Unité Pédagogique de Mathématiques Appliquées

Cours

d’

EQUATIONS MATHÉMATIQUES DE LA PHYSIQUE

Elaboré par

Taieb HADHRI

Hédia CHAKER

Karim GRIBAA

2008-2009
Ces notes de cours polycopiées d’équations mathématiques de la physique correspondent aux
nouveaux programmes de la première année à l’E.N.I.T. et représentent un outil pédagogique
essentiel qui accompagne la réforme de la formation des ingénieurs à l’E.N.I.T.

Les auteurs

Septembre 2008
TABLE DES MATIÈRES 3

Table des matières

1 THEORIE ELEMENTAIRE DES DISTRIBUTIONS 5

1.1 Théorie élémentaire des distributions . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.3 Propriétés générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Application aux équations aux dérivées partielles . . . . . . . . . . . . . . . . . . 10
1.2.1 L’espace H 1 (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.2 L’espace H01 (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.3 Applications aux équations aux dérivées partielles . . . . . . . . . . . . . 14

2 CONVOLUTION DES DISTRIBUTIONS ET S.E.D’E.D.P 19

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Distribution à support borné . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 Produit tensoriel de distributions . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.2 Produit de convolution de distributions . . . . . . . . . . . . . . . . . . . 23
2.4 Transformée de Fourier d’une distribution . . . . . . . . . . . . . . . . . . . . . . 27
2.5 Solution élémentaire d’une EDP . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3 PROBLÈMES PHYSIQUES CONDUISANT À DES EDP 33

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Équation de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3 Équation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4 Équation des cordes vibrantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.5 Equation de transport . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.1 Introduction à l’équation de transport . . . . . . . . . . . . . . . . . . . . 38
3.5.2 Lien avec l’équation des ondes . . . . . . . . . . . . . . . . . . . . . . . . 38
3.6 Classification des EDP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.6.1 Quelques généralités sur les EDP . . . . . . . . . . . . . . . . . . . . . . . 39
3.6.2 EDP du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.6.3 EDP du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

4 SCHÉMAS NUMÉRIQUES POUR LES EDP 47

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2 Approximation des dérivées partielles par des différences finies . . . . . . . . . . 48
4.2.1 Maillage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2.2 Discrétisation d’une dérivée première . . . . . . . . . . . . . . . . . . . . . 49
4.2.3 Discrétisation d’une dérivée seconde . . . . . . . . . . . . . . . . . . . . . 50
TABLE DES MATIÈRES 4

4.3 Exemples de discrétisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

4.3.1 Premier exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.3.2 Deuxième exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4 Quelques définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.4.1 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.4.2 Consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.4.3 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

5 EQUATION DE LA CHALEUR 62
5.1 Equation de la chaleur avec donnée initiale et conditions aux limites . . . . . . . 62
5.2 Construction d’une solution du problème . . . . . . . . . . . . . . . . . . . . . . . 63
5.3 Problème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.3.1 Utilisation de la transformée de Fourier . . . . . . . . . . . . . . . . . . . 67
5.4 Méthode de semi-discrétisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.4.1 Discrétisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.5 Discrétisation totale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.5.1 Discrétisation de l’équation de la chaleur . . . . . . . . . . . . . . . . . . 71
5.5.2 Analyse de la stabilité par la méthode de Fourier . . . . . . . . . . . . . . 74

6 EQUATIONS DES CORDES VIBRANTES 79

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.1.1 Solution générale de classe C 2 de l’équation des cordes vibrantes . . . . . 80
6.1.2 Solution élémentaire de l’équation des cordes vibrantes . . . . . . . . . . . 82
6.2 Problème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.3 Problème aux limites d’évolution . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.3.1 Développement en séries de Fourier . . . . . . . . . . . . . . . . . . . . . . 87
6.3.2 Etude de la validité du développement en séries de Fourier . . . . . . . . 90
6.3.3 Conservation de l’énergie . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.4 Problème discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.4.1 Discrétisation de l’équation des CV . . . . . . . . . . . . . . . . . . . . . . 92
6.4.2 Condition nécessaire de convergence : condition de CFL . . . . . . . . . . 93
6.4.3 Une famille à un paramètre de schémas pour l’équation des CV . . . . . . 95

7 EXAMENS 100
 5

Chapitre 1

THEORIE ELEMENTAIRE DES

DISTRIBUTIONS

1.1 Théorie élémentaire des distributions

1.1.1 Notations
On utilisera, dans ce chapitre, les notations suivantes : Ω ouvert de Rn , n ∈ N∗ ∗

x = (x1 , x2 , . . . , xn ) élément de Ω
c
Γ = ∂Ω = Ω ∩ Ω = frontière de Ω
C∞ (Ω) = {f : Ω → R, f de classe C∞ }
α = (α1 , α2 , . . . , αn ) ∈ Nn , multi-indice
n
X
|α| = αi
i=1

∂ ∂ ∂ ∂ |α|
∂αϕ = α1 α2 . . . αn ϕ = ϕ, où ϕ ∈ C∞ (Ω)
∂x1 ∂x2 ∂xn ∂x1 ∂xα2 2 . . . ∂xαnn
α1

Suppf = {x ∈ Ω, f (x) 6= 0}, appelé support de f, où f : Ω → R.

1.1.2 Définitions et exemples

Définition 1.1.1
On désigne par D(Ω) l’ensemble :

D(Ω) = {ϕ ∈ C∞ (Ω), Supp(ϕ)est un compact deRn inclus dans Ω}

Commentaire et exemples

Les conditions imposées aux éléments de D(Ω) peuvent sembler trop contraignantes. Il est donc
légitime de se demander si D(Ω) n’est pas réduit à l’élément nul. L’exemple suivant montre que
Théorie élémentaire des distributions 6

D(Ω) contient au moins un élément non nul.

Soit Ω =] − 2, 2 [ et ϕ la fonction définie par :

 0 si |x| ≥ 1
ϕ(x) = 1
 exp(− ) si |x| < 1.
1 − x2
Alors un calcul élémentaire prouve que ϕ ∈ D(Ω).

Définition 1.1.2
On dit qu’une suite (ϕm )m∈N∗ d’éléments de D(Ω) converge vers ϕ ∈ D(Ω) si :
i) ∃K compact de Rn inclus dans Ω tel que

∀m ∈ N, Supp(ϕm ) ⊂ K et Supp(ϕ) ⊂ K;

ii) ∀α ∈ Nn , ∂ α ϕmµ → ∂ α ϕ uniformément sur

¶K
α α
c’est à dire lim sup |∂ ϕm (x) − ∂ ϕ(x)| = 0.
m→+∞ x∈K

Définition 1.1.3
On appelle distribution sur Ω, toute forme linéaire continue T sur D(Ω). L’ensemble des distri-
butions sur Ω est désigné par D0 (Ω). La continuité de la distribution T s’exprime par :

Si ϕm → ϕ dans D(Ω) (au sens de la définition 4.2) alors T ϕm → T ϕ.

On désigne, en général, T ϕ par hT, ϕi.

Définition 1.1.4
On dit qu’une suite (Tm )m∈N∗ d’éléments de D0 (Ω) converge vers T dans D0 (Ω) si :

∀ϕ ∈ D(Ω), hTm , ϕi → hT, ϕi.

Exemples
1) Soit Ω un ouvert de Rn et a un élément de Rn . On pose, pour ϕ ∈ D(Ω),

δa (ϕ) = ϕ(a).

On écrit aussi hδa , ϕi = ϕ(a).

On montre aisément que δa est une distribution appelée distribution de Dirac en a (ou masse
de Dirac en a).
2) Soit ½ Z ¾
2 2
L (Ω) = f : Ω → R : f (x) dx < +∞
Ω
R
On définit, pour f ∈ L2 (Ω), Tf par : Tf (ϕ) = Ω f (x)ϕ(x) dx, alors Tf est une distribution sur
Ω.
En effet Tf est une forme linéaire. La continuité de Tf découle de l’inégalité de Hölder :
Z µZ ¶1/2 µZ ¶1/2
|Tf (ϕ)| = | f (x)ϕ(x) dx| ≤ f 2 (x) dx ϕ2 (x) dx .
Ω Ω Ω
Théorie élémentaire des distributions 7

Cette inégalité permet de montrer que si ϕm → ϕ dans D(Ω) alors Tf (ϕm ) → Tf (ϕ), ce qui
prouve que Tf est continue.
Par ailleurs, l’application
L2 (Ω) → D0 (Ω)
f 7→ Tf
R
est injective, puisque si Tf = 0 alors Ω f (x)ϕ(x) dx = 0, ∀ϕ ∈ D(Ω).
Mais l’on sait que D(Ω) est dense dans L2 (Ω), on a alors :
Z
∀g ∈ L2 (Ω) f (x)g(x) dx = 0
Ω
R
et, en particulier pour g = f , Ω f (x)f (x) dx = 0, ce qui montre que f = 0.
Cette application permet donc d’identifier L2 (Ω) à un sous-espace de D0 (Ω). (On note L2 (Ω) ⊂
D0 (Ω)).
On montre, en outre, que cette injection est continue.

1.1.3 Propriétés générales

Définition 1.1.5 (Dérivation au sens des distributions)
∂T
Soit T ∈ D0 (Ω). On définit la dérivée partielle ∂x i
par rapport à xi de T par :

∂T ∂ϕ
∀ ϕ ∈ D(Ω), h , ϕi = −hT, i.
∂xi ∂xi
∂T
est aussi une distribution.
∂xi

Commentaire :
L’on peut se demander pour quelle raison on a choisi de définir la dérivée d’une distribution
de cette manière. Le premier exemple qui sera donné dans la suite fournit une réponse à cette
question.
Exemples
1) Soit fe ∈ C(R). On définit alors une distribution Tfe par :
Z
∀ϕ ∈ D(R), hTfe, ϕi = fe(x)ϕ(x) dx.
Ω

L’intégrale a un sens puisque, fe et ϕ étant continues, on a :

Z Z
e
|f (x)ϕ(x)| dx = |fe(x)ϕ(x)| dx < +∞.
Ω Suppϕ
Il est aussi facile de montrer que Tfe est linéaire et continue.
Soit maintenant f ∈ C1 (R). On a, en supposant que Supp ϕ ⊂ [a, b], intervalle fermé et borné
de R :
Z Z b Z b
hTf 0 , ϕi = f 0 (x)ϕ(x) dx = f 0 (x)ϕ(x) dx = [f (x)ϕ(x)]ba − f (x)ϕ0 (x) dx.
R a | {z } a
=0
Théorie élémentaire des distributions 8

On a alors :
hTf 0 , ϕi = −hTf , ϕ0 i.
On voit sur cet exemple que la distribution associée à f 0 coı̈ncide avec la dérivée de la distribution
associée à Tf (conformément à la définition 4.5) donnée par :

hTf0 , ϕi = −hTf , ϕ0 rangle.

Ceci justifie la manière dont est définie la dérivée d’une distribution.

2) On définit la fonction de Heaviside H sur R par :
½
1 si x > 0
H(x) =
0 si x < 0
et la valeur de H(0) est quelconque et finie.
On associe à H une distribution TH définie par :
Z
∀ϕ ∈ D(R), hTH , ϕi = H(x)ϕ(x) dx.
R

On a alors : R
dϕ dϕ
∀ϕ ∈ D(R), h dT
dx , ϕi = −hTH , dx i = −
H
R H(x) dx dx
R +∞ dϕ
=− 0 dx dx = ϕ(0) = hδ0 , ϕi.
dTH
On obtient donc dx = δ0 , distribution de Dirac en 0.

Définition 1.1.6
Soit T ∈ D0 (Ω). Pour α ∈ N∗ n , on définit ∂ α T par

h∂ α T, ϕi = (−1)|α| hT, ∂ α ϕi.

∂ α T est aussi une distribution.

Théorème 1.1.1
Soit (Tm )m∈N une suite d’éléments de D0 (Ω) qui converge vers T et soit α ∈ Nn . Alors la suite
∂ α Tm converge vers ∂ α T dans D0 (Ω).

Démonstration
On a
∀ϕ ∈ D(Ω), h∂ α Tm , ϕi = (−1)|α| hTm , ∂ α ϕi
et, pour m tendant vers +∞,

∀ ϕ ∈ D(Ω), hTm , ∂ α ϕi −→ hT, ∂ α ϕi

puisque Tm → T dans D0 (Ω).

On a alors :
∀ϕ ∈ D(Ω), h∂ α Tm , ϕi → (−1)|α| hT, ∂ α ϕi = h∂ α T, ϕi.
Ceci prouve que ∂ α Tm → ∂ α T dans D0 (Ω).
Théorie élémentaire des distributions 9

Définition 1.1.7
Soit T ∈ D0 (Ω) et soit ψ ∈ C∞ (Ω). On définit le produit ψT par

hψT, ϕi = hT, ψϕi.

Le produit ψT est une distribution.

Remarque
Vérifions que ψT est une distribution.
*) ψT est linéaire, de manière évidente.
*) Montrons que ψT est continue.
Soit (ϕm )m∈N∗ une suite d’éléments de D(Ω) telle que ϕm → ϕ dans D(Ω). On a alors

ψϕm → ψϕ dans D(Ω),

puisque ψ ∈ C∞ (Ω). D’où

hT, ψϕm i → hT, ψϕi.
Par suite :
hψT, ϕm i → hψT, ϕi.
Ainsi ψT est continue.

Théorème 1.1.2
∂ ∂ψ ∂T
Soient T ∈ D0 (Ω) et ψ ∈ C∞ (Ω). On a : (ψT ) = T +ψ .
∂xi ∂xi ∂xi
Démonstration
On a :
∂ ∂ϕ ∂ϕ
(1) ∀ϕ ∈ D(Ω), h (ψT ), ϕi = −hψT, i = −hT, ψ i
∂xi ∂xi ∂xi
et
∂ψ ∂ψ
(2) ∀ϕ ∈ D(Ω), h T, ϕi = hT, ϕi.
∂xi ∂xi
et encore
∂T ∂T ∂
∀ϕ ∈ D(Ω), hψ , ϕi = h , ψϕi = −hT, (ψϕ)i
∂xi ∂xi ∂xi

∂ψ ∂ϕ
(3) = −hT, ϕ+ψ i
∂xi ∂xi

∂ψ ∂ϕ
= −hT, ϕi − hT, ψ i
∂xi ∂xi
En faisant la somme des égalités (2) et (3), on obtient

∂ψ ∂T ∂ϕ
∀ϕ ∈ D(Ω), h T +ψ , ϕi = −hT, ψ i.
∂xi ∂xi ∂xi
Application aux équations aux dérivées partielles 10

En comparant avec l’égalité (1), on obtient alors :

∂ψ ∂T ∂
∀ϕ ∈ D(Ω), h T +ψ , ϕi = h (ψT ), ϕi
∂xi ∂xi ∂xi
et, par suite
∂ψ ∂T ∂
T +ψ = (ψT ).
∂xi ∂xi ∂xi

1.2 Application aux équations aux dérivées partielles

1.2.1 L’espace H 1 (Ω)
Orientation © : R ª
Soit L2 (Ω) = f : Ω → R, Ω f 2 (x) dx < +∞ et soit v ∈ L2 (Ω). Dans l’exemple 2) qui suit la
définition 4.4, on a montré que l’on peut associer à v une distribution et que L2 (Ω) s’identifie
à un sous-espace de D0 (Ω). Dans la suite de ce chapitre, pour alléger les écritures, on désignera
∂v
également par v la distribution associée à v. On peut alors définir les dérivées ∂x i
, 1 ≤ i ≤ n,
∂v
de v en tant que distribution sur Ω. En général les distributions ∂xi , 1 ≤ i ≤ n, n’appartiennent
pas à L2 (Ω). La fonction suivante en fournit un exemple. Soit v définie de R dans R par
½
1 si x ∈ [a, b]
v(x) =
0 si x ∈ [a, b]c
dv
où [a, b] est un intervalle de R. Alors v ∈ L2 (R) mais on montre facilement que dx = δa − δb
2
ne peut pas être identifié à un élément de L (R). Cette remarque justifie l’introduction des
”Espaces de Sobolev”.

Définition 1.2.1
On appelle espace de Sobolev d’ordre 1 sur Ω l’espace
½ ¾
1 2 ∂v 2
H (Ω) = v ∈ L (Ω), ∈ L (Ω), 1 ≤ i ≤ n .
∂xi

On le munit du produit hermitien :

Z n Z
X ∂u ∂v
(∗) hu, vi = u(x)v(x) dx + dx
Ω Ω ∂xi ∂xi
i=1

En cas de risque d’ambiguité, on désignera le produit hermitien (*) par h·, ·iH 1 (Ω) et la norme
associée par k · k1,Ω .

Théorème 1.2.1
L’espace H 1 (Ω) muni du produit hermitien (*) donné dans la définition 4.8 est un espace de
Hilbert.
Application aux équations aux dérivées partielles 11

Démonstration
Il est clair que H 1 (Ω), muni du produit hermitien (*), est un espace préhilbertien. Il s’agit donc
de montrer que H 1 (Ω) est complet pour la norme associée au produit hermitien.
Soit (vm )m∈N∗ une suite de Cauchy d’éléments de H 1 (Ω). On a alors :
à n
!1/2
X ∂vp ∂vq 2
lim kvp − vq k22 + k − k =0
p→+∞ ∂xi ∂xi 2
q→+∞ i=1

où k · k2 désigne la norme de L2 (Ω). Ainsi, on obtient :

∂vp ∂vq
lim kvp − vq k2 = 0 et lim k − k2 = 0, 1 ≤ i ≤ n.
p→+∞
q→+∞
p→+∞
q→+∞
∂xi ∂xi

Ceci prouve que (vm )m∈N∗ et ( ∂v

∂xi )m∈N ,1 ≤ i ≤ n, sont des suites de Cauchy dans L (Ω).
m ∗
2

Puisque l’espace L2 (Ω) est complet, il existe des fonctions v et vi dans L2 (Ω), 1 ≤ i ≤ n, telles
que
∂vm
(1) lim kvm − vk2 = 0 et lim k − vi k2 = 0, 1 ≤ i ≤ n
m→+∞ m→+∞ ∂xi

Par ailleurs, l’injection de L2 (Ω) dans D0 (Ω) étant continue, (1) entraı̂ne :

(2) vm → v dans D0 (Ω)

et
∂vm
(3) → vi , 1 ≤ i ≤ n dans D0 (Ω),
∂xi
et, en utilisant le théorème 1.1.1, (2) entraı̂ne :

∂vm ∂v
→ , dans D0 (Ω), 1≤i≤n
∂xi ∂xi
L’unicité de la limite au sens des distributions entraı̂ne alors que :
∂v
vi = , 1 ≤ i ≤ n,
∂xi
∂v
et par suite que ∂x i
, 1 ≤ i ≤ n, est une fonction de L2 (Ω). Ainsi v ∈ H 1 (Ω). De plus (1) entraı̂ne
que vm → v dans H 1 (Ω). Ceci prouve que H 1 (Ω) est complet.

1.2.2 L’espace H01 (Ω)

L’ensemble D(Ω) étant un sous-espace vectoriel de H 1 (Ω), on considère l’adhérence de D(Ω)
dans H 1 (Ω) pour la norme de H 1 (Ω) que l’on désigne par H01 (Ω) :
H 1 (Ω)
H01 (Ω) = D(Ω) .

L’ensemble H01 (Ω) ainsi défini est un sous-espace vectoriel fermé dans H 1 (Ω) et donc un espace
de Hilbert lorsqu’on le munit du produit hermitien et de la norme de H 1 (Ω).
Application aux équations aux dérivées partielles 12

Proposition 1.2.1
Soit v ∈ H01 (Ω) et ve définie sur Rn par :
½
v(x) si x ∈ Ω
ve(x) =
0 si x ∈ Ωc .

On a alors ve ∈ H01 (Rn ).

Démonstration :
Soit v ∈ H01 (Ω). Alors il existe (ϕk )k∈N∗ une suite d’éléments de D(Ω) qui converge vers v dans
H 1 (Ω). On pose ½
ϕk (x) si x ∈ Ω
ϕek (x) =
0 si x ∈ Ωc .
ek ∈ D(Rn ) et que (ϕ
Il est alors clair que ϕ ek )k∈N∗ est une suite de Cauchy dans H 1 (Rn ), puisque

kϕ
ep − ϕ
eq k1,R∗ n = kϕp − ϕq k1,Ω .

Soit donc ω ∈ H01 (Rn ) la limite de la suite (ϕ

ek )k∈N∗ :

lim kϕ
ek − ωk1,R∗ n = 0.
k→+∞

Il est alors clair que

lim kϕ
ek − ωk1,Ω = 0
k→+∞
et que
lim kϕ
ek − ωk1,Ωc = 0.
k→+∞
c
On en déduit que les restrictions de ω à Ω et à Ω vérifient

ω|Ω = v et ω|Ωc = 0.

D’où ω = ve et par conséquent ve ∈ H01 (Rn ).

Remarque :
On montre, en utilisant la régularisation par convolution, que H01 (Rn ) = H 1 (Rn ). Cependant,
dans le cas général, H01 (Rn ) ⊂ H 1 (Rn ) comme le montre la proposition suivante.
6=

Proposition 1.2.2
Soit Ω un ouvert borné de Rn dont la frontière Γ est un négligeable de Rn . Soient c un réel non
nul et v la fonction définie par v(x) = c pour tout x ∈ Ω.
La fonction v ainsi définie est dans H 1 (Ω) mais n’est pas dans H01 (Ω).
Démonstration :
1) Il est clair que v est dans H 1 (Ω) puisque Ω est borné.
2) Montrons par l’absurde que v n’est pas dans H01 (Ω). Supposons donc que v est dans H01 (Ω).
La fonction ve prolongement de v par 0 en dehors de Ω serait, d’après la proposition 1.2.1, dans
H01 (Rn ). Or, il est clair que pour i = 1, . . . , n, on a
∂e
v ∂v
= = 0 dans Ω
∂xi ∂xi

∂e
v c
=0 dans Ω
∂xi
Application aux équations aux dérivées partielles 13

∂e
v
et donc que = 0 p.p. x ∈ Rn . On a donc nécessairement ve = cte sur Rn . Or
∂xi
½
c 6= 0 si x ∈ Ω
ve(x) =
0 si x ∈ Ωc .

Ce qui fournit une contradiction et achève la démonstration.

Théorème 1.2.2 (Inégalité de Poincaré)

Si Ω est borné, il existe une constante C > 0 qui ne dépend que de Ω telle que
" n Z #1
X ∂v 2 2

∀v ∈ H01 (Ω), kvk0,Ω ≤ C | | dx

i=1 Ω ∂xi

Démonstration : c.f. P.A. Raviart et col.1

Grâce à la proposition 1.2.2 et au théorème 1.2.2, on peut démontrer le résultat suivant.

Théorème 1.2.3
On suppose que Ω est un ouvert borné de Rn de frontière négligeable dans Rn . La semi-norme
de H 1 (Ω) définie par
à n Z ¯ ¯ !1/2
X ¯ ∂v ¯2
|v|1,Ω = ¯ ¯ dx
¯ ¯
Ω ∂xi i=1

est une norme sur H01 (Ω) équivalente à la norme induite par celle de H 1 (Ω).

Démonstration :
1) L’application v ∈ H 1 (Ω) 7→ |v|1,Ω est visiblement une semi-norme, car on a, pour v et ω dans
H 1 (Ω) et pour λ ∈ R :
|λv|1,Ω = |λ| |v|1,Ω
et
|v + ω|1,Ω ≤ |v|1,Ω + |ω|1,Ω .
2) Pour prouver que | · |1,Ω est une norme sur H01 (Ω), il reste à vérifier que si v ∈ H01 (Ω) et
|v|1,Ω = 0 alors v = 0. Soit donc v ∈ H01 (Ω) vérifiant |v|1,Ω = 0. Il est alors clair que v est
une fonction constante sur Ω. En utilisant la proposition 1.2.2, on peut alors affirmer que v est
nécessairement la constante nulle.
3) L’équivalence des normes découle directement du théorème de Poincaré.

1
P.A. Raviart et J.M. Thomas. Introduction à l’analyse numérique des équations aux dérivées partielles. Edition
Masson, 1983.
Application aux équations aux dérivées partielles 14

1.2.3 Applications aux équations aux dérivées partielles

Une application dans H 1 (Ω)
Orientation
On considère, pour u et v dans H 1 (Ω), la forme bilinéaire a(·, ·) définie par :
n Z
X Z
∂u ∂v
a(u, v) = dx + u(x)v(x) dx.
Ω ∂xi ∂xi Ω
i=1

Pour f un élément donné de L2 (Ω), on considère la forme linéaire :

Z
`(v) = f (x)v(x) dx.
Ω

On se propose de résoudre le problème :

½
Trouver u ∈ H 1 (Ω) tel que
(4)
∀v ∈ H 1 (Ω), a(u, v) = `(v).

On montrera que le problème (4) admet une solution unique et que cette solution est solution
d’une équation aux dérivées partielles (E.D.P.).
Théorème 1.2.4
Il existe un unique élément u de H 1 (Ω) solution du problème (4).
Démonstration
On a :
1) |a(u, v)| = |hu, viH 1 (Ω) | ≤ kuk1,Ω kvk1,Ω et a est donc continue.
2) a(u, u) = kuk21,Ω ce qui prouve que a est coercive. Le théorème de Lax-Milgram permet de
conclure que le problème (4) admet une solution unique.

L’espace D(Ω) des fonctions de classe C∞ à support compact inclus dans Ω est un sous-espace
de H 1 (Ω). Soit u la solution du problème (4) et ϕ ∈ D(Ω), on a :

a(u, ϕ) = `(ϕ)

ou encore

Z Xn Z Z
∂u ∂ϕ
(5) a(u, v) = dx + u(x)ϕ(x) dx = f (x)ϕ(x) dx.
Ω ∂xi ∂xi Ω Ω
i=1

Pour tout i, 1 ≤ i ≤ n, on a :
Z
∂u ∂ϕ ∂u ∂ϕ ∂2u
dx = h , i = −h 2 , ϕi,
Ω ∂xi ∂xi ∂xi ∂xi ∂xi
2
où ∂∂xu2 est la dérivée au sens des distributions de ∂x
∂u
i
.
i
On a alors, en reportant cette dernière expression dans (5) :
n
X ∂2u
∀ϕ ∈ D(Ω), −h , ϕi + hu, ϕi = hf, ϕi.
i=1
∂x2i
Application aux équations aux dérivées partielles 15

Ceci prouve que :

n
X ∂2u
− +u=f
i=1
∂x2i
Pn ∂2u
au sens des distributions, ou encore, en désignant i=1 ∂x2i par ∆u, appelé laplacien de u, on
a:

(6) −∆u + u = f

On a ainsi montré que la solution du problème (4) est solution du problème (6) dans D0 (Ω).
Remarques
1) On montre également que, lorsque Ω est régulier, c’est à dire, lorsque sa frontiére Γ est
régulière, la solution de (4) vérifie :
n
X ∂u
(7) ni = 0 sur Γ
∂xi
i=1

où ni , 1 ≤ i ≤ n sont les cosinus directeurs de la normale sortante à la frontière Γ.

2) En introduisant la notion de ”trace” d’un élément v de H 1 (Ω) sur la frontière Γ de Ω, c’est
à dire la ”restriction” de v à cette frontière, et sous certaines hypothèses sur l’ouvert Ω et la
fonction u solution de (6), on peut prouver qu’une solution régulière de (6)+(7) (C2 (Ω), par
exemple) est solution de (4). Mais puisque (4) n’admet qu’une et une seule solution et puisque
C2 (Ω) ⊂ H 1 (Ω), lorsque Ω est borné rǵulier, la résolution du problème (4) permet d’obtenir
l’unique solution ”régulière” de (6)+(7), lorsque celle-ci existe.
On dit que le problème (4) est la formulation variationnelle de l’EDP (6) associée à la condition
aux limites (7).
3) La formulation variationnelle (4) du problème (6)+(7) est bien adaptée aux approximations
numériques de la solution u est constitue un moyen ”élégant” et simple pour l’introduction de
la méthode des éléments finis comme on le verra au cours d’Éléments Finis.
Le problème (6)+(7) est appelé problème aux limites.

Une application dans H01 (Ω)

Théorème 1.2.5
On considère la forme bilinéaire a0 et la forme linéaire ` définies sur H 1 (Ω) par :
Z n Z
X ∂u ∂v
a0 (u, v) = ∇u · ∇v dx = dx
Ω Ω ∂xi ∂xi
i=1

et Z
`(v) = f (x)v(x) dx,
Ω

où f est un élément donné dans L2 (Ω).

Alors, le problème
½
Trouver u ∈ H01 (Ω) tel que
(8)
a0 (u, v) = `(v), pour tout v ∈ H01 (Ω)

admet une solution unique.

Application aux équations aux dérivées partielles 16

Démonstration :
1) Il est clair que `(·) et a0 (·, ·) sont continues sur (H01 (Ω), k · k1,Ω ). L’équivalence des normes
démontrée dans le théorème 1.2.3 permet alors d’affirmer que `(·) et a0 (·, ·) sont continues sur
(H01 (Ω), | · |1,Ω ).
2) Par ailleurs, on a
a0 (v, v) = |v|21,Ω
et la forme bilinéaire a0 (·, ·) est donc coercive sur (H01 (Ω), | · |1,Ω ). Le théorème de Lax-Milgram
permet alors de conclure que le problème
½
Trouver u ∈ H01 (Ω) tel que
a(u, v) = `(v), pour tout v ∈ H01 (Ω)

admet une solution unique.

Remarques :
1) La solution u du problème (8) vérifie

(9) −∆u = f, dans D0 (Ω).

2) On démontre que les éléments de H01 (Ω) vérifient

(10) u|∂Ω = 0

en un certain sens (au sens des traces).

3) La résolution du problème (8) permet d’obtenir une solution de (9) + (10), au sens des
distributions et des traces dans H 1 (Ω). Le problème (8) est une formulation variationnelle du
problème aux limites (9) + (10).

Fin du chapitre 1.
E.N.I.T Unité Pédagogique de Mathématiques Appliquées

Série 1 — Équations Mathématiques de la Physique

1ère Année : GC – GI –GM – HydroMeteo 08/09

Exercice 1
Les fonctionnelles suivantes sont-elles des distributions :
1) T (ϕ) = |ϕ(0)|
2) T (ϕ) = Z
a (a ∈ C)
3) T (ϕ) = |x|α ϕ(x)dx (α ∈ R)
R
Exercice 2
Soit a ∈ Rn . Montrer que l’application T définie sur D(Rn ) par
n
X ∂2ϕ
T (ϕ) = ∆ϕ(a) = (a)
i=1
∂x2i

est une distribution.

Exercice 3
Montrer que l’application T définie sur D(R) par
µZ −ε Z +∞ ¶
ϕ(x) ϕ(x)
T (ϕ) = lim dx + dx
ε→0 −∞ x ε x
¡ ¢
est une distribution qu’on notera vp x1 et qu’on appellera valeur principale de x1 .
Exercice 4
Dans D(R), montrer que les applications suivantes définissent
µZ +∞ ¶ des distributions :
ϕ(x) ϕ(0)
a) T1 (ϕ) = lim 2
dx − + Log ε ϕ0 (0)
ε→0+
µZε +∞ x ε ¶
ϕ(x) 0
b) T2 (ϕ) = lim dx + ϕ (0) Log ε
ε→0+ Ã ε x !
Z
ϕ(x) ϕ(0)
c) T3 (ϕ) = lim 2
dx − 2 .
ε→0+ |x|>ε x ε
Exercice 5
Calculer½les dérivées succcessives au sens des distributions des fonctions suivantes :
1, si x ≤ 0
H(x) = , f (x) = xk H(x), k ∈ N ∗ , g(x) = |x|
0 sinon
Exercice 6
Soit Y (x, y) la fonction caractéristique du sous ensemble {x > 0, y > 0} de R2 .
∂2
Calculer au sens des distributions ∂x∂y Y
Application aux équations aux dérivées partielles 18

Exercice 7
On considère la distribution définie par :
¿ À Z
2 1 ϕ(x)
ϕ ∈ D(R ) → V p( ), ϕ = lim dx
x ²→0 ||x||≥² x

Montrer que V p( x1 ) est la dérivée de la distribution associée à la fonction localement intégrable

Log(|x|) sur R.
Exercice 8
J
[
Soit f une fonction sur R, continûment dérivable sur l’ouvert R \ {aj } ( où J est un nombre
j=1
fini). On suppose que f et sa dérivée f 0 possèdent aux points a1 , ....,aJ des discontinuités de
première espèce et on désigne par Tf la distribution associée à f .
Montrer que

X J
d
Tf = Tf 0 + σj δaj
dx
j=1

où σj = (f (a+
j ) − f (a−
j )) est le saut de f en aj .
Exercice 9
On considère dans R2 la distribution définie par la fonction localement intégrable
½ 1
2 si t − |x| > 0
E(x, t) =
0 si t − |x| < 0
³ 2 ´
∂ ∂2
On désigne par ∂t 2 − ∂x2
l’opérateur des ondes.
³ 2 ´
∂ ∂2
Calculer au sens des distributions ∂t 2 − ∂x2
E.

Exercice 10
Dans le plan R2 où les coordonnées sont notées (x, t), on pose pour t > 0 :

Y (t) x2
E(x, t) = √ exp(− )
2 πt 4t
½
1, t > 0
où Y (t) =
0, t ≤ 0
³ ´
∂ ∂2
Calculer au sens des distibutions ∂t − ∂x2
E

Exercice 11
On considére l’application linéaire T de D(R2 ) dans C définie par :
Z
2
ϕ ∈ D(R ) → hT, ϕi = ϕ(x, −x)dx
R

1– Montrer que T ∈ D0 (R2 )

2– Déterminer le support de T. Montrer que T n’est pas identifiable à une fonction continue sur
R2 . ¡∂ ¢
∂
3– Calculer au sens des distributions ∂t − ∂x T
 19

Chapitre 2

CONVOLUTION DES
DISTRIBUTIONS ET SOLUTIONS
ELEMENTAIRES DES
ÉQUATIONS AUX DÉRIVÉES
PARTIELLES

2.1 Introduction
Dans ce chapitre, on va étudier le sous espace des distributions à support borné. On va voir que
ce sous-espace est isomorphe au dual topologique de l’espace vectoriel des fonctions complexes
sur Rn indéfiniment dérivables à support quelconque (borné ou non). L’introduction de ce type
particulier de distributions permet de :
1- Définir le produit de convolution de deux distributions, lorsque l’une au moins de ces distri-
butions est à support borné.
2- Définir la transformée de Fourier d’une distribution de ce type et retrouver certaines propriétés
importantes qu’on a établies pour la transformée de Fourier de fonctions intégrables.
Ces deux définitions permettent de disposer d’outils mathématiques puissants pour la résolution
des équations aux dérivées partielles.

2.2 Distribution à support borné

Définition 2.2.1
On dit qu’une distribution T est nulle dans un ouvert Ω de Rn , si pour toute fonction ϕ de
D(Rn ), ayant son support dans Ω, on a

hT, ϕi = 0

On appelle support de T , et on note supp T , le plus petit ensemble fermé en dehors duquel T
est nulle.

Exemple 2.1
Le support de la distribution de Dirac δ(a) au point a se réduit au seul point a.
Distribution à support borné 20

Remarque 2.1
Pour qu’un point appartienne au support de T , il faut et il suffit, que T ne soit nulle dans
aucun voisignage de ce point (voir Méthodes mathématiques pour les sciences physiques, Laurent
Schwartz, Editions Hermann 1983) [SCH 83]).

Définition 2.2.2
Soit E l’espace des fonctions complexes sur Rn , indéfiniment dérivables. On dit qu’une suite
(ϕj )j∈N∗ d’éléments de E converge vers ϕ ∈ E si et seulement si ϕj −→ ϕ uniformément sur
tout compact ainsi que leurs dérivées.

Proposition 2.2.1
0
Les distributions à support borné forment un espace vectoriel isomorphe à l’espace E des formes
linéaires continues sur l’espace E.

Démonstration
0
i) Soit T ∈ D (Rn ) une distribution à support borné K. Soit α ∈ D(Rn ) égale à 1 sur un
voisignage de K. On définit la forme linéaire sur E suivante

Te(ϕ) = hT, αϕi (2.1)

Il est clair que pour ψ ∈ D(Rn ) on a :

hTe, ψi = hT, ψi (2.2)

ii) On va montrer que la forme linéaire Te ainsi définie est indépendante du choix de α et qu’elle
est continue, c’est-à-dire que pour toute suite (ϕj )j∈N∗ d’éléments de E telle que ϕj −→ 0 dans
E, on a

lim Te(ϕj ) = 0
j

En effet, soit β ∈ D(Rn )

égale à 1 sur un voisignage de K, (α − β) ϕ ∈ D(Rn ) a son support
dans le complémentaire de K. Par suite

hT, αϕi − hT, βϕi = hT, (α − β)ϕi = 0

Par ailleurs, si ϕj −→ 0 dans E, αϕj −→ 0 dans D(Rn ), d’où

lim Te(ϕj ) = lim hT, αϕj i = 0

j j
0
iii) Soit E l’espace vectoriel des distributions à support borné. On considère l’application
0 0
I : E −→ E
T −→ Te
où Te est l’application définie par (6.1). On va montrer que I est un isomorphisme. En effet I
est évidemment linéaire, montrons qu’elle est surjective puis injective. iv) Surjectivité de I, soit
0
L ∈ E , l’application

T : ϕ ∈ D(Rn ) −→ L(ϕ)
0
est un élément de D (Rn ). En effet si (ϕj )j∈N∗ est une suite d’éléments de D(Rn ) telle que
ϕj −→ 0 dans D(Rn ) alors {ϕj , j ∈ IN } ⊂ E pour j ∈ N et ϕj −→ 0 dans E, par conséquent
Distribution à support borné 21

lim hT, ϕj i = lim L(ϕj ) = 0

j j

* De plus T est à support borné. En effet supposons que le support de T n’est pas borné. Dans
ce cas, on peut affirmer que
∀m ∈ N supp T ⊂
6 B(0, m)
Par conséquent, il existe ϕm telle que supp ϕm ⊂ B(0, m)c pour lequel

hT, ϕm i 6= 0
ϕm
En considérant la suite (φm )m∈N définie par φm = , on a
< T, ϕm >
hT, φm i = 1
Or on a supp φm ⊂ B(0, m)c donc lim φm = 0 dans E d’où
m

1 = lim hT, φm i = lim L(φm ) = 0

m m

ce qui est absurde ; donc T est nécessairement à support borné.

Montrons que L = I(T ). En effet soit (αj )j∈N∗ une suite d’éléments de D(Rn ) telle que

αj (x) = 1 pour kxk < j

αj (x) = 0 pour kxk ≥ 2j

On a pour ϕ ∈ E, αj ϕ ∈ D(Rn ) et αj ϕ −→ ϕ dans E. Par ailleurs, pour j suffisamment grand,

le support K de T est contenu dans B(0, j), d’où

Te(ϕ) = hT, αj ϕi = L(αj ϕ) −→ L(ϕ) quand j −→ +∞

d’où Te(ϕ) = L(ϕ) pour tout ϕ ∈ E et donc I(T ) = Te. Par conséquent I est surjective.
v) Injectivité de I, on a
n 0
o
Ker(I) = T ∈ E / Te(ϕ) = 0 ∀ϕ ∈ E

On en déduit que
n 0
o
Ker(I) ⊂ T ∈ E / T (ϕ) = Te(ϕ) = 0 ∀ϕ ∈ D(Rn )

et finalement que Ker(I) = {0} et que I est injective et ceci achève la démonstration.

Exemple 2.2
1) Soit f une fonction continue à support borné K, on peut montrer que l’application
Z
n
Tf : ϕ ∈ D(R ) −→ f ϕdx
R∗ n
est une distribution dont le support est K (borné).
Convolution 22

2.3 Convolution
On va d’abord définir le produit tensoriel de deux distributions, on va ensuite définir le produit
de convolution de deux distributions lorsque l’une au moins des distributions est à support
borné.

2.3.1 Produit tensoriel de distributions

Théorème 2.1
Soient Dx (Rm ), Dy (Rn ), Dx,y (Rm+n ) les espaces de fonctions indéfiniment dérivables à sup-
0 0 0
port borné sur Rm , Rn , Rm+n respectivement et soient Dx (Rm ), Dy (Rn ), Dx,y (Rm+n ) les espaces
de distributions qui leur correspondent. Pour faciliter le suivi des calculs qui vont suivre, un
0 0
élément S ∈ Dx (Rm ), respectivement T ∈ Dy (Rn ) sera noté Sx , respectivement Ty . Soient Sx ∈
0 0
Dx (Rm ), Ty ∈ Dy (Rn ), alors pour tout ϕ ∈ Dx,y (Rm+n ), la fonction ϕ(x, .) : y ∈ Rn −→ ϕ(x, y)
appartient à Dy (Rn ) et la fonction

θ : x ∈ Rm −→ hTy , ϕ(x, .)i

appartient à Dx (Rm ). De même la fonction ϕ(., y) : x ∈ Rm −→ ϕ(x, y) appartient à Dx (Rm )

et la fonction
γ : y ∈ Rn −→ hSx , ϕ(., y)i
0
appartient à Dy (Rn ). On appelle produit tensoriel de deux distributions Sx ∈ Dx (Rm ) et
0
Ty ∈ Dy (Rm ), la distribution notée Sx ⊗ Ty définie par

hSx ⊗ Ty , ϕi = hSx , hTy , ϕ(x, .)i

De même, on définit le produit tensoriel Ty ⊗ Sx par

hTy ⊗ Sx , ϕi = hTy , hSx , ϕ(., .)i

De plus, le produit tensoriel de deux distributions est commutatif, c’est-à-dire que Sx ⊗Ty = Ty
⊗Sx .

Démonstration (admise)

Exemple 2.3
0
Soient δx , δy les distributions de Dirac au point zéro respectivemement éléments de Dx (Rm ) et
0
de Dy (Rn ). Le produit tensoriel de δx et δy est donné par

δx ⊗ δy = δx,y
0
où δx,y est la distribution de Dirac en zéro sur Rm+n (δx,y ∈ Dx,y (Rm+n )).

Remarque 2.2
Cette définition s’étend sans difficultés au produit tensoriel d’un nombre fini de distributions.
0 0 0
Ce produit est associatif, en effet si Rx ∈ Dx (Rl ), Sy ∈ Dy (Rm ), Tz ∈ Dz (Rn ), on a

Rx ⊗ Sy ⊗ Tz = Rx ⊗ (Sy ⊗ Tz ) = (Rx ⊗ Sy ) ⊗ Tz
Convolution 23

Proposition 2.3.1
0 0
Soient Sx ∈ Dx (Rm ), Ty ∈ Dy (Rn ) et soient A et B respectivement les supports de Sx et de Ty .
Alors le support de S ⊗T est le produit A × B, c’est-à-dire l’ensemble des points (x, y) tels que
x ∈ A et y ∈ B.

Démonstration
i) Soit ϕ ∈ Dx,y (Rm+n ) telle que supp ϕ ⊂ (A × B)c . Pour y ∈ B,
ϕ(., y) : x ∈ Rm −→ ϕ(x, y) a son support dans Ac , d’où

θ(y) = hSx , ϕ(., y)i = 0

Ainsi supp θ ⊂ B c , et par conséquent

hSx ⊗ Ty , ϕi = hTy , θi = 0

On en déduit donc que (A × B)c ⊂ supp(S ⊗T )c , d’où

supp(S ⊗ T ) ⊂ A × B
ii) Réciproquement, soit (x, y) ∈ A × B, on va montrer que (x, y) ∈ supp(S ⊗ T ), c’est-à-dire
d’après la remarque 6.1, que T n’est nulle dans aucun voisignage de ce point. En effet soit O un
voisignage de (x, y) dans Rm × Rn et soient Ox un voisignage de x et Oy un voisignage de y tels
que Ox × Oy ⊂ O. Puisque x ∈ A, Sx est non nulle dans aucun voisinage Ox de x, c’est-à-dire
qu’il existe u ∈ Dx (Rm ) dont le support est inclus dans Ox et telle que

hSx , ui 6= 0

De même puisque y ∈ B, il existe, une fonction v ∈ Dy (Rn ) dont le support est inclus dans Oy
et telle que
hTy , vi 6= 0
La fonction ϕ ∈ Dx,y (Rm+n ) définie par

ϕ(x, y) = u(x)v(y)

a son support dans Ox × Oy ⊂ O et vérifie :

hSx ⊗ Ty , ϕi = hSx , uihTy , vi 6= 0

Donc d’après la remarque 6.1 (x, y) ∈ supp(Sx ⊗ Ty ).

2.3.2 Produit de convolution de distributions

Définition 2.3.1
0 0
Soient S ∈ Dx (Rn ), T ∈ Dy (Rn ) deux distributions dont l’une au moins est à support borné. On
appelle produit de convolution de S et T et l’on note par S ∗ T la distribution définie sur Rn
par
hS ∗ T, ϕi = hSx ⊗ Ty , ϕ(x + y)i
Convolution 24

Justification de la définition 2.3.1

L’une des distributions Sx ou Ty est à support borné et on suppose qu’il s’agit de T . Pour
ϕ ∈ D(Rn ), on considére l’application ϕ(x + .) de D(Rn ) définie par :

ϕ(x + .)(y) = ϕ(x + y)

et une fonction α ∈ D(Rn ) égale à 1 sur un voisignage du support de T . On a alors : en posant

θ(x) ≡ hTy , ϕ(x + .)i = hTy , αϕ(x + .)i

Une application θ : Rn −→ R qui est indéfiniment dérivable. De plus son support est borné. En
effet
supp θ ⊂ Ω ≡ {x ∈ Rn | ∃y ∈ supp α/x + y ∈ supp ϕ}
car θ est nulle sur le complémentaire de Ω et les supports de ϕ et de α sont bornés. On en déduit
que le produit hS, θi a un sens, par conséquent la distribution S ∗ T est bien définie et on a

hSx ∗ Ty , ϕi = hSx , θi

Remarque 2.3
On peut définir le produit de convolution de deux distributions dont les supports ne sont pas
nécessairement bornés ([SCH 83])

Remarque 2.4
La définition 6.1 s’étend au produit de convolution d’un nombre fini de distributions lorsque
celles-ci sauf une au plus ont leurs supports bornés. Pour R, S, T trois distributions sur Rn dont
deux au moins sont à support borné, on définit leur produit de convolution R ∗ S ∗ T par

hR ∗ S ∗ T, ϕi = hRξ ⊗ Sη ⊗ Tη , ϕ(ξ + η + ζ)i

L’associativité du produit tensoriel donne l’associativité du produit de convolution.

Proposition 2.3.2
Soient A et B deux parties de Rn . Soient S et T deux distributions de D0 (Rn ) ayant leurs
supports respectivement dans A et B. Alors si la distribution S ∗ T est bien définie, son support
est contenu dans A + B.

Démonstration
Soit ϕ ∈ D(Rn ) telle que K ≡ supp ϕ ⊂ (A + B)c , on a

hS ∗ T, ϕi = hSξ ⊗ T η, ϕ(ξ + η)i

Le support de Sξ ⊗ Tη est égale à A × B, le support de l’application

(ξ, η) ∈ Rn × Rn −→ ϕ(ξ, η) est l’ensemble des couples (ξ, η) tels que ξ + η ∈ K, et l’intersection
de ces deux ensembles est contenue dans l’ensemble F défini par :

F = {(ξ, η) ∈ A × B | ξ + η ∈ K}

On peut vérifier que F = ∅ car ξ ∈ A et η ∈ B entraine que ξ + η ∈ A + B ⊂ A + B et

A + B ∩ K = ∅. Donc S ∗ T est nul dans (A + B)c , par conséquent S ∗ T a bien son support
dans A + B.
Convolution 25

Corollary 2.3.1
Si S et T ont leurs supports bornés, il en est de même de S ∗ T .

Démonstration
Ce résultat est une conséquence immédiate de la proposition 3.3.

Proposition 2.3.3
Si S et T sont deux fonctions f et g localement intégrables et si l’une des fonctions f ou g est
à support borné alors S ∗ T est une fonction h localement intégrable définie presque partout par
la formule :
Z Z
h(x) = f (x − t)g(t)dt = f (t)g(x − t)dt
R∗ n R∗ n

Démonstration
Supposons que ce soit f qui est à support borné. Soit ϕ ∈ D(Rn ). On a
R
hS ∗ T, ϕi = hSR ξ ⊗ T η , ϕ(ξ
¡R + η)i = hSξ , R∗ n¢g(η)ϕ(ξ + η)dηi
= R∗ n f (ξ) R∗ n g(η)ϕ(ξ + η)dη dξ
La fonction (ξ, η) ∈ Rn × Rn −→ f (ξ)g(η)ϕ(ξ + η) est localement intégrable puisque f et g
le sont et que ϕ est continue et bornée, mais comme le support de ϕ est borné, cette fonction
définie sur Rn × Rn est intégrable. On en déduit d’après le théorème de Fubini que
Z Z
hS ∗ T, ϕi = f (ξ)g(η)ϕ(ξ + η) dξdη

En faisant le changement de variables :

½
x=ξ+η
t=η
on obtient : Z Z
hS ∗ T, ϕi = f (x − t)g(t)ϕ(x) dxdt

et, en utilisant le théorème de Fubini une deuxièmme fois, on obtient

Z µZ ¶
hS ∗ T, ϕi = ϕ(x) f (x − t)g(t) dt dx
R
et donc l’intégrale R∗ n f (x − t)g(t)dt a un sens pour presque toutes les valeurs de x pour
lesquelles ϕ(x) 6= 0. Ceci étant vrai pour tout ϕ ∈ D(Rn ), on en déduit que la fonction h : x ∈
Rn −→ ∫R∗ n f (x − t)g(t)dt est définie presque partout. En considérant maintenant un compact
K ⊂ Rn et une fonction ϕ ∈ D(Rn ) telle que ϕ|K = 1, on a
Z Z
|h(x)| dx = |ϕ(x) h(x)| dx < +∞
K K

et ceci prouve que h est localement intégrable.

Finalement, on a
Z
hS ∗ T, ϕi = h(x)ϕ(x) dx = hh, ϕi
Rn
ce qui prouve que S ∗ T = h.
Convolution 26

Remarque 2.5
Dans le cas de deux fonctions, f ∗ g peut posséder un sens même si aucune de ces fonctions n’est
à support borné. Par exemple si l’une des deux fonctions est intégrable sur Rn et que l’autre est
bornée sur Rn .

Proposition 2.3.4
Soient S une distribution à support borné sur Rn , T une distribution sur Rn , a et b deux éléments
de Rn muni de sa base canonique (ei )1≤i≤n . On a

δ∗T =T (2.3)

δ(a) ∗ T = τa T δ(a) ∗ δ(b) = δ(a+b) (2.4)

∂δ ∂T
∗T = (2.5)
∂xi ∂xi
∂ ∂S ∂T
(S ∗ T ) = ∗T =S∗ (2.6)
∂xi ∂xi ∂xi
où δ(a) est la masse de Dirac au point a ∈ Rn , δ = δ(0) et ou τa T est la translatée de T définie
par

hτa T, ϕi = hTx , ϕ(x + a)i

Démonstration
La masse de Dirac ayant un support borné, on a en utilisant la notation Sξ = S = δ et Tη = T :

hδ ∗ T, ϕi = hSξ ⊗ Tη , ϕ(ξ + η)i = hTη , hSξ , ϕ(ξ + η)ii

= hTη , ϕ(η)i = hT, ϕi
D’où δ ∗ T = T . De même, on a
hδ(a) ∗ T, ϕi = hδ(a) ξ ⊗ Tη , ϕ(ξ + η)i = hTη , hδ(a) ξ , ϕ(ξ + η)ii
= hTη , ϕ(a + η)i = hτa T, ϕi
D’où δ(a) ∗ T = τa T .
Un calcul simple donne

hδ(a) ∗ δ(b) , ϕi = hδ(a) η , ϕ(a + η)i = ϕ(a + b) = hδ(a+b) , ϕi

d’où l’on tire que δ(a) ∗ δ(b) = δ(a+b) . Enfin on a :

∂δ ∂δ ∂δ
h ∂x i
∗ T, ϕi = h ∂xiξ ⊗ Tη , ϕ(ξ + η)i = hTη , h ∂xiξ , ϕ(ξ + η)ii
∂ϕ ∂T
= hTη , − ∂x i
(η)i = h ∂x i
, ϕi

d’où la relation (6.4). On a alors, en utilisant la relation (6.4) et la relation (6.2), les égalités
suivantes
∂ ∂δ ∂δ ∂δ
∂xi (S ∗ T) = ∂xi ∗ (S ∗ T ) = ∂x i
∗S∗T = ( ∂x i
∗ S) ∗ T
∂S ∂δ ∂δ ∂T
= ∂xi ∗T = S ∗ ∂x i
∗T = S ∗ ( ∂x i
∗ T) = S ∗ ∂xi

ce qui prouve (6.5).

Transformée de Fourier d’une distribution 27

2.4 Transformée de Fourier d’une distribution

Rappel
Soit f ∈ L1 (R), on définit la transformée de Fourier de f , notée F f , par

Z
+∞

F f (y) = f (x)e−2iπxy dx
−∞

Notation
Soit f ∈ L1loc (R), l’application
Z
Tf : ϕ ∈ D(R) −→ f ϕdx
R∗

est une forme linéaire continue sur D(R), c’est-à-dire une distribution. Ainsi on a
Z
hTf , ϕi = Tf (ϕ) = f ϕdx
R∗

Lorsque f ∈ L1 (R), l’application Tf est prolongeable en une application linéaire continue T̆f sur
L∞ (R) :
Z
∞
T̆f : ϕ ∈ L (R) −→ f ϕdx
R∗

et on écrira, par abus de notation :

Z
hTf , ϕi = T̆f (ϕ) = f ϕdx ∀ϕ ∈ L∞ (R)
R∗

Définition 2.4.1
0
Soit Ux ∈ E (R) ∪ L1 (R). La transformée de Fourier de Ux noté F (U ) est définie par

F Ux : R −→ R
(2.7)
y 7−→ F Ux (y) = hUx , e−2iπxy i

Exemple 2.4
On a
F δ = hδx , e−2iπxy i = 1

Remarque 2.6
i) Cette définition de la transformée de Fourier élargie celle qu’on a rappelée ci-dessus qui
est valable pour les fonctions intégrables, aux distributions à support borné. En effet lorsque
U ∈ L1 (R), on peut écrire

Z
+∞

F U (y) = U (x)e−2iπxy dx
−∞
Transformée de Fourier d’une distribution 28

0
ii) Si U ∈ E (R), puisque l’application x ∈ R −→ e−2iπxy est dansL∞ (R) on peut démontrer en
introduisant une fonction α ∈ D(R) égale à 1 sur le support de U et en utilisant le théorème et
définition 6.1, que la fonction F (U ) définie par (6.6) est indéfiniment dérivable.
iii) Si U ∈ L1 (R) est telle que la fonction

x ∈ R 7→ xm U (x)

est dans L1 (R) pour tout m ∈ N, alors on sait d’après un résultat du chapitre 5 du cours de
Maths I, que la fonction F (U ) définie par (6.6) est indéfiniment dérivable.

Proposition 2.4.1
0
Soient S, T ∈ E (R) ∪ L1 (R) , on a la relation

F (S ∗ T ) = F (S)F (T )

Démonstration
On a

F (S ∗ T )(y) = h(S ∗ T )x , e−2iπ(ξ+η)y i

= hSξ ⊗ Tη , e−2iπ(ξ+η)y i = hSξ ⊗ Tη , e−2iπξy e−2iπηy i
= hSξ , e−2iπξy ihTη , e −2iπηy i = F Sξ (y)F Tη (y)

Proposition 2.4.2
Soit S une distribution à support borné sur R, ou une fonction intégrable telle que la fonction

x ∈ R −→ xm S(x)
est intégrable pour tout m ∈ N. On a alors pour tout m ∈ N, la formule suivante :

F (Sx(m) )(y) = (2iπy)m F Sx (y) (2.8)

(m)
où Sx désigne la derivée d’ordre m de Sx au sens des distributions.

Démonstration
i) Dans le cas où S est une fonction intégrable telle que la fonction
x ∈ R −→ xm S(x) est intégrable, la relation (6.7) résulte d’un résultat du chapitre 5 du cours
de Maths I.
0
ii) Dans le cas où S ∈ E (R) , on considère ϕ ∈ D(R) et l’application
(x, y) ∈ R × R −→ e−2iπxy . Cette dernière étant indéfiniment dérivable, l’application x ∈ R −→
F (ϕ)(x) est indéfiniment dérivable d’après la remarque 6.6 ii) et on a :

F (ϕ)(m) (x) = F [−(2iπy)m ϕ(y)] (2.9)

puisque la fonction y ∈ R −→ y m ϕ(y)
est dans D(R), donc intégrable.
La distribution S étant à support borné, on a en utilisant le théorème et définition 6.1, et la
relation (6.8), que pour tout ϕ ∈ D(R)

hSx , F (ϕ)(x)i = hSx , hϕy , e−2iπxy ii = hS

R x ⊗ ϕy , e
−2iπxy ii

= hϕy , hSx , e−2iπxy ii = ϕ(y)hSx , e−2iπxy iidy

R∗
= hF (S), ϕi
Solution élémentaire d’une EDP 29

D’où :
(m)
hF (Sx ), ϕ(y)i = hS (m) , F ϕi = hS, (−1)m (F ϕ)(m) i
= hS m m ϕ(y)]i = hSx , h(2iπy)m ϕy , e−2iπxy ii
R x , (−1)m F [(−2iπy)
= (2iπy) ϕ(y)hSx , e−2iπxy iidy = hF Sx (y), (2iπy)m ϕ(y)i
R∗
= h(2iπy)m F Sx (y), ϕ(y)i
d’où la relation 6.7.

2.5 Solution élémentaire d’une EDP

Soit D un opérateur différentiel linéaire à coefficients constants, par exemple l’opérateur à une
dimension
d dp−1 d
D = p + ap−1 p−1 + ... + a1 + a0
dx dx dx
où a0 , a1 , ..., ap−1 sont p réels donnés, ou encore

∂2 ∂2 ∂2
D= + + +λ=∆+λ
∂x2 ∂y 2 ∂z 2
où ∆ est l’opérateur Laplacien à trois dimensions et λ est un réel donné. Toute équation
différentielle (ou aux dérivées partielles) linéaire à coefficients constants est de la forme

Df = h (2.10)
0
On suppose ici que h est une distribution donnée de D (Rn ) et que f est une distribution
0
inconnue de D (Rn ).
On appelle solution élémentaire, ou fonction de Green de l’opérateur D toute distribution G de
0
D (Rn ) solution de l’équation

DG = δ (2.11)
où δ est la distribution de Dirac au point 0 de Rn .

Exemple 2.5

Trouver une solution élémentaire de l’opérateur D défini par

d2
D= − a2
dx2
Solution
−1 −a|x|
E(x) = e
2a
Proposition 2.5.1
Soit D un opérateur différentiel linéaire à coefficients constants. Supposons que G soit une
distribution solution de l’équation 6.10 et que h soit une distribution à support borné. Alors la
distribution f = G ∗ h est une solution de l’équation (6.9).
Solution élémentaire d’une EDP 30

Démonstration
On déduit de (6.5) et (6.2) que

D(G ∗ h) = (DG) ∗ h = δ ∗ h = h

d’où le résultat annoncé.

Fin du Chapitre 2.
E.N.I.T Unité Pédagogique de Mathématiques Appliquées

Série 2 — Équations Mathématiques de la Physique

1ère Année : GC – GI – Hydrometeo- 2ème Année : GM 08/09

Exercice 1
Démontrer que toute famille de fonctions fn vérifiant
 R
 fn ∈ L1 (R) et R fn (x)dx = 1,
fn ≥ 0 p.p.

fn = 0 p.p. sur ] − ∞, − n1 [∪[ n1 , ∞[

converge vers δ quand n → +∞.

Exercice 2
Soit fn une suite de fonctions dans L1loc (R) qui converge vers une fonction f uniformement sur
tout intervalle borné. Alors fn tend vers f au sens des distributions.
Exercice 3
a) Résoudre dans D0 l’équation différentielle

T 0 + aT = 0 (a 6= 0)

(on pourra faire le changement de distribution inconnue T = e−ax S

b) En déduire la solution générale de

T 0 + aT = δ et T 0 + aT = H (a 6= 0)

Exercice 4
La symétrisée fσ d’une fonction est définie par

∀x ∈ R fσ (x) = f (−x)

la symétrisée d’une distribution est définie par

∀ϕ ∈ D(R) Tσ (ϕ) = T (ϕσ )

On dit que T est paire (impaire) si Tσ = T (Tσ = −T ).

Soient S et T deux distributions paires (impaires). Montrer que S ∗ T est paire.
Exercice 5
0 (R), elle admet uen primitive et une seule dans
Montrer que si T est une distribution dans D+
0
D+ (R) : P = H ∗ T
Exercice 6
Soit u0 ∈ L1loc (R) et si u1 ∈ L1loc (R) est la dérivée au sens des distributions d’une fonction
h ∈ L1loc (R). On considère la distribution :

e(x, t) = E(x,t) ∗ (u1 (x) ⊗ δ(t) + u0 (x) ⊗ δ 0 (t))

u (2.12)
où
Solution élémentaire d’une EDP 32

½ 1
2c si |x| < ct
E(x, t) =
0 si |x| > ct
est une solution élémentaire de l’équation des cordes vibrantes
Montrer que la distribution associée à la fonction u est définie sur R2 par :
Z Z
∂
u
e(x, t) = u1 (x − y)E(y, t)dy + u0 (x − y)E(y, t)dy
R ∂t R
 33

Chapitre 3

PROBLÈMES PHYSIQUES
CONDUISANT À DES
ÉQUATIONS AUX DÉRIVÉES
PARTIELLES

3.1 Introduction
Dans ce cours, nous nous proposons de résoudre des équations aux dérivées partielles. Les
équations aux dérivées partielles ou EDP que nous rencontrons en pratique sont rarement d’ordre
élevé, le plus souvent d’ordre deux. Comme le sujet est immense et fort difficile nous nous conten-
terons d’étudier quelques EDP modèles bien choisies : les équations de Laplace, de la chaleur
et des cordes vibrantes comme exemples d’équations du second ordre linéaires et l’équation du
transport comme modèle d’équation linéaire du premier ordre.
Dans ce chapitre nous commençons par poser les problèmes physiques conduisant à ces équations.
Puis, afin que ces exemples puissent servir de modèles, il convient de les replacer dans un contexte
mathématique. C’est l’objet du dernier paragraphe de ce chapitre.

3.2 Équation de Laplace

Un grand nombre de phénomèmes stationnaires rencontrés dans les sciences de l’ingénieur
peuvent être décrits par une fonction u(x1 , ...., xn ), où n est la dimension de l’espace (affine) et
où x1 , ..., xn sont les coordonnées d’un point (en pratique n=2 ou 3) et où u représente une gran-
deur physique, par exemple un potentiel électrique, un potentiel des vitesses, un déplacement,
etc...
On remarque souvent la situation suivante : le gradient de u, qui représente une grandeur
physique aisément interprétable a un flux conservatif, autrement dit, vérifie pour toute surface
fermée Σ bord d’un domaine Ω :
Z
−−→ −
gradu.→n dΣ = 0 (3.1)
Σ
→
où n est la normale à Σ unitaire et extérieure à Ω. Lorsque u vérifie (6.1), on dit que la grandeur
u a un flux conservatif (c’est à dire que le flux rentrant est égal au flux sortant). Transformant
l’équation (6.1) à l’aide de la formule de Green, on obtient :
Équation de la chaleur 34

Z
−−→
div(gradu) dx1 ...dxn = 0 (3.2)
Ω
Comme ceci est vrai pour tout domaine Ω,en utilisant les propriétés de l’intégrale de Lebesgue,
−−→
on en déduit que div(grad u) = 0, c’est à dire :

∆u = 0 (3.3)
n
X ∂2
où ∆ = . L’équation (6.3), dite équation de Laplace, est l’une des équations fondamen-
i=1
∂x2i
tales de la physique et de la mécanique. C’est le prototype des équations elliptiques linéaires et
homogénes, comme nous le verrons dans la section 6 de ce chapitre.

3.3 Équation de la chaleur

Soit un matériau solide, occupant un domaine D de l’espace à trois dimensions. Sa masse vo-
lumique ρ et sa chaleur spécifique ( ou massique) c dépendent a priori des trois coordonnées
x1 , x2 , x3 : ( pour un matériau non homogène) ρ = ρ (x1 , x2 , x3 ) et c = c(x1 , x2 , x3 ). Supposons
que ce matériau, dégage et absorbe un certain flux de chaleur. Sa température u = u(x1 , x2 , x3 , t)
évolue donc dans le temps et dans l’espace. Il en est de même du vecteur flux de chaleur − →
q=
−
→q (x1 , x2 , x3 , t). Rappelons que, par définition même de −→
q , pour tout sous domaine Ω ⊂ D, la
quantité de chaleur reçue par Ω à travers Σ= ∂Ω , par unité de temps , est égale à
Z Z
−
→ −
→
− q . n dΣ = − div −
→
q dx1 dx2 dx3 (3.4)
Σ Ω
où →
−
n représente la normale à Σ unitaire et extérieure à Ω.
Par unité de temps, le ”stock” d’énergie thermique accumulée par le matériau par échauffement
(c’est à dire l’énergie interne du matériau) s’accroit de
Z Z
∂u ∂u
c dm = c ρ dx (3.5)
Ω ∂t Ω ∂t
où dm = ρ dx
Faisons le bilan : la variation (6.5) du stock d’énergie est égale au flux de chaleur entrant (6.4).
D’où l’équation
Z
∂u
(ρ c + div −
→q ) dx = 0 (3.6)
Ω ∂t
et ceci pour tout sous-domaine Ω ⊂ D. En utilisant les propriétés de l’intégrale de Lebesgue, on
en déduit que :

∂u
ρc = − div − →q p.p. (x, t) ∈ Ω × R. (3.7)
∂t
Ainsi nous disposons à ce stade d’une seule équation scalaire, l’équation (6.7), alors que le nombre
d’inconnues est de quatre : la température u et les trois composantes du vecteur flux de chaleur
−
→q.
On introduit alors une ”loi de comportement” linéaire, dite loi de Fourier, qui est une loi empi-
rique, qui relie −
→
q et u par la relation :
Équation de la chaleur 35

−
→ −−−→
q = −k grad u (3.8)
où k = k(x1 , x2 , x3 ) > 0 est la conductivité thermique du matériau.
La loi de Fourier exprime que les flux de chaleur sont d’autant plus intenses que les écarts de
températures sont plus marqués ou que les gradients de températures sont plus élevés, et qu’en
outre la chaleur va des points chauds vers les points froids.

Remarque 3.1 Le bilan (6.6) traduit le premier principe de la thermodynamique et la condition

k > 0 traduit le deuxième principe de la thermodynamique.

De (6.7) et (6.8), nous déduisons l’équation :

∂u −−−→
ρc = div( k grad u) (3.9)
∂t
Si maintenant le matériau est homogène c et k sont des constantes et l’on tire que u doit vérifier
l’équation :

∂u
= α ∆u (3.10)
∂t
avec
k
α= = const > 0 (3.11)
ρc
L’équation (6.10) est dite équation de la chaleur. La constante α est appelée la diffusivité
thermique du matériau homogène considéré.
Si nous nous limitons à une variable d’espace, que nous noterons x, ce sera par exemple le
cas d’une barre métallique dont la température u ne dépend que de l’abscisse x et du temps,
l’équation (6.10) devient :

∂u ∂2u
=α (3.12)
∂t ∂x2
Cette équation de la chaleur est le protopyte des équations paraboliques qui interviennent en
particulier dans les phénomènes de thermiques et de qualité d’environnement.

Remarque 3.2 L’équation (6.11) est invariante dans le changement de x en −x. Mais il n’en
est pas de même dans le changement de t en −t : le phénomène décrit par l’équation de la
chaleur n’est pas réversible et le sens d’écoulement du temps joue un rôle essentiel.

Si nous rajoutons à l’équation (6.11) écrite pour (x, t)ıR×R+ une condition initiale, qui représente
la distribution de température à l’instant t = 0, nous obtenons :


 ∂u ∂2u
 −α 2 =0 (x, t) ∈ R × R∗+
∂t ∂x (3.13)


 u(x, 0) = u (x) x∈R
0

qui porte le nom de problème de Cauchy pour l’équation de la chaleur. Dans le cas d’une barre
de longueur l, nous nous restreignons à x ∈ ]0, l[ et nous rajoutons les conditions aux limites qui
fixent la température aux extrémités de la barre. Nous obtenons alors le problème :
Équation des cordes vibrantes 36



 ∂u ∂2u

 −α 2 =0 (x, t) ∈ ]0, l[ × R∗+
 ∂t ∂x
(3.14)

 u(x, 0) = u0 (x) x ∈ ]0, l[


 u(0, t) = u(l, t) = 0 t ∈ R∗
+

dit problème aux limites d’évolution pour l’équation de la chaleur.

Dans le cas où la température aux extrémités est donnée par

u(0, t) = u0 6= 0 et/ou u(l, t) = u1 6= 0 (3.15)

on dit que les conditions aux limites ne sont pas homogènes. Le champ de température est alors
solution du problème


 ∂u ∂2u ∗

 − α 2 = 0 (x, t) ∈ ]0, l[ × IR+

 ∂t ∂x

u(x, 0) = u0 (x) x ∈ IR (3.16)



 u(0, t) = u0 t ∈ R∗+


 1
u(l, t) = u t ∈ R∗+
Il est alors clair que si nous posons
µ ¶
0 u1 − u0
w(x, t) = u(x, t) − u + x (3.17)
l
alors w est solution de :


 ∂w ∂2w

 −α 2

 ∂t ∂x ³ ´
u1 −u0
w(x, 0) = u0 (x) − u0 + l x x ∈ IR (3.18)


 w(0, t) = 0

 t∈ R∗+
 w(l, t) = 0 t∈ R∗+

3.4 Équation des cordes vibrantes

On considère une corde homogène tendue occupant au repos une portion d’un axe Ox. On fait
vibrer cette corde transversalement. On fait les hypothèses suivantes :
1) On suppose que les vibrations sont purement transversales, et en outre, planes, dans un plan
contenant l’axe des x. Soit donc u = u(x, t) le déplacement transversal de la section x à l’instant
t.
2) On fait l’hypothèse que les perturbations sont petites :

∂u
| u |¿ L et | |¿ 1
∂x
où L est la longueur de la corde.
Ceci nous autorise à linéariser les équations du mouvement de la corde et en particulierà écrire
celles-ci sur la position moyenne de la corde (l’axe des x) tout en confondant l’abscisse curviligne
s le long de la corde avec l’abscisse x le long de l’axe Ox.
Équation des cordes vibrantes 37

3) A tout instant , et en tout point, le tenseur des efforts intérieurs à ce milieu, se réduit à une
force unique, appliquée en ce point, tangentielle et de traction, notée T . En outre, cette force
est constante.
4) On néglige les efforts de pesanteur.
Une équation paramétrée de la corde déformée est donc donnée par
µ ¶ µ ¶
x x
= (3.19)
y u(x, t)
La tangente unitaire à la corde déformée, orientée dans le sens des x croissants est donnée par
µ ¶ µ ¶
1 1 1
τ =q ∂u ≈ ∂u (3.20)
1 + ( ∂u
∂x )2 ∂x ∂x

La portion de corde [x, x + ∆x] est donc, sous les hypothèses ci-dessus, soumise aux forces
à !
1
F1 = −T ∂u (3.21)
(x, t)
∂x
à !
1
F2 = T ∂u (3.22)
(x + ∆x, t)
∂x
La résultante de ces deux forces est donc donnée par
à !
0
F = F1 + F2 = T ∂u ∂u (3.23)
(x + ∆x, t) − (x, t)
∂x ∂x
soit donc
 
0
F ≈ T  ∂2u  (3.24)
∆x (x, t)
∂x2
Si on désigne par ρ la masse linéique de la corde , la masse de la portion de corde [x, x + ∆x]
est donnée par m = ρ ∆x et le principe fondamental de la dynamique (F = mγ) donne

∂2u ∂2u
T ∆x 2
= ρ ∆x (3.25)
∂x ∂t 2
q
T
ce qui conduit, en posant : c = ρ, à l’EDP que doit vérifier u

∂2u 2
2 ∂ u
= c (3.26)
∂t2 ∂x 2
dite équation des cordes vibrantes ou équation CV ( ou équation des ondes scalaires à une
variable d’espace). La constante c est un paramètre positif, homogène à une vitesse appelée
”célérité” des ondes propagées par la corde vibrante.
L’équation des CV est le prototype des équations hyperboliques linéaires d’ordre deux.
Equation de transport 38

Rajoutons les conditions initiales dans le cas de la corde infinie. Nous obtenons
 2 2

 ∂ u 2∂ u

 2
− c 2
= 0 (x, t) ∈ R × R∗+

 ∂t ∂x
(3.27)

 u(x, 0) = u0 (x) x∈R


 ∂ u(x, 0) = u1 (x) x ∈ R

∂t
où u0 (x) et u1 (x) sont respectivement la position et la vitesse initiales de la section x. Le problème
(6.27) est le problème de Cauchy pour l’équation des cordes vibrantes (ou pour l’équation des
ondes à une variable d’espace).
Dans le cas de la corde de longueur finie il faut rajouter des conditions aux limites. Nous obtenons
(pour L = 1)
 2 2

 ∂ u 2∂ u

 2
− c 2
=0 (x, t) ∈ ]0, 1[ × R∗+

 ∂t ∂x




u(x, 0) = u0 (x) x ∈ ]0, 1[
(3.28)

 ∂

 u(x, 0) = u1 (x) x ∈ ]0, 1[

 ∂t




u(0, t) = u(1, t) = 0 t ∈ R∗+
Le problème (6.28) est un problème aux limites d’évolution pour l’équation des cordes vibrantes.

3.5 Equation de transport

3.5.1 Introduction à l’équation de transport
La conservation de la masse lors du transport d’un fluide dans un écoulement se traduit par
l’EDP

∂ρ
+ div( ρu ) = 0 (3.29)
∂t
où ρ =ρ(x, t) est la masse volumique du fluide au point x à l’instant t et u = u(x, t) est la vitesse
du fluide au point x à l’instant t.
Dans le cas d’un écoulement unidimensionnel à vitesse constante u = a, l’équation (6.29) devient :

∂ρ ∂ρ
+a =0 (3.30)
∂t ∂x
Cette équation est dite équation de transport.

3.5.2 Lien avec l’équation des ondes

Considérons le problème de Cauchy pour l’équation des ondes à une variable d’espace
 2 2

 ∂ u 2∂ u

 ∂t2 − c = 0 (x, t) ∈ R × R∗+

 ∂x2
(3.31)

 u(x, 0) = u0 (x) x∈R



 ∂
u(x, 0) = u1 (x) x ∈ R
∂t
Classification des EDP 39

Faisons le changement de fonctions



 ∂u ∂u
 w1 = c ∂x + ∂t

(3.32)


 w2 = c ∂u − ∂u

∂x ∂t
L’équation(7.1) conduit au système d’EDP, avec données initiales :

 ∂w1 ∂w1


 −c =0 (x, t) ∈ R × R∗+

 ∂t ∂x



 ∂w
2 ∂w2
+c =0 (x, t) ∈ R × R∗+ (3.33)

 ∂t ∂x





 w1 (x, 0) = cu00 (x) + u1 (x) x∈R


w2 (x, 0) = cu00 (x) − u1 (x) x ∈ R
soit encore
 µ ¶ µ ¶ µ ¶ µ ¶

 ∂ w1 −c 0 ∂ w1 0
 + =
∂t
µ w
¶2 0 c ∂x
µ ¶ w 2 µ 0 ¶ (3.34)

 w1 1 1
 (x, 0) = cu00 (x) + u1 (x)
w2 1 −1
C’est un système linéaire du premier ordre constitué de deux équations de transport identiques
à (6.30) avec a = −c et a = c. Il est donc important de développer des schémas numériques
pour l’équation du transport, schémas que l’on pourra adapter à l’équation des ondes considérée
comme un système du premier ordre, c’est à dire sous la forme (6.34).

3.6 Classification des EDP

3.6.1 Quelques généralités sur les EDP
Nous nous limitons dans toute la suite à deux variables indépendantes x et y. A l’occasion, y
pourra représenter le temps ou éventuellement pour des raisons d’homogénéité le produit du
temps par une constante c positive homogène à une vitesse (y = ct), x représente l’abscisse le
long d’un axe Ox.
∂u ∂u
La fonction inconnue sera notée u et ses dérivées partielles seront notées ux = , uy = ,
∂x ∂y
∂2u ∂2u ∂2u
uxx = , uxy = , uyy = .
∂x2 ∂x∂y ∂y 2
Nous nous intéresserons aux EDP du premier ordre de la forme

α ux + β uy + f = 0 (3.35)
où u = u(x, y) est la fonction inconnue et α , β et f sont des fonctions connues des variables
indépendantes x, y et de l’inconnue u. Pour les EDP du second ordre, nous nous intéresserons
à celles ayant la forme suivante :

α uxx + 2 β uxy + γ uyy + g = 0 (3.36)

Classification des EDP 40

où u = u(x, y) est la fonction inconnue et α , β, γ et g sont des fonctions connues des variables
indépendantes x et y et de l’inconnue u et de ses dérivées partielles premières ux et uy .
Les deux EDP (6.35) et (6.36) sont dites quasilinéaires parce qu’elles sont linéaires par rapport
aux dérivées partielles de u d’ordre le plus élevé : ux et uy dans (6.35) et uxx , uxy et uyy dans
(6.36).
L’EDP (6.35) est dite linéaire lorsque α et β sont des fonctions de x et y seulement et f est de
la forme f = γu + δ où γ et δ sont deux fonctions de x et y.
L’EDP (6.35) devient alors

α(x, y) ux + β(x, y) uy + γ(x, y) u + δ = 0 (3.37)

L’EDP (6.36) est dite linéaire lorsque α, β et γ sont des fonctions de x et y seulement et g est
de la forme g = δ ux + ² uy + ϕ u + ψ où δ, ², ϕ et ψ sont fonctions de x et y.
L’EDP (6.36) devient alors
½
α(x, y) uxx + 2 β(x, y) uxy + γ(x, y) uyy +
(3.38)
+δ(x, y) ux + ²(x, y) uy + ϕ(x, y) u + ψ(x, y) = 0
Un cas particulier, mais important, d’EDP linéaires est celui des EDP linéaires à coefficients
constants. Dans toute la suite nous nous limiterons aux cas des équations linéaires à coefficients
constants et nous supposerons que α , β et γ dans (6.37) où α, β, γ, δ, ² et ϕ dans (6.38) sont
des constantes réelles.

3.6.2 EDP du premier ordre

Si la variable y représente le temps t > 0 et si β 6= 0 l’équation (6.35) s’écrit, en remplacant y
par t comme suit :

α f
ut + ux = − (3.39)
β β
α
Ainsi, le long des demi-droites du plan (x, t) d’équation x = β t + x0 , t > 0, on a, si (6.39) est
vérifiée et si f = f (x, y) :

d α α α α f α
u( t + x0 , t) = ut ( t + x0 , t) + ux ( t + x0 , t) = − ( t + x0 , t)
dt β β β β β β
soit
Z t
α f α
u( t + x0 , t) = u(x0 , 0) + − ( τ + x0 , τ )dτ
β 0 β β
Si f = 0, la valeur de u(x0 , 0) correspondant à l’instant 0, se retrouve en x = αβ t + x0 à l’instant
t et si f 6= 0, un terme additionnel ne dépendant pas des valeurs de u(x0 , 0) vient s’y rajouter.
On dit que l’équation traduit un phénomène de propagation de l”’information” avec la célérité,
ou vitesse de propagation, c = αβ et la prise en compte d’un terme source éventuel lorsque f 6= 0.

3.6.3 EDP du second ordre

Considérons l’EDP du second ordre linéaire
½
α(x, y) uxx + 2 β(x, y) uxy + γ(x, y) uyy +
(3.40)
+δ(x, y) ux + ²(x, y) uy + ϕ(x, y) u = 0
Classification des EDP 41

où α, β, γ, δ, ² et ϕ sont des constantes réelles. On supposera que l’EDP (6.40) est réellement
du second ordre, c’est à dire que (α, β, γ)6= (0, 0, 0).

Effet d’une rotation des axes, d’angle θ

Faisons un changement d’axes par une rotation d’angle θ. Alors les anciennes coordonnées
cartésiennes (x, y) deviennent de nouvelles coordonnées cartésiennes (X, Y ). Nous espérons
réduire les termes du second ordre, c’est à dire annuler une partie ou l’ensemble des coefficients
des dérivées partielles de u d’ordre 2.
On a
½
x = X cos(θ) + Y sin(θ)
(3.41)
y = −X sin(θ) + Y cos(θ)
ou bien encore
½
X = x cos(θ) − y sin(θ)
(3.42)
Y = x sin(θ) + y cos(θ)
De (4.42) on obtient

 ∂X ∂X

 = cos(θ) = − sin(θ)
 ∂x ∂y
(3.43)


 ∂Y = sin(θ)
 ∂Y
= cos(θ)
∂x ∂y
On a alors en posant u(x, y) = v(X(x, y), Y (x, y)) :

 ∂u ∂v ∂v

 ∂x = ∂X cos(θ) + ∂Y sin(θ)

(3.44)

 ∂u ∂v ∂v

 =− sin(θ) + cos(θ)
∂y ∂X ∂Y
et, de là, en répétant l’opération et en regroupant certains termes
 2
 ∂ u ∂2v 2 ∂2v ∂2v


 2
= 2
cos (θ) + 2 cos(θ) sin(θ) + 2
sin2 (θ)

 ∂x ∂X ∂X∂Y ∂Y





 ∂2u ∂2v ∂2v

 = − cos (θ) sin(θ) + (cos 2 (θ) − sin 2 (θ))

 ∂x∂y ∂X 2 ∂X∂Y
(3.45)



 ∂2v

 + sin(θ) cos(θ)

 ∂Y 2





 ∂2u ∂2v ∂2v ∂2v

 = sin 2
(θ) − 2 cos(θ) sin(θ) + cos 2 (θ)
∂y 2 ∂X 2 ∂X∂Y ∂Y 2
Reportant (4.44) et (4.43) dans (6.40), nous obtenons l’expression de notre EDP dans les nou-
velles coordonnées. Elle s’écrit sous la même forme, à savoir :

A vXX + 2 B vXY + C vY Y + D vX + E vY + F v = 0 (3.46)

avec, en particulier :
Classification des EDP 42


 A = α cos 2 (θ) − 2 β cos(θ) sin(θ) + γ sin2 (θ)
B = α cos (θ) sin(θ) + β (cos 2 (θ) − sin 2 (θ))) − γ sin(θ) cos(θ) (3.47)

C = α sin 2 (θ) + 2 β cos(θ) sin(θ) + γ cos 2 (θ)
ou encore :

 A = P + Q cos(2θ) − β sin(2θ)
B = Q sin(2θ) + β cos(2θ) (3.48)

C = P − (Q cos(2θ) − β sin(2θ))
si l’on pose P = α+γ α−γ
2 et Q = 2 .
Un calcul simple donne :
 2

 B − AC = ( α−γ 2 α+γ 2
2 sin(2θ) + βcos(2θ)) − ( 2 ) +

( α−γ
2 cos(2θ) − βsin(2θ))
2
(3.49)

 = Q + β − P = ( 2 ) − ( α+γ
2 2 2 α−γ 2 2
2 ) +β
2

= β 2 − αγ
Nous déduisons de (3.49) que β 2 − αγ est un invariant de l’équation (6.40) dans la rotation
(6.41).

Réduction des termes du second ordre et classification

a) Première étape On peut toujours annuler B. Il suffit de choisir
(
2β
θ = 12 Arctg( α−γ ) + k π2 k ∈ Z, si α =6 γ
π π (3.50)
θ = 4 +k2 k ∈ Z, si α = γ
On choisit θ selon (4.46) pour avoir B = 0. Dans ces conditions, si (6.40) est effectivement du
second ordre, A et C ne peuvent pas être tous deux nuls. En effet : A = C = 0 impliquerait γ
= - α et αcos(2θ) − βsin(2θ) = 0. Or B = 0 signifie que : β cos(2θ) - α sin(2θ) = 0
D’où
µ ¶µ ¶ µ ¶
cos(2θ) − sin(2θ) α 0
=
sin(2θ) cos(2θ) β 0
et finalement on aurait α = β = γ = 0 et (6.40) serait du premier ordre, ce qui, par hypothèse,
n’est pas le cas.

b) Deuxième étape Ayant choisit θ selon (4.46), trois cas sont alors possibles :
1er cas : Les coefficients A et C sont de même signe : AC > 0.
Quitte à multiplier (4.45) par −1, on peut toujours supposer ce signe commun positif. En
changeant d’échelle de longueur, séparément dans les directions X et Y , on peut écrire (4.45)
sous la forme

vXX + vY Y + D vX + E vY + F v = 0 (3.51)
avec bien sûr de nouvelles constantes D, E et F .
2ème cas : Les coefficients A et C sont de signes contraires : AC < 0.
En procédant de la même manière, on peut écrire (4.45) sous la forme
Classification des EDP 43

vXX − vY Y + D vX + E vY + F v = 0 (3.52)
3ème cas : L’un des deux coefficients A ou C est nul : AC = 0
Quitte à changer θ en θ + π2 , on peut toujours supposer que c’est C qui s’annule. De façon
analogue, on peut donc mettre (4.45) sous la forme

vXX + D vX + E vY + F v = 0 (3.53)
Dans le premier cas l’équation (6.40) est dite elliptique. Cela correspond à B 2 − AC < 0 et
β 2 − αγ < 0.
Dans le deuxième cas, l’équation est dite hyperbolique, d’ailleurs on y retrouve une notion de
propagation comme dans les EDP hyperboliques du premier ordre, ainsi que nous le verrons au
chapitre consacré à l’étude de l’équation des cordes vibrantes. Cela correspond à B 2 − AC > 0
et β 2 − αγ > 0
Dans le troisième cas, l’équation est dite parabolique ; cela correspond à B 2 −AC = β 2 −αγ = 0.

Remarque 3.3 On peut définir la transformée de Fourier F (u), où û, d’une fonction
u : R2 → R en posant pour u ∈ L1 (R2 ) et (ξ, η) ∈ R2
Z
F (u)(ξ, η) = u(x, y) e−2iπ(xξ+yη) dxdy (3.54)
R2

On a alors, lorsque les dérivées partielles de u d’ordre inférieur ou égal à deux sont dans L1 (R2 ) :

F (α uxx + 2 β uxy + γ uyy ) = −4π 2 (α ξ 2 + 2 β ξη + γ η 2 )F (u)

L’équation du second degré en ξ et η

α ξ 2 + 2 β ξη + γ η 2 = 0 (3.55)
joue un rôle important lorsqu’on utilise la transformation de Fourier pour la résolution de l’EDP
(6.40). L’appellation des cas étudiés par elliptique, hyperbolique et parabolique est liée aux fait
que pour α > 0, équation (4.52) est l’équation d’une ellipse si β 2 −αγ < 0 et celle d’une hyperbole
si β 2 − αγ > 0.

Elimination des termes du premier ordre

Effectuons un changement de fonctions inconnues, en posant :

v(X, Y ) = exp(aX) h(X, Y ) (3.56)

où a est une constante réelle. Il vient

∂v ∂h
= exp(aX)( + ah) (3.57)
∂X ∂X
∂2v ∂2h ∂h
2
= exp(aX)( 2
+ 2a + a2 h) (3.58)
∂X ∂X ∂X
Après simplification par exp(aX) ,(4.48) s’écrit alors

hXX + hY Y + (2a + D) hX + E hY + (a2 + Da + F ) h = 0 (3.59)

Classification des EDP 44

En choisissant a = − D2 , on peut faire disparaitre le terme en

∂h
∂X .
Si au lieu de (4.53) on pose

v(X, Y ) = exp(aX + bY ) h(X, Y ) (3.60)

où a et b sont des constantes réelles. On peut en choisissant a = − D E
2 et b = − 2 , faire disparaitre
les deux termes du premier ordre dans (4.48) .
On peut procéder de même pour l’EDP (4.49).
En ce qui concerne (4.50), on ne peut qu’utiliser le changement de fonctions (4.53) (et non
∂h
(4.57)) et le terme E ∂Y va subsister.
D’où finalement trois formes canoniques :

hXX + hY Y + H h = 0 (3.61)

hXX − hY Y + H h = 0 (3.62)

hXX + G hY + H h = 0 (3.63)
où G et H sont des constantes réelles (obtenues à partir des constantes D, E et F ).

Remarque 3.4 Il n’est pas possible d’aller sensiblement plus loin dans la simplification de
l’EDP : supprimer H change l’équation.
Toutefois, il nous faut admettre, que les caractères essentiels de l’EDP ne sont pas altérés si l’on
supprime le terme Hh.
Supposons que H = 0 et G 6= 0. Dans ce cas, nous posons Y = ct (où t sera le temps) dans
(4.59) et nous posons | G |= α1 et Y =- t signe(G) dans (4.60).
Des calculs faciles conduisent alors à partir de (4.58), (4.59) et (4.60) aux trois EDP suivantes :
∂2h ∂2h
+ =0 (3.64)
∂X 2 ∂Y 2
dite équation de Laplace, de nature elliptique,
1 ∂2h ∂2h
= (3.65)
c2 ∂t2 ∂X 2
dite équation des cordres vibrantes, de nature hyperbolique, et

∂h ∂2h
=α (3.66)
∂t ∂X 2
dite équation de la chaleur, de nature parabolique.
Ces trois équations modèles seront étudiées aux chapitres suivants.

Remarque 3.5 Si G=0 dans (4.60) , on ne peut aboutir à (4.63). En fait, on est en présence
d’une équation différentielle à coefficients constants bien classique (h00 +Hh = 0), Y n’intervenant
plus que comme un simple paramètre.

Fin du chapitre 3.
E.N.I.T Unité Pédagogique de Mathématiques Appliquées

Série 3 — Équations Mathématiques de la Physique

1ère Année : GC – GI – Hydrometeo - 2ème Année : GM 08/09

Exercice 1
On considère les équations aux dérivées partielles

∂2u ∂2u ∂2u ∂u

2
+ 2 + 2
+3 + 4u = 0
∂x ∂x∂y ∂y ∂y
∂2u √ ∂2u ∂2u √ ∂u √ ∂u
2
+ 2 3 − 2
− 2(1 + 3) − 2(1 − 3) + 4u = 0
∂x ∂x∂y ∂y ∂x ∂y

∂2u ∂2u ∂2u ∂u ∂u

5 2
+ 6 + 5 2
−4 +3 + 4u = 0
∂x ∂x∂y ∂y ∂x ∂y
Etudier la nature de ces EDP et donner le changement de variables adéquat pour avoir la forme
la plus simple.

Exercice 2
Soit f : R2 → R de classe C 2 vérifiant :

∂2f ∂2f ∂2f

(e) a + 2b + c =0
∂x2 ∂x∂y ∂y 2

1) On prend pour nouvelles variables

u = x + my v = x + ny
m et n étant des nombres réels distincts.
À la fonction f est alors associée la fonction F telle qu

F (u, v) = f (x, y)
a) Montrer que si f est de classe C 2 alors F est de classe C 2 .
b) Calculer les dérivées partielles de f en fonction de celles de F et de m et n et déterminer
l’équation (E) vérifiée par les dérivées partielles de la fonction F .
2) Montrer que si b2 − ac > 0, on peut choisir m et n pour que l’équation (E) s’écrive sous la
forme :

∂2F
=0
∂u∂v
Caractériser les fonctions f solutions de l’équation (e).
3) Montrer que si b2 − ac = 0, on peut choisir m et n pour que l’équation (E) s’écrive sous la
forme :
∂2F
=0
∂v 2
Caractériser les fonctions f solutions de l’équation (e).
Classification des EDP 46

4) Montrer que si b2 − ac < 0, on peut choisir m et n pour que l’équation (E) s’écrive sous la
forme :

∂2F ∂2F
+ =0
∂u2 ∂v 2
( On ne demande pas de caractériser les fonctions f ).

Exercice 3
1) À toute fonction réelle ϕ définie et différentiable dans un domaine D de R2 ne contenant pas
le point (0, 0), on associe la fonction φ définie par :

φ(r, θ) = ϕ(r cosθ, r sinθ)

Montrer que la fonction φ est différentiable et donner les expressions de ∂φ ∂φ
∂r et ∂θ en fonction
de ∂ϕ ∂ϕ ∂ϕ ∂ϕ ∂φ ∂φ
∂x , ∂y , r et θ ainsi que les expressions de ∂x , ∂y en fonction de ∂r , ∂θ , r et θ.
2) On considère une fonction f de classe C 2 définie dans un domaine D de R2 ne contenant pas
le point (0,0) et on lui associe comme dans la première question la fonction F définie dans le
domaine D0 associé à D par :
F (r, θ) = f (r cosθ, r sinθ)
Montrer que F est de classe C 2 .
Utiliser les formules obtenues à la première question pour établir que

∂2f ∂2f ∂2F 1 ∂2f 1 ∂F

∆f = 2
+ 2
= 2
+ 2 2
+
∂x ∂y ∂r r ∂θ r ∂r
Existe-t-il des fonctions f , dépendant de la seule variable x2 + y 2 , solutions de l’équation

∂2f ∂2f
∆f = + =0
∂x2 ∂y 2
 47

Chapitre 4

SCHÉMAS NUMÉRIQUES POUR

LES ÉQUATIONS AUX DÉRIVÉES
PARTIELLES

4.1 Introduction
La résolution d’une équation aux dérivées partielles signifie l’obtention des valeurs d’une ( ou
de plusieurs) inconnue(s) en fonction des variables ( comme le temps t ou la position x ∈
R, R2 ou R3 ) qui prennent une infinité de valeurs possibles. Si l’on est capable de résoudre
”analytiquement”une équation aux dérivées partielles c’est à dire d’exprimer sa solution à l’aide
d’une formule explicite, alors il suffira, a posteriori d’appliquer cette formule à telle ou telle
valeur des variables (t ou x) que choisira l’utilisateur.
Malheureusement, les solutions analytiques ou exactes, quoique fort intéressantes, ne peuvent
pas toujours être obtenues. Hormis le cas de problèmes très simples ou de géométries très parti-
culières, il ne faut pas trop espérer résoudre ” à la main”et il est inévitable en pratique de recourir
à l’ordinateur. Or l’ordinateur est ”fini” à plus d’un titre : il est limité en place-mémoire, en
précision, en durée de fonctionnement. Il faut donc discrétiser le problème i.e. le remplacer par
un problème dit discret parce que comportant un nombre fini de ”quantités” à calculer censé
lui être proche en un certain sens. On peut réaliser une approximation par différences finies, par
éléments finis, par une méthode particulaire ou spectrale.. d’un problème aux dérivées partielles.
Les méthodes sont nombreuses. On se limitera ici à l’approximation par différences finies. La
méthode des éléments finis fera l’objet d’un cours de deuxième année.
Nous sommes, en fait, dans les cas courants, amenés à faire l’approximation d’une dérivée
première ou seconde en temps et d’une dérivée première ou seconde en espace par un taux d’ac-
croissement. Plusieurs possibilités s’offrent à nous, avec, comme pour la résolution des équations
différentielles, les deux interrogations suivantes sur la méthode d’approximation choisie :
1) La stabilité : les erreurs d’approximation ou de troncature, inévitables en général, risquent-
elles de s’amplifier au cours des calculs ?
2) Convergence : la solution approchée ”converge”-t-elle, lorsque le pas de discrétisation (∆t et
∆x) tend vers zéro, vers la ”solution exacte” ?
Ces notions de stabilité et de convergence doivent donc être définies en utilisant des normes bien
déterminées. Il y aura donc plusieurs types de stabilité, plusieurs types de convergence selon la
norme choisie.
On ajoutera également une troisième notion qui jouera un rôle essentiel lors de l’étude de la
Approximation des dérivées partielles par des différences finies 48

convergence. Il s’agit de la consistance. Le schéma proposé sera dit consistant s’il fournit une
approximation, au moins à l’ordre un, de l’équation, comme on va le préciser dans les chapitres
suivants.

4.2 Approximation des dérivées partielles par des différences

finies
4.2.1 Maillage
© ª
Dans le demi-plan (x, t) ∈ R2 , t > 0 muni d’une base orthonormée (Ox, Ot), nous traçons un
réseau de droites paralléles à l’axe des x, équidistantes de pas ∆t, ainsi qu’un réseau de demi-
droites paralléles à l’axe des t issues de l’axes des x équidistantes de pas ∆x. Les intersections
des deux réseaux sont les points Mjn de coordonnées (xj = j∆x, tn = n∆t), j ∈ Z, n ∈ N. On
dit que l’on a construit un maillage du demi-plan R × R+ .

n+1 n+1
M n+1
j−1
Mj M j+1
(n+1) ∆t

n n n
M j−1 M M j+1
n ∆t j

(j−1) ∆x j ∆x (j+1) ∆x x

Fig. 4.1 –

Au lieu de chercher u dans R × R∗+ vérifiant l’une des équations qui seront traitées dans les cha-
pitres suivants (équation de la chaleur, équation de la corde vibrante ou équation de transport)
nous cherchons une suite vjn , j ∈ Z, n ∈ N, qui approche u au points Mjn de la grille définie
ci-dessus et qui vérifie une équation ”proche” de l’équation initiale.
Pour chercher une approximation de u en un point (x, t) qui n’est pas l’un des points de la grille,
on peut, par exemple, déterminer dans quel rectangle [j∆x, (j + 1)∆x[ × [n∆t, (n + 1)∆t[ se
n , v n+1 et
trouve le point (x, t) et effectuer une interpolation à partir des quatres valeurs vjn , vj+1 j
n+1
vj+1 .
Ainsi la recherche d’une approximation d’une fonction u solution d’un problème aux dérivées
Approximation des dérivées partielles par des différences finies 49

partielles (P ) posé sur R × R∗+ passe par la résolution d’un problème ”discret” Pe consistant à
déterminer les quantités vjn , j ∈ Z, n ∈ N. On dit que l’on a ainsi discrétisé le problème (P ).
Pour celà, nous allons procéder pas de temps par pas de temps, selon les temps croissants.
Dans les équations aux dérivées partielles que nous avons à étudier, nous avons des dérivées
premières et des dérivées secondes par rapport au temps et des dérivées premières et des dérivées
secondes par rapport à l’espace.
On pose
 µ ¶n µ ¶n

 ∂u ∂u n ∂u ∂u

 = (xj , t ) = (xj , tn )

 ∂t j ∂t ∂x j ∂x
µ 2 ¶n µ 2 ¶n (4.1)

 2u 2u

 ∂ u ∂ ∂ u ∂

 ∂t2 = 2 (xj , tn ) 2
= 2
(xj , tn )
j ∂t ∂x j ∂x
et on cherche à les discrétiser en les approchant par des taux d’accroissements.

4.2.2 Discrétisation d’une dérivée première

Supposons que u soit de classe C 2 . Alors on a, d’aprés la formule de Taylor :
µ ¶n
n+1 n ∂u
u(xj , t ) = u(xj , t ) + ∆t + O(∆t2 ) (4.2)
∂t j
et
µ ¶n
∂u
u(xj+1 , tn ) = u(xj , tn ) + ∆x + O(∆x2 ) (4.3)
∂x j

d’où l’on peut tirer

µ ¶n
∂u un+1
j − unj
= + O(∆t) (4.4)
∂t j ∆t
µ ¶n
∂u unj+1 − unj
= + O(∆x) (4.5)
∂x j ∆x
où unj = u(xj , tn ).
Si vjn ' u(xj , tn ), on peut alors écrire les approximations :
µ ¶n
∂u vjn+1 − vjn
' (4.6)
∂t j ∆t
µ ¶n n
∂u vj+1 − vjn
' (4.7)
∂x j ∆x
On dit qu’on discrétise la dérivée première par une différence finie décentrée à droite précise au
∂u
premier ordre. De même on peut approcher par :
∂x
µ ¶n
∂u vjn − vj−1
n
' (4.8)
∂x j ∆x
On dit qu’on utilise une technique de différence finie décentrée à gauche précise au premier ordre.
Approximation des dérivées partielles par des différences finies 50

Maintenant si on suppose que u soit de classe C 3 on peut écrire :

µ ¶n µ ¶n
n n ∂u ∆x2 ∂ 2 u
uj+1 = uj + ∆x + + O(∆x3 ) (4.9)
∂x j 2 ∂x2 j
et
µ ¶n µ ¶n
∂u ∆x2 ∂2u
unj−1 = unj − ∆x + + O(∆x3 ) (4.10)
∂x j 2 ∂x2 j
d’où
µ ¶n
∂u unj+1 − unj−1
= + O(∆x2 ) (4.11)
∂x j 2∆x
et on peut alors écrire l’approximation :
µ ¶n n n
∂u vj+1 − vj−1
' (4.12)
∂x j 2∆x
On dit qu’on utilise une technique de différence finie centrée précise au second ordre.

4.2.3 Discrétisation d’une dérivée seconde

Supposons que u soit de classe C 4 . Alors on a
µ ¶n µ ¶n µ ¶n
n+1 n ∂u ∆t2 ∂ 2 u ∆t3 ∂ 3 u
uj = uj + ∆t + + + O(∆t4 ) (4.13)
∂t j 2 ∂t2 j 6 ∂t3 j
et
µ ¶n µ ¶n µ ¶n
∂u ∆t2 ∂2u ∆t3 ∂3u
un−1
j = unj − ∆t + − + O(∆t4 ) (4.14)
∂t j 2 ∂t2 j 6 ∂t3 j
D’où l’on tire que :
µ ¶n
∂2u un+1
j − 2unj + un−1
j
= + O(∆t2 ) (4.15)
∂t2 j ∆t2
De même on obtient :
µ ¶n
∂2u unj+1 − 2unj + unj−1
= + O(∆x2 ) (4.16)
∂x2 j ∆x2
Dans ce cas on peut écrire
µ ¶n
∂2u vjn+1 − 2vjn + vjn−1
' (4.17)
∂t2 j ∆t2
et
µ ¶n n
∂2u vj+1 − 2vjn + vj−1
n
' (4.18)
∂x2 j ∆x2
On dit alors qu’on discrétise la dérivée seconde par une différence finie centrée précise au second
ordre.
Exemples de discrétisation 51

4.3 Exemples de discrétisation

4.3.1 Premier exemple
Considérons l’équation de transport

∂u ∂u
+a =0 x∈R t>0 (4.19)
∂t ∂x
où a est un réel non nul donné.
Nous allons discrétiser cette équation en utilisant une différence finie décentrée pour la variable
temps :
µ ¶n
∂u vjn+1 − vjn
' (4.20)
∂t j ∆t
et une différence décentrée à droite pour l’espace :
µ ¶n n
∂u vj+1 − vjn
' (4.21)
∂x j ∆x
On obtient alors le schéma numérique suivant :

vjn+1 − vjn n
vj+1 − vjn
+a =0 (4.22)
∆t ∆x
ou encore

∆t n
vjn+1 = vjn − a (v − vjn ) (4.23)
∆x j+1
Le schéma ainsi obtenu permet le calcul des termes (vln+1 )l∈Z à partir des termes (vln )l∈Z . En
somme, ”notre ordinateur”, ayant ”oublié” les niveaux de temps 0, 1, 2, ..., n − 1, ne connait plus
que les pas n et n + 1.
Dans ce cas, on dit qu’on a un schéma à deux niveaux ( ou à un pas de temps).
D’autres schémas numériques pourraient être proposés. On peut par exemple approcher la
dérivée partielle par rapport à l’espace par une différence finie centrée :
µ ¶n n n
∂u vj+1 − vj−1
' (4.24)
∂x j 2∆x
On obtient alors le schéma numérique suivant :

∆t n
vjn+1 = vjn − a (v n
− vj−1 ) (4.25)
2∆x j+1
On remarque que dans les deux cas (6.22) et (6.25), vjn+1 ne dépend que d’un nombre fini de
valeurs vln , l ∈ Z. Lorsque k est le plus petit entier tel que vjn+1 est une fonction des quantités
n , .., v n , .., v n , on dit qu’on a un schéma explicite à deux niveaux et à 2k + 1 points. Dans
vj−k j j+k
ce cas, le schéma s’écrit :

vjn+1 = H(vj−k
n
, .., vjn , .., vj+k
n
) (4.26)
Dans les deux cas particuliers, on a un schéma numérique explicite à deux niveaux et à trois
points.
Exemples de discrétisation 52

Reprenons de nouveau l’EDP (6.18). On peut approcher le terme ∂u ∂x au niveau n+1 plutôt qu’au
niveau n, c’est à dire à l’instant (n + 1)∆t au lieu de l’instant n∆t et garder l’approximation
¡ ¢n+1
(6.19) pour le terme ∂u ∂t j . On écrit alors
µ ¶n+1
∂u vjn+1 − vjn
' (4.27)
∂t j ∆t
et
µ ¶n+1 n+1
∂u vj+1 − vjn+1
' (4.28)
∂x j ∆x
On obtient

∆t n+1
vjn+1 = vjn − a (vj+1 − vjn+1 ) (4.29)
∆x
Ce schéma est appelé implicite comme le justifie la remarque suivante.
Remarque 4.1 Le schéma (6.25) est explicite en ce sens que, pour calculer vjn+1 , il suffit de
remplacer explicitement les quantités figurant au second membre de (6.25) par leurs valeurs
connues et stockées en mémoire.
A l’inverse, avec le schéma (6.29), il n’est pas possible de calculer directement les quantités
(vln+1 )l∈Z à partir de (vln )l∈Z . Les inconnues sont liées entre elles par un ensemble d’équations
du type (6.29). On obtient en fait un système linéaire qu’il s’agit de résoudre à chaque pas de
temps.
Plus généralement un schéma numérique qui s’écrit sous la forme

n+1
0 = J(vj−k , .., vjn+1 , .., vj+k
n+1 n
, vj−k , .., vjn , .., vj+k
n
) (4.30)
où J est une fonction de R4k+2 → R sera qualifié de schéma implicite.

4.3.2 Deuxième exemple

Maintenant on considère l’équation des ondes :

∂2u 2∂ u
2
− c =0 x∈R t>0 (4.31)
∂t2 ∂x2
Pour la discrétisation de (7.1) on va utiliser une différence finie centrée en temps et en espace :
µ ¶n
∂2u vjn+1 − 2vjn + vjn−1
' (4.32)
∂t2 j ∆t2
et
µ ¶n n
∂2u vj+1 − 2vjn + vj−1
n
' (4.33)
∂x2 j ∆x2
on obtient

vjn+1 − 2vjn + vjn−1 n

vj+1 − 2vjn + vj−1
n
− c2 =0 (4.34)
∆t2 ∆x2
Dans ce cas, vjn+1 est donnée en fonction des vjn et vjn−1 . On dira qu’on a un schéma explicite
à trois niveaux ( ou à deux pas de temps).
Quelques définitions 53

4.4 Quelques définitions

Nous nous limiterons dans toute la suite aux schémas linéaires explicites à deux niveaux et à
2k + 1 points c’est à dire aux schémas qui s’écrivent sous la forme :
k
X
vjn+1 = n
αl vj+l (4.35)
l=−k

Nous venons de voir que nous avons plusieurs façons de discrétiser une même équation aux
dérivées partielles. Alors comment choisir entre ces différents schémas. Pour cela, nous allons
définir certaines notions qui vont différencier les schémas entre eux et permettre de dire si un
schéma est meilleur qu’un autre.

4.4.1 Convergence
La première notion importante est la notion de convergence. Le schéma est convergent si la
solution du problème discret tend, en un certain sens, vers la solution du problème aux dérivées
partielles étudié, lorsque ∆x et ∆t tendent simultanément vers zéro.

4.4.2 Consistance
La deuxième notion est la notion de consistance d’un schéma numérique.
Nous n’aurons de chance d’obtenir la convergence du schéma que si nous approchons correcte-
ment ou avec une précision suffisante le problème continu, c’est à dire, si nous remplaçons les
dérivées partielles par des différences finies effectivement voisines. Nous supposerons ∆x et ∆t
du même ordre. Pour un schéma qui s’écrit sous la forme

vjn+1 = H(vj−k
n
, .., vjn , .., vj+k
n
) (4.36)
et si u = u(x, t) est ” la solution exacte” de l’EDP étudiée, on a, en notant unj = u(xj , tn ) et en
supposant que u est suffisamment régulière, une relation de la forme

un+1
j = H(unj−k , .., unj , .., unj+k ) + ²(∆t, ∆x) (4.37)
La quantité ²(∆t, ∆x) est l’erreur locale de discrétisation qui définit la précision du schéma
numérique. Le schéma numérique (6.36) sera dit consistant si dans (6.37) on a

lim ²(∆t, ∆x) = 0 (4.38)

∆t→0
∆x→0

Remarque 4.2 Si l’on a ²(∆t, ∆x) = O(∆t2 , ∆x2 ) on dit que le schéma considéré est du
premier ordre. Si l’on a ²(∆t, ∆x) = O(∆t3 , ∆x3 ) on dit que le schéma est du second ordre.

4.4.3 Stabilité
∆t
Dans la pratique on garde le rapport λ = ∆x constant lorsqu’on raffine la grille. Soit à résoudre
T
une EDP sur l’intervalle de temps [0, T ] , T > 0. On prend alors un pas de temps ∆t = N
∆t N
et un pas d’espace ∆x = λ . Les quantités vj , j ∈ Z, sont donc censées nous donner une
approximation des valeurs u(xj , T ), j ∈ Z, car N ∆t = T .
Quelques définitions 54

Si les erreurs de discrétisation ne font que s’ajouter, l’erreur au pas N sera de l’ordre de
N ²(∆t, ∆x). On devrait avoir pour un schéma du premier ordre une erreur totale de l’ordre
de

T ∆t2 1
N (∆t2 + ∆x2 ) = (∆t2 + 2 ) = T (1 + 2 )∆t (4.39)
∆t λ λ
En fait, l’erreur à l’étape n + 1 si l’on part de la solution exacte à l’étape n est bien de l’ordre de
(∆t2 +∆x2 ) = (1+ λ12 )∆t2 . Mais l’erreur à l’étape n+1 obtenue en partant d’une approximation
déjà entachée d’erreur à l’étape n peut, pour certains schémas, être donc plus grande que (1 +
1
λ2
)∆t2 .
C’est la notion de stabilité d’un schéma numérique, qui sera définie ultérieurement, qui nous per-
mettra d’évaluer la façon avec laquelle l’erreur de discrétisation à un pas de temps donné, influe
sur l’erreur aux pas de temps suivants. Commençons par illustrer ce phénomène de propagation
de l’erreur sur quelques exemples.

Premier exemple
Pour fixer les idées, considérons l’équation de transport, avec une condition initiale oscillante

 ∂u ∂u
 +a =0 x∈R t>0
∂t ∂x (4.40)


u(x, 0) = u0 (x) = exp(−ikx) x ∈ R
π
où k est un réel strictement positif donné et i est la racine complexe de −1 d’argument 2 .
Considérons le schéma numérique (6.25)
 ∆t n

 vjn+1 = vjn − a (v n
− vj−1 )
2∆x j+1 (4.41)

 0
vj = u0 (xj )
Nous allons chercher par récurrence une relation entre vjn+1 et vj0 . On a

vj0 = exp(−ikj∆x) (4.42)

∆t
calculons vj1 en posant β = a ∆x
vj1 = vj0 − β2 (vj+1
0 0 )
− vj−1
= exp(−ikj∆x) h− β2 [exp(−ik(j + 1)∆x) − exp(−ik(j
i − 1)∆x)]
β
= exp(−ikj∆x) 1 − 2 [exp(−ik∆x) − exp(ik∆x)]
= exp(−ikj∆x)(1 + iβ sin(k∆x))
soit

vj1 = (1 + iβ sin(k∆x)) exp(−ikj∆x) (4.43)

et ceci est vrai pour tout j ∈ Z.
Supposons que la relation

vjl = (1 + iβ sin(k∆x))l exp(−ikj∆x) j∈Z (4.44)

est vérifiée jusquà l’ordre n et montrons là à l’ordre n + 1. On a
Quelques définitions 55

vjn+1 = vjn − β2 (vj+1

n n )
− vj−1
h i
= (1 + iβ sin(k∆x))n exp(−ikj∆x) − β2 [exp(−ik(j + 1)∆x) − exp(−ik(j − 1)∆x)]
h i
=(1 + iβ sin(k∆x))n exp(−ikj∆x) 1 − β2 [exp(−ik∆x) − exp(ik∆x)]
=(1 + iβ sin(k∆x))n exp(−ikj∆x)(1 + iβ sin(k∆x))
=(1 + iβ sin(k∆x))n+1 exp(−ikj∆x)
D’où

vjn+1 = (1 + iβ sin(k∆x))n+1 exp(−ikj∆x) j∈Z (4.45)

Donc la relation (4.44) est vérifiée pour tout l > 0.
Les quantités vjn sont censées être des approximations des quantités
unj = u(xj , tn ) = exp(−ik(xj − atn ))
¯ ¯
¯ ¯
Cependant, les unj vérifient ¯unj ¯ = 1, alors que, d’après (4.44) on a :
¯ ¯
¯ ¯
lim ¯vjn ¯ = +∞, pour ∆t et ∆x fixés et k tel que k∆x 6= 0 [π].
n→∞
On dit que le schéma numérique (6.41) ”explose”.
Ceci nous amène à introduire la notion de stabilité, que nous préciserons dans la suite.
Comme la stabilité dépend de la norme choisie on va donner deux définitions de la stabilité
relativement aux deux normes les plus couramment utilisées.
Nous dirons qu’un schéma est L∞ -stable s’il existe une constante C > 0 indépendante de ∆x,
de ∆t et de n telle que :
¯ ¯ ¯ ¯
sup ¯vjn ¯ < Csup ¯vj0 ¯ (4.46)
j∈Z j∈Z
¯ ¯
¯ ¯
dès que sup ¯vj0 ¯ < +∞.
j∈Z
Nous dirons qu’un schéma est L2 -stable s’il existe une constante C > 0 indépendante de ∆x, de
∆t et de n telle que :
 1  1
2 2
X ¯ ¯2 X ¯ ¯2
∆x ¯vjn ¯  < C ∆x ¯vj0 ¯  (4.47)
j∈Z j∈Z
X ¯¯ ¯¯2
dès que ¯vj0 ¯ < +∞
j∈Z
En somme, la solution approchée au pas de temps n est bornée par une quantité qui ne dépend
que de la donnée initiale.
D’après cette définition, le schéma que nous venons de voir n’est pas stable puisqu’il explose,
aussi bien en norme L∞ qu’en norme L2 .

Deuxième exemple
Regardons maintenant un autre schéma. Pour celà, on va prendre une autre approximation de
la dérivée partielle par rapport au temps :
µ ¶n+1 µ ¶
∂u n+1 1 n n 1
' vj − ( vj+1 + vj−1 ) (4.48)
∂t j 2 ∆t
On obtient le schéma suivant, appelé le schéma de Lax :
Quelques définitions 56

³ ´
vjn+1 − 21 ( vj+1
n n )
+ vj−1 n
(vj+1 n )
− vj−1
+a =0 (4.49)
∆t 2∆x
d’où

1 n ∆t n
vjn+1 = ( vj+1 n
+ vj−1 )−a (v n
− vj−1 ) (4.50)
2 2∆x j+1
Cherchons de nouveau une relation entre vjn et vj0 .
Prenons

vj0 = exp(−ikj∆x) (4.51)

∆t
Calculons vj1 en posant β = a ∆x
vj1 = 12 ( vj+1
0 0 ) − β (v 0
− vj−1 0
2 j+1 − vj−1 )
β
= 12 [exp(−ik(j h+ 1)∆x) + exp(−ik(j − 1)∆x)] − 2 [exp(−ik(j + 1)∆x) − exp(−ik(j
i − 1)∆x)]
1 β
=exp(−ikj∆x) [exp(−ik∆x) + exp(ik∆x)] −
2 2 [exp(−ik∆x) − exp(ik∆x)]
=exp(−ikj∆x)(cos(k∆x) + iβ sin(k∆x))
soit

vj1 = (cos(k∆x) + iβ sin(k∆x)) exp(−ikj∆x) (4.52)

et ceci est vrai pour tout j ∈ Z.
On peut démontrer par récurrence que

vjn+1 = (cos(k∆x) + iβ sin(k∆x))n+1 exp(−ikj∆x) (4.53)

On a

|cos(k∆x) + iβ sin(k∆x)|2 = cos(k∆x)2 + β 2 sin(k∆x)2 (4.54)

∆t
et si on a β ≤ 1 c’est à dire a ∆x ≤1
alors

|cos(k∆x) + iβ sin(k∆x)| ≤ 1 (4.55)

et les quantités vjn restent bornées quand n → +∞.
Le schéma (4.50) sera qualifié de schéma conditionnellement stable puisqu’il est stable sous
réserve que les pas de discrétisation ∆t et ∆x vérifient une certaine condition qui est ici la
∆t
condition a ∆x ≤ 1 ( dite condition de CFL).

Troisième exemple
Nous allons nous placer dans un cadre un peu plus général et considérer un schéma aux différences
finies à un pas en temps ( on a deux niveaux en temps ) de la forme :
X X
n+1 n
bk vi+k = ck vi+k 0 ≤ n, i ∈ Z (4.56)
k∈Z k∈Z

où les coefficients bk , ck ∈ R sont nuls sauf pour un nombre fini de valeurs de l’indice k. Notons
que si bk = 0 pour k 6= 0 et b0 6= 0 on obtient un schéma explicite. Au lieu de travailler sur
Quelques définitions 57

les suites de l2 (Z), il va être plus pratique de travailler sur des fonctions de L2 (R) de facon à
pouvoir utiliser commodément la transformation de Fourier. On écrit alors le schéma (4.56) sous
la forme :
à ! à !
X X
n+1 n
bk v (x + k∆x) = ck v (x + k∆x) 0 ≤ n, x ∈ R (4.57)
k∈Z k∈Z
Il suffit par exemple de définir la fonction x → v n (x) à partir de la suite (vjn )j∈Z par :

v n (x) = vjn xj−1/2 < x < xj+1/2 , xj+1/2 = (j + 1/2)∆x (4.58)

La propriété de stabilité L2 revient alors à montrer que
¯¯ ¯¯
||v n ||L2 (IR) < C ¯¯v 0 ¯¯L2 (IR) (4.59)
Pour cela, nous allons utiliser la transformatée de Fourier ϕ → ϕ
b définie par :
Z
ϕ(ξ)
b = e−2πixξ ϕ(x)dx (4.60)
IR
b est une isométrie de L2 (Rx ) sur L2 (Rξ ), l’isométrie inverse
Rappelons que l’application ϕ → ϕ
étant donnée par :
Z
ϕ(x) = e2πixξ ϕ(ξ)dξ
b (4.61)
IR
Comme
Z
e−2πixξ ϕ(x + k∆x))dx = e2πik∆xξ ϕ(ξ)
b (4.62)
IR
(4.57) donne par transformation de Fourier
à ! à !
X X
2πik∆xξ n+1 2πik∆xξ n
bk e vb (ξ) = ck e vb (ξ) (4.63)
k∈Z k∈Z
Si on pose
 X


 b(ξ) = bk e2πik∆xξ



 k∈Z



 X
c(ξ) = ck e2πik∆xξ (4.64)

 k∈Z







 c(ξ)
 a(ξ) =
b(ξ)
On trouve

vbn+1 (ξ) = a(ξ)b

v n (ξ) (4.65)
de sorte que

vbn (ξ) = a(ξ)n vb0 (ξ) (4.66)

Le coefficient a(ξ) est appelé coefficient d’amplification du schéma (4.55) . On en déduit le :
Quelques définitions 58

Théorème 4.4.1
Le schéma aux différence finies (4.56) est L2 stable si et seulement si

sup |a(ξ)| ≤ 1
ξ∈R

Remarque 4.3 Un peu, passionnement, pas du tout : c’est ainsi que vont fonctionner nos
schémas aux différences finies. Ils seront conditionnellement stables, inconditionnellement stables,
ou irrémédiablement instables, selon le cas.

Fin du chapitre 4.
E.N.I.T Unité Pédagogique de Mathématiques Appliquées

Série 4 — Équations Mathématiques de la Physique

1ère Année : GC – GI – Hydrometeo 2ème Année GM 2008/2009

Exercice 1
On considère l’équation non linéaire, appelée équation de Bürgers :

∂u ∂ u2 (x, t)
(1) (x, t) + ( )=0 (x, t) ∈ R × R∗+
∂t ∂x 2
où u(x, t) représente la fonction inconnue.
L’équation de Bürgers représente un phénomène réel : le ”sonic boom” ou ”bang sonique” que
traine derrière lui tout avion supersonique et qui provoque une gêne insupportable pour l’en-
vironnement. Loin de l’avion, et en particulier près du sol, le bruit engendré par l’aéronef se
concentre dans certaines zones où la pression u(x, t) est gouvernée par l’équation de Bürgers.
On va l’approximer par le schéma suivant :

vjn+1 − vjn n )2 − (v n )2
(vj+1 j
(2) + =0
∆t 2∆x
oùvjn' u(xj , tn )
, selon les notations du cours.
1) Ecrire la relation (2) sous la forme

(3) vjn+1 = H(vj−1

n
, vjn , vj+1
n
)
2) Montrer qu’il existe une fonction g : R2 → R continue telle que :

n
(4) H(vj−1 , vjn , vj+1
n
) = vjn − λ(g(vjn , vj+1
n n
) − g(vj−1 , vjn ))
3) On dit que le schéma (2) est conservatif si et seulement si pour toute suite (vjn )j∈Z telle que
X¯ ¯ X ¯¯ ¯ X X
¯vjn ¯ < +∞ alors n+1 ¯
¯vj ¯ < +∞ et vjn = vjn+1
j∈Z j∈Z j∈Z j∈Z

Montrer que le schéma (2) est conservatif

2
4) Montrer que g(u, u) = u2 , on dit alors que le schéma (3), (4) est consistant avec l’EDP (1).

Exercice 2
On considère l’équation non linéaire, appelée équation de Bürgers :

∂u ∂ u2 (x, t)
(1) (x, t) + ( )=0 (x, t) ∈ R × R∗+
∂t ∂x 2
où u(x, t) représente la fonction inconnue.
L’équation peut se développer sous la forme

∂u ∂
(2) (x, t) + u(x, t) (u(x, t)) = 0 (x, t) ∈ R × R∗+
∂t ∂x
On va l’approximer par le schéma suivant :
Quelques définitions 60

vjn+1 − vjn n
vj+1 − vjn
(3) + vjn =0
∆t ∆x
oùvjn' u(xj , tn ), selon les notations du cours.
1) Ecrire la relation (3) sous la forme

(4) vjn+1 = H(vj−1

n
, vjn , vj+1
n
)
2) Montrer qu’il n’existe pas de fonction g : R2 → R continue telle que :

n
(5) H(vj−1 , vjn , vj+1
n
) = vjn − λ(g(vjn , vj+1
n n
) − g(vj−1 , vjn ))
3) Montrer, par un exemple simple, qu’on peut avoir :
X¯ ¯ X ¯¯ ¯
¯ X X
¯vjn ¯ < +∞ et ¯vjn+1 ¯ < +∞ mais vjn 6= vjn+1
j∈Z j∈Z j∈Z j∈Z

On dit que le schéma (3) n’est pas conservatif.

Exercice 3
On considère le schéma numérique à deux niveaux et à trois points :

(1) vjn+1 = C−1 vj−1

n
+ C0 vjn + C1 vj+1
n

Où C−1 , C0 , C1 sont trois constantes et vjn a la signification donnée dans le cours.
1) Donner la fonction H(vj−1 n , v n , v n ) telle que
j j+1

(2) vjn+1 = H(vj−1

n
, vjn , vj+1
n
)
2) Donner une condition sur C−1 , C0 , C1 pour qu’il existe une fonction g : R2 → R continue
telle que :
n
H(vj−1 , vjn , vj+1
n
) = vjn+1 − λ(g(vjn , vj+1
n n
) − g(vj−1 , vjn ))
3) Montrer que dans ce cas si
X¯ ¯ X ¯¯ ¯ X X
¯vjn ¯ < +∞ n+1 ¯
alors ¯vj ¯ < +∞ et vjn = vjn+1
j∈Z j∈Z j∈Z j∈Z

4) On considère l’équation

∂u ∂
(3) (x, t) + a (u(x, t)) = 0 (x, t) ∈ R × R∗+
∂t ∂x
Donner une condition sur C−1 , C0 et C1 pour que le schéma soit consistant avec l’EDP (3) (c’est
à dire g(u, u) = au)
5) On se restreint au cas où le schéma est conservatif et consistant et on pose
½
C−1 − C1 = aλ
C−1 + C1 = q
∆t
où λ= ∆x .
Montrer que si (λa)2 ≤ q ≤ 1, alors le schéma (1) est stable.
Quelques définitions 61

Exercice 4
On considère l’équation de transport :

∂u ∂
(1) (x, t) − c (u(x, t)) = 0, (x, t) ∈ R × R∗+
∂t ∂x
où u(x, t) représente la fonction inconnue de la variable (x, t) ∈ R × R∗+ . On cherche une solution
de l’équation (1) vérifiant :

(2) u(x, 0) = u0 (x) x ∈ R,

où u0 est une fonction donnée. On va l’approximer par le schéma suivant :

à !
vjn+1 − vjn 1
n+1
vj+1 n+1
− vj−1 n
vj+1 n
− vj−1
(3) −c θ( ) + (1 − θ)( ) = 0,
∆t 2 (∆x) (∆x)

où vjn ' u(xj , tn ) désigne une approximation de u au point (xj = j∆x, tn = n∆t) et θ ∈ [0, 1] .
∆t
On suppose dans la suite que ∆x = cte.
1) Soient ²1 (∆t, ∆x) l’erreur commise en remplacant dans l’ équation (3) vkl par u1 (k∆x, l∆t).
Calculer ²1 (∆t, ∆x).
2) Montrer que le schéma (3) est conservatif, c’est à dire si pour toute suite (vjn )j∈Z telle que
X ¯¯ ¯¯ X ¯¯ ¯ X X
n+1 ¯
n
¯vj ¯ < +∞ alors ¯vj ¯ < +∞ et vjn = vjn+1
j∈Z j∈Z j∈Z j∈Z
3) On suppose que θ = 0. Montrer que le schéma (3) est consistant (au sens de la définition
donnée au cours) avec l’EDP (1).
4) Suivant les valeurs de θ, trouver la condition pour que le schéma soit L2 -stable.
 62

Chapitre 5

EQUATION DE LA CHALEUR

5.1 Equation de la chaleur avec donnée initiale et conditions

aux limites
On considère une barre conductrice homogène de longeur L en contact au niveau de ses deux
extrémités avec deux ”sources” thermiques de température nulle.
On donne la température de la barre à l’instant initial, et l’on se propose de calculer son évolution
au cours du temps.
Avec un choix approprié des unités de mesure, cela reveint donc à chercher u ∈ C 2 ([0, L] ×
]0, +∞[), vérifiant :

∗ ∂u ∂ 2 u
∀x ∈ [0, L] ∀t ∈ IR+ − 2 =0 (5.1)
∂t ∂x

∀x ∈ [0, L] u(x, 0) = u0 (x) (5.2)

oùu0 est, par exemple, une fonction continue sur [0, L].
Par ailleurs, comme la température aux extrémités de la barre est imposée à la valeur zéro, on
doit ajouter les conditions aux limites :

∗
∀t ∈ IR+ u(0, t) = u(L, t) = 0 (5.3)
Le problème qui consiste à trouver u solution de (6.1),(6.2) et (6.3) est ce qu’on appelle un
problème aux limites d’évolution.
On vérifie que si la donnée u0 est ”assez” régulière, et compatible avec les conditions aux limites
(6.3), le problème (6.1),(6.2) et (6.3) admet une solution unique.

Remarque 5.1
Si les ”sources” thermiques extérieures en x = 0 et x = L sont chacune à température constante,
T1 à gauche et T2 à droite, qui ne sont pas simultanement nulles, on se raméne alors à un
problème du type (6.1)-(6.3), en posant
h xi
v(x, t) ≡ u(x, t) − T1 + (T2 − T1 )
L
h xi
v0 (x) ≡ u0 (x) − T1 + (T2 − T1 )
L
∗
La fonction v : (x, t) ∈ [0, L] × IR+ est alors solution du problème (6.1)-(6.3).
Construction d’une solution du problème 63

5.2 Construction d’une solution du problème

Dans ce paragraphe , on va montrer que si la donnée initiale u0 est nulle en x = 0 et x = L,
continue et de classe C 1 par morceaux sur [0, L], alors le problème (6.1)-(6.3) admet une solution
et une seule u ∈ C ∞ ([0, L] × ]0, +∞[). En effet, on a le théorème :
Théorème 5.2.1
Soit u0 continue et de classe C 1 par morçeaux sur [0, L], où L > 0 et nulle en zéro et en L.
Alors le problème :
”trouver u ∈ C ∞ ([0, L] × ]0, +∞[) vérifiant ( 6.1)-(6.3)”
admet une solution et une seule.
Démonstration
La fonction u0 étant continue et de classe C 1 par morçeaux sur [0, L] et nulle aux deux bouts,
elle peut être prolongée par antisymétrie par rapport à x = 0 et par périodicité, en une fonction
e0 continue et de classe C 1 par morceaux sur IR impaire et périodique de période 2L. On sait
u
alors que la série de Fourier associée à u
e0 converge en tout point vers ue0 (et en particulier vers
u0 sur [0, L]). D’où
+∞
X kπ
u0 (x) = ak sin( x)
L
k=1
Z L Z L
1 kπ 2 kπ
∀k ∈ IN ak = u
e0 (x) sin( x)dx = u0 (x) sin( x)dx
L −L L L 0 L
et on a

lim ak = 0
k→+∞

Soit a > 0, on va montrer que la fonction

+∞
X k2 π2 kπ
u : (x, t) ∈ [0, L] × [a, +∞[ −→ ak exp(− t) sin( x) (5.4)
L2 L
k=1
X k2 π2 kπ
est bien définie et deux fois continument dérivable. En effet, la série ak exp(− 2
t) sin( x)
L L
k≥1
est normalement convergente sur [0, L] × [a, +∞[ :
¯ ¯
X¯ 2 2 ¯ X k2 π2
¯ak exp(− k π t) sin( kπ x)¯ ≤ |a | exp(− a) < +∞
¯ L2 L ¯
k
L2
k≥1 k≥1

puisque
k2 π2
lim k 2 |ak | exp(− a) = 0
k→+∞ L2
De même, les séries obtenues en dérivant terme à terme par rapport à x et t un nombre arbitraire
X k2 π2 kπ
de fois la série ak exp(− 2 ) sin( x), sont normalement convergentes puisqu’on a pour
L L
k≥1
tout n ∈ IN

k2 π2
lim k n |ak | exp(− a) = 0
k→+∞ L2
Problème de Cauchy 64

Il reste à montrer que la fonction u définie par (6.4) est solution de (6.1)-(6.3), en effet, on
a montré que u ∈ C ∞ ([0, L] × [a, +∞[) pour tout a > 0 et que les dérivées partielles de u
s’obtiennent en dérivant la série définissant u par (6.4) terme à terme, d’où
+∞
∂u X k 2 π 2 k2 π2 kπ
= − 2 exp(− 2 t) sin( x)
∂t L L L
k=1
+∞ µ 2 2 ¶
∂2u X k2 π2 k π kπ
= exp(− 2 t) − 2 sin( x)
∂x2 L L L
k=1

On en déduit que l’équation (6.1) est satisfaite. Enfin les conditions (6.2) et (6.3) sont triviale-
ment satisfaites.
La fonction u définie par (6.4) est donc bien une solution de (6.1)-(6.3). Cette solution u appar-
tient à C ∞ ([0, L] × [a, +∞[) pour a > 0 arbitraire, donc u ∈ C ∞ ([0, L] × ]0, +∞[).
On va montrer que la solution du problème (6.1)-(6.3) est unique. En effet la différence entre
deux solutions du problème (6.1)-(6.3) est solution de (6.1) et vérifie les conditions

u(x, 0) = 0 (5.5)

u(0, t) = u(L, t) = 0 (5.6)

De l’équation (6.1), on déduit
Z L Z L
∂u ∂2u
udx = udx
0 ∂t 0 ∂x2
d’où l’on tire, en faisant une intégration par parties et en utilisant (5.6)
Z L · ¸L Z Lµ ¶2 Z Lµ ¶2
1 d 2 ∂u ∂u ∂u
u dx = u − dx = − dx ≤ 0 (5.7)
2 dt 0 ∂x 0 0 ∂x 0 ∂x
et en posant
Z L
G(t) ≡ u2 (x, t)dx
0
on déduit de (5.7), que G est une fonction positive décroissante, mais G(0) est nulle d’après
(5.5), par suite G est identiquement nulle et comme u(., t) : x ∈ [0, L] −→ u(x, t) est continue,
cela prouve que u est identiquement nulle.

5.3 Problème de Cauchy

Dans le cas de la barre infinie, le problème considéré est le suivant : trouver u ∈ C 2 (IR × IR+
∗)

solution de

∂u ∂ 2 u
− 2 =0 pour x ∈ IR , t>0 (5.8)
∂t ∂x
avec

u(x, 0) = u0 (x) pour x ∈ IR (5.9)

Problème de Cauchy 65

c’est le problème de Cauchy. Le problème (6.5) et (6.6) semble être l’analogue de (6.1)-(6.3).
Cela est inexact : il faut en effet ajouter des conditions de croissance à l’infini en x, t fixé, pour
que (6.5) - (6.6) déterminent u de manière unique.

Proposition 5.3.1
0
Soit u0 ∈ C(IR), on suppose que le problème : Trouver u
e ∈ D (IR2 ) tel que


 u ∂2u
∂e e
 − 2 = u0 ⊗ δt ∀x ∈ IR ∀t > 0
∂t ∂x (5.10)


 u
e(x, t) =0 ∀t < 0
admet une solution unique et que le problème (6.5) et (6.6) admet lui aussi une solution unique
u ∈ C 2 (R × R∗+ ). Alors, on a nécessairement

u
e(x, t) = u(x, t) ∀x ∈ IR ∀t > 0
où u est la ”solution” de (6.5) et (6.6).

Démonstration
Il suffit de montrer que la distribution définie par
½
u(x, t) ∀x ∈ IR ∀t > 0
u
e(x, t) =
0 sinon
est solution de (6.7). En effet, on a
Z µZ ¶
∂e
u ∂ϕ ∂ϕ
h , ϕi = −he
u, i=− e(x, t) dt dx
u
∂t Z ∂tµZ IR IR ¶ ∂t
+∞ (5.11)
∂ϕ
=− u(x, t) dt dx
IR 0 ∂t
on a alors, en faisant une intégration par parties :
Z +∞ Z +∞
∂ϕ t=+∞ ∂u
u(x, t) dt = [u(x, t)ϕ(x, t)]t=0 − (x, t)ϕ(x, t)dt
0 ∂t Z +∞0 ∂t (5.12)
∂u
= −u(x, 0)ϕ(x, 0) − (x, t)ϕ(x, t)dt
0 ∂t
par ailleurs
Z µZ +∞ ¶
∂2u
e ∂2ϕ ∂2ϕ
h 2 , ϕi = he
u, 2 i = u(x, t) 2 (x, t)dt dx
∂x Z +∞∂xµZ IR 0 ∂x
¶
∂2ϕ
= u(x, t) 2 (x, t)dx dt
Z0 +∞ µZIR 2 ∂x ¶
∂ u
= 2
(x, t)ϕ(x, t)dx dt
Z0 µZ +∞ IR ∂x ¶
∂2u
= (x, t)ϕ(x, t)dt dx
IR 0 ∂x2
d’où en utilisant (6.8),(6.9),(6.5) et (6.6).
Problème de Cauchy 66

Z
u ∂2u
∂e e
h − 2 , ϕi = u(x, 0)ϕ(x, 0)dx
∂t ∂x ZIR
= u0 (x)ϕ(x, 0)dx = hu0 ⊗ δt , ϕi
IR
donc finalement, u
e est solution de (6.7).

Conséquence
On suppose que u0 est à support borné. On en déduit en utilisant la proposition 3.2 chapitre 3,
que la distribution h = u0 ⊗ δt est à support borné, en effet

supp T = supp u0 × suppδt = supp u0 × {0}

Par ailleurs, on peut montrer (voir T.D), que la distribution définie par
( x2
√1 e− 4t t>0
E(x, t) = 2 πt
0 t<0
est une solution élémentaire de (6.7), c’est-à-dire vérifie l’E.D.P

 ∂E ∂ 2 E
− = δx,t = δx ⊗ δt ∀x ∈ IR ∀t > 0
∂t
 E(x, ∂x2
t) =0 ∀t < 0
on en déduit en utilisant la proposition 3.8 du chapitre 3, que

e = E ∗ (u0 ⊗ δt )
u
est solution de (6.7).

Proposition 5.3.2
On suppose que u0 est continue à support borné sur IR, alors la ”solution” du problème (6.5) et
(6.6) est donnée par
Z +∞ Z +∞
1 0
2
− z4t 1 (x−z)2
u(x, t) = √ u (x − z)e dz = √ u0 (z)e− 4t dz
2 πt −∞ 2 πt −∞

Démonstration
Soit ϕ ∈ D(IR2 ), on a, d’après le chapitre 3 :

u, ϕi = hEξ ⊗ (u0 ⊗ δt )η , ϕ(ξ + η)i

he
= hEξ , h(u0
Z ⊗ δt )η , ϕ(ξ + .)ii (5.13)
= hEξ , u0 (x)ϕ(ξ + (x, 0))dxi
IR

Or en faisant le changement de variable y = ξ1 + x, où ξ = (ξ1 , ξ2 ) ∈ R2 , dans l’intégrale

ci-dessus, on obtient
Z Z
u0 (x)ϕ(ξ1 + x, ξ2 )dx = u0 (y − ξ1 )ϕ(y, ξ2 )dy (5.14)
IR IR
Par ailleurs, on a
Problème de Cauchy 67

¯Z ¯
¯ ¯ ¯R ¯
∀(y, ξ2 ) ∈ IR ¯ u (y − ξ1 )E(ξ1 , ξ2 )dξ1 ¯¯ = ¯ IR u0 (ξ1 )E(y − ξ1 , ξ2 )dξ1 ¯
0
¯
IR ¯ ¯
≤ sup ¯u0 (ξ1 )¯
ξ1 ∈IR
Z
( puisque E(y − ξ1 , ξ2 )dξ1 = 1), par conséquent l’application
IR
Z
(y, ξ2 ) ∈ IR2 −→ u0 (y − ξ1 )E(ξ1 , ξ2 )dξ1
IR
est localement intégrable. On en déduit alors en utilisant le théorème de Fubini, (6.10) et (5.14)
que pour tout ϕ ∈ D(IR2 )
Z Z µZ ¶
he
u, ϕi = u0 (y − ξ1 )E(ξ1 , ξ2 )dξ1 ϕ(y, ξ2 )dydξ2
IR IR IR
par conséquent
Z
u
e(y, ξ2 ) = u0 (y − ξ1 )E(ξ1 , ξ2 )dξ1
IR
Il en résulte, d’après la proposition 6.1, l’expression suivante de la ”solution” de (6.5)-(6.6)
Z +∞ Z +∞
1 0
2
− z4t 1 (x−z)2
u(x, t) = √ u (x − z)e dz = √ u0 (z)e− 4t dz
2 πt −∞ 2 πt −∞

5.3.1 Utilisation de la transformée de Fourier

Dans ce paragraphe, on va résoudre le problème (6.5),(6.6) en effectuant un calcul formel utilisant
une transformation de Fourier partielle par rapport à la variable x, définie par
Z +∞
F (u)(y, t) = ub(y, t) ≡ u(x, t)e−2iπxy dx (5.15)
−∞
On rappelle, la formule

c
∂u
(y, t) = 2iπyb
u(y, t)
∂x
d’où l’on tire

∂d
2u
(y, t) = (2iπy)2 u
b(y, t) = −4π 2 y 2 u
b(y, t)
∂x2
Admettons par ailleurs, que l’on puisse dériver (6.12) sous le signe ”somme” :

c
∂u ∂
= u b
∂t ∂t
Alors, en appliquant la transformation de Fourier partielle F à l’équation (6.5), on obtient
l’équation différentielle ordinaire

∂
b(y, t) = −4π 2 y 2 u
u b(y, t)
∂t
Méthode de semi-discrétisation 68

La solution générale de cette équation, s’écrit

2 y2 t
b(y, t) = A(y)e−4π
u (5.16)
où A est une fonction arbitraire du ”paramètre” y.
Par ailleurs, en appliquant F à l’équation (6.6), on obtient

u c0 (y)
b(y, 0) = u
c0 (y), par conséquent
D’où, en prenant t = 0, dans (6.13), on obtient A(y) = u

u c0 (y)e−4π2 y2 t = u
b(y, t) = u c0 (y)b
g (y, t)
où gb(y, t) désigne la transformée de Fourier par rapport à la variable y d’une fonction g, qu’on va
déterminer. La fonction gb(y, t) étant paire et dans L1 (IR), on a d’après le théorème d’inversion
de la transformée de Fourier, chapitre 5 cours de Mathématiques I, que
Z +∞ Z +∞
2iπxy
g(x, t) = gb(y, t)e dy = gb(−z, t)e2iπxz d(−z)
Z−∞
+∞
−∞
x2
= gb(z, t)e −2iπxz b
dz = gb(x, t) = 2√1πt e− 4t
−∞
D’où finalement
Z +∞
0 1 (x−z)2
u(x, t) = u (.) ∗ g(., t)(x) = √ u0 (z)e− 4t dz
2 πt −∞

Remarque 5.2
Soit u0 ∈ L2 ([0, L]) où L > 0. On peut montrer que le problème : Trouver u ∈ C ∞ ([0, L] ×
]0, +∞[) vérifiant (6.1)-(6.3) admet l’unique solution définie par

Z L
1 (x−z)2
u(x, t) = √ u0 (z)e− 4t dz
2 πt 0

5.4 Méthode de semi-discrétisation

Dans le cas unidimensionnel, on a montré dans le paragraphe 6.2, comment on peut déterminer
la solution du problème (6.1)-(6.3) par une formule intégrale explicite.
Dans les cas bidimensionnel et tridimensionnel, on ne peut calculer la solution par une formule
intégrale explicite, que si le domaine considéré a une forme très simple (demi-plan, disque,..).
Lorsque le domaine considéré n’a pas une forme simple, on doit donc chercher une approximation
de la solution.
Dans ce paragraphe, on va appliquer la méthode des différences finies pour discrétiser l’équation
(6.1) par rapport à la variable d’espace x, en se plaçant dans le cas unidimensionnel, x ∈ R,
pour simplifier la présentation.
Méthode de semi-discrétisation 69

5.4.1 Discrétisation
On définit un découpage de l’intervalle [0, L], à l’aide de N points intermédiaires : xi = ih (0 ≤
i ≤ N + 1) où h = N 1+1 est le pas de subdivision de cet intervalle. On obtient en approchant
la dérivée seconde de u par rapport à x au moyen d’une formule analogue à (2.18), le système
d’équations discétisées suivant :

 d u(xi+1 , t) − 2u(xi , t) + u(xi−1 , t)
 u(xi , t) − = 0 pour 0 ≤ i ≤ N
dt h2 (5.17)
0
u(xi , 0) = u (xi )


u(x0 , 0) = u(xN +1 , 0) = 0
où u(xi , t) ' u(xi , t) désigne l’approximation de la solution u de (6.1)-(6.3) obtenue par ce
schéma.

Proposition 5.4.1
Le problème :
∗
Trouver u(xi , t) pour tout i ∈ {1, .., N } solution du système d’équations (6.14) pour tout t ∈ IR+
est équivalent au problème suivant :
Trouver U (t) = (u(x1 , t), .., u(xN , t))T ∈ IRN solution du système différentiel suivant :
(
d
U (t) + AN U (t) = 0
dt (5.18)
U (0) = U 0
où U 0 = (u0 (x1 ), .., u0 (xN ))T et où AN est la matrice carrée d’ordre N définie par
 
2 −1 0 . 0
 −1 . . 0 . 
1  
AN ≡ 2  0 . . . 0  (5.19)
h  .

0 . . −1 
0 . 0 −1 2

Démonstration(à faire en exercice)

Proposition 5.4.2
La matrice AN définie par (6.16) est symétrique définie positive. Ces valeurs propres sont
données par
4 pπ
λp = 2
sin 2 ( ) p ∈ {1, 2, .., N } (5.20)
h 2(N + 1)
Les vecteurs propres U p associés à ces valeurs propres sont donnés par leurs composantes comme
suit
pjπ
upj = sin ( ) j ∈ {1, 2, .., N } (5.21)
N +1
Démonstration
On a pour tout j ∈ {1, 2, .., N }, que
Méthode de semi-discrétisation 70

p(j + 1)π pjπ p(j − 1)π

−upj+1 + 2upj − upj−1 = − sin ( ) + 2 sin ( ) − sin ( )
N +1 N +1 N +1
pjπ pπ pjπ pπ
= −(sin ( ) cos( ) + cos( ) sin( ))
N +1 N +1 N +1 N +1
pjπ pjπ pπ
+2 sin ( ) − (sin ( ) cos( )
N +1 N +1 N +1
pjπ pπ
− cos( ) sin( ))
N +1 N +1
pjπ pπ pjπ
= −2 sin ( ) cos( ) + 2 sin ( )
N +1 N +1 N +1
pjπ pπ
= sin ( )(4 sin 2 ( ))
N +1 2(N + 1)
On en déduit puisque up0 = upN +1 = 0, que le vecteur U p = (up1 (x1 ), .., upN (xN ))T vérifie

AN U p = λp U p
par conséquent U p est le vecteur propre de AN associé à la valeur propre λp .

Proposition 5.4.3
Le système différentiel (6.15) admet une solution unique, elle est donnée par
N
X
U (t) = (U 0 , U p )e−λp t U p
p=1

où (., .) désigne le produit scalaire Euclidien défini sur IRN où les scalaires λp sont donnés par
(6.17) et où les vecteurs U p de IRN sont définis par leurs composantes selon (6.18).

Démonstration
On obtient en faisant le produit scalaire des deux membres du système différentiel de (6.15) par
U p , les équations différentielles suivantes

d
( U (t), U p ) + (AN U (t), U p ) = 0 ∀p ∈ {1, 2, .., N }
dt
qui doivent vérifier les conditions initiales suivantes

(U (0), U p ) = (U 0 , U p ) ∀p ∈ {1, 2, .., N } (5.22)

et en posant αp (t) = (U (t), U p ), on a en utilisant la symétrie de la matrice AN et le fait que U p
est le vecteur propre de AN associé à la valeur propre λp , que
Discrétisation totale 71

dαp d p
+ λp αp (t) = dt (U (t), U ) + (U (t), AN U p )
dt
d
=( U (t), U p ) + (AN U (t), U p )
dt
d
=( U (t) + AN U (t), U p ) = 0
dt
On en déduit d’après (6.19) que chacune des fonctions αp (t) est solution de l’équation différentielle

dαp
+ λp αp (t) = 0
dt
avec la condition initiale

αp (0) = (U 0 , U p )
Il en résulte que

αp (t) = (U 0 , U p )e−λp t
d’où puisque (U p )1≤p≤N est une base orthogonale de IRN (à vérifier).
N
X N
X
(U (t), U p ) p (U 0 , U p )
U (t) = U = e−λp t U p
|U p |R2 |U p |R2
p=1 p=1

Remarque 5.3
Dans le cas bidimensionnel ou tridimensionnel et lorsque le domaine considéré n’a pas une
forme simple, les valeurs propres de la matrice AN obtenue après discrétisation en espace de
l’équation de la chaleur ne peuvent être calculées explicitement. On a alors recours à des méthodes
numériques, il est donc inconcevable, lorsque N est grand de déterminer toutes les valeurs propres
et vecteurs propres de AN . On se limite alors au calcul de quelques éléments propres de la
matrice AN et on néglige les composantes de U (t) suivant les vecteurs propres non calculés qui
correspondent aux valeurs propres ”élevées”.

5.5 Discrétisation totale

La résolution analytique exacte du système différentiel (6.15), nécessite le calcul de tous les
éléments propres de la matrice AN . Ceci peut être couteux, lorsqu’on ne peut pas se limiter
au calcul d’un ”petit” nombre d’éléments propres sans introduire des erreurs d’approximation
non admissibles. C’est pour cette raison qu’on a recours à d’autres méthodes numériques de
résolution du problème (6.5) (6.6).
Une deuxième approche consiste à discrétiser l’équation aux dérivées partielles (6.5)) simul-
tanément en temps et en espace.

5.5.1 Discrétisation de l’équation de la chaleur

Nous allons discrétiser l’équation

∂u ∂ 2 u
− 2 =0 (5.23)
∂t ∂x
Discrétisation totale 72

au point Mnj ( voir chapitre 2).

Pour cela, nous posons vjn ' u(xj , tn ) et nous allons procéder pas de temps par pas de temps,
selon les temps croissants. Supposons donc que les valeurs vjn sont connues pour tous les indices
d’espace j et pour les instants 0( données initiales) 1, 2....n. Nous cherchons maintenant vjn+1 .
Pour la dérivée en temps nous allons utiliser la différence finie décentrée :
µ ¶n
∂u un+1
j − unj
= + 0(∆t) (5.24)
∂t j ∆t
précise au premier ordre seulement.
Pour la dérivée en espace nous allons utiliser la différence finie centrée :
µ 2 ¶n
∂ u unj+1 − 2unj + unj−1
= + 0(∆x2 ) (5.25)
∂x2 j ∆x2
D’où le schéma, dit explicite :

vjn+1 − vjn
n
vj+1 − 2vjn + vj−1
n
− =0 (5.26)
∆t ∆x2
Ce schéma est précis du premier ordre, si ∆t = O(∆x)
Mais on peut tout aussi bien appliquer le développement (6.44) à l’instant tn+1 plutôt qu’à
l’instant tn .
µ ¶n+1
∂2u un+1 n+1
j+1 − 2uj + un+1
j−1
= + 0(∆x2 ) (5.27)
∂x2 j ∆x2
D’où le schéma, appelé totalement implicite :

vjn+1 − vjn n+1

vj+1 − 2vjn+1 + vj−1
n+1
− =0 (5.28)
∆t ∆x2
Ce schéma est lui même précis au premier ordre, car il approche au premier ordre près en ∆t
(au deuxième ordre en ∆x) l’équation de la chaleur au point Mjn+1 .
Les deux schémas (6.45) et (6.47) étant à un pas de temps, ou à 2 niveaux, leur initialisation
nécessite la donnée d’une suite (vj0 )j∈Z . Celle-ci peut être obtenue grâce à condition initiale.
Dans le cas où la fonction u0 intervenant dans (6.6) est continue on peut choisir (vj0 )j∈Z définie
par :

vj0 = u0 (j∆x) j∈Z (5.29)

Si u0 est discontinue, localement sommble, on peut par exemple prendre :
Z (j+ 12 )∆x
1
vj0 = u0 (x)dx j∈Z (5.30)
∆x (j− 12 )∆x

Plus généralement, on peut écrire

à n+1 !
vjn+1 − vjn vj+1 − 2vjn+1 + vj−1
n+1 n
vj+1 − 2vjn + vj−1
n
− θ + (1 − θ) =0 (5.31)
∆t ∆x2 ∆x2
avec 0 ≤ θ ≤ 1. On retrouve le schéma explicite pour θ = 0, le schéma implicite pour θ = 1.
Dans le cas où θ = 12 , le schéma s’appelle le schéma de Crank-Nicolson.
Discrétisation totale 73

On remarque que le sytème linéaire ( 6.51) peut sécrire :

∆t n+1 ∆t n+1 n+1

(1 + 2θ
)vj − θ (v + vj−1 ) = ..... (5.32)
∆x 2 ∆x2 j+1
La matrice symétrique est à diagonale dominante : elle n’est donc surement singulière et outre
elle est facile à factoriser.
Proposition 5.5.1
1
Soit u ∈ C 4 (R × ]0, +∞[), le schéma numérique (6.5) et (6.6) est d’ordre 1 pour θ 6= 2 et d’ordre
2 pour θ = 12 .
Démonstration
Soit u ∈ C 4 (R × ]0, +∞[) solution de (6.5). On a en faisant un développement limité à l’ordre
3:

∂u 1 ∂2u
u(xj , tn + ∆t) − u(xj , tn ) = (xj , tn )∆t + (xj , tn )∆t2 + O(∆t3 )
∂t 2 ∂t2
En outre

∂2u
u(xj + ∆x, tn ) − 2u(xj , tn ) + u(xj − ∆x, tn ) = (xj , tn )∆x2 + O(∆x4 )
∂x2
et de même

∂2u
u(xj + ∆x, tn+1 ) − 2u(xj , tn+1 ) + u(xj − ∆x, tn+1 ) = (xj , tn+1 )∆x2 + O(∆x4 )
∂x2
Mais

∂2u n+1 ∂2u n ∂3u

(xj , t ) = (xj , t ) + (xj , tn )∆t + O(∆t2 )
∂x2 ∂x2 ∂x2 ∂t
D’où, en utilisant (6.5) :
· ¸
u(xj , tn+1 ) − u(xj , tn ) u(xj+1 , tn+1 ) − 2u(xj , tn+1 ) + u(xj−1 , tn+1 )
²n = −θ
4t ∆x2
· ¸
u(xj+1 , tn ) − 2u(xj , tn ) + u(xj−1 , tn )
−(1 − θ)
∆x2

1 ∂2u ∂3u
= ∆t 2 (xj , tn ) − θ∆t 2 (xj , tn ) + O(∆t2 + ∆x2 )
2 ∂t ∂x ∂t

∂2u n ∂3u n 1 ∂3u

= 12 ∆t( (x j , t ) − (x j , t )) + ( − θ)∆t (xj , tn ) + O(∆t2 + ∆x2 )
∂t2 ∂x2 ∂t 2 ∂x2 ∂t
Mais

∂2u ∂3u ∂ ∂u ∂ 2 u
− = ( − 2) = 0
∂t2 ∂x2 ∂t ∂t ∂t ∂x
D’où
½
1 ∂3u O(∆t + ∆x2 ) si θ 6= 1
²n = ( − θ)∆t 2 (xj , tn ) + O(∆t2 + ∆x2 ) = 2
1
2 ∂x ∂t O(∆t2 + ∆x2 ) si θ = 2
Discrétisation totale 74

5.5.2 Analyse de la stabilité par la méthode de Fourier

on a alors le résultat de stabilité suivant :

Proposition 5.5.2
Pour 0 ≤ θ < 12 , le schéma aux différences finies (6.51) est stable si et seulement si

∆t 1
≤ (5.33)
∆x2 2(1 − 2θ)
Pour θ ≥ 12 , le schéma aux différences finies (6.51) est inconditionnellement stable.

Démonstration
Appliquant la transformation de Fourier à l’équation (6.51). On trouve :
∆t 2πiξ∆x − 2 + e−2πik∆xξ )b
(1 − θ ∆x 2 (e v n+1 =
∆t 2πiξ∆x − 2 + e−2πik∆xξ )b (5.34)
(1 + (1 − θ) ∆x 2 (e vn
D’où, en utilisant les notations du chapitre 2 :

∆t 2πiξ∆x
b(ξ) = (1 − θ (e − 2 + e−2πik∆xξ )
∆x2
∆t 2πiξ∆x
c(ξ) = (1 + (1 − θ) (e − 2 + e−2πik∆xξ )
∆x2
Donc

∆t
b(ξ) = 1 + 4θ sin2 πξ∆x
∆x2
∆t
c(ξ) = 1 − 4(1 − θ) sin2 πξ∆x
∆x2
∆t
Posons λ = ∆x2
. On a alors

1 − 4(1 − θ)λsin2 πξ∆x

a(ξ) =
1 + 4θλsin2 πξ∆x
En imposant que |a(ξ)| ≤ 1, on trouve

4(1 − 2θ)λ ≤ 2
D’où, pour 0 ≤ θ < 12 , la condition de stabilité s’écrit

∆t 1
2
≤
∆x 2(1 − 2θ)
Pour θ ≥ 12 , le schéma aux différences finies (6.51) est inconditionnellement stable.
On voit donc que la condition (6.53) ”s’allége” progressivement lorsque l’on va du schéma ex-
plicite au schéma de Crank-Nicolson.
Discrétisation totale 75

Remarque 5.4
∆t 1
1) La contrainte ∆x 2 ≤ 2 pour la stabilité su schéma explicite doit impérativemnt être satisfaite
Or cette contrainte est pesante, voire redhibitoire : si l’on veut affiner raisonnablement la discrétisation
en espace, on doit adopter un pas de temps ridiculement petit (pour ∆x = 0.1 il faut que
∆t = 0.005) d’où des calculs interminables. On lui préfére généralement le schéma de Crank-
Nicolson qui présente en outre l’avantage d’être du second ordre.
2) Il ne serait pas ”moral” que le schéma explicite (6.45) soit stable sans une condition contrai-
gnante.

T=n ∆ t M(X,T)

X− T X=j ∆ t X+ T x
λ λ

Fig. 5.1 –
En effet, comme le montre la figure 1, la donnée de vj0 au point discret du segment AB de la
droite t = 0 détermine vjn au point C = (j∆x, n∆t) : nous ”perdons” deux points à chaque pas
de temps.
∆t
Maintenant, fixons et faisons tendre ∆x vers zéro. Le même segment AB détermine le
∆x
même point C, avec une grille de plus en plus fine. A la limite, la donnée continue u sur AB...
détermine u en C, ce qui est contradictoire avec la propriété que u est déterminée par toutes les
valeurs de la donnée initiale u0 sur l’axe des x ( c’est à dire tout dépend de tout).
Cette violation d’une propriété fondamentale du problème continue est sanctionnée par l’insta-
bilité.
∆t 1 ∆t
A l’inverse , si nous respectons la condition 2
≤ pour un même point C puisque tend
∆x 2 ∆x
vers zéro quand ∆x tend vers zéro, les points AB s’écartent et le segment AB tend à remplir
toute la droite t = 0 .A la limite, toutes les données initiales interviennent pour déterminer u
en un seul point.
Fin du Chapitre 5.
E.N.I.T Unité Pédagogique de Mathématiques Appliquées

Série 5 — Équations Mathématiques de la Physique

1ère Année : GC – GI – Hydro Meteo , 2 ème Année GM 2008/2009

Exercice 1
Soient Ω = [0, 1]2 et u0 ∈ C 4 (Ω) telle que u0 (x) = 0 ∀x ∈ ∂Ω. On considère le problème
bidimensionnel d’évolution suivant : Trouver u ∈ C 4 (Ω × R∗+ ) telle que



 ∂u ∂2u ∂2u

 (x, t) − ( 2 + 2 )(x, t) = 0, ∀(x, y) ∈ Ω ∀t ∈ R∗+

 ∂t ∂x ∂y

(P )

 u(x, y, 0) = u0 (x, y), ∀(x, y) ∈ Ω





u(x, y, t) = 0, ∀(x, y) ∈ ∂Ω ∀t ∈ R∗+

où ∂Ω désigne la frontière de Ω.

1) On pose :
Z 1Z 1
αmn = 4 u0 (x, y) sin(mπx) sin(nπy)dxdy
0 0

N X
X M
SM N (x, y) = αmn sin(mπx) sin(nπy)
n=1m=1

Montrer que pour tout m ≤ M et n ≤ N

Z 1Z 1
αmn = 4 SM N (x, y) sin(mπx) sin(nπy)dxdy
0 0
2) Montrer qu’il existe une constante C telle que :
c
∀m, n ∈ N ∗ , |αmn | ≤
n 2 m2
et que la série de somme partielle SM N est uniformément convergente sur Ω. On note alors par
S la somme de cette série
∞ X
X ∞
S(x, y) = αmn sin(mπx) sin(nπy)
n=1m=1

3) Montrer que
Z 1Z 1
∗
∀m, n ∈ N , (S(x, y) − u0 (x, y)) sin(mπx) sin(nπy)dxdy = 0
0 0
4) a) Montrer que la fonction
Discrétisation totale 77

Z 1
fm : y ∈ [0, 1] → (S(x, y) − u0 (x, y)) sin(mπx)dxdy
0

est de classe C 1
b) Montrer que
Z 1
∗
∀n ∈ N , fm (y) sin(nπy)dy = 0
0
c) En déduire que :
i) ∀y ∈ [0, 1], fm (y) = 0
ii) u0 (x, y) = S(x, y) ∀x, y ∈ Ω
5) Soit a > 0, montrer que la fonction

∞
X
u : (x, y, t) ∈ [0, 1] × [0, 1] × [a, +∞] → αmn exp(−(m2 + n2 )π 2 t) sin(mπx) sin(nπy)
n,m=1

est indéfiniment dérivable et en déduire que u ∈ C ∞ (Ω × R∗+ )

6) En déduire que u est solution de (P).
7) Montrer que la fonction
Z 1Z 1
1
G(t) = u2 (x, y)dxdy
2 0 0
est décroissante et en déduire l’unicité de la solution de (P).

Exercice 2
On considère l’équation de la chaleur :


 ∂u ∂ 2 u ∗
 − 2 =0 (x, t) ∈ R × IR+
∂t ∂x (5.35)


 u(x, 0) = u (x) x∈R
0

On va l’approximer par le schéma suivant :

vjn+1 − vjn−1 n
vj+1 − vjn+1 − vjn−1 + vj−1
n
− =0 (5.36)
2∆t2 ∆x2
où vjn ' u(xj , tn ), selon les notations du cours.
1) En appliquant la transformation de Fourier à ce schéma, montrer qu’on peut l’écrire sous la
forme suivante :
µ n+1 ¶ µ n ¶
vb vb
n =A (5.37)
vb vbn−1
où une matrice A à déterminer.
4) Etudier la stablilité du schéma au sens de Von-Newmann.
Discrétisation totale 78

Exercice 3
On considère l’équation de la chaleur :


 ∂u ∂ 2 u ∗
 − 2 =0 (x, t) ∈ R × IR+
∂t ∂x (5.38)


 u(x, 0) = u (x) x∈R
0

où u(x, t) représente la fonction inconnue de la variable (x, t) ∈ R × R∗+ et u0 est une fonction
donnée. On va l’approximer par le schéma suivant :

(3) Ã !
vjn+1 − vjn n+1
vj−1 n
− vj−1 n+1
vj+1 − 2vjn+1 + vj−1
n+1 n
vj+1 n
− 2vjn + vj−1
α +(1−α) − θ( ) + (1 − θ)( ) = 0,
∆t ∆t (∆x2 ) (∆x2 )

où vjn ' u(xj , tn ) désigne une approximation de u au point (xj = j∆x, tn = n∆t) et θ ∈ [0, 1].
∆t
On suppose dans la suite que ∆x = cte.
1) Suivant les valeurs de α et θ, discuter la l2 stabilité du schéma. Donner, s’il y a lieu, la
condition de stabilité.
 79

Chapitre 6

EQUATIONS DES CORDES

VIBRANTES

6.1 Introduction
Dans notre étude des équations aux dérivées partielles et leur approximation par des différences
finies, nous allons maintenant aborder un nouveau chapitre : celui des problèmes hyperboliques
linéaires du second ordre, dont le modèle sera l’équation des cordes vibrantes ou équations des
ondes à une dimension d’espace :

∂2u ∂2u
2
− c2 2 = 0 x∈R t>0 (6.1)
∂t ∂x
Cette équation régit le mouvement d’une corde de longueur L, fixée en ses extrémités, d’abscisse
0 et L le long d’un axe Ox. On suppose que cette corde initialement tendue est élastique et
qu’elle se déforme dans un plan Oxu. Son état de mouvement est décrit par la fonction u(x, t)
qui représente, à l’instant t, le déplacement transversal, par rapport à la position d’équilibre,
du point
q d’abscisse x. Le paramètre c désigne la célérité des ondes dans la corde donnée par
c = Tρ où T est la tension de la corde et ρ est la masse linéique de celle-ci.
La corde étant fixée à ses extrémités, on rajoute les conditions aux limites suivantes :

u(0, t) = u(L, t) = 0 t>0 (6.2)

En outre, on fixe les conditions initiales qui précisent la position et la vitesse initiale des points
constituant la corde :
(
u(x, 0) = u0 (x) x ∈ [0, L]
∂ (6.3)
u(x, 0) = u1 (x) x ∈ [0, L]
∂t
Evidemment, ces conditions initiales ne peuvent pas être quelconques. Elles doivent, en particu-
lier, vérifier les conditions aux limites :
½
u0 (0) = u0 (L) = 0
(6.4)
u1 (0) = u1 (L) = 0
Ainsi, nous obtenons le problème aux limites d’évolution suivant :
Introduction 80

 2 2

 ∂ u 2∂ u ∗

 − c =0 (x, t) ∈ [0, L] × IR+

 ∂t2 ∂x2




u(x, 0) = u0 (x) x ∈ [0, L]
(6.5)





 ∂

 u(x, 0) = u1 (x) x ∈ [0, L]

 ∂t
u(0, t) = u(L, t) = 0 ∗
t ∈ IR+
Dans le cas d’une corde de ”longueur infinie” nous somme conduits au problème suivant, dit
problème de cauchy pour l’équation des cordes vibrantes :
 2 2

 ∂ u 2∂ u ∗

 ∂t2 − c 2
=0 (x, t) ∈ IR × IR+

 ∂x
(6.6)

 u(x, 0) = u0 (x) x ∈ IR


 ∂ u(x, 0) = u1 (x)

x ∈ IR
∂t
Pour la résolution analytique des problèmes (6.5) et (6.6) nous commençons par chercher la
solution générale de classe C 2 de l’équation (6.1) pour (x, t) ∈ IR × IR+∗ puis nous donnons une

solution élémentaire de l’équation des cordes vibrantes. Ensuite, nous nous intéresserons à la
recherche de la solution du problème de Cauchy (6.6). Enfin, nous aborderons le problème des
conditions aux limites et nous chercherons une solution sous la forme d’une série trigonométrique
pour le problème (6.5).

6.1.1 Solution générale de classe C 2 de l’équation des cordes vibrantes

Nous considérons l’EDP suivante :

∂2u 2
2∂ u
− c =0 x ∈ IR, t > 0 (6.7)
∂t2 ∂x2
pour laquelle nous cherchons des solutions de classe C 2 . Nous avons le résultat suivant :

Proposition 6.1.1
Toutes les solutions du problème (6.7), appartenant à C 2 (IR, ]0, +∞[), sont de la forme :

u(x, t) = f (x + ct) + g(x − ct)

où f et g sont de classe C 2 .

Démonstration
Soit u ∈ C 2 (IR, ]0, +∞[) solution du problème (6.7).
Considérons le changement de variables suivant :

X = x − ct, Y = x + ct (6.8)
On a donc

X +Y Y −X
x= , y= (6.9)
2 2c
et posons
Introduction 81

X +Y Y −X
v(X, Y ) = u( , ) (6.10)
2 2c
Il est clair que l’on a :


 ∂u ∂v ∂v

 (x, t) = (x − ct, x + ct) + (x − ct, x + ct)
∂x ∂X ∂Y


 ∂u (x, t) = c(− ∂v (x − ct, x + ct) + ∂v (x − ct, x + ct))

∂t ∂X ∂Y
et que
 2

 ∂ u ∂2v ∂2v ∂2v

 ∂x2 (x, t) = ( + 2 + )(x − ct, x + ct)
∂X 2 ∂X∂Y ∂Y 2

 2 2 2 2
 ∂ u (x, t) = c2 ( ∂ v − 2 ∂ v + ∂ v )(x − ct, x + ct)

∂t2 ∂X 2 ∂XY ∂Y 2
et l’équation (6.7) donne alors

∂2u 2
2∂ u
2
2 ∂ v
− c = −4c (6.11)
∂t2 ∂x2 ∂X∂Y
L’équation (6.11) s’intègre directement :
∂2v ∂v
R
∂X∂Y = 0 =⇒ ∂Y = F (Y ) =⇒ v(X, Y ) = F (Y )dY + g(X)

v(X, Y ) = f (Y ) + g(X)
Pour que v soit de classe C 2 , il est nécessaire que f et g le soient aussi.
D’où l’on a, puisque u(x, t) = v(x − ct, x + ct)

u(x, t) = f (x + ct) + g(x − ct) (6.12)

et ceci achève la démonstration.

Remarque 6.1 Considérons tout d’abord la fonction

u(x, t) = g(x − ct) (6.13)

Si nous augmentons x de ∆x et t de ∆t avec ∆x = c∆t alors x−ct ne change pas et g(x−ct) garde
la même valeur. Autrement dit, ce qui se trouvait en x à l’instant t ”se retrouve” (identiquement)
en x + c∆t à l’instant t + ∆t.
On dit que la fonction u définie par (6.13) représente une onde qui se propage vers la droite à
la vitesse ( ou plutôt à la célérité, car c’est l’information et non la matière qui se propage) c.
On dit qu’il s’agit d’une onde progressive.
De même, f (x + ct) s’interprête comme une onde qui se propage à la même vitesse c vers la
gauche. On dit qu’il s’agit d’une onde régressive.
Ainsi la relation (6.12) signifie que la solution générale de l’équation des cordes vibrantes est la
somme d’une onde progressive arbitraire et d’une onde régressive arbitraire.
Problème de Cauchy 82

6.1.2 Solution élémentaire de l’équation des cordes vibrantes

Une solution élémentaire de l’équation des ondes est par définition une distribution E qui vérifie

∂2E 2
2∂ E
− c = δx ⊗ δt (6.14)
∂t2 ∂x2
où δx ⊗ δt est la distribution définie , pour ϕ ∈ D(R2 ) par

hδx ⊗ δt , ϕi = ϕ(0, 0)
∂ 2 2
Les propriétés de l’opérateur des cordes vibrantes ( ∂t 2 ∂
2 − c ∂x2 ) permettent de construire une
solution élémentaire et nous avons la proposition suivante :

Proposition 6.1.2
La distribution associée à la fonction E définie par
½ 1
2c si |x| < ct
E(x, t) =
0 si |x| > ct
est une solution de (6.14).

Démonstration
Soit ϕ ∈ D(IR2 ). Nous avons
¿ 2 2
À ¿ À Z Z
∂ E 2∂ E ∂2ϕ 2
2∂ ϕ 1 ∂2ϕ 2
2∂ ϕ
− c , ϕ = E, − c = ( − c )dxdt
∂t2 ∂x2 ∂t2 ∂x2 2c |x|<ct ∂t
2 ∂x2
En utilisant le changement de variables (6.8), on a
¿ 2 2
À ZZ
∂ E 2∂ E 1 2 ∂ 2 ψ dXdY
− c , ϕ = −4c ( )
∂t2 ∂x2 2c X<0 ∂X∂Y 2c
Y >0

où ψ(X, Y ) = ϕ( X+Y Y −X

2 , 2c )
La fonction ϕ étant à support compact, on obtient :

¿ À Z · ¸0 Z
∂2E 2
2∂ E ∂ψ ∂ψ
− c ,ϕ =− dY = − (0, Y )dY = − [ψ(0, Y )]+∞
0 = ψ(0, 0)
∂t2 ∂x2 Y >0 ∂Y −∞ Y >0 ∂Y

∂2E 2
Ceci prouve que ∂t2
− c2 ∂∂xE2 = δx ⊗ δt

6.2 Problème de Cauchy

Comme la solution générale de l’équation des CV dépend de deux fonctions arbitraires f et g
comme indiqué dans (6.12) il parait assez naturel d’imposer deux données initiales u(x, 0) et
∂u
∂t (x, 0). Notre problème, lorsque la corde est de longueur infinie, s’écrit :
Problème de Cauchy 83

 2 2

 ∂ u 2∂ u ∗

 − c =0 (x, t) ∈ IR × IR+

 ∂t2 ∂x2


u(x, 0) = u0 (x) x ∈ IR (6.15)






 ∂ u(x, 0) = u1 (x)

x ∈ IR
∂t
C’est le problème de Cauchy pour l’équation des CV. Cherchons à résoudre ce problème. Nous
avons le résultat suivant :

Proposition 6.2.1
Le problème (6.15) admet une solution unique de classe C 2 qui est de la forme
Z
1 1 x+ct
u(x, t) = [u0 (x + ct) + u0 (x − ct)] + u1 (ξ)dξ (6.16)
2 2c x−ct
dès que u0 est de classe C 2 et u1 est de classe C 1 .

Démonstration
La solution générale de (6.15) est donnée par (6.12). Les conditions initiales se traduisent alors
par

f (x) + g(x) = u0 (x)

et

c(f 0 (x) − g 0 (x)) = u1 (x)

On a donc
Z x
c(f (x) − g(x)) = u1 (ξ)dξ + cK
0
où K est une constante arbitraire. D’où
µ Z ¶
1 1 x
f (x) = u0 (x) + u1 (ξ)dξ + K
2 c 0
et
µ Z ¶
1 1 x
g(x) = u0 (x) − u1 (ξ)dξ − K
2 c 0
expressions que nous reporterons dans (6.12). La constante K, qui apparait dans chacun des
deux termes précédent disparait dans leur somme. Regroupant les intégrales nous trouvons
finalement :
Z
1 1 x+ct
u(x, t) = [u0 (x + ct) + u0 (x − ct)] + u1 (ξ)dξ
2 2c x−ct

Dans le cas où u0 et u1 ne sont pas assez régulières, nous allons chercher des solutions de (6.15)
au sens des distributions. Afin de pouvoir utiliser la technique des solutions élémentaires et
Problème de Cauchy 84

du produit de convolution des distributions nous commençons par définir à partir du problème
∗ un problème posé sur tout le plan R2 .
(6.15) posé sur R × IR+
Reprenons le problème (6.15)
 2 2

 ∂ u 2∂ u

 ∂t2 − c =0
∂x2
u(x, 0) = u0 (x) (6.17)

 ∂

 u(x, 0) = u1 (x)
∂t
On commence par prolonger u en u e définie sur le plan IR2 par :
½
0 x ∈ R, t < 0
u
e(x, t) = (6.18)
u(x, t) x ∈ R, t > 0
et nous obtenons les sauts suivants :

e(x, 0+ ) − u
u e(x, 0− ) = u0 (x)

∂e
u ∂e
u
(x, 0+ ) − (x, 0− ) = u1 (x)
∂t ∂t
On a alors, au sens des distributions :

∂e
u ∂u
= 1 + u0 (x) ⊗ δ(t)
∂t ∂t ((x,t),t>0)
∂2ue ∂2u
= 1 + u1 (x) ⊗ δ(t) + u0 (x) ⊗ δ 0 (t)
∂t2 ∂t2 ((x,t),t>0)
Où δ(t) et δ 0 (t) désignent respectivement la masse de dirac en zéro et sa dérivée et où 1((x,t),t>0)
désigne la fonction caractéristique du demi-plan R × R∗+ . Rappelons que le symbole ⊗ désigne
le produit tensoriel. A titre d’exemple nous avons :
Z
hu0 (x) ⊗ δ(t), ϕ(x, t)i = u0 (x)ϕ(x, 0)dx
R
En outre, on a

∂2u
e ∂2u
= 1
∂x2 ∂x2 ((x,t),t>0)
et nous obtenons finalement :

∂2ue 2e
2∂ u
− c = u1 (x) ⊗ δ(t) + u0 (x) ⊗ δ 0 (t) (6.19)
∂t2 ∂x2
Ceci permet de démontrer le résultat suivant :
Proposition 6.2.2

Si u0 ∈ L1loc (IR) et si u1 ∈ L1loc (IR) est la dérivée au sens des distributions d’une fonction
h ∈ L1loc (R), alors la distribution associée à la fonction u définie sur R2 par
Z
1 1 x+ct
u(x, t) = [u0 (x + ct) + u0 (x − ct)] + u1 (ξ)dξ (6.20)
2 2c x−ct
est solution de (6.19) dans D0 (IR2 ).
Problème de Cauchy 85

Démonstration
La solution E du problème (6.14) donnée par la proposition 4.2 est une solution élémentaire
de l’équation des cordes vibrantes. Une solution du problème (6.19) est alors donnée, d’après la
proposition 3.8 du chapitre 3, par :

e(x, t) = E(x,t) ∗ (u1 (x) ⊗ δ(t) + u0 (x) ⊗ δ 0 (t))

u (6.21)
En revenant à la définition du produit de convolution de deux distributions, on obtient (exer-
cice) :
Z Z
∂
u
e(x, t) = u1 (x − y)E(y, t)dy + u0 (x − y)E(y, t)dy
R ∂t R
En revenant à l’expression de E donnée dans la proposition 4.2 :
½ 1
2c si |ξ| < ct
E(ξ, t) =
0 si |ξ| > ct
on obtient alors :
Z ct µ Z ct ¶
1 ∂ 1
u(x, t) = u1 (x − y)dy + u0 (x − y)dy
2c −ct ∂t 2c −ct
On pose alors ξ = x − y et on obtient :
Z x+ct
1 1
u(x, t) = [u0 (x + ct) + u0 (x − ct)] + u1 (ξ)dξ
2 2c x−ct

ce qui est le résultat cherché.

Remarque 6.2 1) La solution en un point M (x, t), t > 0 est déterminée d’après (6.20) par
une partie des données initiales, en l’occurence u0 en A et B et u1 sur le segment AB où A et
B sont les points du plan de coordonnées (x − ct, 0) et (x + ct, 0) ( voir figure 1).
On dit que le segment [A(x − ct, 0), B(x + ct, 0)] est le domaine de dépendence rattaché au point
M (x, t).
2) Les demi-droites C − et C + d’équation x − ct = cte et x + ct = cte , t > 0 sont appelées les
courbes caractéristiques de l’opérateur des cordes vibrantes.
3) Avec les notations de la figure 2 les données u0 et u1 sur A0 B0 déterminent la solution u dans
le triangle A0 M0 B0 doublement recouvert par les caractéristiques C − et C + issues du segment
[A0 , B0 ].
4)Les données initiales u0 et u1 sur le segment [A0 , B0 ] influencent la solution de l’EDP considérée
sur tout le domaine I hachuré sur la figure 2 qui peut être défini par :
© ª
I = (x, t) ∈ R × R∗+ / x + ct ≥ x0 − ct0 et x − ct ≤ x0 + ct0
Ce domaine est appelé le domaine d’influence du segment [A0 , B0 ] .
Problème de Cauchy 86

M(x,t)

A(x−ct,0) B(x+ct,0) X

Fig. 6.1 – Domaine de dépendance

M (x ,t 0)
0 0

x
A0(x0−c t 0,0) B 0(x 0+ct 0,0)

Fig. 6.2 – Domaine d’influence

Problème aux limites d’évolution 87

6.3 Problème aux limites d’évolution

6.3.1 Développement en séries de Fourier
On considère le cas de la corde finie [0, L] fixée aux extrémités. Alors on doit considérer le
problème (6.5), ce qui revient à rajouter des conditions aux limites au problème (6.15) qui
devient :
 2 2

 ∂ u 2∂ u ∗

 2
− c 2
=0 (x, t) ∈ [0, L] × IR+

 ∂t ∂x




u(x, 0) = u0 (x) x ∈ [0, L]
(6.22)

 ∂

 u(x, 0) = u1 (x) x ∈ [0, L]

 ∂t




u(0, t) = u(L, t) = 0 t ∈ IR+ ∗

où l’on suppose que les données initiales vérifient les relations (6.4) :
½
u0 (0) = u0 (L) = 0
(6.23)
u1 (0) = u1 (L) = 0
On cherche à résoudre le problème (6.22) par la méthode des séries de Fourier. Cela consiste à
rechercher la solution u(x, t) pour chaque valeur de t > 0, sous la forme d’un développement
en série trigonométrique en x, s’il existe. Cette réserve est essentielle et imposera de justifier les
calculs formels qui vont suivre.
On cherche donc u(x, t) sous la forme
∞
a0 (t) X
u(x, t) = + [an (t) cos(nωx) + bn (t) sin(nωx)] (6.24)
2
n=1

Théorème 6.3.1

Le problème (6.22) admet au moins une solution sous la réserve que les données initiales u0 (x)
et u1 (x) vérifient :

u0 (0) = u0 (L) = 0 et u1 (0) = u1 (L) = 0

et que les conditions de dérivabilité qui légitiment la démonstration suivante soient satisfaites.
Cette solution peut être définie, pour x ∈ [0, L] et t > 0 par la somme de la série
∞
X
u(x, t) = sin(nωx) [αn cos(nωct) + βn sin(nωct)] ωL = π (6.25)
n=1

où les constantes αn sont les coefficients de Fourier de la fonction impaire u

e0 (x) de période
T = 2L égale à u0 (x) pour x ∈ [0, L] :
Z L
2 nπx
αn = u0 (x) sin( )dx (6.26)
L 0 L
et où les constantes nωcβn sont les coefficients de Fourier de la fonction impaire u
e1 (x) de période
T = 2L égale à u1 (x) pour x ∈ [0, L].
Problème aux limites d’évolution 88

Z L
2 nπx
βn = u1 (x) sin( )dx (6.27)
nπc 0 L
La solution se présente comme une superposition de solutions de la forme

sin(nωx) cos(nωct) et sin(nωx) sin(nωct) (6.28)

vérifiant, chacune séparément, les conditions aux limites.

Démonstration formelle
Pour une corde de longueur L fixée en ses extrémités d’abscisses 0 et L toute solution du
problème (6.22) doit satisfaire les conditions aux limites. Il faut donc que le développement
(6.24) satisfasse les deux conditions suivantes
∞
a0 (t) X
u(0, t) = + an (t) = 0
2
n=1
et
∞
a0 (t) X
u(L, t) = + [an (t) cos(nωL) + bn (t) sin(nωL)] = 0
2
n=1

Des conditions suffisantes pour qu’il en soit ainsi sont :

∀n ∈ N an (t) = 0 et ωL = π
On cherche donc un développement de u(x, t) de la forme
∞
X π
u(x, t) = bn (t) sin(nωx) et ω=
L
n=1

Si l’on admet que ce développement peut être dérivé terme à terme, à l’ordre 2 par rapport à x
et t, on obtient :

X ∞
∂2u 2
(x, t) = −ω n2 bn (t) sin(nωx)
∂x2
n=1

X ∞
∂2u
(x, t) = b00n (t) sin(nωx)
∂t2
n=1

et l’équation (6.22) des cordes vibrantes sera satisfaite si

b00n (t) = −c2 ω 2 n2 bn (t) (6.29)

La solution générale de cette équation différentielle est :

bn (t) = αn cos(nωct) + βn sin(nωct) (6.30)

et ceci nous conduit à l’expression (6.25).
Il reste à déterminer les constantes αn et βn en utilisant les conditions initiales u0 (x) et u1 (x)
De (6.25), on tire la condition :
Problème aux limites d’évolution 89

∞
X
u0 (x) = u(x, 0) = αn sin(nωx) pour x ∈ [0, L] (6.31)
n=1

En admettant que la série (6.25) est dérivable terme à terme il vient

X ∞
∂u
u1 (x) = (x, 0) = βn nωc sin(nωx) pour x ∈ [0, L] (6.32)
∂t
n=1

Les séries de sinus (7.1) et (7.2) représentent des fonctions impaires de période T= 2π ω = 2L.
En nous appuyant sur l’étude des séries de Fourier nous voyons que les coefficients αn peuvent
être choisis égaux aux coefficients de Fourier de la fonction impaire u e0 (x) de période T = 2L
égale à u0 (x) pour x ∈ [0, L] et ceci conduit à la formule (6.26). De même, βn nωc est choisi
égal au coefficient de Fourier de la fonction impaire ue1 (x) de période T = 2L égale à u1 (x) pour
x ∈ [0, L] .Ce qui conduit à la formule (6.27).
On vérifiera sans difficulté que les fonctions

cn (x, t) = sin(nωx) cos(nωct) (6.33)

sn (x, t) = sin(nωx) sin(nωct) (6.34)

sont solutions de l’équation aux dérivées partielles (6.22) et satisfont les conditions aux limites
en x = 0 et x = L à tout instant t.

Remarque 6.3 Les fonctions cn (x, t) et sn (x, t), définies par (7.3) et (6.34), sont les produits
d’une fonction de x par une fonction de t. Elles sont dites à variables séparées et sont appelées
des solutions stationnaires.
Pour ces solutions stationnaires, la forme de la corde est à chaque instant, celle de la sinusoide
sin(nωx) avec l’amplitude cos(nωct) et sin(nωct) respectivement. Chaque point d’abscisse x a
2π 2L
un mouvement de période = .
nωc nc
Les solutions stationnaires cn (x, t) correspondent aux conditions initiales

u0 (x) = cn (x, 0) = sin(nωx)

∂cn
u1 (x) = ( )(x, 0) = 0
∂t
et donc à une distribution initiale des vitesse qui est nulle.
Pour les solutions sn (x, t), on a

u0 (x) = sn (x, 0) = 0

∂sn
u1 (x) = (( ))(x, 0) = nωc sin(nωx)
∂t
On remarque que la solution générale se présente comme une superposition de solutions station-
naires de la forme (7.3) et (6.34).
Problème aux limites d’évolution 90

6.3.2 Etude de la validité du développement en séries de Fourier

La validité des développements donnés dans la démonstration du théorème 4.1 dépend des
propriétés des données initiales u0 (x) et u1 (x).
D’une part, u0 (x) et u1 (x) doivent être sommables sur [0, L] afin que les coefficients αn et βn
puissent être rigoureusement définis par (6.26) et (6.27).
D’autre part, ces fonctions doivent satisfaire les conditions aux limites :

u0 (0) = u0 (L) = 0 et u1 (0) = u1 (L) = 0

Si ces conditions sont satisfaites et s’il y a seulement un nombre fini de coefficients αn et
βn différents de zéro, alors u(x, t), donnée par (6.25) , étant une superposition d’un nombre
fini d’états stationnaires est la solution de l’équation des cordes vibrantes (6.22) définie par les
données initiales u0 (x) et u1 (x).
Mais, s’il y a un nombre infini de coefficients αn ou βn différents de zéro, ces conditions ne sont
pas suffisantes. Il faut, pour que la méthode soit applicable, que la série (6.25) soit convergente
et qu’elle soit dérivable terme à terme, par rapport à x et à t, jusqu’à l’ordre 2.
Nous ne cherchons pas à définir la classe la plus générale des fonctions u0 (x) et u1 (x) permettant
de satisfaire toutes ces conditions, mais nous devrons, pour chaque appplication de la méthode
des séries de Fourier à la résolution de l’équation des cordes vibrantes, nous assurer que la
résolution formelle est justifiée. Nous constaterons que, pour que cette méthode soit applicable,
les fonctions u0 (x) et u1 (x) doivent être suffisamment dérivables.
En particulier, des conditions suffisantes pour la validité de la méthode sont données par le
théorème suivant :

Théorème 6.3.2
Soient u e0 (x) et u
e1 (x) les deux fonctions impaires, de période T = 2L, respectivement égales à
u0 (x) et u1 (x) pour x ∈ [0, L] .
Si ue0 (x) ∈ C 4 (R) et ue1 (x) ∈ C 3 (R), et si u0 (0) = u0 (L) = 0 et u1 (0) = u1 (L) = 0 alors une
solution de l’équation des cordes vibrantes est données par le théorème 4.1, autrement dit, les
conditions de dérivabilité mentionnées dans l’énoncé du théorème sont satisfaites.

Démonstration
Soient αn et βn les coefficients définis par les relations (6.26) et (6.27).
Les fonctions u e1 , étant, respectivement de classe C 4 et C 3 , les coefficients de Fourier αn
e0 et u
et βn vérifient :

Cte Cte
|αn | < 4
et n |βn | < 3
n n
Donc la série de Fourier (6.25), ainsi que les séries obtenues en la dérivant terme à terme par
rapport à x et par rapport à t jusqu’à l’ordre 2 convergent absolument et uniformement sur tout
2 2
intervalle vers u(x, t), ∂∂xu2 (x, t), ∂∂t2u (x, t), respectivement.
On a ainsi :

X∞
∂2u
2
(x, t) = − (nωc)2 sin(nωx) [αn cos(nωct) + βn sin(nωct)]
∂t
n=1

X∞
∂2u
2
(x, t) = − (nω)2 sin(nωx) [αn cos(nωct) + βn sin(nωct)]
∂x
n=1
Problème aux limites d’évolution 91

Donc :

∂2u 2
2∂ u
− c =0
∂t2 ∂x2
La série (6.25) est donc une solution de l’équation des cordes vibrantes.

6.3.3 Conservation de l’énergie

On considère la quantité :
Z L Z L
1 ∂u 2 1 ∂u 2
E(t) = ( ) ρdx + T ( ) dx (6.35)
0 2 ∂t 0 2 ∂x
qui peut être interprétée comme étant l’énergie totale de la corde en mouvement dès que ρ désigne
la masse linéique de la corde et T la tension dans celle-ci ( ρ et T constants voir Chapitre 1).

Proposition 6.3.1
Soit E l’énergie totale de la corde en mouvement définie par (6.35) où u est supposé être de
classe C 2 . On a alors :

d
E(t) = 0 (6.36)
dt
Démonstration
∂u
Multiplions l’équation CV par ∂t et intégrons la par rapport à x de 0 à L à t fixé. Il vient, après
division par c2 :
Z L Z L
1 ∂u ∂ 2 u ∂u ∂ 2 u
dx − dx = 0 (6.37)
c2 0 ∂t ∂t2 0 ∂t ∂x2
On pose
Z L
∂u ∂ 2 u
I(t) = dx
0 ∂t ∂t2
et
Z L
∂u ∂ 2 u
J(t) = 2
dx
0 ∂t ∂x
RL
On remarque que I est la dérivée par rapport à t de 0 12 ( ∂u 2
∂t ) dx
Quant à J, nous l’intégrons par parties :
· ¸L Z L Z L
∂u ∂u ∂u ∂ 2 u d 1 ∂u 2
J(t) = − dx = − ( ) dx
∂t ∂x 0 0 ∂x ∂x∂t dt 0 2 ∂x
Compte tenu de ce que , u étant nul à tout instant t en x = 0 et en x = L, il en est de même de
1 ρ
sa dérivée par rapport à t. Enfin, rappelons que d’après le chapitre 1 on a 2 = et multiplions
c T
(6.37) par T . Il vient

d
E(t) = 0 (6.38)
dt
Problème discret 92

Remarque 6.4 L’énergie totale de la corde en mouvement définie par (6.35) peut être décomposée
comme suit

E(t) = Ec (t) + Ep (t) (6.39)

où
Z L
1 ∂u 2
Ec (t) = ( ) ρdx (6.40)
0 2 ∂t
désigne l’énergie cinétique et
Z L
1 ∂u 2
Ep (t) = T ( ) dx (6.41)
0 2 ∂x
désigne l’énergie potentiel de déformation élastique de la corde en mouvement.
En effet, dans le cadre de l’hypothèse de petites perturbations ∂u
∂t (x, t) représente la vitesse (trans-
∂u
versale) et ∂x (x, t) représente la déformation du point x de la corde considérée, à l’intant t.
Le résultat (6.39) s’interpréte comme une loi de conservation de l’énergie totale E(t) = Ec (t) +
Ep (t) = cte, en l’absence d’apport d’énergie en provenance de l’extérieur.

Corollary 6.3.1
Le problème (6.22) n’admet qu’une seule solution

Démonstration
Grâce à la linéarité du problème (6.22), il nous suffit de prouver que le problème homogène
associé, c’est à dire celui qui correspondond au cas u0 = 0 et u1 = 0, n’admet que la solution
identiquement nulle. Le problème homogène associé correspond à E(0) = 0 d’où E(t) = 0 pour
tout t ≥ 0.
Les quantités Ep et Ec étant toutes les deux strictement positives, on peut donc affirmer que
Ep (t) = 0. On en déduit que ∂u ∂x = 0 et que u = u(t). La condition u = 0 à l’une au moins des
extrémités impose finalement u = 0 partout.
On aurait pu aboutir au même résultat en utilisant le fait que Ec (t) = 0 qui implique que ∂u
∂t = 0
d’où u = u(x). La condition u0 = 0 permettrait alors de conclure que u est identiquement nul.
D’où le résultat l’unicité annoncé.

6.4 Problème discret

6.4.1 Discrétisation de l’équation des CV
Nous allons discrétiser l’équation

∂2u 2
2∂ u
− c =0 (6.42)
∂t2 ∂x2
au point Mnj ( voir chapitre 2).
Pour cela, nous posons vjn ' u(xj , tn ) et nous allons procéder pas de temps par pas de temps,
selon les temps croissants. Supposons donc que les valeurs vjn sont connues pour tous les indices
d’espace j et pour les instants 0( données initiales) 1, 2....n. Nous cherchons maintenant vjn+1 .
Pour la dérivée en temps et en espace nous allons utiliser la différence finie centrée :
Problème discret 93

µ ¶n
∂2u un+1
j − 2unj + ujn−1
= + 0(∆t2 ) (6.43)
∂t2 j ∆t2
µ ¶n
∂2u unj+1 − 2unj + unj−1
= + 0(∆x2 ) (6.44)
∂x2 j ∆x2
D’où le schéma, dit explicite

vjn+1 − 2vjn + vjn−1 n

vj+1 − 2vjn + vj−1
n
− c2 =0 (6.45)
∆t2 ∆x2
Mais on peut tout aussi bien appliquer le développement (6.44) à l’instant tn+1 plutôt qu’à
l’instant tn .
µ ¶n+1
∂2u un+1 n+1
j+1 − 2uj + un+1
j−1
= + 0(∆x2 ) (6.46)
∂x2 j ∆x2
D’où le schéma, dit implicite :

vjn+1 − 2vjn + vjn−1 v n+1

2 j+1
− 2vjn+1 + vj−1
n+1
−c =0 (6.47)
∆t2 ∆x2
Les deux schémas (6.45) et (6.47) étant à deux pas de temps, où à 3 niveaux, leur initialisation
nécessite la donnée des deux suites (vj0 )j∈Z et (vj1 )j∈Z . Celles-ci peuvent être obtenues grâce
aux conditions initiales. Dans le cas où les deux fonctions u0 et u1 intervenant dans (6.15) sont
continues on peut choisir ( vj0 )j∈Z et (vj1 )j∈Z définies par :

vj0 = u0 (j∆x) j∈Z (6.48)

vj1 − vj0
= u1 (j∆x) j∈Z (6.49)
∆t
Si u0 et u1 sont discontinues, localement sommbles, on peut par exemple prendre :
Z (j+ 12 )∆x
1
vj0 = u0 (x)dx j∈Z (6.50)
∆x (j− 12 )∆x

vj1 −vj0
et une formule analogue pour ∆t
Z (j+ 12 )∆x
vj1 − vj0 1
= u1 (x)dx j∈Z (6.51)
∆t ∆x (j− 12 )∆x

6.4.2 Condition nécessaire de convergence : condition de CFL

Le problème est le suivant : Le schéma est-il convergent et converge-t-il vers la solution du
problème de cauchy(6.15).
∆t
Plus précisment si ∆x et ∆t tendent vers zéro avec λ = ∆x gardé constant(j, n → +∞) a-t-on
vnj → u(xj , tn ), où u est la solution de (6.15).
Le point fondamental est que cela nécessite une condition sur ∆x et ∆t et plus précisement sur
∆t
le rapport λ = ∆x qui ne doit pas être trop grand, comme on va le voir .
Problème discret 94

C(X,T)

B x
A

Fig. 6.3 –

Pour le schéma (6.45,6.48,6.49), la valeur au point Mjn de l’approximation vjn au point xj à

n−1
l’instant tn dépend des quantités vj+1 , vjn−1 , vj−1
n−1
. Ainsi en remontant le temps, on voit que
n
vj dépend des conditions initiales u0 et u1 sur l’intervalle [xj − n∆x, xj + n∆x] .

Théorème 6.4.1
Une condition nécessaire de convergence du schéma (6.45,6.48,6.49) est que

∆t
c ≤1 (6.52)
∆x
Cette condition est dite la condition de Courant- Friedricks-Levy(CFL).

Démonstration
Soit ua (M ) la valeur approchée de u en un point du demi-plan R × R+ de coordonnées (X, T ).
∆t
Si le schéma converge et si λ = ∆x
£ , on obtient une valeur approchée
¤ qui dépend seulement des
valeurs u0 et u1 sur l’intervalle Pλ = X − Tλ , Qλ = X + Tλ obtenu sur l’axe t = 0 en menant
par M (X, T ) les droites de pentes ±λ. ( voir figure 3).
Or d’après le paragraphe 3, la valeur exacte de u au point M dépend des valeurs u0 et u1 sur
l’intervalle [P = X − cT, Q = X + cT ] où M P et M Q sont les caractéristiques de pente c et −c.
Or la solution approchée ne peut être acceptable que si le domaine de dépendance numérique
[Pλ , Qλ ] couvre la domaine de dépendance exact [P, Q] . Ceci se traduit par l’inégalité λ ≤ 1c , où
encore :

∆t
c ≤1
∆x
Problème discret 95

qui est donc une condition nécessaire de convergence, dite condition de Courant-Friedricks-Levy
ou condition de CFL( du nom des trois mathématiciens auxquels on doit ce résultat).

Remarque 6.5 On démontre que la condition de CFL (6.52) est suffisante pour la convergence,
sous des hypothèses raisonnables sur u0 et u1 .

6.4.3 Une famille à un paramètre de schémas pour l’équation des CV

£ ¤
Pour un paramètre θ ∈ 0, 12 , on définit le schéma , dit schéma de Newmark :
1 ³ n+1 n n−1
´
v j − 2v j + vj + θA∆x,j v n+1 (6.53)
∆t2
+(1 − 2θ)A∆x,j v n + θA∆x,j v n−1 = 0 (6.54)
où

n
vn
2 j+1
n
− 2vjn + vj−1
A∆x,j v = −c (6.55)
∆x2
A∆x,j v n est une approximation de la dérivée seconde en x au point (xj = j∆x, tn = n∆t)
Pour l’initialisation de ce schéma on utilise les suites (vj0 )j∈Z et (vj1 )j∈Z définies par (6.48) et
(6.49) ou (6.50) et (6.51).

Remarque 6.6 i) Le schéma (6.53) est invariant si l’on change le sens du temps. On dit que
c’est un schéma centré. Cela est conforme aux propriétés de l’équation des CV invariante par
changement du sens du temps.
ii) On démontre que le schéma de Newmark est stable sous la condition de CFL suivante :
µ ¶1
∆t 1 2
c ≤
∆x 1 − 4θ
si 0 < θ < 14 et il est inconditionnellement stable si 1
4 < θ < 12 .
iii) Si θ = 0 on retrouve le schéma (6.45)

Fin du chapitre 6.
E.N.I.T Unité Pédagogique de Mathématiques Appliquées

Série 6 — Équations Mathématiques de la Physique

1ère Année : GC – GI – Hydro Meteo, 2 ème Année : GM 2008/2009

Exercice 1
On considère l’équation de la corde vibrante :
 2 2

 ∂ u 2∂ u

 2
(x, t) − c 2
(x, t) = 0, (x, t) ∈ [0, L] × R∗+

 ∂t ∂x




u(x, 0) = u0 (x), x ∈ [0, L]
(1)

 ∂u

 (x, 0) = u1 (x), x ∈ [0, L]

 ∂t




u(0, t) = u(L, t) = 0, t ∈ R∗+

où c > 0 est une constante. On suppose dans toute la suite de l’exercice que u0 ∈ C 2 ([0, L]),
u1 ∈ C 1 ([0, L]) et que u0 (0) = u0 (L) = 0 et u1 (0) = u1 (L) = 0.
1) En utilisant le développement en série de Fourier d’une fonction périodique, montrer que
pour tout x ∈ [0, L], on a :
X∞
nπx
u0 (x) = an sin( )
L
n=1
∞
X nπx
u1 (x) = bn sin( )
L
n=1
avec Z L
2 nπx
an = u0 (x) sin( )dx
L 0 L
Z L
2 nπx
bn = u1 (x) sin( )dx
L 0 L
2) On suppose que le système (1) admet une solution u ∈ C 2 ([0, L] × R∗+ ). On pose
Z L
2 nπx
αn (t) = u(x, t) sin( )dx
L 0 L

2-a) Montrer que :

Z L
d 2 αn 2 ∂2u nπx
2
= 2
(x, t) sin( )dx
dt L 0 ∂t L
2-b) Montrer, en faisant deux intégrations par parties, que :
Z L
2L ∂2u nπx
αn = − 2 2 2
(x, t) sin( )dx
n π 0 ∂x L
Problème discret 97

2-c) En déduire que αn est solution de l’équation différentielle :

 2

 d αn n2 π 2 c2

 2
+ αn = 0

 dt L2
(2)

 αn (0) = an


 dαn (0) = bn

dt
2-d) Résoudre (2) et montrer que
∞
X · ¸
π π Lbn π
u(x, t) = sin(n x) an cos(n ct) + sin(n ct) ,
L L nπc L
n=1

∂u
3) En multipliant par ∂t l’EDP intervenant dans (1) et en intégrant par rapport à x sur [0, L],
montrer que : h R ¡ ¢2 i
d 1 L ∂u
RL ∂2u
dt 2 0 ∂t dx = −c2 0 ∂u ∂t ∂x∂t dx
2 d R L ¡ ∂u ¢2
= − c2 dt 0 ∂x dx.
En déduire que le système (1) admet une solution unique u ∈ C 2 ([0, L] × R∗+ ).

Exercice 2
On considère l’équation de la corde vibrante :
 2 2

 ∂ u 2∂ u ∗

 − c =0 (x, t) ∈ [0, L] × IR+

 ∂t2 ∂x2




 u(x, 0) = u (x) x ∈ [0, L]
0
(1) ∂
u(x, 0) = u1 (x) x ∈ [0, L] (6.56)

 ∂t

 u(0, t) = u(L, t) = 0 t ∈ IR+∗





 u0 (0) = u0 (L) = 0

u1 (0) = u1 (L) = 0
On suppose qu’on a résolu l’équation des cordes vibrantes par la méthode des séries de Fourier,
pour des conditions initiales qui satisfont les hypothèses du théorème 2 du cours.
Montrer que la solution ainsi obtenue s’écrit sous la forme :
Z
1 1 x+ct
u(x, t) = [e u0 (x + ct) + u
e0 (x − ct)] + u
e1 (ξ)dξ
2 2c x−ct
où u
e0 (x) et u
e1 (x) sont les fonctions impaires, de période 2L, respectivement égales à u0 (x) et
u1 (x) pour x ∈ [0, L] .

Exercice 3
Soit une corde de longueur L = 1, fixée en ses extrémités x = 0 et x = 1.
1) Calculer, par la méthode des séries de Fourier, la solution au sens des distributions u(x, t) de
l’équation des cordes vibrantes (1) définie par les conditions initiales suivantes :
a) de la corde pincée en x = a (exemple la harpe)
½ mx
a 0≤x≤a
u(x, 0) = u0 (x) =
m x−1
a−1 a≤x≤1
Problème discret 98

∂
u(x, 0) = u1 (x) = 0
∂t
b) de la corde frappée ( exemple le piano)

u(x, 0) = u0 (x) = 0

∂
u(x, 0) = u1 (x) = mδa 0<a<1
∂t
2) Comparer la décroissance de l’amplitude des harmoniques pour la corde pincée et la corde
frappée.

Exercice 4
On considère l’équation de la corde vibrante :
 2 2

 ∂ u 2∂ u ∗

 − c =0 (x, t) ∈ R × IR+
 ∂t2 ∂x2
(6.57)

 u(x, 0) = u0 (x) x∈R


 ∂
∂t u(x, 0) = u1 (x) x∈R
On va l’approximer par le schéma suivant :

vjn+1 − 2vjn + vjn−1 n

vj+1 − 2vjn + vj−1
n
− c2 =0 (6.58)
∆t2 ∆x2
où vjn ' u(xj , tn ) , selon les notations du cours.
1) En appliquant la transformation de Fourier à ce schéma, montrer qu’on peut l’écrire sous la
forme suivante :

vbn+1 − 2b
v n + vbn−1 + a(ξ)b
vn = 0 (6.59)
où a(ξ) est une fonction à déterminer.
2) Trouver une relation de la forme
µ n+1 ¶ µ n ¶
vb vb
=A (6.60)
vbn vbn−1
la matrice A est appelée matrice d’amplification.
3) Calculer les valeurs propres de A
4) On dit que le schéma (2) est stable au sens de Von-Newmann si le rayon spectrale de A est
de module ≤ 1.
∆t
Trouver une condition sur λ = ∆x pour que le schéma soit stable au sens de Von-Newmann.

Exercice 5
On considère l’équation de la corde vibrante :
 2 2

 ∂ u 2∂ u ∗

 − c =0 (x, t) ∈ R × IR+
 ∂t2 ∂x2
(6.61)

 u(x, 0) = u0 (x) x∈R


 ∂
∂t u(x, 0) = u1 (x) x∈R
Problème discret 99

On va l’approximer par le schéma suivant (voir notations du cours) :

1 ³ n+1 n n−1
´
v j − 2vj + vj + θA∆x,j v n+1 + (1 − 2θ)A∆x,j v n + θA∆x,j v n−1 = 0 (6.62)
∆t2
où
n
vj+1 − 2vjn + vj−1
n
A∆x,j v n = −c2 (6.63)
∆x2
et vjn ' u(xj , tn ) , selon les notations du cours.
1) En appliquant la transformation de Fourier à ce schéma, montrer qu’on peut l’écrire sous la
forme suivante :

vbn+1 − 2b
v n + vbn−1 + a(ξ)(θb
v n+1 + (1 − 2θ)b
v n + θb
v n−1 ) = 0 (6.64)
où a(ξ) est une fonction à déterminer.
2) Trouver une relation de la forme
µ n+1 ¶ µ n ¶
vb vb
=A (6.65)
vbn vbn−1
3) Calculer les valeurs propres de A
∆t
4) Donner la condition sur θ et une condition sur λ = ∆x pour que le schéma soit stable au
sens de Von-Newmann. (Voir définition de la stabilité au sens de Von-Newmann donnée dans la
question 3 de l’exercice 4 ci-dessus)
 100

Chapitre 7

EXAMENS
E.N.I.T. Unité Pédagogique de Mathématiques Appliquées
Examen – Equations mathématiques de la physique Date : 4 Juin 2003
Enseignants : H. CHAKER – R. LAROUSSI– H. RIAHI Durée : 1h30
Classe : 1ère année GC - GI - GM Documents non autorisés

Exercice 1
Le système de l’acoustique linéaire décrit la propagation d’ondes sonores dans un milieu au repos
où les termes non linéaires sont négligés dans le cas des petites pertubations,
½
∂2u 2
2∂ u
(1) (x, t) − c (x, t) = 0, (x, t) ∈ R × R∗+
∂t2 ∂x2
où c est une constante qui représente la célérité du son dans le milieu. En faisant intervenir la
pression dans le milieu on obtient le système :

 ∂u 1 ∂p

 (x, t) + (x, t) = 0, ∀x ∈ R, ∀t ∈ R∗+ ,
 ∂t
 ρ0 ∂x




 ∂p ∂u
(2) (x, t) + ρ0 c2 (x, t) = 0, ∀x ∈ R, ∀t ∈ R∗+ ,

 ∂t ∂x





 u(x, 0) = φ(x) ∀x ∈ R


p(x, 0) = ψ(x) ∀x ∈ R

où φ et ψ sont des fonctions de classe C 1 .

1. Solution classique
(a) Montrer que
p
u1 (x, t) = u(x, t) + (x, t)
cρ0
p
u2 (x, t) = u(x, t) − (x, t)
cρ0
sont respectivement solutions de


 ∂u1 ∂u1
 ∂t (x, t) + c ∂x (x, t) = 0, ∀x ∈ R,
 ∀t ∈ R∗+ ,
(3)


 ∂u2 (x, t) − c ∂u2 (x, t) = 0, ∀x ∈ R,
 ∀t ∈ R∗+ ,
∂t ∂x

(b) Donner les valeurs u1 (x, 0) et u2 (x, 0) en fonction de φ et ψ

(c) résoudre le système (3).
(d) Donner la solution du problème de Cauchy (2).
 102

2. Schéma numérique
Pour la résolution du système(2) on utilise le schéma numérique suivant :

 n+1 µ n n ¶

 vj − vjn 1 wj+1 − wj−1

 + = 0,

 ∆t ρ0 2∆x
(4) Ã n+1 !
 wn+1 − wn
 n+1
vj+1 − vj−1 n
vj+1 n
− vj−1

 j j 2

 + ρ0 c β + (1 − β) = 0,
∆t 2∆x 2∆x

où vjn ' u(xj , tn ) et wjn ' p(xj , tn ) et β ∈ [0, 1].

(a) Soient ²1 (∆t, ∆x) l’erreur commise en remplacant dans la première équation du
système (4) vjn par u(j∆x, n∆t) et wjn par p(j∆x, n∆t) et ²2 (∆t, ∆x) l’erreur com-
mise en remplacant dans la deuxième équation du système (4) vjn par u(j∆x, n∆t) et
wjn par p(j∆x, n∆t) . Calculer ²1 (∆t, ∆x) et ²2 (∆t, ∆x) .
(b) Montrer que le schéma (4) est consistant avec l’EDP (2) ( Indication Montrer que
²1 (∆t, ∆x) et ²2 (∆t, ∆x) tendent vers zéro quand ∆t et ∆x tendent vers zéro).
(c) En appliquant la transformation de Fourier à ce schéma, montrer qu’on peut l’écrire
sous la forme suivante :

µ ¶ µ ¶
vbn+1 vbn
(5) =A
wbn+1 wbn
où A est une matrice à déterminer. La matrice A est appelée matrice d’amplification.
(d) Calculer les valeurs propres de A
(e) Etudier la stabilité au sens de Von-Newmann du schéma en discutant suivant les
valeurs de β. Donner, s’il y a lieu, la condition de stabilité.
3. Développement en séries de Fourier
On considère maintenant le système :

 ∂u 1 ∂p

 (x, t) + (x, t) = 0, ∀x ∈ [0, 1], ∀t ∈ R∗+ ,

 ∂t ρ 0 ∂x






 ∂p ∂u
(x, t) + ρ0 c2 (x, t) = 0, ∀x ∈ [0, 1], ∀t ∈ R∗+ ,
(6) ∂t ∂x





 u(x, 0) = φ(x) p(x, 0) = ψ(x) ∀x ∈ [0, 1]



 u(0, t) = u(1, t) = 0 p(0, t) = p(1, t) = 0 ∀t ∈ R∗+


φ(0) = φ(1) = 0 ψ(0) = ψ(1) = 0
où φ et ψ sont des fonctions de classe C 1 .
(a) En utilisant le développement en série de Fourier d’une fonction périodique montrer
que pour tout x ∈ [0, 1], on a :
X
φ(x) = αk e2iπkx
k∈Z
X
ψ(x) = βk e2iπkx
k∈Z
 103

(b) Déterminer αk et βk .
(c) Calcul formel : On suppose que u et p sont de classe C 1 .
i. En utilisant le développement en série de Fourier d’une fonction périodique mon-
trer que pour tout x ∈ [0, 1], on a :
X
u(x, t) = ak (t)e2iπkx .
k∈Z
X
p(x, t) = bk (t)e2iπkx .
k∈Z

ii. Déterminer le système différentiel vérifié par ak (t) et bk (t), pour tout k ∈ Z.
iii. En déduire a00k (t) en fonction de ak (t) et b00k (t) en fonction de bk (t).
iv. Calculer ak (t) et bk (t) en fonction de αk et βk pour tout k ∈ Z.
E.N.I.T. Unité Pédagogique de Mathématiques Appliquées
Examen – Equations mathématiques de la physique Date : 7 Juin 2004
Enseignants : H. CHAKER – H. RIAHI Durée : 1h30
Classe : 1ère année GC - GI - GM Documents non autorisés

Exercice 1
On considère le système suivant :
 2 2

 ∂ u 2∂ u

 (x, t) − c (x, t) + k 2 u(x, t) = 0, (x, t) ∈ R × R∗+

 ∂t2 ∂x2




u(x, 0) = u0 (x), x ∈ [0, L]
(1)

 ∂u

 (x, 0) = u1 (x), x ∈ [0, L]

 ∂t




u(0, t) = u(L, t) = 0, t ∈ R∗+

où c est une constante qui représente la célérité du son dans le milieu. On suppose que u0 ∈
(k) (k) (k)
C 4 ([0, L]), u1 ∈ C 3 ([0, L]) et que u0 (0) = u0 (L) = 0 pour k = 0, 1, 2, 3 et u1 (0) =
(k)
u1 (L) = 0 pour k = 0, 1, 2 .
On veut chercher la solution u(x, t) sous la forme d’une série de Fourier :
∞
X nπx nπx
ũ(x, t) = [αn (t) cos( ) + βn (t) sin( )]
L L
n=0

où αn (t) et βn (t) sont des fonctions de classe C 2 sur R+ , à déterminer.

1. En utilisant le développement en série de Fourier d’une fonction périodique, montrer que
pour tout x ∈ [0, L], on a :
∞
X nπx nπx
u0 (x) = [an cos( ) + bn sin( )]
L L
n=0

∞
X nπx nπx
u1 (x) = [cn cos( ) + dn sin( )]
L L
n=0
avec Z L
1 nπx
an = u0 (x) cos( )dx
L 0 L
Z L
1 nπx
bn = u0 (x) sin( )dx
L 0 L
Z L
1 nπx
cn = u1 (x) cos( )dx
L 0 L
Z L
1 nπx
dn = u1 (x) sin( )dx
L 0 L
 105

2. Montrer, en faisant quatre intégrations par parties, qu’il existent des constantes C1 et C2
telle que
C1
|an | ≤ 4
n
et
C2
|bn | ≤ 4
n
3. Montrer, en faisant trois intégrations par parties, qu’il existent des constantes C3 et C4
telle que
C3
|cn | ≤ 3
n
et
C4
|dn | ≤ 3
n
4. Calcul formel
2 2
(a) Calculer ∂∂t2ũ (x, t) et ∂∂xũ2 (x, t).
(b) En déduire les équations que vérifient les fonctions αn (t) et βn (t), n ∈ N .
(c) Résoudre ces équations.
(d) Déterminer les fonctions αn (t) et βn (t), n ∈ N en fonction de an , bn , cn et dn .
5. Montrer que la série ũ(x, t) définissant u(x, t), ainsi que ses dérivées d’ordre 1 et d’ordre
2, convergent normalement sur [0, L] × R+ .
6. Conclure.
7. En multipliant par ∂u ∂t l’EDP intervenant dans (1) et en intégrant par rapport à x sur
[0, L], montrer que :
" Z µ ¶ Z # Z L
d 1 L ∂u 2 k2 L 2 2 ∂u ∂ 2 u
(x, t) dx + u (x, t) = −c (x, t) dx
dt 2 0 ∂t 2 0 0 ∂t ∂x∂t

Z Lµ ¶2
c2 d ∂u
=− (x, t) dx.
2 dt 0 ∂x

En déduire que le système (1) admet une solution unique u ∈ C 2 ([0, L] × R∗+ ).

Exercice 2
On considère l’équation suivante
 2

 ∂ u ∂4u

 2
(x, t) + (x, t) = 0, (x, t) ∈ R × R∗+

 ∂t ∂x4
(2)

 u(x, 0) = u0 (x), x ∈ [0, L]



 ∂u
(x, 0) = u1 (x), x ∈ [0, L]
∂t
Pour la résolution du système(2) on utilise le schéma numérique suivant :

vjn+1 − 2vjn + vjn−1 n

vj−2 n
− 4vj−1 + 6vjn − 4vj+1
n n
+ vj+2
(3) + = 0,
∆t2 ∆x4
où vjn ' u(xj , tn ).
 106

1. Soient ²(∆t, ∆x) l’erreur commise en remplacant dans l’équation (3) vjn par u(j∆x, n∆t).
Calculer ²(∆t, ∆x) .
2. Montrer que le schéma (3) est consistant avec l’EDP (2).
3. En appliquant la transformation de Fourier à ce schéma, montrer qu’on peut l’écrire sous
la forme suivante :

µ ¶ µ ¶
vbn+1 vbn
(5) = A(ξ)
vbn vbn−1

où A(ξ) est une matrice à déterminer. La matrice A(ξ) est appelée matrice d’amplification.
4. Etudier la stabilité au sens de Von-Newmann du schéma .
E.N.I.T. Date : 30 Mai 2007

Examen
Équations Mathématiques de la Physique
Enseignants : H. CHAKER – R. OUENNES – H. RIAHI Durée : 1h30
Classe : 1ère année GC - GI - Hydrométéo Documents non autorisés

Exercice 1

On considére le problème de Cauchy pour l’équation des ondes à une variable d’espace
 2 2

 ∂ u 2∂ u

 2
− c 2
= 0 (x, t) ∈ R × R∗+

 ∂t ∂x
(7.1)

 u(x, 0) = u0 (x) x∈R



 ∂
u(x, 0) = u1 (x) x ∈ R
∂t
où u(x, t) représente la fonction inconnue de la variable (x, t) ∈ R × R∗+ .
On fait le changement de fonctions


 ∂u ∂u
 v1 (x, t) = c ∂x + ∂t

(7.2)


 v2 (x, t) = c ∂u − ∂u

∂x ∂t
1. Montrer que les fonctions v1 et v2 vérifient les équations aux dérivées partielle


 ∂v1 ∂v1
 ∂t − c ∂x = 0
 (x, t) ∈ R × R∗+
(7.3)


 ∂v2 + c ∂v2 = 0
 (x, t) ∈ R × R∗+
∂t ∂x
2. Calculer v1 (x, 0) et v2 (x, 0), x ∈ R.
3. On pose w1 (t) = v1 (X(t), t), où X(t) = x − ct pour un x fixé.
dw1
(a) Calculer et w1 (0).
dt
(b) Résoudre cette équation.
(c) En déduire la solution v1 en fonction de la condition initiale.
4. On pose w2 (t) = v2 (X(t), t), où X(t) = x + ct avec x fixé.
dw2
(a) Calculer et w2 (0).
dt
(b) Résoudre cette équation.
(c) En déduire la solution v2 en fonction de la condition initiale.
5. En déduire la solution u(t, x) de l’équation de la corde vibrante, en fonction de u0 et u1 .
 108

6. On suppose que
lim u(x, t) = 0
x→±∞

∂u
En multipliant par l’EDP intervenant dans (1) et en intégrant par rapport à x sur
∂t
[−∞, +∞], montrer que :
" Z µ ¶ # Z
d 1 ∂u 2 2 ∂u ∂ 2 u
dx = −c 2
dx
dt 2 R ∂t R ∂t ∂x

Z µ ¶2
c2 d ∂u
=− dx.
2 dt R ∂x

En déduire que le système (1) admet une solution unique u ∈ C 2 (R × R∗+ ).

Exercice 2

On considère l’équation de transport :

∂u ∂
(1) (x, t) + a (u(x, t)) = 0, (x, t) ∈ R × R∗+
∂t ∂x
où u(x, t) représente la fonction inconnue de la variable (x, t) ∈ R×R∗+ et a > 0 est une constante
donnée. On cherche une solution de l’équation (1) vérifiant :

(2) u(x, 0) = u0 (x) x ∈ R,

où u0 est une fonction donnée. Pour cela, on utilise le schéma numérique suivant :
n+1
vj+ n n+ 1 n+ 12
1 − v vj+12 − vj
2
j+ 1 2
(3) +a = 0,
∆t ∆x
où vjn ' u(xj , tn ) désigne une approximation de u au point (xj = j∆x, tn = n∆t), vj+
n
1 '
2
n+ 1
u(xj+ 1 , tn ) désigne une approximation de u au point (xj+ 1 = (j + 12 )∆x, tn = n∆t) et vj 2 '
2 2
n+ 12 n+ 12 1
u(xj , t ) désigne une approximation de u au point (xj = j∆x, t = (n + 2 )∆t) ∆x et ∆t
∆t
sont les pas de discrétisation. On suppose dans la suite que ∆x = cte. On a :

n 1 n n
vj+ 1 = (v + vj+1 )
2 2 j
et
1 n+ 12
= (vjn+1 + vjn )
vj
2
1. Mettez le schéma sous la forme suivante :

n+1
αvj+1 + βvjn+1 = γvj+1
n
+ δvjn

2. Etudier la l2 -stabilité du schéma.

3. Montrer que ce schéma est consistant avec l’équation (1).
E.N.I.T. Date : 14 Mai 2008

Examen
Équations Mathématiques de la Physique
Enseignants : H. CHAKER – M. JAOUA – H. RIAHI – H. SELLAMI Durée : 1h30
Classe : 1ère année GC - GI - Hydrométéo , 2 ème Année GM
Documents non autorisés

Exercice 1
La propagation du son dans une colonne d’air obeit au système d’équations suivant :

 ∂u ∂p


 (x, t) + (x, t) = 0, ∀x ∈ R, ∀t ∈ R∗+ ,

 ∂t ∂x



 ∂p ∂u
(1) (x, t) + c2 (x, t) = 0, ∀x ∈ R, ∀t ∈ R∗+ ,

 ∂t ∂x





 u(x, 0) = u0 (x) ∀x ∈ R


p(x, 0) = p0 (x) ∀x ∈ R

où u(x, t) représente la vitesse de vibration de l’air et p(x, t) la pression en un point x et . c

étant la célérité du son dans le milieu.
Pour la résolution du système(1) on utilise le schéma numérique suivant :

 n+1 µ n ¶

 uj − unj pj+1 − pnj−1

 + = 0,

 ∆t 2∆x
(2) Ã n+1 !

 pn+1
− pn u − u n+1
un − un

 j j j+1 j−1 j+1 j−1

 + c2 θ + (1 − θ) = 0,
∆t 2∆x 2∆x

où unj ' u(xj , tn ) et pnj ' p(xj , tn ) et θ ∈ [0, 1].

1. En appliquant la transformation de Fourier à ce schéma, montrer qu’on peut l’écrire sous
la forme suivante :

µ ¶ µ ¶
bn+1
u bn
u
(5) =A
pbn+1 pbn

où A est la matrice suivante :

 ∆t 
1 −i ∆x sin(2πξ∆x)
A= 
∆t ∆t2 2
ic2 ∆x sin(2πξ∆x) 1 − c2 ∆x 2 θ sin (2πξ∆x)

2. Calculer le polynôme caractérique de A. En déduire que si θ 6= 1, le schéma est toujours

instable.
3. Etudier la stabilité au sens de Von-Neumann du schéma pour θ = 1.
 110

Exercice 2
On considère l’équation de transport :
∂u ∂u
(1) (x, t) + c ((x, t)) = 0, (x, t) ∈ R × R∗+
∂t ∂x
où u(x, t) représente la fonction inconnue de la variable (x, t) ∈ R × R∗+ . On cherche une solution
de l’équation (1) vérifiant :

(2) u(x, 0) = u0 (x) x ∈ R,

où u0 est une fonction donnée. On se propose de l’approximer par le schéma suivant( de Thomée) :

un+1 n+1
j+1 + uj unj+1 + unj un+1 n
j+1 + uj+1 un+1
j + unj
− −
(3) 2 2 + c( 2 2 ) = 0,
∆t ∆x
où unj ' u(xj , tn ) désigne une approximation de u au point (xj = j∆x, tn = n∆t).
1. Calculer l’ordre du schèma.
2. Etudier la l2 stabilité du schéma.
3. Montrer que
X³ ´2 X¡ ¢2
un+1
j + un+1
j+1 = unj + unj+1
j∈Z j∈Z

(Indication : multiplier l’équation (3) par un+1

j + un+1 n n
j+1 + uj + uj+1 .)
³ ´
4. On pose vjn = 12 unj + unj+1 . En déduire que

X³ ´2 X ¡ ¢
2
vjn+1 = vjn
j∈Z j∈Z

5. Peut-on conclure que le schéma de Thomée est conservatif ?

E.N.I.T. Date : 14 Mai 2009

Examen
Équations Mathématiques de la Physique
Enseignants : H. CHAKER – L. JAAFER – H. RIAHI – R. OUENESS Durée : 1h30
Classe : 1ère année GC - GI - Hydrométéo , 2 ème Année GM
Documents non autorisés

Exercice 1
On considère l’équation de transport :

 ∂u ∂u
 (x, t) + c (x, t) = 0, ∀x ∈ R, ∀t ∈ R∗+ ,
(1) ∂t ∂x


u(x, 0) = u0 (x) ∀x ∈ R,
où c est un réel positif, u0 est une fonction donnée et u(x, t) représente la fonction inconnue de
la variable (x, t) ∈ R × R∗+ . On va l’approximer par le schéma de Lax Wendroff suivant :
vjn+1 − vjn n
vj+1 n
− vj−1 n
vj+1 − 2vjn + vj−1
n
(2) +c − c2 ∆t = 0,
∆t 2∆x 2∆x2
où vjn ' u(xj , tn ) désigne une approximation de u au point (xj = j∆x, tn = n∆t).
1. Montrer que si u est solution du problème (1), alors
∂2u 2
2∂ u
(x, t) − c (x, t) = 0,
∂t2 ∂x2
2. Ecrire la relation (2) sous la forme
(3) vjn+1 = H(vj−1
n
, vjn , vj+1
n
).

3. Soit ²(∆t, ∆x) l’erreur commise en remplaçant dans l’ équation (2) vkl par u(k∆x, l∆t).
Calculer ²(∆t, ∆x).
4. En déduire que le schéma est consistant avec l’équation (1).
5. Donner l’ordre de convergence du schéma.
6. Montrer qu’il existe une fonction g : R2 → R continue telle que :
n
(4) H(vj−1 , vjn , vj+1
n
) = vjn − λ(g(vjn , vj+1
n n
) − g(vj−1 , vjn )).

7. Etudier la L2 -stabilité du schéma (2).

Exercice 2
On considère l’équation de transport :


 ∂u ∂u

 (x, t) + c (x, t) = 0, ∀x ∈ [0, L], ∀t ∈ R∗+ ,

 ∂t ∂x



(2) u(x, 0) = u0 (x) ∀x ∈ [0, L],





 u(0, t) = u(L, t) = 0


 u (0) = u (L) = 0
0 0
 112

où c est un réel positif, u0 ∈ C 3 est une fonction donnée avec u00 (0) = u00 (L) = 0 et u000 (0) =
u000 (L) = 0 et u(x, t) représente la fonction inconnue de la variable (x, t) ∈ [0; T ] × R∗+ . On veut
chercher la solution u(x, t) sous la forme d’une série de Fourier :
∞
X nπx nπx
ũ(x, t) = [αn (t) cos( ) + βn (t) sin( )]
L L
n=0
où αn (t) et βn (t) sont des fonctions de classe C 1 sur R+ , à déterminer.
1. En utilisant le développement en série de Fourier d’une fonction périodique, montrer que
pour tout x ∈ [0, L], on a :
∞
X nπx nπx
u0 (x) = [an cos( ) + bn sin( )]
L L
n=0
avec Z L
1 nπx
an = u0 (x) cos( )dx
L 0 L
Z L
1 nπx
bn = u0 (x) sin( )dx
L 0 L
2. Montrer, en faisant trois intégrations par parties, qu’il existent des constantes C1 et C2
telle que
C1
|an | ≤ 3
n
et
C2
|bn | ≤ 3
n
3. Calcul formel
∂ ũ ∂ ũ
(a) Calculer (x, t) et (x, t).
∂t ∂x
(b) En déduire les équations que vérifient les fonctions αn (t) et βn (t), n ∈ N .
(c) En déduire que αn est solution de l’équation différentielle :
 2

 d αn n2 π 2 c2

 2
+ αn = 0

 dt L2
(3)

 αn (0) = an


 dαn (0) = − cnπ bn

dt L
(d) Résoudre l’ équation (3), n ∈ N en fonction de an , bn .
(e) En déduire βn (t), n ∈ N en fonction de an , bn .
4. Montrer que la série ũ(x, t) définissant u(x, t), ainsi que ses dérivées d’ordre 1, convergent
normalement sur [0, L] × R+ .
5. Conclure.
6. En multipliant par u l’EDP intervenant dans (1) et en intégrant par rapport à x sur [0, L],
montrer que : · Z ¸
d 1 L 2
u (x, t) dx = 0
dt 2 0
En déduire que le système (2) admet une solution unique u ∈ C 1 ([0, L] × R∗+ ).