Equations aux dérivées partielles

Chap 1 : Introduction et principes de la méthode des différences

finies

Joseph Gergaud, Serge Gratton, Ehouarn Simon

10 septembre 2024
Outline
Motivations 3

Objectifs
Pouvoir comprendre, prédire, optimiser le comportement de systèmes complexes, tels que
ceux issus de la physique, la chimie, l’économie, etc..
• Prévoir le futur (météo, climat, évolution des marchés, ...) ;
• Systèmes difficilement accessibles à l’observation (astrophysique, océan, physique
quantique, ...) ;
• Réduire les coûts de prototypage (ingéniérie).

Modélisation
Les modélisations de ces problèmes font intervenir des équations différentielles ordinaires
(EDO), mais aussi des équations aux dérivées partielles (EDP), à savoir des équations
pluri-dimensionnelles.

Exemple 1.1.1.
du
• EDO : (t) = f (t, u(t)) ;
dt
∂u ∂u
• EDP : f (x , t, u(x , t), (x , t), (x , t), · · · ) = 0
∂t ∂x
La démarche classique 4

Etapes :
1- Modélisation :
. Mise en équations du problème ⇒ équations aux dérivées partielles ;

2- Analyse du modèle :
. Existence, unicité de la solution dans des espaces à définir ;

3- Discrétisation du problème :
. Passage de la dimension infinie à la dimension finie ; étude de la "perte" d’infor-
mation ;

4- Résolution du problème discret :

. Numérique, analyse du comportement de la solution numérique.

Remarque 1.1.1. Ce cours ne s’intéressera qu’aux étapes 3 et 4.

Exemple de la prévision météorologique 5

Prévoir l’évolution de l’atmosphère à des horizons et échelles multiples

. Variables pronostiques (vent, température, humidité, pression, hydrométéores, etc...).

Des modèles mathématiques.. 6

Equations de Navier-Stokes (fluide incompressible)

• Conservation de la masse
div (u) = 0
• Equations du mouvement

∂u 1
+ (u · ∇)u + ∇p − ν∆u = 0
∂t ρ
avec u le champs de vitesse, p la pression, ρ la densité du fluide, et ν la viscosité
cinématique.

Remarque 1.1.2.
• Le problème de l’existence et unicité de la solution de ce système d’équations reste
ouvert en 3 dimensions pour des temps long.
• Expressions analytiques d’éventuelles solutions inconnues.
Passage à la dimension finie 7

Exemples de grilles horizontales..

Passage à la dimension finie 8

Exemples de gilles verticales à Météo-France : et la topographie ?

Coordonnée hybride : suit le terrain près du sol, puis se relaxe vers des niveaux pression.
La prévision numérique du temps 9

Météorologie opérationnelle
• La prévision numérique du temps fournit des résultats bruts à post-traiter et à exper-
tiser.

. Grâce aux équations de la phy-

sique, le modèle propage les va-
riables de l’instant t à l’instant
t + ∆t.
. Quid de la qualité de la solution
numérique ?
Simulation GEOS-5 (NASA) 10

Température de surface (couleur)

et rayonnement IR au sommet de l’atmosphère (blanc)
Source : https://svs.gsfc.nasa.gov
Outline
Formulation générale 12

• Le domaine, variable x est un ouvert Ω de Rn , en pratique, n = 1, 2 ou 3. Nous

ferons l’hypothèse que la frontière de cet ouvert ∂Ω = Γ est lipschitzienne. Cela
signifie essentiellement que Γ est localement le graphe d’une fonction lipschitzienne
et que Ω est situé d’un même coté par rapport à cette frontière.

Figure 1 – Ω1 et Ω3 sont possible, mais non Ω2.

• Équation

∂u ∂u ∂u
f (t, x , u(x , t), (x , t), (x , t), . . . , (x , t),
∂t ∂x1 ∂xn
∂2u ∂2u ∂2u
2
(x , t), 2 (x , t), (x , t) . . .) = 0
∂t ∂x1 ∂x1 ∂x2
Outline
Exemple 1 : fil élastique 14

Exemple 1.3.1. Fil élastique On considère un fil élastique dans un plan en équilibre sous
l’effet de forces. On note u(x ) la déformation du fil en x .

u: [0, 1] −→ R
x 7−→ u(x )

d 2u
(
− (x ) + c(x )u(x ) = f (x ) x ∈]0, 1[
dx 2
u(0) = u(1) = 0

du

 (x ) = v (x )
 dx
dv
(x ) = c(x )u(x ) − f (x )
 dx


u(0) = u(1) = 0
Il s’agit ici d’un problème aux deux bouts (une équation différentielle ordinaire avec des
conditions aux instants initiaux et terminaux).
Exemple 2 : Pot de confiture 15

Exemple 1.3.2. On considère un pot de confiture cylindrique que l’on referme avec un
film plastique souple (cellophane) maintenu fixé par un élastique au bord du pot. Au fur
et à mesure que la confiture se refroidit, le film se déforme prenant une forme de plus en
plus concave. Une fois la température stabilisée, le film est dans une position d’équilibre.
Comment déterminer la forme de ce film ?.
Cette forme est définie par une fonction
u: Ω̄ ⊂ R2 −→ R
(x1 , x2 ) 7−→ u(x1 , x2 ),
où Ω = {x ∈ R2 , kx k2 < 1}. Il s’agit donc de trouver la fonction u telle que

−∆u(x ) + c(x )u(x ) = f (x ) ∀x ∈ Ω
u(x ) = 0, ∀x ∈ ∂Ω
où ∆u(x ) est l’opérateur de Laplace
∂2u ∂2u
∆u(x ) = 2
(x ) + (x ).
∂x1 ∂x22
Remarque 1.3.1.
• C’est aussi le modèle du tambour.
• Si c(x ) = f (x ) = 0, pour tout x ∈ Ω et si ∆ū(x ) = 0 alors ∆ū(x ) + Ax + b est
aussi solution de ∆u(x ) = 0, d’où les conditions aux bords.
Exemple 3 : Membrane vibrante 16

Exemple 1.3.3. On considère une membrane vibrante. La question est de déterminer à

chaque instant t la position de cette membrane.
L’inconnue est ici une fonction
u: Ω̄ × [0, T ] = [0, 1]2 × [0, T ] −→ R
(x , t) 7−→ u(x , t).

Et le problème s’écrit
 2
∂ u

 2
(x , t) − c 2 ∆u(x , t) = f (x , t) x ∈ Ω×]0, T [
 ∂t
u(x , t) = 0, ∀(x , t) ∈ ∂Ω×]0, T [
 u(x , 0) = u0 (x ), ∂u (x , 0) = u1 (x ), x ∈ Ω


∂t
où
∂2u ∂2u
∆u(x , t) = (x , t) + (x , t).
∂x12 ∂x22
Exemple 4 : Diffusion de la chaleur 17

Exemple 1.3.4. On cherche à déterminer la température d’un fil métallique chauffé à ses
extrémités et plongé à l’instant initial dans une pièce, elle-même à une température
donnée. Le fil est le segment [a, b] et on cherche la fonction

u: [a, b] × [0, T ] −→ R
(x , t) 7−→ u(x , t) = la tempétature du fil en x à l’instant t.

Il s’agit donc de trouver la fonction u telle que

 2
 ∂u (x , t) − ∂ u (x , t) = f (x , t) ∀(x , t) ∈]a, b[×]0, T [

∂t 2
∂x
 u(a, t) = ua (t), u(b, t) = ub (t) t ∈]0, T [
u(x , 0) = u0 (x ) x ∈]a, b[


où ∆u(x ) est l’opérateur de Laplace

∂2u ∂2u
∆u(x ) = 2
(x ) + (x ).
∂x1 ∂x22

• C’est aussi le modèle du tambour. f est la source extérieur de chaleur (0 si on amène

rien).
• ua et ub sont les températures aux extrémités du fil.
Quelques exemples récurrents de ce cours 18

Exemple 1.3.5. Equation de la chaleur 2D

Trouver u telles que :

 ∂u − ∆u = f dans Ω × R+∗

∂t
 u = 0 sur Γ × R+ ∗, "Conditions aux limites"
 u(x , 0) = u (x ) dans Ω. "Conditions initiales"
0

Exemple 1.3.6. Équation d’advection linéaire 1D

Trouver u telles que :

 ∂u + a ∂u = 0 dans Ω × R+∗

∂t ∂x
 u = 0 sur Γ × R+ ∗, "Conditions aux limites"
 u(x , 0) = u (x ) dans Ω. "Conditions initiales"
0
Ordre d’une EDP, conditions aux limites 19

Définition 1.3.1 – Ordre d’une EDP

On appelle ordre d’une EDP, l’ordre le plus élévé des dérivées présentes dans l’équa-
tion.

Exemple 1.3.7. Les EDP présentes dans les exemples ?? et ?? sont respectivements
d’ordre 2 et 1.

Définition 1.3.2 – Conditions aux limites "classiques"

• Dirichlet : la valeur de u(x ) est donnée ∀x ∈ Γ ;

∂u
• Neumann : la valeur de (x ) est donnée ∀x ∈ Γ, avec ν normale sortante à
∂ν
Γ en x ;
∂u
• Cauchy : les valeurs de u(x ) et (x ) sont données ∀x ∈ Γ ;
∂ν
∂u
• Robin : la valeur de α(x )u(x ) + β(x ) (x ) est donnée ∀x ∈ Γ, avec α et β
∂ν
des fonctions définies sur Γ ;
Classification des EDP d’ordre 2 20

Définition 1.3.3 – Classification des EDP d’ordre 2

Soit une EDP linéaire d’ordre 2 sur un domaine Ω ⊂ Rd et d’inconnue u : Ω → R.

Elle peut s’écrire :
d d d
X X ∂2u X ∂u
∀z ∈ Ω aj,i (z) (z) + fi (z) (z) + g(z)u(z) = h(z),
∂zj ∂zi ∂zi
i=1 j=1 i=1

avec par convention ∀z ∈ Ω aj,i (z) = ai,j (z) ∈ R, (fi (z))i=1:d ∈ Rd ,et
(g(z), h(z)) ∈ R2 . On note A(z) ∈ Md (R) la matrice définie par [A(z)]i,j = ai,j (z).
L’EDP est dite :
• Elliptique en z ∈ Ω si la matrice A(z) n’admet que des valeurs propres non
nulles toutes de même signe ;
• Hyperbolique en z ∈ Ω si la matrice A(z) admet d − 1 valeurs propres non
nulles de même signe, et une valeur propre non nulle de signe opposé.
• Parabolique en z ∈ Ω si la matrice A(z) admet d − 1 valeurs propres non
nulles de même signe, et une valeur propre nulle.

Remarque 1.3.2. Les composantes de z renvoient aussi bien aux dimensions spatiales
que temporelles.
Quelques domaines où apparaissent ces équations 21

• Elliptique : modèle stationnaire (thermique, électrostatique, membrane élastique,

écoulement potentiel).

−∆u = f dans Ω
+ conditions aux limites

• Hyperbolique : modèle instationnaire (propagation d’ondes, électromagnétisme,

élastodynamique).

∂2u
(
− ∆u = f dans Ω × R+ ∗
∂t 2
+ conditions aux limites + condition initiale

• Parabolique : modèle instationnaire (diffusion thermique, chimique, neutronique,

fluide visqueux incompressible).
(
∂u
− ∆u = f dans Ω × R+ ∗
∂t
+ conditions aux limites + condition initiale
Outline
Approximations des dérivées 23

On se place en 1D : u : R → R et on suppose "u suffisamment régulière".

Rappels
u(x + h) − u(x )
• u est dérivable en x ∈ R si ∃ lim := u 0 (x ) ;
h→0 h
h6=0

• Développement de Taylor-Lagrange
On suppose u C n+1 sur le segment [x , x + h]. Alors
n
X hi hn+1
∃ξh ∈]x , x + h[ t.q. u(x + h) = u(x ) + u (i) (x ) + u (n+1) (ξh )
i! (n + 1)!
i=1

Remarque 1.4.1. L’utilisation du développement de Taylor-Lagrange de la fonction u

à différents ordres n sera à la base de l’approximation des dérivées de u en un point
particulier.
Approximations des dérivées 24

Approximations de la dérivée d’ordre 1

Proposition 1.4.1 – Une approximation décentrée

On suppose u : R → R, C 2 sur le segment [x − h0 , x + h0 ], avec h0 > 0. Il vient

u(x + h) − u(x )
∃C ≥ 0 t.q. ∀h ∈]0, h0 ] | − u 0 (x )| ≤ Ch
h
L’approximation est dite consistante d’ordre 1.

 Soit h ∈]0, h0 ]. u étant C 2 sur [x , x + h], il vient par développement de Taylor -

2
Lagrange ∃ξh ∈]x , x + h[ t.q. u(x + h) = u(x ) + hu 0 (x ) + h2 u (2) (ξh ).
D’où
u(x + h) − u(x )
| − u 0 (x )| ≤ Ch
h
1
avec C = sup |u (2) (y )|. 
2 y ∈[x ,x +h0 ]

Remarque 1.4.2. La constante C est indépendante du pas h choisi.

Approximations des dérivées 25

Approximations de la dérivée d’ordre 1

Proposition 1.4.2 – Une approximation centrée

On suppose u : R → R, C 3 sur le segment [x − h0 , x + h0 ], avec h0 > 0. Il vient

u(x + h) − u(x − h)
∃C ≥ 0 t.q. ∀h ∈]0, h0 ] | − u 0 (x )| ≤ Ch2
2h
L’approximation est dite consistante d’ordre 2.

 cf TD. 
Remarque 1.4.3. La précision de l’approximation va dépendre de la régularité de la solu-
tion : plus la solution est régulière, plus on pourra espérer construire une approximation
d’ordre élevée.
Approximations des dérivées 26

Approximations de la dérivée d’ordre 2

Proposition 1.4.3 – Une approximation centrée

On suppose u : R → R, C 4 sur le segment [x − h0 , x + h0 ], avec h0 > 0. Il vient

u(x + h) − 2u(x ) + u(x − h)

∃C ≥ 0 t.q. ∀h ∈]0, h0 ] | − u (2) (x )| ≤ Ch2
h2
L’approximation est dite consistante d’ordre 2.

 cf TD. 

Définition 1.4.4 – Ordre de consistance d’une approximation

Une approximation de u (k) (x ), avec k ∈ N∗ , est dite consistante à l’ordre p, s’il

existe une constante positive et indépendante du pas h, notée C , telle que l’erreur
d’approximation est majorée par Chp :

|Approx(u, x , h) − u (k) (x )| ≤ Chp .

Application à la résolution d’EDP 27

Idées
Supposons un problème spatio-temporel 1D×1D. Soit le maillage régulier, de pas
d’espace h et de pas de temps ∆t :

avec ∀i ∈ N xi = ih, et ∀n ∈ N tn = n∆t.

On cherche une approximation uh de la solution u en les points du maillage :

[uh ]ni := uin ≈ u(xi , tn ).

Application à la résolution d’EDP 28

Idées
Ceci nous conduit à approcher les dérivées par différences finies.

Exemple 1.4.1. Dérivées partielles d’ordre 1

∂u u n+1 − uin
• (xi , tn ) ≈ i ,
∂t ∆t
n n−1
∂u u − ui
• (xi , tn ) ≈ i ,
∂t ∆t
n+1 n−1
∂u u − ui
• (xi , tn ) ≈ i ,
∂t 2∆t
• etc..
Exemple 1.4.2. Dérivées partielles d’ordre 2
∂2u u n − 2uin + ui−1
n
• 2
(xi , tn ) ≈ i+1 2
,
∂x h
• etc..

Remarque 1.4.4.
Il n’y a pas unicité du schéma d’approximation. Néanmoins, ceux-ci auront des propriétés
d’approximation différentes.
Application à la résolution d’EDP 29

Laplacien 1D
Trouver u ∈ C 4 ([0, 1]) telle que

−u (2) (x ) = f (x ), ∀x ∈]0, 1[
u(0) = α, u(1) = β
Soit une grille régulière (xi )i∈J0:N+1K de [0, 1], de pas d’espace h : ∀i ∈ J0 : N + 1K, xi = ih.
On cherche (ui )i∈J0:N+1K ∈ RN+2 approximant la solution u de l’EDP en les nœuds du
maillage :
∀i ∈ J0 : N + 1K, ui ≈ u(xi ).
Conditions aux limites : u(0) = α et u(1) = β donnent u0 = α et uN+1 = β.

Intérieur du domaine : on s’intéresse à uh := (ui )i∈J1:NK ∈ RN . Avec l’approximation

ui+1 − 2ui + ui−1
u (2) (xi ) ≈ ,
h2
il vient,
ui+1 − 2ui + ui−1
∀i ∈ J1 : NK, − = f (xi ).
h2
Application à la résolution d’EDP 30

Laplacien 1D
Ceci conduit à la résolution du système linéaire

Ah uh = bh
avec  2 −1 0 ... 0 
 f (x ) + α 
.. 1
 −1 . . . ..
.
..
. . f (x2 )
h2
   
1  .. .. .. ..
Ah = 2 
 et b =  .
. . . h
h  0 0   f (x . )
 
 
 .. .. .. ..  N−1
. . . . −1 f (xN ) + β
h2
0 ... 0 −1 2

Questions
1- Le système admet-il une solution ? Si oui, est-elle unique ?
2- Quelle est la précision de la méthode ? La discrétisation devient-elle exacte quand
h → 0 ? Les composantes de uh convergent-elles vers la solution évaluée en les nœuds
du maillage quand h → 0 ?
Convergence, erreur : quelles normes ? 31

Définition 1.4.5 – Norme matricielle subordonnée

Soit kk une norme sur RN . On pose

kk : MN (R) → R
kAx k
A 7→ sup
x 6=0 kx k

kk
ainsi définie est une norme sur MN (R), appelée norme matricielle subordonnée.

Proposition 1.4.6 – Quelques propriétés

Soit kk une norme sur RN . Sa norme matricielle subordonnée vérifie :

• ∀A ∈ MN (R), kAk = sup kAx k ;
kx k=1
N
• ∀(x , A) ∈ R × MN (R), kAx k ≤ kAkkx k ;
• ∀(A, B) ∈ MN (R)2 , kABk ≤ kAkkBk.
Convergence, erreur : quelles normes ? 32

Exemple 1.4.3.
Soit kk∞ la norme infinie sur RN définie par ∀x ∈ RN , kx k∞ = sup |xi |. Sa norme
i∈J1:NK
matricielle subordonnée est définie par
N
X
∀A ∈ MN (R), kAk∞ = sup |ai,j |
i∈J1:NK
j=1

Remarque 1.4.5.
Pour l’étude des EDP, nous privilégierons des normes discrètes du type
N
X 1
∀p > 0, ∀x ∈ RN , kx kp = (h |xi |p ) p .
i=1

Elles renvoient à des discrétisations de normes définies sur des espaces fonctionnels (Lp ).
Convergence, erreur : quelles normes ? 33

Définition 1.4.7 – Norme kkh

v
u N
N
u X
On pose ∀x ∈ R , kx kh = th xi2 . kkh , ainsi définie, est une norme sur RN .
i=1
De plus, sa norme matricielle subordonnée est définie par :
p
∀A ∈ MN (R), kAkh = ρ(AT A),

avec ρ le rayon spectral d’une matrice.

Proposition 1.4.8 – Propriété

Soit hN = 1, on a ∀x ∈ RN , kx kh ≤ kx k∞ .
Définie positivité de Ah 34

Rappelons le système linéaire obtenu :

Ah uh = bh
avec  2 −1 0 ... 0 
 f (x ) + α 
.. 1
 −1 . . . ..
.
..
. . f (x2 )
h2
   
1  .. .. .. ..
Ah = 2 
 et b =  .
. . . h
h  0 0   f (x . )
 
 
 .. .. .. ..  N−1
. . . . −1 f (xN ) + β
h2
0 ... 0 −1 2
Alors pour tout uh 6= 0,

h2 uhT Ah uh = 2u12 − u1 u2 − u2 u1 + 2u22 − u2 u3 − · · · − uN−1 uN + 2uN2

= u12 + (u1 − u2 )2 + · · · + (uN−1 − uN )2 + uN2
>0

En conclusion le système admet une unique solution.

Convergence 35

Soit u la solution de l’EDP (que l’on suppose exister et unique) alors pour tout i dans
{1, . . . , N}.
−u 00 (xi ) − f (xi ) = 0.
Définition 1.4.9 – Erreur de consistance

L’erreur de consistance du schéma numérique Ah uh = bh est

ξh (u) = Ah (πh (u)) − bh

T
où πh (u) = u(x1 ), . . . , u(xN ) .

Cette erreur est ici

u(xi−1 ) − 2ui (xi ) + u(xi+1 )
ξh (u)i = − − f (xi )
h2
u(xi−1 ) − 2ui (xi ) + u(xi+1 )
=− + u 00 (xi ) − u 00 (xi ) − f (xi )
h2
u(xi−1 ) − 2ui (xi ) + u(xi+1 )
= u 00 (xi ) −
h2
2
h
= − u (4) (ξi ) avec ξi ∈]xi−1 , xi+1 [.
12
Convergence 36

Par suite
kξu (u)k∞ = max |ξh (u)i |
i

h2 (4)
= max | u (ξi )|
i 12
 
1
≤ sup |u (4) (y )| h2
12 y ∈[0,1]
≤ Ch2
avec C ≥ 0 constante indépendante de h.On dit que le schéma numérique est consistant
d’ordre 2 pour la norme kk∞ .
Montrons maintenant la convergence. On a
Ah uh = bh
Ah (πh (u)) = bh + ξh (u)
Par suite
uh − πh (u) = A−1
h (ξh (u))
C 2
⇒ kuh − πh (u)k∞ ≤ kA−1
h k∞ kξh (u)k∞ ≤ h .
8
D’où la convergence. c.f. B. Lucquin, page 147, pour kA−1
h k∞ ≤ 1/8.
Cas de la dimension 2 37

Soit f donnée et continue sur Ω =]0, 1[×]0, 1[. On considère le problème


−∆u(x ) = f (x ) ∀x ∈ Ω =]0, 1[×]0, 1[
u(x ) = 0, ∀x ∈ ∂Ω.

• On définit une grille sur Ω :

- xi1 = i1 ∗ h1 , avec h1 = 1/(N1 + 1) ;
- xi2 = i2 ∗ h2 , avec h2 = 1/(N2 + 1).
• On note ui1 ,i2 une approximation de u(xi1 , xi2 ).
• On approxime les dérivées secondes en les nœuds du maillage par

∂2u ui +1,i − 2ui1 ,i2 + ui1 −1,i2

(xi , xi ) ≈ 1 2
∂x12 1 2 h12
∂2u ui ,i +1 − 2ui1 ,i2 + ui1 ,i2 −1
(xi , xi ) ≈ 1 2 .
∂x22 1 2 h22
Cas de la dimension 2 38

On a donc les N1 × N2 inconnues (ui1 ,i2 ), pour i1 ∈ {1, . . . , N1 } et i2 ∈ {1, . . . , N2 }

vérifient les N1 × N2 équations
ui1 −1,i2 − 2ui1 ,i2 + ui1 +1,i2 ui ,i −1 − 2ui1 ,i2 + ui1 ,i2 +1
− − 1 2 = f (xi1 ,1 , xi2 ,2 ), (1)
h12 h22
pour i1 = 1, . . . , N1 et i2 = 1, . . . , N2 ,
avec ui1 ,i2 = 0 si i1 ∈ {0, N1 + 1} ou i2 ∈ {0, N2 + 1} (conditions aux limites).

Ce schéma s’appelle usuellement le schéma à 5 points du laplacien :

i1 , i2 + 1
•

• • •
i1 − 1, i2 i1 , i2 i1 + 1, i2

•
i1 , i2 − 1

Figure 2 – Stencil pour le laplacien, schéma à 5 points.

Cas de la dimension 2 39

1 1
On pose b1 = h12
, b2 = h22
et a = 2(b1 + b2 ), le système ?? s’écrit alors Ch uh = bh

T
(h = max (h1 , h2 )) avec uh = u1,1 ... u1,N2 u2,1 ... u2,N2 ... uN1 ,N2 ,

A D 0 ... ... 0 a −b2 0 ... ... 0

   
D A D ... ... 0 −b2 a −b2 ... ... 0 
 .. .. ..   .. .. .. 
0
 . . . ... 0
 
 0 . . . ... 0


Ch = 
 .. .. .. .. .. ,
..  A= .. .. .. .. .. ,
..
. . . . . .

 . . . . . 
.
. ..   .. .. 
 .. . D A D
  . . −b2 a −b2

0 ... ... 0 D A 0 ... ... 0 −b2 a

−b1 ... ... 0

 
 
.. f (x1,1 )
 0 . 0 
 
..
D= et bh = 
 
 .. .. ..  . 
. . .

f (xN1 ,1 , xN2 ,2 )
0 ... ... −b1
On démontre alors, comme pour le cas 1D que la matrice Ch est symétrique, définie
positive et qu’il existe une constante C > 0 telle que kCh k∞ ≤ C . On en déduit alors que
le schéma est consistant d’ordre 2 et convergent.
Cas de la dimension 2 40

Que fait-on dans le cas où Ω est un ouvert borné du type de la figure ??

•
•
• • ••

Ω •

Figure 3 – Ouvert Ω et modification du stencil pour les points proche de la frontière.

Dans ce cas le maillage ne tombe pas sur Γ = ∂Ω en général. On a alors 2 stratégies :

• On applique la condition aux limite aux points proche de la frontière Γ ;
• On modifie le schéma à 5 points pour le laplacien afin que les points du maillage
tombe sur la frontière (voir la figure ??)
Bibliographie 41

Ce cours se base notamment sur les éléments suivants :

• B. Lucquin, Equations aux dérivées partielles et leurs approximations, Mathématiques
à l’Université, Eds. Ellipses.
• Images et animation fournies par B. Ménétrier.