Chapitre 8 Méthodes dapproximation ; résolution approchée
Chapitre 8. Méthodes d'approximation ; résolution approchée. Sur l'intérêt des méthodes d'approximation : ? Certaines sont parfois indispensables
Analyse Numérique
a0 + a1x + + anxn. Algorithme 2.8 : Résolution de P (x)=0 par la méthode de Newton à partir d'une valeur approchée x0 d'un zéro réel.
Chapitre 1 : Introduction à LAnalyse Numérique
Proposer une solution approchée calculée à l'aide de l'ordinateur. Exemples d'approximation au sens des moindres carrés :.
RESOLUTION NUMERIQUE DISCRETISATION DES EDP ET EDO
III.8 METHODES A PAS MULTIPLES . La solution exacte d'un problème d'EDO ou d'EDP est une fonction continue. ... Chapitre II : DISCRETISATION DES EDP.
Chapitre 5 - Méthodes dintégration numérique
Le but de ce chapitre est d'aborder le calcul général de l'intégrale d'une des méthodes qui permettent de calculer rapidement une valeur approchée.
Méthodes et Analyse Numériques
18 jan. 2011 VII.1.2Les 3 grandes classes d'approximation fonctionnelle . ... La solution approchée est dans ce cas une fonction déterminée par un.
Chapitre II Interpolation et Approximation
8. 10. ?5. 0. 5. 10 p(x). FIG. II.1: Polynôme d'interpolation de degré 5. Solution. toute la gloire pour cette méthode reviendra `a Gauss.
Méthode des éléments finis
26 nov. 2008 chercher une solution approchée de ce modèle. ... actuelle de méthodes d'approximation permettant de résoudre la plupart des problèmes pour.
Méthodes dApproximation de Solution pour les Probl`emes de
Résumé. Ces notes de cours présentent les grandes méthodes d'approximation de solution uti- lisées dans la résolution approchée de probl`emes de la physique
Résolution numérique des équations
Dans ce chapitre nous nous intéressons à l'approximation des zéros d'une fonction réelle d'une variable réelle. Autrement dit étant donné un intervalle I de R
M´ethodes d"Approximation de Solution
pour les Probl`emes de Physique.?L. CHAMPANEY
Universit´e de Versailles
St-Quentin en Yvelines
D´epartement de M´ecaniqueR´esum´eCes notes de cours pr´esentent les grandes m´ethodes d"approximation de solution uti-
lis´ees dans la r´esolution approch´ee de probl`emes de la physique, de la m´ecanique et des
sciences pour l"ing´enieur. Le principe g´en´eral de l"approximation de solution est toutd"abord expos´e. Ensuite, la m´ethode des r´esidus pond´er´es, la m´ethode de Galerkin, la
m´ethode de Ritz et la m´ethode des El´ements Finis sont bri`evement expos´ees et illustr´ees
chacune par un exemple.Sommaire1 Introduction21.1 Probl`eme type. . . . . . . . .21.2 Probl`eme lin´eaire. . . . . . . .22 Approximation de solutions32.1 Forme g´en´erale. . . . . . . . .32.2 Approximation polynomiale. .32.3 Approximation´El´ements Finis43 M´ethode des R´esidus Pond´er´es73.1 Formulation Int´egrale Normale73.2 M´ethode des r´esidus pond´er´es.83.3 M´ethode de Galerkin. . . . . .93.4 Exemple. . . . . . . . . . . . .104 Formulation Faible134.1 Formulation forte/faible. . . .134.2 Mise en oeuvre. . . . . . . . .134.3 Exemple. . . . . . . . . . . . .135 Minimisation de Fonctionnelle155.1 Principe. . . . . . . . . . . . .155.2 M´ethode de Ritz. . . . . . . .155.3 Exemple. . . . . . . . . . . . .165.4 Obtention de la fonctionnelle.195.5 Conclusions. . . . . . . . . . .206 M´ethode des´El´ements Finis216.1 Int´erˆets. . . . . . . . . . . . .216.2 Mise en oeuvre. . . . . . . . .236.3 Exemple 1D. . . . . . . . . . .247 Conclusions31?Notes de cours du module MP3 "M´ethodes Num´eriques", Maˆıtrises de de Physique et de M´ecanique1
1 Introduction1 Introduction
1.1 Probl`eme type
On consid`ere un probl`eme de physique pos´e sur un domaine Ω dont le bord est Γ (figure1). On suppose que la recherche de la solution se ram`ene `a la recherche de la fonction vectorielleu(x) d´efinie sur Ω.WGxFig.1 -Domaine d"´etudeOn suppose que les ´equations d"´equilibre ou de conservation se ram`enenent `a l"´equation
aux d´eriv´ees partielles pouvant s"´ecrire sous la forme suivante:L(u) =g,?x?Ω (1.1)
o`uLest un op´erateur diff´erentiel qui est en g´en´eral scalaire ou vectoriel. Cette ´equation de
conservation est associ´ee aux conditions aux limites condens´ees sous la forme:B(u) =h,?x?Γ (1.2)
o`uBest lui aussi un op´erateur diff´erentiel qui peut ˆetre scalaire ou vectoriel. Il peut corres-
pondre `a plusieurs conditions aux limites de natures diff´erentes appliqu´ees sur des morceaux
diff´erents de la fronti`ere. De mani`ere g´en´erale, la solution du probl`eme existe dans un espace de dimension infinie.C"est-`a-dire qu"il peut ˆetre n´ecessaire de fournir une infinit´e d"informations scalaires pour
repr´esenter la solution (autant qu"il y a de points dans le domaine).1.2 Probl`eme lin´eaire
Dans la plupart des exemples ´etudi´es ici, le probl`eme estlin´eaire, c"est `a dire que les
op´erateursLetBsont lin´eaires:L(α1u1+α2u2) =α1L(u1) +α2L(u2),(1.3)
et B(α1u1+α2u2) =α1B(u1) +α2B(u2).(1.4)UVSQ2L. Champaney2 Approximation de solutions2 Approximation de solutions
2.1 Forme g´en´erale
La m´ethode g´en´erale de repr´esentation approch´ee de la fonction cherch´ee propose de la
repr´esenter par sa projection dans un sous-espace de dimension finieN+1 dont une base est d´efinie par lesN+ 1 fonctionsφi(x): u(x) =N? i=0q iφi(x) (2.1) Les composantes scalairesqideviennent les inconnues du probl`eme et lesfonctions de base φi(x) sont choisiesa priorien fonction de la connaissance qu"on peut avoir de la forme de la solutionurecherch´ee. Les m´ethodes de r´esolution d"un probl`eme physique par approximation de solution sont donc des techniques qui permettent le calcul des composantesqide la solution approch´ee dans le sous espace de recherche. Il est bien ´evident que si la solution exacte du probl`eme appartient `a ce sous-espace, la technique de calcul des composantesqise doit de donner la solution exacte. Remarque: Dans la pratique, on peut combiner les m´ethodes d"approximation de solution avec les m´ethodes d"approximation d"´equation en ne pratiquant l"approximation de solution que sur une partie seulement des variables, par exemple: u(x,t) =N? i=0q i(t)φi(x) (2.2) On consid`ere ci-apr`es deux exemples unidimensionnels et un exemple bidimensionnel d"ap- proximations. En 1D, l"approximation s"´ecrit. u(x) =N? i=0q iφi(x) (2.3)2.2 Approximation polynomiale
L"approximation polynomiale consiste `a choisir comme fonctions de base les monˆomes simples:0(x) = 1 ;φ1(x) =x;φ2(x) =x2;...;φN(x) =xN
qui permetent de g´en´erer tous les polynˆomes de degr´eN: u(x) =q0+q1x+q2x2+···+qNxN La figure2pr´esente une approximation polynomiale quadratique (N= 2) d"une fonctionpolynomiale cubique. On comprend que ces approximations ne sont efficaces que pour lesUVSQ3L. Champaney
2 Approximation de solutionssolutions pr´esentant des variations lentes bien r´eparties dans le domaine d"´etude `a moins
d"utiliser un nombre tr`es important de fonctions. Par ailleurs, si la fonction `a approximerpr´esente une variation rapide dans une partie du domaine d"´etude et plus lente ailleurs, il est
clair que l"approximation polynomiale est peu efficace. -1.00 -0.50 0.00 0.50 1.00 -0.50 0.00 0.50 1.00 1.50 2.00 2.50 3.00
q00f q 11fq 22fuex uapp
xFig.2 -Approximation polynomiale quadratique d"un polynˆome cubique2.3 Approximation´El´ements Finis
2.3.1 Approximation
´El´ements Finis 1D
Pour palier ce probl`eme les fonctions d"interpolation ditede type ´el´ements finisont ´et´e
introduites. Le principe est d"utiliser des fonctions `a variation simple (lin´eaire ou quadratique)
d´efinies par morceaux, `a support compact et `a valeur non nulle autour de certains points particuliers seulement. Ces points sont appel´espoints d"interpolation. La figure3pr´esente une base de fonctions lin´eaires avec 7 points ´equi-r´epartis. Par exemple, pour une base deN+1 fonctions lin´eaires, on d´efini les points d"interpolation P i(i= 0,...N) de positionsxiet lai-`eme fonctionφi(x) est d´efinie par: i(xi) = 1 i(xj) = 0 i(x) lin´eaire(2.4) On constate facilement que l"approximationu(x) =qiφi(x) (i= 0,...,N) est telle que u(xi) =qi. C"est `a dire que le param`etreqirepr´esente la valeur de la fonction au point d"interpolationPi.La figure4pr´esente une approximation ´el´ements finis lin´eaire `a 5 points de la mˆeme
fonction polynomiale cubique que celle approch´ee par des polynˆomes sur la figure2. Il est bien ´evident qu"entre deux points, l"interpolation n"est pas de bonne qualit´e maisla simplicit´e des fonctions utilis´ees permet d"augmenter facilement de nombre de points. LeUVSQ4L. Champaney
2 Approximation de solutions1
xf 0 0 1 2 36541 x f 1 1 x f 2 f 3 1 x1 xf
6f5f4f3f2f1f0
f6 1 x f5 1 x f4 1 x P P P PPPPFig.3 -Fonctions d"interpolation ´el´ements finis -1.00 -0.50 0.00 0.50 1.00 0.00 0.50 1.00 1.50 2.00 2.50 3.00 uex uapp q00fq11fq22f xq 33fq44fFig.4 -Approximation ´el´ements finis lin´eaire d"un polynˆome cubiqueUVSQ5L. Champaney
2 Approximation de solutionsdeuxi`eme int´erˆet de ce type d"approximation est la possibilit´e de r´epartir les points d"in-
terpolation dans le domaine d"´etude pour approcher au mieux une fonction pr´esentant desdisparit´es de variation. Par exemple, la figure5pr´esente une approximation de type ´el´ements
finis d"une fonction pr´esentant une forte pente `a gauche et plus lente `a droite. Les pointsd"interpolation sont r´epartis au mieux afin de bien repr´esenter la fonction. 0.00 0.50 1.00 1.50 2.00 0.00 2.00 4.00 6.00 8.00 10.00
uex uapp q00f q 11f q 22fx q
33fq44fq55fFig.5 -Approximation ´el´ements finis lin´eaire adapt´ee d"une fonction hyperbolique2.3.2 Approximation´El´ements Finis 2D
En dimension deux, on proc`ede de la mˆeme mani`ere. Le domaine consid´er´e est couvert de points d"interpolation. Les fonctions de base utilis´ees sont d´efinies comme en dimension unet v´erifient donc les relations (2.4). La figure6pr´esente un exemple de quelques fonctions de
base sur un domaine en utilisant 8 points d"interpolation. 12 6 4 5387f
4f
6Fig.6 -Approximation´El´ements Finis 2D: fonctions de baseLa d´efinition de ces fonctions de base ne peut se faire par la seule donn´ee des points
d"interpolation. Il faut aussi d´efinir une triangulation du domaine entre les points. Cette couverture du domaine par des triangles est appel´eemaillagedu domaine. Par extension, on appelle maillage du domaine 1D l"ensemble des segments situ´es entre les points d"interpolation. La figure7pr´esente trois approximations de type´El´ements Finis d"une mˆeme fonction `a l"aide de maillages plus ou moins raffin´es.UVSQ6L. Champaney2 Approximation de solutionsFig.7 -Approximations´El´ements Finis 2D uniformesLa figure8pr´esente une approximation de la mˆeme fonction `a l"aide d"un maillage adapt´e
en tenant compte des variations de la fonction.Fig.8 -Approximation´El´ements Finis 2D adapt´eeUVSQ7L. Champaney
3 M´ethode des R´esidus Pond´er´es3 M´ethode des R´esidus Pond´er´es
3.1 Formulation Int´egrale Normale
On appeller´esidu des ´equations d"´equilibrela quantit´e:R(x) =L(u)-g(3.1)
Intuitivement, on peut remarquer que l"´equation d"´equilibre (1.1) est ´equivalente `a dire
que:R(x).P(x)dΩ = 0 (3.2)
est vrai quelque soit la fonctionP(x). Il s"agit d"uneprojectionde l"´equation d"´equilibre sur
les fonctions de projectionP. On appelle maintenantr´esidu des ´equations de bordla quantit´e:R(x) =B(u)-h(3.3)
Intuitivement, on peut remarquer que l"´equation de conditions aux limites (1.2) est ´equivalente
`a dire que:ΓR(x).P(x)dΓ = 0 (3.4)
est vrai quelque soit la fonctionP(x). On obtient laformulation int´egrale normaledu probl`eme en rassemblant les ´equations(3.2) et (3.4). Ainsi l"´ecriture conjointe des conditions d"´equilibre et de bord (1.1et1.2) est
´equivalente `a dire que
R(x).P(x)dΩ +?
ΓR(x).P(x)dΓ = 0 (3.5)
est vrai quelques soient les fonctionsP(x) etP(x).Les espaces Ω et Γ ´etant disjoints, la proposition pr´ec´edente reste vraie si les fonctions
P(x) etP(x) ne sont pas ind´ependantes. Dans la pratique, on fera le choix le plus simple qui consiste `a dire que:P(x)≡P(x) (3.6)
3.2 M´ethode des r´esidus pond´er´es
3.2.1 Forme g´en´erale
Lorsqu"on recherche la solution sous forme approch´ee telle que pr´esent´ee au paragraphe (2),
lam´ethode des r´esidus pond´er´esconsiste `a calculer lesN+ 1 composantesqide la solution
approch´ee par projection surN+ 1 couples de fonctions de projection (Pi(x),Pi(x)):R(x).Pi(x)dΩ +?
ΓR(x).Pi(x)dΓ = 0 (i= 0,...,N).(3.7)UVSQ8L. Champaney3 M´ethode des R´esidus Pond´er´esLes fonctions (Pi(x),Pi(x)) sont appel´eesfonctions de pond´erationd"o`u le nom de la m´ethode.
Dans le cas usuel o`u les fonctions de pond´eration sont les mˆemes sur le contour et dansle domaine (´equation3.6), lorsqu"on d´eveloppe les r´esidus et qu"on introduit l"approximation
de la solution telle qu"elle est d´efinie au paragraphe2, on obtient le syst`eme suivant: [L(qiφi(x))-g].Pj(x)dΩ+? [B(qiφi(x))-h].Pj(x)dΓ = 0,(j= 0,...,N).(3.8)Dans le cas o`u les op´erateursLetBsont lin´eaires, la r´esolution du syst`eme (3.15) conduit
`a la r´esolution du syst`eme alg´ebrique:Kq=f(3.9)
o`u K ij=? P i.L(φj)dΩ +? P i.B(φj)dΓ (3.10) et f i=? P i.gdΩ +? P i.hdΓ (3.11)3.2.2 Les m´ethodes des r´esidus pond´er´es
Les choix possibles pour les fonctions de projectionPi(x) sont nombreux. Certains choixparticuliers correspondent `a des m´ethodes connues dont voici certaines:-Lam´ethode des momentsqui consiste `a choisir les fonctions de projectionPi(x)
telles que: P i(x).Pj(x)dΩ =δij(3.12)-Lam´ethodes de moindres carr´esqui est obtenue en prenant: P i=∂∂qjL[u] =∂∂qjL? N? i=1q iφi(x)? (3.13)-Lam´ethode de collocation par sous domainesqui consiste `a choisir des fonctionsde projectionPiconstantes sur un sous domaine de Ω et nulles partout ailleurs.-Lam´ethode de collocation par pointsqui consiste `a choisir des fonctions de pro-
jectionPinon nulles en un seul point du domaine Ω.-Lam´ethode des fonctions splinequi est obtenue en ´ecrivant la formulation normale
morceau par morceau et en imposant des conditions de raccordement de la fonctioncherch´ee et de certaines de ces d´eriv´ees.-Lam´ethode de Galerkinqui est la plus utilis´ee et qui est d´evelopp´ee dans le para-
quotesdbs_dbs10.pdfusesText_16[PDF] Théorie des probabilités Corrigé
[PDF] Théorie des Probabilités - Université d 'Orléans
[PDF] 1 LE MODÈLE DES RESSOURCES ET DES COMPÉTENCES: UN
[PDF] Retour sur la théorie des ressources - Hal
[PDF] Chapitre 1 Psychologie différentielle de la personnalité : introduction
[PDF] EL JOUHARI Exercices SMC5-M17-E2 - Faculté des Sciences de
[PDF] Les aspects théoriques du commerce international et de la protection
[PDF] Microéconomie - Faculté des Sciences Economiques et de Gestion
[PDF] Innovation et développement chez Schumpeter - (CEIM) | UQAM
[PDF] La théorie du producteur - Paris School of Economics
[PDF] APPRENTISSAGE ET TRAITEMENT DE L 'INFORMATION
[PDF] Théorie et Pratique de la traduction III La Traduction littéraire L
[PDF] APPORTS ET LIMITES DE LA THEORIE INSTITUTIONNELLE - Hal
[PDF] Théorie keynésienne - Comptabilité nationale