QCM : Méthodes des différences finies (20 questions)

Questions et réponses du QCM

1. Une perturbation imposée à une frontière modifie la solution d’équilibre dans tout un domaine. Quelle classe d’EDP correspond à ce comportement ?

Elliptique
Parabolique
Advection-diffusion
Hyperbolique

Elliptique

Explication

Les équations elliptiques décrivent des équilibres influencés par les données aux limites dans tout le domaine. La diffusion temporelle renvoie au cas parabolique, et la propagation à vitesse finie au cas hyperbolique.

2. Une perturbation initiale se déplace sans se lisser et la solution s’écrit u(x,t)=u0(x−ct)u(x,t)=u_0(x-ct). Quel modèle décrit cette évolution ?

L’équation elliptique de Poisson
La diffusion avec coefficient nul
L’advection linéaire
La diffusion parabolique

L’advection linéaire

Explication

L’advection linéaire transporte l’information à la vitesse cc et sa solution exacte est u0(x−ct)u_0(x-ct). Le lissage des gradients caractérise la diffusion, tandis que l’équation de Poisson modélise un problème elliptique.

3. Dans un modèle thermique, une variation spatiale de température s’atténue progressivement au cours du temps et le coefficient vérifie ν>0\nu>0. Quel modèle convient ?

L’équation elliptique de Poisson −Δu=f-\Delta u=f
L’équation de diffusion ut=νuxxu_t=\nu u_{xx}
L’équation de diffusion avec ν<0\nu<0
L’équation d’advection ut+cux=0u_t+cu_x=0

L’équation de diffusion $$u_t=\nu u_{xx}$$

Explication

L’équation ut=νuxxu_t=\nu u_{xx} avec ν>0\nu>0 est parabolique et lisse les gradients au cours du temps. L’advection transporte plutôt l’information, tandis que Poisson décrit un équilibre et qu’un coefficient négatif ne respecte pas l’hypothèse donnée.

4. Pour construire une approximation d’une dérivée à partir des valeurs de la fonction en des points voisins, quelle démarche permet aussi d’établir son ordre de précision et son erreur locale de troncature ?

Comparer directement les valeurs aux points voisins
Évaluer la solution numérique à plusieurs pas
Développer en série de Taylor les valeurs décalées
Calculer l’écart entre les solutions aux temps successifs

Développer en série de Taylor les valeurs décalées

Explication

Les développements de Taylor des valeurs décalées permettent de construire les formules de différences finies, d’en déterminer l’ordre de précision et de calculer l’erreur locale de troncature. Comparer des valeurs ou des pas sans ce développement ne fournit pas, à lui seul, cette analyse.

5. Sur un maillage uniforme de pas Δx\Delta x, quelle formule approxime la dérivée seconde au point xjx_j par une différence centrée d’ordre O(Δx2)O(\Delta x^2) ?

Uj+1−UjΔx2\frac{U_{j+1}-U_j}{\Delta x^2}
Uj+1−2Uj+Uj−1Δx\frac{U_{j+1}-2U_j+U_{j-1}}{\Delta x}
Uj+1−2Uj+Uj−1Δx2\frac{U_{j+1}-2U_j+U_{j-1}}{\Delta x^2}
Uj+1−Uj−12Δx\frac{U_{j+1}-U_{j-1}}{2\Delta x}

$$\frac{U_{j+1}-2U_j+U_{j-1}}{\Delta x^2}$$

Explication

La différence centrée de la dérivée seconde combine les valeurs de part et d’autre de xjx_j avec le terme central −2Uj-2U_j, puis divise par Δx2\Delta x^2 ; son ordre est O(Δx2)O(\Delta x^2). La formule avec le terme central omis ne représente pas cette différence seconde, tandis que le dénominateur au premier degré ou la différence symétrique simple correspond à d’autres approximations.

6. Pour avancer une solution d’un pas de temps avec Euler avant, à quelle valeur la fonction FF est-elle évaluée dans ut=F(u)u_t=F(u) ?

À la valeur inconnue Un+1U^{n+1}
À la valeur connue UnU^n
À la valeur extrapolée au pas suivant
À la moyenne de UnU^n et Un+1U^{n+1}

À la valeur connue $$U^n$$

Explication

Euler avant utilise F(Un)F(U^n) dans la relation de mise à jour, ce qui en fait un schéma explicite d’ordre un. L’évaluation en Un+1U^{n+1} caractérise Euler arrière, et la moyenne des évaluations aux deux niveaux correspond à Crank–Nicolson.

7. Un schéma temporel évalue FF aux niveaux UnU^n et Un+1U^{n+1}, en prenant la moyenne de ces deux évaluations. De quel schéma s’agit-il, et quel est son ordre ?

Crank–Nicolson, d’ordre un
Crank–Nicolson, d’ordre deux
Euler arrière, d’ordre un
Euler avant, d’ordre un

Crank–Nicolson, d’ordre deux

Explication

Crank–Nicolson utilise la moyenne de F(Un)F(U^n) et F(Un+1)F(U^{n+1}) et est d’ordre deux. Euler avant évalue seulement au niveau connu, Euler arrière au niveau inconnu, et ces deux méthodes sont d’ordre un.

8. Dans une équation d’advection où la vitesse est c=−3c=-3, quelle approximation de uxu_x le schéma amont utilise-t-il au point xjx_j ?

La différence centrée Uj+1n−Uj−1n2Δx\frac{U_{j+1}^n-U_{j-1}^n}{2\Delta x}
La différence arrière Ujn−Uj−1nΔx\frac{U_j^n-U_{j-1}^n}{\Delta x}
La différence avant Ujn−Uj+1nΔx\frac{U_j^n-U_{j+1}^n}{\Delta x}
La différence avant Uj+1n−UjnΔx\frac{U_{j+1}^n-U_j^n}{\Delta x}

La différence avant $$\frac{U_{j+1}^n-U_j^n}{\Delta x}$$

Explication

Lorsque c<0c<0, le signal provient des valeurs situées à droite, d’où la différence avant. La différence arrière vient du côté opposé, la différence centrée ne suit pas le choix amont et la dernière expression inverse le signe de la différence avant.

9. Pour une advection avec c>0c>0, un calcul donne λ=0,3\lambda=0{,}3, Ujn=50U_j^n=50 et Uj−1n=40U_{j-1}^n=40. Quelle valeur le schéma amont avec Euler avant attribue-t-il à Ujn+1U_j^{n+1} ?

5353
4747
4343
3737

$$47$$

Explication

La mise à jour est Ujn+1=(1−λ)Ujn+λUj−1nU_j^{n+1}=(1-\lambda)U_j^n+\lambda U_{j-1}^n, donc 0,7×50+0,3×40=470{,}7\times50+0{,}3\times40=47. La valeur 4343 inverse les poids, 5353 fait intervenir le voisin droit et 3737 résulte d’une mise à jour soustractive erronée.

10. Pour une mise à jour amont avec c>0c>0, on choisit λ=0,6\lambda=0{,}6. Quelle caractéristique possède la mise à jour obtenue ?

C’est une combinaison convexe de trois valeurs voisines à l’instant nn.
C’est une combinaison convexe de UjnU_j^n et Uj−1nU_{j-1}^n.
C’est une combinaison à coefficients non négatifs dont la somme dépasse un.
C’est une combinaison convexe de UjnU_j^n et Uj+1nU_{j+1}^n.

C’est une combinaison convexe de $$U_j^n$$ et $$U_{j-1}^n$$.

Explication

Comme 0≤0,6≤10\leq0{,}6\leq1, les poids 1−λ1-\lambda et λ\lambda sont non négatifs et leur somme vaut un : la mise à jour amont est donc une combinaison convexe des valeurs centrale et amont. Le voisin droit et une troisième valeur ne font pas partie de cette mise à jour, tandis que des coefficients de somme supérieure à un ne définissent pas une combinaison convexe.

11. Pour la diffusion, on applique le schéma explicite FTCS avec r=0,2r=0{,}2 aux valeurs Uj−1n=10U_{j-1}^n=10, Ujn=20U_j^n=20 et Uj+1n=30U_{j+1}^n=30. Quelle valeur obtient-on pour Ujn+1U_j^{n+1} ?

88
1818
1616
2020

$$20$$

Explication

FTCS donne 0,2×10+(1−2×0,2)×20+0,2×30=2+12+6=200{,}2\times10+(1-2\times0{,}2)\times20+0{,}2\times30=2+12+6=20. La valeur 88 omet le terme central, 1616 utilise à tort 1−r1-r comme coefficient central et 1818 ne pondère pas correctement les contributions des voisins.

12. Dans un calcul de diffusion FTCS, le coefficient est r=0,55r=0{,}55. Les coefficients de la mise à jour sont-ils tous non négatifs ?

Non, car le coefficient des voisins rr est négatif.
Oui, car rr est inférieur à un.
Oui, car rr est supérieur à zéro.
Non, car 1−2r1-2r est négatif.

Non, car $$1-2r$$ est négatif.

Explication

La non-négativité de tous les coefficients exige 0≤r≤120\leq r\leq\frac12; pour r=0,55r=0{,}55, le coefficient central 1−2r=−0,11-2r=-0{,}1 est négatif. La borne pertinente n’est pas un, et ici le coefficient des voisins est positif.

13. Lorsqu’on réduit les pas de temps et d’espace, que caractérise la consistance d’un schéma aux différences finies ?

La conservation des valeurs initiales à chaque pas
Le maintien des perturbations numériques dans une borne
La tendance de l’opérateur discret vers celui de l’EDP
La tendance de la solution numérique vers la solution exacte

La tendance de l’opérateur discret vers celui de l’EDP

Explication

La consistance décrit l’approximation locale de l’EDP par l’opérateur discret lorsque le maillage est raffiné. Le contrôle des perturbations relève de la stabilité, et la tendance vers la solution exacte définit la convergence.

14. Après de nombreux pas de temps, une petite perturbation introduite dans les données reste bornée par une estimation indépendante du raffinement du maillage. Quelle propriété du schéma cette observation illustre-t-elle ?

La consistance du schéma
La convergence du schéma
La conservation du schéma
La stabilité du schéma

La stabilité du schéma

Explication

La stabilité signifie que les perturbations numériques restent bornées lors des applications répétées du schéma, avec une borne qui ne dépend pas du raffinement du maillage. L’approximation locale est la consistance, tandis que la convergence porte sur l’accord avec la solution exacte.

15. Quand le maillage est raffiné, quelle propriété est vérifiée si les valeurs numériques aux points de grille tendent vers la solution exacte correspondante ?

La stabilité des perturbations numériques
La conservation de la norme discrète
La convergence de la solution numérique
La consistance de l’opérateur discret

La convergence de la solution numérique

Explication

La convergence signifie que la solution numérique tend vers la solution exacte aux points de grille lorsque les pas de temps et d’espace tendent vers zéro. L’approximation locale définit la consistance, et le contrôle des perturbations définit la stabilité.

16. On étudie un problème linéaire bien posé à valeur initiale à l’aide d’un schéma linéaire consistant. Si l’analyse établit sa stabilité, quelle conclusion découle du théorème de Lax–Richtmyer ?

Le schéma conserve toutes les valeurs de grille
Le problème est stable sans dépendre du schéma
Le schéma est d’ordre deux en temps
Le schéma converge vers la solution exacte

Le schéma converge vers la solution exacte

Explication

Pour un problème linéaire bien posé et un schéma linéaire consistant, le théorème de Lax–Richtmyer relie stabilité et convergence ; la stabilité implique donc ici la convergence. L’ordre deux, la conservation des valeurs et la stabilité du problème indépendamment du schéma ne découlent pas de ce résultat.

17. Pour une équation d’advection de vitesse c=2c=2, on choisit Δx=0,5\Delta x=0{,}5 et Δt=0,2\Delta t=0{,}2. La distance parcourue en un pas respecte-t-elle la condition CFL explicite ?

Oui, car le rapport CFL vaut 1,251{,}25 et dépasse le seuil
Oui, car le rapport CFL vaut 0,80{,}8 et reste sous le seuil
Non, car le rapport CFL vaut 1,251{,}25 et reste sous le seuil
Non, car le rapport CFL vaut 0,80{,}8 et dépasse le seuil

Oui, car le rapport CFL vaut $$0{,}8$$ et reste sous le seuil

Explication

Le rapport CFL vaut ∣c∣ΔtΔx=2×0,20,5=0,8\frac{|c|\Delta t}{\Delta x}=\frac{2\times0{,}2}{0{,}5}=0{,}8, donc il est inférieur ou égal à 11 et la condition est respectée. Omettre la vitesse donne un rapport erroné, tandis que l’inversion des pas produit 1,251{,}25.

18. Dans un pas FTCS de diffusion, r=0,4r=0{,}4 et les valeurs voisines sont 22, 55 et 88. Quelle conclusion le principe du maximum discret permet-il de tirer pour la nouvelle valeur centrale ?

Elle reste entre 22 et 55
Elle reste entre 55 et 88
Elle peut dépasser 88 malgré les coefficients admissibles
Elle reste entre 22 et 88

Elle reste entre $$2$$ et $$8$$

Explication

Comme 0≤r=0,4≤120\leq r=0{,}4\leq\frac12, les coefficients r,1−2r,rr,1-2r,r sont non négatifs et leur somme vaut un ; la nouvelle valeur est donc comprise entre le minimum et le maximum des anciennes valeurs, ici 22 et 88. Le principe borne par les deux extrêmes, et non par la seule valeur centrale ou par un seuil CFL d’advection.

19. Lorsqu’on vérifie la stabilité d’un schéma sur une grille, quelle condition le facteur d’amplification doit-il satisfaire pour chaque mode résoluble ?

∣A(0)∣≤1|A(0)|\leq1 pour le mode constant
∣A(ωh)∣>1|A(\omega h)|>1 pour tout ωh∈[−π,π]\omega h\in[-\pi,\pi]
∣A(ωh)∣≤1|A(\omega h)|\leq1 pour tout ωh∈[−π,π]\omega h\in[-\pi,\pi]
Re⁡(A(ωh))≤1\operatorname{Re}(A(\omega h))\leq1 pour tout ωh∈[−π,π]\omega h\in[-\pi,\pi]

$$|A(\omega h)|\leq1$$ pour tout $$\omega h\in[-\pi,\pi]$$

Explication

La stabilité de Von Neumann exige que le module du facteur d’amplification ne dépasse pas un pour chacun des modes résolubles. La vérification du seul mode constant néglige les autres modes, un module supérieur à un indique une amplification, et la partie réelle seule ne suffit pas à contrôler le module.

20. Pour discrétiser l’advection, on utilise une différence spatiale centrée et Euler avant, avec un nombre de Courant non nul. Que conclut l’analyse de Von Neumann pour les modes génériques ?

Le facteur vérifie ∣A∣2=1−2λ(1−λ)[1−cos⁡(ωh)]|A|^2=1-2\lambda(1-\lambda)[1-\cos(\omega h)], donc le schéma est stable pour 0≤λ≤10\leq\lambda\leq1.
Le facteur vérifie ∣A∣2=1|A|^2=1, donc le schéma est neutre pour les modes génériques.
Le facteur vérifie ∣A∣2=1+λ2sin⁡2(ωh)>1|A|^2=1+\lambda^2\sin^2(\omega h)>1, donc le schéma est instable.
Le facteur vérifie Re⁡(A)=1\operatorname{Re}(A)=1, donc le schéma est stable pour tout nombre de Courant.

Le facteur vérifie $$|A|^2=1+\lambda^2\sin^2(\omega h)>1$$, donc le schéma est instable.

Explication

Pour cette combinaison centrée–Euler avant, A=1−iλsin⁡(ωh)A=1-i\lambda\sin(\omega h) et son module au carré dépasse un pour les modes génériques lorsque λ≠0\lambda\ne0, ce qui entraîne l’instabilité. La formule comportant 1−2λ(1−λ)1-2\lambda(1-\lambda) appartient au schéma amont, l’omission du terme positif donne à tort un module égal à un, et la partie réelle seule ne permet pas de conclure à la stabilité.

Révisez avec les flashcards

Mémorisez les réponses avec 69 flashcards sur Méthodes des différences finies.

Que signifie Δ>0\Delta>0 dans la classification du terme principal d’une EDP ?

L’EDP est elliptique.

Que signifie Δ=0\Delta=0 dans la classification du terme principal d’une EDP ?

L’EDP est parabolique.

Que signifie Δ<0\Delta<0 dans la classification du terme principal d’une EDP ?

L’EDP est hyperbolique.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Méthodes des différences finies.

Voir la fiche →

Cours similaires

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM