Professional Documents
Culture Documents
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7
7
8
8
9
9
14
15
15
16
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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 theor`eme 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 reguli`ere et ordre de convergence fractionnaire .
4.2.3 Maillage non uniforme . . . . . . . . . . . . . . . . . . . . . . .
4.2.4 Schemas de differences finis explicites et `a 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 Premi`ere etape : estimation en temps dans Lp .
5.2.2 Deuxi`eme 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 mod`eles dEDP et leurs liens avec la modelisation des phenom`enes reels. Cette
discipline est liee de tr`es pr`es 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 r`egles propres qui forment lobjet de ces notes pour le cours de base du M2-Math
ematiques de la
mod
elisation 1 .
Un probl`eme mod`ele central dans ces notes est issu de la modelisation des phenom`enes 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 consid`erera 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 tr`es utilisees en traitement de limage, par exemple
en suivant les mod`eles 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 `a 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 `a
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 deuxi`eme 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
2.1
Cadre fonctionnel
On renvoie `a [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 `a 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
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
k1 ++kd
xk11 . . . xkdd
u,
On renvoie `a [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
2.1.3
Fonctions `
a variation born
ee
21 + 2d .
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.
u(x) (x)dx =
R
u (x)(x)dx.
`
2.2. QUELQUES MODELES
R2
xC
(x)dx =
xC
(x) nS dx 4.
L1 (Rd )
|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 mod`eles consideres sont lineaires. Ils servent souvent de briques de base pour des mod`eles plus elabores.
2.2.1
Equation de transport
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).
`
CHAPITRE 2. CADRE FONCTIONNEL ET MODELES
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 consid`ere 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 consid`ere une donnee initiale reguli`ere 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 `a 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, `a 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
`
2.2. QUELQUES MODELES
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).
x = y(t; X).
Demonstration. On a u(x, t) = u(y(t; X), t). Derivant par rapport `a 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}.
t > 0,
t u + a u = 0, x ,
u(0, x) = u0 (x),
x ,
(2.5)
`
CHAPITRE 2. CADRE FONCTIONNEL ET MODELES
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 `a droite ; la partie du bord correspond aux parties du
bord en bas et `a gauche.
Lemme 4. Soient deux fonctions u1 et u2 solutions reguli`eres 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.
`
2.2. QUELQUES MODELES
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) .
Deuxi`
eme cas : T (x) t. Pour le temps t = T (x) la courbe caract
eristique rencontre le bord, n
ecessairement en
(2.7)
.
On pose
(2.8)
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
`
CHAPITRE 2. CADRE FONCTIONNEL ET MODELES
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
2
2
u + +
u.
2
x1
x2d
t u u = 0, t > 0, x ,
u n = 0,
t > 0, x ,
u(0, x) = u0 (x) x .
(2.10)
Ce probl`eme est bien pose. Il existe une et une seule solution de la formulation variationnelle associee : voir
[17, 19].
R
R
2
On consid`ere 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
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. QUELQUES MODELES
2.2.3
15
Principe du maximum
Les equations dadvection et de diffusion satisfont le principe du maximum que nous etudions ici pour le probl`eme
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.
R2
(u(t, x)) dx
R2
(2.13)
D
emonstration. On a
d
dt
(u(t, x)) dx =
R2
R2
R2
(u(t, x)) a
R2
R2
Z
(u(t, x)) k
R2
x R2 .
(2.14)
(v) = max (v, 0)3 = max v 3 , 0 .
R2
2.2.4
Syst`
emes de Friedrichs
t > 0, x = (x1 , x2 ) R2 .
(2.15)
d
dt
`
CHAPITRE 2. CADRE FONCTIONNEL ET MODELES
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
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 ).
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
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
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
18
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)
3.1.1
Equation du transport
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 `a gauche),
(approximation centree),
(decentrement `a 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 `a gauche
u(xj , tn+1 ) u(xj , tn )
u(xj , tn ) u(xj1 , tn )
+a
= O(x, t).
t
x
(3.2)
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 `a 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 `a la figure 3.2 pour = a x
avec trois valeurs du param`etre
= 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 phenom`ene 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
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 `a
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 discr`ete 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
ou encore
d
uh (x)vh (x)dx =
dx
Z
f (x)v(x)dx,
R
d
uh (x)j (x)dx =
dx
uh Vh , vh Vh ,
f (x)j (x)dx,
R
X
iZ
u i i .
j.
(3.8)
(3.9)
3.1. APPROXIMATION NUMERIQUE
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.
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
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,
n (x) = 0
t (n 1)t
n (x) =
t
n (x) = (n + 1)t t
t
u V, v V.
uh (x, t) =
um
i i (x)m (t).
j,m
On obtient
X Z Z
j,n
ou encore
j, n.
ai,j bm,n + abi,j am,n um
i = 0,
j, n.
j, n,
22
bi,j
1
=
i (x)j (x)dx =
for i = j,
for i = j 1,
for i 6= j 1, j, j + 1.
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 `a 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)
xj 1
xj 1
R xj+ 1
2
xj 1
t udx =
d
dt
R xj+ 1
2
xj 1
R xj+ 1
2
xj 1
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)
3.1. APPROXIMATION NUMERIQUE
EN DIMENSION D = 1
23
qui est correct d`es 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
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 `a 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)
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)
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 discr`etes 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)
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 probl`eme avec 100 mailles sur un intervalle de longueur 1, soit x = 0.01. Les resultats
t
calcules avec le schema (3.19) pour un param`etre = 2 x
esentes `a la figure 3.5, pour trois valeurs du
2 sont pr
param`etre = 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
3.1. APPROXIMATION NUMERIQUE
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 discr`ete est
Z
Z
uh j dx = f j dx.
P
j.
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 =
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)
f = x 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
(3.21)
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 ) =
uj+1
uj+ 21
uj
xj+ 21
|{z} | {z }
(3.23)
3.2. APPROXIMATION NUMERIQUE
EN DIMENSION D 2
27
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 `a 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
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 `a 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)
28
Toujours pour la meme equation (3.25) et avec les memes hypoth`eses a > 0 et b < 0, on aura le schema explicite
en deux etapes
n+ 21
Premi`ere etape :
ui,j
uni,j
uni,j uni,j1
+a
=0
t
x
suivi de
n+ 12
un+1
i,j ui,j
Deuxi`eme etape :
t
n+ 21
n+ 1
2
ui,j
ui,j+1
+b
x
= 0.
Une telle decomposition peut sembler surprenante `a premi`ere 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 discr`ete 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
+
l
njk
k
nj
j
3.2. APPROXIMATION NUMERIQUE
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 fronti`ere de j est alors egale `
a la collection de segments
+
j = k jk
j j
o`
u
et
j = j ,
+
+
j = 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 reguli`ere 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
(3.32)
Considerons `a present la deuxi`eme 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 `a
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.
3.2. APPROXIMATION NUMERIQUE
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
k, anjk <0
(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)
(3.37)
u, v R.
(3.38)
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.
j,k
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 homog`ene
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 probl`emes.
32
Apr`es 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
(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 `a (3.41) et (3.42) on peut ecrire apr`es division par djk
u(nt, xjk ) njk =
u(nt, xk ) u(nt, xj )
+ O(h).
djk
(3.43)
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 `a (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)
3.2. APPROXIMATION NUMERIQUE
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
(3.45)
X
un+1
unj
j
+
ljk Gjk unj , unk = 0,
t
j.
(3.46)
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 reguli`ere
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
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
bk ) u(nt, x
bj )
u(nt, x
+ O(h).
djk
b jk (u, v) = u v .
G
dbjk
(3.49)
(3.50)
3.2. APPROXIMATION NUMERIQUE
EN DIMENSION D 2
35
xj
xk
C
3.2.4
M
ethodes de Volumes Finis pour les syst`
emes de Friedrichs
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)
(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
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)
fjk (U, V) = A+
jk U + Ajk V.
(3.56)
.
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 `a 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 `a 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
(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 probl`eme est bien pose (existence et unicite de la solution). Cela definit
u(t) V .
D
efinition 7. Nous consid`ererons que le semi-groupe doperateur etA est born
e
tA
||etA || KeLt , t R.
K, L 0 tels que
(4.2)
La plupart des exemples considerees dans ces notes correspond `a 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
u = Au + f,
t
u(0) = u0 .
u(t) = etA u0 +
t > 0,
(4.3)
(4.4)
e(ts)A f (s)ds.
37
38
4.1.1
Le sous espace X est typiquement constitue de fonctions reguli`eres, 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 `a la fois un operateur dinterpolation et de projection 1 .
Ces objets dependent dun param`etre h > 0 qui est destine `a converger vers zero. Ce param`etre represente les
param`etres numeriques de la methode. On peut identifier h `a 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)
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)
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
(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
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
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),
T
n t
(4.12)
Notons quon a augmente la regularite en temps dans (4.12) par rapport `a (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 crit`ere de consistance (4.11) pour le probl`eme instationnaire se trouve etre tr`es proche du crit`ere de consistance
(4.7) pour le probl`eme stationnaire.
Remarque 4 (Crit`ere de consistance precise). Le plus souvent on se contente de verifier le crit`ere precise
max krhn k C(hp + tq )
T
n t
(4.13)
(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
Th
eor`
eme 1 (Theor`eme de Lax : premi`ere 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
T
n t
=0
(4.17)
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)
Th
eor`
eme 2 (Theor`eme de Lax : deuxi`eme version). Soit un schema lineaire (4.9) verifiant le crit`ere 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
T
n t
un+1
unh
h
, n 0,
= Ah un+1
h
(4.19)
t
u0 = u .
h
0
h
= unh .
(Ih tAh )un+1
h
ET THEOR
`
4.1. CONSISTANCE, STABILITE
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
syst`eme lineaire, ce qui doit soperer par des methodes efficaces dalg`ebre 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 `a verifier la consistance ce qui permettra dappliquer
le theor`eme 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
h u(tn ) + tsnh ,
1 n
rh .
unh .
1
4.1.3
Sch
ema de Crank-Nicholson
un+1
un+1 + unh
unh
h
= Ah h
, n 0,
(4.21)
2
u0 =t
u
.
h
0
h
1
1
n+1
Ih tAh uh = Ih + tAh unh .
2
2
Sous les hypoth`eses 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 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)
ET THEOR
`
4.1. CONSISTANCE, STABILITE
EME
DE LAX
4.1.5
43
Un principe de comparaison
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).
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
L
T
C=K e
un majorant uniforme des Th pour qt T .
Posons =
t
(h)
(Ih + tAh )
On pose aqj =
q
j
p
rh
Ih ) sph
q
X
q
qj j j
(1 )
Th (Th Ih ) sph .
j
j=0
|
{z
}
=Aq
q
j (aj1
aqj )Thj . Or
q!
(1 )qj j1
(q j)!(j 1)!
jj +1
44
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
2
(1 )
dx
2CS t
nt (h)
ken
h k t p
8n
(1 )
2+ p
2
(1 )
2 n2
2CS.
CS.
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)
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
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
`
4.1. CONSISTANCE, STABILITE
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 `a 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 ).
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.
u h , v h Vh .
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
(K
kJhn k K e2L
= 1 et
nt
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
47
4.2. APPLICATIONS
4.2
Applications
On illustre lutilisation des differents concepts de consistance et stabilite `a 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
jZ
o`
u Ih est lidentite de RZ et Ah : RZ RZ est loperateur defini par
Ah u = (wj ) avec wj = a
unj unj1
.
x
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 `a (3.4) que le schema est stable sous CFL avec
kIh + tAh k 1 pour t (h) =
x
h
=
.
a
a
n
vjn+1 vjn
vjn vj1
+a
.
=
t
x
Pour continuer lanalyse nous supposons ici que la donnee initiale est suffisamment reguli`ere, 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)
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)
(4.40)
Le schema converge `
a lordre un en espace (et en temps).
Demonstration. La preuve est ne fait que reprendre la demonstration du theor`eme 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 `a (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 `a 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)
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
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 .
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
(4.41)
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
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
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 premi`ere definition naturelle de loperateur dinterpolation/projection 1h : W 2, (R) Vh = l par
1h (v) = (v(xj ))jZ .
Une deuxi`eme 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
1h
ou
jZ
2h
1
Demonstration. Commencons par evaluer lerreur
de consistance pour h `a partir de lun des deux crit`eres (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
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 crit`ere de consistance (4.7) ou (4.11) depend bien du
choix de loperateur dinterpolation h . Cependant on a bien la convergence `a 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.
+a
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
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 reguli`ere 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, `a partir de lerreur dinterpolation associee
a 3h .
`
4.2.4
Sch
emas de diff
erences finis explicites et `
a un pas
k
X
r unj+r
(4.51)
r=kp
o`
u les p + 1 coefficients (r )kprk caracterisent la methode et dependent des param`etres 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
1
w(x) =
2
ix
w()e
b
d
1
kwk
b L2 (R) . Un operateur A `a 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
1
u(0, x) =
2
eix u
b0 ()d = u0 (x).
Notons `a present la solution numerique au temps tn = nt comme un vecteur infini dispose en colonne
...
un1
n
n
Z
Uh =
u0n R .
u1
...
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 `a deux bandes du schema upwind est
0
0
0
1
Mh =
0
0
1
0
0
0
1
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
mki mkj =
X
k
ik jk =
l; k=i+jl
lj li = pij
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 `a present en dimension infinie.
On pose
(
)
X
2
2
Vh = l = U = (ui )iZ ,
|ui | <
i
kU kh = x
X
iZ
|ui |2 .
(4.55)
P
avec h u = (u(ix))iZ . Soit la transformation de Fourier discr`ete 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
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
i Z.
On note que les vecteurs propres sont des modes de Fourier, et quils ne dependent pas des param`etres 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 `a 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
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
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
R (1
+ 2r )|b
u()|2 d.
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.
56
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
La preuve est termin
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
|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
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)
est independante du temps (de n), et peut etre aussi petite que souhaitee pour un r suffisamment grand,
ce param`etre etant independant des param`etres 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 crit`ere (4.60) est equivalent
i
p
e
h () C || ,
.
(4.63)
i
Par exemple le symbole du schema upwind est up
. Comme on verifie sans peine que
h () = (1 ) + e
(1 ) + ei ei C,
t
,
x2
x2 .
2
h () C2
e
4.2.5
Les schemas semi-lagrangiens, dont nous nous montrerons quils sont identiques `a 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 tr`es 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.
58
droite caractristique
issue de (x ,tn+1)
j
n+1
j1
j2
j+1
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 `a 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 ,
k
X
lr ()f (r).
r=kp
(4.65)
59
4.2. APPLICATIONS
t
x
d
x
j1
j+1
k p r k.
(4.66)
k
X
lr ()f (r),
r=kp
R.
(4.67)
k p r k.
(4.68)
Le signe sinterpr`ete `
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 `a partir du
symbole
k
k
X
X
lr ()eir .
(4.69)
r eir =
h () =
kp
kp
60
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.
(4.72)
jZ
p
X
X
X
M=
un+1
=
r unj+r .
j
jZ
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
1 i, j p + 1.
Une possibilite alternative pour construire les coefficients consiste `a 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 `a 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
p
q=0 (k+q)
p!
1
t=0
R1
(1t)p z p+1
dt.
t=0 (1+tz)p+1
h () = eik
p
X
q=0
(4.74)
q
q ei 1
(4.75)
(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 apr`es 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 `a implementer.
+
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 param`etre 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
p
2
(4.76)
+ .
D
emonstration. A partir de (4.69) on a
h ()
=i
Pk
kp
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
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
1
p
1
=k + .
2
2
2
p
+ 1.
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
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
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 ).
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. Premi`erement on a 1 = r r donc il existe au moins un
coefficient r strictement positif. Soit un schema dordre au minimum deux. On a `a 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
66
Chapitre 5
Analyse num
erique des m
ethodes de
Volumes finis
Les methodes de Volumes Finis sur maillage non structures sont `a la base des codes de CFD (Computational
Fluid Dynamics) et de resolution de syst`emes hyperboliques non lineaires pour lesquels lobjectif est le calcul
precis de solutions tr`es peu reguli`eres voire meme discontinues (les discontinuites et les ondes de chocs). Le
calcul de transport et diffusion en milieux poreux sont eux aussi tr`es 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 `a 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 reguli`eres.
5.1
Equation dadvection
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 `a 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 apr`es 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
68
j, k..
X
un+1
unj
j
mjk unj = 0.
+
t
+
(5.2)
A+
jk = Ajl
tjk = (, )
Maille l
njk = (, )
A+
jl
Maille j
Maille k
A
jk
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
+
Lemme 34. On a
k+
mjk =
mjk .
69
5.1.1
t X
mjk
1
sj +
unj +
t X
mjk unk .
sj +
(5.3)
j.
(5.4)
(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
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
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
X
j
k, ajk >0
X
t mjk
unj =
sj
j
k, ajk <0
t mjk
(unk ) .
sj
(u)
+ (u)
(u)
m
|
{z
un
j
M
}
Figure 5.2 et +
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 deuxi`eme 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 consid`ere 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 `a 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 parall`eles au vecteur a. Comme j est convexe par hypoth`ese 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 mani`ere 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 parall`ele 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).
72
Soit `a 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
(5.12)
Pour un calcul sur ordinateur, on a toujours interet `a 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 reguli`ere si
1 Qn C,
n.
Les preuves de convergence utilisent une telle hypoth`ese 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
Nous allons plutot montrer que la non consistance au sens des Diff
erences Finies est la r`egle 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 `a 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 `a des points xj que lon a choisi preliminairement :
vjn = u(nt, xj ) pour tout j et tout n. Pour des fonctions reguli`eres 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 crit`ere 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 : premi`ere 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
n
l
a njk
jr
jr
jk
r
k
74
Maille j
xj
njk
xk
Maille k
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 pr`es 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
nt T.
(5.16)
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 premi`ere etape est plus generale car dans
Lp .
Premi`
ere
etape : estimation en temps dans Lp
5.2.1
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
u0j = vj (0) =
1
sj
u0 (x)dx.
j
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
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+
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
+ 1 = 0, cela
etablit le r
esultat.
Deuxi`
eme
etape : estimation en espace dans L2
Nous etudions `a 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)
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
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)
5.3.1
77
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 (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 =
L (T )
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).
|u (t) wh
(t)| = wh
(t).
|u (t) wh
(t)| = (u (t) wh
(t)) (2u (t) 1) ,
(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.
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
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
L (T )
BV (T )
ku (t)k2L2 (T ) kvh
(t)k2L2 (T ) Ch |u0 |BV (T ) + C
h2 + th
|u0 |2BV (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 `a 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-discr`etes avec des resultats similaires.
Comme note precedemment, la matrice du syst`eme 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
sj u2j
X
j
uj
X
k
uk uj
ljk
djk
sj uj v j
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
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
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
80
|||th |||2L2 (T )
sj rj2 . On definit
X
=
ljk djk t2jk .
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
u(xj , tn+1 ) u(xj , tn )
=
t
sj
=
t
sj
u(x, tn+1 ) nj d
u(x, tn+1 )dx
Z
1
u(xj , tn+1 ) uj (x, tn )
n 1
rj t ktt u(tn+1 )k
L (T ) + h kt ukL ([0,T ]T ) .
2
1
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
n+1
qjk
vkn+1 vjn+1
u(xjk , tn+1 ) njk
djk
(5.29)
5.4. CONVERGENCE DU SCHEMA
DE DIFFUSION
Or
n
qjk
1
ljk
j k
81
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
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
(5.30)
o`
u K > 0 ne depend que du maillage.
La preuve est terminee.
A present que la consistance est etablie, il reste `a utiliser une nouvelle fois la stabilite pour obtenir la convergence.
Th
eor`
eme 5. Soit T > 0 un temps final donne. Sous les hypoth`eses 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 `a (5.28) sous la forme suivante : on multiplie la premi`ere
et on somme ; dans le meme temps multiplie la deuxi`eme 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
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 deuxi`eme equation de (5.32). On a les differentes inegalites de type Minkovski 1
apr`es 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 apr`es 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 `a 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
theor`eme 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 premi`ere inegalite, lemme 46, est un resultat classique qui mesure lerreur de projection en moyenne. La
deuxi`eme 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
(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
yj
xj
yj
yj
yj
1
1
2
xj
|u (tx + (1 t)y)| dx
dydt.
yj
xj
|u (x)|p .
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)
o`
u les vk sont les valeurs moyennes de v sur chacun des segments.
84
x et y .
x .
|v(x)|p x
(5.38)
R
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.
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
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 () .
X p
A=
Aj .
j
(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 `a fait paradoxale au premier abord. En effet la perte du principe de linearite am`ene une complexite
importante dans la construction des schemas non lineaires. Comme les hypoth`eses du theor`eme 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 tr`es nettement plus performantes que les schemas lineaires correspondants. Cela est particuli`erement le cas lorsque les schemas construits
sont utilises comme brique de base pour la discretisation de probl`emes non lineaires plus complexes comme pour
la mecanique des fluides et les syst`emes de lois de conservation lineaires.
Tout part dun theor`eme cel`ebre 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 `a deux est exact pour les fonctions quadratiques telle que
la fonction x 7 y(x) = (x x0 )2 de la figure 6.1 (les param`etres > 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 mod`ele etudie pour contourner cette difficulte prend la forme dun schema de Volumes Finis en
dimension un despace pour une grille reguli`ere
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 `a 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)
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 `a partir des valeurs ponctuelles de la solution
discr`ete. Ici la reconstruction est `
a lordre deux avec un polyn
ome du second degre. Apr`es advection exacte de
la solution reconstruite, le point haut de la parabole inversee va se deplacer `a 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 probl`eme, 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 `a 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 `a partir de la solution discr`ete 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 `a 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 pref`ere reintroduire un decentrement de
j+
uj+1 uj
pour xj < x < xj+1 .
x
(6.4)
Cela termine la premi`ere 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
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 theor`eme 6.
On ajoute alors une idee, qui est de modifier la valeur de la derivee discr`ete dj+ 12 de facon `a retrouver le principe
du maximum. Pour cela on multiplie dj+ 12 par un facteur 21 (1 )j+ 12 avec j+ 21 0. Cela correspond `a
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
(6.7)
(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 troisi`eme contrainte qui ne sera pas etudiee car elle est moins necessaire que les deux premi`eres
est de se restreindre `
a des formules telles que (r) = r 1r .
Les solutions `a ces contraintes sont souvent exprimees `a 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.
(6.9)
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
j+ 21
rj+ 21
j 21
1.
1
1
2 j 2
1 + (1 ) = 2 . Donc
j+ 1
1
2
2 rj+ 1
2
(1 ) j+ 12
2 2 1,
2
rj+ 21
[0, 1].
(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 th`ese de Lagouti`ere) est initialement different de lapproche
Muscl, cependant les resultats au final sont tr`es proches. Son extension `a des equations plus compliquees est
parfois plus simple que lapproche par limitation de pente.
Lidee premi`ere que est j+ 12 permet dinterpoler entre un schema dit tr`es 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 `a la double inegalite
uj+ 12 [mj+1 , Mj+1 ] ,
j.
(6.13)
Il sensuit que (6.12) est satisfait d`es 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
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
(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 | .
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
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
Th
eor`
eme 7. Sous les hypoth`eses precedentes, tout schema dont le flux peut secrire sous la forme (6.6) ou
(6.15) est convergent dans L1 avec lestimation
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
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
e = 0,
(j+1)x
jx
un w n
n+1
est solution de la r
ecurrence
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. Lagouti`ere, 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).