Université Abdelmalek Essaâdi

Ecole Nationale des Sciences Appliquées d’Alhoceima

Génie Civil 3

Cours
de Modélisation Mathématique

Pr . EL MANSSOURI Oussama
[Link]@[Link]

Année académique : 2023/2024

Plan
1 Rappel sur l’Analyse Numérique Linéaire &
l’Introduction à la modélisation
2 Généralités sur les EDP

3 Classification des EDP: Hyperboliques, Paraboliques,

Elliptiques

4 Méthode des caractéristiques pour les EDP du 1er ordre

& Différences finies
5 Applications
1 2 3 4 5

- Analyse Numérique linéaire :

1) Méthodes directes
2) Méthodes itératives
- Introduction à la modélisation
 Généralité :
On note Mn(R) l’ensemble des matrices carrées d’ordre n. Soit A ∈ Mn(R) une matrice inversible,
et soient b et X deux vecteurs (deux matrices uni colonnes) de Rn, nous allons exposer quelques
méthodes numériques pour résoudre le système linéaire A · X = b.
Il existe deux classes de méthodes pour réaliser cela, les méthodes dites "directes" et les
méthodes dites "itératives". Chaque classe contenant une grande variété de méthodes, nous nous
contenterons de présenter les plus pertinentes. Le point fondamental de ces méthodes porte sur la
taille des systèmes à résoudre qui est intimement liée à la taille de la mémoire des ordinateurs.
Beaucoup de recherches en cours tentent de profiter au mieux des nouvelles architectures des
ordinateurs, notamment l’architecture parallèle des ordinateurs.

1
 Méthodes directes :
Cas où A est une matrice diagonale

2
 Méthodes directes :
Cas où A est une matrice diagonale

3
 Méthodes directes :
Cas où A est une matrice triangulaire inférieure

4
 Méthodes directes :
Cas où A est une matrice triangulaire inférieure

5
 Méthodes directes :
Cas où A est une matrice triangulaire supérieure

6
 Méthodes directes :
Cas où A est une matrice triangulaire supérieure

7
 Méthodes directes :
Cas où A est une matrice quelconque tel que A inversible

1) Méthode d’élimination de Gauss

2) Méthode jordan

Idée : Afin de résoudre le système AX = b, on forme la matrice C= [A, b] puis par une série de
transformations nous ramenons cette dernière sous la forme [In, X]. Il y a n étapes et chaque étape
est constituée d’une normalisation et d’une réduction

8
 Méthodes directes :
Cas où A est une matrice quelconque tel que A inversible
1) Méthode d’élimination de Gauss
2) Méthode jordan
Idée 1 : Afin de résoudre le système AX = b, on forme la matrice C= [A, b] puis par une série de
transformations nous ramenons cette dernière sous la forme [In, X]. Il y a n étapes et chaque étape
est constituée d’une normalisation et d’une réduction
Exemple : A.X = b

4 3 3 𝑋1 0
2 2 0 𝑋2 = 2
3 2 6 𝑋3 11
10
 Méthodes directes :
Cas où A est une matrice quelconque tel que A inversible

Idée 2 : L’algorithme peut être utilisé pour calculer l’inverse d’une matrice

Soit A une matrice inversible

A partir de C = [In, X] ➔ 𝐴−1 𝐶 [𝐴−1 A , 𝐴−1 b]

𝐴−1 C = [In, X]

Soit C = [A, In] ➔ 𝐴−1 C = [𝐴−1 A , 𝐴−1 In] = [I, 𝐴−1 ]

4 3 31 0 0
2 2 00 1 0
3 2 60 0 1
11
 Méthodes itératives :
Normes Vectorielles

Définition : On appelle norme vectorielle sur Rn toute application de 𝑅n dans 𝑅+ notée II • II telle
que ∀𝑋, 𝑌 𝜖 𝑅n , ∀ 𝛼 𝜖 R on ait :

Exemple :

12
 Méthodes itératives :
Normes Matricielles

Définition : On appelle norme matricielle sur Mn ( R) , une application notée II • II de Mn (R)

vers 𝑅+ telle que ∀𝐴, 𝑏 𝜖 Mn (R), ∀ 𝛼 𝜖 R on ait :

Exemple :

13
 Méthodes itératives :
Normes Matricielles

Définition :

On appelle rayon spectral d’une matrice M et on note ρ(M) la quantité :

λ𝑖 ∶ La valeur max des valeurs propres

14
 Méthodes itératives :
Normes Matricielles

Exemple 1 :

Soit la matrice A suivante :

Calculer : et

15
 Méthodes itératives :
Normes Matricielles

Exemple 2 :

Soit la matrice A suivante :

Calculer :

Exemple 3 :

vérifier que:

16
 Méthodes itératives :
Normes Matricielles

Exemple 4 :

Soit la matrice A suivante :

3 5 6
A = −1 2 2
1 −1 1

Calculer 𝐴−1

17
 Méthodes itératives :
Conditionnement
Définition :

Soit 𝑅n muni d’une norme vectorielle II • II et Mn ( R) muni de la norme matricielle induite II • II

; soit A 𝜖 Mn ( R) une matrice inversible ; le conditionnement de la matrice A est défini par :

Propriétés :

Soit 𝑅n muni d’une norme vectorielle II • II et Mn ( R) muni de la norme matricielle induite II • II

; soit A 𝜖 Mn ( R) une matrice inversible ; le conditionnement de la matrice A est vérifié les
propriétés suivantes : 18
 Méthodes itératives :
Conditionnement
Propriétés :

19
 Méthodes itératives :
Conditionnement
Propriétés du conditionnement relativement à la norme 2 :
Soit 𝑅n muni de la norme euclidienne II • II2 et Mn ( R) muni de la norme matricielle induite
II • II2 ; soit A 𝜖 Mn ( R) une matrice inversible ; notons Cond2(A) le conditionnement défini en
utilisant la norme 2.
1- Si la matrice A est symétrique et si on utilise la norme matricielle II • II2 on obtient

2- Si toutes les valeurs propres sont identiques, nous aurons

20
 Méthodes itératives :
Conditionnement
Le conditionnement permet d’estimer l’amplification de l’erreur dont est entachée b et ses
répercussions sur la solution X. En effet, soit le système A.X = b à résoudre, supposons b entaché
d’une erreur δb, notre système devient A(X + δX) = b + δb, essayons alors de donner une
majoration de l’erreur . On a :

On en déduit :

21
 Méthodes itératives :
Conditionnement
Conclusion : La matrice unité admet le conditionnement le plus petit (Cond (In) = 1). Lorsque le
conditionnement d’une matrice est proche de 1 on dit que cette matrice est bien conditionnée, et
lorsqu’il est grand devant 1, on dit que la matrice est mal conditionnée.

22
 Méthodes itératives :
Démarche générale des méthodes itératives :

Soit à résoudre un système linéaire AX = b d’ordre n et soit 𝑋 ∗ sa solution exacte. Les méthodes
itératives sont basées sur la construction d’une suite (𝑋 (𝑘) ) qui doit converger vers la solution
exacte 𝑋 ∗ . Une première classe de méthodes consiste à décomposer la matrice A en différence de
deux matrices P et N (à définir) telles que :

A=P–N
où P, appelée matrice de pré conditionnement, est supposée être inversible et facilement
inversible.

23
 Méthodes itératives :
Démarche générale des méthodes itératives :
Remplaçons A par P – N dans le système :

24
 Méthodes itératives :
Démarche générale des méthodes itératives :
Regardons sous quelles conditions la suite 𝑋 (𝑘) converge-t-elle vers 𝑋 ∗ lorsque k tend vers
l’infini ? D’une part on a :

et d’autre part on a :

Il vient :
on a donc :

25
 Méthodes itératives :
Démarche générale des méthodes itératives :
En passant aux normes, on obtient :

26
 Méthodes itératives :
Méthode de Jacobi :
La décomposition de la matrice A est réalisée de la manière suivante :

A=D–(L+U)=P–N
où D est une matrice diagonale, L une matrice triangulaire inférieure et U une matrice triangulaire
supérieure. En choisissant P = D et N = L + U on aura la suite définissant la méthode de Jacobi :

27
 Méthodes itératives :
Méthode de Jacobi :
Exemple de décomposition de la matrice A :

30
 Méthodes itératives :
Méthode de Jacobi :
Exemple de décomposition de la matrice A :

30
 Méthodes itératives :
Méthode de Jacobi :
La matrice est appelée matrice de Jacobi.

28
 Méthodes itératives :
Méthode de Jacobi :
Remarquons que la diagonale de la matrice est nulle, alors sous forme d’indices, la
suite ci-dessus s’écrit :

29
 Méthodes itératives :
Méthode de Jacobi :
Conditions de convergence de la méthode de Jacobi :

31
 Méthodes itératives :
Méthode de Jacobi :
Conditions de convergence de la méthode de Jacobi :

32
 Méthodes itératives :
Méthode de Jacobi :
Exercice :
Déterminer pour A et B;
1) Les valeurs propres, les rayons spectraux?
2) Déterminer les matrices de Jacobi. La méthode de Jacobi CV ou diverge-t-elle?
2 −1
A= −1 2

1/2 1 2
B= 0 1/3 3
0 0 1/4

33
 Méthodes itératives :
Méthode de Gauss-Seidel :

34
 Méthodes itératives :
Méthode de Gauss-Seidel :

35
 Méthodes itératives :
Méthode de Gauss-Seidel :

36
 Méthodes itératives :
Méthode de Gauss-Seidel :
Conditions de convergence de la méthode de Gauss-Seidel :

37
 Méthodes itératives :
Méthode de Gauss-Seidel :
Conditions de convergence de la méthode de Gauss-Seidel :

38
 Méthodes itératives :
Méthode de Jacobi :
Exercice :
1) Déterminer les matrices de Gauss-Seidel. La méthode de Gauss-seidel CV ou diverge-t-elle?
2 −1
A= −1 2

1/2 1 2
B= 0 1/3 3
0 0 1/4

39
 Méthodes itératives :
Méthode de Relaxation SOR (Successive Over Relaxation) :

40
 Méthodes itératives :
Méthode de Relaxation SOR (Successive Over Relaxation) :

41
 Méthodes itératives :
Méthode de Relaxation SOR (Successive Over Relaxation) :

42
 Méthodes itératives :
Méthode de Relaxation SOR (Successive Over Relaxation) :
Conditions de convergence de la méthode de Relaxation :

43
 Méthodes itératives :
Méthode de Relaxation SOR (Successive Over Relaxation) :
Conditions de convergence de la méthode de Relaxation :

44
 Méthodes itératives :
Critères d’arrêt :

45
1 2 3 4 5

- Introduction à la modélisation
- Généralités sur les EDP
 Introduction à la modélisation :
Modélisation : remplacer un système complexe en un objet simple qui reproduit les
comportements principaux du système à étudier
• Modèle réduit
• Expérience au laboratoire
• Modèle numérique
Modélisation numérique : remplacer le problème physique, chimique, biologique, économique ou
industriel par des équations mathématiques ( EDP )
En mécanique des fluides ➔ Equation de Navier stokes
En Génie Civil ➔ Equation d’équilibre, équation de propagation, équations de l’hydraulique
En thermique ➔ Equation de la chaleur
En électromagnétisme ➔ Equation de Maxwell
46
 Introduction à la modélisation :
Etapes de la modélisation numérique :
1) Établissement d'un modèle mathématique qui décrit le problème physique ou industriel que l'on
veut résoudre.
2) Discrétisation des équations ce qui permet d'avoir un modèle mathématique posé en un nombre
fini de nœuds du maillage du domaine du calcul.
3) Méthodes numériques pour la résolution du problème discret.
4) Mise en œuvre informatique.
5) Analyse, interprétation des résultats et évaluation de la précision du modèle et des méthodes
utilisées.

47
 Introduction à la modélisation :
Difficultés de la modélisation numérique :
❑ EDP généralement non linéaires
❑ Elles sont posées en 2D ou 3D
❑ Condition aux limites parfois compliquées

➔ Solution analytique souvent difficiles à calculer, voire impossible

➔ Recours aux méthodes numérique pour approcher les solutions de ces EDP

48
 Les trois grandes classes de méthodes numériques pour les EDP :
1 Méthode des différences finies : basée sur les développements de Taylor des dérivées intervenants
dans l'EDP.

s'utilise surtout sur des domaines réguliers (rectangles en 2D et hexaèdres en 3D).

2 Méthode des volumes finis : basée sur la forme intégrale des équations conservatives.

utilisée pour des EDP représentant la conservation de certaines quantités physiques (Exemple :
Équations de Navier-Stokes).

peut être appliquée sur des géométries complexes.

3 Méthode des éléments finis : fondée sur une formulation variationnelle de l'équation, obtenue en
multipliant l'équation par une fonction test et par une intégration sur le domaine du calcul. largement
utilisée pour la mécanique des fluides et surtout en mécanique des structures. peut-être aussi appliquée
sur des géométries complexes
49
 Les trois grandes classes de méthodes numériques pour les EDP :
Méthodes
Avantages Inconvénients
numériques
- Grande simplicité d’écriture. - Nécessite d’un maillage régulier.

Différence finies - Faible coût de calcul - Mauvaise adaptation aux dispositifs

de géométrie complexe.
- Validité pour les géométries complexes - Application très large

Volume finies - Bonne adaptation à des problèmes conservatifs - Mauvaise convergence des résultats
théoriques
- Large utilisation. - Grand coût en temps de calcul.
- Valide pour les problèmes stationnaires ou non
stationnaire, linéaire ou non linéaire, définis dans un - Formulation complexe.
domaine géométrique quelconque à une, deux ou trois
dimensions.
Eléments finies -Bonne convergence des résultats théoriques.

50
 Les trois grandes classes de méthodes numériques pour les EDP :

Une simulation numérique efficace consiste en :

1) un bon modèle mathématique décrivant le problème physique à résoudre.

2) une méthode numérique précise et efficace, c'est à dire, capable de résoudre aussi les structures
raides du problème.

➔ L’efficacité et la précision des méthodes numériques sont directement liées au maillage utilisé

51
 Généralités sur les EDP :

Définition : Soit u = u(x1; x2; : : : ; xn) une fonction de plusieurs variables indépendantes. Une équation
aux dérivées partielles (ou en abrégé EDP) pour la fonction u est une relation liant la fonction u, les
variables x1, x2, : : : , xn et les dérivées partielles de u par rapport à ces variables. Elle s'écrit en général
sous la forme :

52
 Généralités sur les EDP :

Exemple : Equation de diffusion (1D)

53
 Généralités sur les EDP :
Ordre d'une EDP :

On appelle ordre d'une EDP l'ordre le plus élevé des dérivées que contient l'EDP.

EDP linéaire - EDP non linéaire :

Une EDP est dite linéaire quand elle l'est par rapport à u et par rapport à toutes ses dérivées partielles.

En fait, les EDP linéaires ne contiennent aucun produit de u avec elle-même ou avec ses dérivées partielles
alors que les EDP non linéaires peuvent en avoir.

Par exemple, une EDP linéaire du 1er ordre pour la fonction u(x; y) a la forme générale :

où A, B, C et D peuvent être des fonctions de x et y.

54
 Généralités sur les EDP :
EDP linéaire - EDP non linéaire :
La forme générale d'une EDP linéaire du 2ème ordre pour u(x; y) est :

où A, B, C, D, E, F et G peuvent dépendre de x et y

EDP homogène - EDP non homogène :

Une EDP est dite homogène lorsqu'elle ne contient que des termes faisant intervenir la fonction u et ses
dérivées partielles.
Par exemple, l'EDP linéaire du 1er ordre (1.2) serait homogène si D = 0. Celle du 2ème ordre (1.3) est
homogène si G = 0.
55
 Généralités sur les EDP :
Exemples :

56
 Généralités sur les EDP :
Exemples :

57
 Classification des EDP linéaires du 2ème ordre
On considère une EDP linéaire du 2ème ordre sous forme générale en (2D) :

:où A, B, C, D, E, F et G peuvent dépendre des variables x et y.

La partie (P) s'appelle partie principale de l'EDP (1.4). En fait, c'est elle qui donne la nature de l'EDP.
On note par ∆ = 𝐵2 - 4AC le discriminant associé à l'EDP

Classification :

On dira que l’EDP est :

58
 Classification des EDP linéaires du 2ème ordre
Remarque 1 :

Les termes hyperbolique, parabolique, elliptique proviennent du fait que si l'on suppose que A, B, C, D, E
et F constants et que l'on cherche une solution φ(x; y) de l'équation homogène associée à (G = 0) de la
forme :

On obtient l'équation algébrique pour 𝑟1 , 𝑟2 dite équation caractéristique, suivante :

59
 Classification des EDP linéaires du 2ème ordre
Remarque 2 :

Si les coefficients A, B et C dépendent des variables (x, y) alors la définition du type de l'EDP devient
locale, c'est-à-dire que l'EDP sera

60
 Classification des EDP linéaires du 2ème ordre

Exemple : Equation des ondes (1D)

61
 Classification des EDP linéaires du 2ème ordre

Exemple : Equation des ondes (1D)

62
 Classification des EDP linéaires du 2ème ordre

Exemple : Equation de diffusion (1D)

63
 Classification des EDP linéaires du 2ème ordre

Exemple : Equation de diffusion (1D)

64
 Classification des EDP linéaires du 2ème ordre

Exemple : Equation de Laplace

65
 Classification des EDP linéaires du 2ème ordre

Exemple : Equation de Laplace

66
 Classification des EDP linéaires du 2ème ordre

Exemple : Equation de Tricomi

67
 Classification des EDP linéaires du 2ème ordre

Exemple : Equation de Tricomi

68
 Condition aux limites

Pour pouvoir résoudre une EDP, il faut lui imposer des conditions aux limites sur la frontière Γ du domaine
Ω. Plusieurs choix sont possibles :

Problème de Dirichlet :

Les conditions aux limites sont dites de type Dirichlet lorsque u(x, y) est imposée sur toute la frontière Γ.

Par exemple on cherche u tel que :

∆u(x, y) = 0 , (x, y) ∈ Ω
u(x, y) = f , (x, y) ∈ Γ

69
 Condition aux limites

Pour pouvoir résoudre une EDP, il faut lui imposer des conditions aux limites sur la frontière Γ du domaine
Ω. Plusieurs choix sont possibles :

Problème de Dirichlet-Neumann :

Les conditions aux limites sont dites de type Dirichlet - Neumann lorsque u(x, y) est imposée sur une partie

Γ1 de la frontière et ses dérivées sur l’autre partie Γ2 telle que Γ1 ∪ Γ2 = Γ. Par exemple on cherche u tel

que : ∆u(x, y) = 0 , (x, y) ∈ Ω

u(x, y) = f , (x, y) ∈ Γ1
∂u
= g , (x, y) ∈ Γ2
∂
∂u ∂u ∂u
𝑛 est la normale à la frontière, = 𝑔𝑟𝑎𝑑 𝑢 . 𝑛 = nx + ny où nx et ny sont
∂ ∂𝒙 ∂𝒚

les composantes du vecteurs 𝑛 dans le repère (x, y). 70

 Condition aux limites

Pour pouvoir résoudre une EDP, il faut lui imposer des conditions aux limites sur la frontière Γ du domaine
Ω. Plusieurs choix sont possibles :

Problème de Neumann :

Les conditions aux limites sont dites de type Neumann lorsqu’on impose les dérivées de u sur toute la

frontière Γ. Par exemple on cherche u tel que :

∆u(x, y) = 0 , (x, y) ∈ Ω
∂u
= g , (x, y) ∈ Γ
∂

71
 Condition aux limites

Pour pouvoir résoudre une EDP, il faut lui imposer des conditions aux limites sur la frontière Γ du domaine
Ω. Plusieurs choix sont possibles :

Problème de Cauchy :

Les conditions aux limites sont dites de type Cauchy lorsque u(x, y) et ses dérivées sont imposées sur une

même partie Γ1 de la frontière, sur le reste de la frontière la fonction u est libre. Par exemple on cherche u

tel que :
: ∆u(x, y) = 0 , (x, y) ∈ Ω
∂u
= g , (x, y) ∈ Γ1
∂

72
1 2 3
ntroduction
4 5

Méthode des caractéristiques pour les EDP du 1er ordre

Méthode des caractéristiques pour les EDP du 1er ordre

74
 Méthode des caractéristiques pour les EDP du 1er ordre
Exemple : Equation de convection

75
 Méthode des caractéristiques pour les EDP du 1er ordre
Exemple : Equation de convection

76
 Méthode des caractéristiques pour les EDP du 1er ordre
Exemple : Equation de convection

77
 Méthode des caractéristiques pour les EDP du 1er ordre
Exemple : Equation de convection l
Solution

78
 Méthode des caractéristiques pour les EDP du 1er ordre
Cas général :

79
 Méthode des caractéristiques pour les EDP du 1er ordre
Cas général :

80
 Méthode des caractéristiques pour les EDP du 1er ordre
Remarque :

81
 Méthode des caractéristiques pour les EDP du 1er ordre
Exercice :

Utiliser la méthode des caractéristiques pour résoudre les EDP suivantes :

82
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 1 :

Cherchons une courbe caractéristique Γ = Γ (x(s); y(s)) le long de laquelle l’EDP se réduit à une équation
différentielle:

83
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 1 :

84
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 1 :
Plus simple pour la résolution :

85
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 2 :

86
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 2 :

87
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 2 :

88
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 2 :

Plus simple pour la résolution :

89
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 3 :

90
 Méthode des caractéristiques pour les EDP du 1er ordre
Solution 3 :

91