Aller au contenu
ELECTRONICS ENGINEERINGelectronics-engineering.com
Analyse numérique

Différences finies pour les équations aux dérivées partielles : chaleur, stabilité et CFL

Les dérivées comme différences, le schéma explicite pour l'équation de la chaleur, la condition de stabilité, Crank-Nicolson, Lax-Richtmyer, la condition de Courant et FDTD.

https://www.electronics-engineering.com/fr/differences-finies-equation-de-la-chaleur-cfl/

Pas encore de vote : soyez le premier à noter cette page.

Les équations aux dérivées partielles de la leçon de Méthodes mathématiques ne se résolvent à la main que sur des domaines simples. Pour un dissipateur de forme réaliste, pour le champ dans un dispositif à semi-conducteurs, pour un signal qui se propage sur une ligne à discontinuités, il faut des méthodes numériques. La plus directe est la méthode des différences finies : l’espace et le temps sont remplacés par une grille de points et les dérivées par des taux d’accroissement. Dans cette leçon nous l’appliquons à l’équation de la chaleur et nous voyons consistance, stabilité et convergence, ainsi que la condition de Courant pour les ondes.

Les dérivées comme différences

D’après le développement de Taylor, avec le pas \Delta x :

    \[ u'(x) \approx \frac{u(x + \Delta x) - u(x)}{\Delta x}\quad\text{(error } O(\Delta x)\text{)},\qquad u'(x) \approx \frac{u(x + \Delta x) - u(x - \Delta x)}{2\Delta x}\quad\text{(error } O(\Delta x^2)\text{)} \]

La seconde, centrée, est plus précise pour le même pas, parce que les erreurs des deux côtés s’annulent. Pour la dérivée seconde, en additionnant les développements en x + \Delta x et x - \Delta x :

    \[ u''(x) \approx \frac{u(x + \Delta x) - 2u(x) + u(x - \Delta x)}{\Delta x^2} \]

avec une erreur O(\Delta x^2). Ces formules suffisent pour discrétiser presque toute équation de la physique.

L’équation de la chaleur : le schéma explicite

u_t = \alpha u_{xx} sur [0, L]. On introduit la grille x_i = i\Delta x, t_n = n\Delta t, et on note u_i^n l’approximation de u(x_i, t_n). Avec une différence avant en temps et une différence centrée en espace :

    \[ \frac{u_i^{n+1} - u_i^n}{\Delta t} = \alpha\,\frac{u_{i+1}^n - 2u_i^n + u_{i-1}^n}{\Delta x^2} \]

c’est-à-dire, avec r = \frac{\alpha\Delta t}{\Delta x^2},

    \[ u_i^{n+1} = u_i^n + r\big(u_{i+1}^n - 2u_i^n + u_{i-1}^n\big) \]

Grille espace-temps des différences finies avec le stencil du schéma explicite
Chaque point de la grille représente la température en une position et à un instant. La nouvelle valeur u_i^{n+1} (en rouge) est calculée à partir des trois valeurs voisines du pas précédent (en bleu) : le « stencil » du schéma explicite.

Chaque nouvelle valeur se calcule à partir de ses trois voisines au pas précédent : on part de la condition initiale et on avance ligne par ligne, en appliquant les conditions aux limites aux extrémités. On peut le programmer en quelques lignes, même dans un tableur.

Stabilité : r \le \tfrac12

Le schéma n’est stable que si

    \[ r = \frac{\alpha\,\Delta t}{\Delta x^2} \le \frac12 \]

Pourquoi. Avec r \le \frac12 la nouvelle valeur est une moyenne pondérée des trois voisines avec des poids positifs, u_i^{n+1} = r u_{i-1}^n + (1 - 2r)u_i^n + r u_{i+1}^n : elle ne peut pas dépasser la plus grande des anciennes valeurs, donc les erreurs ne croissent pas (principe du maximum discret). Avec r \gt \frac12 le poids central devient négatif, et une petite oscillation d’un point à l’autre est amplifiée à chaque pas : après quelques dizaines de pas la solution explose en un zigzag sans signification.

La conséquence pratique est lourde : diviser \Delta x par deux pour plus de détail oblige à diviser \Delta t par quatre, et le travail total est multiplié par huit. Comme pour les équations différentielles raides, la réponse, ce sont les schémas implicites : le schéma de Crank-Nicolson, qui fait la moyenne de l’ancien et du nouveau pas, est stable pour tout \Delta t et a une erreur O(\Delta t^2 + \Delta x^2). À chaque pas il faut résoudre un système linéaire tridiagonal, ce qui est bon marché.

Consistance, stabilité, convergence

  • Un schéma est consistant si, quand les pas tendent vers zéro, l’équation discrète tend vers la vraie (l’erreur de troncature tend vers zéro).
  • Il est stable si les erreurs, d’arrondi ou venant des données, ne croissent pas sans limite au fil des pas.
  • Il est convergent si la solution numérique tend vers la vraie quand les pas tendent vers zéro.

Le théorème d’équivalence de Lax-Richtmyer affirme que pour les problèmes linéaires bien posés une méthode consistante est convergente si et seulement si elle est stable. C’est le résultat central de toute la théorie, et c’est celui auquel renvoie l’introduction aux méthodes de différences finies liée à ce sujet.

L’équation d’onde et la condition de Courant

Pour u_{tt} = c^2u_{xx}, avec des différences centrées en temps et en espace, le schéma explicite est stable si et seulement si

    \[ C = \frac{c\,\Delta t}{\Delta x} \le 1 \]

la condition de Courant-Friedrichs-Lewy (CFL). Sa signification est physique : en un pas \Delta t l’onde parcourt c\Delta t, et le schéma n’utilise que des points distants de \Delta x. Si l’onde parcourt plus d’un point de grille par pas, le schéma ne peut pas « voir » d’où vient l’information et la solution devient instable. Le domaine de dépendance numérique doit contenir le domaine physique.

C’est la condition qui gouverne les simulateurs électromagnétiques FDTD (différences finies dans le domaine temporel), utilisés pour concevoir des antennes, des guides d’ondes et des circuits imprimés rapides : avec des cellules de 1 mm et la vitesse de la lumière, le pas de temps doit rester inférieur à environ 2 picosecondes en trois dimensions.

Deux dimensions et au-delà

Pour l’équation de Laplace sur une plaque, la formule aux différences dans les deux directions donne

    \[ u_{i,j} = \frac{u_{i+1,j} + u_{i-1,j} + u_{i,j+1} + u_{i,j-1}}{4} \]

chaque valeur est la moyenne de ses quatre voisines, la version discrète de la propriété de la moyenne des fonctions harmoniques. Répéter cette moyenne sur toute la grille jusqu’à ce que les valeurs ne changent plus est la méthode de Jacobi de la leçon sur les systèmes linéaires. Pour les géométries compliquées, aux bords courbes, on préfère la méthode des éléments finis, qui découpe le domaine en triangles ou en tétraèdres et utilise la quadrature de Gauss : c’est la méthode des programmes de simulation structurelle, thermique et électromagnétique utilisés dans l’industrie.

S’abonner
Notifier de
guest
1 commentaire
Le plus ancien
Plus récent Les plus votés
1
0
Vous avez apprécié cet article ? Merci de laisser un commentaire.x