on definit solution interpolee au temps tn

v n = (u(xj , tn ))jZ RZ .
On notera la solution numerique au temps tn par
un = unj
jZ
RZ .
Nous considererons que la donnee initiale u0 est connue, et pour simplifier que cest une fonction continue. Aussi
la discretisation sur la grille de la condition initiale est immediate
u0j = u0 (xj ),
j Z.
(3.1)
Le principe de discretisation consiste `

a utiliser loperateur aux derivees partielles pour etablir une relation de
recurrence qui permette de calculer successivement la solution numerique à chaque pas de temps tn .
3.1.1
Equation du transport
Approximation par Diff

erences Finies
Principe 1 (Differences Finies). Le principe de construction des methodes de Differences Finies consiste `
a
discretiser les operateurs differentiels t et x , en faisant toute hypothèse de regularite necessaire pour justifier
les divers ordres dapproximations.
On a par exemple pour la derivation en temps
t u(xj , tn ) =
Concernant la derivation en
x u(xj , tn )
x u(xj , tn )
u(x , t )
x
j n
u(xj , tn ) u(xj , tn )
+ O(t).
t
espace on a
=
=
=
u(xj , tn ) u(xj1 , tn )
+ O(x)
x
u(xj+1 , tn ) u(xj1 , tn )
+ O(x2 )
2x
u(xj+1 , tn ) u(xj , tn )
+ O(x)
x
(decentrement à gauche),
(approximation centree),
(decentrement à droite).
Supposons que la vitesse est positive a > 0 dans lequation du transport. Pour des raisons de stabilit
e, il faut
privilegier la discretisation en espace decentree à gauche
u(xj , tn+1 ) u(xj , tn )
u(xj , tn ) u(xj1 , tn )
+a
= O(x, t).
t
x
(3.2)
En abandonnant le terre de residu et en remplacant la valeur interpolee par lapproximation numerique, on

obtient le schema de differences finies decentre
un+1
unj
unj unj1
j
+a
= 0,
t
x
j Z,
n 0.
(3.3)
Ce schema prend aussi le nom de schema upwind, car le decentrement va chercher linformation en remontant
le courant, ou encore en remontant le vent. Lerreur de troncature visible dans (3.2) fait que ce schema est dit
dordre un (en temps et en espace).
Principe 2 (Ordre dun schema : ce principe sera precise et generalise aux definitions 8, 7 et 9 et à la remarque
4). Soit une equation aux derivees partielles du premier ordre en temps et dordre quelconque en espace. Soit
un schema numerique donne. Supposons que linsertion des valeurs ponctuelles de la solution exacte dans le
schema permet dobtenir un residu de la forme O(xp + tq ). Alors on dira que le schema est dordre p en
espace et q en temps.

3.1. APPROXIMATION NUMERIQUE
EN DIMENSION D = 1
19
Une illustration numerique avec le schema upwind est la suivante. Nous considerons une donnee initiale u0 (x) =
1 si 0.2 < x < 0.6 et u0 (x) = 0 ailleurs, et des conditions periodiques aux bords. La solution exacte est
u(x, t) = u0(x at) aussi
u(x, 0.3) = 1 pour 0.5 < x < 0.8, et u(x, 0.3) = 0 ailleurs.
Nous notons que cette solution est discontinue.
Nous resolvons numeriquement avec 100 mailles sur un intervalle de longueur 1, soit x = 0.01. Les resultats
t
calcules avec le schema upwind sont presentes à la figure 3.2 pour = a x
avec trois valeurs du paramètre
= 1.1, = 0.1 et = 0.7. Pour = 1.1, on observe une solution numerique violemment oscillante, on dira
instable. En revanche la solution numerique semble proche de la solution exacte pour = 0.1 et = 0.7.
A partir de la forme explicite du schema upwind,
un+1
= (1 )unj + unj1
j
on retrouve aisement que 1 est une condition suffisante pour eliminer les violentes oscillations numeriques
du cas = 1.1. En effet

sup unj .
1 = sup un+1
(3.4)
j
j
Le phenomène de stabilit
e/instabilit
e sera etudie systematiquement au chapitre suivant. On demontrera aussi
la convergence numerique sous des conditions generales.
25
sol1
sol0
20
0.8
15
10
0.6
u
5
0
0.4
5
10
0.2
15
20
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
t=0
0.5
x
0.6
0.7
0.8
0.9
t = 0.3 et = 1.1
sol2
0.6
0.6
u
0.8
0.8
sol3
0.4
0.4
0.2
0.2
0.1
0.2
0.3
0.4
0.5
x
0.6
t = 0.3 et = 0.1
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
x
0.6
0.7
0.8
0.9
t = 0.3 et = 0.7
Figure 3.2 Donnee initiale en haut `

a gauche, solution numerique au temps t = 0.3 pour trois valeurs differentes
t
du paramètre = a x
. On observe une instabilite en haut à droite, et une solution numerique correcte en
bas.
20
Approximation par El
ements Finis
Principe 3 (Methode des elements finis). La discretisation numerique par methode des elements finis sappuie
dune part sur letablissement dune formulation variationnelle des equations, et dautre part sur le choix dun
espace dapproximation de Galerkin.
Nous presentons lapplication de ce principe sur lequation simplifiee stationnaire
d
u = f,
dx
x R.
(3.5)
pour un second membre donne f . La formulation faible que nous considerons est
Z
Z
d
u(x)v(x)dx =
f (x)v(x)dx,
u V, v V.
R dx
R
(3.6)
A priori lespace verifie V H 1 (R), ce qui fait que les integrales sont calculables (i.e. sont convergentes). Pour
une raison de symetrie qui fait partie integrante des approximations de Galerkin, les fonctions tests sont à
prendre dans le meme espace. Il faut faire attention cependant car la forme bilineaire definie dans (3.6) nest
pas coercive. Cependant cela nempeche pas dappliquer lapproximation de Galerkin en dimension finie pour
obtenir une discretisation numerique.
Lemme 10. Lapproximation Elements Finis de type P 1 de loperateur differentiel
d
dx
est centree.
Demonstration. Lapproximation de Galerkin discrète la plus simple de type P 1 sappuie sur Vh = Vect (j )jZ
V avec
j (x) = 0
pour x (j 1)x ou x (j + 1)x,
x (j 1)x
j (x) =
pour (j 1)x x jx,
(3.7)
x
(j
+
1)x
j (x) =
pour jx x (j + 1)x.
x
j (x)
j+1 (x)
j1 (x)
xj1
xj
xj+1
x
Figure 3.3 Fonction chapeau j et les deux fonctions voisines j1 et j+1

La formulation discrète est
Z
ou encore
d
uh (x)vh (x)dx =
dx
Z
f (x)v(x)dx,
R
d
uh (x)j (x)dx =
dx
Lapproximation numerique est uh

uh =
uh Vh , vh Vh ,
f (x)j (x)dx,
R
X
iZ
u i i .
j.
(3.8)
(3.9)

EN DIMENSION D = 1
On obtient
Posons ai,j =
X Z
iZ
21

Z
i (x)j (x)dx ui =
f (x)j (x)dx,
j.
i (x)j (x)dx. Des calculs elementaires montrent que
ai,j = 0
ai,j = 0
Z (j+1)x
(j + 1)x x
1
1
dx = ,
aj+1,j = jx
x
x
2
Z jx
1
x jx
1
aj1,j =
dx = ,
x
x
2
(j1)x !
Z
2
dx = 0.
aj,j =
dx
2
R
On obtient une approximation numerique sous la forme

Z
uj+1 uj1
=
f j ,
2
R
R
1
f j . On ecrit alors
Posons par commodite fj = x
R
uj+1 uj1
= fj ,
2x
i j 2,
i j + 2,
j Z.
j Z.
(3.10)
En comparant avec lequation de depart (3.5), cela montre bien que lapproximation numerique obtenue par
elements finis est centree.
Ce principe setend naturellement `
a lapproximation par methode variationnelle en espace-temps de t u+ax u =
0 qui secrit
Z Z
(t u + ax u) v(x, t)dxdt = 0,
Les fonctions discrètes en temps sont
n (x) = 0
t (n 1)t
n (x) =
t
n (x) = (n + 1)t t
t
u V, v V.
pour t (n 1)t ou t (n + 1)t,

pour (n 1)t t nt,
pour nt t (t + 1)t.
Lapproximation numerique est
uh (x, t) =
um
i i (x)m (t).
j,m
La variante discrète secrit

Z Z
R
On obtient
X Z Z
j,n
ou encore
(t uh + ax ux,t ) j (x)n (t)dxdt = 0,

R
j, n.
(i (x)m (t) + ai (x)m

(t)) j (x)n (t)dxdt um
i = 0,
X Z
j,n

ai,j bm,n + abi,j am,n um
i = 0,
j, n.
j, n,
22
Les coefficients sont
bi,j
1
=
i (x)j (x)dx =
for i = j,
for i = j 1,
for i 6= j 1, j, j + 1.
On obtient finalement le schema
1 n+1
6 uj1
n1
1 n1
2 n1
+ 32 un+1
+ 61 un+1
16 uj+1
j
j+1 6 uj1 3 uj
t
(3.11)
1 n1
uj+1
1 n1
2 n
1 n+1
+ 23 unj+1 + 61 un+1
j+1 6 uj1 3 uj1 6 uj1
= 0.
t
On remarque que ce schema est centre en temps et en espace. Il est aussi implicite car on ne peut pas calculer
directement un+1 .
Une autre possibilite consiste `
a utiliser une approximation delements finis pour la partie en espace, et à se
contenter dune discretisation explicite pour la derivee en temps. On obtient
+a 6
unj
un+1
unj+1 unj1
j
+a
= 0.
t
2x
Dans les trois cas (3.10), (3.11) et (3.12), lapproximation de
d
dx
(3.12)
par elements finis est centree.
Approximation par Volumes Finis

Principe 4. La discretisation numerique par methodes de volumes finies sappuie : a) sur une ecriture sous
forme divergente des equations ; b) sur une integration des equations dans un volume de contr
ole sappuyant
sur un maillage : c) sur la construction de flux numeriques pour clore la construction.
Une forme divergente des equations signale que les differents termes sont ranges `
a linterieur des operateurs
differentiels. Pour ladvection cest le cas car on peut ecrire t (u) + x (au) = 0.
Letape b) peut se realiser en integrant dans un volume espace-temps ou uniquement espace, avec le meme
resultat. Par souci de simplicite, nous integrons dans un volume de type espace.

Le volume (ou maille, ou cellule) dindice j est situe entre les bords de volume xj 12 = j 21 x et xj+ 12 =

j + 12 x. La longueur (volume en 3D) de la maille est xj = xj+ 21 xj 12 : on remarque que les longueurs
de mailles peuvent etre variables ce qui autorise plus de souplesse pour la mise en oeuvre.
Lintegration dans la maille fournit
Z x 1
Z x 1
Z x 1
j+
j+
j+
2
2
2
(t u + ax u) dx =
t udx +
ax udx = 0.
(3.13)
xj 1
xj 1
La première integrale est aussi
xj 1
R xj+ 1
2
xj 1
t udx =
d
dt
R xj+ 1
2
xj 1
u(t, x)dx. La quantite
R xj+ 1
2
xj 1
u(t, x)dx represente la
masse de linconnue u dans la maille. Puis nous definissons la valeur moyenne de de cette meme quantite au
temps tn
R xj+ 1
2 u(x, t )dx
n
xj 1
2
.
vjn =
xj
On peut remarquer quaucune approximation na pour linstant ete realisee. Une approximation de type Differences
d
Finies de loperateur dt
permet dobtenir
d
dt
xj+ 1
xj 1
2
u(t, x)dx = xj
vjn+1 vjn
+ O(t)
t
(3.14)

EN DIMENSION D = 1
23
qui est correct dès que u est suffisamment regulier. Il ny a donc pas de difficulte veritable avec la discretisation
de la derivee temporelle.
A present nous considerons
Z x 1
j+
2
ax u(nt, x)dx.
xj 1
2
On intègre dans la maille la forme divergente

Z x 1
j+
2
x au(nt, x)dx = au(nt, xj+ 12 ) au(nt, xj 21 ).
xj 1
2
Le terme de bord a u(nt, xj+ 21 ) est le flux que nous devons discretiser lors de letape c). Lidee est dobtenir
une representation precise de u(nt, xj+ 12 ) `
a partir de combinaisons bien choisies des vjn .
unj 1 = unj1
unj+ 1 = unj
x
|
{z
un
j
Figure 3.4 La valeur en xj+ 12 est decentre en suivant le signe de la vitesse a > 0, ce qui revient à remonter
le long des caracteristiques.
Le choix usuel (de base) consiste `
a decentrer cette quantite suivant le sens des caracteristiques, donc suivant le
signe de la vitesse a. Pour a > 0, on prendra
u(nt, xj+ 21 ) = vjn + O(x),
Do`
u
xj+ 1
xj 1
j.
n
ax u(nt, x)dx = a(vjn vj1
) + O(x).
(3.15)
On trouve en inserant (3.14) et (3.15) dans (3.13)

xj
vjn+1 vjn
n
+ a(vjn vj1
) = O(x) + O(t).
t
Abandonnant le residu `
a droite, nous obtenons le schema de Volumes Finis
xj
un+1
unj
j
+ a(unj unj1 ) = 0.
t
(3.16)
Ce schema est dordre un en temps et en espace.

Pour le cas de lequation dadvection, il est aise de comparer le resultat de ces trois constructions.
Lemme 11. Soit une grille uniforme : xj = x pour tout j.
Les schemas de Volumes Finis (3.16) et de Differences Finies (3.3) sont identiques et decentres, et sont donc
differents des schemas dElements Finis centres tels que (3.11) et (3.12).
24
Exercice 3. Montrer que le schema de Lax-Wendroff est dordre deux en temps et en espace.
un+1
= (1 2 )unj +
j
+ 2 n
2 n
uj1 +
uj+1 .
2
2
Exercice 4. Montrer que le schema de Beam-Warming est dordre deux en temps et en espace.

3
2 n
1 2
n+1
= 1 + unj + (2 2 )unj1 +
uj
uj2 .
2
2
2
3.1.2
(3.17)
(3.18)
Equation de la chaleur
Nous appliquons `
a present les principes de construction de Differences Finies, dElements Finis et de Volumes
a lequation de la chaleur sur la droite reelle
`
t u xx u = 0,
x R, t > 0.
Les notations discrètes de points et de mailles sont conservees. Le pas de temps est note t > 0, et x > 0 est
le pas despace.
Approximation par Diff
erences Finies
Le schema explicite de Differences Finis prend la forme
unj
un+1
unj+1 2unj + unj1
j
= 0,
t
x2
j Z.
(3.19)
Exercice 5. Montrer que ce schema est dordre un en temps et deux en espace.

Une illustration numerique calculee avec le schema (3.19) est la suivante. Soit une donnee initiale u0 (x) =
cos(2x) et des conditions periodiques aux bords. La solution exacte est
2
u(x, t) = cos(2x)e4 t .
2
1
Pour un temps de T = log
4 2 0.0175581, on obtient u(x, T ) = 2 u0 (x).
Nous resolvons ce problème avec 100 mailles sur un intervalle de longueur 1, soit x = 0.01. Les resultats
t
calcules avec le schema (3.19) pour un paramètre = 2 x
esentes à la figure 3.5, pour trois valeurs du
2 sont pr
paramètre = 0.55, = 0.1 et = 0.45.
A partir de la forme explicite du schema upwind,
un+1
= (1 2)unj + unj1 + unj+1
j
on retrouve aisement que
du cas = 0.55. En effet
1
2
est une condition suffisante pour eliminer les violentes oscillations numeriques

sup unj .
1 = sup un+1
j
j
Approximation par El
ements Finis
La methode des Elements Finis sappuie sur une formulation variationnelle que nous developpons tout dabord
pour lequation stationnaire u (x) = f avec f L2 (R) pour fixer les idees. On a
Z
Z
u (x)v (x)dx = f (x)v(x)dx, pour tout v dans un espace bien choisi de type H 1 (R).
R

EN DIMENSION D = 1
1
25
8e+08
soldifini
soldifCFL=.55
6e+08
0.5
4e+08
2e+08
2e+08
0.5
4e+08
8e+08
6e+08
0
0.1
0.2
0.3
0.4
0.5
x
0.6
0.7
0.8
0.9
0.1
0.2
t=0
0.3
0.4
0.5
x
0.6
0.7
0.8
0.9
0.9
t = T et = 1.1
0.5
0.6
soldifCFL=.45
soldifCFL=.1
0.4
0.4
0.3
0.2
0.2
0.1
0
0.1
0.2
0.2
0.3
0.4
0.4
0.5
0.1
0.2
0.3
0.4
0.5
x
0.6
0.7
0.8
0.9
0.6
0.1
0.2
0.3
t = T et = 0.45
0.4
0.5
x
0.6
0.7
0.8
t = T et = 0.1
2
Figure 3.5 Donnee initiale en haut `
a gauche, solution numerique au temps T = log
4 2 . On observe une
instabilite en haut `
a droite, et une solution numerique correcte en bas. Les amplitudes de linstabilite sont
sans commune mesure avec lamplitude de la solution exacte.
Soit une fonction test P 1 definie dans (3.7). La formulation discrète est
Z
Z
uh j dx = f j dx.
P
Considerons comme auparavant que uh = i ui i . On obtient

Z
X Z
i (x)j (x)dx ui = f j dx,
R
j.
i (x)j (x)dx do`

u lon obtient
ci,j = 0
i j 2,
c
=
0
i j + 2,
i,j
Z (j+1)x
1
1
1
dx =
,
cj+1,j =
x x
x
Zjx
jx
1
1
1
c
=
dx =
,
j1,j
x
x
x
(j1)x
(j+1)x
2
1
dx =
.
cj,j =
2
x
x
(j1)x
R
1
f j . On obtient alors le schema
Nous posons par commodite fj = x
R
Posons ci,j =
uj+1 2uj + uj1

= xfj ,
x
j.
26
Une discretisation de type Differences Finies explicite du terme t u permet dobtenir le schema
unj
un+1
uj+1 2uj + uj1
j
= 0,
x
t
x
n N, j Z,
(3.20)
dans lequel on retrouve le schema aux Differences Finies (3.19).

Approximation par Volumes Finis
Considerons à present une discretisation par la methode des Volumes Finis pour la forme divergente
t u x f = 0,
f = x u.
Nous integrons en espace entre xj 21 et xj+ 12

d
dt
Do`
u
d
dt
xj+ 1
xj 1
u(t, x)dx
xj+ 1
2
xj 1
xj+ 1
2
xx u(t, x)dx = 0.
xj 1
u(t, x)dx x u(t, xj+ 12 ) + x u(t, xj 12 ) = 0.
(3.21)
Le centre des mailles est note xj avec

xj =
xj 21 + xj+ 21
.
2
Comme auparavant la valeur moyenne de u dans la maille est notee
R xj+ 1
2 u(nt, x)dx
xj 1
2
= u(nt, xj ) + O(x2j ),
vjn =
xj
(3.22)
et la derivation en temps est approchee par la difference finie explicite (3.14). Une discretisation naturelle du
flux x u(t, xj+ 12 ) est
x u(nt, xj+ 12 ) =
u(nt, xj+1 ) u(nt, xj )

+ O(xj+1 xj ).
xj+1 xj
uj+1
uj+ 21
uj
xj+ 21
|{z} | {z }
xj+ 1 Gj Gj+1 xj+ 1

2
Figure 3.6 Interpolation en xj+ 21 de la derivee en espace.

On peut remarquer que si le maillage est uniforme
xj+1 xj+ 21 = xj+ 12 xj xj+ 23 xj+ 21 = xj+ 21 xj 12 ,
(3.23)

EN DIMENSION D 2
27
alors lerreur dinterpolation est du second ordre

x u(nt, xj+ 21 ) =

u(nt, xj+1 ) u(nt, xj )
+ O (xj+1 xj )2
xj+1 xj
et donc a priori plus precis que (3.23). En remplacant la valeur ponctuelle par la valeur moyenne (3.22), nous
obtenons
n
vj+1
vjn
x u(nt, xj+ 12 ) =
+ O (max(xj+1 , xj ))
xj+1 xj
Do`
u à partir de (3.21)
xj
n
n
vjn+1 vjn
vj+1
vjn
vjn vj1
+
= O (max (xj+1 , xj , t)) .
t
xj+1 xj
xj xj1
Il reste à abandonner le residu et `

a remplacer la solution exacte par la solution numerique pour obtenir
xj
unj
un+1
unj+1 unj
unj unj1
j
+
= 0.
t
xj+1 xj
xj xj1
(3.24)
Proposition 4. Soit une grille uniforme : xj = x pour tout j. Alors les schemas de Differences Finies
(3.19), dElements Finis (3.20) et de Volumes Finis (3.24) sont identiques.
3.2
Approximation num
erique en dimension d 2
Nous passons en revue quelques principes qui permettent detendre les schemas precedents en dimension
superieure.
La presentation sera faite en dimension d = 2, cependant les principes restent les memes en dimension d = 3 et
plus.
3.2.1
M
ethodes de Diff
erences Finies
Soit une grille cartesienne uniforme dont les points en espace sont notes
xi,j = (ix, jx) ,
i, j Z.
Les pas de temps sont toujours tn = nt pour n N. La solution numerique au point despace-temps (xi,j , tn )
sera notee uni,j .
Principe 5. Une extension bidimensionnelle immediate dun schema de Differences Finies mondimensionnel
consiste `
a additionner les discretisations dans les diverses directions spatiales.
Soit par exemple lequation dadvection bidimensionnelle
t u + ax u + by u = 0,
(x, y) R2 .
(3.25)
En supposant a > 0 et b < 0, un schema bidimensionnel explicite construit à partir de (3.3) secrit
n
un+1
uni,j uni,j1
uni,j+1 uni,j
i,j ui,j
+a
+b
= 0.
t
x
x
(3.26)
Ce schema est dordre un en temps et en espace.

Principe 6. Une extension bidimensionnelle par splitting directionnel dun schema de Differences Finies mondimensionnel consiste `
a decomposer le schema en deux etapes monodimensionnelles.
28
Toujours pour la meme equation (3.25) et avec les memes hypothèses a > 0 et b < 0, on aura le schema explicite
en deux etapes
n+ 21
Première etape :
ui,j
uni,j
uni,j uni,j1
+a
=0
t
x
suivi de
n+ 12
un+1
i,j ui,j
Deuxième etape :
t
n+ 21
n+ 1
2
ui,j
ui,j+1
+b
x
= 0.
Une telle decomposition peut sembler surprenante à première vue. Cependant en additionnant ces deux etapes
on obtient
n+ 12
n+ 1
n
2
ui,j
ui,j+1
un+1
uni,j uni,j1
i,j ui,j
+a
+b
t
x
x
= 0,
(3.27)
dans lequel on retrouve la discretisation des derivees en x et en y mais avec un centrage en temps intermediaire
pour la derivee discrète en y.
Lextention de ces principes est immediate pour tout type dequation qui admet une discretisation de Differences
Finies en dimension d = 1 despace.
3.2.2
M
ethode de Volumes Finis pour l
equation dadvection
Ces idees ont ete developpees `

a parti des travaux initiaux de Hill-Reed et Lesaint-Raviart [32, 28] pour la
discretisation de problèmes en neutronique. La motivation initiale etait dutiliser des maillages quelconques
avec des donnees numeriques constantes par maille, i.e. P 0 , car cela est adapte à la prise en compte dune
physique complexe.
Soit a R2 un champ de vitesse constant en espace et en temps. Soit R2 un ouvert borne polygonal tel
que celui de la figure 3.7.
+
l
njk
k
nj
j
Figure 3.7 Domaine et maillage

EN DIMENSION D 2
29
Soit un maillage de . Ce maillage est une collection de mailles polygonales j (considerees comme des
ouverts). La condition de recouvrement secrit
= j j .
Laire de j est notee sj > 0 et
Aire () =
sj .
La normale sortante de j est nj . Linterface entre j et k est jk = kj . Sur cette interface nj sera aussi
note njk . La longueur de linterface est ljk = lkj . Elle peut etre nulle pour jk = ce qui signale que les mailles
ne sont pas voisines. Par construction
njk + nkj = 0 pour ljk > 0.
La frontière de j est alors egale `
a la collection de segments
+
j = k jk
j j
o`
u
et
j = j ,
cest à dire a nj < 0 sur

j ,
+
+
j = j ,
cest à dire a nj 0 sur +

j .
La longueur de
ee lj .
j sera not
D
efinition 6 (Longueur caracteristique du maillage). Il est utile de definir une longueur caracteristique qui
mesure la finesse du maillage : on la notera h. Avec une part darbitraire, on la definit comme

+
(3.28)
h = max max ljk , max lj , max lj .
j
jk
A partir de ces notations, nous sommes en mesure de construire un schema de Volumes Finies en suivant le
principe 4. Une integration de lequation dans la maille j donne
Z
(t u + (f (u))) dx = 0.
j
Ici
f (u) = au
est le flux exact. Separant la derivee en temps des derivees en espace
Z
Z
d
udx +
f (u)dx = 0.
dt j
j
(3.29)
La fonction u sera supposee aussi regulière que necessaire, ce qui permet de justifier toutes les developpements
de Taylor qui seront realises. Le terme en temps est
!
Z
vjn+1 vjn
d
+ O(h2 t).
(3.30)
udx (nt) = sj
dt j
t
Ici vjn est la valeur moyenne de u au temps tn
vjn
u(tn , x)dx
sj
(3.31)
30
Exercice 6. En notant xj le centre de masse de la maille, montrer que

vjn = u(nt, xj ) + O(h2 ).
(3.32)
Considerons à present la deuxième partie de (3.29), que nous integrons directement dans la maille. En supposant
que j est situe strictement `
a linterieur du domaine, on obtient
Z
f (u(nt, x)) dx =
f (u(nt, x)) nj d =
X
k
n
(ljk a njk ) vjk
.
(3.33)
n
Ici vjk
est la valeur moyenne de u sur linterface jk au temps tn
n
vjk
=
jk
u(nt, x)d
ljk
Il est temps dappliquer letape c) du principe de construction 4 des schemas de Volumes Finis. Nous nous
appuyons sur les droites caracteristiques. Pour un champ de vitesse a est oriente de j vers k , on considere
n
que vjk
vjn . Cela est illustre `
a la figure 3.8.
a
nj
nj
n
vjk
= vkn + O(h)
n
vjk
= vjn + O(h)
Figure 3.8 On recherche une approximation decentree suivant le signe de a n de la valeur moyenne à
linterface entre deux mailles.
ee au bord u
La meme idee est utilisee sur chaque interface. Sur le bord entrant
j , on utilise la donn
u,n
j
R (n+1)t R
nt
u (s, x)dds
t lj
(3.34)
n
Si a njk = 0, alors la valeur choisie de vjk
na pas dimportance car elle est multipliee ljk a njk = 0 in (3.33).
On obtient
vjn+1 vjn
sj
+ O(h2 t)
t
X
X

+
ljk a njk vjn + O(h) +
ljk a njk (vkn + O(h))
k, anjk >0
k, anjk <0

+lj a nj vj,n + lj+ a nj vjn + O(h) = 0.

EN DIMENSION D 2
31
En abandonnant les residus O() et en remplacant systematiquement les moyennes de la solutions exactes par
la solution numerique on obtient
sj
un+1
unj
j
+
t
k, anjk >0
ljk a njk unj +
k, anjk <0
ljk a njk unk + lj a nj u,n

+ lj+ a nj unj = 0.
j
(3.35)
Notons que le flux numerique sur chaque bord peut se representer par la formule symetrique
Fj,k (u, v) =
|a nkj | + a nkj
|a njk | + a njk
u
v.
2
2
(3.36)
Ce flux numerique est une approximation numerique du flux exact, au sens o`

u
Fj,k (u, u) = f (u) njk .
(3.37)
Cette propriete est appelee la consistance du flux num

erique. Une autre propriete du flux numerique est
Fj,k (u, v) + Fj,k (v, u) = 0
u, v R.
(3.38)
Avec ces notations le schema peut se recrire

sj
X
unj
un+1
j
+
ljk Fjk (unj , unk ) + lj Fj,j (unj , u,n
) + lj+ Fj,j + (unj , u+,n
)=0
j
j
t
(3.39)
o`
u nous avons utilise la meme convention decriture pour les flux sur les bords exterieurs indices j et j + (le
terme u+,n
est artificiel et ne joue pas sur la valeur du flux numerique).
j
P
Soit M n = j sj unj la masse totale dans le domaine de calcul.
Lemme 12. Le schema (3.35) est conservatif, au sens o`

u la variation de masse totale se determine en fonction
des flux sur les bords sortant et entrant
X
M n+1 M n X
+
+
lj a nj u,n
lj+ a nj unj = 0.
j
t
j
j
Demonstration. Considerant (3.39), il suffit de sommer sur toutes les mailles et de montrer que la contribution
des flux internes sannule. On a
XX
X

ljk Fjk (unj , unk ) + lkj Fkj (unk , unj ) = 0
ljk Fjk (unj , unk ) =
j
j,k
en vertu de (3.38). La preuve est terminee.

La stabilite et la convergence de ce schema seront etablies au chapitre 5.
3.2.3
M
ethode de Volumes Finis pour l
equation de la chaleur
Nous considerons lequation de la chaleur en dimension d = 2 avec une condition de Neumann homogène

t u + g(u) = 0, x ,
g(u) n = 0,
x
pour le flux g(u) = u.
Nous utilisons les notations precedentes sur le maillage. La methode dintegration de Volumes Finis est similaire
au cas de ladvection, cependant il apparaitra une condition de compatibilite sur le maillage. De ce point de
vue, cela fait apparaitre une difference fondamentale entre ces deux problèmes.
32
Après integration dans j , discretisation explicite de la derivee temporelle et expression des flux aux bords, on
obtient
vjn+1 vjn X
n
sj
+
ljk wjk
= O(h2 t)
(3.40)
t
k
vjn
o`
u
represente la valeur moyenne (3.31) de la solution exacte dans la maille et wjk est la valeur moyenne du
flux exact sur linterface
Z
n
ljk wjk
=
u(nt, x)d njk = u(nt, xjk ) njk + O(h2 )
jk
o`
u xjk est defini comme le milieu du bord. On a
u(nt, xk ) = u(nt, xjk ) + u(nt, xjk ) (xk xjk ) + O(h2 ),
et
u(nt, xj ) = u(nt, xjk ) + u(nt, xjk ) (xj xjk ) + O(h2 ).
En soustrayant nous obtenons
u(nt, xk ) u(nt, xj ) = u(nt, xjk ) (xk xj ) + O(h2 ).
Posons
djk = |xk xj | et mjk =
xk xj
avec |mjk | = 1.
djk
Pour continuer la construction, nous ajoutons des conditions sur le maillage.

Hypoth`
ese 1 (Sur le maillage). Nous supposons quil existe une constante C > 0 independante de h telle que
inf djk Ch
(3.41)
(j,k)
o`
u h est la longueur caracteristique (3.28). De plus nous supposons que le segment qui relie les centres de maille
est orthogonal au bras
mjk = njk ,
j, k.
(3.42)
Un contre-exemple est propose `
a la figure 3.9.
Gr
ace à (3.41) et (3.42) on peut ecrire après division par djk
u(nt, xjk ) njk =
u(nt, xk ) u(nt, xj )
+ O(h).
djk
(3.43)
Cest donc que

n
wjk
=
u(nt, xk ) u(nt, xj )
+ O(h).
djk
Or on peut approcher `
a lordre deux les valeurs ponctuelles par les valeurs moyennes gr
ace à (3.32), do`
u
n
wjk
=
vkn vjn
+ O(h).
djk
On reporte cette expression dans (3.40). Abandonnant les residus et remplacant les moyennes de la solution
exacte par la solution numerique, on obtient le schema numerique de Volumes Finis
sj
X unk unj
un+1
unj
j
= 0,
ljk
t
djk
k
j.
(3.44)

EN DIMENSION D 2
Cell j
33
njk
xj
mjk
xk
Cell k
Figure 3.9 Exemple dun maillage satisfaisant localement (3.41), mais ne satisfaisant pas la condition dalignement (3.42) car mjk 6= njk .
On remarque que la condition au bord de Neumann est automatiquement prise en compte car la somme sur les
mailles k exclut le bord. Cette construction permet didentifier un flux numerique
Gjk (u, v) =
uv
,
djk
avec Gjk (u, v) + Gjk (v, u) = 0.
(3.45)
Il sensuit que le schema (3.44) se recrit sous la forme generale

sj
X

un+1
unj
j
+
ljk Gjk unj , unk = 0,
t
j.
(3.46)
Lemme 13. Le schema (3.46) est conservatif, au sens o`

u la variation de masse totale est nulle.
Exercice 7. Le montrer.
La construction de ce schema est soumise `
a la contrainte que les centres de mailles (xj ) doivent satisfaire
lhypothèse 1. Cette hypothèse est en pratique une contrainte extremement forte sur le maillage. Les maillages
cartesiens voire cartesiens `
a pas variable tels que celui de la figure 3.10 verifie cette contrainte. Cependant
il ny a pas de raison quun maillage quelconque la satisfasse. Cela montre quil y a des liens forts entre la
methode consideree de discretisation de lequation de la chaleur et la geometrie du maillage sur lequel sappuie
la discretisation.
On decrit dans ce qui suit une solution elegante qui relaxe en partie cette contrainte pour les maillages en
bj attache à la maille j et nous etudions quelques proprietes de la
triangles. Nous allons definir un point x
valeur de la solution exacte interpolee en ce point
bj ).
vbjn = u(nt, x
Nous definissons par ailleurs des quantites geometriques
bk x
bj
x
bj | et m
b jk =
tel que
dbjk = |b
xk x
b
djk

b
fjk = 1.
(3.47)
Supposons alors quil existe une constante universelle C > 0 independante de h avec les proprietes suivantes
On a pour une solution u suffisamment regulière
sj
wjn+1 wjn
vjn+1 vjn
= sj
+ O(h3 ).
t
t
34
y2
y1
x1
x2
Figure 3.10 Exemple dun maillage en quadrangles satisfaisant les conditions de la table 3.1. Ce maillage est
fortement contraint.
a)
b)
c)
supj |b
xj xj | Ch
inf (j,k) dbjk Ch
b jk = njk pour tout (j, k)
m
Table 3.1 Contraintes sur le maillage.

Donc on peut recrire (3.40) sous la forme
sj
wjn+1 wjn X
n
ljk wjk
= O(h2 t) + O(h3 ).
t
(3.48)
n
Or nous pouvons approcher wjk
par une combinaison lineaire de wjn et wkn . En effet on a
bk ) u(nt, x
bj ) = u(nt, xjk ) (b
bj ) + O(h2 ).
u(nt, x
xk x
On trouve en utilisant les points a) et b) plus haut

bjk ) m
b jk =
u(nt, x
bk ) u(nt, x
bj )
u(nt, x
+ O(h).
djk
Le reste de la construction etant similaire, on obtient en suivant les memes principes

X

un+1
unj
j
b jk un , un = 0,
+
ljk G
sj
j
k
t
k
pour le flux numerique
b jk (u, v) = u v .
G
dbjk
(3.49)
(3.50)

EN DIMENSION D 2
35
La convergence de la variante implicite de ce schema sera etablie au chapitre 5.

Pour un maillage donne, les conditions enoncees dans la table 3.1 sont des conditions suffisantes pour que le
schema de Volumes Finis (3.49) soit construit en accord avec le principe 4.
Il est absolument remarquable quune solution simple à mettre en oeuvre existe pour un maillage en triangles
dont tous les angles sont strictement inferieurs à 2 .
Lemme 14. Soit un maillage constitue de triangles. Supposons que les angles des triangles soient tous strictebj le centre du cercle circonscrit `
ment inferieurs `
a 2 pour un independant de h. Soit x
a la maille dindice
j.
bj j pour tout j, et les autres conditions de 3.1 sont verifiees.
Alors x
xj
xk
C
Figure 3.11 Triangles et cercles circonscrits.

Exercice 8. Demontrer ce resultat en partant de la figure 3.11.
Les triangles de la figure 3.11 constituent un cas particulier de maillage de Delaunay [16]. La discretisation
de lequation de la chaleur en Volumes Finis se conduit aussi pour les maillages de Delaunay-Voronoi pour
lesquels on renvoie `
a on renvoie `
a une reference initiale [22]. Voir aussi [15] pour une utilisation de la condition
dorthogonalite entre les centres de mailles et les bras visible à la figure 3.11 dans le cadre des methodes de
Volumes Finis pour lequation de la chaleur.
3.2.4
M
ethodes de Volumes Finis pour les syst`
emes de Friedrichs
On reprend les notations sur le maillage introduites pr

ec
edemment et on consid`
ere une solution r
eguli`
ere du syst`
eme de Friedrichs
(2.15). La valeur moyenne de la solution exacte dans la maille est not
ee
R
j U(x, t)dx
n
.
Vj =
sj
La valeur moyenne sur un bras de la solution exacte est not
ee
R
n
Vjk
=
jk
U(x, t)d
ljk
Apr`
es int
egration en temps de l
equation (2.15), discr
etisation explicite de la d
eriv
ee temporelle et expression des termes de flux
au bord, on obtient
X
Vjn+1 Vjn
n
ljk Ajk Vjk
= O(h2 t)
(3.51)
+
sj
t
k
36
o`
u les matrices de bord sont d
efinies exactement par
Ajk = A1 n1jk + A2 n2jk = Akj ,

njk = n1jk , n2jk R2 .
(3.52)
Le terme de flux vient dune utilisation de la formule de Stockes sous la forme

Z
Z
X

ljk Ajk Vjk .
n1j A1 U + n2j A2 U d =
(x1 (A1 U) + x2 (A2 U)) dx =
j
Lexpression (3.51) est exacte car aucune approximation na

et
e r
ealis
ee pour linstant.
n en fonction des valeurs moyennes Vn et en tenant compte de
Si on peut d
eterminer une expression des termes dinterfaces Vjk
j
la structure matricielle du probl`
eme, cela permet de proposer une facon de terminer la construction de la m
ethode. Cest ce que
lon appelle commun
ement un solveur de Riemann. Il se trouve quil est beaucoup plus judicieux en pratique de chercher a
`
n en fonction de Vn et de Vn . En effet les exemples usuels montrent que les matrices
d
eterminer une valeur pour le produit Ajk Vjk
j
k
Ajk peuvent
etre non inversible (detAjk = 0).
On consid`
ere dans ce qui suit un mode de construction simple qui sappuie sur une d
ecomposition en partie positive et partie
n
egative de la matrice de bord sous la forme
(3.53)
Ajk = A+
jk + Ajk

t

t
+
o`
u A+
0 est une matrice sym
etrique positive ou nulle et A
0 est une matrice sym
etrique n
egative
jk = Ajk
jk = Ajk
ou nulle, tout en conservant A+

ecomposition est ais
ee `
a r
ealiser pour des matrice sym
etriques,
jk = Akj et Ajk = Akj . Une telle d
cependant elle nest pas unique ce qui explique en partie la profusion de solveurs de Riemann. Pour fixer les id
ees on part dune
diagonalisation
n
X
p
p
pjk wjk
wjk
Ajk =
p=1
o`
u les vecteurs propres
p
wjk
sont orthonorm
es. On choisit alors
X p p
X p p
p
p
jk wjk wjk
.
jk wjk wjk
et A
A+
jk =
jk =
On a la formule
(3.54)
jk <0
jk >0
n
n
n
Ajk Vjk
= A+
jk Vj + Ajk Vk + O(h)
(3.55)
qui sert pour d

efinir le flux num
erique. En effet on pose
fjk (U, V) = A+
jk U + Ajk V.
(3.56)
En abandonnant les diff

erents termes derreur et en remplacant la solution exacte par la solution num
erique, on obtient le sch
ema
de Volumes Finis explicite
X
Un+1
Un

j
j
n
sj
+
ljk fjk Un
(3.57)
j , Uk = 0.
t
k
On peut faire quelques remarques.
.
Remarque 1. On peut se demander pourquoi ne pas prendre un flux num
erique plus simple, par exemple fjk (U, V) = Ajk U+V
2
Il se trouve quun tel choix m`
ene `
a un sch
ema instable, et cest pour cela quil nest jamais retenu.
Remarque 2. Si le probl`
eme est scalaire cest `
a dire n = 1, alors le syst`
eme de Friedrichs est identique `
a l
equation dadvection.
On peut alors v
erifier que le flux (3.56) est identique au sch
ema d
ecentr
e d
efini par le flux (3.36).
Remarque 3. On peut remarquer que la formule (3.56) ne permet pas de d
efinir de valeur interm
ediaire car la matrice Ajk peut
ne pas
etre inversible.
La stabilit
e et la convergence de ce sch
ema peuvent
etre
etablies avec les estimations d
evelopp
ees au chapitre 5, ce qui justifie cette
construction.
Chapitre 4
Analyse num
erique des m
ethodes de
Diff
erences finies
Lanalyse numerique des methodes de Differences Finies se realise à partir des notions fondamentales de consistance et de stabilit
e, ce qui permet devaluer et parfois de mesurer quantitativement la pr
ecision num
erique.
Cela pose par ailleurs les bases de lanalyse numerique de la plupart des methodes numeriques instationnaires.
La presentation qui suit est tout `
a fait classique [33, 27, 11, 1, 20, 14], en veillant toutefois à permettre lanalyse
numerique des methodes de Volumes Finis avec les memes outils au chapitre suivant.
4.1
Consistance, stabilit
e et th
eor`
eme de Lax
La presentation du cadre theorique sera developpee à partir du problème lineaire modèle

t > 0,
t u = Au,
u(0) = u0 V,
(4.1)
o`
u V un espace de Banach de norme || ||. On suppose lexistence dun sous-espace dense dans V note X V
u V,
inf ku vk = 0.
vX
Loperateur lineaire est A : D(A) V de domaine dense X D(A) V . Sous des conditions generales
pour lesquelles on renvoie `
a [11, 6], ce problème est bien pose (existence et unicite de la solution). Cela definit
u(t) V .
D
efinition 7. Nous considèrerons que le semi-groupe doperateur etA est born
e
tA
||etA || KeLt , t R.
K, L 0 tels que
(4.2)
Nous dirons que e est uniform

ement born
e si L = 0.
Nous dirons que etA est unitairement born
e si de plus K = 1, auquel cas on a ||etA || 1 pour tout temps.
La plupart des exemples considerees dans ces notes correspond à des semi-groupes uniformement voire unitairement bornes. On representera la solution de (4.1) sous la forme abstraite
u(t) = etA u0 .
Le probl`
eme mod`
ele avec second membre s
ecrit
Sa solution est donn

ee par la formule de Duhamel
u = Au + f,
t
u(0) = u0 .
u(t) = etA u0 +
t > 0,
(4.3)
(4.4)
e(ts)A f (s)ds.
Cependant pour des raisons de simplicit

e de notations, nous ne consid
ererons que le probl`
eme homog`
ene f = 0. Par ailleurs cela
ne changerait pas fondamentalement les conclusions auxquelles nous arriveront.
37
38
4.1.1
CHAPITRE 4. ANALYSE NUMERIQUE

DES METHODES
DE DIFFERENCES
FINIES
Consistance pour le cas stationnaire
Le sous espace X est typiquement constitue de fonctions regulières, par exemple de classe C 2 voire meme C .
Ce quil faut cest que X permette au moins de definir loperateur dinterpolation et de realiser les differentes
etudes de consistance necessaires.
Soit Vh V un sous-espace vectoriel de V et h un op
erateur dinterpolation,
h : X Vh .
Ici interpolation fait reference au fait que X 6= V , ce qui est le cas pour lexemple central (4.5). Si h h = h
on dira que plus h est un op
erateur de projection. Dans la plupart des situations rencontres dans ces notes
et avec quelques adaptations dans les notations, h est à la fois un operateur dinterpolation et de projection 1 .
Ces objets dependent dun paramètre h > 0 qui est destine à converger vers zero. Ce paramètre represente les
paramètres numeriques de la methode. On peut identifier h à la plus grande longueur du maillage telle que
definie dans (3.28).
Nous considererons que h est un bon operateur dapproximation au sens o`
u
u X, lim ||u h u|| = 0.
h0
(4.6)
Soit Ah : Vh Vh . un schema numerique qui realise une approximation de A.

D
efinition 8 (Consistance, ordre dapproximation). On dit que le schema numerique Ah est une approximation
consistante de A ssi
u X, lim ||Ah h u Au|| = 0.
(4.7)
h0
On dira que lapproximation est dordre p > 0 ssi il existe une constante C > 0 independante de h et u telle que
||Ah h u Au|| Chp ||u||,
u X.
(4.8)
On note que lordre dapproximation peut dependre de X et h .
4.1.2
Cas instationnaire
Soit t > 0 un pas de temps et tn = nt pour n N. Avec lensemble de ces notations, le schema dEuler
explicite pour la discretisation de (4.1) secrit
un+1
unh
h
= Ah unh , n 0,
(4.9)
u0 =t
h u0 .
h
1. Un exemple qui permet dillustrer ces d

efinitions est le suivant. On peut prendre V = Lp (R2 ) pour 1 p . Un sous-espace
X qui convient naturellement est X = C 0 (R2 ). On peut aussi prendre X = C q () pour q N assez grand ce qui se r
ev`
elera adapt
e
pour l
etude de consistance. Lespace discret sappuie sur un maillage cest-`
a-dire une collection de points
xij = (ix, jy),
(i, j) Z2 .
Un op
erateur dinterpolation ponctuel naturel est
h (u) = (u(xij ))i,jZ
(4.5)
qui est d
efini pour des fonctions de classe C . Le pas despace x dans la direction x est
eventuellement diff
erent du pas y dans
la direction y. On aura naturellement h = max(x, y). Lespace discret Vh est constitu
e des fonctions discr`
etes dont les values
sont sp
ecifi
ees aux points du maillage
n
o
Vh = vh = (vij )i,jZ .
On pourrait objecter que Vh nest pas un sous-espace de V . Mais ce nest en rien une restriction pour peu que lon identifie (que
lon confonde) Vh et Wh qui est lespace des fonctions constantes par morceaux sur des carr
es Cij =](i 21 )x, (i + 12 )x[](j
1
1
)y, (j + 2 )y[ de centre xij
2
Wh = {v V, v est constant sur tous Cij } .

1
P
p
On a alors Vh Wh V et la norme dans Vh est la norme de V : kvh k = xy ij |vij |p
. Dans ces conditions on a bien que
Vh V . Enfin il est ais
e de donner un sens `
a la relation h h = h ce qui fait que h est aussi un op
erateur de projection.
ET THEOR
`
4.1. CONSISTANCE, STABILITE
EME
DE LAX
39
Lerreur de troncature de ce schema est rhn Vh

rhn =
1
(h u(tn+1 ) h u(tn )) Ah h u(tn ), n, h.
t
(4.10)
D
efinition 9. On dira que le schema (4.9) est une approximation consistante de (4.1) ssi
!
u C 1 ([0, T ] : X),
lim
h0
max krhn h (t u Au) (tn )k
T
n t
= 0.
(4.11)
On dira que lapproximation est dordre p en espace et q en temps ssi il existe r N assez grand tel que
u C r ([0, T ] : X),
max krhn h (t u Au) (tn )k C(hp + tq ).
T
n t
(4.12)
Notons quon a augmente la regularite en temps dans (4.12) par rapport à (4.11) car sinon il y a peu de chance
dobtenir un precision en temps `
a lordre q pour q assez grand.
Comme

1

pour u C 1 ([0, T ] : X),
(
u(t
)
u(t
))
u
lim
h
n+1
h
n
h t = 0,

h
t
le critère de consistance (4.11) pour le problème instationnaire se trouve etre très proche du critère de consistance
(4.7) pour le problème stationnaire.
Remarque 4 (Critère de consistance precise). Le plus souvent on se contente de verifier le critère precise
max krhn k C(hp + tq )
T
n t
(4.13)
pour toute solution suffisamment regulière de t u Au = 0.

Le schema dEuler explicite peut se recrire sous la forme
un+1
= (Ih + tAh )unh
h
o`
u Ih + tAh est loperateur diteration et Ih est loperateur identite dans Vh : Ih vh = vh pour tout vh Vh .
Aussi la question de la stabilite de cet operateur diteration est naturelle. On etend alors la definition 7 en
introduisant une possible restriction sur le pas de temps 2 pour suivre ce que lon a observe aux simulations
numeriques presentees dans les figures 3.2 et 3.5.
D
efinition 10 (Stabilite et condition CFL de Courant-Friedrichs-Levy). Nous supposons quil existe une fonction : R+ R+ et deux constantes K , L 0 avec la propriete suivante : pour tous h et t satisfaisant la
condition CFL de restriction sur le pas de temps
t (h),
on a
(4.14)
k(Ih + tAh )n k K eL nt .
(4.15)
Nous dirons alors que loperateur diteration est stable pour la condition CFL (4.14).
Si L = 0, on dira que loperateur diteration est uniform
ement stable pour la condition CFL (4.14).
Si enfin L = 0 et K = 1, on se propose de dire que loperateur diteration est unitairement stable pour la
condition CFL (4.14).
En general pour un operateur Ah qui discretise un operateur aux derivees partielles donne A, le pas de temps
maximal est tel que
lim (h) = 0.
(4.16)
h0
Une cons
equence de la condition CFL (4.16) est alors : plus le maillage est fin, plus le pas de
temps est petit, ce qui accroit dautant la charge de calcul de lordinateur.
2. Cela fait r
ef
erence au c
el`
ebre article de 1928 de Courant, Friedrichs et Levy [10].
40

DES METHODES
DE DIFFERENCES
FINIES
Th
eor`
eme 1 (Theorème de Lax : première version). Soit un schema lineaire (4.9) consistant au sens de (4.12).
Supposons que le pas de temps satisfasse `
a la condition CFL (4.16). Alors il est convergent au sens o`
u
!
T > 0,
lim
h0
max kh u(tn ) unh k
T
n t
=0
(4.17)
pour tout u C 1 ([0, T ] : X) solution de (4.1).

=
Demonstration. On definit lerreur numerique enh = unh h u(tn ). On a la formule de recurrence en+1
h
(Ih + tAh ) enh + t rhn avec linitialisation e0h = 0. Do`
u la formule de representation
n
enh = (Ih + tAh ) e0h + t
n1
X
(Ih + tAh )
n1p p
rh ,
p=0
ou plus precisement
enh = t
n1
X
(Ih + tAh )
n1p p
rh .
p=0
Do`
u
||enh ||
n1
X
p=0
|| (Ih + tAh )
n1p
||
||rhp ||
n1
X
p=0
||rhp ||
eL T
(4.18)
pour tout n tel que nt T . Or u C 1 ([0, T ] : X) est

Donc le critère de consistance (4.12)
solution de (4.1).
ace au theorème de convergence
montre que lerreur de troncature est telle que limh0 maxn T krhn k = 0. Gr
t

Pn1 p
dominee, cela montre que limh0 t p=0 ||rh ||. Do`
u le resultat recherche : limh0 maxn T kenh k = 0.
t
La forme utile en pratique est plutot la suivante.
Th
eor`
eme 2 (Theorème de Lax : deuxième version). Soit un schema lineaire (4.9) verifiant le critère de
consistance precise (4.13) `
a lordre p en espace et q en temps. Supposons que le pas de temps satisfasse `
a la
condition CFL (4.16). Alors il est convergent `
a lordre p en espace et q en temps et
max kh u(tn ) unh k CT eL T (hp + tq ) .
T
n t
Demonstration. Preciser (4.18).

Ce theorème est central dans la comprehension des proprietes dapproximation des schemas numeriques lineaires.
Exercice 9. Enoncer et montrer un theorème de Lax pour le problème avec second membre (4.4).
Sch
ema dEuler implicite
On analyse ici un fait bien connu qui est que les schemas implicites ont souvent des proprietes de stabilite
superieures par rapport `
a celles des schemas explicites.
Soit par exemple le schema dEuler implicite pour resolution numerique de (4.1)
un+1
unh
h
, n 0,
= Ah un+1
h
(4.19)
t
u0 = u .
h
0
h
La relation de recurrence est `

a present
= unh .
(Ih tAh )un+1
h
a condition que loperateur lineaire Ih tAh soit inversible.

`
Cela definit un+1
h
ET THEOR
`
EME
DE LAX
41
Proposition 5 (Stabilite du schema dEuler implicite). Supposons que loperateur diteration explicite Ih +tAh
est uniformement stable
k(Ih + tAh )n k K , n N
pour un pas de temps t (h) restreint par une condition CFL (4.14).
Alors pour tout t > 0, loperateur I tAh est inversible et uniformement stable avec la meme constante

(Ih tAh )n K , n N.
Demonstration. Il est remarquable que le schema implicite soit stable independamment de toute condition CFL
sur le pas de temps.
(h)
t
1
On definit Th = Ih + (h)Ah , = t+
(h) et = 1 = t+ (h) . Alors Ih tAh = (Ih Th ) ce qui
permet de representer linverse gr
ace `
a la serie de Neumann
(Ih tAh )
= (Ih Th )
p Thp .
p=0

P
P p
P p

K
p
Cette serie est bien convergente et p=0 p Thp
p=0 kTh k
p K = . Cela montre que la

majoration (Ih tAh )1 K , et implique linversibilite de Ih tAh .
Par ailleurs on a
!n
!
X
X
X
n
p
(Ih tAh ) = n
= n
p Th
p1 . . . pn Thq .
p=0
q=0
Do`
u

X

n
(Ih tAh ) n
q=0
p1 . . . pn
p1 ++pn =q
p1 ++pn =q
K = n
p=0
!n
K = n
1
K = K .
n
). En pratique, cest `
a dire pour des calculs sur ordinateur, loperateur
Remarque 5 (Calcul effectif de un+1
h
seffectue en inversant un
lineaire Mh = Ih tAh est une matrice de dimension finie. Le calcul de un+1
h
système lineaire, ce qui doit soperer par des methodes efficaces dalgèbre lineaire qui ne sont pas evoquees dans
ces notes.
Proposition 6. Soit un schema numerique dEuler explicite uniformement stable sous condition CFL, consistant et donc convergent. Alors le schema numerique dEuler implicite associe (4.19) est egalement convergent.
Demonstration. La stabilite ayant dej`
a ete montree, il reste à verifier la consistance ce qui permettra dappliquer
le theorème de Lax pour montrer la convergence. On etudie lerreur de consistance ou de troncature du schema
implicite
1
(h u(tn+1 ) h u(tn )) Ah h u(tn+1 ), n N.
(4.20)
rbhn =
t
On a
1
1
rbhn rhn+1 =
(h u(tn+1 ) h u(tn ))
(h u(tn+2 ) h u(tn+1 ))
t
t

1
1
(h u(tn+1 ) h u(tn )) t u(tn+1 ) + t u(tn+1 )
(h u(tn+2 ) h u(tn+1 )) .
=
t
t
Pour une fonction u C 1 ([0, T ] : X), lesdeux termes entre parenth`
eses tendent vers 0, qui plus est uniformement
n

n+1

= 0. Par inegalite triangulaire
sur tout intervalle ferme. Do`
u limh0 max T rb r
n t
lim
h0
max
T
n t
kb
rhn
h (t u Au) (tn )k
=0
42

DES METHODES
DE DIFFERENCES
FINIES
pour tout u C 1 ([0, T ] : X) solution de (4.1). Cela etablit la consistance.

Pour finir la preuve de convergence, on peut recrire (4.20) sous la forme
h u(tn+1 ) = (Ih tAh )
h u(tn ) + tsnh ,
snh = (Ih tAh )
1 n
rh .
De son cote le schema se recrit

un+1
= (Ih tAh )
h
unh .
1
Donc la difference enh = unh h u(tn ) est solution de en+1

= (Ih tAh ) enh +tsnh avec une erreur initialement
h
0
nulle eh = 0. On peut alors se contenter de reprendre la preuve des theorèmes 1 ou 2. La preuve est terminee.
4.1.3
Sch
ema de Crank-Nicholson
Le terme Ah unh pour le schema explicite, ou Ah un+1

pour le schema implicite est un discretisation du premier
h
ordre de la derivee en temps. La methode de Cranck Nicholson est a priori plus precise car du deuxième ordre
dapproximation pour la partie temporelle. Elle secrit
un+1
un+1 + unh
unh
h
= Ah h
, n 0,
(4.21)
2
u0 =t
u
.
h
0
h
La relation de recurrence est

1
1
n+1
Ih tAh uh = Ih + tAh unh .
2
2
Sous les hypothèses de la proposition 6, loperateur Ih 21 tAh est inversible. Le schema est egalement uniformement stable, consistant et donc est convergent.
4.1.4
Sch
ema semi-discret
A pr
esent nous consid
erons le sch
ema semi-discret qui est la limite continue en temps du sch
ema explicite (ou du sch
ema
implicite) cest `
a dire pour t 0 et h fixe. Au contraire des pr
ec
edents sch
emas, cest un sch
ema purement th
eorique au sens
o`
u il nest pas possible de le programmer sur ordinateur. Son int
er
et est quil peut simplifier de mani`
ere importante l
etude des
m
ethodes num
eriques.
Formellement on
ecrit que vh (t) est solution du syst`
eme
d
v (t) = Ah vh (t),
dt h
(4.22)
vh (0) = h u0 .
Dans le cas o`
u Vh est un espace de dimension fini, Ah est de fait une matrice carr
ee de taille finie. La solution est donn
ee par
lexponentielle de matrice
vh (t) = etAh h u0 .
Il suffit que Ah soit un op
erateur born
e pour donner un sens `
a cette repr
esentation de la solution. Or cest bien le cas si le sch
ema
explicite est stable sous condition CFL, car alors k(Ih + (h)Ah )n k K do`
u lon tire que kAh k 1+K
<
ce
qui
fait
que
Ah
(h)

est bien un op
erateur lin
eaire born
e. On en d
eduit que etAh etkAh k .
On a en fait mieux en supposant la stabilit

e uniforme du sch
ema explicite. En effet on a la formule etAh = e e(Ih + (h)Ah ) pour
t
. Cela montre que
= (h)
etAh = e
On obtient lestimation
X
n
(Ih + (h)Ah )n .
n!
n=0

X
n
tAh
K = e e K = K.
e
e
n!
n=0
(4.23)
Cela montre que le sch

ema semi-discret b
en
eficie de la m
eme propri
et
e de stabilit
e que le sch
ema explicite. Ce r
esultat est en fait
une extension de la proposition 6.
ET THEOR
`
EME
DE LAX
4.1.5
43
Un principe de comparaison
Nous montrons un principe de comparaison pour un op

erateur Ah dont lop
erateur dit
eration explicite est stable (4.15) sous un
condition de type CFL telle que (4.14). Ce principe sera utilis
e au chapitre 5 pour lanalyse num
erique des sch
emas de Volumes
Finis.
ema dEuler explicite pour une certaine donn
ee initiale u0
Soit un
h solution du sch
n+1
uh un
h
n donn
e par
Soit vh
n+1
n
vh
vh
= A h un
h , n 0,
(4.24)
n
n
= A h vh
+ rh
, n 0,
(4.25)
t
u0h = h u0 .
t
0 = u ,
vh
h 0
n joue le r
ole dune erreur de troncature avec des propri
et
es particuli`
eres. On fait lhypoth`
ese que lon peut
ecrire
o`
u rh
n
rh
= (h)Ah sn
h
avec ksn
h k S < pour tout h, n.
(4.26)
n
Comme la condition de stabilit
e (4.15) permet simplement de borner k (h)Ah k C, on d
eduit `
a partir de (4.26) que rh C.
n
Ce terme est O(1) par rapport `
a h. Donc une strat
egie bas
e sur le th
eor`
eme de Lax pour estimer la diff
erence entre un
h et vh ne
n
n

donnera que vh uh = O(1). Lint
er
et du r
esultat suivant est quil indique que la structure (4.26) fait que la diff
erence tend
vers z
ero, avec un taux de convergence explicite. Cette propri
et
e abstraite d
evelopp
ee dans [12] sera utile pour l
etude de certaines
m
ethodes de Volumes Finis, et tente de correspondre `
a la notion de supraconvergence [38].
Lemme 15. Il existe une constante C > 0 (qui d
epend des estimations de stabilit
e) telle que
s
T (h)
n
kvh
un
,
nt T,
h k CS
1
avec =
t
(h)
(4.27)
< 1 et S donn
e dans (4.26).
Dans les cas que nous consid

erons, on a (h) 0 pour h tendant vers 0. Aussi cette in
egalit
e est en fait un r
esultat de convergence
n vers un . Notons que la condition CFL est stricte, au sens o`
de vh
u t doit
etre strictement inf
erieur au pas de temps maximal
h
(h).
n
n
D
emonstration. Soit en
h = vh uh avec
en+1
en
h
h
t
n
0
= A h en
h + rh et eh = 0. Donc
en
h = t
n1
X
p
(Ih + tAh )n1p rh
.
(4.28)
p=0
Posons Th = Ih + (h)Ah dont les puissances sont born

ees sous la forme Thq K eL qt gr
ace `
a la stabilit
e (4.15). On posera

L
T

C=K e
un majorant uniforme des Th pour qt T .
Posons =
t
(h)
avec 1 du fait de lhypoth`

ese (4.14). On note
egalement q = n 1 p pour simplifier. Alors on peut
ecrire
(Ih + tAh )
On pose aqj =
q
j
p
rh
= ((1 )Ih + Th ) (Th
Ih ) sph

q
X
q
qj j j
(1 )
Th (Th Ih ) sph .
j
j=0
|
{z
}
=Aq
(1 )qj j ainsi que aqj = 0 pour j < 0 ou j > q + 1. Alors Aq =

aqj1 aqj = [j (q + 1)]
q
j (aj1
aqj )Thj . Or
q!
(1 )qj j1
(q j)!(j 1)!
La fonction entre crochets j 7 j (q + 1) est croissante, n

egative pour j = 0 et positive pour n = q. Donc ij (q + 1) 0 pour
j j [(q + 1)] et 0 j (q + 1) pour j < j. On a

X q
X q
aj aqj1 C +
aj + aqj1 C = 2aqj C
kAq k
jj
jj +1

DES METHODES
DE DIFFERENCES
FINIES
44
Or une estimation basique 3 montre que aqj min

ken
hk
t 2 +
n1
X
p=2
On peut v
erifier que 2
Par ailleurs t
2
(1 )p
4
(1)
2CS t
2
,1
(1)q
2+ p
pour tous j et q. On est en mesure destimer lerreur (4.28) par
2
(1 )
dx
2CS t
0 pour toute valeur de ]0, 1[. Donc
nt (h)
ken
h k t p
8n
(1 )
2+ p
2
(1 )
2 n2
2CS.
CS.
T (h) ce qui termine la preuve quitte `

a red
efinir la constante C.
On peut utiliser ce principe pour estimer la diff

erence entre le sch
ema explicite et le sch
ema implicite. Partons de un
h solution du
n solution du sch
ema implicite
sch
ema explicite (4.24) et de vh
n+1
n
vh
vh
n+1
= A h vh
, n 0,
(4.29)
0 t
vh = h u 0 ,
que lon r
ecrit comme un sch
ema explicite avec un reste
n+1
n
vh
vh
n
n
= A h vh
+ rh
, n 0,
(4.30)

n+1
n
n
= (h)Ah sn
vh
rh
= A h vh
h
(4.31)
o`
u
et
0
vh
t
= h u0 ,
n+1
sn
,
h = Ah vh
t
.
(h)
(4.32)
Lemme 16. Supposons la condition CFL v

erifi
ee sous la forme < 1. Alors il existe une constante C telle que
p
n
n
kvh uh k C kAh h u0 k T (h),
nt T.
Cela
etablit que la diff
erence entre le sch
ema explicite et le sch
ema implicite tend vers 0 avec h. Il faut cependant sassurer dune
estimation naturelle annexe kAh h u0 k C quil faut en pratique v
erifier en utilisant la condition initiale et les propri
et
es du
sch
ema num
erique.
n = (I + tA )n A v 0 . Le sch
n = (I + tA )n v 0 do`
ema implicite
etant stable, on a
u A h vh
D
emonstration. On a vh
h
h
h h
h 0 h h
n

imm
ediatement Ah vh C Ah vh = C kAh h u0 k o`
u C est la constante de stabilit
e. Pour 1, on obtient

n+1
efinit S = C kAh h u0 k .
ksn
C kAh h u0 k ce qui d
h k = Ah vh
La preuve est termin

ee par application du principe de comparaison (4.27).
Lextension au sch
ema semi-discret est imm
ediate.
Lemme 17. Supposons la condition CFL v

erifi
ee sous la forme < 1. Alors il existe une constante C telle que la diff
erence entre
le sch
ema semi-discret et le sch
ema est explicite est major
ee par
p
T (h),
nt T.
kvh (nt) un
h k C kAh h u0 k
v (tn+1 )vh (tn )
t
n = v (nt) de sorte que (4.30) est satisfait avec r n = h

D
emonstration. Posons vh
h
h
Z tn+1
vh (s) vh (tn )
1
n
ds.
sh =
t tn
t
Ah vh (tn ) = (h)Ah sn
h et
d
Sous la condition que Ah h u0 est born
e ind
ependamment de h, on obtient une estimation uniforme de la d
eriv
ee dt
vh (s) gr
ace `
a

vh (s)vh (tn )
kA u k ce qui implique une majoration uniforme de sn .
C
la d
efinition (4.22) et `
a la stabilit
e (4.23). Do`
u

h h 0
h
t
Cela termine la preuve.

2
R 2
n
1
(1 ) + ei eij d. Or (1 ) + ei =
3. Par exemple on a par un calcul en Fourier en d
eveloppant an
j = 2 0
1 4(1 ) sin2
.
2
Do`
u par des majorations
el
ementaires
n
n
Z
Z
2
2 2
1
1
2
1
4(1
)
sin
1
4(1
)
d
d
|an
|
j
0
2
0
2
Z
Z
Z
2
2
1 2(1)n 22
1
1
2(1)n 2
d
d = p
e
e
eu du.
0
0
2(1 )n 0
R u2
2
. Par ailleurs |an
Reconnaissant lint
egrale de Gauss
e
du = , on trouve an
j
j | 1.
8
(1)n
(1)n
ET THEOR
`
EME
DE LAX
4.1.6
45
Caract
erisation spectrale de la stabilit
e
Pour une methode de Differences Finies loperateur dinterpolation est naturellement defini par les valeurs aux
points de grille. Cela garantit egalement la consistance. Aussi la difficulte est souvent de montrer la stabilite.
Une approche efficace quand elle peut etre menee consiste à passer par letude du spectre (des valeurs propres)
de loperateur diteration. Cest la stabilite au sens de von Neumann, la reference initiale trouvant dans [7].
Soit par exemple loperateur diteration Jh
Le schema secrit
Ih + tAh ,
1
(Ih tAh ) ,
Jh =
1
Ih 12 tAh
Ih + 12 tAh ,
schema explicite,
schema implicite,
schema de Cranck-Nicholson.
un+1
= Jh unh .
h
(4.33)
Pour simplifier on suppose que Vh est de dimension finie. Les valeurs propres de loperateur diteration sont
notees ph C avec
Jh vhp = ph vhp ,
vhp 6= 0,
1 p dim(Vh ).
Le rayon spectral de Jh est

(Jh ) = max |ph |.
p
Lemme 18 (Condition necessaire de stabilite en dimension finie). Soit un operateur diteration Jh stable. Alors
il existe une constante C > 0 telle que (Jh ) 1 + Ct pour tout t (0, 1].
Si Jh est uniformement stable, alors (Jh ) 1.
1
Demonstration. On sait que (Jh ) kJhn k n . Partant dun operateur stable au sens de (4.15) on a (Jh )
1
(K ) n eL t . Do`
u
1
(Jh ) lim(K ) n eL t = eL t 1 + Ct
pour une constante C > 0 bien choisie. Si loperateur est uniformement stable, L = 0 ce qui clot la preuve.
La definition en dimension finie dun op

erateur normal est quil commute avec son operateur adjoint. Aussi
loperateur Jh est normal ssi
Jh Jh = Jh Jh .
Cette notion na de sens quau sein dun espace de Hilbert car loperateur adjoint est defini gr
ace au produit
scalaire par
(Jh uh , vh ) = (uh , Jh vh ),
u h , v h Vh .
Pour une matrice M Rnn , on dit que M est normale ssi M M t = M t M .

Lemme 19 (Condition suffisante pour les operateurs normaux en dimension finie). Soit loperateur diteration
Jh pour le schema (4.33) pose dans un espace de Hilbert. Supposons que Jh est normal, et supposons que
(Jh ) 1 pour tout h. Alors le schema est unitairement stable.
Demonstration. Pour un operateur normal en dimension finie on sait que kJh k = (Jh ). Voir [11]. Do`
u le
resultat.

DES METHODES
DE DIFFERENCES
FINIES
46
4.1.7
Sch
ema de splitting
Les m
ethodes de Splitting se rencontrent lors de limpl
ementation effective de m
ethodes num
eriques. Elles ont
et
e
evoqu
ees pour
la m
ethode de diff
erences finies en dimension deux lors de l
enonc
e du principe 6.
Nous consid`
ererons le probl`
eme abstrait
t u = Au + Bu
(4.34)
dont le second membre est splitt
e (i.e. d
ecompos
e) en la somme de deux termes.
Exemple 3 (Splitting directionnel). Cela correspond aux situations o`
u A est un op
erateur aux d
eriv
ees partielles dans la direction
x, et B est un op
erateur aux d
eriv
ees partielles dans la direction y. Par exemple
(4.35)
t u = ax u xx u + by u y (D(x, y)y u
|
{z
} |
{z
}
=Au
=Bu
o`
u D 0 est un coefficient de diffusion a priori born
e et r
egulier.
Nous consid
erons tout dabord le sch
ema explicite
n+ 1
u 2 un
h
h
= A h un
h,
t
(4.36)
1
n+
n+1
2
n+ 1
2
uh uh
.
= B h uh
t
Les deux
etapes sont explicites par simplicit
e, mais peuvent
etre remplac
ees par des discr
etisations implicites. La forme explicite
est
un+1
= Jh un
avec Jh = (Ih + tBh )(Ih + tAh ).
h
h
Que peut-on dire en terme de stabilit
e?
Lemme 20. Supposons que les op
erateurs dit
eration sont stables au sens o`
u il existe K , L tels que
k(Ih + tAh )n k K eL
nt
et k(Ih + tBh )n k K eL
nt
Alors
soit Ah et Bh commutent, auquel cas lop
erateur dit
eration Jh est stable
soit Ah et Bh sont unitairement stables

stable.
(K
kJhn k K e2L
= 1 et
nt
= 0), auquel cas lop

erateur dit
eration Jh est aussi unitairement
D
emonstration. Evident.
La situation vraiment int
eressante correspond au cas unitairement stable car elle se rencontre souvent dans les applications qui
sont domin
ees par le transport et la diffusion.
Exercice 10. Proposer pour lexemple (4.35) un splitting directionnel par sch
ema explicite unitairement stable.
On peut d
eterminer une condition CFL de stabilit
e unitaire pour lop
erateur non splitt
e Ih + t (Ah + Bh ).
Proposition 7. Supposons que Ih + tAh et Ih + tBh sont chacun unitairement stable sous une condition CFL
egale respectivement `
a A (h) et B (h). Alors le sch
ema non splitt
e est unitairement stable sous la condition CFL
t A+B (h) =
A (h)B (h)
.
A (h) + B (h)
D
emonstration. On a la d
ecomposition
Si
A (h) et

t
t
Ah + (1 ) Ih +
Bh
Ih + t (Ah + Bh ) = Ih +
0 < < 1.
B (h), alors kIh + t (Ah + Bh ) k 1. Cela fait apparaitre une condition de stabilit
e
t min (A (h), (1 )B (h))
dans laquelle est une valeur arbitraire que lon peut choisir pour maximiser le r
esultat. La valeur optimale correspond `
a A (h) =
B (h)
A (h)B (h)
(1 )B (h) dont la solution est = (h)+
.
On
trouve
(h)
=
(h)
=
ce
qui
termine
la
preuve.
A+B
A
(h)
(h)+ (h)
A
Proposition 8. Supposons quil existe un op

erateur dinterpolation commun h et un espace dense commun X tels que les
op
erateurs Ah et Bh sont tous deux consistants (avec A et B respectivement). Alors Ah + Bh est consistant avec A + B.
D
emonstration. Consid
erons pour simplifier le crit`
ere de consistance stationnaire (4.7). On a pour u X
k(Ah + Bh )h u (A + B)uk kAh h u Auk + kBh h u Buk
gr
ace `
a lin
egalit
e triangulaire. Do`
u le r
esultat.
47
4.2. APPLICATIONS
4.2
Applications
On illustre lutilisation des differents concepts de consistance et stabilite à partir de quelques exemples.
4.2.1
Sch
ema d
ecentr
e en dimension un
Soit le schema numerique decentre (3.3) pour ladvection en dimension d = 1, la vitesse dadvection etant
positive a > 0. La condition initiale est x 7 u0 (x). Soit h = x > 0 le pas constant du maillage en espace.
xj1
xj
xj+1
Figure 4.1 Maillage Differences Finies à pas constant.

Soit unh = unj
jZ
RZ la solution numerique au temps tn = nt. Le schema (3.3) se recrit

un+1
= (Ih + tAh ) unh ,
h
o`
u Ih est lidentite de RZ et Ah : RZ RZ est loperateur defini par
Ah u = (wj ) avec wj = a
unj unj1
.
x
Montrer la convergence consiste in fine `

a comparer unh et vhn = h u(tn ), mais aussi à choisir lespace fonctionnel
et la norme pour lesquels la convergence va etre etudiee. Lapproche la plus simple, quand elle est possible,
consiste à mener cette etude dans un espace de fonctions bornee. Aussi nous prendrons ici

V = L (R) et Vh = vh = (vj )jZ , sup |vj | < = l .
j
On ecrira indistinctement kvh k = kvh k = kvh kL (R) . Loperateur dinterpolation h : C (R) Vh est
h (u) = (u(xj ))jZ ,
xj = jx.
On sait gr
ace à (3.4) que le schema est stable sous CFL avec
kIh + tAh k 1 pour t (h) =
x
h
=
.
a
a
On note vhn = h u(tn ).

Soit lerreur numerique enh = vhn unh qui est solution du processus iteratif
en+1
enh
h
= Ah enh + rhn avec la donnee initiale e0h = 0.
t

Le terme source est lerreur de troncature rhn = rjn avec
rjn
n
vjn+1 vjn
vjn vj1
+a
.
=
t
x
Pour continuer lanalyse nous supposons ici que la donnee initiale est suffisamment regulière, u0 W 2, (R).
On a par un developpement de Taylor

vjn+1 = vjn + tt u (tn , xj ) + t2 kt2 uk jn ,
n 1
j ,
2
(4.37)

DES METHODES
DE DIFFERENCES
FINIES
48
et

n
vj1
= vjn xx u (tn , xj ) + x2 kx2 uk jn ,
On obtient
n 1
j .
2
(4.38)

rjn = t u (nt, jx)+(tkt uk ) jn +ax u (nt, jx)+a xkx2 uk jn = (tkt uk ) jn +a xkx2 uk jn .
Notons que kt2 uk = a2 kx2 u0 k et kx2 uk = kx2 u0 k . Do`
u
n

rj a xjn + atjn kx2 u0 k .
Or la condition CFL implique que le pas de temps est borne par le pas despace sous la forme t
implique que
krhn k axkx2 u0 k .
x
a .
Cela
(4.39)
On dirat que le schema est consistant `

a lordre 1 en O(x) dans L .
On obtient le resultat de convergence.
Lemme 21. Supposons que u0 W 2, (R). Supposons la condition CFL satisfaite. Soit T > 0 donne. Alors
pour tout n tel que tn = nt T , on a lestimation derreur
kenh k kx2 u0 k (aT x).
(4.40)
Le schema converge `
a lordre un en espace (et en temps).
Demonstration. La preuve est ne fait que reprendre la demonstration du theorème de Lax. On a en+1
=
h
n
n
k
k
(I
+
tA
)
e
k
+
tkr
k
.
Or
la
stabilit
e
fait
que
kI
+
(Ih + tAh ) enh + trhn . Donc ken+1
h
h
h
h
h
h
k kenh k + tkrhn k . Comme e0 = 0, on obtient finalement que ken k
tAh k 1. Donc ken+1
h
Pn1
t p=0 krp k . Le resultat est demontre gr
ace à (4.39).
4.2.2
Donn
ee moins r
eguli`
ere et ordre de convergence fractionnaire
Une question interessante est de determiner un ordre de convergence pour la solution numerique du schema
upwind (3.3) avec une donnee moins derivable, par exemple u0 W 1, (R). Nos verrons que le prix à payer sera
que lordre de convergence est sous-lineaire.
u0
-2
Figure 4.2 Exemple dune donnee initiale u0 W 1, (R) pour laquelle le resultat de convergence dordre
fractionnaire sapplique : u0 (x) = minkZ |x 2k|. Cette fonction est par ailleurs 2-periodique.
49
4.2. APPLICATIONS
D
efinition 11 (Regularisation). Soit W01, (R) une fonction positive ou nulle, de derivee bornee, `
a support
compact 4 et telle que
Z
(z)dz = 1.
Pour une fonction donnee w W 1, (R), nous definissons la fonction regularisee par convolution

Z
1
xy
w (x) =
w(y)dy.
(4.42)
Lemme 22. On a les inegalites

kw k
kw k kwk ,
kw k ,
et
kw wk
kw k
| (z)|dz
kw k ,
(z)|z|dzkx wk .
(4.43)
(4.44)
D
emonstration. Cela est standard [6]. A partir de la d
efinition de w on a

Z
xy
1
dy kwk .
|w (x)|
R

R
R
dy = R (z)dz = 1, cela montre imm
ediatement que kw k kwk .
Comme 1 R xy
On a aussi lin
egalit
e

Z
Z
xy
1
xy
1
w(y)dy =
w (y)dy
w (x) = 2
R
qui montre que kw k kw k .

Consid
erons ensuite

Z
1
xy
w (x) = 2
w (y)dy
qui implique que

R

Z

xy
w (x) 1
dykw k = | (z)|dz kw k .

2 R
Il reste `
a montrer (4.44). Or on a par construction

Z
xy
1
(w(y) w(x)) dy
w (x) w(x) =
R
do`
u lon tire
|w (x) w(x)|
Cela termine la preuve.
xy

Z

|x y|dy kw k = (z)|z|dz kw k .
On peut alors montrer le resultat suivant pour le schema (3.3).

Lemme 23 (Convergence `
a lordre 12 ). Soit une donnee initiale u0 W 1, (R). Supposons la condition CFL
satisfaite. Soit T > 0 un temps final donne. Alors pour tout tn = nt T , on a lestimation
4
kenh k kx u0 k aT x.
3
D
emonstration. On commence par r
egulariser la donn
ee initiale

Z
1
xy
u0, (x) =
u0 (y)dy.
R
4. On peut prendre par exemple

(z) = 1 |z| pour |z| 1, et (z) = 0 pour |z| 1.
(4.41)

DES METHODES
DE DIFFERENCES
FINIES
50

n
La solution num
erique d
ecoulant de cette donn
ee initiale est not
ee un
,h = u,j
jZ
avec
n+1
u,h un
,h
On a lin
egalit
e triangulaire
n
vh
= A h un
,h ,
t
= u0, (jx).
un
,j
n
n
n
n
n
n
n
n
ken
h k = kvh uh k kvh v,h k + kv,h u,h k + ku,h uh k ,
(4.45)
n
v,h
= (u (nt, jx))jZ .
= (u(nt, jx))jZ et
o`
u
n
0
0
La stabilit
e du sch
ema montre que le troisi`
eme terme est born
e par kun
,h uh k ku,h uh k ku0, u0 k .
n vn k
Comme la r
egularisation commute avec ladvection, on a pour le deuxi`
eme terme kvh
,h ku0, u0 k .
R
Il reste `
a estimer le deuxi`
eme terme. Gr
ace (4.43) on obtient ku0, u0 k (z)|z|dzku0 k . La d
eriv
ee seconde de la solution
r
egularis
ee peut se contr
oler gr
ace `
a (4.43). Aussi, utilisant (4.40) on trouve
R
| (z)|dz
n
kv,h
un
k
ku0 k (aT x).

,h
Apr`
es insertion dans (4.45) on obtient
R
Z

| (z)|dz
ken
(z)|z|dz +
aT x ku0 k .
h k 2
R
1

aT x
| (z)|dz 2
R
Il reste `
a choisir la valeur optimale de qui est celle qui permet de minimiser le r
esultat : on prend =
.
2 (z)|z|dz
Finalement

1
Z
Z
2
ku0 k .
ken
| (z)|dz (z)|z|dz
h k 2 2aT x
R
R
evident.
Pour le noyau (4.41) on a | (z)|dz (z)|z|dz = 32 . Le reste de la preuve est
4.2.3
Maillage non uniforme
Enfin nous considerons lequation dadvection t u + ax u = 0 discretisee en dimension d = 1 avec le schema

upwind (3.3) sur un maillage non uniforme par le schema (3.16). Cet exemple permet dillustrer une difficulte
specifique de lanalyse numerique des schemas aux Differences Finies et aux Volumes Finis sur maillage non
uniforme. La difficulte sera nettement plus consequente en dimension superieure, voir chapitre 5.
xj 12
xj+ 21
xj1
xj
xj+1
xj1
xj
xj+1
Figure 4.3 Maillage non uniforme en 1D. Ici xj1 6= xj 6= xj+1 . Les centres des mailles sont dindice
entier. Les bords de mailles sont dindices demi-entier.
On commence par definir la finesse du maillage
h = sup xj
j
o`
u xj = xj+ 21 xj 12 est la longueur de la maille dindice j. Il sagit ensuite de definir loperateur de projection
sur la maillage ce qui necessite de definir prealablement les centres de mailles par
xj =
xj+ 12 xj 21
2
(4.46)
51
4.2. APPLICATIONS
do`
u une première definition naturelle de loperateur dinterpolation/projection 1h : W 2, (R) Vh = l par
1h (v) = (v(xj ))jZ .
Une deuxième definition possible de loperateur dinterpolation/projection, elle aussi naturelle, est fournie par
les valeurs moyennes
Z x 1
j+
1
2
v(x)dx
.
2h (v) =
xj x 1
j
Proposition 9. Lerreur de consistance associee `

a
uniforme.
1h
ou
jZ
2h
ne tend pas vers zero pour un maillage non
1
Demonstration. Commencons par evaluer lerreur
de consistance pour h à partir de lun des deux critères (4.7)
n
n
ou (4.11) au choix. Pour (4.11) on a rh = rj jZ avec
rjn =
n
vjn+1 vjn
vjn vj1
+a
t u(tn , xj ) ax u(tn , xj ).
t
xj
Reprenant (4.37-4.38) pour une fonction dont les derivees secondes sont bornees, on a

xj xj1
rjn =
1 ax u(tn , xj ) + O(t) + O(x).
xj
(4.47)
x x
= 1 pour tout j, ce qui revient in fine à considerer que le maillage

Le terme principal disparait pour j xj1
j
est uniforme : xj = xk = x pour tout j, k.
Cependant pour un maillage non uniforme on a uniquement rhn = O(1) ce qui fait que cette erreur de consistance
de tend pas vers zero.

Pour v W 2, (R), on a 1h v 2h v x2 kv kL (R) . Cette difference etant dordre deux en h, la resultat
est le meme en partant de 2h . La preuve est terminee.
Cette analyse montre dune part que lanalyse numerique des schemas sur grille non uniforme est moins evident
que pour des grilles uniformes, et dautre part que le critère de consistance (4.7) ou (4.11) depend bien du
choix de loperateur dinterpolation h . Cependant on a bien la convergence à partir dun autre operateur
dinterpolation adapte au schema. Soit 3h : W 2, (R) Vh = l defini par

.
(4.48)
3h (v) = v(xj+ 12 )
jZ
On observe que le point dinterpolation est decentre sur le bord droit des mailles.
Proposition 10. Lerreur de consistance associee `

a 3h tend vers zero `
a lordre un pour une donnee suffisamment regulière et pour tout maillage.
Demonstration. On part de lerreur de consistance definie par (4.12). Pour rhn =
3h (t u Au(tn )) on a
rjn =
u(tn+1 , xj+ 12 ) u(tn , xj+ 21 )

t
+a
u(tn , xj+ 21 ) u(tn , xj 12 )

xj
3h u(tn+1 )3h u(tn )

t
t u(tn , xj+ 12 ) ax u(tn , xj+ 21 ).
Reprenant (4.37-4.38) pour une fonction dont les derivees secondes sont bornees, on a

xj+ 12 xj 12
n
rj =
1 ax u(tn , xj ) + O(t) + O(xj ) = O(t) + O(x)
xj
car xj+ 21 xj 21 = xj . Cela termine la preuve.
Ah unh
52

DES METHODES
DE DIFFERENCES
FINIES
Lemme 24. Soit le schema (3.16) avec linitialisation u0h = 3h u0 pour une donnee initiale u0 W 2, (R).
Supposons la condition CFL satisfaite. Alors
k3h u(tn ) unh k aT ku0 k h,
nt T.
(4.49)
Pour une donnee initiale moins regulière u0 W 1, (R), on a lordre de convergence fractionnaire moitie
4
k3h u(tn ) unh k ||u0 || aT h,
nt T.
(4.50)
3
Demonstration. Il sagit de la meme preuve que pour le lemme 21, à partir de lerreur dinterpolation associee
a 3h .
`
4.2.4
Sch
emas de diff
erences finis explicites et `
a un pas
Les schemas dordre arbitrairement

elev
e et explicites `
a un pas ont ete abondamment etudies dans la
litterature depuis le debut des methodes numeriques [5, 11, 20, 34, 35]. Ils prennent la forme
=
un+1
j
k
X
r unj+r
(4.51)
r=kp
o`
u les p + 1 coefficients (r )kprk caracterisent la methode et dependent des paramètres numeriques tels que
les pas de temps t et despace x. On ecrira indistinctement
r = rh = rt,x R.
On conviendra que r = 0 pour r > k ou r < k p. On parle aussi de sch
emas compacts car le stencil est le
plus petit possible compte tenu des proprietes dapproximation obtenues.
n+1
u
j
n
j2
n
j1
n
u
j
n
j+1
Figure 4.4 Representation graphique dun schema à 4 points pour lequel k = 1 et p = 3.

Un outil danalyse important pour cette famille de schemas est la transformation de Fourier.
On commence par caracteriser lEDP `
a laide de la transformee de Fourier. Le schema (4.51) est une discretisation
dune equation aux derivees partielles que lon prend sous la forme
t u = Au,
et dont linconnue est u(t, x) avec une donnee initiale u(0, x) = u0 (x). La transformee de Fourier de w L2 (R)
est
Z
w()
b
=
w(x)eix dx,
i2 = 1,
R
avec la transformee inverse
1
w(x) =
2
ix
w()e
b
d
1
kwk
b L2 (R) . Un operateur A à coefficients constants peut se caracteriser
et la formule de Plancherel kwkL2 (R) = 2
par son symbole en Fourier au moyen de son symbole.
53
4.2. APPLICATIONS
D
efinition 12 (Symbole dun operateur). La fonction 7 () telle que Aeix = ()eix est le symbole de A.
On a la representation integrale de la solution
1
u(t, x) =
2
e()t+ix u
b0 ()d
(4.52)
o`
uu
b0 est la transformee de Fourier de la donnee initiale u0 . En effet
Z
Z
1
1
t u Au =
(t A) e()t+ix u
b0 ()d =
(() ()) e()t+ix u
b0 ()d = 0.
2 R
2 R
Par ailleurs on a bien
1
u(0, x) =
2
eix u
b0 ()d = u0 (x).
Remarque 6. Pour lequation dadvection A = ax avec a R, le symbole est () = ia.

Pour lequation de diffusion, A = Dxx avec un coefficient de diffusion D 0, le symbole est () = D2 .
On note que dans les deux cas

()t
(4.53)
e
1 pour t 0 et R.
Notons à present la solution numerique au temps tn = nt comme un vecteur infini dispose en colonne
...
un1
n
n
Z
Uh =
u0n R .
u1
...
Le schema numerique peut se mettre sous la forme
Uhn+1 = Mh Uhn
o`
u la matrice doublement infinie Mh = (mij )i,jZ a pour coefficients
mij = r avec r = j i.
(4.54)
On dit que Mh est une matrice bande. Seules p + 1 bandes de Mh ne sont pas nulles. La matrice Mh caracterise
loperateur diteration Jh . Par exemple la matrice doublement infinie à deux bandes du schema upwind est
0
0

0
1
Mh =

0
0
1

0
0
0
1
Proposition 11. La matrice Mh commute avec sa matrice transposee.
Demonstration. Cette
est une consequence directe de la structure bande. Les coefficients de P =
P propriete P
Mh Mht sont pij = k mik mjk = k ki kj . Les coefficients de Q = Mht Mh sont
qij =
X
k
ce qui montre le resultat.
mki mkj =
X
k
ik jk =
l; k=i+jl
lj li = pij

DES METHODES
DE DIFFERENCES
FINIES
54
Exercice 11. Verifier que Mh commute aussi avec loperateur de decalage (translation) dun indice.
Verifier que deux matrices bandes commutent.
Comme le signale le lemme 19, un bon cadre alors est le cadre quadratique (Hilbertien). Cependant une difference
importante avec la situation evoquee au lemme 19 est que nous sommes à present en dimension infinie.
On pose
(
)
X
2
2
Vh = l = U = (ui )iZ ,
|ui | <
i
muni dune norme ponderee par le pas despace
kU kh = x
X
iZ
|ui |2 .
(4.55)
La projection/interpolation sur les points de grille est naturellement 5

h : C 0 (R) L2 (R) Vh
P
avec h u = (u(ix))iZ . Soit la transformation de Fourier discrète u
b() = x jZ uj eijx qui est une
2
La representation en Fourier de la solution est
-periodique appartenant `
a L2 x
, x
fonction x
1
uj =
2
avec la formule de Plancherel adaptee

2
kU kh =
u
b()eijx d,
1
2
j Z,
|b
u()| d.
(4.56)
D
efinition 13 (Symbole du schema). Le symbole du schema est la fonction 7 h () avec
h () =
k
X
r eir .
r=kp
Le symbole est en fait la valeur propre de Mh . Les vecteurs propres (on parle plutot de vecteurs propres
generalises voir [25]) de M sont U () = eij jZ avec
Mh U () = h ()U ().
En effet
(Mh U ())i =
p
X
r=kp
r ei(j+r) =
p
X
r=kp
r eir eij = h ()eij = h () (U ())i
i Z.
On note que les vecteurs propres sont des modes de Fourier, et quils ne dependent pas des paramètres de
discretisation. En revanche la valeur propre en depend par lintermediaire des coefficients r .
Lemme 25 (Stabilite au sens de von Neumann). Le schema numerique (4.51) est stable au sens de Von
Neumann ssi
sup |h ()| 1.
(4.57)
R

5. Soit une fonction w L2 (R), constante sur tout morceau i 12 x, i + 21 x . Comme w est continue autour de chaque
point ix on peut d
efinir h w sans probl`
eme. On note que kwkL2 (R) = kh wkh ce qui est la raison du poids x dans la norme
(4.55).
55
4.2. APPLICATIONS
La stabilite au sens de Von Neumann est ici equivalente à la stabilite uniforme dans l2 .
P
Demonstration. On definit u
bnh () = x jZ unj eijx o`
u (unj ) = unh . Donc
u
bn+1
() = x
h
X
jZ
p
X
r=kp
r unj+r eijx = x
X
jZ
p
X
r=kp
r eirx unj+r ei(j+r)x
On fait le changement dindice j = j + r. Do`

u
k
X
r eirx u
bnh () = h (x)b
unh ().
u
bn+1 () =
h
r=kp
Donc kUhn k =
1
2
|h (x)|
2n
0 2
u
bh () d ce qui montre que la stabilite au sens de Von Neumann est une
condition suffisante pour la stabilite uniforme en norme quadratique. Comme u

b0h est quelconque, la condition
est aussi necessaire.
Le symbole permet aussi de caract
eriser la stabilit
e dun sch
ema en norme l ou en norme l1 .
Lemme 26. Le sch

ema num
erique (4.51) est stable en norme l1 ou l ssi il existe une constante C R+ ind
ependante de h
telle que

X Z 2

n ij

sup
h () e
d C.
(4.58)

n0
jZ
D
emonstration. Une formule classique dalg`
ebre
eaire indique que les normes l1 et l dune matrice M = (mij )ij sont donn
es
Plin

P
etant une matrice bande on obtient
par kM k1 = supj
j |mij . La matrice Mh
i |mij et kM k = supi
kMh k1 = kMh k1 =
rZ
|r |
(4.59)
o`
u les coefficients r peuvent se d
eterminer `
a partir du symbole par
Z 2
1
h ()eij d.
r =
2 0
Or le symbole du produit de deux matrices bande est le produit des symboles, car les vecteurs propres sont communs. Donc le
e (4.59) termine la preuve.
symbole de Mhn est n
h . Lutilisation de lidentit
La consistance et la convergence de la methode numerique peuvent se caracteriser en comparant les symboles à

partir du critère (4.60), ce qui est aise `
a verifier pour un schema donne.
Lemme 27 (Consistance et convergence). On suppose quil existe p, q, r N et une constante C > 0
independante de t, x et R avec linegalite

()t

r
h (x) C || (xp + tq ) t,
x .
(4.60)
e
Supposons que les critères de stabilite unitaires sont verifiees, tant continu (4.53) que discret (4.57).
Alors le schema est convergent `
a lordre p en espace et q en temps en norme quadratique pour des solutions
dans H r (R).
D
emonstration. Une norme adapt
ee,
evalu
ee en Fourier, est kuk2H r (R) =
R (1
+ 2r )|b
u()|2 d.
Pour les commodit

es de la preuve nous d
efinissons un op
erateur de projection 4h particulier sous la forme 4h v = 1h Fh v o`
u Fh v
est la fonction tronqu
ee en Fourier
Z
x
1
eix v
b()d.
Fh v(x) =
2 x
On peut v
erifier que 1h Fh v est correctement d
efini car Fh vestunef onctioncontinue : cest garanti au moins si v H 2 (R) avec
r 2. Donc cette condition ne pose pas de difficult
e.

DES METHODES
DE DIFFERENCES
FINIES
56
Soit la solution num

erique un
ee initiale u0h = 4h u0 . On pose vjn = (4h u)(nt, jx) cest `
a dire
h issue de la donn
Z
1
vjn =
e()nt eijx u
b0 ()d.
2 ||< x
Par ailleurs on a
un
j =
1
2
||< x
Gr
ace `
a la formule de Plancherel (4.56), on a
h (x)n eijx u
b0 ()d.

4

u(tn ) un = 1
.
b0 () 2
e()nt h (x)n u
h
h h
, )
L ( x
2
x
Pn1 n1p p
Posant = e()t et = h (x), on peut estimer la parenth`
ese par n n = ( ) p=0
. Compte tenu de la
stabilit
e unitaire du probl`
eme continu, i.e. || 1, et de celle du probl`
eme discret, i.e. || 1, on obtient |n n | n | |.
En cons
equence on a

4
Cnt r

u(tn ) un n

k u
b0 ()kL2 ( , ) (xp + tq )
b0 () 2
e()t h (x) u
h
h h
, )
x x
L ( x
2
2
x
gr
ace `
a lhypoth`
ese de consistance sur les symboles (4.60). Pour une donn
ee initiale dans H r (R), on a (quitte `
a red
efinir la constante
C > 0)
4

p
q
u(tn ) un CT ku0 k r
nt T.
(4.61)
h
H (R) (x + t ) ,
h
ee.
On peut compl
eter la preuve en mesurant lerreur entre linterpolation ponctuelle classique 1h v et linterpolation ponctuelle de la
fonction tronqu
ee en Fourier 4h v. On a le r
esultat suivant pour une fonction un tout petit plus que H r (R).
Lemme 28. Soit v V r (R) H r (R) avec

V r (R) w H r (R), x(x )r1 w L2 (R)
r 1.

Alors 1h v 4h v h C kvkV r (R) xr1 .
D
emonstration. On peut v
erifier quune norme adapt
ee
evalu
ee en Fourier est
Z

kvk2V r (R) =
(1 + 2r )|b
v ()|2 + 2r2 |b
v ()|2 d.
R
Soit w = 1h v 4h v avec
wj =
1
2
||> x
v
b()eijx d =
1
2
|
v
b()eijx d +
{z

v
b () d
=aj
1
2
|
v
b()eijx d .
{z
=bj
Pour j > 0 on commence par faire une int

egration par partie, en int
egrant eijx par rapport `
a . Do`
u par exemple pour le premier
R
eijx (1)j
1
terme aj = 2 v
b ()
d. On obtient
ijx
x
|aj |
1
jx
puis
|aj |
1
jx

r1 v
b ()
d
r1
1
jx
2
2r2 v
b () d
!1
d
2r2
!1
2
1
C xr 2
Cr
kvkV r (R) xr 2 r
ku0 kV r (R) .
jx
j
Le terme a0 se majore en utilisant que v H s (R). Do`

u par une nouvelle in
egalit
e de Cauchy-Schwarz (et 1+ 14 + + j12 + < ) :
kakh C kvkV r (R) xr1 . De m

eme pour b = (bj ). La preuve est termin
ee.
On peut alors mesurer lerreur entre linterpolation classique (operateur 1h ) de la solution exacte et la solution
numerique issue de linterpolation classique unh = Jhn 1h u(t0 ). En notant Jh loperateur diteration on a par
exemple la decomposition telescopique

1h u(tn ) unh = 1h u(tn ) 4h u(tn ) + 4h u(tn ) Jhn 4h u(t0 ) + Jhn 4h u(t0 ) 1h u(t0 ) .
57
4.2. APPLICATIONS
n
n
Par inegalite triangulaire on obtient une majoration de lerreur numerique sous la forme Enum
Esch
+ Einter .
Lerreur du schema est estimee par le Lemme (27)

n
Esch
= 4h u(tn ) Jhn 4h u(t0 ) h CT (xp + tq )
nt T,
(4.62)
et est a priori une fonction croissante de lindice diteration n. Lerreur dinterpolation

Einter Cxr1
est independante du temps (de n), et peut etre aussi petite que souhaitee pour un r suffisamment grand,
ce paramètre etant independant des paramètres du schema caracterise par p et q. Pour r p + 1 lerreur
dinterpolation est au moins du meme ordre que lerreur du schema.
Principe 7. Au final on retiendra que lerreur (4.62) de consistance en norme quadratique peut se mesurer
directement sur la difference (4.60) entre le symbole exact et le symbole discret. Ce principe est valable pour
tout schema de Differences Finis.
t
Pour lequation dadvection un cas couramment rencontre concerne r = p + 1 avec p = q. On note = a x
.
Proposition 12 (Forme simplifiee de (4.60) pour ladvection). Considerons le cas de lequation dadvection.
Pour r = p + 1 = q + 1, le critère (4.60) est equivalent
i

p
e
h () C || ,
.
(4.63)
Demonstration. Evident avec le changement de variables x.
i
Par exemple le symbole du schema upwind est up
. Comme on verifie sans peine que
h () = (1 ) + e

(1 ) + ei ei C,
on retrouve bien le fait que le schema est dordre un en norme quadratique.

Considerons à present le symbole du schema a` trois points (3.19) pour lequation de diffusion
h () = 1 2(1 cos ),
Un developpement local montre que
t
,
x2
x2 .

2

h () C2
e
ce qui permet de retrouver la convergence `

a lordre deux en espace (et un en temps mais cest la meme chose
pour un schema explicite de ce type). Le cas general est presente dans la propriete suivante.
Proposition 13 (Forme simplifiee de (4.60) pour la chaleur). Considerons lequation de la chaleur. Pour
r = p + 2 et sans tenir compte de lordre en temps, le critère de consistance (4.60) est equivalent

2

p
h () C || ,
.
(4.64)
e
Demonstration. Laissee au lecteur.
4.2.5
Construction des sch

emas semi-lagrangiens/sch
emas de Strang
Les schemas semi-lagrangiens, dont nous nous montrerons quils sont identiques à des schemas dinterpolation
proposes par Strang pour ladvection et quils sont tels que leurs symboles respectent (4.63), sont utilises pour
une discretisation precise dordre très eleve des equations du transport.
Soit un profil numerique unh = unj jZ dont nous connaissons les valeurs aux points dune grille de type
differences finies xj = jx. Il sagit de construire/proposer une valeur numerique pour un+1
qui soit une
j
approximation dordre elevee de lequation ladvection.

DES METHODES
DE DIFFERENCES
FINIES
58
droite caractristique
issue de (x ,tn+1)
j
n+1
j1
j2
j+1
Figure 4.5 Droite caracteristique et maillage Differences Finies

Principe 8 (Principe general des schemas semi-lagrangiens). Le principe, illustre dans la figure 4.5, consiste `
a
remonter la droite caracteristique `
a partir de (xj , tn+1 ) pour croiser la droite t = tn en un point x qui, le plus
souvent, nest pas un point de la grille differences finies. La position de ce point se determine comme `
a la figure
d
pour d = xj x . Donc
4.6. On a la relation a = t
x = xj at = xj x.
Puis on reconstruit une valeur de u(x ) la plus precise possible compte tenu de la connaissance des points voisins
de x . Par exemple on peut chercher `
a reconstruire x `
a partir des 4 points presents dans lellipse de la figure
4.5. Enfin on transport exactement cette information le long de la caracteristique en posant par exemple

= Valeur reconstruite `
a partir de unj2 , u1j1 , unj , unj+1 .
un+1
j
Les degres de liberte pour construire la methode concernent alors le nombre de points que lon fait intervenir
pour la reconstruction, ainsi que la methode de reconstruction. Dans ce qui suit on decrit la methode de
reconstruction à laide des polyn
omes de Lagrange.
On se donne pour cela deux nombres entiers 0 k p et on definit les polyn
ome de Lagrange associes aux
p + 1 points
xj+kp , xj+kp+1 , . . . , xj , . . . xj+k .
Le polyn
ome de Lagrange dindice r est defini par
lr () =
ks=kp,s6=r ( s)
ks=kp,s6=r (r s)
Les polyn
omes de Lagrange sont de degre exactement egal a` p : deg(lr ) = p. Ils verifient
k p s k,
lr (s) = rs ,
ce qui signifie que lr sannule en tous les points sauf en xr o`

u il prend la valeur 1.
D
efinition 14 (Polyn
ome interpolant). Soit f une fonction reelle. La fonction interpolee `
a partir des p + 1
valeurs f (xr ) pour k p r k est defini par
P () =
k
X
lr ()f (r).
r=kp
La fonction polynomiale P est le polyn

ome interpolant,
(4.65)
59
4.2. APPLICATIONS
t
x
d
x
j1
j+1
Figure 4.6 Zoom sur la figure 4.5

Proposition 14. Le polyn
ome interpolant est tel que
P (r) = f (r),
k p r k.
(4.66)
Demonstration. Combiner les deux proprietes precedentes.

Proposition 15. Si f est une fonction polynomiale avec deg(f ) p, alors P = f ou encore
P () =
k
X
lr ()f (r),
r=kp
R.
(4.67)
Demonstration. La fonction f p est un polyn

ome avec deg(f P ) p. Or le polynome f P sannule en au
moins p + 1 points distincts qui sont = k p, k p + 1, , k. Il est donc nul.
D
efinition 15 (Forme finale du schema semi-lagrangien). On obtient alors le schema semi-lagrangien pour les
indices 0 k p
k
X
r unj , j Z,
un+1
=
j
kp
avec les coefficients donnes par

r () = lr (),
k p r k.
(4.68)
Le signe sinterprète `
a partir de la figure 4.6, et vient de ce que x = xj x.
Nous analysons `
a present la consistance, puis la stabilite de cette famille de schemas numeriques à partir du
symbole
k
k
X
X
lr ()eir .
(4.69)
r eir =
h () =
kp
kp
60

DES METHODES
DE DIFFERENCES
FINIES
Proposition 16. Pour tout p 1 et tout k p, le schema construit `

a partir de (4.68) est dordre p + 1.
D
emonstration. Soit la fonction polynomiale x 7 f (x) = xn avec 0 n p. La proposition 15 montre alors que
p
X
p
X
r ()r n =
lr ()r n = ()n
0 n p.
r=kp
r=kp
On peut alors
evaluer le crit`
ere simplifi
e (4.63). On a en d
eveloppant les exponentielles en s
eries infinies
!
p
X
X
X
(i)n
r ()r n
()n
r ()eir =
ei h () = ei
,
n!
r
n=0
r=kp
(4.70)
(4.71)
o`
u les p + 1 premiers coefficients. On obtient alors
ei h () =
n=p+1
()n
r r n
(i)n
.
n!
Or les r = lr () sont construits de telles sortes si r 6= 0 alors r (0) = 0 car le point 0 partie des points dinterpolation
k p, . . . , 0, . . . p pour 0 k p. Donc |lr ()| C pour k p r p et r 6= 0, et pour born
e. En sommant ce qui reste de la
s
erie, on obtient ei h () C p+1 dans lequel on retrouve exactement (4.63). La preuve est termin
ee.
Proposition 17. Les schemas sont conservatifs au sens o`

u
X
X
x
un+1
= x
unj .
j
jZ
(4.72)
jZ
On dit aussi que la masse totale M est conserv

ee.
P
Demonstration. La première relation de consistance montre que 1 = r r . Donc
p
X
X
X
M=
un+1
=
r unj+r .
j
jZ
Un rearrangement montre que
La preuve est terminee.
M =
jZ
p
X
r=kp
r=kp
X
jZ
unj =
unj .
jZ
Les sch
emas sont en fait uniques dans la classe consid
er
ee.
P
k
n
Lemme 29. Soit un sch
ema de la forme un+1
=
equation dadvection. On suppose que le sch
ema est
r=kp r uj+r pour l
j
t
.
dordre p en espace au sens o`
u son symbole v
erifie le crit`
ere (4.63) de consistance `
a lordre p. Alors r = lr () avec = a x
Il ny a donc quun seul sch
ema de ce type.
D
emonstration. Le sch
ema
etant dordre p les premiers termes dans le d
eveloppement (4.71) sont nuls
()n
k
X
r ()r n = 0
pour n = 0, 1, . . . , p.
(4.73)
r=kp
Cela forme un syst`

eme lin
eaire de taille p + 1 dont les inconnues sont les r et dont la matrice A = (aij )1i,jp+1 est
aij = (k p + i 1)j1 ,
1 i, j p + 1.
La matrice A est de Vandermonde et det(A) 6= 0. Il ny a donc quune seule solution au syst`

eme lin
eaire (4.73),
egale `
a (4.68).
Une possibilite alternative pour construire les coefficients consiste à recrire le symbole exact sous la forme dun
developpement de Taylor
k+ ki

p+1 ki
e
ei = 1 + (ei 1)
e = Pp ei 1 + O ei 1
61
4.2. APPLICATIONS
avec Pp un polyn
ome de degre p que lon calcule a` partir du developpement de Taylor à lordre p + 1 de la
fonction fk (z) = (1 + z)k+ pour z = ei 1. On a la formule avec reste integral
fk (z) =
p
X
q z +
q=0
o`
u
R1
(1t)p p+1 (p+1)

fk
(tz)dt
p! z
t=0
p
q=0 (k+q)
p!
1
t=0
R1
(1 t)p p+1 (p+1)

z
fk
(tz)dt,
p!
(1t)p z p+1
dt.
t=0 (1+tz)p+1
h () = eik
p
X
q=0
(4.74)
On a alors une autre formule
q
q ei 1
(4.75)
On trouve par exemple les coefficients des schemas suivants.

Upwind (p, k) = (1, 0). A partir de (1 + z) = 1 + z + O(z 2 ) on retrouve le schema upwind un+1
= unj +
j
n
n
(uj1 uj ).
Beam-Warming (p, k) = (2, 0). Partant de (1 + z) = 1 + z + (1)

z 2 + O(z 3 ), on retrouve le schema de
2
Beam-Warming
( 1) n
(uj2 2unj1 + unj )
un+1
= unj + (unj1 unj ) +
j
2
which is the Beam-Warming scheme.
Lax-Wendroff (p, k) = (2, 1). Le developpement (1 + z)1+ = 1 + (1 + )z +
retrouver le schema de Lax-Wendroff
un+1
= unj+1 + (1 + )(unj+1 unj ) +
j
(1+)) 2
z
2
+ O(z 3 ) permet de
(1 + ) n
(uj1 2unj + unj+1 ).
2
Un sch
ema dordre 5 pour (p, k) = (5, 2). On obtient après calculs
un+1
= unj+2 + (2 + )(unj+1 unj+2 ) +
j
(2 + )(1 + ) n
(uj 2unj+1 + unj+2 )
2
(2 + )(1 + ) n
(uj1 3unj + 3unj+1 unj+2 )
6
(2 + )(1 + )( 1) n
(uj2 4unj1 + 6unj 4unj+1 + unj+2 )
+
24
(2 + )(1 + )( 1)( 2) n
+
(uj3 5unj2 + 10unj1 10unj + 5unj+1 unj+2 ).
120
On peut retrouver le flux de ce schema pour une implementation comme un schema de Volumes Finis
sous la forme
+
uj+ 12 = unj+2 +
+3 n
(2 + )(1 + ) n
(uj+1 unj+2 ) +
(uj 2unj+1 + unj+2 )
2
6
(2 + )(1 + )( 1) n
(uj1 3unj + 3unj+1 unj+2 )
24
(2 + )(1 + )( 1)( 2) n
+
(uj2 4unj1 + 6unj 4unj+1 + unj+2 ).
120
Ces formules peuvent parfois etre plus simple à implementer.
+
La question suivante consiste `

a determiner lesquels de ces schemas sont stables. Tracant à la figure 4.7 le module
de h () pour 1 p 6 et p = 2k + 1, p = 2k ou p = 2k + 2, on observe que la condition de stabilite de von
Neumann |h ()| 1 est verifiee. Le resultat principal remonte à Strang [34].

DES METHODES
DE DIFFERENCES
FINIES
62
scheme_1_0(x)
scheme_2_0(x)
scheme_2_1(x)
scheme_3_1(x)
scheme_4_1(x)
scheme_4_2(x)
scheme_5_2(x)
scheme_6_2(x)
scheme_6_3(x)
1.4
1.2
0.8
0.6
0.4
0.2
0
0
0.2
0.4
0.6
0.8
Figure 4.7 Module du symbole du schema () = (2). Le paramètre de Courant est = 0.45. Le premier
indice est p, le second est k. Seuls p = 2k + 1, p = 2k or p = 2k + 2 ont ete traces pour 1 p 6. Le fait que
les modules sont tous inferieurs ou egaux `
a 1 montre la stabilit
e au sens de von Neumann.
Lemme 30 (Strang-Iserles). Ces schemas sont stables dans L2 sous CFL 1 pour p = 2k + 1, p = 2k et
p = 2k + 2. La famille p = 2k + 2 est stable pour 2.
La preuve proposee repose sur une formule de representation de h ().
Soit la fonction interm
ediaire est
g () =
+2
ei sinp
d.
2
Proposition 18. On a la formule multiplicative

g (0)h () = g ()ei
o`
u =k
p
2
(4.76)
+ .
D
emonstration. A partir de (4.69) on a
h ()
=i
Pk
kp
rlr ()eir . Or rlr () = r
k
s=kp,s6=r (s)
k
(rs)
s=kp,s6=r
= lr ()
Q()
,
k
(rs)
s=kp,s6=r
o`
u le polyn
ome Q() = ks=kp (s) est de degr
e exactement p+1 et Q(r) = 0 pour tout kp r k. Pour calculer les coefficients
num
eriques, on utilise ici une remarque tir
ee de [4]. On remarque en effet que ks=kp,s6=r (r s) = (1)kr (r (k p))!(k r)!
ce qui fait que

(1)kr
(1)kr
p!
1
p
=
=
kr
p!
(p (k r))!(k r)!
p!
ks=kp,s6=r (r s)
peut exprimer en fonction du coefficient du bin
ome de Newton. Donc on peut factoriser

k

p
X
h ()
Q()
Q()
p
eir = ih () i
= ih () i
(1)p ei(kp) 1 ei ,
(1)kr
k
p! r=kp
p!
ou encore
ks=kp ( + s) i(k p )
p
Q()
h ()
2
+ ih () = i
(1)p (2i)p ei(k 2 ) sinp = (1)p ip+1 2p
e
sinp .
p!
2
p!
2
Apr`
es multiplication par ei cette identit
e peut se r
ecrit sous la forme

i
ks=kp ( + s) i(k p +)
e h ()
2
= (1)p ip+1 2p
e
sinp .
p!
2
(4.77)
63
4.2. APPLICATIONS
Connaissant `
a pr
esent une formule compacte pour la d
eriv
ee, nous lint
egrons en utilisant des valeurs particuli`
eres de h () ou des
relations entre ces valeurs.
On sait que h () est 2-p
eriodique. Une int
egration de lexpression (4.77) entre et + 2 donne
ei(+2) h ( + 2) ei h () = (1)p ip+1 2p
ks=kp ( + s) Z
p!
+2
ei(k 2 +) sinp
d.
2

Donc ei(+2) h ( + 2) ei h () = ei2 1 ei h () ce qui donne la formule de repr
esentation interm
ediaire
h () = ei (1)p ip 2p1
On sait aussi que par construction h (0) = 1. Donc

(1)p ip 2p1
ks=kp ( + s) Z +2 i(k p +)
2

e
sinp d
2
p! ei2 1
ks=kp ( + s)
g (0) = 1,
p! ei2 1
=k
(4.78)
p
+ .
2
Donc une multiplication de la formule (4.78) par g (0) permet dobtenir le r

esultat final.
Preuve du lemme 30. Un r
esultat technique
emontr
e`
a la proposition suivante montre que si p est impair, alors g (0) 6= 0
de base d
ecessit
e davoir un sch
ema stable fait que lon prend
et |g ()| |g (0)| pour tout 21 , 21 . La n
1
p
1
=k + .
2
2
2
Cela est garanti pour tout 0 < 1 uniquement si p = 2k + 1.

Si p est pair, alors lintervalle autoris
e est plus grand : |g ()| |g (0)| pour tout [1, 1]. On consid`
ere alors
1 = k
p
+ 1.
2
Cela est garanti pour tout 0 < < 1 uniquement si p = 2k ou p = 2k + 2.

Si p = 2k + 2 on peut m
eme prendre 0 < 2.
ee.
Remarque 7. Supposons que p soit pair. Il est alors
evident que g0 est constant car la fonction 7 sinp
sinp
2
ne change pas de signe.

R +2
d.
sinp
change de signe. Il est ais

e de voir cependant que |g0 ()| g0 (0) =
Si p est impair, alors la fonction 7
Le r
esultat suivant
enonce quun comportement similaire a lieu pourvu que || ne soit pas trop grand.

Proposition 19. Si p est impair, alors |g ()| |g (0)| =
6 0 pour tout 21 , 12 .
Si p est pair, alors |g ()| |g (0)| 6= 0 pour tout [1, 1].
D
emonstration. On a par d
efinition
|g ()|2 =
Z
+2
cos() sinp
d
2
2
Z
+2
sin() sinp
d
2
2
|g ()|2 . On a
Z
+2
(cos() cos(( + 2)) + sin() sin(( + 2))) sinp d
h () = (1)p sinp
2
2
Z +2
sinp
(cos() cos() + sin() sin()) sinp d
2
2
Z +2
p
p
((1) cos(( 2)) cos(( ))) sinp d.
= sin
2
2
Supposons dabord p impair. Alors la somme des cosinus sous lint
egrale peut se simplifier en
On
etudie la d
eriv
ee h () =
1 d
2 d
h () = 2 cos sinp
o`
u
I=
+2
cos(( )) sinp
d =
2
I
2
cos() cosp
+
d
2

p
cos() cos cos sin sin
d
2
2
2
2

Z
p
X
j
pj
pj
j
p
sin (1)j
cos() cos
cos
sin
d.
=
j
2
2
2
2
j=0
=
64

DES METHODES
DE DIFFERENCES
FINIES
Or chacune des fonctions sous lint

egrale est une fonction paire de pour j pair, et impaire pour j impair. Comme le domaine
dint
egration est centr
e en 0, le r
esultat est exactement nul pour j impair et est positif pour j pair sous la condition que 12 21 .
Pour 0 , on a aussi que cos 2 0 et sin 2 0. Il sensuit que I est une somme de termes positifs ou nuls. Donc I 0
pour 0 .
En prenant des intervalles ouverts, on a plus pr
ecis
ement I > 0 pour 0 < < et 12 < < 21 . Donc, toujours pour 0 < < et
en utilisant cos > 0, le signe de h () est strictement n
egatif. Cela montre que la fonction |g ()| est strictement d
ecroissante
sur lintervalle [0, ] et termine la preuve de la premi`
ere partie de la proposition pour || < 12 . Le r
esultat s
etend imm
ediatement
par continuit
e au cas = 21 .
Supposons `
a pr
esent p pair. Un calcul similaire montre que
h () = 2 sin sinp J
2
avec
Z
Z +2
+
sin() cosp
d
J=
sin(( )) sinp d =
2
2

Z
p
X
pj
pj
j
j
p
cos
=
sin() cos
sin (1)j
sin
d.
j
2
2
2
2
j=0
Chacune des fonctions sous lint

egrale est une fonction impaire de pour j pair, et paire pour j impair. Pour 1 < < 1, le
pj
j
sin
est
egal au signe de . Donc J est du signe de pour 0 < < . Comme le signe de sin est le
signe de sin() cos
2
2
m
eme que celui de , il sensuit que le signe de h () est strictement n
egatif. Cela montre que la fonction |g ()| est strictement
d
ecroissante sur lintervalle [0, ] et termine la preuve de la proposition pour 1 < < 1. Puis le r
esultat est
etendu `
a = 1 par
continuit
e.
Une analyse plus fine du comportement de ces sch

emas num
eriques peut se r
ealiser `
a partir des coefficients de diffusion et de
dispersion.
D
efinition 16 (Coefficients de diffusion et dispersion). Les deux premiers coefficients du d
eveloppement de Taylor `
a lorigine de
ei h () = 1 h p+1 h p+2 + O( p+3 )
sont les coefficients de diffusion et dispersion du sch

ema.
Le coefficient de diffusion est r
eel positif.
Le coefficient de dispersion est imaginaire pur.
A partir de la formule (4.77) pour la d

eriv
ee, on trouve imm
ediatement
e
p p+1
h () = 1 + (1) i
ks=kp ( + s)
p!
k p2 + p+2
1
p+1 + i
p+1
p+2
+ O( p+3 ).
Le coefficient de diffusion est loppos

e du premier coefficient pour p = 2k + 1. La diffusion domine la dispersion (pour petit). Pour
p pair, cest le contraire.
Lemme 31 (Thom
ee [5]). Les sch
emas du lemme 30 dordre impair p = 2k + 1 sont stables dans L1 et L . Ce sont les seuls.
D
emonstration. Il suffit de v
erifier le crit`
ere de stabilit
e en norme L1 et L du lemme (26) en utilisant explicitement le fait que
le coefficient de diffusion des sch
emas p = 2k + 1 domine le coefficient de dispersion. On renvoie `
a [13] pour un preuve r
ecente.
Un schema qui satisfait le principe du maximum sur un pas de temps verifie

max unj
max un+1
min unj min un+1
j
j
jZ
jZ
jZ
jZ
(4.79)
pour tout (unj ). Cela implique que la norme l de loperateur diteration est 1. Pour un schema qui preserve
les constantes tels que ceux consideres, cest meme une equivalence.
Exercice 12. Le montrer.
Lemme 32. Les schemas semi-lagrangiens dordre p 2 ne respectent pas le principe du maximum.
Demonstration. Nous allons montrer que
X
r
|r | > 1
(4.80)
P
pour un schema dordre plus grand ou egal `
a deux. Premièrement on a 1 = r r donc il existe au moins un
coefficient r strictement positif. Soit un schema dordre au minimum deux. On a à partir de (4.70) 2 =
P
p
2
2
2
r=kp r ()(r r). Or < 0 pour 0 < < 1. Par ailleurs r r 0 pour tout r Z. Donc il existe
aussi au moins un coefficient r strictement negatif. Cela montre (4.80).
Utilisant (4.59) cela montre que la norme de loperateur diteration est > 1 et termine la preuve.
4.2. APPLICATIONS
65
Ce resultat est en fait lie `

a un celèbre resultat dobstruction de Godunov qui enonce que les seul schemas
lineaires pour ladvection qui verifient le principe du maximum pour tout 1 sont dordre un.
66

DES METHODES
DE DIFFERENCES
FINIES
Chapitre 5
Analyse num
erique des m
ethodes de
Volumes finis
Les methodes de Volumes Finis sur maillage non structures sont à la base des codes de CFD (Computational
Fluid Dynamics) et de resolution de systèmes hyperboliques non lineaires pour lesquels lobjectif est le calcul
precis de solutions très peu regulières voire meme discontinues (les discontinuites et les ondes de chocs). Le
calcul de transport et diffusion en milieux poreux sont eux aussi très demandeurs en methodes de Volumes
Finis.
Lanalyse numerique des methodes de Volumes Finis met en evidence deux proprietes fortes qui sont dune part
la stabilite et le principe du maximum et dautre part une structure de donnees simple. Cela explique linteret
fort de ces methodes en calcul scientifique et ingenierie numerique. Cependant la consistance et la convergence
avec le pas du maillage apparaissent nettement plus delicates à analyser. On verra quil est cependant possible
de montrer par exemple la convergence `
a lordre 21 pour le transport de donnees BV ce qui est representatif de
la convergence des methodes de Volumes Finis pour des donnees peu regulières.
5.1
Equation dadvection
Le problème modèle est
t u + a u = 0,
u(0, x) = u0 (x),
x ,
x ,
t > 0,
(5.1)
dans un domaine que lon prend sans bord pour simplifier les notations. Par exemple on pourra considerer
soit que = R2 soit que = T = [0, 1] [0, 1] est le tore (carre academique periodique) : on peut identifier
x + 1 = x et y + 1 = y.
Nous considerons ici un champ de vitesse eventuellement non constant, mais regulier a C 1 () et à divergence
nulle
a = 0.
On utilise les notations generales de la section 3.2.2. On pose
Z
1
a(x) njk (x)d
ajk =
ljk jk
qui est la valeur moyenne de a après produit scalaire contre la normale exterieure. Pour simplifier un peu les
notations, on definit
I + (j) = {k tels que ajk > 0} et I (j) = {k tels que ajk < 0}
et on utilisera la convention de notation
k au lieu et place de de k I (j).
67

DES METHODES
DE VOLUMES FINIS
68
On utilise aussi la notation

mjk = ljk |ajk |
j, k..
Un schema de Volumes Finis qui generalise (3.35) secrit

sj
X
un+1
unj
j
mjk unj = 0.
+
t
+
(5.2)
En dimension d = 2 on peut evaluer la valeur numerique des ajk sans difficulte.
A+
jk = Ajl
tjk = (, )
Maille l
njk = (, )
A+
jl
Maille j
Maille k
A
jk
Figure 5.1 Orientation des interfaces

En effet on peut supposer que a est le rotationnel dun potentiel scalaire donne q C 2 ()
a = q = (x2 q, x1 q) .
Par construction a = x1 (x2 q) + x2 (x1 q) = 0. Posons n = (, ) et t = (, ) : alors
ajk =
1
ljk
jk
q njk d =
1
ljk
jk
(x2 q + x1 q ) d =
ou encore
ajk
1
ljk
jk
q t d =
1
ljk
jk
q
d,
t

q Ajk q Ajk+
.
=
ljk
+
Par convention (A
es dans le sens des aiguilles dune montre sur le bord jk . On a par ailleurs
jk , Ajk ) sont orient
+
que Ajk = Akj .

P
Lemme 33. On a legalite k ljk ajk = 0.

P
P
P
q (Ajk )q (Ajk+ )
Demonstration. En effet k ljk ajk = k ljk
= k Ajk Ajk+ = 0 pour tout contour
ljk
R
R
P
ferme. On peut aussi utiliser la condition de divergence nulle k ljk ajk = j a nj d = j a dx = 0.
Lemme 34. On a
k+
mjk =
mjk .
Immediat à partir de la definition de mjk du lemme 33.
69
5.1. EQUATION DADVECTION
5.1.1
Analyse de la condition de stabilit

e
Le schema (5.2) peut se mettre sous la forme explicite

un+1
j
t X
mjk
1
sj +
unj +
t X
mjk unk .
sj +
(5.3)
Lemme 35. Supposons que le pas de temps satisfasse `

a linegalite de stabilite (condition CFL)
t X
mjk 1,
sj +
j.
(5.4)
Alors la solution numerique verifie le principe du maximum

inf (unk ) un+1
sup (unk ) .
j
k
(5.5)
Demonstration. Soit m = inf k unk le minimum de la solution numerique au temps tn . Nous allons commencer
pour toute maille j. On a
par montrer que m un+1
j
!
X
t X
t
m= 1
mjk (unj m) +
mjk (unk m).
un+1
j
sj +
sj +
k
Les coefficients 1
P
t
sj
k+
mjk et
P
t
sj
k+
m est
mjk sont positifs ou nuls et leur somme fait 1. Donc un+1
j
une combinaison convexe, cest `

a dire une moyenne, des unk . Donc m un+1
pour tout j.
j
Une inegalite similaire se demontre pour la borne superieure M = supk unk . Cela termine la preuve.
Soit plus generalement une fonction convexe u 7 (u)
(u1 + (1 )u2 ) (u1 ) + (1 ) (u2 )
pour tous u1 et u2 et pour tout [0, 1].
Lemme 36. Supposons la condition CFL (5.4) satisfaite. On a linegalite
X
X

sj un+1
sj unj .
j
j
(5.6)
P
P
Demonstration.PComme est convexe, on a plus linegalite ( i ui )
i (ui ) sous les conditions i 0
pour tout i et
i = 1. Donc
!
t X

t X
n+1
mjk unj +
mjk (unk ) .
uj
1
sj +
sj +
k
Sommons sur tout le maillage

X
j
On a
X
X X t mjk
X X t mjk
un+1
unj
unj +
(unk ) .
j
s
s
j
j
+
+
j
j
j
k
X X t mjk
X
unj =
X X t mjk
(unk ) =
et
k+
sj
sj
X
j

t mjk
unj
sj
t mjk
(unk ) .
sj
k, ajk >0
k, ajk <0
70
Or on a legalite

DES METHODES
DE VOLUMES FINIS
X
j
k, ajk >0
Le reste de la preuve est evident.
X
t mjk
unj =
sj
j
k, ajk <0
t mjk
(unk ) .
sj
Remarque 8. Dans le cas o`

u le maillage est infini ce qui correspond par exemple `
a = R2 , il faut cependant
justifier la convergence et la permutation des sommes infinies dans la preuve de (5.6). Cest bien le cas si
(0) = 0 et la solution numerique est `
a support compact. Cela couvre les cas particuliers etudies ci-dessous.
Pour un maillage fini, cette difficulte na pas lieu.
Lemme 37. Le schema de Volumes Finis (5.2) est stable dans tous les Lp sous la meme condition (5.4). Plus
precisement
kun+1 kpLp () kun kpLp () 1 p .
(5.7)
Demonstration. Tout dabord on considère 1 p < . La fonction (u) = |u|p etant convexe, on peut appliquer
linegalite precedente. Do`
u le resultat. Le cas p = est une consequence du principe du maximum (5.5).
Cependant linegalite 36 permet de deriver aussi le principe du maximum, ce qui fournit une deuxième demonstration
de la stabilite dans L .
(u)
+ (u)
(u)
m
|
{z
un
j
M
}
Figure 5.2 et +
On pose m = mink unk et M = maxk unk . Soit la fonction

m u pour u m,
(u) =
0
pour m u.
Cette fonction est continue, convexe et (0) = 0. Linegalite (36) implique que
X

sj un+1
0.
j
j

n+1
Or 0. Donc uj
= 0 pour tout j, ce qui montre que m un+1
pour tout j.
j
n+1
Pour montrer que uj
M , nous considerons une deuxième fonction convexe

0
pour u M,
+ (u) =
u M pour M u.
M pour tout j.
Un raisonnement similaire montre que un+1
j
A present nous interpretons geometriquement la condition de CFL. Le membre de droite de
t P
sj
mjk
k+
j,
(5.8)
71
depend de la structure locale du maillage. Il importe de sassurer que ce terme nest pas excessivement petit,
daugmenter les temps de calcul dans des proportions excessives. Pour simplifier lanalyse on considère que
a R2 est constant en espace.
lj
(5.9)
lj
Maille j
E
lj
D
a
F
Figure 5.3 Largeur apparente dune maille
Nous definissons lj la largeur apparente de la maille j comme la dimension de cette maille vue par un observateur à linfini dans la direction a.
Lemme 38. Supposons les mailles convexes. Alors linegalite de stabilite se recrit
t
sj
|a|lj
(5.10)
o`
u lj est la longueur apparente comme sur la figure 5.3.
Demonstration. Nos montrons cette propriete sur lexemple de la maille pentagonale j de sommets ABCDE
de la figure 5.3.
On construit une maille plus grande j avec j j : ses sommets sont ABCF G, les segments AG et CF
etant parallèles au vecteur a. Comme j est convexe par hypothèse et que a est constant, les bords sortants
k I + (j) (i.e. AB et BC sur la figure) forment une ligne brisee connexe. De la meme manière les bords entrants
k I (j) (i.e. CD, DE et EA sur la figure) forment une ligne brisee connexe. Les bords sortants de j sont
les memes que ceux de , ce que lon peut noter par
I + (j) = I + (j ).
Alors
kI + (j)
mjk =
kI + (j )
mjk =
kI (j )
mjk = |a|lj .
Or AG et CF sont parallèle a
` a, donc ils ne contribuent pas. La preuve est terminee.
P
a fait possible pour une maille non convexe. Dans ce
Remarque 9. En revanche kI + (j) mjk > |a|lj est tout `
cas le pas de temps est plus restreint que pour (5.10).

DES METHODES
DE VOLUMES FINIS
72
Soit à present une maille j convexe : on definit rj le plus grand rayon des cercles internes et rj+ le plus petit
rayon des cercles externes. On a
diam(j ) 2rj+ .
Pour un triangle rj est le rayon du cercle inscrit, et rj+ est le rayon du cercle circonscrit.
Lemme 39. Soit une maille convexe. Alors une condition suffisante pour obtenir (5.8) est que
t
(rj )2
2|a|rj+
(5.11)
Demonstration. Par definition sj (rj )2 et lj 2rj+ . Aussi (5.10) est une consequence de (5.11).
D
efinition 17. On definit le facteur de qualite, aussi appele rapport daspect, du maillage
!
rj+
1,
Q = sup
rj
j
et la longueur caracteristique du maillage
h = sup (diam(j )) .
j
La definition de h est une alternative possible à une definition similaire (3.28).

Avec ces notations, la condition sur le pas de temps (5.11) est verifiee dès que
2
t
Q
1.
|a|
(5.12)
Pour un calcul sur ordinateur, on a toujours interet à utiliser le plus grand pas de temps possible. Le pas du
maillage h est le plus souvent dicte par la precision souhaitee. En revanche Q est donne par la structure du
maillage. De ce point de vue linteret pratique dicte dutiliser un maillage avec une constante Q la plus petite
possible.
D
efinition 18. Une suite de maillages indices par n et de longueur caracteristique hn avec hn 0 pour n
est dite regulière si
1 Qn C,
n.
Les preuves de convergence utilisent une telle hypothèse de regularite de maillage. Il faut noter que la situation
est identique pour la theorie de convergence des methodes delements finis [8].
5.1.2
Consistence des sch

emas de Volumes Finis pour ladvection
Nous allons plutot montrer que la non consistance au sens des Diff
erences Finies est la règle generale
pour lequation dadvection. Cette non consistance formelle est la raison des difficultes danalyse numerique
generees pas ces methodes.
Nous partons du schema de Volumes Finis pour un maillage general (5.2) ou (5.3). Pour analyser la consistance
au sens des Differences Finis, il faut definir un operateur de projection h à partir de points xj . Ces points
peuvent etre les centres de masses des mailles mais ce nest pas obligatoire. Il apparait raisonnable de demander
que xj j , mais ce nest pas obligatoire non plus.
Soit u = u0 (x at) une solution exacte pour la donnee initiale u0 W 2, (R2 ). Lerreur de troncature est alors
rjn

vjn+1 vjn
vjn+1 vjn
1 X
1 X
1 X
n
n
mjk vj
mjk vk =
mjk vkn vjn .
+
=
t
sj +
sj
t
sj
k
73
o`
u vjn , vjn+1 et les vkn sont les valeurs ponctuelles associees à des points xj que lon a choisi preliminairement :
vjn = u(nt, xj ) pour tout j et tout n. Pour des fonctions regulières un developpement de Taylor montre que
vjn+1 = vjn + t u(nt, xj )t + O(t2 ) = vjn a u(nt, xj )t + O(t2 )
et
vkn = vjn + u(nt, xj ) (xk xj ) + O(h2 ).
On supposera que les points sont tels que
sup |xj xk | Ch pour C independant de h.
kI(j)
On obtient
rjn = a u(nt, xj )t
1 X
ljk a njk u(nt, xj ) (xk xj ) + O(t) + O(h),
sj
k
ou encore

rjn = Mtjk a u(nt, xj ) + O(t) + O(h).
(5.13)
P
avec une matrice Mj = I + s1j k ljk njk (xk xj ) R22 . Donc pour avoir rjn = O(t + h) il faut et
il suffit que Mtj a sannule. On note que lon retrouve exactement le critère dej`
a etudie (4.47) en dimension un
despace. Comme il apparait raisonnable que les points xj soit independants autant que possible de lequation,
on retiendra la definition suivante.
D
efinition 19 (Consistence au sens des Differences Finies : première version). On dira que le schema est
consistent au sens des Differences Finies si il existe des points (xj ) solution de lequation Mj = 0, cest a
` dire
X
ljk njk (xk xj ) = sj I, j.
(5.14)
k
Si de plus xj j la solution est locale.

La somme etant sur les k , il subsiste une dependance par rapport à a dans cette definition.
Comme nous le savons dej`
a , les maillages cartesiens beneficient de la consistance au sens des Differences Finies,
ce que lon retrouve rapidement de la facon suivante. Soit en effet un maillage cartesien (en dimension d = 2).
Considerons que xj est le centre de masse (aussi centre de gravite ou barycentre) de la maille dindice j. Alors
la condition de consistance (5.14) est vraie pour tout a. En effet sj = x2 , ljk = x et xk xj = x njk .
Deux bords au plus contribuent dans (5.14). Le reste est affaire de calcul evident.
Un resultat negatif est le suivant.
Lemme 40. Il existe des maillages pour lesquels il ny a aucune solution au critère de consistance (5.14).
Demonstration. Considerons le maillage en triangles de la figure 5.4.
Une seule maille est dans I (j). La somme (5.14) se reduit à une seule contribution ljk njk (xk xj ). Cette
matrice est au plus de rang un, et ce pour tout xj et tout xk . Elle ne peut donc pas etre egale à sj I qui est de
rang deux.
Cela incite à etudier une version affaiblie de la relation de consistance (5.14).
D
efinition 20 (Consistance au sens des Differences Finies : deuxième version). Un deuxième critère de consistance au sens des Differences Finis secrit : Mtjk a = 0. Ou encore
X ljk a njk
sj
P
xj =
xk P
a.
(5.15)
l
a
n
l
a njk
jr
jr
jk
r
k
74

DES METHODES
DE VOLUMES FINIS
Maille j
xj
njk
xk
Maille k
Figure 5.4 Un cas particulier sans solution au critère de consistance (5.14)

Si (5.15) est vrai alors lerreur de troncature (5.13) est en O(t + h), ce qui est exactement la definition de la
consistance au sens des Differences Finies.
Il est possible a priori de resoudre (5.15) de proche en proche en considerant que les xk ont dej`
a ete calcules.
Cela determine le point xj comme une moyenne des xk plus une correction geometrique, ce qui propage la
connaissance de xj de mailles en mailles. Cependant letude de ce système, meme elementaire, na pas evidente.
Par exemple la solution peut ne pas etre locale, xj 6 j . Cela rend linterpretation de la solution delicate. On
pourra consulter [3].
xj
xk
hj
xj
xk
xj
lj
xk
j
Figure 5.5 Ici lequation (5.15) se simplifie en xj = 2|a|
a + xk . La hauteur du triangle est hj = ljj . Si le
second membre de (5.15) est xk alors xj j . Cependant si xk ou xk sont près des coins, alors xj
6 j .
5.2
Convergence dans L2
Nous montrons la convergence dans L2 du schema de Volumes Finis pour ladvection, en utilisant une combinaison de techniques adaptees. Le domaine detude est le tore T . Le champ de vitesse a R2 est constant en
temps et en espace. La donnee initiale est une fois derivable dans L2 , soit u0 H 1 (T ).
Le maillage est regulier avec un nombre de voisins par mailles qui est borne independant de h. Cela est assure
pour un maillage dont les mailles sont des polygones avec un nombre donne maximal de cotes. Les mailles sont
toutes convexes.
Th
eor`
eme 3. Supposons la condition CFL verifiee. Alors le schema de Volumes Finis est convergent avec
lestimation dordre fractionnaire
1
kunh h u(nt)kL2 (T ) CkukL2 (T ) (T h) 2 ,
nt T.
(5.16)
5.2. CONVERGENCE DANS L2
75
Remarque 10. La comparaison avec les resultats en dimension un despace de la section 4.2.3 montre que ce
resultat est optimal car il retrouve exactement lordre de convergence moitie pour une donnee une fois derivable
(dans L2 ).
Pour simplifier un peu, la preuve est decompose en deux etapes. La première etape est plus generale car dans
Lp .
Premi`
ere
etape : estimation en temps dans Lp
5.2.1
On sappuie sur le lemme 17 pour remplacer le sch

ema explicite
n+1
n
X
uj
uj
1 X
n
n
mjk uk = 0,
+
mjk uj
t
sj
+
k
par le sch
ema semi-discret
vj (t)
X
1 X
+
mjk vk (t) = 0.
mjk vj (t)
sj
+
k
La condition initiale est commune
u0j = vj (0) =
1
sj
u0 (x)dx.
j
Lemme 41. Soit une donn

ee initiale u0 W 1,p (T ). Soit une suite de maillages r
eguliers de pas h 0. Alors il existe une
constante universelle C > 0 telle que
1
2
kun
h vh (nt)kLp (T ) Cku0 kLp (T ) (T h) ,
nt T.
(5.17)
D
emonstration. On applique lin
egalit
e de comparaison du lemme 17. Tout dabord les hypoth`
eses sur le maillage et l
etude de la
condition CFL montrent que (h) Ch pour une constante C > 0 born
ee ind
ependamment de h. Il reste `
a obtenir une bonne
estimation sur Ah h u0 = (wj ) avec

1 X
ljk u0k u0j
wj =
sj +
k
R
R
o`
u u0j = s1 u(x)dx et u0k = s1 u(x)dx sont les valeurs moyennes obtenues par projection de la donn
ee initiale. On a
j
wj =

1 X
1 X
ljk u0jk u0j +
ljk u0k u0jk
sj +
sj +
k
u0jk
o`
u
que
1
ljk
j k
u(x)dx est la valeur moyenne sur linterface commune de la donn

ee initiale. Lin
egalit
e de H
older montre

1
1

q

p p X

1

X
X
1

ljk Ch p Aj h q
ljk u0jk u0j
ljk u0jk u0j

k+
k+
k+
o`
u on a repris la d
efinition (5.36) de Aj . De m
eme pour les autres termes. Do`
u gr
ace `
a la minoration uniforme sj ch2 :
X
1 1 2
A j +
Ak .
|wj | Ch q p
k+
Puis en utilisant le fait que le nombre de voisins est born

e ind
ependamment de h, on obtient kAh h u0 k =
1 1 2+ 2
p
Ch q p
48. Comme
5.2.2
1
q
A, avec A d
efini par (5.39) : le terme
1
p
2+
2
p
2
hp
1
p
P
sj |wj |p
1
vient des contributions de la forme sj . Or A ch ku0 kLp (T ) par le lemme
+ 1 = 0, cela
etablit le r
esultat.
Deuxi`
eme
etape : estimation en espace dans L2
Nous etudions à present la difference entre la solution du schema semi-discret et la projection de la solution
exacte, en norme L2 .
Lemme 42. Supposons : u0 H 1 (T ) ; la condition CFL realisee ; et les maillages reguliers. On a lestimation
derreur

1
||u(nt) vh (nt)||L2 C ku0 kL2 (T ) h + (T h) 2 ,
nt T.
(5.18)

DES METHODES
DE VOLUMES FINIS
76
D
emonstration. La fonction vh (t) L2 () est constante par mailles. On
etudie
Z
1
E(t) =
(u(t) vh (t))2 .
(5.19)
2 T
avec E(0) C(u0 )h2 au temps initial en utilisant le r
esultat du lemme 46. Le r
esultat final (5.18) sera d
emontr
e si nous pouvons
montrer que E (t) C||u0 ||2L2 h. Or nous allons voir que cest affaire de calculs
el
ementaires.
R
R
R
On a E(t) = 21 u(t)2 + 21 vh (t)2 vh (t)u(t). Donc

Z
X X
d 1
1
2
2
u(t) +
mjk (vj vk )
E (t) =
dt 2 T
2 j
kI + (j)
|
{z
}
|
{z
}
=A1
+
X
k+
mjk vj
sj
{z
mjk vk
Z
=A2
u(t) +
=A3
X
|
uj (
mjk ujk +
k+
mjk ujk ) .
{z
=A4
o`
u ujk d
enote la valeur moyenne de la solution exacte au temps t sur linterface j k . Le premier terme A1 est nul car la
norme L2 de la solution de l
equation dadvection est constante pour un domaine sans bord
Z
Z
Z
Z
u
u2
d
a = 0.
ua u =
ut u =
=
A1 =
dt 2
2
LeR deuxi`
eme terme A2 est n
egatif ou nul. Les termes suivants A3 et A4 sont a priori tels que leur somme est homog`
ene `
a
e
ecriture adapt
ee permet de mettre en
evidence que leur somme est petite en
(a.(uwh ) = 0. On peut alors anticiper quune r
un sens `
aPd
efinir. V
erifions.
P
Comme k+ mjk = k mjk , alors
R
!
XX
XX
j u
mjk (vj vk )ujk +
A3 =
mjk (vj vk ) ujk
.
(5.20)
sj
j k
j k
|
{z
} |
{z
}
=A5
=A6
Une int
egration par partie discr`
ete, cest `
a dire une permutation des indices de sommation,
montre que A5 = A4 . Par ailleurs une
R

2
P P
j u
1 2
1
2
in
egalit
e de la forme 4 + montre que A6 2 A2 + j k mjk ujk s
. One obtient alors
j
1X
E (t) +
2 j
kI + (j)
1 XX
mjk (vj vk )
mjk
2 j
2
ujk
sj
!2
P P
Le r
esultat du lemme 48 pour p = 2 montre que E (t) + 21 j kI + (j) mjk (vj vk )2 Ch||u0 ||2L2 . Il sensuit que
Z
1 tX X
E(t) +
mjk (vj (s) vk (s))2 ds Ch2 ku0 k2L2 + Ch ku0 k2L2 T.
2 0 j
+
kI
(5.21)
(j)
Le r
esultat est d
emontr
e avec de plus une estimation sur les diff
erences de la solution semi-discr`
ete qui sera utilis
ee dans ce qui
suit.
Remarque 11. La structure de la preuve de lin
egalit
e (5.18) sappuie dune part sur la dissipation de l
energie L2 ce qui est
une propri
et
e courante pourPune m
ethode
num
e
rique
et
dautre
part
sur
la
structure
dun
sch
e
ma
de
Volumes
Finis qui peut se
P
caract
eriser par la relation
ethodes de Volumes Finis. En r
esum
e le point
k+ mjk =
k mjk qui est fondamentale dans les m
cl
e de la preuve est la transformation (5.20).
Preuve final du th
eor`
eme 3. Le th
eor`
eme de convergence 3 sobtient par in
egalit
e triangulaire `
a partir de lin
egalit
e (5.17) et de
lin
egalit
e (5.18).
5.3
Convergence dans L1
On fera lhypothèse que

u0 BV(T )
ce qui permet de traiter les cas des fonctions indicatrices, lesquelles sont liees au calcul numerique de la propagation dinterfaces par des schemas de Volumes Finis.
La strat
egie g
en
erale de preuve de convergence est identique au cas pr
ec
edent. Dabord se ramener au sch
ema semi-discret ce qui
ne pose pas de difficult
es `
a partir du r
esultat du lemme 41 et du fait que W 1,1 est dense dans BV . Do`
u une premi`
ere estimation
1
2
kun
h vh (nt)kL1 (T ) C |u0 |BV(T ) (T h) ,
Lestimation en espace va
etre montr
ee pour des fonctions indicatrices.
nt T.
(5.22)
5.3. CONVERGENCE DANS L1
5.3.1
77
Cas des fonctions indicatrices
La donn
ee initiale u0 = 1 est prise comme la fonction indicatrice dune partie T
u0 (x) = 1 pour x ,
On supposera le p
erim`
etre born
e, auquel cas
et u0 (x) = 1 pour x 6 .
|u0 |BV = || < .

On commence par r
egulariser/convoluer la donner initiale u0 `
a laide dun noyau positif ou nul, born
e, de masse unit
e et `
a support
compact

Z
1
xy
u0 (x) = ( u0 ) (x) =
u0 (y)dy.
yT
Un r
esultat classique [19] montre que
(5.23)
ku0 u0 kL1 (T ) C||.
On a
egalement que

Z
1
xy
u0 (y)dy
2
yT
do`
u lon tire `
a partir de la d
efinition dune fonction BV que
|u0 |BV (T )
et ku0 kL1 (T ) C |u0 |BV (T ) .
ku0 kL (T ) C
Il sensuit une in
egalit
e qui va jouer un r
ole dans la suite
|u0 |BV (T )
.
(5.24)
ku0 kL2 (T ) C
1
2
(t) = eAh t u . La solution du sch
ema semi-discret issu de u0 est vh (t) =
La solution du sch
ema semi-discret issu de u0 est vh
h 0
eAh t h u 0 .
u0 =
Lemme 43. Lerreur entre la solution num

erique semi-discr`
ete et la solution exacte peut se majorer par lerreur entre les solutions
r
egularis
ees plus un reste
kvh (t) u(t)kL1 (T ) kvh

(t) u (t)kL1 (T ) + C||.
(5.25)
D
emonstration. On a lin
egalit
e triangulaire
kvh (t) u(t)kL1 (T ) kvh (t) vh

(t)kL1 (T ) + kvh
(t) u (t)kL1 (T ) + ku (t) u(t)kL1 (T ) .

(0)
(t)
en utilisant la stabilit
e
vh (0) vh
On a ku (t) u(t)kL1 (T ) u0 u0 L1 (T ) . Or on a aussi vh (t) vh
L1 (T )
L1 (T )
unitaire dans L1 du sch

ema semi-discret, laquelle peut soit se voir comme une cons
equence de la propri
et
e g
erale (4.23) qui
etend
en
(t)
au semi-discret les propri

et
es de stabilit
e des sch
emas explicites, soit se re-d
emontrer directement. Puis vh (t) vh
L1 (T )

u u0 1
. Donc
0
L (T )
kvh (t) u(t)kL1 (T ) kvh

(t) u (t)kL1 (T ) + 2 ku0 u0 kL1 (T )

ee gr
ace `
a (5.23).
Lemme 44. On a la formule
ku (t) vh
(t)kL1 (T ) = ku (t)k2L2 (T ) kvh
(t)k2L2 (T ) + ku (t) vh
(t)k2L2 (T ) + O(||)
o`
u le terme O(||) est ind
ependant du temps.
D
emonstration. Le support du noyau de convolution est compact, aussi u0 (x) = u0 (x) sauf
eventuellement dans une r
egion dont
laire peut se majorer en A = Per()O(). Cela
etant vrai pour de la forme dun disque ou dun carr
e, nous ladmettons sans
d
emonstration pour le cas g
en
eral. Apr`
es advection on a la m
eme propri
et
e entre u (t) et u(t).
Dans les r
egions o`
u u (t) = 1
|u (t) wh
(t)| = 1 wh
(t).
En effet wh (t) 1 car le sch

ema semi-discret v
erifie aussi le principe du maximum : cela qui peut se voir comme une cons
equence
de la propri
et
e g
en
erale (4.23) qui
etend au semi-discret les propri
et
es de stabilit
e des sch
emas explicites, soit se re-d
emontrer
directement.
Dans les r
egions o`
u u (t) = 0 on a par un principe similaire
Ces deux situations peuvent se r
esumer par
|u (t) wh
(t)| = wh
(t).
|u (t) wh
(t)| = (u (t) wh
(t)) (2u (t) 1) ,
qui est valide presque partout except

e dans un domaine daire A = O(||). On a donc
Z
(u (t) wh
(t)) (2u (t) 1) + O(||).
ku (t) vh
(t)kL1 (T ) =
R

(t) = 0.
Or linitialisation de la donn
ee initiale en valeur moyenne et la conservativit
e (lemme 12) du sch
ema font que u (t) wh

2
2
2
2u = |u | w + u w que lon retrouve directement dans le r
Il reste alors les termes u wh
esultat. La preuve est
h
h
termin
ee.

DES METHODES
DE VOLUMES FINIS
78
Th
eor`
eme 4. Soient T > 0 et h 1. Il existe une constante C > 0 telle que
1
2
ku (t) vh
(t)kL1 (T ) C |u0 |BV
h2 ,
(T )
D
emonstration. En effet lin
egalit
e (5.17) en norme
implique
L2
t T.
combin
ee avec (5.24) lestimation sur le gradient
egalement en norme L2
2
|u0 |BV (T ) 2

ku (t) vh
(t)k2L2 (T ) C ku0 k2L2 (T ) h2 + th C
h + th .
Dautre part

d
1X
ku (t)k2L2 (T ) kvh
(t)k2L2 (T ) =
dt
2 j
kI + (j)
mjk (vj vk )2
car la norme L2 de u est constante, et le sch

ema est dissipatif. Le terme dissipatif est exactement le terme A2 dans la preuve du
lemme 42, et dont lint
egrale en temps peut se majorer par (5.21). Donc on peut
ecrire

2
2
2
ku (t)kL2 (T ) kvh (t)kL2 (T ) ku0 kL2 (T ) kvh (0)kL2 (T ) + Ch2 ku0 k2L2 + Cth ku0 k2L2 .
On a imm
ediatement que
ku0 k2L2 (T ) kvh

(0)k2L2 (T ) = (u0 vh
(0), u0 + vh
(0))L2 (T ) ku0 vh
(0)kL1 (T ) ku0 + vh
(0)kL (T ) .

2
2
(0) 2
Do`
u gr
ace `
a (5.34) et au fait que les donn
ees sont born
ees dans L : u0 L2 (T ) vh
Ch u0 L1 (T ) puis u0 L2 (T )
L2 (T )
2
v (0) 2
Ch |u0 |
. Donc on peut
ecrire
h
L (T )
BV (T )
ku (t)k2L2 (T ) kvh
(t)k2L2 (T ) Ch |u0 |BV (T ) + C
h2 + th
|u0 |2BV (T ) .
En regroupant ces diverses expressions on obtient

h2 + th
|u0 |2BV (T ) + C |u0 |BV (T ) .
ku(t) vh (t)kL1 (T ) Ch |u0 |BV (T ) + C
Une valeur optimale du param`

etre de convolution est = h. On obtient

1
1
3
ku(t) vh (t)kL1 (T ) C h + h 2 + th 2 + h 2 |u0 |BV (T ) .
On obtient alors le r
esultat pour h 1 et t T donn
e.
5.3.2
Donn
ees g
en
erales
Le r
esultat du th
eor`
eme de convergence dans L1 pour une fonction indicatrice peut s
etendre aux fonctions de BV `
a partir de
lin
egalit
e de la co-aire (2.1).
5.4
Convergence du sch
ema de diffusion
On analyse à present la version implicite du schema (3.49) pour lequation de la chaleur. Il secrit pour tout
n0
n+1
n+1
unj
un+1
1 X uk uj
j
ljk
= 0, j.
(5.26)
t
sj
djk
k
Les elements caracteristiques du maillage du tore T sont laire de la maille courante notee sj > 0, la longueur
de linterface entre les mailles voisines notee ljk > 0 : la distance entre les centres de gravite xj et xk de deux
mailles voisines, initialement denotee dbjk , sera note djk > 0 pour alleger la notation. On envisage linitialisation
ponctuelle
u0j = u0 (xj ), j.
(5.27)
On pourrait tout aussi bien etudier les variantes explicites ou semi-discrètes avec des resultats similaires.
Comme note precedemment, la matrice du système lineaire qui permet de calculer un+1
en fonction de unh est
h
2
inversible. On peut le retrouver comme consequence de la decroissance de la norme L .
Lemme 45 (Stabilite inconditionnelle en norme quadratique). Soit vh = (vj ) donne. Soit uh = (uj ) une
P
u u
u v
solution de jt j + s1j k ljk kdjk j = 0, j. Alors pour tout t > 0
kuh kL2 (T ) kvh kL2 (T ) .

5.4. CONVERGENCE DU SCHEMA
DE DIFFUSION
Demonstration. Le schema se recrit
uj
79
t X uk uj
ljk
= vj .
sj
djk
k
Multipliant par uj et sommant sur toutes les mailles on trouve

X
sj u2j
X
j
uj
X
k
uk uj
ljk
djk
sj uj v j
ce qui implique après quelques manipulations

X
sj u2j + t
P P
o`
u
j<k =
j
dindices k. Do`
u
X
X ljk
1X
1X
2
2
(uj uk ) =
sj u2j +
sj vj2
sj (uj vj )
djk
2 j
2 j
j
j<k
k, j<k
est une somme double sur toutes les interfaces entre maille dindice j et mailles
X
X ljk
1X
1X
2
2
(uj uk ) +
sj (uj vj ) =
sj u2j + t
sj vj2
2 j
djk
2
j
j
(5.28)
j<k
ce qui termine la preuve.

On retrouve bien que si vh 0, alors lunique solution du système lineaire est uh 0. Or cest un des critères
possibles pour caracteriser linvisibilite du système lineaire qui permet de determiner uh en fonction de vh . Donc
le système lineaire est inversible.
Pour poursuivre lanalyse numerique on empreinte une idee très courante dans les formulations variationnelles
pour les problèmes elliptiques qui est de recrire (5.26) sous une forme mixte, cest à dire en faisant apparaitre
explicitement des discretisations doperateurs differentiels du premier ordre. On obtient
n+1
n
X
uj uj 1
ljk pn+1
jk = 0, j,
t
sj
k
un+1
un+1
j
k
pn+1
= 0,
(j, k).
jk
djk
ee de la consistance au sens des Differences Finies, qui

= pn+1
On note bien s
ur que pn+1
jk . Puis on reprend lid
kj
est dintroduire la solution exacte dans le schema est devaluer lerreur de troncature. Le point important est
que lon effectue cette etude de consistance pour les deux equations discrètes separement.
On prend vjn = u(xj , tn )dx qui est la valeur au point xj de la solution exacte et
n
qjk
=
1
ljk
j k
u(x, tn ) njk d
qui est la projection en moyenne sur les segments dinterface. La valeur ponctuelle est correctement definie pour
une fonction continue ce qui sera le cas pour la regularite envisagee dans le lemme qui suit. On definit alors
deux erreurs de troncature
vjn+1 vjn
1 X
n+1
ljk qjk
, j,
rj =
t
sj
k
vkn+1 vjn+1
n+1
tnjk = qjk
,
(j, k).
djk

Le terme tnjk evalue la consistance du flux numerique. Ces deux erreurs de troncature rhn = rjn j et tnh =

tnjk
ne vivent pas dans les memes espaces, mais peuvent toutes deux sestimer dans des normes quadratiques
jk

DES METHODES
DE VOLUMES FINIS
80
|||th |||2L2 (T )
sj rj2 . On definit
X
=
ljk djk t2jk .
adaptees. Comme auparavant on prendra krh kL2 (T ) =
jk
On remarque sj = O(h2 ) et ljk djk = O(h2 ) ce qui fait que ce sont deux normes de type L2 .
Proposition 20 (Consistance des erreurs de troncature). Supposons que la solution soit u W 2, ([0, T ] T ).
Supposons le maillage triangulaire et satisfaisant la condition du lemme 14.
Alors il existe C qui depend de u et de ses derivees telle que
krhn kL2 (T ) C (t + h) et |||tnh |||L2 (T ) Ch,
nt T.
Cette preuve est loin detre optimale, ne serait-ce que parce que la regularite de la solution est evaluee dans
des espaces de type L et que lerreur est mesuree dans L2 . Mais la structure de la preuve est interessante en
elle-meme car la dependance des estimations par rapport aux elements caracteristiques du maillage apparait
clairement. Les conditions sur le maillage sont elles-aussi restrictives.
On consultera [15] pour des developpements complementaires.
Demonstration. On a
rjn
1
=
t
sj
=

1
t
sj
u(x, tn+1 ) nj d
u(x, tn+1 )dx
Z
1
u(xj , tn+1 ) uj (x, tn )
t u(x, tn+1 )dx

t
s j j

Z
1
=
t u(xj , tn+1 ) +
(t u(xj , tn+1 ) t u(x, tn+1 )) dx.
t
s j j
=
Or tt u L ([0, T ] T ). On a alors pour le terme entre parenthèse

1

t u(xj , tn+1 ) t ktt u(tn+1 )kL ([0,T ]T ) .

t
2
Comme on a aussi t u L ([0, T ] T ) le terme sous lintegrale sestime par
|t u(xj , tn+1 ) t u(x, tn+1 )| h kt ukL ([0,T ]T )

avec diam(j ) h. Donc
n 1
rj t ktt u(tn+1 )k
L (T ) + h kt ukL ([0,T ]T ) .
2
1
Comme krhn kL2 (T ) krhn kL (T ) |T | 2 , on obtient une première estimation
1
1
2
krhn kL2 (T )
2 ktt u(tn+1 )kL (T ) t + kt ukL ([0,T ]T ) h |T | C(t + h).
{z
}
|
|
{z
}
=c2
=c1
avec C = max (c1 , c2 ) |T | 2 .

On evalue à present le deuxième terme. On a
tnjk
n+1
qjk
u(xjk , tn+1 ) njk +
vkn+1 vjn+1
u(xjk , tn+1 ) njk
djk
(5.29)

5.4. CONVERGENCE DU SCHEMA
DE DIFFUSION
Or
n
qjk
u(xjk , tn+1 ) njk =
1
ljk
j k
81
(u(x, tn+1 ) u(xjk , tn+1 )) njk d
Comme la matrice Hessienne des derivees secondes de u est bornee, 2 u L ([0, T ] T )4 , on en deduit que
n

qjk u(xjk , tn+1 ) njk 2 u
h.
L ([0,T ]T )4
Le dernier terme `
a estimer est
u(xjk , tn+1 ) njk
vkn+1 vjn+1
u(xk , tn+1 ) u(xj , tn+1 )
= u(xjk , tn+1 ) njk
djk
djk
o`
u le point xjk est situe entre xj et xk , et o`
u djk est precisement la distance entre en xj et xk . Bien que
bidimensionnelle, la situation est identique `
a celle de la figure 3.6 en dimension un despace. Il sensuit que

vkn+1 vjn+1 2

u L ([0,T ]T )4 h.
u(xjk , tn+1 ) njk

djk

Cela implique que tnjk 2 2 u L ([0,T ]T )4 h. Or
n
kt kL2 (T )

max tnjk
jk
sX
ljk djk
jk

max tnjk
jk
sX
sj max
P
k ljk djk
sj
Avec les hypothèses usuelles sur le maillage, on obtient

ktn kL2 (T ) K 2 u L ([0,T ]T )4 h
(5.30)
o`
u K > 0 ne depend que du maillage.
A present que la consistance est etablie, il reste à utiliser une nouvelle fois la stabilite pour obtenir la convergence.
Th
eor`
eme 5. Soit T > 0 un temps final donne. Sous les hypothèses precedentes, il existe une constante C > 0
telle que
kunh vhn kL2 (T ) C(t + h).
(5.31)
n
Demonstration. On definit les differences enj = vjn unj et fjk
= qjkn pnjk qui verifient
n+1
ej enj
1 X
n+1
= rjn ,
ljk fjk
t
sj
k
n+1
n+1
e
e
j
k
f n+1
= tnjk ,
jk
djk
j,
(5.32)
(j, k).
0
La condition initiale (5.27) devient e0j = 0 pour tout j. Il ny a pas de condition initiale pour fjk
. On peut
alors reprendre lanalyse de la stabilite qui donne lieu à (5.28) sous la forme suivante : on multiplie la première
et on somme ; dans le meme temps multiplie la deuxième equation de (5.32)
equation de (5.32) par tsj en+1
j
n+1
par tljk djk fjk et on somme. On obtient
X
X ljk
2

1 X n+1 2
en+1 en+1 2 +
s j ej
+ t
sj en+1
enj
j
j
k
2 j
djk
j
j<k
X
X
1 X n 2
n+1
sj rjn en+1
+ t
sj ej + t
ljk djk tnjk fjk
j
2 j
j
jk

DES METHODES
DE VOLUMES FINIS
82
=
X
X
X
X
2

1 X n 2
enj + t
sj ej + t
sj rjn en+1
sj rjn enj + t
ljk djk tnjk + t
en+1
ljk tnjk en+1
j
j
k
2 j
j
j
jk
jk
(5.33)
n+1
par la deuxième equation de (5.32). On a les differentes inegalites de type Minkovski 1
après elimination des fjk
t
X
j
X 2
2 1
1 X n+1
sj rjn ,
sj ej enj + t2
enj
sj rjn en+1
j
2 j
2
j
t
X
j
et
t
X
jk
sj rjn enj
1 X n 2 1 X n 2
t
sj rj + t
s j ej ,
2
2
j
j
2
2 1 X
1 X ljk n+1
e
+ t
ljk djk tnjk .
en+1
en+1
ljk tnjk en+1
t
j
j
k
k
2
djk
2
j<k
jk
En inserant ces inegalites dans lexpression precedente (5.33) on obtient après quelques simplifications evidentes
X 2 1
X 2 1 X
2

1 X n+1 2
1
t + t2 t
sj enj +
sj rjn + t
ljk djk tnjk
s j ej
(1 + t)
2 j
2
2
2
j
j
jk
ou plus simplement
n+1 2
2
e
h
L (T )

2

2
|||2L2 (T ) .
(1 + t) kenh kL2 (T ) + t (1 + t) rhn+1 L2 (T ) + |||tn+1
h

2
2
2
2
et kenh kL2 (T ) +Kt (t + h) pour
Utilisant à present les estimations de consistance, on obtient en+1
h
L (T )
P
2
n1
2
une constante K > 0 qui depend de u, et pour 0 < t < 1. Do`
u kenh kL2 (T ) tK p=0 ept (t + h) . Soit
2
un temps final donne T > 0. Pour nt T on peut ecrire kenh kL2 (T ) Q (t + h) . La preuve est terminee.
Remarque 12. Le resultat de convergence (5.31) est encore vrai pour u H 2 ([0, T ] T ). On peut se referer au
theorème 3.4 page 55 de [15] pour les idees principales. Cest un peu plus technique en ce qui concerne letude
des erreurs de troncature, mais est strictement identique en ce qui concerne le schema lui-meme.
5.5
Quelques r
esultats dapproximation
On demontre quelques inegalites dinterpolation de base qui sont utiles pour lanalyse numerique des methodes
de Volumes Finis.
La première inegalite, lemme 46, est un resultat classique qui mesure lerreur de projection en moyenne. La
deuxième inegalite, lemme 48, est tout aussi classique. Elle mesure lerreur entre la valeur moyenne dans les
mailles par rapport `
a la valeur moyenne sur les segments aux interfaces des mailles.
Les mailles en dimension deux despace sont supposees convexes. La longueur caracteristique du maillage h est
par definition plus grandes que tous les bords de mailles. Le maillage est pris regulier. Enfin le nombre de voisins
est borne par une constante independante de h.
Lemme 46 (Inegalite de type Poincare-Wirtinger). Soit h loperateur de projection en moyenne. Alors il
existe une constante C > 0 telle que
ku h ukLp () ChkukLp ()
pour tout u W 1,p ().
1. On entend par l`
a toute in
egalit
e de la forme ab
2
a
2
1 2
b
2
pour > 0 bien choisi, a et b

etant quelconques.
(5.34)

5.5. QUELQUES RESULTATS
DAPPROXIMATION
83
D
emonstration. Lin
egalit
e (5.34) ne fait que pr
eciser la d
ependance par rapport au maillage de la constante de lin
egalit
e de
Poincar
e-Wirtinger dans Lp ().
Le cas p = est
evident aussi on consid`
ere 1 p < . On a
p

Z
p
Z
Z

X 1 Z
X
1

p
(u(x) u(y))dy dx.
ku h ukLp () =
u(y)dy dx =
u(x)

p

sj yj
sj xj yj
xj
j
j
Lin
egalit
e de H
older pour
Or u(x) u(y) =
R1
0
1
p
1
q
R
R
1 1

p
u
sjq . Do`
= 1 implique y (u(x) u(y))dy y |u(x) u(y)|p dy
j
j
Z
X 1 Z
|u(x) u(y)|p dxdy.
ku h ukpLp ()
s
j
y
x
j
j
j
(5.35)
R
u (tx + (1 t)y) dt (x y) do`
u lon tire |u(x) u(y)|p hp 01 |u (tx + (1 t)y)|p dt. Il sensuit que
Z 1
Z
Z
Z
Z
|u (tx + (1 t)y)|p dtdxdy
|u(x) u(y)|p dxdy hp
xj
puis en utilisant un principe de sym

etrie
Z
Z
Z
|u(x) u(y)|p dxdy 2hp
xj
yj
xj
yj
yj
yj
1
1
2
xj
|u (tx + (1 t)y)| dx
dydt.
Le terme entre parenth`

ese s
evalue ais
ement gr
ace `
a un changement de variables. On pose z = tx + (1 t)y, pour t et y donn
es.
On remarque que z j et que tdx = z ce qui implique que t2 dx = dz. On a alors
Z
Z
Z
1
|u (z)|p dz 4
|u (x)|p dx
|u (tx + (1 t)y)|p dx
t zj
xj
xj
qui est une majoration ind
ependant de t [0, 1] et y j . Cela implique que
Z
Z
Z
|u(x) u(y)|p dxdy 8sj hp
xj
yj
xj
|u (x)|p .
Une insertion de cette in

egalit
e dans (5.35) et une simplification donnent
1
ku h ukLp () 8 p hkukLp () .
La constante peut-
etre prise ind
ependant de p, soit C = 8. La preuve est termin
ee.
Soit u W 1,p (j ), p [1, ]. On note uj la valeur moyenne dans la maille j et ujk la valeur moyenne sur le
bord jk
Z
Z
1
1
u(x)dx,
ujk =
u(x)d, k.
uj =
s j j
ljk jk
Soit Aj une mesure de la difference dans une norme de type Lp
Aj = h
kI(j)
p1
p
ljk |ujk uj | .
(5.36)
Lemme 47. On a linegalite Aj Ch kukLp () , o`

u la constante C ne depend pas de u ni des paramètres du
maillage.
D
emonstration. On note = j , puis enl`
eve les indices j pour plus de lisibilit
e. Soit
Z
1
u(x)dx
v =u

dont la valeur moyenne est nulle dans . En consid
erant que le bord de est constitu
e dun nombre fini de segments de droites de
longueur lk , on a (par exemple en utilisant la convexit
e de la fonction v 7 |v|p )
Z
X
|v(x)|p d
(5.37)
lk |vk |p
k
o`
u les vk sont les valeurs moyennes de v sur chacun des segments.
84

DES METHODES
DE VOLUMES FINIS
Figure 5.6 Disque `

a linterieur dune maille convexe polygonale. On a bien (x y, n(x)) 0 pour tout
x et tout y .
Un peu de g
eom
etrie : `
a une translation pr`
es, on peut toujours supposer que lorigine appartient `
a qui est convexe par hypoth`
ese,
eguliers, ce rayon minimum est born
e
et que lorigine est centre dun disque de rayon r . Notons que pour des maillages r
inf
erieurement par r ch, c > 0 ind
ependant de h. La maille
etant convexe, on a que
(x y, n(x)) 0,
x et y .
Soit y = chn(x) . Alors on a une in

egalit
e g
eom
etrique
(x, n(x)) ch,
x .
|v(x)|p x
(5.38)
R
Soit alors le champ de vecteurs y(x) =

pour lequel on peut utiliser la formule de Stokes (y, n) d =
encore
Z
Z

2|v(x)|p + p|v(x)|p1 signe(v(x)) (v(x), x) dx
(x, n) |v(x)|p d =
ydx, ou
Donc
ch
Or lin
egalit
e de H
older pour
|v(x)|p d 2 kvkpLp () + hp
|v(x)|p1 Lq ()
|v(x)|p1 |v|dx.
et |v| Lp () indique que

p
|v|p1 |v|dx kvkLq p () k|v||kLp () .
Lin
egalit
e (5.34) appliqu
e`
a v dans montre que kvkLp () ChkvkLp () . Do`
u
Z

p
|v(x)|p d 2C p hp + phh q kvkpLp () = (2C p + p) hp kvkpLp ()
ch
puis en reprenant (5.34)
X
k
b=
Le r
esultat est d
emontr
e pour une constante C
Soit
!1
lk |vk |p

2C p +p
c
1
2C p + p
c
1
hkvkLp () .
que lon peut majorer ind

ependamment de p.
X p
A=
Aj .
j
Lemme 48. On a linegalite A Ch kukLp () (evident).
(5.39)
Chapitre 6
Sch
emas non lin
eaires
Lidee dutiliser des methodes non lineaires pour la discretisation dequations aux derivees partielles lineaires
semble tout à fait paradoxale au premier abord. En effet la perte du principe de linearite amène une complexite
importante dans la construction des schemas non lineaires. Comme les hypothèses du theorème de Lax ne
sont tout simplement plus valables, les preuves de convergence sont aussi partielles, moins efficaces et moins
puissantes sur le plan mathematique que les preuves de convergence des schemas numeriques lineaires,
Le point essentiel est que ces methodes numeriques sont pour certaines situations très nettement plus performantes que les schemas lineaires correspondants. Cela est particulièrement le cas lorsque les schemas construits
sont utilises comme brique de base pour la discretisation de problèmes non lineaires plus complexes comme pour
la mecanique des fluides et les systèmes de lois de conservation lineaires.
Tout part dun theorème celèbre du `
a Godounov.
Th
eor`
eme 6. Un schema lineaire pour ladvection qui satisfait le principe du maximum pour tout pas de temps
restreint par la condition CFL est dordre un au plus.
Demonstration. Un schema dordre plus grand ou egal à deux est exact pour les fonctions quadratiques telle que
la fonction x 7 y(x) = (x x0 )2 de la figure 6.1 (les paramètres > 0 et x0 sont arbitraires). Ladvection
de cette fonction fait augmenter la valeur du point haut. Donc un schema dordre deux ou plus viole localement
le principe du maximum.
Le schema modèle etudie pour contourner cette difficulte prend la forme dun schema de Volumes Finis en
dimension un despace pour une grille regulière
unj+ 1 unj 1
unj
un+1
j
2
2
+a
= 0,
t
x
a > 0.
(6.1)
Les notations sont les notations usuelles. Par exemple xj+ 12 est la position du point à linterface entre les cellules
j et j + 1. Lindice de temps sera eventuellement laisse de cote. On notera alors u = un , u = un+1 ainsi que
uj+ 1 = unj+ 1 pour tout j Z.
2
Le schema (6.1)
se recrit sous forme explicite
uj+ 1 uj 1
uj uj
2
2
+a
= 0,
t
x

uj = uj uj+ 1 uj 1 ,
a>0
t
.
(6.2)
x
Les flux numeriques uj+ 1 doivent etre construits : ce sont donc les inconnues pour tout ce qui concerne la
2
construction effective du schema.
2
85
=a
CHAPITRE 6. SCHEMAS
NON LINEAIRES
86
u(x)
x
x0
Figure 6.1 La courbe en trait plein (et pointille) est reconstruite à partir des valeurs ponctuelles de la solution
discrète. Ici la reconstruction est `
a lordre deux avec un polyn
ome du second degre. Après advection exacte de
la solution reconstruite, le point haut de la parabole inversee va se deplacer à la verticale de x0 , et pourra meme
atteindre le cercle en hachure pour un temps donne. Le principe du maximum sera contredit.
Le principe de base est dimposer le principe du maximum sous la forme
min(uj , uj1 ) mj uj Mj max(uj , uj1 ),
(6.3)
qui est adapte aux cas des vitesses dadvection positive a > 0. a > 0. Si la vitesse est negative (a < 0) il faut
prendre min(uj , uj+1 ) mj uj Mj max(uj , uj+1 ).
Le choix dune inegalite telle que (6.3) peut se justifier en considerant que : a) comme la solution exacte
u(x, t) = u0 (x at) se deplace de la gauche vers la droite, les contraintes sur la valeur au nouveau pas de temps
doivent etre recherchees sur la gauche ; b) le schema lineaire upwind uj = (1 )uj + uj1 verifie dej`
a une
telle inegalite sous CFL.
Nous detaillons ci-dessous quelques solutions de ce problème, puis montrons la convergence pour des donnees
BV .
6.1
La m
ethode Muscl
Cette methode est basee sur les idees de Van Leer [36].
Lidee fondamentale part de la consideration que la solution numerique au debut du pas de temps uj peut
sinterpreter comme la valeur moyenne dans la maille de la solution exacte au meme temps. De ce fait le schema
upwind
uj uj
uj uj1
+a
= 0, avec uj+ 1 = uj
2
t
x
peut se decomposer en deux etapes.
Dans une premi`
ere
etape on reconstruit une approximation de la solution exacte à partir des valeurs moyennes
(uj ). Dans une deuxi`
eme
etape on transporte exactement cette solution reconstruite, et on la projette sur le
maillage comme dans lillustration de la figure 6.2. Cette idee est inspiree des techniques de solveurs de Riemann
et de projection dans la methode de Godounov.
Mais bien s
ur la pr
ecision num
erique dune reconstruction constante par morceaux est faible.
Principe 9. Les methodes de type MUSCL (Monotonic Upstream-Centered Scheme for Conservation Laws)
sont construites `
a partit dune une approximation/reconstruction dordre plus eleve.

6.1. LA METHODE
MUSCL
87
j1
j+1
j+2
Figure 6.2 La courbe en trait plein est reconstruite à partir de la solution discrète constante par maille
representee par les marches descalier. Puis cette solution reconstruite est advectee, en trait pointilles.
Une possibilite est de chercher la reconstruction sous la forme
uj (x) = uj + dj (x xj )
ce qui revient à reconstruire une valeur de la pente [31] . On pourrait considerer une approximation centree
1
(u
+u ) 1 (u +u
)
dj = 2 j+1x j1 x2 j1 j1 mais ce nest pas la solution retenue. On prefère reintroduire un decentrement de
j+
la derivee sous la forme

uj (x) = uj + dj+ 21 (x xj ) avec dj+ 12 =
uj+1 uj
pour xj < x < xj+1 .
x
(6.4)
Cela termine la première etape de reconstruction. La seconde etape dadvection se passe comme suit : la masse
totale qui passe au travers de xj+ 12 au cours dun pas de temps est
Z
xj+ 1
2
uj (x)dx = at uj (yj ) ,
xj+ 1 at
1
yj = xj+ 21 at.
2
Cette formule est exacte pour une fonction lineaire. Donc

Z x 1
j+
1
1
2
uj (x)dx = at uj + dj+ 12 (xj+ 21 at xj ) = at uj + (1 )(uj+1 uj ) .
2
2
xj+ 1 at
2
Après quelques simplifications on obtient

xuj = xuj
xj+ 1
xj+ 1 at
2
uj (x)dx +
xj+ 1
uj1 (x)dx
xj 1 at
2
avec le flux
1
(6.5)
uj+ 12 = uj + (1 )(uj+1 uj ), j.
2
Ce schema est connu, ce qui montre au moins la validite de la methode de reconstruction. Cependant il y a une
mauvaise nouvelle.
Proposition 21. Le schema avec le flux (6.5) est le schema de Lax-Wendroff dont on sait quil est uniformement
stable dans L2 sous CFL (mais pas dans L ). Etant un schema lineaire, il ne verifie pas le principe du maximum.
CHAPITRE 6. SCHEMAS
NON LINEAIRES
88
Demonstration. Evident `
a partir du chapitre 4 et du theorème 6.
On ajoute alors une idee, qui est de modifier la valeur de la derivee discrète dj+ 12 de facon à retrouver le principe
du maximum. Pour cela on multiplie dj+ 12 par un facteur 21 (1 )j+ 12 avec j+ 21 0. Cela correspond à
1
uj+ 21 = uj + (1 )(uj+1 uj )j+ 12 ,
2
j.
(6.6)
D
efinition 21. Le facteur de correction j+ 12 est appele un limiteur ou limiteur de pente.
On cherche j+ 21 comme une fonction du rapport de pente local rj+ 12 , soit
j+ 21 = (rj+ 21 ),
rj+ 21 =
uj uj1
.
uj+1 uj
On ajoute les contraires suivantes.

Une premi`
ere contrainte est
(1) = 1,
(6.7)
ce qui permet de retrouver le flux du schema de Lax-Wendroff (6.6) pour r = 1.

Une deuxi`
eme contrainte secrit
(r) = 0 r 0.
(6.8)
Lidee est que si r 0, alors il y a changement dans le signe de la pente ce qui traduit une extremum local,
et donc soit une possibilite de violation du principe du maximum soit meme des oscillations numeriques (des
instabilites). Une troisième contrainte qui ne sera pas etudiee car elle est moins necessaire que les deux premières
est de se restreindre `
a des formules telles que (r) = r 1r .
Les solutions à ces contraintes sont souvent exprimees à laide de la fonction suivante.
D
efinition 22 (Fonction minmod). La valeur de la fonction (a, b) 7 minmod(a, b) est donnee par
Si ab 0 alors minmod(a, b) = 0.
Si a > 0 and b > 0, alors minmod(a, b) = min(a, b).
Si a < 0 et b < 0, alors minmod(a, b) = max(a, b).
Cela definit par recurrence minmod : Rp R pour tout p 2
pour a = (b, c) Rp , b Rp1 , c R.
minmod(a) = minmod(minmod(b), c))

Lemme 49. Soit un limiteur de pente r 7 (r) tel que
0 (r) 2minmod (1, r) .
(6.9)
Alors le schema (6.1) avec le flux (6.6) verifie le principe du maximum.

Demonstration. On a

1
1
uj = uj uj + (1 )(uj+1 uj )j+ 12 uj1 (1 )(uj uj1 )j 12
2
2
= uj
1
1 + (1 )
2
j+ 21
rj+ 21
j 21
!!
(uj uj1 )
ou encore
uj = (1 Cj )uj + Cj uj1 ,
(1 )
Cj = +
2
j+ 12
rj+ 21
j 21

6.2. LA METHODE
PAR INTERVALLES
89
Le principe du maximum est verifie dès que 0 Cj 1 cest à dire

(1 )
0+
2
j+ 21
rj+ 21
j 21
1.
Supposons (6.9) verifie. Alors 0 j 21 2 et 1
1
1
2 j 2
(6.9) implique 0 j+ 21 2rj+ 12 do`

u 1+
1 + (1 ) = 2 . Donc
j+ 1
1
2
2 rj+ 1
2
1 (1 ) 0 donc 0 Cj . On a aussi que
(1 ) j+ 12
2 2 1,
2
rj+ 21
[0, 1].

Un très grand nombre de formules satisfaisant à (6.7), (6.8) et (6.9) a ete propose et teste dans la litterature.
Nous considererons principalement les suivantes.
D
efinition 23. Le flux minmod correspond au limiteur
(r) = minmod(1, r).
(6.10)
D
efinition 24. Le flux Superbee correspond au limiteur
(r) = minmod(1, max(1, 2r), max(2, r)).
6.2
(6.11)
La m
ethode par intervalles
Le principe de construction (developpe dans la thèse de Lagoutière) est initialement different de lapproche
Muscl, cependant les resultats au final sont très proches. Son extension à des equations plus compliquees est
parfois plus simple que lapproche par limitation de pente.
Lidee première que est j+ 12 permet dinterpoler entre un schema dit très diffusif et de precision faible (j+ 12 =
0) et un schema de precision plus eleve (j+ 12 = 1). Donc un principe de construction pourrait etre de chercher
j+ 21 le plus grand possible tout en gardant le principe du maximum.
Inserant (6.2) dans (6.3), on a une formulation equivalente pour le principe du maximum

mj uj uj+ 21 uj 21 Mj
ou encore
1
1
(uj Mj ) + uj 21 uj+ 21 (uj mj ) + uj 21 .
(6.12)
Il nest bien s
ur pas possible de determiner uj+ 12 independamment de uj 12 car les inegalites sont couplees.
Nous considerons alors arbitrairement que les flux doivent satisfaire à la double inegalite
uj+ 12 [mj+1 , Mj+1 ] ,
j.
(6.13)
Il sensuit que (6.12) est satisfait dès que la double inegalite suivante est satisfaite
aj uj+ 21 bj uj+ 12 [aj , bj ]
o`
u
aj =
(6.14)
1
1
(uj Mj ) + Mj and bj = (uj mj ) + mj .
Lemme 50. Supposons la condition CFL ]0, 1] satisfaite. Alors lintervalle commun `
a (6.13) et (6.14) nest
pas vide. Plus precisement
uj Ij+ 12 [mj+1 , Mj+1 ] [aj , bj ] 6= .
(6.15)
CHAPITRE 6. SCHEMAS
NON LINEAIRES
90
Demonstration. Il suffit de montrer que aj uj bj . La première inegalite aj uj se ramène à

1
1
(uj Mj ) + Mj uj that is
1 (uj Mj ) 0.

Or cest toujours vrai car 1 1 0 gr
ace `
a la condition CFL et on a uj Mj 0.
De facon similaire uj bj est equivalent

1
1
1 (uj mj ) 0
uj (uj mj ) + mj that is
qui est toujours vrai sous CFL. La preuve est terminee.

Lemme 51. Tout flux de la forme (6.15) peut se recrire sous la forme (6.6) avec un limiteur

2 2r
0 (r) minmod
.
,
1
(6.16)
Demonstration. Evident.
La formule (6.16) contient une dependance possible par rapport au pas de temps par lintermediaire du nombre
de Courant. Ce nest pas le cas de la formule (6.9).
D
efinition 25. Le flux downwind est la valeur de uj+ 21 qui la plus proche de linconnue uj+1 , tout en respectant
la contrainte (6.3). Le limiteur correspondant est

2 2r
.
(6.17)
,
(r) = minmod
1
Ce limiteur prend le nom de limiteur UltraBee dans [31]. Pour des questions de stabilite numerique, il nest pas
recommande de le programmer `
a laide de la fonction limiteur (6.17), mais plutot sous la forme
uj+ 12 = ArgminvI
j+ 1
2
6.3
|v uj+1 | .
Convergence pour des donn

ees BV
En dimension un despace, le principe du maximum precedent a pour consequence un controle des oscillations
numeriques.
Lemme 52 (Inspire de Harten [21]). Soit un schema (6.1) pour lequel le principe du maximum (6.3) est satisfait.
Alors on a linegalite
X
X
|uj uj1 |.
(6.18)
|uj uj1 |
jZ
jZ
D
emonstration. Le principe du maximum (6.3) se r
ecrit uj = uj + Cj (uj1 uj ) avec Cj [0, 1]. Donc uj uj1 = (1 Cj )(uj
uj1 ) + Cj1 (uj1 uj2 ) et
|uj uj1 | (1 Cj ) |uj uj1 | + Cj1 |uj1 uj2 |
Alors
X
X
X
X
|uj uj1 | .
Cj1 |uj1 uj2 | =
|uj uj1 |
(1 Cj ) |uj uj1 | +
j

ee.
Il se trouve que lin

egalit
e discr`
ete (6.18) est un avatar de la semi-norme BV.
Lemme 53. Soit un sch
ema de la forme (6.1) v
erifiant le principe du maximum (6.3) avec une initialisation en moyenne pour
une donn
ee initiale u0 BV (R). Alors on a lin
egalit
e
X

un un BV (u0 ),
n 0.
j+1
j
jZ

6.3. CONVERGENCE POUR DES DONNEES
BV
91

P

D
emonstration. Il suffit de montrer que A = j u0j+1 u0j BV (u0 ).

P
Or on a A = j u0j+1 u0j j+ 1 avec j+ 1 = 1 pour u0j+1 u0j 0 et j+ 1 = 1 pour u0j+1 u0j < 0. Donc
2
A=
avec (x) =
j+ 1
2
j 1
2
jZ
u0j j+ 1 j 1
2
u0 (x) (x)dx
. Cela d
efinit (`
a une constante pr`
es) la fonction par
(xj+ 1 ) = j+ 1 = 1
2
et (x) continue et affine sur tout intervalle de la forme [xj 1 , xj+ 1 ]. Donc |(x)| 1 pour tout x. Donc A BV (u0 ). La preuve
2
est termin
ee.
1
Pour finir nous montrons la convergence des schemas TVD. Soit vjn = x
la solution exacte dans la maille j et au temps nt. On pose v n = (vjn ).
R (j+1)x
jx
u(nt, x)dx la moyenne de
Th
eor`
eme 7. Sous les hypothèses precedentes, tout schema dont le flux peut secrire sous la forme (6.6) ou
(6.15) est convergent dans L1 avec lestimation
||un v n ||1 CBV (u0 ) T x, nt T.

(6.19)
D
emonstration. Nous allons utiliser le r
esultat de comparaison du lemme 15.
Soit wn la solution num
erique du sch
ema upwind (lin
eaire donc) avec la m
eme initialisation w0 = u0 . On a
||un v n ||1 ||un wn ||1 + ||wn v n ||1 .
Notons
rjn
un
un+1
j
j
t
+a
n
un
j uj1
= a
un
j u
j+ 1
2
(6.20)
un
j1 u
j 1
2
lerreur dapproximation entre un et wn . Soit T lop

erateur de d
ecalage (translation discr`
ete) vers la gauche T zj = zj1 . On a
un
0
0
j uj+ 1
P
|u
u
|
2
rn = (I T )sn et sn
. Par construction ||sn ||1 ax j j xj1 . Mais
j =a
x

1 Z (j+1)x

0
0
(u0 (x) u0 (x x))dx
|uj uj1 | =

x jx
1
x
Donc ||sn ||1 aBV (u0 ). Aussi la diff

erence en =
0
e = 0,
(j+1)x
jx
un w n
n+1
|u0 (x) u0 (x x)| dx.
est solution de la r
ecurrence
= ((1 )I + T ) en + t(I T )sn .
On retrouve exactement la forme du principe de comparaison. Le r

esultat est d
emontr
e.
Remarque 13. Lestimation (6.19) est sous-optimale et assez pauvre. En effet la pratique est que les sch
emas non lin
eaires sont
plus efficaces que le sch
ema upwind pour lequel on sait d
ej`
a quil converge `
a lordre moiti
e pour une donn
ee une fois d
erivable (il
suffit de reprendre lanalyse pour
etendre `
a ce cadre les r
esultats pr
ec
edemment obtenus). Son int
er
et est donc de garantir une
convergence minimale des sch
emas non lin
eaires dont lanalyse est d
elicate.
92
CHAPITRE 6. SCHEMAS
NON LINEAIRES
Bibliographie
[1] G. Allaire, Analyse numerique et optimisation, Editions de lEcole Polytechnique, 2012.
[2] G. Allaire, X. Blanc, F. Golse et B. Despres, Transport et diffusion, cours de lEcole polytechnique, 2013.
[3] D. Bouche, J.-M. Ghidaglia, F. Pascal, Error estimate and the geometric corrector for the upwind finite
volume method applied to the linear advection equation, SIAM J. Numer. Anal., 43(2), p. 578-603, 2005.
[4] F. Boyer, Aspects theoriques et numeriques de lequation de transport, Universite de Aix-Marseille, en ligne
http ://www.cmi.univ-mrs.fr/ fboyer/en/accueil.
[5] Brenner, V. Thomee et L. Wahlbin, Besov Spaces and Applications to Difference Methods for Initial Value
Problems, Lecture Notes in Math. 434, Springer-Verlag, Berlin, New York, 1975.
[6] H. Brezis, Analyse Fonctionelle, Masson Paris (1983).
[7] J.G. Charney, R. Fjortoft et J. von Neumann, Numerical integration of the barotropic vorticity equation,
vol. 2, 4, 237-254, Tellus, 1950.
[8] P. G. Ciarlet, The Finite Element Method for Elliptic Problems, North-Holland, Amsterdam, 1978
[9] A. Cohen, Approximation variationnelle des fonctions, Master de la modelisation, LJLL-UPMC.
[10] R. Courant, K. O. Fredrichs et H. Lewy (1928), Uber die Differenzengleichungen der Mathematischen
Physik, Math. Ann, vol.100, p.32, 1928.
[11] R. Dautray et J.L. Lions, Analyse mathematique et calcul numerique pour les sciences et les techniques.
Vol. 9. (French) [Mathematical analysis and computing for science and technology. Vol. 9] Evolution
:
numerique, transport, 1985.
[12] Despres, Bruno Lax theorem and finite volume schemes. Math. Comp. 73 (2004), no. 247, 1203-1234.
[13] B. Despres, Uniform asymptotic stability of Strangs explicit compact schemes for linear advection, Siam
J. Numer. Anal., Vol. 47, No. 5, pp. 3956-3976
[14] A. Ern and J.-L. Guermond, Theory and Practice of Finite Elements, vol. 159 of Applied Mathematical
Series, Springer, New York, 2004.
[15] R. Eymard, T. Gallouet, et R. Herbin, Finite volume methods, in Handbook of Numerical Analysis, P. G.
Ciarlet and J. L. Lions, eds., North-Holland, Amsterdam, 2000, pp. 713-1020.
[16] P. Frey et P.L. George, Mesh generation. Application to finite elements. Second edition. ISTE, London ;
John Wiley & Sons, Inc., Hoboken, NJ, 2008.
[17] V. Girault et P.A. Raviart, Finite Element Methods for Navier-Stokes Equations. Theory and Algorithms.
Berlin-Heidelberg-New York-Tokyo, Springer-Verlag 1986
[18] E. Giusti, Minimal surfaces and functions of bounded variation. Birkhauser Verlag, Basel, 1984.
[19] E. Godlewski et P. A. Raviart, Numerical Approximation of Hyperbolic Systems of Conservation Laws,
Appl. Math. Sci. 118, Springer-Verlag, New York, 1996
[20] S. Godunov et Ryabenkii, Introduction to the theory of difference schemes, Fizmatgiz, 1962.
[21] Harten, Ami On a class of high resolution total-variation-stable finite-difference schemes. With an appendix
by Peter D. Lax. SIAM J. Numer. Anal. 21 (1984), no. 1, 123.
93
94
BIBLIOGRAPHIE
[22] F. Hermeline, Two Coupled Particle-Finite Volume Methods Using Delaunay-Voronoi Meshes for the Approximation of Vlasov-Poisson and Vlasov-Maxwell Equations, Journal of Computational Physics, Volume
106, Issue 1, May 1993, Pages 1-18
[23] A. Iserles et G. Strang, The optimal accuracy of difference schemes, Trans. of the AMS, Vol. 277, 2, 198,
779803, 1983.
[24] S. Jaouen et F. Lagoutière, Numerical transport of an arbitrary number of components. Comput. Methods
Appl. Mech. Engrg. 196 (2007), no. 33-34, 3127-3140.
[25] T. Kato, Perturbation theory for linear operators, Springer, 1995.
[26] Flux-corrected transport. Principles, algorithms, and applications. Edited by D. Kuzmin, R. Lohner et S.
Turek. Scientific Computation. Springer-Verlag, Berlin, 2005.
[27] P.D. Lax et B. Wendroff, On the stability of difference schemes, Comm. Pure and Appl. Math., 15 1962,
363371.
[28] P. Lesaint et P. A. Raviart, On a finite element method for solving the neutron transport equation, in
Mathematical Aspects of Finite Elements in Partial Differential Equations, Academic Press, New York,
1974, pp. 89-123
[29] R.J. LeVeque, Numerical methods for conservation laws, (ETHZ Zurich, Birkhauser, Basel 1992).
[30] Pietro Perona and Jitendra Malik (November 1987). Scale-space and edge detection using anisotropic
diffusion. Proceedings of IEEE Computer Society Workshop on Computer Vision, pp. 16-22.
[31] S. Osher et P.K. Sweby, Recent developments in the numerical solution of nonlinear conservation laws. The
state of the art in numerical analysis (Birmingham, 1986), 681-701, Inst. Math. Appl. Conf. Ser. New Ser.,
9, Oxford Univ. Press, New York, 1987.
[32] W. Reed et T. Hill. Triangular mesh methods for the neutron transport equation. Technical Report Tech.
Report LA-UR-73-479, Los Alamos Scientific Laboratory, 1973.
[33] Richtmyer R. D. Richtmyer et K. W. Morton, Difference methods for initial-value problems, Interscience
Publishers, 1957.
[34] G. Strang, Trigonometric polynomials and difference methods of maximum accuracy, J. Math. Phys, 41,
147520, 1962.
[35] V. Thomee, Stability of difference schemes in the maximum-norm, J. Differential Equations, 1 (1965), pp.
273-292.
[36] B. van Leer, Towards the ultimate conservative difference scheme. V. A second-order sequel to Godunovs
method [J. Comput. Phys. 32 (1979), no. 1, 101-136].
[37] R.F. Warming et R.M. Beam, Recent advances in the development of implicit schemes for the equations
of gas dynamics, Seventh International Conf. on Numerical Methods in Fluid Dynamics, 429433, Lecture
Notes in Physics, Springer, 1981.
[38] B. Wendroff et A. B. White, A supraconvergent scheme for nonlinear hyperbolic systems, Comput. Math.
Appl., 18, pp 761-767 (1989).

BD 2014-2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

BD 2014-2

Uploaded by

Copyright:

Available Formats

Methodes numeriques pour les EDP instationnaires : Differences

Finies et Volumes Finis

Table des mati`

3 Quelques principes de construction

Cadre fonctionnel et mod`

Soit un ouvert regulier de Rd , borne ou non.

Les espaces de Lebesgue sont des espaces de Banach.

avec 0 ki pour tout i = 1, . . . , d.

Soient deux nombres positifs p [1, ] et q [1, ] (linfini est autoris

Dans le cas p = q = 2, lin

Le cadre des fonctions `

Lespace des fonctions `

Cela vient de la formule dint

Le supremum sur tous les tels que || 1 montre que

Exemple 2 (En dimension deux despace). Soit le carr

La borne est atteinte pour une suite bien choisie de fonctions n .

a variation totale born

kukBV(Rd ) = |u|BV(Rd ) + kuk1 .

Lequation du transport libre `

t v + ax v = 2 (u1 u2 ) (t (u1 u2 ) + ax (u1 u2 )) + (u1 u2 ) (t + ax ) = 0.

Nous construisons les courbes caracteristiques

Nous considerons le probl`eme avec condition initiale et condition au bord

u(t, x) = u (t, x), x .

On note immediatement quil ny a pas de condition sur le bord + .

Si X(t, x) pour tout t > 0, on posera T (x) = +. Par d

u(t, x) = u (t T (x), X (T (x), x)) .

Par construction la fonction u (2.7-2.8) satisfait la condition initiale

La transformation (t, x) 7 X(t, x) est

Loperateur Laplacien est defini en dimension d par

Soit le probl`eme de la chaleur en dimension d = 2 avec une condition de Neumann

Lunicite est alors pour les solutions reguli`eres.

Lemme 6. Soient deux solutions u1 et u2 pour la meme condition initiale u0 . Alors u1 = u2 .

Soit : R R une fonction de classe C 2 et convexe : 0. On supposera que (0) = 0 et que u et n

(u0 (x)) dx.

t u(t, x) (u(t, x)) dx =

(ku a u) (u(t, x)) dx

Comme u tend vers 0 pour |x| et que (0) = 0, on peut int

Soit u0 L (R2 ), et pour simplifier positive et `a support compact : 0 u0 ku0 kL (R2 ) .

Cette fonction est convexe. Sa d

qui est une fonction convexe et de d

ce qui montre in fine que u ku0 kL (R2 ) .

Soient deux matrices A1 , A2 Rnn . On fait lhypoth`

La fonction inconnue est U(t, x) Rn . La condition initiale s

kU(t, )kL2 (R)n = 0.

Termes sources ou de couplage

Le couplage de certains mod`

Dans ces expressions p et u d

En identifiant les coefficients en puissance de , on obtient

Quelques principes de construction

Figure 3.1 Grille Differences Finies

CHAPITRE 3. QUELQUES PRINCIPES DE CONSTRUCTION

pour un temps donne, on definit solution interpolee au temps tn

Le principe de discretisation consiste `

Approximation par Diff

En abandonnant le terre de residu et en remplacant la valeur interpolee par lapproximation numerique, on

Figure 3.2 Donnee initiale en haut `

CHAPITRE 3. QUELQUES PRINCIPES DE CONSTRUCTION

Figure 3.3 Fonction chapeau j et les deux fonctions voisines j1 et j+1

Lapproximation numerique est uh

i (x)j (x)dx. Des calculs elementaires montrent que

On obtient une approximation numerique sous la forme

Les fonctions discr`etes en temps sont

pour t (n 1)t ou t (n + 1)t,