Fiche de révision : Introduction aux équations aux dérivées partielles

📋 Plan du Cours

1. Équations aux dérivées partielles
2. Conditions aux limites
3. Classification des EDP
4. Méthodes numériques
5. Discrétisation par différences finies
6. Schémas explicites et implicites
7. Problème de chaleur 1D
8. Schéma de Crank-Nicholson
9. Conditions de Dirichlet et Neumann
10. Approximation dérivées par différences divisées

📖 1. Équations aux dérivées partielles

🔑 Notions clés & Définitions

• Équation aux dérivées partielles (EDP) : Une équation reliant une fonction de plusieurs variables et ses dérivées partielles. Elle exprime une relation entre la fonction inconnue U(x, y, t, ...) et ses dérivées partielles par rapport à ces variables. Dalia Ibrahim (février 2023) : "Une EDP est une équation reliant une fonction de plusieurs variables et ses dérivées partielles."

• Notations des dérivées partielles : Pour une fonction U dépendant de x et y, on note :

  • ∂U/∂x : dérivée partielle de U par rapport à x.
  • ∂²U/∂x² : dérivée partielle seconde de U par rapport à x.
  • ∂²U/∂x∂y : dérivée partielle croisée de U, aussi appelée dérivée mixte. Dalia Ibrahim (février 2023) : "∂²U/∂x∂y est la dérivée partielle croisée, représentant la variation simultanée de U selon x et y."

• Problème général de résolution d'une EDP : Consiste à déterminer une fonction U définie sur un domaine D, vérifiant l'équation aux dérivées partielles, accompagnée de conditions aux limites (imposées sur la frontière ∂D) et de conditions initiales (pour les problèmes dépendant du temps). Dalia Ibrahim (février 2023) : "Le problème consiste à rechercher U dans D, vérifiant l'EDP avec conditions aux limites et initiales."

• Domaine D : L'ensemble de définition de la fonction U, généralement un sous-ensemble de ℝⁿ, délimitée par la frontière ∂D. Il contient toutes les valeurs possibles de x, y, t, ... pour lesquelles la solution est cherchée.

• Conditions aux limites et initiales : Dispositifs imposés pour assurer la détermination unique de la solution. Les conditions de Dirichlet fixent la valeur de U sur ∂D, tandis que celles de Neumann fixent la valeur de la dérivée normale de U sur ∂D. En cas de dépendance au temps, les conditions initiales fixent U au temps t=0. Dalia Ibrahim (février 2023) : "Les conditions aux limites et initiales complètent le problème pour garantir une solution unique."

📝 Points essentiels

• La résolution d'une EDP nécessite la définition précise du domaine D, des conditions aux limites et initiales, ainsi que la classification de l'équation selon son type (elliptique, hyperbolique, parabolique) (voir section 4).
• La notation ∂U/∂x, ∂²U/∂x², et ∂²U/∂x∂y permet de distinguer clairement les dérivées premières, secondes et croisées, essentielles pour la classification et la résolution.
• La formulation du problème général inclut la recherche d'une fonction U(x, y, t, ...) vérifiant l'EDP dans D, avec des conditions imposées sur la frontière et éventuellement à l'instant initial.

💡 À retenir

Une équation aux dérivées partielles relie une fonction inconnue à ses dérivées partielles, et la résolution consiste à déterminer cette fonction dans un domaine donné, sous conditions aux limites et initiales.

📖 2. Conditions aux limites

🔑 Notions clés & Définitions

Conditions de Dirichlet : Imposent la valeur de la fonction inconnue U sur la frontière du domaine D. Selon AUTEUR (date), elles fixent explicitement la valeur de U(x) à la frontière, par exemple U(x) = U₀ sur la frontière.

Conditions de Neumann : Imposent la valeur de la dérivée normale de la fonction U sur la frontière du domaine D. Selon AUTEUR (date), elles fixent la valeur de ∂U/∂n (dérivée normale) à la frontière, par exemple ∂U/∂x = β en x = L.

Exemple d’application en 1D : Sur un problème de type parabole, on peut appliquer une condition de Dirichlet en fixant U(0, t) = U₀(t) et une condition de Neumann en imposant ∂U/∂x (L, t) = β, permettant de modéliser respectivement une température imposée et un flux de chaleur à la frontière.

📝 Points essentiels

• Les conditions de Dirichlet fixent la valeur de U sur la frontière, ce qui est utile pour définir des états précis (ex : température fixée). Elles sont souvent appelées conditions "à valeur imposée".
• Les conditions de Neumann fixent la dérivée normale de U, correspondant à un flux ou une pente imposée à la frontière. Elles sont utilisées pour modéliser des flux de chaleur ou de masse.
• Sur un problème 1D, l’application des conditions aux limites influence la discrétisation et la résolution du système linéaire associé. Par exemple, pour une équation de type parabole, la condition de Dirichlet en x=0 peut fixer U(0, t) = U₀(t), tandis que la condition de Neumann en x=L peut s’écrire ∂U/∂x (L, t) = β, nécessitant une discrétisation adaptée (ex : différence finie).

💡 À retenir

Les conditions de Dirichlet et Neumann sont essentielles pour définir complètement un problème aux dérivées partielles, en imposant respectivement la valeur de la fonction ou de sa dérivée sur la frontière, ce qui guide la solution dans la modélisation physique et la résolution numérique.

📖 3. Classification des EDP

🔑 Notions clés & Définitions

• Ordre d'une EDP : Le plus haut ordre de dérivée partielle présente dans l'équation.
  Point essentiel : L'ordre détermine la complexité et la nature de la solution, par exemple, une équation du second ordre implique des dérivées secondes.

• Linéarité d'une EDP : Une équation est linéaire si elle ne contient pas de produits entre la variable inconnue ou ses dérivées.
  Point essentiel : La linéarité facilite la résolution et l'analyse, contrairement aux équations non linéaires comme l'équation de Burgers.

• Classification d'une équation du second ordre : Selon le discriminant $b^2 - 4ac$ de la forme générale $a \frac{\partial^2 U}{\partial x^2} + b \frac{\partial^2 U}{\partial x \partial y} + c \frac{\partial^2 U}{\partial y^2} + \dots = g$.
  Hyperbolique : $b^2 - 4ac > 0$.
  Elliptique : $b^2 - 4ac < 0$.
  Parabolique : $b^2 - 4ac = 0$.
  Point essentiel : Cette classification détermine la nature des phénomènes modélisés (onde, potentiel, diffusion).

• AUTEUR (source) : La classification repose sur le discriminant $b^2 - 4ac$, permettant d'identifier la nature de l'équation en fonction de ses coefficients.

📝 Points essentiels

• L'ordre d'une EDP est déterminé par la dérivée de plus haut ordre présente dans l'équation, ce qui influence la méthode de résolution et la nature des solutions (point clé : plus l'ordre est élevé, plus la résolution est complexe).

• La linéarité est une propriété fondamentale pour la résolution analytique et numérique : une EDP linéaire ne contient pas de produits entre la fonction inconnue et ses dérivées, ce qui simplifie la superposition des solutions.

• La classification des équations du second ordre en elliptique, hyperbolique ou parabolique repose sur le discriminant $b^2 - 4ac$.
  AUTEUR (source) : cette classification est essentielle pour déterminer la méthode numérique adaptée et comprendre le comportement physique modélisé.

• La nature elliptique correspond à des phénomènes d'équilibre ou de potentiel, hyperbolique à des phénomènes de propagation (ondes), et parabolique à des phénomènes d'évolution ou de diffusion (ex : chaleur).

💡 À retenir

L'ordre et la classification d'une EDP, basés respectivement sur le plus haut ordre de dérivée et le discriminant $b^2 - 4ac$, sont fondamentaux pour choisir la méthode de résolution adaptée et comprendre la nature du phénomène modélisé.

📖 4. Méthodes numériques

🔑 Notions clés & Définitions

• Différences finies : Méthode numérique consistant à approximer les dérivées partielles d’une fonction par des différences divisées (forward, backward, central) en utilisant le développement de Taylor (voir section 8). Selon Dalia Ibrahim (février 2023), cette méthode repose sur la discrétisation d’un domaine par un maillage structuré, permettant de transformer une EDP continue en un système discret.

• Maillage structuré : Réseau régulier de points (noeuds) utilisés pour la discrétisation spatiale d’un domaine. En 1D, il s’agit d’un ensemble de points espacés de façon régulière, notés xi = a + i∆x, où ∆x est le pas de discrétisation (voir section 6). En 2D, le domaine est décomposé en nœuds (xi, yj) avec pas ∆x et ∆y.

• Passage du problème continu au problème discret : Transformation d’une équation aux dérivées partielles en un système d’équations algébriques en utilisant des approximations (différences divisées). La méthode consiste à remplacer les dérivées par des expressions de Taylor, aboutissant à un système linéaire ou non linéaire à résoudre (voir section 8).

• Équations de type elliptique, hyperbolique, parabolique : Classification basée sur le discriminant b² - 4ac de l’équation du second ordre (voir section 4). La méthode numérique doit s’adapter à cette classification pour assurer stabilité et précision.

• Notion de réseau régulier de points : Ensemble de points espacés uniformément dans le domaine de discrétisation, formant le maillage structuré. Elle facilite la mise en œuvre des schémas de différences finies, notamment pour l’approximation des dérivées (voir section 6).

📝 Points essentiels

• La méthode des différences finies repose sur l’approximation locale des dérivées par des différences divisées, utilisant le développement de Taylor pour assurer la précision (ordre 1 pour décentrés, ordre 2 pour centrés). La discrétisation spatiale se fait via un maillage structuré, avec des points appelés noeuds, qui forment un réseau régulier dans le domaine (voir sections 8 et 9).

• La transformation du problème continu en un système discret permet de résoudre numériquement des EDP en utilisant des méthodes algébriques classiques. La construction du maillage structuré est essentielle pour garantir la stabilité et la convergence des schémas numériques (voir sections 6 et 8).

• La classification des équations aux dérivées partielles (elliptique, hyperbolique, parabolique) guide le choix du schéma numérique approprié, notamment en termes de stabilité (voir section 4). La méthode des différences finies est particulièrement adaptée pour les problèmes paraboliques, comme l’équation de la chaleur, en utilisant des schémas explicites ou implicites.

• La notion de maillage structuré est fondamentale pour la mise en œuvre pratique des méthodes numériques, permettant une approximation systématique et régulière des dérivées dans le domaine discret (voir section 6).

💡 À retenir

Les méthodes numériques pour les EDP, telles que différences finies, éléments finis et volumes finis, transforment le problème continu en un système discret en utilisant un maillage structuré, permettant une résolution efficace et stable selon la classification de l’équation.

📖 5. Discrétisation par différences finies

🔑 Notions clés & Définitions

• Maillage structuré : réseau régulier de points de discrétisation dans un domaine, utilisé pour approcher une solution continue par une grille de points espacés régulièrement. (source : Dalia Ibrahim, février 2023)

• Approximation par différences divisées : méthode consistant à remplacer les dérivées partielles par des différences entre valeurs de la fonction en points voisins, en utilisant des formules de Taylor pour assurer la précision. (source : Dalia Ibrahim, février 2023)

• Schéma décentré (forward/backward difference) : méthode d’approximation des dérivées partielles utilisant des points en avant ou en arrière du point d’intérêt, précis à l’ordre 1, avec erreur de troncature O(∆x). (source : Dalia Ibrahim, février 2023)

• Schéma centré (central difference) : méthode d’approximation utilisant des points de part et d’autre du point d’intérêt, précis à l’ordre 2, avec erreur de troncature O((∆x)²). (source : Dalia Ibrahim, février 2023)

• Discrétisation d'une équation différentielle 1D : transformation d'une équation différentielle continue en un système linéaire en remplaçant les dérivées par des différences finies sur un maillage, par exemple, pour l’équation −U′′(x) = f(x). (source : Dalia Ibrahim, février 2023)

📝 Points essentiels

• La construction d’un maillage structuré en 1D consiste à diviser l’intervalle [a, b] en N segments de longueur ∆x = (b−a)/N, avec des points nodaux xi = a + i∆x, i = 0, ..., N, appelés noeuds.

• En 2D, le domaine [a, b] × [c, d] est décomposé en N × P noeuds (xi, yj) = (a + i∆x, c + j∆y), avec ∆x = (b−a)/N et ∆y = (d−c)/P, répartis régulièrement.

• Les différences finies approchent la dérivée première ∂U/∂x par des schémas décentrés (forward ou backward) d’ordre 1, par exemple :
  ∂U/∂x ≈ (Ui+1,j − Ui,j)/∆x (forward) ou (Ui,j − Ui−1,j)/∆x (backward).

• La dérivée seconde ∂²U/∂x² est approximée par un schéma centré :
  ∂²U/∂x² ≈ (Ui+1,j − 2Ui,j + Ui−1,j)/(∆x)², précis à l’ordre 2.

• La discrétisation d’une équation différentielle 1D, comme −U′′(x) = f(x), consiste à remplacer la dérivée seconde par son approximation centrée, conduisant à un système linéaire de la forme :
  2Ui − Ui+1 − Ui−1 = (∆x)² fi, avec conditions aux limites.

💡 À retenir

Les différences finies permettent de transformer une équation différentielle continue en un système linéaire discret, en utilisant des schémas d’approximation précis à l’ordre 1 ou 2, selon le choix du schéma décentré ou centré, facilitant ainsi la résolution numérique.

📖 6. Schémas explicites et implicites

🔑 Notions clés & Définitions

• Schéma explicite : Méthode numérique où les valeurs à l'instant $n+1$ sont calculées directement à partir des valeurs connues à l'instant $n$. Selon Dalia Ibrahim (Février 2023), "les schémas explicites utilisent une formule de mise à jour directe, ce qui facilite leur mise en œuvre mais peut entraîner des problèmes de stabilité."

• Schéma implicite : Méthode numérique où les valeurs à l'instant $n+1$ sont liées implicitement entre elles, nécessitant la résolution d’un système linéaire. Dalia Ibrahim (Février 2023) précise que "les schémas implicites offrent une stabilité accrue, mais leur mise en œuvre requiert la résolution d’un système matriciel."

• Formulation matricielle : Représentation d’un schéma numérique sous forme d’un système linéaire $A U^{n+1} = B U^{n} + f$, permettant de traiter efficacement la résolution pour l’équation de la chaleur 1D, comme illustré par Dalia Ibrahim (Février 2023).

📝 Points essentiels

• Les schémas explicites calculent $U^{n+1}$ directement à partir de $U^{n}$ via une formule de mise à jour, par exemple $U^{n+1} = A U^{n} + f$. Ces schémas sont simples à implémenter mais soumis à des contraintes de stabilité, notamment la condition de CFL pour la stabilité en temps.

• Les schémas implicites, comme le schéma de Crank-Nicholson, relient $U^{n+1}$ à lui-même à travers une relation matricielle $A U^{n+1} = B U^{n} + f$. Ils sont toujours stables, même pour des pas de temps plus grands, mais nécessitent la résolution d’un système linéaire à chaque étape.

• La formulation matricielle facilite la résolution numérique en utilisant des méthodes algébriques pour résoudre les systèmes linéaires. Elle est essentielle pour la mise en œuvre efficace des schémas implicites.

• Avantages et contraintes : Les schémas explicites sont faciles à coder mais limités par leur stabilité, tandis que les schémas implicites sont stables pour des pas plus grands, mais plus coûteux en calcul en raison de la résolution de systèmes matriciels.

💡 À retenir

Les schémas explicites sont simples et rapides à mettre en œuvre mais soumis à des restrictions de stabilité, alors que les schémas implicites, plus stables, nécessitent la résolution de systèmes linéaires, ce qui augmente leur complexité.

📖 7. Problème de chaleur 1D

🔑 Notions clés & Définitions

• Équation de la chaleur 1D : équation parabolique décrivant la diffusion thermique dans une barre d’une dimension, généralement écrite sous la forme ∂U/∂t = ∂²U/∂x², où U(x,t) est la température en un point x et à un instant t.

• Conditions initiales : valeurs de la grandeur U(x,0) sur tout le domaine, permettant de spécifier l’état initial du système. Exemple : U(x,0) = U₀(x).

• Conditions aux limites : contraintes imposées sur la frontière du domaine spatial. Deux types principaux :

  • Dirichlet : valeur imposée de U sur la frontière (ex : U(0,t) = Ug).
  • Neumann : valeur imposée de la dérivée normale de U sur la frontière (ex : ∂U/∂x = β).

• Discrétisation spatiale : méthode consistant à diviser le domaine spatial [0, L] en N+1 points réguliers (noeuds) avec un pas ∆x = L/N, permettant de transformer l’équation continue en un système discret.

• Discrétisation temporelle : division de l’intervalle de temps en pas ∆t, permettant d’approcher la solution continue par une suite de valeurs aux instants n∆t, n ∈ ℕ.

• Problème parabolique et linéaire :

  • Parabolique : caractérisé par une équation impliquant une dérivée seconde en espace et une dérivée première en temps (ex : équation de la chaleur).
  • Linéaire : l’équation ne contient pas de termes non linéaires ou produits de la fonction et de ses dérivées (ex : ∂²U/∂x² = 1/α ∂U/∂t).

📝 Points essentiels

• L’équation de la chaleur 1D modélise la diffusion thermique dans une barre, avec deux types de conditions aux limites : Dirichlet (valeurs fixes) ou Neumann (flux imposé).
• La résolution numérique repose sur la discrétisation spatiale en maillage régulier (notamment en utilisant un réseau de points appelés noeuds) et la discrétisation temporelle en pas ∆t.
• La méthode explicite utilise une approximation de la dérivée temporelle par différence en avant et la dérivée spatiale par différence centrée, avec une stabilité dépendant du paramètre λ = ∆t/(∆x)².
• La méthode implicite, comme le schéma de Crank-Nicholson, combine stabilité et précision accrue en augmentant l’ordre en temps, en moyennant schémas explicites et implicites.
• La caractérisation du problème comme parabolique et linéaire permet d’appliquer des schémas numériques spécifiques, assurant stabilité et convergence sous certaines conditions.

💡 À retenir

Le problème de la chaleur 1D est un problème parabolique linéaire, résolu numériquement par discrétisation spatiale et temporelle, avec des méthodes explicites ou implicites, permettant de modéliser la diffusion thermique dans une barre avec des conditions aux limites et initiales précises.

📖 8. Schéma de Crank-Nicholson

🔑 Notions clés & Définitions

• Schéma de Crank-Nicholson : Méthode numérique implicite de résolution des équations paraboliques, qui combine la moyenne arithmétique des schémas explicites et implicites pour améliorer la précision en temps. AUTEUR (date) : cette méthode permet d’obtenir une précision d’ordre 2 en temps en utilisant une formule de Taylor pour la moyenne.

• Formulation matricielle : Représentation du schéma de Crank-Nicholson sous forme d’un système linéaire $A U^{n+1} = B U^n + \text{termes de conditions aux limites}$, où $A$ et $B$ sont des matrices tridiagonales. AUTEUR (date) : cette approche facilite la résolution numérique en utilisant des méthodes matricielles pour déterminer la solution à chaque étape temporelle.

• Avantages en stabilité et précision : Le schéma de Crank-Nicholson est intrinsèquement stable (stabilité A-automatique) et offre une précision d’ordre 2 en temps grâce à l’utilisation de la moyenne arithmétique, ce qui le rend particulièrement adapté pour la résolution de problèmes paraboliques. AUTEUR (date) : cette stabilité permet d’utiliser des pas de temps plus grands sans risque de divergence.

📝 Points essentiels

• Le schéma de Crank-Nicholson est une méthode implicite qui consiste à faire la moyenne arithmétique entre le schéma explicite (évaluation à l’instant $n$) et le schéma implicite (évaluation à l’instant $n+1$). La formule s’écrit :
  $\frac{U_i^{n+1} - U_i^n}{\Delta t} - \frac{1}{2} \left( \frac{U_{i+1}^{n+1} - 2 U_i^{n+1} + U_{i-1}^{n+1}}{\Delta x^2} + \frac{U_{i+1}^n - 2 U_i^n + U_{i-1}^n}{\Delta x^2} \right) = 0$
• La formulation matricielle du schéma est :
  $A U^{n+1} = B U^n$ avec $A$ et $B$ matrices tridiagonales définies par les coefficients du schéma, permettant une résolution efficace par méthodes matricielles.
• La stabilité du schéma de Crank-Nicholson est assurée par sa nature implicite, ce qui évite les instabilités numériques même pour de grands pas de temps, tout en offrant une précision supérieure à celle des schémas explicites.

💡 À retenir

Le schéma de Crank-Nicholson, en combinant implicite et explicite, offre une stabilité robuste et une précision d’ordre 2 en temps, ce qui en fait une méthode privilégiée pour la résolution efficace des équations paraboliques.

📖 9. Conditions de Dirichlet et Neumann

🔑 Notions clés & Définitions

• Conditions de Dirichlet : Imposent la valeur de la fonction inconnue U sur la frontière du domaine D. Selon Dalia Ibrahim (Février 2023), elles consistent à fixer U(x) = U₀(x) pour x sur la frontière, incluant les conditions initiales dans le cas de problèmes dépendant du temps.

• Conditions de Neumann : Imposent la valeur de la dérivée normale de la fonction U sur la frontière du domaine D. Selon Dalia Ibrahim (Février 2023), elles consistent à fixer ∂U/∂n = β(x) sur la frontière, où ∂U/∂n désigne la dérivée normale à la frontière.

• Application combinée Dirichlet-Neumann dans un problème 1D : Exemple où U(x, t) vérifie une condition de Dirichlet en x=0 (U(0, t) = α) et une condition de Neumann en x=L (∂U/∂x|_{x=L} = β). La discrétisation de ces conditions modifie la formulation matricielle du problème, comme illustré dans le cas de la résolution numérique.

📝 Points essentiels

• Les conditions de Dirichlet fixent la valeur de la fonction sur la frontière, ce qui simplifie souvent la résolution en imposant directement U sur la frontière. Elles sont couramment utilisées pour modéliser des contraintes fixes, comme une température imposée ou une déformation.

• Les conditions de Neumann fixent la dérivée normale de la fonction sur la frontière, représentant souvent un flux ou une pente imposée, par exemple un flux thermique ou une vitesse de déplacement.

• La combinaison de conditions de Dirichlet et Neumann dans un problème 1D permet de modéliser des situations où une partie de la frontière est fixée en valeur (Dirichlet) et une autre en flux ou pente (Neumann). La discrétisation de ces conditions nécessite l'utilisation de formules spécifiques, notamment pour la condition de Neumann, où la dérivée est approximée par une différence finie (ex : ∂U/∂x ≈ (U_{i} - U_{i-1})/∆x).

• La formulation matricielle du problème doit intégrer ces conditions : pour Dirichlet, on impose directement la valeur dans le vecteur solution, pour Neumann, on modifie la dernière ligne du système pour représenter la condition de flux.

💡 À retenir

Les conditions de Dirichlet fixent la valeur de la fonction sur la frontière, tandis que les conditions de Neumann fixent la valeur de sa dérivée normale. Leur application combinée dans un problème 1D permet de modéliser des situations variées, en ajustant la discrétisation pour respecter ces contraintes.

📖 10. Approximation dérivées par différences divisées

🔑 Notions clés & Définitions

• Différences divisées : Méthodes d'approximation des dérivées d'une fonction en utilisant des valeurs de la fonction en points voisins, notamment par schémas forward, backward et central. (Source : Dalia Ibrahim, février 2023)

• Schéma forward (différence avancée) : Approximation de la dérivée première par la différence entre la valeur au point suivant et la valeur au point courant, divisée par le pas ∆x :
  $\frac{\partial U}{\partial x}(x_i, y_j) \approx \frac{U(x_{i+1}, y_j) - U(x_i, y_j)}{\Delta x}$ (ordre 1, erreur de troncature O(∆x))

• Schéma backward (différence retardée) : Approximation par la différence entre la valeur au point courant et celle au point précédent, divisée par le pas ∆x :
  $\frac{\partial U}{\partial x}(x_i, y_j) \approx \frac{U(x_i, y_j) - U(x_{i-1}, y_j)}{\Delta x}$ (ordre 1, erreur de troncature O(∆x))

• Schéma central (différence centrée) : Moyenne des schémas forward et backward, utilisant les points voisins de chaque côté :
  $\frac{\partial U}{\partial x}(x_i, y_j) \approx \frac{U(x_{i+1}, y_j) - U(x_{i-1}, y_j)}{2 \Delta x}$ (ordre 2, erreur de troncature O(∆x)^2)

• Approximation de la dérivée seconde (schéma centré) : Utilise la valeur au point courant et ses voisins pour approximer la dérivée seconde :
  $\frac{\partial^2 U}{\partial x^2}(x_i, y_j) \approx \frac{U(x_{i+1}, y_j) - 2 U(x_i, y_j) + U(x_{i-1}, y_j)}{(\Delta x)^2}$ (ordre 2, erreur de troncature O(∆x)^2)

📝 Points essentiels

• Les schémas décentrés (forward, backward) sont de précision d’ordre 1, avec erreur de troncature proportionnelle à ∆x. La formule de Taylor (voir section 4) permet de justifier ces approximations en développant la fonction en série de Taylor autour du point considéré.

• Le schéma centré est de précision d’ordre 2, grâce à une symétrie dans l’utilisation des points voisins, ce qui réduit l’erreur de troncature à O(∆x)^2. La formule de Taylor utilisée ici est :
  $U(x_i + \Delta x, y_j) = U(x_i, y_j) + \Delta x \frac{\partial U}{\partial x} + \frac{\Delta x^2}{2} \frac{\partial^2 U}{\partial x^2} + o(\Delta x^2)$ permettant d’isoler la dérivée seconde avec une erreur d’ordre 2.

• La discrétisation de la dérivée seconde par un schéma centré est couramment utilisée dans la résolution numérique d’équations différentielles, notamment pour assurer une meilleure précision.

• La précision et la stabilité des schémas dépendent du choix du type de différence divisée et du pas ∆x, conformément à la légitimité (voir section 4).

💡 À retenir

Les schémas centrés offrent une approximation plus précise (ordre 2) pour la dérivée seconde, tandis que les schémas forward et backward, plus simples, sont d’ordre 1. La formule de Taylor est essentielle pour justifier et analyser ces approximations.

📊 Tableaux de Synthèse

| Avantages | Facilité de mise en œuvre | Adapté à différents types d’EDP | Facile à comprendre | Approprié pour la stabilité | Simplicité pour schémas explicites | Plus stable pour grands pas | Modélise la diffusion de chaleur | Bonne stabilité et précision | Contrôle précis de la température | Contrôle du flux de chaleur | Approche précise pour dérivées | Connaître la définition de Perroux sur la croissance |

| Inconvénients | Stabilité limitée pour schémas explicites | Nécessite résolution de systèmes | Moins stable pour grands pas | Risque de stabilité pour schémas explicites | Nécessite résolution de systèmes implicites | Plus coûteux en calcul | Limité à des géométries simples | Plus complexe à implémenter | Peut nécessiter des conditions supplémentaires | Peut être difficile à appliquer pour flux complexes | Peut générer des erreurs si mal appliqué | Maîtrise du vocabulaire et des concepts clés |

⚠️ Pièges & Confusions Fréquentes

1. Confondre conditions de Dirichlet (fixe U) et conditions de Neumann (fixe ∂U/∂n), notamment en modélisation physique.
2. Confusion entre classification elliptique, hyperbolique et parabolique, surtout en utilisant le discriminant $b^2 - 4ac$.
3. Négliger la stabilité des schémas explicites pour de grands pas de temps, menant à des erreurs numériques.
4. Omettre la distinction entre dérivées partielles premières, secondes et croisées, entraînant des erreurs de formulation.
5. Mal appliquer la discrétisation par différences finies, notamment en choisissant le schéma (forward, backward, central) inadapté.
6. Confondre la condition aux limites de Dirichlet et de Neumann lors de la mise en œuvre numérique.
7. Sous-estimer l’importance de la condition initiale dans la résolution du problème de chaleur 1D.
8. Utiliser un schéma implicite sans vérifier la nécessité ou la stabilité pour le problème considéré.
9. Mauvaise approximation des dérivées par différences divisées, entraînant des erreurs de convergence.
10. Confusion entre le domaine D et sa frontière ∂D, notamment dans la définition des conditions aux limites.

✅ Checklist Examen

1. Connaître la définition précise d'une équation aux dérivées partielles selon Dalia Ibrahim.
2. Savoir différencier les dérivées partielles ∂U/∂x, ∂²U/∂x², et ∂²U/∂x∂y.
3. Expliquer le rôle des conditions aux limites de Dirichlet et Neumann, avec exemples en 1D.
4. Maîtriser la classification des EDP du second ordre (elliptique, hyperbolique, parabolique) selon le discriminant $b^2 - 4ac$.
5. Identifier si une EDP est linéaire ou non linéaire, et ses implications.
6. Définir la méthode des différences finies et ses principes fondamentaux.
7. Connaître la différence entre schémas explicites et implicites, avec leurs avantages et inconvénients.
8. Savoir appliquer le schéma de Crank-Nicholson pour la résolution du problème de chaleur 1D.
9. Comprendre la discrétisation par différences divisées pour l’approximation des dérivées.
10. Savoir que la stabilité des schémas dépend du choix du pas de temps et de l’ordre du schéma.
11. Connaître la référence de Perroux sur la croissance pour la classification des équations.
12. Vérifier la maîtrise du vocabulaire spécifique : domaine D, frontière ∂D, conditions aux limites, dérivées croisées.