Vous êtes sur la page 1sur 30

Introduction aux estimations a posteriori

pour la discr

etisation d

equations
elliptiques et application
`
a la
r

esolution dun probl


`
eme
multi-

echelles
P. Omnes
1,2
, Y. Penel
1,2
et Y. Rosenbaum
1,2
1. CEA, DEN, DM2S-SFME F-91191 Gif-sur-Yvette Cedex.
2. Laga Universite Paris 13
15 Mai 2009
Estimations a posteriori
Plan
Plan
1
Objectifs des estimations a a posteriori
2
Cas des EF conformes pour le Laplacien
3
Cas du sch

ema DDFV pour le Laplacien


4
R

esultats num

eriques
5
Conclusion et perspectives
Estimations a posteriori
Plan
Plan
1
Objectifs des estimations a a posteriori
2
Cas des EF conformes pour le Laplacien
3
Cas du sch

ema DDFV pour le Laplacien


4
R

esultats num

eriques
5
Conclusion et perspectives
Estimations a posteriori
Plan
Plan
1
Objectifs des estimations a a posteriori
2
Cas des EF conformes pour le Laplacien
3
Cas du sch

ema DDFV pour le Laplacien


4
R

esultats num

eriques
5
Conclusion et perspectives
Estimations a posteriori
Plan
Plan
1
Objectifs des estimations a a posteriori
2
Cas des EF conformes pour le Laplacien
3
Cas du sch

ema DDFV pour le Laplacien


4
R

esultats num

eriques
5
Conclusion et perspectives
Estimations a posteriori
Plan
Plan
1
Objectifs des estimations a a posteriori
2
Cas des EF conformes pour le Laplacien
3
Cas du sch

ema DDFV pour le Laplacien


4
R

esultats num

eriques
5
Conclusion et perspectives
Estimations a posteriori
Objectifs
Objectifs
Soit un probl`eme (continu) `a approcher numeriquement (sur un
maillage constitue de T
i
), et soit e lerreur (dans une certaine
norme) entre solution exacte et solution numerique.
0. e Ke avec = C
_

T
i

i
_
1/
(ici = 2) avec
i
calculable uniquement `a partir de la solution numerique, des
donnees du probl`eme et de la geometrie du maillage, et dont le
co ut du calcul est negligeable.
1. Reduire le co ut du calcul en ranant
le maillage de mani`ere adaptative, l`a
o` u lerreur (les
i
) est importante.
Estimations a posteriori
Objectifs
Objectifs (suite)
2. Garantir `a lutilisateur une borne superieure de lerreur (pas de
constantes inconnues) avec une bonne ecacite (rapport
estimateur/erreur proche de un) si possible independante des
param`etres (discontinuites, anisotropie).
3. Donner un algorithme dadaptation de maillage qui assure que
lon pourra atteindre de fa con optimale une erreur xee par
lutilisateur.
Estimations a posteriori
EF pour Laplacien
Cas des EF conformes pour le Laplacien
Soit `a resoudre u = f sur =

i
T
i
avec u = 0 sur le bord.
Trouver u V := H
1
0
() tel que pour tout v V :
_

u v =
_

fv FVC
Approximation par EF conformes : V
h
V de dimension nie :
trouver u
h
V
h
tel que pour tout v
h
V
h
:
_

u
h
v
h
=
_

fv
h
FVD
En particulier, pour tout v
h
V
h
on a (FVC avec v = v
h
- FVD)
_

(u u
h
) v
h
= 0
(Orthogonalite de Galerkin).
Estimations a posteriori
EF pour Laplacien
Soit v := u u
h
, on a
e
2
:=
_

|v|
2
=
_

(u u
h
) v
Soit v
h
quelconque dans V
h
, par Orthogonalite de Galerkin :
e
2
=
_

(u u
h
) (v v
h
)
=
_

u (v v
h
)
_

u
h
(v v
h
)
=
_

f(v v
h
)

T
i
_
T
i
u
h
(v v
h
)
=
_

f(v v
h
)

T
i
_
T
i
(u
h
)(v v
h
) +
_
T
i
u
h
n(v v
h
)
Estimations a posteriori
EF pour Laplacien
e
2
=
_

f(v v
h
)

T
i
_
T
i
(u
h
)(v v
h
) +
_
T
i
u
h
n(v v
h
)
=

T
i
_
T
i
(f + u
h
)(v v
h
)

s
_
s
[u
h
n
s
]
s
(v v
h
)

T
i
||f + u
h
||
L
2
(T
i
)
||v v
h
||
L
2
(T
i
)
+

s
||[u
h
n
s
]
s
||
L
2
(s)
||v v
h
||
L
2
(s)

T
i
|T
i
| ||f + u
h
||
2
L
2
(T
i
)
_
1/2
_

T
i
|T
i
|
1
||v v
h
||
2
L
2
(T
i
)
_
1/2
+
_

s
|s| ||[u
h
n
s
]
s
||
2
L
2
(s)
_
1/2
_

s
|s|
1
||v v
h
||
2
L
2
(s)
_
1/2
Choix de v
h
? Bonne approximation de v !
Estimations a posteriori
EF pour Laplacien
Choix de v
h
? Par ex. moyenne de v autour des degres de liberte de
V
h
(eventuellement ponderee par fonction de base associee).
Alors : C
1
() et C
2
() t.q. pour tout v V :
_
_

T
i
|T
i
|
1
||v v
h
||
2
L
2
(T
i
)
_
_
1/2
C
1
||v||
L
2
()
= C
1
e
_

s
|s|
1
||v v
h
||
2
L
2
(s)
_
1/2
C
2
||v||
L
2
()
= C
2
e
Do` u lestimation a posteriori (basee sur les residus) :
e C
1
(

T
i
|T
i
| ||f+u
h
||
2
L
2
(T
i
)
)
1/2
+C
2
(

s
|s| ||[u
h
n
s
]
s
||
2
L
2
(s)
)
1/2
Estimations a posteriori
EF pour Laplacien
e C
1
(

T
i
|T
i
| ||f+u
h
||
2
L
2
(T
i
)
)
1/2
+C
2
(

s
|s| ||[u
h
n
s
]
s
||
2
L
2
(s)
)
1/2
Ne fait bien intervenir que la solution calculee u
h
(par le saut de
ses gradients), les donnees et la geometrie du maillage.
Les constantes sont diciles `a calculer (Verf urth 1999 ; Carstensen
and Funken, 2000) et lecacite mauvaise (rapport
estimateur/erreur entre 35 et 70 selon les cas tests).
On fait mieux depuis : pas de constante, ou alors connue, ecacite
proche de un (Vohralk 2006).
Estimations a posteriori
DDFV pour Laplacien
Cas du sch

ema DDFV
Inconnues aux centres et aux
sommets des cellules. On int`egre
u = f sur chacune des cellules
primales et duales.
Pour evaluer les ux, On construit

h
u sur chacune des cellules-
diamants `a partir des u
T
i
et des u
P
k
par la formule
(u)
j
:=
1
2 |D
j
|
__
u
P
k
2
u
P
k
1

|A

j
| n

j
+
_
u
T
i
2
u
T
i
1

|A
j
| n
j
_
T
i1
P
k2
P
k1
T
i2
n
A
A
n
Estimations a posteriori
DDFV pour Laplacien

Equivalence avec une methode delements nis


S
k2
S
k1
D
j
i1
G
i2
G
i1 k1
M
i2 k1
M
i2 k2
M
i1 k2
M
Soit u := (u
T
, u
P
). Il existe une unique fonction u
h
dont la
restriction `a chaque cellule-diamant D
j
est P
1
(D
j
) et telle que
u
h
(M
i

) =
1
2
(u
T
i

(j)
+u
P
k

(j)
) () {1; 2}
2
Estimations a posteriori
DDFV pour Laplacien
La propriete (u
h
)
|D
j
= (
h
u)
j
permet de demontrer que le
schema numerique est equivalent `a
trouver u
h
V
h
tel que v
h
V
h
,

j
_
D
j
u
h
v
h
=
_

fv

h
,
et
v

h
:=
1
2
_

i
v
T
i

T
i
+

k
v
P
k

P
k
_
o` u
T
i
et
P
k
sont les fonctions indicatrices des mailles T
i
et P
k
.

Elements nis non-conformes : fonctions de base sont P


1
par
morceaux sur les D
j
et continues seulement aux points M
i

.
Second membre : formule de quadrature.
Estimations a posteriori
DDFV pour Laplacien
Estimation a posteriori (Laplace - Dirichlet homog`ene)
e
2
=

j
_
D
j
|u u
h
|
2
.
Decomposition de Hodge dans (L
2
())
2
, avec

nul sur :
u u
h
=

Alors, e
2
=
_
_
_

_
_
_
2
0,
+
_
_
_

_
_
_
2
0,
et
e
2
=

j
_
D
j
(u u
h
)

j
_
D
j
(u u
h
)

.
Estimations a posteriori
DDFV pour Laplacien
i
1
=

j
_
D
j
(u u
h
)

Soit = (
T
i
,
P
k
) quelconque mais nul sur . On a
i
1
=
_

f
_

h
_

j
_
D
j
u
h

_


h
_
i
1
=
1
2

i[1,I]
_
T
i
f
_


T
i
_
+
1
2

k[1,K]
_
P
k
f
_


P
k
_

1
2

i[1,I]

T
i
_
s
[u
h
n
s
]
s
_


T
i
_
() d

1
2

k[1,K]

P
k
_
s
[u
h
n
s
]
s
_


P
k
_
() d .
Estimations a posteriori
DDFV pour Laplacien
i
2
=

j
_
D
j
(u u
h
)

Soit = (
T
i
,
P
k
) arbitraire ; par orthogonalite continue et
discr`ete :
i
2
=

j
_
D
j
u
h

_



h
_
.
i
2
=
1
2

i[1,I]

T
i
_
s
[u
h

s
]
s
_


T
i
_

1
2

k[1,K]

P
k
_
s
[u
h

s
]
s
_


P
k
_
Estimations a posteriori
DDFV pour Laplacien
Soit T
i
une cellule primale. Dans i
1
on doit majorer
1
2

i[1,I]

T
i
_
s
[u
h
n
s
]
s
_


T
i
_
() d
t
ik,1
t
ik,2
G
i
S
k
s

_
s
[u
h
n
s
]
s
_

T
i
_
()d

[u
h
n
s
]
s

0,s
_
_
_

T
i
_
_
_
0,s
Pour chaque segment s, on ecrit une inegalite de trace sur chacun
des deux triangles t
ik,1
et t
ik,2
Estimations a posteriori
DDFV pour Laplacien
_
_
_


T
i
_
_
_
2
0,s

C
ik,
|s|
_
_
_
_


T
i
_
_
_
2
0,t
ik,
+h
2
i
_
_
_

_
_
_
2
0,t
ik,
_
.
C
ik,
est calculable. Pour i xe, par C-S discret sur les s

T
i

T
i
_
s
[u
h
n
s
]
s
_

T
i
_
()d

C
i

i
_
_
_
_


T
i
_
_
_
2
0,T
i
+h
2
i
_
_
_

_
_
_
2
0,T
i
_
1/2
avec

i
=
_
_
_

T
i
1
|s|
[u
h
n
s
]
s

2
0,s
_
_
_
1/2
Estimations a posteriori
DDFV pour Laplacien
Choix de
T
i
: valeur moyenne de

H
1
sur T
i
:
_
_
_


T
i
_
_
_
0,T
i
K
i
h
i
_
_
_

_
_
_
0,T
i
(si T
i
est convexe K
i
=
1

T
i
_
s
[u
h
n
s
]
s
_

T
i
_
()d

C
i
_
_
_

_
_
_
0,T
i
avec

2
i
= h
2
i

T
i
1
|s|
[u
h
n
s
]
s

2
0,s
Estimations a posteriori
DDFV pour Laplacien
On traite de meme les termes sur les cellules duales. Par C-S
discret sur les T
i
, on conclut, en notant = (

2
i
)
1/2
i
1

1
_
_
_

_
_
_
0,
.
De meme, on obtient une majoration du type i
2

2
_
_
_

_
_
_
0,
.
On se souvient que
e
2
= i
1
+i
2
=
_
_
_

_
_
_
2
0,
+
_
_
_

_
_
_
2
0,
Donc
e
_

2
1
+
2
2
_
1/2
Estimations a posteriori
Resultats numeriques
R

esultats num

eriques
Maillages non-conformes (Exemple inspire de Glowinski et al.)
= [1; 1]
2
et = [1/4; 1/4]
2
= cos(

2
x) cos(

2
y) + 10(r) exp(1/
2
) exp[1/(
2
r
2
)] ,
avec r =
_
x
2
+y
2
; (r) = 1 si r et (r) = 0 si r > et
= 1/4. \ : carres de longueur S et : carres de longueur
s = S/2
p
.
Maillage non-conforme S = 1/8 et S/s = 4
Estimations a posteriori
Resultats numeriques
strat

egie de raffinement
Soit
2
ext
:=

T
i
\

2
i
et
2
int
:=

T
i


2
i
. Soit N
ext
et N
int
le
nombre de mailles dans \ et .
Alors la methode etant dordre un pour e en fonction du pas du
maillage, on aura e C(N
ext
+N
int
)
1/2
. La strategie consiste
alors `a minimiser e(N
ext
+N
int
)
1/2
.
Dautre part,
ext
C

N
1/2
ext
et
int
C

N
1/2
int
. Donc
ranement dans seulement : e (
2
ext
+
2
int
/4)
1/2
pour
(N
ext
+ 4N
int
) cellules.
ranement dans \ seulement : e (
2
ext
/4 +
2
int
)
1/2
pour (4N
ext
+N
int
) cellules.
ranement dans et \ : e
1
2
(
2
ext
+
2
int
)
1/2
pour
4(N
ext
+N
int
) cellules.
Estimations a posteriori
Resultats numeriques
On compare alors
C
i
:= (
2
ext
+
2
int
/4)
1/2
(N
ext
+ 4N
int
)
1/2
,
C
e
:= (
2
ext
/4 +
2
int
)
1/2
(4N
ext
+N
int
)
1/2
et
C
ie
:= (
2
ext
+
2
int
)
1/2
(N
ext
+N
int
)
1/2
et on rane
dans seulement si C
i
= min(C
i
, C
e
, C
ie
),
dans \ seulement si C
e
= min(C
i
, C
e
, C
ie
),
dans et \ si C
ie
= min(C
i
, C
e
, C
ie
).
Estimations a posteriori
Resultats numeriques
0.1
1
10
100
1000
100 1000 10000
E
r
r
e
u
r

r
e
e
l
l
e
Nombre delements
maillages possibles
raffinement uniforme
strategie proposee
1
10
100
1000
10000
100 1000 10000
E
r
r
e
u
r

e
s
t
i
m
e
e
Nombre delements
maillages possibles
raffinement uniforme
strategie proposee
Estimations a posteriori
Resultats numeriques
On traite ici le cas dun domaine avec ssure et
u(r, ) = r
1/2
sin(/2)
Estimations a posteriori
Resultats numeriques
1/4
N
uniform
adaptive
1/2
N
0.001
0.01
0.1
1
10 100 1000 10000 100000
E
r
r
o
r
Number of triangles
On recup`ere lordre optimal en nombre de triangles
8
10
12
14
16
10 100 1000 10000 100000
E
f
f
i
c
i
e
n
c
y
Number of triangles
adaptive
uniform
Estimations a posteriori
Conclusion et perspectives
Conclusion et perspectives
Pour lelliptique lineaire, les estimations a posteriori, cest
facile
Estimation a posteriori et adaptation de maillage
Robustesse vis-`a-vis des coecients
Probl`emes dependant du temps
Probl`emes non lineaires
Probl`eme de (Navier-)Stokes (th`ese de Anh Ha LE)
Probl`emes hyperboliques et couplage avec elliptique