M Ethodes Num Eriques Pour Les Ecoulements Incompressibles

Annee 2010
Methodes numeriques pour les ecoulements

incompressibles
Patrick Le Quere et Berengère Podvin
Temperature dans une cavite circulaire dierentiellement chauee
S. Xin et P. Le Quere
1
Resume
Ces notes de cours presentent les fondements mathematiques et physiques de la resolution
numerique des equations de Navier-Stokes incompressibles. Une attention particulière est donnee
aux methodes spectrales. Nous commencons par rappeler les equations fondamentales et les
conditions dans lesquelles un ecoulement peut etre considere comme incompressible. Nous nous
interessons ensuite à la classication des equations aux derivees partielles et nous montrons
que les equations de Navier-Stokes discretisees sont de type elliptiques en espace. Dans une
deuxième partie, nous abordons la discretisation des EDP en temps et en espace. Nous in-
troduisons les idees generales des approches par dierences nies, volumes nis et elements
nis. La recherche de la solution dans un espace approprie nous conduit à la presentation des
methodes spectrales et à leur application pour la resolution des equations elliptiques. Dans
une troisième partie, nous nous interessons à l erreur de discretisation et aux methodes de
resolution iteratives. Enn, dans la dernière partie, nous denissons le problème de Stokes et
abordons les methodes de resolution de la pression.
Quelques ouvrages de references
Mecanique des Fluides (physique):
An introduction to Fluid Dynamics, Batchelor , Cambridge University Press 2000
(reedition).
Mecanique des Fluides (numerique):
Computation Fluid Mechanics and Heat Transfer, Tannehill, Andresen and
Pletcher, Hemisphere 1984
Numerical computation of Internal and External Fluid Dynamics, C. Hirsch,
Butterworth-Heinemann, 2007 (reedition)
Spectral Methods in Fluid Dynamics, Canuto, Hussaini, Quarteroni, Zang,
Springer-Verlag 1991.
Methodes numeriques (general) :
A multigrid tutorial, Briggs, Henson, McCormick, SIAM Monographs
Numerical Recipes: The Art of Scientic Computing, Press, Teutolsky, Vet-
terling, Flannery , Cambridge University Press, 1992
2
Table des matières
1 Le caractère elliptique des equations de Navier-Stokes incompressible 4
1.1 Equations de Navier-Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Ecoulement incompressible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Conditions dincompressibilite . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Role de la pression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Generalites sur les equations aux derivees partielles . . . . . . . . . . . . . . . . 8
1.3.1 Classication des EDP . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2 Schema conservatif - Equations en forme conservative . . . . . . . . . . . 10
2 Discretisation des EDP 12
2.1 Discretisation compacte en espace . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.1 Discretisation par dierences nies . . . . . . . . . . . . . . . . . . . . . 12
2.1.2 Approche par elements nis . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.3 Approche par volumes nis . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Discretisation temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.1 Les schemas dEuler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.2 Les schemas de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.3 Discretisation du terme source . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Discretisation non compacte en espace . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 La recherche dun espace o` u denir la solution . . . . . . . . . . . . . . . 22
2.3.2 Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.3 Polynomes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.4 Resolution spectrale dequations elliptiques . . . . . . . . . . . . . . . . . . . . 36
2.4.1 Generalites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4.2 Methodes spectrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.3 Methodes de collocation . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.4.4 Resolution de problèmes bidimensionnels . . . . . . . . . . . . . . . . . . 42
3 Lerreur de discretisation 44
3.1 Schemas numeriques: notions de stabilite, convergence et consistence . . . . . . . 44
3
3.2 Analyse de stabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2.1 Analyse de Von Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2.2 Stabilite matricielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3 Resolution iterative dun problème lineaire . . . . . . . . . . . . . . . . . . . . . 50
3.3.1 Conditionnement de loperateur . . . . . . . . . . . . . . . . . . . . . . . 50
3.3.2 Methodes iteratives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3.3 Methodes multi-grille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4 Resolution du problème de Stokes 57
4.1 Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 Equation de Poisson pour la Pression . . . . . . . . . . . . . . . . . . . . . . . 58
4.2.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.2.2 Mise en uvre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.3 Operateur dUzawa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3.2 Choix des espaces dapproximation . . . . . . . . . . . . . . . . . . . . 64
4.3.3 Mise en uvre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4
Chapitre 1
Le caractère elliptique des equations de
Navier-Stokes incompressible
1.1 Equations de Navier-Stokes
On considère un ecoulement de uide de densite , et on notera u
i
les composantes du champ
de vitesse et p la pression du uide.
Les equations de Navier-Stokes pour un uide Newtonien expriment pour un volume de controle
xe dans lecoulement
la conservation de la masse
t
+
(u
j
)
x
j
= 0 (1.1)
la conservation de la quantite de mouvement
(u
i
)
t
+u
j
(u
i
)
x
j
=
p
x
j
+
u
i
x
j
x
j
(1.2)
la conservation de lenergie E = E +
1
2
u
i
u
i
E
t
= W +Q (1.3)
o` u W est la quantite de travail re cu par le système et Q est la dissipation.
Les inconnues du problème sont ,u
i,i=1,2,3
,p. Cette equation est souvent remplacee par
une equation detat. Cette equation detat peut etre lequation dun gaz parfait. Pour
resoudre le problème de manière generale, il faut exprimer la conservation de lenergie,
le plus souvent à laide dune equation detat permettant de relier le comportement des
variables thermodynamiques.
5
1.2 Ecoulement incompressible
1.2.1 Denition
Un ecoulement est dit incompressible si la densite de chaque particule de uide reste la
meme au cours du mouvement (ce qui signie pas que la densite du uide soit necessairement
constante en un point au cours du temps, ou uniforme en espace!). On a alors
D
Dt
=

t
+ u
i
x
i
= 0 (1.4)
o` u D est la derivee particulaire.
En soustrayant les equations 1.1 et 1.4, on obtient
u
i
x
i
= 0 (1.5)
Un ecoulement incompressible est caracterise par un champ de vitesse à divergence nulle (au-
trement dit solenoidal). On comprend ainsi que lincompressibilite est liee à la vitesse de
lecoulement. On ne peut pas parler de uide incompressible, car ce nest pas une propriete
intrinsèque du uide.
1.2.2 Conditions dincompressibilite
Dans quelles conditions un ecoulement peut-il etre considere comme incompressible? Il faut que
le temps caracteristique de la variation de la densite dune particule de uide soit très grand
devant les autres echelles temporelles de lecoulement. On a alors
|
1
D
Dt
| << U/L (1.6)
Les variations de densite peuvent etre exprimees à laide de deux variables thermodynamiques.
Suivant Batchelor [28], nous utilisons la pression p et lentropie s et exprimons
D
Dt
=

p
|
s
Dp
Dt
+

s
|
s
Ds
Dt
(1.7)
On voit ici apparatre la vitesse du son a denie par a
2
=
p
p
|
s
. Batchelor [28] a montre que le
deuxième terme du cote droit de lequation est negligeable. On a donc
1
D
Dt
=
1
a
2
Dp
Dt
(1.8)
En utilisant dune part
Dp
Dt
=
p
t
+ u
i
p
x
i
(1.9)
de sorte que les variations de la pression peuvent sexprimer comme la somme de deux contri-
butions
1
a
2
p
t
<<
U
L
6
et
u
i
a
2
p
x
i
<<
U
L
En ecoulement isentropique la viscosite du uide est nulle. La conservation de la quantite de
mouvement nous conduit à
Du
i
Dt
=
p
x
i
(1.10)
Ceci nous permet detablir que
p
UL
La première contribution
1
a
2
p
t

1
a
2
UL
2
<<
U
L
ce qui nous donne
L
2
a
2
2
<< 1
o` u les longueurs donde sont très petites devant les longueurs donde acoustiques et
U
2
a
2
<<
U
L
<< 1
et la deuxième
u
i
a
2
p
x
i
U
2
a
2
<<
U
L
ce qui nous donne
U
a
L
a
<< 1
Une analyse plus ne des variations de vitesse
u
i
p
x
i
= u
i
Du
i
Dt
= u
i
(
u
i
t
+u
j
u
i
x
j
nous conduit à estimer le premier terme comme
U
a
L
a
<< 1
et le second comme
U
2
a
2
<< 1
On retrouve que le nombre de Mach Ma = U/a doit etre petit devant 1. Si les eets de
compressibilite sont de lordre de 1%, cela correspond à un nombre de Mach de 0.3.
Un cas particulier qui est frequemment utilise est lapproximation de Boussinesq, o` u on considère
des uctuations de densite exclusivement dues à des variations de temperature, et susamment
faibles pour ne pas remettre en question lhypothèse dincompressibilite et modier la conser-
vation de lenergie. La temperature est donc consideree comme un scalaire dans lequation de
lenergie. Les equations à resoudre sont donc
7
lincompressibilite
(u
i
)
x
i
= 0 (1.11)
la conservation de la quantite du mouvement avec une nouvelle force qui est la poussee
dArchimède
(u
i
)
t
+ u
j
(u
i
)
x
j
=
p
x
j
+
u
i
x
j
x
j
+ F
i
(1.12)
o` u
F = gT (1.13)
avec g representant la gravite.
la conservation de lenergie
C
p
T
t
+u
j
T
x
j
= k

2
T
x
i
x
i
(1.14)
1.2.3 Role de la pression
Une consequence importante de lincompressibilite pour la resolution des equations est que la
pression p perd sa valeur thermodynamique, elle devient une variable qui assure la solenoidalite
(autrement dit la divergence nulle du champ de vitesse).
Pour mieux comprendre cette situation, considerons les equations de Navier-Stokes sans le
gradient de pression
(u
i
)
t
+ u
j
(u
i
)
x
j
=
u
i
x
j
x
j
(1.15)
On cherche à resoudre cette equation sous la contrainte de solenoidalite divu = 0. Lidee
classique est de denir un Lagrangien augmente
L = |u u |
2
+
u
i
x
i
(1.16)
ou u verie
(u
i
)
t
+ u
j
(u
i
)
x
j
=
u
i
x
j
x
j
(1.17)
En minimisant par rapport à u, on trouve que pour toute variation dv
(u u).dv + dv.(u u) +
dv
i
x
i
= 0 (1.18)
En integrant par parties, il vient
(u u).dv + dv.(u u) dv
i
x
i
= 0 (1.19)
soit
u
i
= u
i

p
x
i
(1.20)
Le gradient de pression agit donc comme un terme correcteur qui permet de projeter le champ
de vitesses dans lespace des champs à divergence nulle (voir aussi le chaptre 4).
8
1.3 Generalites sur les equations aux derivees partielles
1.3.1 Classication des EDP
On considère une equation aux derivees partielles de la forme suivante
a
2
u
x
2
+ b
2
u
y
2
+ c

2
u
xy
+ d
u
y
+ e
u
y
+ f = 0 (1.21)
o` u les coecients a,b,c,d,e,f dependent eventuellement de la position (x,y).
Denitions:
La nature des equations depend du discriminant
= b
2
4ac
Si > 0 les equations sont dites hyperboliques.
Si = 0 les equations sont dites paraboliques.
Si > 0 les equations sont dites elliptiques.
Si > 0:
2
u
y
2

2
u
x
2
= 0 (1.22)
Lexemple canonique est lequation des ondes (avec la notation y = t).
2
u
t
2
= c
2
2
u
x
2
(1.23)
La solution de cette equation est de la forme
u(x,t) = F(x ct) + G(x +ct) (1.24)
Ces problèmes sont des problèmes de marche en temps o` u à un instant donne, la solution
depend seulement des conditions initiales dans le domaine de dependance. Les perturba-
tions se propagent à la vitesse +/ c et la solution à un instant et en un point donne va
inuencer une zone limitee par cette vitesse de propagation (voir gure 1.1) .
Des exemples sont les ondes de choc dans les ecoulements transoniques et supersoniques,
et ne seront pas etudies dans le cadre du cours.
Si = 0:
2
u
x
2
=
u
y
(1.25)
Les equations paraboliques sont des equations de marche en temps (avec y = t). La
solution depend des conditions initiales dans tout le domaine. Le domaine de dependance
est donc constitue par lensemble des etats à t
> t (voir gure 1.2).

9
Fig. 1.1 Domaines de dependance et dinuence dune equation hyperbolique
Fig. 1.2 Domaines de dependance et dinuence dune equation parabolique
Si > 0: Lequation canonique est lequation de Laplace:
2
u
x
2
+

2
u
y
2
= 0 (1.26)
La solution depend des conditions aux limites sur tout le domaine. On peut montrer
quune equation elliptique o` u les conditions aux limites ne sont pas denies sur tout le
domaine est mal posee. Le domaine de dependance coincide avec tout le domaine (voir
gure 1.3).
Bien que la presentation ait ete faite en deux dimensions, ces denitions sont generalisables
avec un nombre arbitraire de dimensions. On denira notament lellipticite:
10
Fig. 1.3 Domaines de dependance et dinuence dune equation elliptique
Denition:
Soit loperateur L deni par
L =
ij
2
u
x
i
x
j
L est dit elliptique sil existe > 0,tel que pour tout x R
d
,
ij
x
i
x
j
> |x|
2
Les equations de Navier-Stokes incompressibles sont de type elliptique en espace en raison du
terme de diusion et de type parabolique en temps.
1.3.2 Schema conservatif - Equations en forme conservative
Denition dune equation en forme conservative: On dit quune equation aux
derivees partielles est sous forme conservative si ses coecients sont
ou constants
ou tels que leurs derivees napparaissent pas dans les equations
Exemple: Lequation de conservation de quantite de mouvement
(u
i
)
t
+ u
j
(u
i
x
j
=
p
x
j
+
u
i
x
j
x
j
(1.27)
nest pas en forme conservative. Elle lest en revanche sous cette forme
(u
i
)
t
+ u
j
(u
i
x
j
=
p
x
j
+
u
i
x
j
x
j
(1.28)
11
Denition dun schema conservatif: Un schema est dit conservatif lorsque la
discretisation correspondante assure la conservation exacte (` a lerreur darrondi près) des
quantites physiques, independamment de la taille du maillage ou de la region consideree.
La recherche de la conservation des quantites physiques dans un volume de controle constitue
la base des methodes de volumes nis. La forme non conservative des equations peut parfois
presenter un interet dans certains cas (systèmes hyperboliques).
12
Chapitre 2
Discretisation des EDP
2.1 Discretisation compacte en espace
2.1.1 Discretisation par dierences nies
Une approche nave
La solution numerique des equations requiert la discretisation des equations aux derivees par-
tielles. La question fondamentale est: comment puis-je representer de manière discrète une
fonction continue? La manière la plus simple semble etre de denir un maillage sur une grille
(que nous supposerons ici 1-d et regulière) et de denir la fonction f par la valeur quelle prend
aux noeuds de la grille
f
i
= f(x
i
), 0 i n
Une fois munis de cette representation, nous devons resoudre le problème suivant: comment
evaluer les derivees de la fonction qui interviennent dans lEDP?
La manière la plus simple consiste à supposer que la fonction est susamment derivable et à
calculer la serie de Taylor
f(x + x) = f(x) + x
f
x
|
x
+ (
(x)
2
2
2
f
x
2
|
x
+ (
(x)
3
3!
3
f
x
3
|
x
+ . . .
En rearrangeant les termes,
f
x
|
x
=
f(x + x) f(x)
x
+ O(x)
On voit ainsi quune representation de la derivee
f
x
|
x
i
peut etre obtenue en posant
f
x
|
x
i

f(x
i+1
) f(x
i
)
x
+ O(x) (2.1)
Laction qui à f
i
associe
f(x
i+1
)f(x
i
)
x
constitue un schema numerique.
13
Lerreur de troncature commise en evaluant la fonction peut secrire commme
E
x
=
f
x
|
x
i

f(x
i+1
) f(x
i
)
x
=
x
2
2
f
x
2
|
x
i
+ t.o.s (2.2)
On dit que le schema numerique est du premier ordre en espace en considerant lerreur de
troncature associee.
En ajustant les coecients on peut augmenter lordre de precision du schema. Par exemple, le
schema centre
f
x
|
x
i
=
f(x
i+1
) f(x
i1
)
2x
+ O(x
2
) (2.3)
est du second ordre.
On a ainsi construit un schema numerique.
Outre les series de Taylor, on peut utiliser une approximation polynomiale pour determiner les
valeurs des derivees aux points.
Exemple: Interpolation par spline cubique naturelle
On cherche à representer la derivee première dune fonction par un polynome de degre n. Une
approximation courante est lapproximation par spline cubique o` u f est representee par des
polynomes cubiques par morceaux.
Pf(x) = ax
3
+ bx
2
+cx +d
On souhaite que le polynome vaille f(x
i
) en x
i
,f(x
i+1
) en x
i+1
. Le polynome (de degre 1)
dinterpolation lineaire est de la forme
Pf
1
(x) =
x
j+1
x
x
j+1
x
j
f(x
j
) +
x x
j
x
j+1
x
j
f(x
j+1
) = Af(x
j
) + Bf(x
j+1
)
sur [x
j
,x
j+1
]. On souhaite que les deux premières derivees du polynome soient continues dun
intervalle à lautre. On cherche le polynome sous la forme
Pf(x) = Pf
1
(x) +
1
6
(A A
3
)(x
j+1
x
j
)
2
f
(x
j
) +
1
6
(B
3
B)(x
j+1
x
j
)
2
f
(x
j+1
)
ce qui assure la continuite de la seconde derivative en x
j
. La determination des derivees secondes
se fait en imposant la continuite de la première derivative en x
j
soit
x
j
x
j1
6
f
(x
j1
)+
x
j+1
x
j1
3
f
(x
j
)+
x
j+1
x
j
6
f
(x
j+1
) =
f(x
j+1
) f(x
j
)
x
j+1
x
j
f(x
j
) f(x
j1
)
x
j
x
j1
On obtient ainsi n-2 equations lineaires quil faut completer par des conditions arbitraires sur
la derivee seconde en x
1
et en x
n
. La solution naturelle consiste à poser f
(x
1
) = f
(x
n
) = 0.
14
Les etapes de la discretisation par dierences nies
La discretisation des equations aux derivees partielles se fait en trois etapes. On considèrera
pour illustrer le propos lequation de la chaleur en une dimension
u
t
=

2
u
x
2
(2.4)
sur [0,1] avec la condition aux limites
u(0) = u(1) = 1.0 (2.5)
et la condition initiale
u(x,t = 0) = x
si 0 x 0.5
u(x,t = 0) = 1 x
si 0.5 x 1
Les etapes de la discretisation sont:
1. denition de lespace discretise - maillage - caracterise par des noeuds o` u les valeurs des
fonctions sont denis
exemple: en 1-D x
I
avec x
I+1
= Ix.
2. construction dune approximation pour les derivees partielles de la fonction en fonction
des valeurs de la fonction aux noeuds du maillage
exemple:
2
f
x
2
|
x
I
=
f
I+1
+ f
I1
2f
I
x
2
f
t
|
t=t
n
x
I
=
f
t
n+1
f
t
n
t
3. substitution de lapproximation dans lEDP et obtention dun système aux dierences
nies.
exemple:
f
x
|
x
I
=
f
I+1
+ f
I1
2f
I
x
2
2.1.2 Approche par elements nis
La discretisation des EDP par elements nis reprend les etapes precedentes avec un point de
vue dierent.
1. La discretisation de lespace consiste en un decoupage en elements comprenant un ou plu-
sieurs noeuds. Les noeuds representent les degres de liberte des fonctions de representation.
Pour chaque element on dispose autant de fonctions de representation que de noeuds. En
deux dimensions, les noeuds repartis sur le domaine forment le sommet de triangles et
15
de tetraèdres en 3 dimensions. Les fonctions associees aux noeuds seront denies sur ces
triangles (ou tetraèdres).
2. On denit ici le concept dinterpolation o` u chaque noeud doit repose sur 2 etapes. La
première etape consiste à interpoler des fonctions.
u(x) =
I
u
I
N
I
(x) (2.6)
Les fonctions dinterpolation sont telles que les points du maillage sont interpoles exac-
tement
I
N
I
(x
J
) =
IJ
(2.7)
En outre, on demande à ce que les constantes soient interpolees exactement
I
N
I
= 1 (2.8)
Exemple: elements nis dordre 1
sur [x,x + h], V (x) =
1
2
x
sur [x h,x], V (x) =
1
2
(h x)
Les triangles deviennent des tetraèdres en dimension 2.
a) b)
Fig. 2.1 Representation par fonctions continues par morceaux a) 1-D b) 2-D
On peut egalement denir des polynomes dordre superieur.
3. Le calcul des derivees est immediat en utilisant la formule dinterpolation.
4. La troisième etape consiste à utiliser une formulation variationnelle (dite aussi formulation
faible) des EDP. La troisième etape est une methode de residus ponderes o` u le residu de
lequation est projete sur une base de fonctions.
On cherche la solution sous la forme suivante
u(x) =
N
n=1
a
n
n
(x) (2.9)
16
Ces fonctions
n
(x) representent une base de L
2
(x) et sont associees à un produit scalaire
(,). On suppose que lequation devolution peut secrire comme
f(u) = 0 (2.10)
La resolution de lEDP consiste à determiner les coecients a
n
par une methode de Ga-
lerkin ( cas particulier residus ponderes)
(f(
N
j=1
a
j
j
),
n
) = 0 (2.11)
ce qui conduit à un système lineaire de resolution pour les coecient a
j
.
On considère un exemple lequation de la chaleur
U
t
=
2
U
x
2
(2.12)
avec les conditions aux limites homogènes sur la frontière du domaine:
U = 0
sur .
La recherche de la solution sur une base de fonctions, et non plus sur un ensemble de
points,
On utilisera une methode de Galerkin, o` u les fonctions-tests utilisees pour la projection du
residu coincident avec les fonctions de base. Les fonctions v verient aussi les conditions
aux limites homogènes aux frontières.
_
U
t
vd =
2
U
x
2
vd (2.13)
En integrant par parties, il vient que
_
U
t
vd =
_
U
x
v
x
d +
_

U
x
vd (2.14)
En utilisant v =
J
, on obtient alors un système de la forme suivante
dU
I
dt
_

I
J
d
U
I
dt
_

I
x
J
x
d = 0 (2.15)
La matrice K
K =
_

I
x
J
x
d
est appelee matrice de rigidite (stiness).
La matrice M
M =
_

I
J
d
est appelee matrice de masse.
17
Le problème elliptique est ainsi ramene à la resolution dun problème lineaire de la forme
M
da
dt
= Ka
Lorsque les fonctions de base sont dordre eleve, on est amene à utiliser des expressions de
quadrature pour calculer ces matrices.
2.1.3 Approche par volumes nis
Si on denit la fonction dinterpolation suivante
V
I
(x) = 1 pourx [x
i1/2
,x
i+1/2
[
V
I
(x) = 0sinon
on sapercoit que la representation aux volumes nis dans le cas le plus simple peut etre
consideree comme un cas particulier de representation aux elements nis pour cette fonction
dinterpolation. Lidee fondamentale des volumes nis est de denir un volume de controle et
dimposer la conservation des equations sur ce volume de controle.
_ _ _
u
i
t
dx +
_ _ _
u
i
u
i
x
j
dx =
_ _ _
p
x
j
+

2
u
x
j
x
j
dx (2.16)
En utilisant le theoreme de la divergence
_
divFd =
_
F.dS (2.17)
on voit que les termes sur le cote droit de lequation se resument à lexpression de ux de
quantites. On considère le volume suivant (pour plus de simplicite , on se limitera à deux
dimensions) represente en gure ??:
t
_
Ud +
_
S
F.dS =
_
Qd (2.18)
Le domaine est decoupe en volumes de controle
J
qui recouvrent le domaine. Ces cellules ne
sont pas necessairement disjointes, il peut y avoir recouvrement à condition que ce recouvrement
ninduise pas la creation de nouvelles frontières.
On evalue cette equation à linterieur d un volume
J
t
U
J
J
+
cotes
F.S = Q
J
J
(2.19)
Pour evaluer les quantites volumiques, le plus simple est dutiliser une valeur constante au
centre de la cellule. On peut egalement employer la methode des trapèzes,
_
fd
x
2
(f
i
+ f
i+1
)
18
Fig. 2.2 Description dun volume de controle
ou la methode de Simpson, plus precise,
_
fd
x
6
(f
i1/2
+f
i+1/2
+ 4f
i
)
En supposant que le volume
J
est represente par la gure et que le maillage est regulier avec
un pas de maillage x et y, lequation peutetre simpliee comme
U
i,j
t
xy + (f
i+1/2,j
f
i1/2,j
)y + (f
i,j+1/2
f
i,j1/2
)x = Q
i,j
xy (2.20)
La question est de savoir comment evaluer f aux frontières des cellules. L evaluation des ux
est plus delicate. La manière la plus naturelle devaluer un ux consiste à utiliser un schema
centre. On a alors
f
i+1/2,j
=
f
i+1
f
i
x
mais cette approche contribue à creer des instabilites dites en damier entre i + 1 et i 1.
Les termes de ux consistent en ladvection dune quantite par le champ de vitesse. Les termes
à evaluer sont de la forme
I
c
= v
u
x
Il apparait alors judicieux dutiliser une expression pour le ux qui prenne en compte le fait
que linformation est transportee dans une direction privilegiee de lecoulement. On denit alors
une evaluation upwind dans laquelle les points dinterpolation dependent de la valeur de la
vitesse.
En laissant tomber le second indice j considere comme constant, on obtient linterpolation
lineaire upwind (LUDS)
Si v > 0
f
i+1/2
=
3u
i
u
i1
2
19
f
i1/2
=
3u
i1
u
i2
2
Si v < 0
f
i+1/2
=
3u
i+1
u
i+2
2
f
i1/2
=
3u
i
u
i+1
2
On peut egalement denir une interpolation quadratique, qui est du troisième ordre en es-
pace (mais lexpression nale du ux sera seulement du second ordre en raison de la règle
dintegration utilisee).
Si v > 0
f
i+1/2
=
3u
i+1
+ 6u
i
u
i1
8
f
i1/2
=
3u
i
+ 6u
i1
u
i2
8
Ic = v
3u
i+1
+ 3u
i
7u
i1
+ u
i2
8x
Si v < 0
f
i+1/2
=
3u
i
+ 6u
i+1
u
i+2
8
f
i1/2
=
3u
i1
+ 6u
i
u
i+1
8
Ic = v
3u
i1
+ 3u
i
7u
i+1
+ u
i+2
8x
Cette interpolation est connue sous le nom de schema QUICK.
Remarque: On peut voir la representation aux dierence nies comme un cas extreme de
representation par elements nis constitues dimpulsions Dirac - on ne dispose daucune règle
de derivation pour evaluer les derivees partielles.
2.2 Discretisation temporelle
Les equations de Navier-Stokes sont paraboliques en temps. On adopte donc pour la resolution
une marche en temps o` u à chaque pas de temps lecoulement est resolu sur tout le domaine.
Pour une equation à resoudre de type
u
t
= F
On distingue deux grands types de schemas numeriques temporels:
les schemas explicites, o` u lavancement en temps se fait directement
u
n+1
u
n
t
= F
n
20
les schemas implicites, o` u la solution au temps n + 1 est obtenue par la resolution dun
problème inverse
u
n+1
u
n
t
= F
n+1
Le seul cas qui est traite dans la resolution des equations consiste à considerer F lineaire.
Linteret de rendre certains termes (lineaires) de lEDP implicites va apparatre dans le chapitre
suivant.
Plus precisement, on distingue
2.2.1 Les schemas dEuler
On considère lequation
u
t
= F(u) (2.21)
schema Euler dordre 1 explicite
u
n+1
j
u
n
j
t
= F
n
j
(2.22)
schema Euler dordre 1 implicite
u
n+1
j
u
n
j
t
= F
n+1
j
(2.23)
Cette formulation est utilisable seulement dans le cas o` u F est lineaire.
schema Euler dordre 2 retarde explicite
3u
n+1
j
u
n
j
+ 2u
n1
j
2t
= F
n
j
(2.24)
2.2.2 Les schemas de Runge-Kutta
Les schemas de Runge-Kutta sont des schemas dintegration numerique extremement perfor-
mants. Nous en donnons ici le principe en nous limitant à un pas de temps constant. La
methode dEuler consiste à evaluer la derivee a linstant t
n
, f(t
n
) et à utiliser cette estimation
pour evaluer le champ au temps
u
n+1
= u
n
+ tf(t
n
)
La methode de Runge-Kutta consiste à introduire des points intermediaires an dameliorer la
precision de lapproximation.
Runge-Kutta à lordre 2
On denit un point intermediaire
y
1
= f(t,u
n
) + t
21
Levaluation de la derivee est alors faire au point t + t/2,y
1
/2.
y
2
= f(t + t/2,u
n
+ y
1
/2) + t
La nouvelle estimee au temps t
n+1
sobtient alors par
u
n+1
= u
n
+ y
2
+ O(t
3
)
La procedure est resumee dans la gure .
Fig. 2.3 Methode de Runge-Kutta dordre 2
Runge-Kutta dordre 4
On introduit 3 valeurs intermediaires. Lestimation est alors precise à lordre 4. La methode de
Runge-Kutta dordre 4 est très populaire pour de nombreux problèmes (sans raideur excessive).
y
1
= tf(t
n
,u
n
)
y
2
= tf(x
n
+ t/2,u
n
+ k
1
/2)
y
3
= tf(x
n
+ t/2,u
n
+ k
2
/2)
y
4
= tf(x
n
+ t,u
n
+ k
3
)
u
n+1
= u
n
+
y
1
6
+
y
2
3
+
y
3
3
+
y
4
6
+ O(t
5
)
2.2.3 Discretisation du terme source
schema de Crank-Nicolson (implicite)
u
n+1
j
u
n
j
t
=
1
2
(F
n
j
+ F
n+1
j
) (2.25)
22
schema dAdams-Bashforth (explicite)
u
n+1
j
u
n
j
t
=
3
2
F
n
j

1
2
F
n1
j
(2.26)
Une discretisation de lequation dadvection-diusion pourra etre donc representee comme
3u
n+1
j
u
n
j
+ 2u
n1
j
2t
=
1
2
(u
n
j
+ u
n+1
j
)
3
2
Cu
n
j
+
1
2
Cu
n1
j
(2.27)
Dans les equations de Navier-Stokes, les termes visqueux sont representes de facon implicite,
les termes non lineaires sont explicites, de sorte quon obtient
(
3
t
)u
n+1
=
u
n
j
+ 2u
n1
j
t
u
n
j
+ 3Cu
n
j
Cu
n1
j
(2.28)
soit un problème de Helmholtz de la forme
()u
n+1
= S
n
(2.29)
o` u S
n
est un terme source qui contient les termes connus au temps inferieurs à t
n
.
2.3 Discretisation non compacte en espace
2.3.1 La recherche dun espace o` u denir la solution
Dans les approches par dierences nies et volumes nis que nous venons de voir, la solution
numerique nest denie quen certains points, et jusquà un certain ordre. Pour pouvoir com-
parer la solution numerique à la solution exacte, il faudrait que celles-ci soient denies sur le
meme domaine spatial. Ceci nous conduit à une nouvelle fa con de denir la solution qui va
secrire comme la combinaison dune base de fonctions denies sur tout lespace. Cette idee est
le fondement des methodes d elements nis et des methodes spectrales. Les representations par
elements nis privilegient des fonctions de base à support compact. Elles permettent un traite-
ment local des discontinuites et peuvent etre adaptees à des geometries complexes. Les methodes
spectrales sappuient sur des fonctions à suppport global, qui requièrent des geometries simples.
Si la solution est susamment regulière, la solution numerique converge rapidement vers la
solution exacte (convergence spectrale, voir plus loin).
Soit à resoudre lequation dierentielle ou aux derivees partielles
Lf = s dans (2.30)
f =

f sur (2.31)
o` u la solution est recherchee dans un espace de fonctions H.
Le principe des methodes spectrales est de rechercher cette solution sous la forme dun developpement
en serie de fonctions.
f =
n=
f
n
n
(x) (2.32)
23

n
sont les fonctions de base (famille dense dans H) qui sont C
et en general orthogonales
au sens dun produit scalaire (,).

f
n
sont les coecients spectraux
En pratique, on approche f par f
N
f
N
= P
N
f =
N
n=0
f
n
n
(x) (2.33)
En pratique, on utilisera soit des developpements à base
de series de Fourier
de polynomes orthogonaux Chebyshev ou Legendre
Linteret des methodes spectrales est le suivant: si la solution f est C
alors les

f
n
decroissent
plus vite que toute puissance de n. On dit quon a une convergence spectrale.
Cette caracteristique rend lutilisation des methodes spectrales particulièrement interessante
dans le domaine des etudes de stabilite des ecoulements et pour la simulation directe de la
turbulence.
2.3.2 Series de Fourier
Generalites On suppose que la solution f est dans L
2
(0,2). Alors on sait que sa serie de
Fourier converge dans L
2
(0,2) et on peut donc ecrire
f =
k=
f
k
exp(ikx) (2.34)
et on note f
N
la somme tronque lordre N/2, cest--dire
f
N
=
N/2
k=N/2
f
k
exp(ikx) (2.35)
Les {exp(ikx),k = , ,} forment une famille orthogonale dans L
2
(0,2) relativement au
produit scalaire (u,v) =
_
2
0
u vdx et on a (exp(ilx), exp(imx)) = 2
lm
En prenant le produit scalaire de (2.35) avec exp(ilx), il vient donc:
(f
N
, exp(ilx)) = 2
f
l
(2.36)
et donc
f
l
=
1
2
_
2
0
f
N
exp(ilx)dx (2.37)
pour l = , , et donc galement pour N/2 l N/2. Ceci montre que f
N
est la
projection L
2
de f sur {exp(ikx),k = N/2, ,N/2}.
Mis à part quelques rares cas particuliers il faut evaluer cette integrale numeriquement.
24
Quadratures discrètes
Une première fa con de faire consiste à levaluer par une formule des trapèzes. Si on considère
N + 2 points x
j
equidistants de x =
2
N+1
,
_
x
j
=
2j
N+1
,j = 0,1, ,N + 1
_
, il vient
f
l
=
1
2
2
N + 1
N+1
j=0
1
c
j
f
N
(x
j
) exp(ilx
j
)dx (2.38)
avec c
0
= c
N+1
= 2,c
j
= 1 j N.
En tenant compte de la periodicite, on obtient donc:
f
l
=
1
N + 1
N
j=0
f
N
(x
j
) exp(ilx
j
) (2.39)
Cette formule dintegration est de precision maximale dans lensemble des fonctions C
2
periodiques
Une deuxième fa con de proceder est la suivante: pla cons nous dans lespace vectoriel F
N
en-
gendre par les {exp(ikx),k = N/2, ,N/2}. Une fonction periodique etant connue par ses
valeurs f
j
= f(x
j
) aux points
_
x
j
=
2j
N+1
,j = 0, ,N + 1
_
, denissons I
N
f le polynome din-
terpolation trigonometrique dans F
N
qui vaut f
j
aux points x
j
. On a donc
I
N
f =
N
k=N
f
k
exp(ikx) (2.40)
et aux points x
j
f
j
= I
N
f(x
j
) =
N
k=N
f
k
exp(ikx
j
) (2.41)
Reste à inverser cette equation pour obtenir les

f
k
.
Considerons la forme bilineaire dans F
N
(u,v)
d
=
N
j=0
u(x
j
)v(x
j
). Cette forme bilineaire denit
un produit scalaire discret dans F
N
. Elle est en eet bilineaire, possède la symetrie hermitienne.
De plus si (u,u)
d
= 0, alors u(x
j
) = 0,j = 0, ,N et on a alors u = 0.
Les {exp(ikx),k = N/2, ,N/2} continuent de former une famille orthogonale dans F
N
pour
le produit scalaire discret (,)
d
. En eet
(exp(ilx), exp(imx))
d
=
N
j=0
exp(ilx
j
) exp(imx
j
) =
N
j=0
exp(i(l m)x
j
) (2.42)
Ceci est une progression geometrique de raison = exp(i(l m)
2
N+1
) qui vaut donc
_
=
1
N+1
1
= 0 si = 1
= N + 1 si = 1 cest à dire si l = m( mod (N + 1))
On a donc (exp(ilx), exp(imx))
d
= (N + 1)
lm
.
25
Si on forme le produit scalaire discret de (2.40) avec exp (ilx), il vient
(I
N
f, exp(ilx))
d
=
N/2
k=N/2
f
k
(exp(ikx), exp(ilx))
d
(2.43)
= (N + 1)
f
l
(2.44)
et donc, en tenant compte du fait que f
j
= I
N
f(x
j
):
f
l
=
1
N + 1
N
j=0
f
N
(x
j
) exp(ilx
j
)dx (2.45)
Cette formule est identique à celle obtenue par lintegration par la formule des trapèzes.
Relation entre les

f
l
et les

f
l
On a
f
l
=
1
N + 1
N
j=0
f
j
exp(ilx
j
) (2.46)
=
1
N + 1
N
j=0
k=
f
k
exp(ikx
j
) exp(ilx
j
) (2.47)
=

f
l
+
1
N + 1
k=
f
k
(exp(ikx), exp(ilx))
d
(2.48)
=

f
l
+
kZ
f
l+k(N+1)
(2.49)
Ceci montre que les

f
l
ne sont de bonnes approximations des

f
l
que si les coecients spectraux
decroissent susamment rapidement.
Vitesse de convergence
Reprenons lexpression de
f
l
=
1
2
_
2
0
f
N
exp(ilx)dx (2.50)
Si f
N
est susamment regulière (de classe C
1
au moins) on peut integrer par parties pour
obtenir
2
f
l
=
1
il
f
N
exp(ilx)|
2
0
+
1
il
_
2
0
f
N
exp(ilx)dx (2.51)
Si, f
N
est plus regulière (de classe C
2
), on peut recommencer loperation pour arriver à
2
f
l
=
1
il
|f
N
exp(ilx)|
2
0

1
(il)
2
|f
N
exp(ilx)|
2
0
+
1
(il)
2
_
2
0
f
N
exp(ilx)dx (2.52)
26
On voit donc que

f
l
decroit comme
1
l
2
si f est de classe C
2
et si le premier terme du membre
de droite sannule cest-à-dire si f
N
est periodique.
En iterant le raisonnement on arrive donc au resultat suivant:
Si f est de classe C
m
et si f et toutes ses derivees jusquà lordre m 2 sont periodiques,

f
l
decroit comme
1
l
m
.
On voit donc que si la solution recherchee nest pas très regulière ou si elle et ses derivees ne sont
pas periodiques jusquà un ordre eleve, alors les coecients spectraux ne vont pas decrotre très
vite et lerreur f f
N
sera du meme ordre que celle obtenue par une methode de dierences
nies, pour un co ut superieur, et donc lemploi des series de Fourier ne se justie pas.
En corollaire, on peut donc dire quil ne faut pas chercher à representer en serie de Fourier
la solution de problèmes qui ne presentent pas naturellement de periodicite. Ceci restreint
considerablement leur utilisation pratique, puisquil est notamment exclus de les utiliser pour
rechercher la solution des equations de Navier-Stokes dans des geometries limitees par des parois
solides.
Derivation
Pour la derivation première, on a:
x
_
P
N
f =
K/2
k=K/2
ik

f
k
exp(ikx)
I
N
f =
K/2
k=K/2
ik

f
k
exp(ikx)
et les derivations dordre superieur
n
x
n
_
P
N
f =
K/2
k=K/2
(ik)
n

f
k
exp(ikx)
I
N
f =
K/2
k=K/2
(ik)
n

f
k
exp(ikx)
Obtention des
f
x
(x
j
) à partir des f(x
j
).
Connaissant les f(x
j
), on obtient les

f
k
à partir de
f
l
=
1
N+1
N
j=0
f
N
(x
j
) exp(ilx
j
)dx; on forme ensuite
ik

f
k
pour k = K/2, ,K/2 et on reevalue ensuite
I
N
f
x
(x
j
) =
K/2
k=K/2
ik

f
k
exp(ikx
j
)
Ces operations prennent la forme matricielle suivante :
Soit (f
0
,f
1
, ,f
N
)
t
le vecteur des f(x
j
). On a
_
f
N/2
.
f
k
.
f
N/2
_
_
=
_
_
FPS
kj
_
_
_
_
f
0
.
f
j
.
f
N
_
_
27
avec FPS
kj
=
1
N+1
exp(i
2kj
N+1
), K/2 k K/2,0 j N.
Il vient ensuite
_
_
.
.
ik

f
k
.
.
_
_
=
_
_
i
N
2
.
ik
.
i
N
2
_
_
_
_
FPS
kj
_
_
_
_
f
0
.
f
j
.
f
N
_
_
et enn
_
_
f
x
(x
0
)
.
f
x
(x
l
)
.
f
x
(x
N
)
_
_
=
_
_
FSP
lk
_
_
_
_
i
N
2
ik
i
N
2
_
_
_
_
FPS
kj
_
_
_
_
f
0
.
f
j
.
f
N
_
_
avec FSP
lk
= exp(i
2lk
N+1
), K/2 k K/2,0 l N.
En eectuant le produit des 3 matrices, on obtient
_
_
f
x
(x
0
)
.
f
x
(x
l
)
.
f
x
(x
N
)
_
_
=
_
_
D
lj
_
_
_
_
f
0
.
f
j
.
f
N
_
_
avec
D
mn
_
=
1
2
(1)
m+n 1
sin(
(mn)
N+1
)
si m = n
= 0 si m = n
Selon que K est grand ou petit, on aura interet à eectuer en pratique cette evaluation, soit par
cette dernière multiplication matricielle si N est petit, soit en decomposant selon les 3 etapes
elementaires ce qui permet lutilsation des Transformees Rapides de Fourier. Sur des machines
vectorielles comme le Cray, le point de de croisement se situe pour N de lordre de 32.
Remarques:
On a bien evidemment FPS FSP = FSP FPS = I, qui nest autre que le fait que
les exp(ikx) sont une famille orthogonale pour le produit scalaire discret (,)
d
.
la matrice D est antisymetrique, semblable à une matrice diagonale dont les valeurs
propres sont imaginaires pures ik, K/2 k K/2
La matrice representative de la derivation seconde est D
2
dont les valeurs propres sont
0, k
2
,1 k
K
2
, les valeurs propres non nulles etant de multiplicite algebrique 2.
28
2.3.3 Polynomes orthogonaux
Generalites
Pour approcher des solutions possedant une grande regularite mais ne presentant pas les pro-
prietes de periodicite susante, on est conduit à utiliser comme fonctions de base des po-
lynomes orthogonaux, Chebyshev ou Legendre. Ces deux familles de polynomes orthogonaux
sont denies sur [1,1] et sont orthogonales relativement au produit scalaire
(f,g)
=
_
1
1
f(x)g(x)(x)dx (2.53)
o` u est une fonction poids, positive sur ] 1,1[ . La fonction poids vaut respectivement
=
_
= 1 pour les polynomes de Legendre L
n
= (1 x
2
)
1/2
pour les polynomes de Chebyshev T
n
(2.54)
On a respectivement:
(L
n
,L
m
)
= (n +
1
2
)
1
mn
(2.55)
(T
n
,T
m
)
= c
n
mn
(2.56)
avec c
0
= 2,c
p
= 1,p 1.
Les polynomes de Chebyshev verient: T
n
(cos ) = cos(n)
De fa con generale, les polynomes orthogonaux verient une relation de recurrence à 3 termes.
Pour les polynomes de Chebyshev et Legendre, celles-ci secrivent:
(n + 1)L
n+1
= (2n + 1)xL
n
nL
n1
(2.57)
T
n+1
= 2xT
n
T
n1
(2.58)
ce qui permet de les calculer à partir de L
0
= T
0
= 1 et L
1
= T
1
= x.
Considerons lensemble L
2
([1,1],) des fonctions de carre integrable sur [1,1] relativement
au produit scalaire (,)
.
Les {T
n
,n = 0, ,} forment une famille complète dans L
2
([1,1],) et on peut donc developper
toute fonction de L
2
([1,1],) sous la forme f =
n=0
f
n
T
n
.
De fa con analogue au cas des series de Fourier, on denit P
N
f =
N
n=0
f
n
T
n
. Cest la meilleure
approximation L
2
de f dans P
N
, lensemble des polynomes de degre N.
On a egalement
f
n
=
2
c
n
_
1
1
f
N
T
n
dx (2.59)
pour 0 n N, o` u

f
n
est le spectre de f.
Linteret de cette approximation est resume dans ce resultat de convergence (Canuto et Quar-
teroni, 1982):
f P
N
f
L
2
f
H
(2.60)
29
qui montre que la vitesse de convergence ne depend que de la regularite de la fonction que lon
cherche à approcher. En particulier, si la fonction est analytique alors lerreur decrot plus vite
que toute puissance de N et on retrouve la convergence exponentielle, independamment cette
fois des conditions de periodicite aux bornes de lintervalle.
Quadratures discrètes
Levaluation de (2.59) pose à nouveau des problèmes de quadrature numerique, auxquels les
formules de quadrature de Gauss permettent dapporter une reponse.
Soit à evaluer I
(f) =
_
1
1
f(x)(x)dx o` u est une fonction poids, positive sur ] 1,1[ . On va
chercher à approcher I
par une quadrature discrète à (N +1) points du type
N
i=0
i
f(x
i
) o` u
les x
i
sont des points de collocation dans [1,1] et les
i
sont des coecients.
Les
i
et x
i
sont a priori indetermines et on peut chercher à les optimiser de manière à ce que
I
(f) =
N
i=0
i
f(x
i
) pour la plus large classe de polynomes f possibles. On dispose de 2N +2
degres de liberte, on peut donc esperer trouver des
i
et x
i
tels que I
(f) =
N
i=0
i
f(x
i
) pour
tout polynome de degre 2N + 1.
La determination des
i
et x
i
est la suivante:
supposons les x
i
donnes. On peut alors determiner les
i
tels que I
(x
k
) =
N
i=0
i
x
k
i
pour
0 k N, ce qui fournit un système lineaire pour les
i
dont linversibilite est assuree si les
x
i
sont 2 à 2 distincts.
les
i
etant maintenant connus, si les x
i
sont les racines du (N + 1)ème polynome P
N+1
de la famille de polynomes orthogonaux relativement au produit scalaire (,)
, alors I
(f) =
N
i=0
i
f(x
i
) pour tout f dans P
2N+1
.
Preuve : Soit f dans P
2N+1
. On a alors f = rP
N+1
+ s o` u le polynome quotient r est de degre
N et le polynome reste s est de degre N. On a alors
I
(f) = I
(rP
N+1
+ s)
= I
(rP
N+1
) + I
(s)
= I
(s) par orthogonalite de P

N+1
avec P
N
=
N
i=0
i
s(x
i
) par construction des
i
=
N
i=0
i
f(x
i
) par denition des x
i
On obtient donc les formules dites de quadrature de Gauss pour chaque famille de polynomes
orthogonaux.
Pour les polynomes de Chebyshev, les racines de T
N+1
sont donnees par x
k
= cos
k
avec
(N +1)
k
=

2
+k et donc x
k
= cos
2k+1
N+1
2
. Ces racines sont donc les projections de points sur
laxe des cosinus de points equidistribues sur le 1/2 cercle trigonometrique. Au voisinage des
30
extremites 1 et 1 leur ecartement est en
1
N
2
et au voisinage du centre il est en
1
N
. Les poids
i
sont alors tous egaux à

N+1
.
On constate que les extremites 1 et 1 nappartiennent pas à cet ensemble de points de collo-
cation ce qui presente un inconvenient si on veut utiliser cette technique pour approcher des
solutions dequations elliptiques o` u des conditions aux limites doivent etre imposees aux bords.
Si on impose a priori x
0
= 1 et x
N
= 1, alors loptimisation ne porte plus que sur 2N degres
de liberte et on ne peut donc esperer que I
(f) =
N
i=0
i
f(x
i
) pour tout polynome de degre
2N 1. La demonstration procède de la meme fa con que precedemment en considerant le
polynome Q
N+1
= P
N+1
+P
N
+P
N1
o` u et sont choisis tels que Q
N+1
(1) = Q
N+1
(1) = 0.
Soit f dans P
2N1
. La division de f par Q
N+1
donne f = rQ
N+1
+ s o` u le polynome quotient
r est de degre N 2 et le polynome reste s est de degre N. La suite de la demonstration
est identique. On obtient alors les formules de Gauss-Lobatto.
On a en outre le resultat suivant: Si est un poids de Jacobi = (1x)
(1+x)
alors (x
2
1)P
N
est orthogonal à P
N2
et les x
i
,1 i N 1 sont donc les racines de P
N
. En eet si r P
N2
alors
_
1
1
(x
2
1)P
N
(x)r(x)(x)dx = (x
2
1)P
N
(x)r(x)(x)|
1
1
_
1
1
P
N
(x)((x
2
1)r(x))
(x)dx
_
1
1
P
N
(x)((x
2
1)r(x))
(x)dx
Le terme de bord et le 2ème terme sont nuls. Si = (1x)
(1+x)
alors
=

(1x)
+

(1+x)
et le 3ème terme est nul egalement.
Les points de Gauss-Lobatto prennent une forme explicite dans le cas Chebyshev. On a sin T
N
(cos ) =
N sin N et les racines de T
N
sont donc x
i
= cos
i
N
,1 i N 1. Les points de Gauss-
Lobatto Chebyshev prennent donc la forme x
i
= cos
i
N
,0 i N. Les poids
i
valent

c
i
N
avec
c
0
= c
N
= 2, c
i
= 1,1 i N 1.
De fa con generale on montre que les
i
sont tous > 0.
Remarque: pour les polynomes de Legendre, puisque la fonction poids est 1, on a
_
1
1
f(x)dx =
N
i=0
i
f(x
i
) pour tout polynome de degre 2N +1 ou 2N 1 selon que lon utilise les poids
et points de Gauss ou Gauss-Lobatto. Pour Chebyshev cest
_
1
1
f(x)(1 x
2
)
1/2
dx qui vaut
N
i=0
i
f(x
i
) et il ne faut donc pas chercher à utiliser la formule de quadrature pour evaluer
_
1
1
f(x)dx.
_
1
1
f(x)dx vaut
mpair
2
1m
2
f
m
.
Produits scalaires discrets
Ces formules dintegration permettent de denir des produits scalaires discrets sur P
N
.
Considerons en eet la forme bilineaire sur P
N
:
31
(u,v)
l
d
=
N
j=0
i
u(x
j
)v(x
j
)
avec l = 1,2 selon que lon considere les points de Gauss ou de Gauss Lobatto. Cette forme
bilineaire est symetrique et si de plus (u,u)
d
= 0, alors u(x
j
) = 0,j = 0, ,N (puisque les
i
> 0) et on a alors u = 0 (polynome de degre N avec N + 1 zeros).
Les polynomes de Chebyshev continuent de former une famille orthogonale dans P
N
relati-
vement aux deux produits scalaires denis soit sur les points de Gauss ou sur les points de
Gauss-Lobatto.
En ce qui concerne le produit scalaire discret (,)
1
d
, si T
p
,T
q
P
N
alors (T
p
,T
q
)
1
d
= (T
p
,T
q
)
puisque T
p
T
q
est dans P
2N
et on a donc
(T
p
,T
q
)
1
d
=
c
p
2

pq
En ce qui concerne le produit scalaire discret (,)
2
d
, le raisonnement tient si T
p
,T
q
P
N1
puisque
T
p
T
q
est alors dans P
2N2
. Par ailleurs si T
q
est dans P
N1
alors (T
N
,T
q
)
2
d
= (T
N
,T
q
)
= 0, et
donc la famille {T
q
,0 q N} forme une famille orthogonale dans P
N
pour (,)
2
d
. Par contre
(T
N
,T
N
)
2
d
= (T
N
,T
N
)
et un calcul direct montre que (T

N
,T
N
)
2
d
= 2(T
N
,T
N
)
et on a donc
(T
p
,T
q
)
2
d
=
c
p
2

pq
On peut maintenant denir une expression approchee pour le spectre de f, que lon appellera le
pseudo-spectre. Dans P
N
, considerons le polynome I
N
f =
N
n=0
f
n
T
n
interpolant f en (N +1)
points x
j
, cest-à-dire tel que I
N
f(x
j
) = f(x
j
). Si lon forme le produit scalaire discret avec T
l
,
il vient donc (I
N
f,T
l
)
d
=

f
l
(T
l
,T
l
)
d
et donc
f
l
=
(I
N
f,T
l
)
d
(T
l
,T
l
)
d
Pour le produit scalaire bati sur les points de Gauss, on a donc:
f
l
=
2
c
l
(N + 1)
N
j=0
f(x
j
)T
l
(x
j
) (2.61)
avec x
j
= cos
2j+1
N+1
2
Pour le produit scalaire bati sur les points de Gauss-Lobatto, on a donc:
f
l
=
2
c
l
N
N
j=0
1
c
j
f(x
j
)T
l
(x
j
) (2.62)
avec x
j
= cos
j
N
32
Matrices de passage espace physique-espace spectral
On peut donc obtenir des matrices de passage espace physique-espace spectral permettant de
passer des valeurs aux points de collocation f
j
aux coecients

f
k
et reciproquement des matrices
de passage espace spectral-espace physique permettant de passer des coecients

f
k
aux valeurs
aux points de collocation f
j
.
La matrice physique spectral sur les points de Gauss Lobatto PSGL secrit
PSGL
ij
=
1
c
i
c
j
2
N
cos
ij
N
,0 i N,0 j N.
La matrice spectralphysique sur les points de Gauss Lobatto SPGL secrit
SPGL
ij
= cos
ij
N
,0 i N,0 j N.
Sur les points de Gauss, ces matrices secrivent respectivement
PSG
ij
=
1
c
i
2
N
cos
i(2j + 1)
2(N + 1)
,0 i N,0 j N
et
SPG
ij
= cos
(2i + 1)j
2(N + 1)
,0 i N,0 j N
Relation entre les

f
l
et les

f
l
La demarche est analogue à celle suivie pour les series de Fourier. On a:
f
l
=
2
c
l
N
N
j=0
1
c
j
f(x
j
)T
l
(x
j
) (2.63)
=
2
c
l
N
N
j=0
1
c
j
m=0
f
m
T
m
(x
j
)T
l
(x
j
) (2.64)
=
2
c
l
N
m=0
f
m
N
j=0
1
c
j
T
m
(x
j
)T
l
(x
j
) (2.65)
=

f
l
+
2
c
l
m=N+1
f
m
(T
m
,T
l
)
2
d
(2.66)
Pour les polynomes de Chebyshev, on a (T
m
,T
l
)
2
d
=
c
l
2

l,|m2pN|
et donc
f
l
=

f
l
+
p=1
f
2pNl
(2.67)
33
Derivation
Dans P
N
, la derivation est une application interne et si f
N
P
N
on peut ecrire:
x
f
N
=
N
n=0
f
n
T
n
(x)
T
n
etant un polynome de degre n 1, il peut donc sexprimer sur la base des T
k
,0 k n et
lon peut donc ecrire
x
f
N
=
N
n=0
f
(1)
n
T
n
(x)
En ce qui concerne les polynomes de Chebyshev, on se sert de la relation
T
n+1
n + 1

T
n1
n 1
=
2
c
n
T
n
pour obtenir
T
n
= 2n
0
k=n1(2)
1
c
k
T
k
o` u la notation (2) signie de 2 en 2. Ceci permet de former la matrice de derivation:
D =
_
_
0 p + 1
0 0 2p 0
0 0 0 2(p + 1)
0 0 2p 0
0 0 2(p + 1)
0 0
0 0 0
_
_
Cette matrice est triangulaire superieure et toutes ses valeurs propres sont nulles. D est nil-
potente et on a D
N+1
= 0. Ceci permet dobtenir les coecients

f
(1)
n
du developpement du
polynome derivee f
N
:
c
n

f
(1)
n
= 2
N
p=n+1(2)
p
f
p
Levaluation pratique se fait à laide de la formule de recurrence
c
n1

f
(1)
n1

f
(1)
n+1
f = 2n
f
n
en procedant de la fa con suivante:
f
(1)
N
= 0
f
(1)
N1
= 2N

f
N
f
(1)
N2
= 2(N 1)

f
N1
+

f
(1)
N1
.
.
.
2

f
(1)
0
= 2

f
1
+

f
(1)
2
34
On peut donc maintenant exprimer la suite doperations qui permet dobtenir
d
dx
I
N
f(x
i
) connais-
sant les f(x
i
). On obtient dabord les coecients du pseudo-spectre

f
n
; on derive ensuite le po-
lynome I
N
f dans P
N
; on reevalue ensuite I
N
f aux points de collocation. Cette suite doperations
peut sexpliciter sous la forme matricielle suivante:
_
_
dI
N
f
dx
(x
0
)
.
dI
N
f
dx
(x
i
)
.
I
N
f
x
(x
N
)
_
_
=
_
_
SPGL
il
_
_
_
_
D
lk
_
_
_
_
PSGL
kj
_
_
_
_
f
0
.
f
j
.
f
N
_
_
On peut faire le produit de ces 3 matrices pour obtenir la matrice D de derivation de collocation
aux points de Gauss-Lobatto.
On peut egalement obtenir obtenir cette matrice en derivant le polynome dinterpolation I
N
f.
Dans P
N
, le polynome I
N
f interpolant exactement f aux points de collocation x
j
secrit direc-
tement sous la forme du polynome dinterpolation de Lagrange
I
N
f =
N
j=0
f
j
L
j
(x)
o` u L
j
est le polynome de degre N tel que L
j
(x
i
) =
ij
. de fa con classique on a:
L
j
=
(x)
(x x
j
)
(x
j
)
avec (x) =
N
i=0
(x x
i
) o` u les x
i
sont les points de collocation. Les L
j
sont donc les elements
de la base canonique de P
N
associes aux points de collocation. On a donc
I
N
f =
N
j=0
f
j
L
j
(x)
et donc
I
N
f(x
i
) =
N
j=0
f
j
L
j
(x
i
)
Les elements D
ij
sont donc L
j
(x
i
)
La matrice de derivation seconde dans P
N
est evidemment D
2
et lexpression des coecients
du polynome derivee seconde est donnee par:
c
n

f
(2)
n
=
N
p=n+2(2)
p(p
2
n
2
)

f
p
La matrice de derivation seconde de collocation est elle D
2
et ses elements sont donnes par
L
j
(x
i
)
35
Remarque: On peut evidemment reevaluer
I
N
f =
N
j=0
f
j
L
j
(x)
en un ensemble de points y
i
distincts des points ayant servi à construire le polynome interpolant
I
N
f. On obtient ainsi une matrice de collocation permettant de connatre I
N
f(y
i
) en des points
quelconques à partir des f
(
x
j
). La matrice representative de cette application lineaire est donc
de terme generique a
ij
= L
j
y
i
.
36
2.4 Resolution spectrale dequations elliptiques
2.4.1 Generalites
On se propose dans ce paragraphe de denir diverses techniques de resolution dequations
elliptiques du type
(
2
)f = s dans (2.68)
f = f sur (2.69)
o` u est un ouvert connexe de IR
2
ou IR
3
.
Ce type dequation resulte de la discretisation temporelle dune equation de type transport-
diusion
f
t
+V.f =
2
f
. Lutilisation de methodes spectrales de type Chebyshev impose en eet une discretisation
de type implicite des termes de diusion. En eet, une discretisation explicite resulterait dun
critère de stabilite t O(
1
N
4
) o` u N est lordre de discretisation. Ce resultat est lie au rayon
spectral de la matrice de derivation seconde dans la base des polynomes orthogonaux qui crot
comme N
4
. Cette discretisation implicite est absolument imperative car le critère de stabilite
est très restrictif. On se contente par ailleurs dun traitement explicite des termes convectifs, le
critère de stabilite associe etant de t O(
1
N
4
), critère juge acceptable, son traitement implicite
etant dicile.
Divers schemas de discretisaton temporelle de precision croissante remplissent cette condition.
Le plus simple est le schema combinant discretisation Euler-explicite/Euler-implicite qui secrit:
f
n+1
f
n
t
+V.f
n
=
2
f
n+1
Un schema du second ordre classique est le schema Adams-Bashforth/Crank-Nicolson qui
secrit:
f
n+1
f
n
t
+ 3/2V.f
n
1/2V.f
n1
= 1/2(
2
f
n+1
+
2
f
n
)
Un autre schema du second ordre est celui propose par Vanel et al [11], qui combine une
discretisation Euler retarde du second ordre pour les termes diusifs à une discretisation Adams-
Bashforth pour les termes convectifs:
3f
n+1
4f
n
+ f
n1
2t
+ 2V.f
n
V.f
n1
=
2
f
n+1
Ce schema peut etre generalise à des ordres superieurs et un schema du 3ème ordre par exemple
secrit:
11f
n+1
18f
n
+ 9f
n1
2f
n2
6t
+3V.f
n
3V.f
n1
+V.f
n2
=
2
f
n+1
37
Lun quelconque de ces schemas peut se mettre sous la forme dun problème de Helmholtz pour
le champ inconnu f
n+1
:
2
f
n+1
f
n+1
= S
f
(2.70)
o` u vaut typiquement
C
t
. Ce preambule justie pourquoi on soccupe de la resolution de
problèmes elliptiques.
Diverses methodologies de resolution des problèmes elliptiques lineaires sont disponibles. Deux
grandes classes de methodes correspondent au fait que lon se donne comme inconnues les
coecients spectraux ou pseudo-spectraux de la solution inconnue, ou comme inconnues les
valeurs de la fonction inconnue aux points de collocation. Chacune de ces classes peut donner
lieu à des variantes, methode de Galerkin ou methode tau dun cote, collocation forte ou faible
de lautre.
Lensemble de ces methodes appartiennent à la classe des methodes de residus ponderes, consis-
tant à denir le residu correspondant à la solution approchee P
N
f ou I
N
u et à annuler ce residu
en un certain sens.
2.4.2 Methodes spectrales
Methode Spectrale de Galerkin
Ce type de methode se denit par le fait que la solution est recherchee comme la projection
L
2
P
N
f =
N
n=0
f
n
n
sur une base de fonctions
n
satisfaisant individuellement les conditions
aux limites du problème dierentiel. Les coecients spectraux sont alors determines en de-
mandant que le residu de lequation dierentielle soit orthogonal (au sens L
2
) à la famille des
n
,n = 0,...N. Cette methodologie est interessante si les
n
,n = 0,...N forment une famille or-
thogonale et si les operations de derivation sont diagonales dans lespace des
n
,n = 0,...N. Elles
conviennent donc parfaitement pour la mise en uvre des approximations par des polynomes
trigonometriques, qui remplissent ces deux conditions. Soit ` a resoudre
(
2
)f = s sur ]0,2[ (2.71)
f2 periodique (2.72)
On recherche f sous la forme P
N
f =
N/2
n=N/2
f
n
exp(inx) . Le residu de lequation vaut alors
R
N
f =
N/2
n=N/2
(n
2
+ )

f
n
exp(inx) s
Les N+1 coecients sont determines en demandant que le residu soit orthogonal aux exp(ikx),k =
N/2,...,N/2, ce qui donne donc, compte-tenu de lorthogonalite des exp(ikx),k = N/2,...,N/2,
donne:
(k
2
+ )

f
k
=
(exp(ikx),s)
(exp(ikx), exp(ikx))
(2.73)
38
ou encore
f
k
=
1
2
(exp(ikx),s)
(k
2
+ )
(2.74)
On a evidemment (exp(ikx),s) = 2 s
k
et donc
f
k
=
s
k
(k
2
+)
(2.75)
Dans lespace des coecients spectraux, linversion se reduit donc à une simple division sca-
laire, ce qui fait tout linteret de cette formulation. On constate par contre de suite que si la
determination exacte des s
k
nest pas possible, on va devoir recourir à une evaluation approchee
de s
k
par s
k
. Dans ce cas on a donc aaire à une methode mixte Galerkin avec utilisation dune
quadrature numerique pour levaluation du terme source.
Methode Spectrale tau
Les polynomes de Chebyshev ne veriant pas des conditions aux limites xes, il convient
donc, pour mettre en uvre une methode de Galerkin, de denir une famille {
n
;
2n
=
T
2n
T
0
;
2n+1
= T
2n+1
T
1
}, et on perd alors la propriete dorthogonalite pour les
n
. Ceci
explique pourquoi la methode de Galerkin nest pas frequemment mise en uvre dans le cas
des polynomes de Chebyshev. La methode tau, introduite par Lanczos, permet neanmoins de
conserver lidee de rendre le residu orthogonal à un certain sous-espace engendre par les T
k
.
On cherche à resoudre
(
2
)f = s sur ] 1,1[ (2.76)
f(1) = f(1) = 0 (2.77)
On cherche f sous la forme approchee P
N
f =
N
n=0
f
n
T
n
(x), et on doit donc determiner les

f
n
à
partir de N+1 relation independantes. Imposer P
N
f(1) = P
N
f(1) = 0 fournit deux relations.
Les N1 autres relations sont obtenues en demandant que le residu R
N
f = (P
N
f)
P
N
f s
soit orthogonal aux T
k
,k = 0,....,N 2.
1
Ces N 1 relations et les conditions aux limites secrivent donc:
f
(2)
k
f
k
= (s,T
k
)
w
,k = 0,...,N 2 (2.78)
N
k=0
f
k
=
N
k=0
(1)
k
f
k
= 0 (2.79)
1. Plus generalement si on considère un operateur dierentiel L dordre k, qui necessite donc k conditions
aux limites, les N +1 coecients spectraux seront determines par les k conditions aux limites et en demandant
que le residu soit orthogonal à lespace engendre par les T
k
,k = 0,....,N k.
39
Ce système lineaire peut donc se mettre sous la forme suivante:
_
_
0 0
0 0
0 0 0 p(p
2
k
2
) 0
0 0 0 0 0
0 0 0 0
1 1 1 1 1 1 1
1 1 1 1 1 1 1
_
_
_
_
f
0
.
f
p
.
.
.
f
N
_
_
=
_
_
s
0
.
s
k
.
s
N2
0
0
_
_
La resolution de ce système lineaire nest possible que pour des valeurs de N pas trop elevees.
Lorsque N devient grand, linversion explose en raison du mauvais conditionnement de la
matrice.
Il est par contre possible de transformer ce système en un système equivalent, bien mieux
conditionne et qui sinverse donc sans diculte, ce qui fait tout linteret de la methode tau.
Cette relation se base sur la relation de recurrence:
c
n1

f
(1)
n1

f
(1)
n+1
= 2n
f
n
On ecrit cette relation en reliant les derivees seconde et première pour
c
n2

f
(2)
n2

f
(2)
n
= 2(n 1)

f
(1)
n1
et pour
c
n

f
(2)
n

f
(2)
n+2
= 2(n + 1)

f
(1)
n+1
En divisant la première par 2(n 1) et la seconde par 2(n + 1) et en soustrayant les deux
relations ainsi obtenues, il vient:
c
n2

f
(2)
n2
4n(n 1)

e
n

f
(2)
n
2(n
2
1)
+
e
n+2

f
(2)
n+2
4n(n + 1)
=

f
n
(2.80)
avec e
n
= 1,n N 2, e
n
= 0,n N 2. Cette relation constitue la base de la transformation
du système ci-dessus en un système tridiagonal equivalent. En eet, si lon ecrit (2.78) pour 3
indices n 2, n et n + 2 et si lon multiplie par les coecients correspondants il vient donc:
c
n2
f
n2
4n(n 1)
+ (1
(e
n
)

f
n
2(n
2
1)
+
e
n+2
f
n+2
4n(n + 1)
=
c
n2
s
n2
4n(n 1)

e
n
s
n
2(n
2
1)
+
e
n+2
s
n+2
4n(n + 1)
.
= s
k
(2.81)
pour n = 2,...,N. En ajoutant les deux relations provenant des conditions aux limites, ecrites
40
en premier, le système prend la forme matricielle:
_
_
1 1 1 . 1 1 1
1 1 1 1 . 1 1 1
x 0 x 0 x 0 0
0 x 0 x 0 x 0
0
0 x 0 x 0 0
0 x 0 x 0
0 0 x 0 x
_
_
_
_
f
0
.
.
.
f
k
.
.
f
N
_
_
=
_
_
0
0
s
2
.
s
k
.
.
s
N
_
_
Ce système peut etre de plus decouple en deux systèmes portant respectivement sur les modes
dindice pair et impair, qui peuvent etre resolus separement
2
. Le système dont la resolution
donne les coecients pairs, secrit par exemple:
_
_
1 1 1 1 1 1 1
x x x 0 0
0 x x x 0
0 0 x x x 0
0 0 x x x
0 0 x x
_
_
_
_
f
0
f
2
.
f
2k
.
f
N
_
_
=
_
_
0
s
2
.
s
2k
.
s
N
_
_
qui peut etre resolu par une methode delimination de Gauss specialement adaptee à la structure
particulière de la matrice. Ce système quasi-tridiagonal se resout donc en O(N) operations. En
caricaturant, on peut donc dire, que la methode tau permet dobtenir la precision spectrale
pour le co ut des dierences nies !!
2.4.3 Methodes de collocation
Collocation forte
Dans une methode de collocation, les inconnues sont les valeurs f
i
aux points de collocation
de Gauss-Lobatto. La solution est recherchee sous la forme de son polynome dinterpolation
appartenant à P
N
, I
N
f =
N
i=0
f
i
L
i
(x), o` u L
i
est le polynome caracteristique de degre N associe
au point x
i
. Ce polynome est evidemment caracterise par N +1 valeurs f
i
et il faut donc N +1
equations independantes. Celles-ci sont obtenues en demandant I
N
f(1) = I
N
f(1) = 0, et en
annulant le residu R
N
= (I
N
f)
I
N
f s en tous les points x
i
,i = 1,..,N 1, soit
((I
N
f)
I
N
f)(x
i
) = s
i
,(i = 1,..,N 1)
2. Cette separation nest possible que pour certains types de conditions aux limites
41
Le système lineaire donnant les f
i
secrit donc,
_
_
1 0 0 0 0 0 0
x x x x x x x
x x x x x x x
x x a
ij
x x x
x x x
x x x x x
0 0 0 0 1
_
_
_
_
f
0
.
.
f
j
.
.
f
N
_
_
=
_
_
0
s
1
.
s
i
.
s
N1
0
_
_
o` u le terme a
ij
vaut L
j
(x
i
)
ij
. Linversion de ce système peut etre menee sans diculte.
Dans le cas de conditions aux limites non-homogènes I
N
f(1) = a; I
N
f(1) = b, le système
lineaire donnant les f
i
secrit donc,
_
_
1 0 0 0 0 0 0
x x x x x x x
x x x x x x x
x x a
ij
x x x
x x x
x x x x x
0 0 0 0 1
_
_
_
_
f
0
.
.
f
j
.
.
f
N
_
_
=
_
_
a
s
1
.
s
i
.
s
N1
b
_
_
Ce système peut etre transforme en un système equivalent obtenu en decouplant les valeurs
interieures et les valeurs aux extremites. Le système portant sur les valeurs interieures secrit:
_
_
x x x x x
x x x x x
x x a
ij
x x
x x x
x x x x
_
_
_
_
f
1
.
f
i
.
f
N1
_
_
=
_
_
s
1
a
1,0
a a
1,N
b
.
s
k
a
k,0
a a
k,N
b
.
s
N1
a
N1,0
a a
N1,N
b
_
_
Gottlieb et Lustman [13] ont montre que la matrice dordre N1 precedente etait diagonalisable
sur IR, à valeurs propres reelles negatives. Ce resultat nest pas trivial puisque la matrice nest
pas symetrique.
Dans le cas dune ou de conditions aux limites de Neumannn, par exemple f
(1) = a, celle-ci
secrit donc I
N
f
(1) = a. Le système lineaire donnant les f

i
secrit donc,
_
_
L
0
(1) L
1
(1) . . L
N
(1)
x x x x x x x
x x x x x x x
x x L
j
(x
i
)
ij
x x x
x x x
x x x x
0 0 0 0 1
_
_
_
_
f
0
.
.
f
i
.
.
f
N
_
_
=
_
_
a
s
1
.
s
k
.
s
N1
0
_
_
42
Dans le cas de conditions aux limites de Neumannn aux deux extremites, la transformation du
système dordre N + 1 en un système dordreN 1 par elimination de f
0
et f
N
est possible,
en resolvant dabord le système 2x2 donnant f
0
et f
N
en fonction des f
i
,i = 1,...,N 1, que
lon peut alors eliminer des N 1 autres equations. Il ny a pas de resultat analogue au cas
Dirichlet concernant le fait que la matrice soit diagonalisable sur IR, mais jusquà present aucun
contre-exemple na ete obtenu en Chebyshev. En revanche, dans le cas Legendre, cette matrice
presente des valeurs propres complexes pour des N superieurs à 10, ce qui limite lintret de la
mthode.
Collocation faible
Une fa con dobtenir que la matrice representative de la derivation seconde est symetrique est
davoir recours à une formulation faible. Celle ci nest en fait avantageuse que dans le cas dune
approximation de type Legendre, qui sont les polynomes orthogonaux relatifs au poids unite
(si la fonction poids nest pas 1, lintegration par partie ne conduit pas à une forme symetrique
en u et v). Pour le problème de Poisson, il y a alors lequivalence (au sens des distributions)
entre la formulation forte et la formulation faible: Trouver u P
0
N
_
1
1
(u.v + uv) =
_
1
1
fv (2.82)
v P
0
N
, espace des polynomes de degre N sannulant aux extremites. u peut etre approche par
I
N
u =
N1
i=1
u
i
L
i
(x). Les N 1 equations necessaires à la determination des u
i
sont obtenues
en faisant decrire à v la base caracteristique de P
0
N
, cest à dire en prenant v successivement
egal à L
k
,k = 1,..,N 1. u.v appartenant à P
2N2
, on peut remplacer lintegrale continue
par la formule de quadrature de Gauss-Lobatto-Legendre basee sur les points
i
et les poids
i
.
Les N 1 equations secrivent donc
N1
i=1
i
(
N1
j=1
u
j
L
j
(
i
)L
k
(
i
) +
N1
j=1
u
j
L
j
(
i
)L
k
(
i
)) =
N1
i=1
i
f(
i
)L
k
(
i
) (2.83)
En intervertissant les signes somme et en notant que L
k
(
i
) =
ik
, il vient
N1
j=1
u
j
(
N1
i=1
i
L
j
(
i
)L
k
(
i
) +
k
jk
) =
k
f
k
(2.84)
dont la matrice est clairement symetrique en j et k.
2.4.4 Resolution de problèmes bidimensionnels
On se propose de resoudre
2
u u = s dans (2.85)
u = 0 sur (2.86)
43
o` u =] 1,1[
2
.
On cherchera u dans lespace dapproximation P
N
(x) P
M
(z).
Nous ne traiterons que le cas dune methode de collocation. Dans une methode de collocation,
les inconnues sont les valeurs f
ij
aux points de collocation de Gauss-Lobatto. La solution est
recherchee sous la forme de son polynome dinterpolation appartenant à P
N
P
M
, I
NM
f =
N
i=0
M
j=0
f
ij
L
i
(x)L
j
(z), o` u L
i
est le polynome caracteristique de degre N associe au point x
i
et L
j
est le polynome caracteristique de degre M associe au point z
j
. Le polynome I
NM
f est
evidemment caracterise par (N +1)(M +1) valeurs f
ij
et il nous faut donc autant dequations.
Celles ci sont obtenues en demandant que I
NM
f prenne des valeurs donnees sur les points de
collocation situes sur la frontière, soit 2(N 1) + 2(M 1) + 4 = 2(N + M) equations. Les
(N +1)(M +1) 2(N +M) = (N 1)(M 1) equations restantes sont obtenues en annulant
le residu R
NM
= (I
NM
f)
I
NM
f s en tous les points (x
i
,z
j
),i = 1,..,N 1,j = 1,..,M 1,
soit
((I
NM
f)
I
NM
f)(x
i
,z
j
) = s
ij
.
Dans le cas de conditions aux limites homogènes, les inconnues se reduisent donc aux f
ij
,i =
1,..,N 1,j = 1,..,M 1. En collocation forte, le système lineaire donnant les f
ij
secrit donc
D
N
F +FD
t
M
F = S (2.87)
o` u D
N
, D
M
sont respectivement les matrices dordre N 1 et M 1 representatives des
operateurs de derivation seconde à lordre N et M, F est la matrice 2D (N 1) (M 1) des
inconnues et S est le terme source.
Il existe une methode directe ecace pour resoudre ce système lineaire. Le principe de la
resolution repose sur le fait que la matrice D
N
est diagonalisable sur IR D
N
= P
N
P
1
et de
meme D
M
= Q
M
Q
1
.
En posant U= P
1
F Q
1t
, la resolution se ramène à
U
ij
=
(P
1
SQ
1t
)
ij
i
+
j

(2.88)
pour i = 1,..,N 1,j = 1,..,M 1, do` u lon tire F= PU Q
t
.
Cette technique reste applicable pour le problème de Poisson ( = 0) en collocation faible. Par
contre, pour le problème de Helmholtz, elle perd son interet.
44
Chapitre 3
Lerreur de discretisation
3.1 Schemas numeriques: notions de stabilite, conver-
gence et consistence
Comment la solution numerique dière-t-elle de la solution exacte? Il faut avant tout distinguer
lerreur darrondi liee aux capacites de la machine de calcul de lerreur de discretisation elle-
meme. Dans ce qui suit on sinteressera exclusivement à ce second type derreur.
Un deuxième point est de faire la dierence entre la solution au noeud i et au temps n de l
EDP suivante
u(x,t)
t
= f(u(x,t)) (3.1)
discretisee comme
u
n+1
i
u
n
i
t
= f
i
(u
n
j
,u
n+1
j
) (3.2)
on distinguera lerrreur de troncature qui porte sur la discretisation de lEDP
ET
n
i
= [f(u)](x
i
) f
i
(3.3)
et lerreur entre la solution numerique et la solution exacte
E
n
i
= u(x
i
,t
n
) u
n
i
(3.4)
Denitions: Un schema numerique est consistant si lerreur de troncature converge vers
zero lors que le maillage et le pas de temps tendent vers zero.
Exercice - Montrer que le schema de Dufort-Frankel pour lequation de la chaleur
u
n+1
j
u
n1
j
2t
=

x
2
(u
n
j+1
u
n+1
j
u
n1
j
+ u
n
j1
)
nest pas consistant.
45
La notion de stabilite est plus dicile à etablir. On utilise la notion de TVD (total variation
decrease) qui caracterise le fait que lerreur naugmente pas dun pas de temps à lautre.
Denition: Un schema est dit TVD ou à variation totale bornee si lerreur naug-
mente pas dun pas de temps à lautre. On a
TV (u
n+1
) TV (u
n
)
o` u TV (u) (variation totale de u) est denie comme
TV (u) = sup
N
i=1
|u
i
u
i+1
|
Denition: Un schema est dit convergent si lerreur entre la solution exacte et la solu-
tion numerique tend vers zero.
Theoreme de Lax: Si le problème est lineaire, le schema consistent et stable sera
convergent.
Remarque: Si le problème nest pas lineaire, la convergence dun schema donne est dicile à
etablir.
3.2 Analyse de stabilite
Il sagit ici de sassurer que lerreur nest pas ampliee par un schema numerique donne. On
est souvent amenes à etudier la stabilite dun schema au sens faible, en introduisant un type de
perturbation donne et en sassurant que cette perturbation ne crot pas. Letude de stabilite se
fait le plus facilement pour des EDP lineaires, pour lesquelles on notera que lerreur satisfait la
meme equation que la solution exacte et la solution numerique.
3.2.1 Analyse de Von Neumann
La stabilite au sens faible se fait par lanalyse de Von Neumann. LEDP est discretisee et une
equation devolution pour lerreur est obtenue. La question est de savoir si cette erreur crot
exponentiellement avec le temps ou non. Lanalyse de Von Neumann repose sur la selection
dun mode de Fourier
u =
n
e
ik
n
x
e
t
a
46
Il sagit de sassurer que chaque mode de Fourier de lerreur decrot de manière monotone dans
le temps. Si on note e
n
j
lerreur entre la solution exacte et la solution discretisee au point de
maillage j et au n-ième pas de temps, on a
e
n
j
=
E
n
jk
e
kjx
e
nt
On d
finit le gain entre deux pas de temps pour chaque mode de Fourier (frequence spatiale k)
G
n
j
(k) =
E
n+1
jk
E
n
jk
(3.5)
Le module du gain traduit la diusivite du schema, son argument ses eets dispersifs: dierentes
frequences seront convectees à des vitesses diverses dans lecoulement.
Nous calculons le gain pour quelques exemples de discretisations des equations-modèles.
Exemple 1 - Equation de convection
Considerons lequation de convection
u
t
+ a
u
x
= 0 (3.6)
discretisation explicite - schema spatial centre -
u
n+1
j
u
n
j
t
+ a
u
n
j+1
u
n
j1
2x
= 0 (3.7)
La meme equation est veriee par lerreur entre la solution de lequation aux derivees
partielles et son approximation:
e
n+1
j
e
n
j
t
+ a
e
n
j+1
e
n
j1
2x
= 0 (3.8)
En exprimant la variation du mode de Fourier k de lerreur entre deux pas de temps
comme
e
n+1
j
= Ge
n
j
on obtient que
G =
e
n+1
j
e
n
j
= 1 +
at
x
(2isin(kx)) (3.9)
Le schema est inconditionnellement instable puisque |G| > 1 pour tout et tout kx.
discretisation explicite - schema spatial decentre -
u
n+1
j
u
n
j
t
+ a
u
n
j
u
n
j1
2x
= 0 (3.10)
Le schema est conditionnellement stable puisque |G| < 1 si || < 1.
47
Fig. 3.1 Representation de la fonction gain G pour lequation de convection discretisee
On appelle le nombre de Courant qui permet de determiner si linformation peut etre
propagee rapidement par la discretisation choisie. La condition || < 1 est appelee condi-
tion de Courant-Friedrichs-Lewy ou condition CFL. La condition CFL est une limite sur le
pas de temps induite par le maillage spatial considere. On voit ici que le schema decentre
moins precis que le schema centre permet à lapproximation de converger.
discretisation implicite - schema spatial centre -
u
n+1
j
u
n
j
t
+ a
u
n+1
j+1
u
n+1
j1
2x
= 0 (3.11)
G =
e
n+1
j
e
n
j
=
1
1 +
at
x
(2isin(kx))
(3.12)
Le schema est inconditionnellement stable puisque |G| < 1 pour tout et tout kx. On
voit ainsi linteret des formulations implicites qui permettent dalleger les contraintes liees
aus pas de temps.
Exemple 2 - Equation de la chaleur
u
t
=
u
x
2
(3.13)
Discretisation explicite - schema centre
u
n+1
j
u
n
j
t
=
u
n+1
j+1
+ u
n+1
j1
2u
n
j
x
2
(3.14)
On denit
=
t
x
2
48
G = 1 +
t
x
2
(2cos(kx) 1) (3.15)
La condition de stabilite est

1
2
Le gain est purement reel: il ny a donc aucun eet dispersif du schema dans le cas de lequation
etudiee.
Exemple 3 - Equation dadvection-diusion
u
t
+ a
u
x
=
u
x
2
(3.16)
Discretisation explicite - schema centre pour la convection et la diusion
u
n+1
j
u
n
j
t
+ a
u
n+1
j
u
n1
j
2x
=
u
n+1
j
+u
n1
j
2u
n
j
x
2
(3.17)
En denissant
=
t
x
2
Le gain G sexprime comme
G = 1 isinkx + 2(coskx 1) (3.18)
La representation polaire du gain G est donnee dans la gure 3.2.
Fig. 3.2 Representation de la fonction gain G pour lequation dadvection-diusion discretisee
ce qui conduit à la condition
2
2 1
49
Il est utile de denir le rapport /
R =

=
ax
R est analogue à un nombre de Reynolds deni pour la cellule. La condition de stabilite sex-
prime alors comme
2R
1
3.2.2 Stabilite matricielle

La stabilite au sens fort setudie de manière globale.
Rappel: On denit la norme de la matrice C comme
C = Max
u
|Cu|
|u|
Denitions: On appelle le rayon spectral dune matrice le module de sa plus grande
valeur propre.
(C) = Max
j
|
j
|
Propriete: C
C
Reprenons lequation dadvection-diusion (3.17)
u
n+1
j
u
n
j
t
+ a
u
n+1
j+1
u
n+1
j1
2x

u
n+1
j+1
+u
n+1
j1
2u
n
j
x
2
= 0 (3.19)
C = [
_
_
_
_
_
1 2

2
0 . . .
+

2
1 2

2
0 . . .
0 +

2
1 2

2
0 . . .
. . . . . . . . . . . .
_
_
_
_
_
] (3.20)
Pour que le schema soit stable, il faut et il sut que le rayon spectral de la matrice soit inferieur
à 1, cest-à-dire que le module de chaque valeur propre soit inferieur à 1.
Les valeurs propres (eventuellement complexes) de la matrice C sont donnees par
j
(C) = 1 2 + 2
_
1
R
2
4
cos(
j
N + 1
)
On a donc 3 cas possibles:
R < 2
Les valeurs propres sont reelles et la condition |
j
| < 1 devient

1
1 +
_
1
R
2
4
50
R = 2
Les valeurs propres sont toutes egales à 1 2 et la condition de stabilite est alors

1
2
R > 2
Les valeurs propres sont complexes et la condition |
j
| < 1 entrane que
R
2
4
< 1
La gure 3.3 compare les restrictions dans lespace des paramètres (R,). Elle montre que
lanalyse globale conduit à un critère beaucoup moins restrictif sur en fonction du nombre de
mailles.
0 2 4 6 8 10
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
R

stabilite globale
stabilite Von Neuman
Fig. 3.3 Comparaison de la methode de Von Neumann et lanalyse matricielle pour le critère
de stabilite de lequation dadvection-diusion discretisee
3.3 Resolution iterative dun problème lineaire
3.3.1 Conditionnement de loperateur
On se propose de resoudre le système
Ax = b (3.21)
On suppose que la solution classique consistant à inverser la matrice est souvent trop co uteuse,
ou mal conditionnee. Le mauvais conditionnement dun système apparat souvent lorsque la
taille du problème devient grande et constitue un problème recurrent en Mecanique des Fluides.
51
Pour prendre la mesure de ce quest un problème mal conditionne considerons le système suivant
(1)
3x + 2y = 1
6x + 4.01y = 0
et un autre (2) qui en semble assez proche
3x + 2y = 1
6.01x + 4y = 0
Le système (1) admet la solution (x=-200,y=300.5) et le système (2) admet la solution (x=133.67,
y=-200). Les deux solutions sont très dierentes bien que les coecients des deux systèmes
lineaires dièrent de moins de 1% en norme. De petites variations dans les coecients genèrent
de larges erreurs dans la solution. sont caracteristiques dun système mal conditionne.
Denition: Le conditionnement de la matrice est deni par
(A) = AA
1
si A nest pas singulière
(A) = sinon
Le problème est mal conditionne quand devient grand. Le calcul de (A) se fait le plus facile-
ment en utilisant la decomposition en valeur singulière (SVD- Singular Value Decomposition)
qui permet decrire une matrice A (qui peut etre rectangulaire de taille m par n) comme le
produit de trois matrices
A = U
T
DV
o` u
D est une matrice diagonale de taille n composee de valeurs positives ou nulles appelees
les valeurs singulières de la matrice A.
U est une matrice m par n orthogonale par colonnes. Les i colonnes de U telles que d
i
> 0
forment une base de limage de A ImA.
V est une matrice de taille n orthogonale. Les i colonnes de V telles que d
i
= 0 forment
une base du noyau de A KerA.
Propriete: Le conditionnement de la matrice peut se calculer à partir des valeurs sin-
gulières
(A) =
d
max
i
d
min
i
52
Face à un problème mal conditionne, lidee est dutiliser un preconditionneur. Au lieu de
resoudre
Ax = b
on resout
P
1
Ax = P
1
b
o` u le conditionnement de la matrice P
1
A est meilleur (plus faible).
3.3.2 Methodes iteratives
Cette idee constitue la base des methodes iteratives. On decompose la matrice A comme
A = D L U
o` u D,L,U representent respectivement les parties diagonale, triangulaires inferieure et superieure
de A.
Methode de Jacobi
En utilisant la partie diagonale de A comme preconditionneur, on peut reecrire le système
comme
Dx = (L + U)x + b
ou
x = D
1
(L + U)x + D
1
b
On denit y
n
la solution approchee de lequation à la n-ème iteration. Soit y
0
lestimee initiale.
On itère pour obtenir la solution à literation n
y
n
= D
1
(L +U)y
n1
+ D
1
b
Cette methode est la methode de Jacobi. On peut noter R la matrice diteration.
R = D
1
(L +U)
Exemple: On considère lequation de la chaleur
u
x
2
= f
avec les conditions aux limites u(0) = u(1) = 0. On discretise
u
i1
+ u
i+1
2u
i
x
2
= f
j
53
On choisit une condition initiale pour la solution v
(0)
= u
e
et on resout de manière iterative
u
(J)
i
=
f
j
x
2
+u
(J1)
i1
+u
(J1)
i+1
2
On voit ici que la methode de Jacobi necessite le stockage memoire de deux solutions: literation
au pas J 1 et celle au pas J.
Soit u la solution exacte du problème et v
(J)
la solution obtenue après J iterations. Lerreur
entre la solution exacte et la solution iteree e
(J)
= u v
(J)
verie lequation residuelle
Re
(J)
= r
(J)
o` u le residu de lequation est deni comme
r
(J)
= b Av
(J)
Lerreur commise à literation J verie lequation recursive
e
(J)
= R
J
e
(J1)
(3.22)
Une condition necessaire et susante pour que la methode converge est donc que le rayon
spectral de la matrice R soit inferieur à 1.
Les valeurs de la matrice R associee à la matrice de Jacobi sont
k
= 1 2sin
2
(
k
2n
)
pour 1 k n 1. Elles sont associees aux vecteurs propres
w
k
j
= sin(
kj
n
)
qui sont les modes de Fourier. Le mode de Fourier k de lerreur va donc decrotre avec un
coecient
k
.
On voit que pour les petits nombres donde k, correspondant à de basses frequences (spatiales),
la valeurs propre est proche de 1:
k
= 1
1
2
(
k
n
)
2
1
Ceci est egalement vrai pour les grands nombres donde k (le sinus tend vers sin
2
).
Methode de Jacobi retarde
On introduit une variante de cette methode qui est la methode de Jacobi ponderee, o` u lestimee
est ponderee par lestimation precedente. On a alors
y
n
= (1 )y
n1
+ (D
1
(L + U)y
n1
+ D
1
b)
54
Si on denit la matrice diteration ponderee comme
R
= (1 )I + R
J
Les nouvelles valeurs propres
k
sont de la forme
k
= 1 2sin
2
(
k
2n
)
et les vecteurs propres w
k
sont toujours les modes de Fourier.
On voit que le gain est toujours proche de 1 aux basses frequences, mais tend vers 1 2 aux
hautes frequences. Un choix =
2
3
conduit donc à une convergence rapide (
1
2
) de toutes
les hautes frequences (
n
2
k n 1).
Methode de Gauss-Seidel
Un autre exemple est la methode de Gauss-Seidel o` u les nouveaux elements calcules viennent
directement remplacer ceux de literation precedente, ce qui conduit à ne stocker que literation
courante (mise à jour ou non). Dans le cas de lequation de la chaleur, literation conduit à
u
(J)
i
=
f
j
x
2
+u
(J1)
i1
+u
(J1)
i+1
2
u
(J1)
i
= u
(J)
i
si le passage se fait dans le sens des j croissants et
u
(J+1)
i
= u
(J)
i
dans le sens des i croissants. On peut aussi alterner de sens dune iteration à lautre. On
peut egalement mettre à jour successivement les rangees paires et impaires qui sont decouplees
(procedure Gauss-Seidel Noir/Rouge). De manière generale, cette iteration secrit (pour les i
croissants)
y
n
= (D L)
1
(U)y
n1
+ (D L)
1
b
Le rayon de la matrice spectrale peut etre calcule. On montre que les valeurs propres
GS
k
sont
de la forme
GS
k
= cos
2
(
k
n
)
.
Les methodes iteratives presentent en general la propriete de relaxation: La plupart des
schemas de relaxation tendent à faire decrotre rapidement les hautes frequences de lerreur.
Cette idee est le point de depart des methodes multigrille, puisquil va sagir daccelerer la
convergence de la methode iterative en augmentant relativement une frequence donnee par
ajustements successifs de la grille.
55
3.3.3 Methodes multi-grille
Les methodes multigrille visent à accelerer la convergence dune methode iterative en impostant
une correction globale obtenue sur une grille plus large.
Le residu de lequation diteration contient des basses frequences. La notion de basse ou de
haute frequence sentend par rapport au maillage. Si on suppose que le maillage est regulier
et que la taille du maillage est h, la plus haute frequence qui peut etre capturee est
1
2h
. On
considère que les frequences plus grandes que
1
4h
sont amorties rapidement. Si on considère un
maillage plus large de taille 2h, le meme critère nous indique que les frequences qui vont etre
considerees comme hautes sont les frequences plus grandes que
1
2h
. Lidee est donc dutiliser la
grille la plus large pour faire decrotre lerreur associee aux basses frequences, puis de transferer
cette correction sur la grille plus ne. Les passages dune grille vers lautre necessitent de denir
des operateurs de transfert
linjection de la grille plus ne vers la grille plus large
linterpolation de la grille plus large vers la grille plus ne.
Considerons deux grilles de resolution respective h et 2h. On denit ainsi le schema de correction
de la grille grossière vers la grille ne:
1. On resoud lequation A
h
x
h
= B
h
sur une grille ne avec une methode iterative. Arpès un
nombre donne N
1
diterations on obtient une estimee v
(N
1
)
h
pour x
h
. Le suxe h renvoie
à la discretisation de lequation sur la grille h. On obtient un residu r
h
= B
h
A
h
v
h
2. Ce residu r
h
est injecte sur la grille plus large de taille 2h. Plusieurs methodes dinjection
sont possibles. On peut simplement denir
r
2h
(x
j
) = r
h
(x
j
) ou utiliser une interpolation lineaire
r
2h
(x
j
) =
r
h
(x
j
)+r
h
(x
j+1
)
2
On injecte de meme la solution iteree v
h
v
2h
.
3. Le residu injecte est à present relaxe en utilisant lequation derreur
Re
2h
= r
2h
La question est de savoir comment denir lerreur initiale sur la grille large. Puisque
la solution reelle nest pas connue, on peut simplement poser e
(0)
2h
= v
2h
. Au bout dun
nombre N
2
diterations, on obtient une nouvelle erreur e
N
2
2h
.
4. Lerreur est à present interpolee sur la solution de la grille v
(N
1
)
h
. Linterpolation de la
solution de la grille large sur la grille ne peut se faire de plusieurs manières. La plus
simple est linterpolation lineaire (voir gure 3.4):
e
h
(x
2j
) = e
2h
(x
j
)
e
h
(x
2j+1
) =
e
2h
(x
j
)+e
2h
(x
j+1
)
2
La nouvelle estimee devient
v
h
= v
(N
1
)
h
+e
h
Les passages entre les grilles plus nes et les grilles plus larges seront non monotones. On denit
ainsi des cycles de multigrille en V et en W (voir gure 3.5).
56
Fig. 3.4 Interpolation lineaire dune fonction de la grille large vers la grille ne
Fig. 3.5 Cycles de multi-grille
57
Chapitre 4
Resolution du problème de Stokes
4.1 Formulation
Mises sous forme adimensionnelle à laide dune vitesse de reference caracteristique, et dune
longueur caracteristique les equations de Navier-Stokes regissant un ecoulement de uide in-
compressible, ecrites en variables vitessepression, sont:
u
x
+
w
z
= 0 (4.1)
u
t
+u
u
x
+w
u
z
=
P
x
+
1
Re
2
u (4.2)
w
t
+ u
w
x
+ w
w
z
=
P
z
+
1
Re
2
w (4.3)
o` u u et w sont respectivement les composantes horizontale et verticale du vecteur vitesse et P
la pression On supposera que le domaine de calcul, , setend de 0 ` a 1 dans les directions x et
z en coordonnees adimensionnelles. Les conditions aux limites sont alors:
u et w = 0 sur la frontière de
Lapplication de lun quelconque des schemas de discretisation temporelle presentes au para-
graphe precedent aux equations (4.1, 4.2,4.3) montre que lon doit resoudre à chaque pas de
temps le système dequations suivant:
dans
2
u
n+1
u
n+1
= Su +
P
x
dans (4.4)
2
w
n+1
w
n+1
= Sw +
P
z
dans (4.5)
u
n+1
x
+
w
n+1
z
= 0 (4.6)
u
n+1
= 0 sur (4.7)
w
n+1
= 0 sur (4.8)
o` u =
1.5Re
t
.
58
Les equations (4.4,4.5,4.6, 4.7, 4.8) constituent un problème de Stokes instationnaire pour les
composantes de la vitesse et le champ de pression. Ce problème doit etre resolu à chaque pas
de temps et doit donc etre resolu de manière ecace.
On distingue deux grandes familles de methodes pour la resolution approchee de ce problème de
Stokes instationnaire. Lune repose sur une approche decouplee, basee sur lintroduction dune
equation de Poisson pour la pression, tandis que lautre repose sur une resolution couplee, qui,
en eliminant la vitesse, se ramène à la resolution dune equation pour la pression connue sous
le nom doperateur dUzawa.
4.2 Equation de Poisson pour la Pression
4.2.1 Principe
De fa con classique, cette equation de Poisson est obtenue en prenant la divergence de lequation
de quantite de mouvement. Pour le problème continu, la divergence des equations de quantite
de mouvement (4.4,4.5) secrit donc;
(
2
)D
n+1
=

2
P
x
2
+

2
P
z
2
(
Su
x
+
Sw
z
) (4.9)
o` u D est la divergence du champ de vitesse.
Il apparait donc immediatement que lequation de poisson
2
P
x
2
+

2
P
z
2
= (
Su
x
+
Sw
z
) (4.10)
est une condition necessaire à la satisfaction de la contrainte de divergence nulle, mais quelle
nest pas susante. En eet, si cette equation est veriee, la divergence ne verie que lequation
dHelmholtz homogène
(
2
)D
n+1
= 0 (4.11)
qui nest autre que lequation de la chaleur homogène. Une condition susante peut etre obtenue
en notant que cette equation nadmet des solutions identiquement nulles que si D
n+1
= 0 sur
, à condition que la divergence soit identiquement nulle à t = 0. (Cette condition peut se
ramener à
u
n
n
= 0.)
59
Le système decouple secrit donc, en laissant tomber lindice de discretisation temporelle;
2
u u = Su +
P
x
dans (4.12)
2
w w = Sw +
P
z
dans (4.13)
2
P
x
2
+

2
P
z
2
= (
Su
x
+
Sw
z
) (4.14)
u
n+1
= 0 sur (4.15)
w
n+1
= 0 sur (4.16)
u
x
+
w
z
= 0 sur (4.17)
(4.18)
On constate immediatement la diculte pour resoudre ce système de trois equations elliptiques
puisque, si chacune des equations pour u et w dispose de conditions aux limites naturelles,
lequation de Poisson pour la pression ne dispose que de conditions aux limites portant sur la
divergence de la vitesse.
Une fa con de resoudre ce système repose sur la resolution dun problème auxiliaire, o` u lon
remplace cette condition aux limites portant sur D par une condition aux limites de type
Dirichlet portant sur la pression:
2
u u = Su +
P
x
in (4.19)
2
w w = Sw +
P
z
in (4.20)
2
P
x
2
+

2
P
z
2
= (
Su
x
+
Sw
z
) (4.21)
u
n+1
= 0 on (4.22)
w
n+1
= 0 on (4.23)
P =

P on (4.24)
Il est alors clair que lon peut resoudre sequentiellement ce système, dabord pour la pression et
ensuite, une fois le champ de pression et son gradient calcules, pour chacune des composantes
de vitesse. La diculte consiste donc maintenant à trouver la pression au bord P qui garantisse
D = 0. Ceci peut etre fait simplement en raison de la linearite de lapplication qui à P fait
correspondre D. (cette correspondance est lineaire dans le problème homogène (Su,Sw) = (0,0),
ane sinon.)
Le principe de la resolution consiste donc à resoudre une première fois le problème auxiliaire
avec une distribution de pression arbitraire P
e
sur le bord
2
P
x
2
+

2
P
z
2
= (
Su
x
+
Sw
z
) (4.25)
P =

P
e
on (4.26)
60
ce qui permet dobtenir P
e
et de resoudre ensuite
(
2
)u
e
= Su +
P
e
x
in (4.27)
(
2
)w
e
= Sw +
P
e
z
in (4.28)
u
n+1
= 0 on (4.29)
w
n+1
= 0 on (4.30)
Le champ de vitesse (u
e
,w
e
) nest generalement pas à divergence nulle et en particulier on peut
determiner sa divergence au bord D
e
. Grace à la linearite de lapplication qui à la pression
au bord P fait correspondre D, il est donc immediat de determiner une pression P
c
à laquelle
correspond une divergence D
e
, pour le problème homogène. La pression au bord P
e
+ P
c
est
donc la pression recherchee, qui garantit la divergence nulle au bord et donc le fait que le champ
de vitesse soit à divergence nulle, modulo les restrictions dejà enoncees.
4.2.2 Mise en uvre
La mise en uvre de cette methode demande que lon ait fait un choix des espaces dapproxima-
tion. La prenière application de cet algorithme semble avoir ete faite par Kleiser et Schuman en
1980, dans un contexte 1D Chebyshev et 2D Fourier pour traiter lecoulement de Poiseuille entre
deux plans parallèles. Nous nous placerons ici directement dans un problème comportant au
moins deux directions non-periodiques qui necessitent donc une approximation 2D Chebyshev.
Dans ce cas, on recherche les composantes de vitesse dans P
N
(x) P
M
(z). Pour les raisons que
nous avons dejà evoquees, u, w sont consideres connus à travers leurs valeurs aux points de
collocation GL
N
x
GL
M
z
o` u GL
N
x
=
_
x
i
,x
i
= cos(
i
N
),i = 0,..,N
_
sont les N +1 points de Gauss-
Lobatto (racines de (1x
2
)T
N
(x)) dans la direction x. De meme, puisque nous avons à resoudre
une equation de Poisson pour la pression munie de conditions aux limites de Dirichlet, il semble
donc naturel de rechercher egalement P dans P
N
(x) P
M
(z) et de la considerer connue par ses
valeurs aux points GL
N
x
GL
M
z
.
Il convient donc de determiner dans un premier temps la dimension de lespace vectoriel de
la trace sur le bord dune fonction de P
N
(x) P
M
(z). Il est clair que cette dimension est
egale au nombre de points de collocation situes sur le bord du domaine de resolution soit
2(N 1) +2(M1) +4 = 2(N +M) = K. La matrice de lapplication lineaire qui à la pression
sur le bord fait correspondre la divergence au bord est donc a priori dordre K. En fait il est
facile de montrer que le rang de cette matrice est dordre K 5, que lon resolve les problèmes
dHelmholtz par une methode tau ou par une methode de collocation.
Montrons le dans le cas dune methode de collocation. Considerons lelement de la base cano-
nique des distributions de pression sur le bord valant 1 en un coin du domaine et 0 partout
ailleurs. Il est clair que le gradient de pression evalue par une methode de collocation, bien
que non identiquement nul en tant quelement de P
N
(x) P
M
(z), est nul en tous les points
61
interieurs du domaine de resolution, là o` u on doit calculer le terme source des problèmes dHelm-
holtz pour chacune des composantes de vitesse. Chacune des composantes de vitesse est donc
identiquement nulle, et par consequent la divergence du champ de vitesse correspondant à cette
pression sur le bord. Nous avons donc identie 4 vecteurs du noyau de cette application lineaire.
Considerons egalement la pression unite sur le bord du domaine, cest-à-dire la pression qui vaut
1 en tous les points frontière. Le champ de pression solution de
2
P
x
2
+

2
P
z
2
= 0 (4.31)
P = 1 on (4.32)
est donc la pression unite partout en tant quelement de P
N
(x) P
M
(z). Son gradient est
donc identiquement nul et donc la divergence du champ de vitesse associe. Nous avons donc
identie 5 elements du noyau de cet operateur, ce qui est conrme par lexperience numerique.
Notons que de ces 5 elements du noyau, 4 sont veritablement parasites et lies aux choix de
discretisation eectues, alors que le mode constant est intrinsèquement present dans la formu-
lation du problème continu, et correspond au fait que le champ de pression dun ecoulement
incompressible nest connu quà une constante arbitraire près.
Il faut donc a priori eliminer les 4 modes parasites, et comme nous les avons identies comme
etant les 4 modes coins, il sut de les sauter (les coins!!) en faisant parcourir à la pression
au bord la base canonique des valeurs dune fonction denie sur le bord. On engendre ainsi une
matrice dordre K 4 qui possède encore un noyau de dimension 1. Cette matrice peut etre
regularisee en rempla cant arbitrairement une des relations par une equation independante, ce
qui revient à xer la valeur de la pression de correction en un point de la frontière du domaine.
Cette procedure permet dobtenir un champ de pression qui garantisse que la divergence du
champ de vitesse est eectivement nulle sur le bord du domaine de resolution. Cette diver-
gence nest cependant pas nulle en les points de Gauss-Lobatto interieurs, ce qui peut paratre
surprenant a priori. Cette erreur residuelle est liee à la non-commutativite de loperateur de
derivee première avec loperateur de derivee seconde muni de ses conditions aux limites (voir
Haldenwang[8]) et L. Tuckerman a recemment propose un algorithme très elegant pour resoudre
ce problème [26].
Explicitons la resolution du problème de Stokes instationnaire dans le cas mono-dimensionnel
par une methode de collocation. On recherche une solution polynomiale (V,P) dans laquelle le
champ de pression P appartient au meme espace polynomial que le champ de vitesse V , et la
vitesse et la pression sont connues par leurs valeurs aux points de Gauss-Lobatto. Sous forme
discretisee, le problème de Stokes 1D secrit donc:
S
ij
U
j

ij
U
j
= F
ij
P
j
+ s
i
, i = 1,...,N 1 (4.33)
U
0
= U
N
= 0 (4.34)
F
ij
U
j
= 0, i = 0,...,Ni (4.35)
62
o` u S
ij
et F
ij
sont respectivement les operateurs de derivee seconde et première en approximation
de collocation. Il est connu quen 1D, la dimension du noyau de ce système lineaire est de
dimension 2, alors quelle est de dimension 8 en 2D comme nous le verrons plus loin. (Notons
que nous parlons ici de la dimension du noyau du système lineaire tel quil est ecrit ci-dessus,
et non pas du système obtenu après la prise de la divergence de lequation de quantite de
mouvement).
Avant justement de prendre la divergence de lequation de quantite de mouvement, on doit
reecrire cette equation de quantite de mouvement en tous les points du domaine y compris les
frontières puisquil est clair daprès (4.35), que la divergence discrète dans IP
N
fait intervenir
les valeurs de la vitesse U
i
,i = 0,...,N en tous les points de collocation y compris les valeurs
frontières. Ceci revient à denir deux residus r
0
et r
N
tels que
S
ij
U
j

ij
U
j
= F
ij
P
j
+ s
i
+ r
i
, i = 0,...,N (4.36)
r
i
= 0,1 i N 1 (4.37)
On prend la divergence discrète de lequation de la quantite de mouvement en multipliant (4.36)
par F
ki
ce qui donne
F
ki
S
ij
U
j
F
ki
ij
U
j
= F
ki
F
ij
P
j
+ F
ki
s
i
+ F
ki
r
i
(4.38)
Si on appelle D
l
= F
lj
U
j
la divergence discrète aux points de Gauss-Lobatto, on veut donc
avoir D
l
= 0 en tous les points de Gauss-Lobatto x
l
,l = 0,...,N. Si F et S commutent
1
, ce qui
est le cas si ces operateurs sont exacts dans IP
N
on peut ecrire (4.38) comme:
S
ki
F
ij
U
j
F
ki
ij
U
j
= F
ki
F
ij
P
j
+ F
ki
s
i
+ F
ki
r
i
(4.39)
ou encore
S
ki
D
i
D
k
= F
ki
F
ij
P
j
+ F
ki
s
i
+ F
ki
r
i
(4.40)
Lequation de Poisson discrète pour la pression secrit alors
0 = F
ki
F
ij
P
j
+ F
ki
s
i
+ F
ki
r
i
, k = 1,...,N 1 (4.41)
Resoudre le problème de Stokes est donc equivalent à trouver 2N+4 inconnues (U = (U
0
,.....,U
N
),
P = (P
0
,.....,P
N
), r
0
,r
N
) telles que
S
ij
U
j

ij
U
j
F
ij
P
j
= s
i
, i = 1,...,N 1 (4.42)
U
0
= U
N
= 0 (4.43)
S
kj
P
j
+ F
k0
r
0
+ F
kN
r
N
= F
kj
s
j
, k = 1,...,N 1 (4.44)
D
0
= D
N
= 0 (4.45)
S
ij
U
j

ij
U
j
F
ij
P
j
r
i
= s
i
, i = 0,N (4.46)
1. Si F et S ne commutent pas, ce qui est le cas par exemple sils resultent dun changement de coordonnees
qui nest pas polynomial de degre inferieur à 2, il est alors clair que la seule fa con decrire le membre de gauche
de (4.38) comme la formulation discrète de (

2
z
2
I).V est de denir S comme etant le carre de F, ie
S
ij
= F
il
F
lj
, la commutation etant alors obtenue par associativite.
63
o` u il est donc entendu que S
ij
= F
il
F
lj
. Ce système est resolu à laide dun système auxiliaire
dans lequel les valeurs frontières sur la divergence sont remplacees par des conditions de type
Dirichlet sur la pression ce qui permet alors de resoudre des problèmes decouples pour la pression
et la vitesse. Ceci revient à utiliser la fameuse formule de Shermann-Morrison-Woodbury decrite
dans [26] (voir annexe A).
En collocation-2D, les valeurs frontières de la pression sont celles correspondant aux points
de collocation sur la frontière de excepte les 4 coins comme nous lavons dejà explique. De
meme les residus frontières font intervenir deux ensembles de valeurs, celles pour la composante
u le long des cotes x = 1 et x = 1 et celles pour la composante w le long des cotes z = 1
and z = 1, egalement sans les valeurs aux coins. La matrice de capacitance est donc dordre
4(N +M 2). Un ranement supplementaire consiste à tirer parti des symetries pour mettre
cette matrice, a priori pleine, sous une forme bloc-diagonale, de 4 blocs respectivement libelles
pair-pair, pair-impair, impair-pair et impair-impair, dordre respectif N + M, N + M 2,
N + M 2 et N + M 4 (en ayant suppose N et M pairs). Le bloc pair-pair a un noyau de
dimension 4, mais lorsque lon considère des conditions aux limites homogènes, les conditions
de compatibilite sont satisfaites et la resolution du système lineaire peut etre obtenue avec une
decomposition en valeurs singulières. Tous ces ingredients permettent dobtenir une divergence
dans IP
N
au zero machine.
Une procedure similaire peut etre egalement mise en uvre lorsque les problèmes de Helmholtz
sont resolus dans le formalisme tau (voir [26]).
4.3 Operateur dUzawa
4.3.1 Principe
Comme il a dejà ete dit, lalgorithme dUzawa repose sur lelimination de la vitesse dans le
problème de Stokes instationnaire.
En notant HU et HW les operateurs dHelmholtz pour chacune des composantes u et w et en
laissant tomber lindice de la discretisation temporelle, le problème de Stokes instationnaire
secrit:
HUu =
P
x
Su (4.47)
HWw =
P
z
Sw (4.48)
u
x
+
w
z
= 0 (4.49)
complete par les conditions aux limites pour u et w.
64
On peut inverser formellement (4.47) et (4.48) pour obtenir
u
n+1
= HU
1
P
x
HU
1
Su (4.50)
w
n+1
= HW
1
P
z
HW
1
Sw (4.51)
et limposition de la contrainte dincompressibilite fournit donc une equation pour la pression
qui secrit formellement
(

x
HU
1

x
+

z
HW
1

z
)P = (

x
HU
1
Su +

z
HW
1
Sw) (4.52)
et nous noterons U =

x
HU
1
x
+

z
HW
1
z
. On constate donc que lobtention de la solution
au problème de Stokes instationnaire se ramène à linversion de cette equation pour la pression,
puisquune fois la pression obtenue il sut de calculer son gradient et de resoudre (4.47,4.48),
et le champ de vitesse obtenu verie bien la contrainte dincompressibilite.
Linversion de ce système lineaire suppose implicitement que lon ait fait le choix dune discretisation
spatiale, choix que nous allons exposer maintenant.
4.3.2 Choix des espaces dapproximation
Methodes à 1 grille
Comme nous lavons explique au paragraphe precedent (4.1), dans la première generation de
methodes spectrales, les deux composantes de vitesse et de pression etaient prises dans le meme
espace de polynomes, obtenu par tensorisation de bases mono-dimensionnelles dans la direction
x et z respectivement. En notant N (resp. M) le degre maximal des polynomes dans la direction
x (resp. z), les composantes u et w et la pression P appartenaient donc à lespace P
N
(x)P
M
(z).
De fa con equivalente, u, w et P etaient consideres connus à travers leurs valeurs aux points de
collocation GL
N
x
GL
M
z
o` u GL
N
x
=
_
x
i
,x
i
= cos(
i
N
),i = 0,..,N
_
sont les N+1 points de Gauss-
Lobatto (racines de (1 x
2
)T
N
(x)) dans la direction x. Dans lexpression

x
HU
1
x
, les deux
x
correspondent donc à levaluation aux points de Gauss-Lobatto de la derivee du polynome
dinterpolation interpolant une fonction connue par ses valeurs aux points de collocation Gauss-
Lobatto.
Il est donc possible dobtenir une representation matricielle de la matrice associee à loperateur
U en faisant decrire à P la base canonique correspondante, ce qui permet ainsi de construire la
matrice U dordre K = (N + 1) (M + 1). Linversion de cette matrice nest pas possible car
on peut constater numeriquement que son rang vaut K8 et les 8 modes constituant une base
de Ker(U) sont appeles modes parasites de pression. Lorsque les operateurs correspondant aux
problèmes de Helmholtz sont resolus par une methode de collocation (seul cas envisage ici), il
est facile dexhiber les modes parasites, qui sont:
le mode constant T
0
(x)T
0
(z)
65
les 3 modes T
N
(x)T
0
(z), T
0
(x)T
M
(z), T
N
(x)T
M
(z) qui produisent un gradient de pression
identiquement nul aux points de collocation interne (x
i
,z
j
),1 i N11 j M1
les 4 modes coin (dejà rencontres) o` u la pression vaut 1 en 1 coin et 0 en tous les autres
points. Le mode coin correspondant au coin de coordonnees (1,1) secrit
(1+x)T
N
(x)(1+z)T
M
(z)
4N
2
M
2
.
Il est de nouveau à noter que le mode constant T
0
(x)T
0
(z) nest pas à proprement parler un
mode parasite puisque, pour un ecoulement incompressible, la pression est toujours denie à
une constante additive près.
2
Morchoisne [16] semble etre le premier à avoir identie ces modes
parasites. Lorigine du problème tient heuristiquement à deux raisons: dune part au fait que
la pression et les composantes de vitesse soient choisies dans le meme espace polynomial et
dautre part au fait que la pression soit denie et la condition dincompressibilite imposee en
des points de collocation situes sur la frontière du domaine de resolution. Sur un plan plus
theorique, lorigine du problème tient au fait que la condition inf sup nest pas veriee (voir
cours J.L. Guermond).
Ces raisons une fois identiees conduirent donc naturellement aux methodes de grilles decalees,
qui reposent sur deux ingredients essentiels: abaisser la dimension de lespace polynomial pour
la pression par rapport aux composantes de vitesse dune part, denir la pression et verier la
contrainte de divergence nulle en des points interieurs au domaine de resolution dautre part.
Methode à 2 grilles P
N1
(x) P
M1
(z)
La première methode de grilles decalees fut proposee par Montigny-Rannou et Morchoisne [20].
Les deux composantes de vitesse u et w sont prises dans lespace P
N
(x) P
M
(z) et sont denies
aux points GL
N
x
GL
M
z
comme precedemment. La pression est prise dans lespace P
N1
(x)
P
M1
(z) et la deuxième raison evoquee ci-dessus conduit à la denir aux points G
N
x
G
M
z
o` u
G
N
x
sont les N points de Gauss (racines de T
N
(x)), G
N
x
=
_
x
i
,x
i
= cos(
(2i1)
2N
),i = 1,...,N
_
.
La condition dincompressibilite est egalement imposee en G
N
x
G
M
z
. Il est à noter que dans
lexpression

x
HU
1
x
, les deux

x
nont plus la meme signication puisque celui situe le plus
à droite correspond à levaluation aux points de Gauss-Lobatto de la derivee du polynome
dinterpolation interpolant la pression connue aux points de Gauss alors que celui de gauche
correspond à levaluation aux points de Gauss de la derivee du polynome dinterpolation in-
terpolant une fonction connue aux points de Gauss-Lobatto. La situation est en fait pire en
2-D car il faut faire en plus une projection dans lautre direction pour obtenir le gradient de la
pression aux points GL
N
x
GL
M
z
.
Ceci permet donc de construire la matrice representative de U rapporte aux bases canoniques,
matrice dordre K = N M. Un examen numerique montre que le rang de cette matrice
est K 2, et il subsiste donc 1 mode parasite en plus du mode constant. Ce mode para-
site est T
N
(x)T
M
(z) qui appartient bien à P
N1
(x) P
M1
(z) et dont le gradient (P)
t
=
2. On constatera au passage que le fait davoir introduit une equation de Poisson pour la pression comme
au paragraphe 4.1 a fait diminuer la dimension du noyau du problème et donc le nombre de degres de liberte
indetermines sur le champ de pression.
66
(T
N
(x)T
M
(z),T
N
(x)T
M
(z)) est identiquement nul aux points de Gauss-Lobatto interieurs (x
i
,z
j
),1
i N 1 1 j M 1. Cette methode, bien quayant permis dabaisser grandement la
taille du noyau de U de 8 à 2 nest donc pas complètement satisfaisante.
Algorithme de grilles decalees à 3 grilles
Le second algorithme de grilles decalees, propose par Bernardi et Maday [18], consiste à prendre
les deux composantes de vitesse et la pression dans 3 espaces polynomiaux dierents et donc
à denir ces variables sur 3 maillages dierents. Les equations de quantite de mouvement pour
chacune des composantes de vitesse sont resolues par une methode de collocation consistant
à annuler le residu en tous les points o` u est denie la variable correspondante, lequation
de continuite etant veriee aux points o` u la pression est denie. La pression est prise dans
lespace P
N1
(x) P
M1
(z) et lensemble des points o` u elle est denie et o` u la condition
dincompressibilite est ecrite est G
N
x
G
M
z
o` u G
N
x
=
_
x
i
,x
i
= cos(
(2i1)
2N
),i = 1,...,N
_
sont les
N points de Gauss (racines de T
N
(x)) dans la direction x. La composante de vitesse u est
prise dans lespace P
N
(x) P
M1
(z) et est denie aux points GL
N
x
G
M
z
. Symetriquement,
la composante de vitesse w est prise dans lespace P
N1
(x) P
M
(z) et est denie aux points
G
N
x
GL
M
z
. Il est alors manifeste que la composante u nest pas denie aux frontières z = 0 et 1,
de meme que la composante w nest pas denie aux frontières x = 0 et 1.
De fa con à pouvoir imposer explicitement les conditions aux limites sur les composantes de
vitesse, nous avons ete amenes à introduire en plus de GL
N
x
et G
N
x
, lensemble des points de
collocation note, GA
N
x
= G
N
x
{1, + 1}.
Lalgorithme de grilles decalees que nous avons mis en uvre consiste alors à prendre la com-
posante de vitesse u(x,z) dans P
N
(x) P
M+1
(z) et à la denir aux points GL
N
x
GA
M
z
, la
composante de vitesse w(x,z) dans P
N+1
(x) P
M
(z) et à la denir aux points GA
N
x
GL
M
z
, et
la pression P(x,z) dans P
N1
(x) P
M1
(z) et à la denir aux points G
N
x
G
M
z
. En outre, on
prendra la temperature dans P
N
(x) P
M
(z) et on la denira aux points GL
N
x
GL
M
z
.
Les equations de quantite de mouvement pour u et w, lequation de continuite et lequation de
temperature seront respectivement satisfaites aux points o` u sont denies les variables u, w et
P et la temperature, ce qui fait de cette methode dans le cas dun ecoulement non-isotherme
une methode à 4 grilles dierentes.
La resolution de (4.47) et (4.48) sera eectuee par une methode de collocation consistant ` a
annuler le residu de lequation aux derivees partielles en tous les points de collocation interieurs
au domaine de resolution, les conditions aux limites etant imposees de fa con explicite (forte)
aux points situes sur la frontière du domaine.
Notons que dans (4.47) par exemple, la pression et la vitesse u netant pas denies aux memes
points, la derivation partielle par rapport à x doit etre comprise dans le sens suivant: la pression
etant denie aux points G
N
x
, on calcule le polynome dinterpolation de Lagrange qui interpole
P en ces points; on derive ensuite ce polynome que lon reevalue aux points de Gauss-Lobatto
GL
N
x
o` u lequation pour u doit etre veriee.
67
Cette methode permet eectivement dobtenir que le noyau de U soit reduit au champ de
pression constant. Elle est cependant (on laura constate!!) très lourde à mettre en uvre, en
particulier si lon souhaite letendre à 3 dimensions, ou dans le cadre de la decomposition de
domaines.
Methode à 2 grilles P
N2
(x) P
M2
(z)
Ce que Montigny-Rannou et Morchoisne navaient pu obtenir (elimination totale des modes
parasites de pression) en prenant la pression dans P
N1
(x) P
M1
(z) peut etre obtenu en
reduisant encore la dimension de lespace de pression, que lon choisit alors comme etant
P
N2
(x) P
M2
(z). Cette nouvelle methode de grilles decalees à deux grilles, une pour les
composantes de la vitesse et une pour la pression, est à la base des methodes delements spec-
traux developpees au MIT autour dA. Patera et dY. Maday [21], [22]. Cette methode est celle
qui fait autorite en ce moment dans le domaine de lapproche du traitement de lincompres-
sibilite par loperateur dUzawa. Deux variantes sont disponibles, selon le choix des points de
collocation o` u lon denit la pression et o` u lon verie la divergence.
Il a ete initialement propose de choisir ces points comme les (N1) (M1) points de Gauss,
racines de T
N1
(x) T
M1
(z). Ce choix necessite 4 multiplications matricielles pour evaluer
le gradient du champ de pression sur les points de Gauss-Lobatto pour calculer les termes
source des equations dHelmholtz des composantes de vitesse, et egalement 4 multiplications
matricielles pour calculer la divergence.
Ce nombre peut etre reduit à 2, si on denit la pression et si on calcule la divergence aux points
de Gauss-Lobatto internes
Ces deux variantes ne dièrent donc que par les operateurs discrets utilises pour obtenir le
gradient du champ de pression et pour le calcul de la divergence du champ de vitesse.
4.3.3 Mise en uvre
Les dicultes à resoudre pour integrer le système dequations (4.47, 4.48, 4.7, 4.8, 4.52) sont
les suivantes:
inversion de HUf = s
choix de lalgorithme à utiliser pour resoudre lequation de pression (4.52)
Resolution du problème de Helmholtz
La resolution de HUf = s est eectuee par une methode directe de bi-diagonalisation inspiree
de lalgorithme propose par Haidvogel et Zang [14].
Lalgorithme de bidiagonalisation consiste à rechercher la solution dans la base tensorisee des
fonctions propres correspondant à chacun des operateurs

2
x
2
et

2
z
2
. Pour ma methode à grilles
presentee au paragraphe 4.3.2.3, il convient donc de rechercher les vecteurs propres et valeurs
68
propres des operateurs de derivation seconde sur les points de Gauss-Lobatto GL
N
x
et les points
de Gauss-Augmentes GA
N
x
. On trouvera dans lannexe B lexpression des matrices correspon-
dantes ainsi que celle dautres operateurs necessaires à la mise en uvre de lalgorithme.
Lalgorithme de resolution consiste alors à exprimer le second membre dans la base propre ce
qui demande 2 multiplications matricielles. Dans la base tensorisee des vecteurs propres, la
resolution se ramène alors à une simple division scalaire. Il faut ensuite revenir dans la base
canonique ce qui demande à nouveau 2 multiplications matricielles. Le co ut total de linversion
est dordre 4NM(N+M).
Resolution de loperateur dUzawa pour la pression
En ce qui concerne la resolution de (4.52), il peut sembler deraisonnable a priori de chercher
à resoudre cette equation par une methode directe, et on est donc conduit à envisager une
resolution iterative.
Il convient en particulier dutiliser des algorithmes iteratifs ne demandant que levaluation de
Ux
k
o` u x
k
est un residu ou une estimation de la solution à literation k. Notons que le nombre
doperations demande par cette evaluation est 12NM(N + M) si on fait appel à lalgorithme
de bi-diagonalisation presente au paragraphe precedent pour resoudre HUf = s et HWf = s.
Nous avons teste 3 algorithmes iteratifs dierents pour la resolution de (4.52):
une methode iterative de Richardson qui secrit:
p
k+1
= p
k
(Up
k
s) (4.53)
etant determine de manière à obtenir la convergence la plus rapide possible. Si loperateur
U a ses valeurs propres reelles comprises entre
max
et
min
, il est connu que la valeur
optimale de est
2
max
+
min
.
une methode de Richardson avec residu minimum o` u
k
est choisi à chaque iteration de
manière à minimiser le residu à literation k+1
une methode de gradient conjugue
Les gures 1 et 2 montrent les performances relatives de ces trois algorithmes iteratifs pour
la resolution du problème de Stokes stationnaire ( = 0) pour deux resolutions dierentes
N=M=16 et N=M=32. Deux constatations simposent: dune part lalgorithme de gradient
conjugue converge environ deux fois plus vite que les deux autres algorithmes, qui presentent
des performances tout à fait comparables. Ces resultats sont tout à fait conformes aux vitesses
de convergence attendues, qui sont respectivement egales à
K1
K+1
ou
K
1/2
1
K
1/2
+1
pour les methodes du
premier et second ordre, o` u K est le conditionnement de loperateur. Dautre part et surtout,
on constate que la vitesse de convergence depend très peu de la resolution spatiale: la precision
machine sur le residu est obtenue en un peu plus de 50 iterations pour lalgorithme de gradient
conjugue et ce pour les deux resolutions considerees.
Ces bonnes performances tiennent à la nature du spectre de U. Nous avons examine numeriquement
les valeurs propres de loperateur U mono-dimensionnel (ie

x
HU
1
x
). Lorsque la constante
69
du problème de Helmoltz est nulle, le spectre de cet operateur nest forme que de 1 (à part la
valeur propre nulle correspondant au mode propre constant).
Nous avons egalement examine le spectre de loperateur bidimensionnel U =

x
HU
1
x
+
z
HW
1
z
. Cette recherche a ete faite numeriquement à laide de programmes de recherche
de valeurs propres (F02AGF de la NAGLIB). Dans lensemble des cas consideres, ces valeurs
propres ont ete trouvees reelles (aux erreurs darrondi près). Les valeurs propres minimale
et maximale de loperateur U sont reportees dans les tableaux 1 et 2 pour des approxima-
tions spatiales de type Tchebychev ou Legendre. Ces valeurs montrent que, pour = 0, le
conditionnement de U est eectivement pratiquement independant de la resolution, ce qui est
donc coherent avec le comportement des methodes iteratives obtenu pour les deux resolutions
dierentes. Les valeurs montrent de plus que la valeur de
opt
est très voisine de 1.7, ce qui est
eectivement obtenu numeriquement. Le rayon spectral correspondant est donc voisin de 0.7 .
On constate par contre que le conditionnement de loperateur U se deteriore lorsque augmente.
Ceci constitue en fait une limitation très importante à lemploi de ces techniques iteratives,
puisque le traitement explicite des termes convectifs resulte en un critère de stabilite de type
t N
2
. Il faut donc obligatoirement prendre de petits pas de temps pour integrer le système
dans le temps (4.4, 4.5, 4.6), et alors, en raison du mauvais conditionnement de loperateur U, la
resolution iterative de (4.52) à laide dun des algorithmes presentes ci-dessus devient inecace.
Ces methodes iteratives perdant leur ecacite lorsque augmente, il faut alors necessairement
introduire un preconditionnement tel que celui propose dans [23] pour une discretisation de type
elements nis. La determination dun tel preconditionneur reste encore un problème ouvert dans
le cas dune discretisation spatiale de type spectral, et il convient donc de proposer dautres
techniques plus ecaces. On peut en particulier se poser la question des limites dapplicabilite
dune methode directe pour linversion de (4.52).
resolution directe
Linversion directe de (4.52) demande que dans un premier temps on ait explicite la matrice
correspondant à loperateur U = (

x
HU
1
x
+

z
HW
1
z
), Comme nous lavons dejà mentionne,
ceci peut etre fait en faisant decrire à la pression la base canonique de R
N.M 3
et en evaluant
(

x
HU
1
x
+

z
HW
1
z
)P
ij
, ce qui permet ainsi de construire la matrice dordre N M de
loperateur U rapporte aux bases canoniques. Le fait que lalgorithme de grilles decalees elimine
tous les modes parasites (sauf le mode constant) montre que cette matrice est de rang NM-1.
(La somme de toutes les colonnes de cette matrice est le vecteur nul puisquelle correspond à
un champ de pression unite). Il convient donc de la regulariser ce qui revient à xer la valeur
de la pression en un point de collocation du domaine de resolution.
On peut envisager deux variantes pour la resolution de (4.52). Lune directe, consiste à calculer
les termes sources (S
u
,S
w
) et à inverser le système lineaire (4.52) pour obtenir la pression. Une
fois la pression obtenue, on peut alors calculer son gradient, lajouter aux termes source et
3. Nous nous sommes places ici dans le cas de la methode à 3 grilles presentee au 4.3.2.3. Tout ce qui suit
vaut egalement pour la methode à 2 grilles P
N2
(x) P
M2
(z) presentee au 4.3.2.4
70
inverser (4.47,4.48), ce qui fournit donc le champ de vitesse recherche.
Une autre methode, qui est generalement utilisee dans le cas dun calcul instationnaire consiste
à se donner une estimation initiale de la pression p
e
qui dans le cas dun calcul instationnaire
peut etre simplement la pression du pas de temps precedent ou plus generalement une combi-
naison lineaire des champs de pression des pas de temps precedents coherente avec la precision
temporelle du schema. Ceci permet donc de resoudre une première fois (4.47) et (4.48) avec le
champ de pression p
e
. Le champ de vitesse obtenu (u
e
,w
e
) ne verie pas en general lequation de
continuite et il lui correspond un champ de divergence D
e
. Il convient donc de determiner une
correction de pression p
c
qui produise un champ de vitesse de divergence D
e
, ce qui revient à
inverser Up
c
= D
e
.
Les deux techniques sont evidemment strictement equivalentes puisque la première variante
correspond au choix p
e
= 0. Il y a un leger avantage à la première variante du point de vue
temps de calcul puisquil ny a pas à calculer le gradient de p
e
. La deuxième variante semble
par contre legerement favorable du point de vue de la propagation des erreurs darrondi, la
correction de pression p
c
tendant vers zero si lon approche dune solution stationnaire.
Les problèmes inherents à lutilisation de cette methode directe sont lies à linversibilite de la
matrice U puisque son ordre crot rapidement en fonction de N etM (1024 siN = M = 32,...).
Les tests que nous avons eectues, en particulier pour calculer les solutions des problèmes test
du GAMM-Workshop (voir [24]), ont montre que cette technique pouvait sutiliser juquà des
valeurs importantes de N et M (N = 24,M = 64 par exemple) sans diculte apparente autre
que celle liee au stockage en memoire de la matrice (de lordre de 1.5 Mmots ou 12 Moctets dans
le cas (N = 24,M = 64)). Ici encore on peut utiliser les symetries du domaine de resolution
pour mettre cette matrice (pleine dans sa forme originale) sous forme bloc-diagonale. En 2D,
pour une domaine rectangulaire, il existe deux axes de symetrie et on peut donc mettre la
matrice sous la forme de 4 blocs dordre N M/4 environ (les ordres exacts dependent des
parites de N et M), ce qui permet de reduire le stockage necessaire des 3/4 par rapport à la
matrice originale. En 3D il y a 3 plans de symetrie, et la matrice peut se mettre sous la forme
de 8 blocs diagonaux, ce qui pernet de nen stocker qu1/8 ème.
Bibliographie 71
Bibliographie
[1] C. Canuto, M.Y. Hussaini, A. Quarteroni, T.A. Zang, Spectral Methods in Fluid Dynamics,
Springer-Verlag, 1988
[2] J.B. Mac Laughlin et S.A. Orszag, Transition from periodic to chaotic thermal convection,
J. Fluid Mech., 1982, 122, p. 125-142
[3] J.H Curry, J.R. Herring, J. Loncaric et S.A. Orszag, Order and disorder in two- and three-
dimensional Benard convection, J. Fluid Mech., 1984, 147, p. 1-38
[4] Morchoisne Y., Resolution des equations de Navier-Stokes par une methode pseudo-
spectrale en espace-temps, La Rech. Aero., 1979, 5, p. 293-306
[5] Morchoisne Y., Pseudo-spectral methods for homogeneous or inhomogeneous ow, 3rd
Turbulent Shear Flow, Davis, 1981, chapt. 19, p. 1-5
[6] Le Quere P. et Alziary de Roquefort T., Sur une methode spectrale semi-implicite pour
la resolution des equations de Navier-Stokes dun ecoulement bidimensionnel visqueux
incompressible, C. R. Acad. Sci. Paris, 1982, t. 294, serie II, pp. 941-944
[7] Patera A.T., A spectral element methop for uid dynamics: Laminar Flow in a channel
expansion, J. Comp. Phys., 1984, 54, p. 468-488
[8] Haldenwang P., Thèse dEtat, Universite de Provence, Decembre 1984
[9] Le Quere P. et Alziary de Roquefort T., Computation of natural convection in two-
dimensional cavities with Chebyshev polynomials, J. Comp. Phys., 1985, 57, 210-228
[10] Ku H.C., Taylor T.D. et Hirsh R.S., Pseudospectral methods for the solution of the in-
compressible Navier-Stokes equations, Comp. Fluids, 1987, 15, p. 195-214
[11] Vanel J.M., Peyret R. et Bontoux P., A pseudo-spectral solution of vorticity stream-
function equations using the inuence matrix technique, Num. Meth. Fluid Dyn. II, Cla-
rendon Press, 1986, pp. 463-475
[12] Ehrenstein U. et Peyret R., A Chebyshev collocation method for the Navier-Stokes equa-
tions with application to double-diusive convection, Int. J. Num. Meth. Fluids, 1989, 9,
p. 427-452
[13] Gottlieb D. et Lustman L., The spectrum of the Chebyshev collocation operator for the
heat equation, SIAM J. Num. Anal., 1983, 20, 909-921
[14] Haidvogel D. et Zang T., The accurate solution of Poissons equations by expansion in
Chebyshev polynomials, J. Comp. Phys., 1979, 30, pp. 167-180
[15] Kleiser L. et Schumann U., Treatment of incompressibility and boundary conditions in
three-dimensional numerical spectral simulations of plane channel ows, Notes on Num.
Fluid Mech., 1980, Vieweg, 2, pp. 165-173
[16] Morchoisne Y., Resolution des equations de Navier-Stokes par une methode spectrale de
sous-domaines, 3 ème Cong. Int. Meth. Num. Ing., Paris, 1983, Ed P. Lascaux, p. 275-281
[17] Metivet B., Resolution spectrale des equations de Navier-Stokes par une methode de sous-
domaines courbes, Thèse dEtat, Univ. Paris VI, Juin 1987
Bibliographie 72
[18] C. Bernardi et Y. Maday, A collocation method over staggered grids for the Stokes problem,
Int. J. Num. Meth. Fluids, 1988, 8, p. 537-557
[19] De Vahl Davis G. et Jones I.P., Natural convection in a square cavity: a comparison
exercise, Int. J. Num. Meth. Fluids, 1983, 3, 227-248
[20] F. Montigny-Rannou et Y. Morchoisne, A spectral method with staggered grid for incom-
pressible Navier-Stokes equations, Int. J. Num. Meth. Fluids, 1987, 7, p. 175-189
[21] Y. Maday, A.T. Patera et E.M Ronquist, A well-posed optimal spectral element approxi-
mation for the Stokes problem, SIAM J. Num. Anal., à paratre
[22] Y. Maday, D. Meiron, A.T. Patera et E.M Ronquist, Analysis of iterative methods for the
steady and unsteady Stokes problem: application to spectral element discretization, SIAM
J. Stat., à paratre
[23] J. Cahouet et J.P. Chabard, Some fast 3D nite element solvers for the generalized Stokes
problem, Int. J. Num. Meth. Fluids, 1988, 8, p. 869-895
[24] Numerical Simulation of Oscillatory Convection in low-Pr uids, Notes on Numerical Fluid
mechanics, vol 27, Ed. par B. Roux, Vieweg, 1990
[25] P. Le Quere, Contribution to the GAMM-Workshop with a pseudo-spectral Chebyshev
algorithm on a staggered grid, op. cit., p. 227-236
[26] Tuckermann L., Divergence-free velocity eld in non-periodic geometries, J. Comp. Phys.,
1989, 80, pp. 403-441
[27] Press, Teutolsky, Vetterling, Flannery, Numerical Recipes: The Art of Scientic Compu-
ting, CUP 1992
[28] Batchelor, An Introduction to Fluid Dynamics, CUP 1967.
Annexe A 73
Annexe A
Cette annexe est consacree à lexpose de la formule de Sherman-Morrison-Woodbury. Supposons
que lon sache resoudre de fa con ecace un système lineaire
Hu = s dans IR
N
(4.54)
par une methode directe par exemple, ou parce que les equations prennent une forme par bloc,
dans laquelle un certain nombre dinconnues se retrouvent decouplees des autres. On considère
un système voisin du precedent,
Hu = s dans IR
N
(4.55)
dans lequel par exemple, un petit nombre dequations ont ete modiees, mais ce qui prive de la
possibilite de resoudre ce système de fa con aussi ecace que le système initial. Peut-on utiliser
le fait que lon sait resoudre de fa con ecace le premier système pour resoudre le second?
La formule de Shermann-Morrison-Woodbury permet de repondre positivement à cette ques-
tion, si

H peut se mettre sous la forme
H = H + UV
t
.
Soit donc à resoudre
(H +UV
t
)u = s (4.56)
En denissant une inconnue auxiliaire , = V
t
u, on peut mettre alors le système sous la
forme par blocs:
_
H U
V
t
I
__
u
_
=
_
s
0
_
De Hu + U = s, on tire u = H
1
(s U), que lon reporte dans V
t
u = pour obtenir
lequation donnant
(I + V
t
H
1
U) = V
t
H
1
s
En eliminant nalement entre cette equation et Hu + U = s, il vient
Hu = s U(I + V
t
H
1
U)
1
V
t
H
1
s
La matrice (I + V
t
H
1
U) est la matrice qui est souvent appelee matrice dinuence ou de
capacitance. Cette procedure na dinteret que si cette matrice est dordre K petit par rapport
à lordre N de

H. Lordre de cette matrice correspond à nombre de composantes de . Cette
matrice peut etre construite en faisant decrire à
k
la base canonique de IR
K
et en evaluant
(I + V
t
H
1
U)
k
, ce qui demande de resoudre K fois H
1
. On voit donc que le co ut de cette
procedure reside essentiellement dans la construction de la matrice, le co ut de linversion etant
faible si K est petit.
Annexe B 74
Annexe B
La mise en uvre de lalgorithme des grilles decalees demande la denition dun certain nombre
doperateurs que lon peut classer par ordre dierentiel croissant
degre 0: il sagit devaluer en certains points de collocation une fonction connue en dautres
points: typiquement le calcul des termes non-lineaires demande que lon denisse des
interpolations des points de Gauss-Lobatto vers les points de Gauss-Augmente ou vice-
versa.
degre 1: il sagit dobtenir les valeurs en certains points de collocation de la derivee du
polyome interpolant une fonction connue aux memes ou en dautres points de colloca-
tion: par exemple, derivation sur les points de Gauss-Lobatto ou de Gauss-Augmentes,
derivation de Gauss-Lobatto vers Gauss (pour calculer la divergence du champ de vitesse
par exemple) ou vice-versa de Gauss vers Gauss-Lobatto pour calculer le gradient du
champ de pression par exemple.
degre 2: obtention de la derivee seconde aux points de Gauss-Lobatto ou de Gauss-
Augmentes dune fonction connue en ces memes points. (Pour la derivee seconde il ny a
pas à evaluer la derivee seconde du polyome dinterpolation en dautres points que ceux
o` u la fonction est connue).
De fa con classique, linterpolant polynomial de degre N dune fonction u connue par ses va-
leurs u
i
en N+1 points de collocation (x
0
,x
1
, ,x
N
) secrit I
N
u =
N
i=0
u
i
h
i
(x) o` u h
i
est
le polyome caracteristique dordre N associe au point x
i
( h
i
(x
j
) =
i,j
). On a h
i
(x) =
(x)
(x x
i
)
(x
i
)
avec (x) =
N
i=0
(x x
i
).
Nous considèrerons les 3 ensembles de points de collocation suivants:
G
N
x
=
_
i
= cos(
(2i1)
2N
),i = 1,...,N
_
les N points de Gauss qui sont les racines de
1
(x) =
T
N
(x).
GL
N
x
=
_
i
= cos(
i
N
),i = 0,..,N
_
les N+1 points de Gauss-Lobatto qui sont les racines de
2
(x) = (x
2
1)T
N
(x).
GA
N
x
= G
N
x
{1, +1} = {
i
,i = 0,1,...,N,N + 1 avec
0
= 1 et
N+1
= 1}. Ces N+2 points
que nous appellerons Gauss-Augmente sont les racines de
3
(x) = (x
2
1)T
N
(x).
Les formules suivantes nous seront utiles par la suite:
De T
N
(cos ) = cos(N), on obtient:
T
N
(
i
) = 0 pour i = 1, ,N;
T
N
(
i
) = (1)
i
pour i = 1, ,N 1;
T
N
(
0
) = T
N
(
0
) = 1; T
N
(
N+1
) = T
N
(
N
) = (1)
N
De T
N
(cos ) =
N sin N
sin
, on obtient:
T
N
(
i
) =
(1)
i+1
N
sin
(2i1)
2N
pour i = 1, ,N;
T
N
(
i
) = 0 pour i = 1, ,N 1;
Annexe B 75
T
N
(
0
) = T
N
(
0
) = N
2
; T
N
(
N+1
) = T
N
(
N
) = (1)
N+1
N
2
De T
N
(cos ) =
N sin N cos
sin
3

N
2
cos N
sin
2
, on obtient:
T
N
(
i
) =
(1)
i+1
N cos
(2i1)
2N
sin
3
(2i1)
2N
pour i = 1, ,N;
T
N
(
i
) =
(1)
i+1
N
2
sin
2 i
N
pour i = 1, ,N 1;
T
N
(
0
) = T
N
(
0
) =
N
2
(N
2
1)
3
; T
N
(
N+1
) = T
N
(
N
) = (1)
N
N
2
(N
2
1)
3
De T
N
(cos ) =
N sin N
sin
5
(1 N
2
+ (2 +N
2
) cos
2
)
3N
2
cos cos N
sin
4
, on obtient:
T
N
(
i
) =
(1)
i+1
N
sin
5
(
(2i1)
2N
)
(1 N
2
+ (2 +N
2
) cos
2
(2i1)
2N
) pour i = 1, ,N;
T
N
(
i
) =
(1)
i+1
3N
2
cos
i
N
sin
4
(
i
N
)
pour i = 1, ,N 1;
T
N
(
0
) = T
N
(
0
) =
N
2
15
(N
2
4)(N
2
1);
T
N
(
N+1
) = T
N
(
N
) = (1)
N+1 N
2
15
(N
2
4)(N
2
1)
On a egalement:
T
(IV )
N
(
i
) =
(1)
i+1
N
2
sin
6
(
i
N
)
((4 N
2
) + (11 +N
2
)
2
i
) pour i = 1, ,N 1
En ce qui concerne les polyome s
1
,
2
et
3
, on alors;
1
(
i
) = 0 pour i = 1, ,N;
1
(
0
) = 1;
1
(
N+1
) = (1)
N
1
(
i
) = (1)
i
pour i = 0, ,N
2
(
i
) = (1)
i
N sin(
(2i1)
2N
) pour i = 1, ,N;
2
(
0
) =
2
(
N+1
) = 0
2
(
i
) = 0 pour i = 0, ,N
3
(
i
) = 0 pour i = 0, ,N + 1
3
(
i
) = (1)
i
(
2
i
1) pour i = 0, ,N
En ce qui concerne leurs derivees premières:
On a
1
(x) = T
N
(x) et donc:
1
(
i
) =
(1)
i+1
N
sin(
(2i1)
2N
)
pour i = 1, ,N;
1
(
0
) = N
2
;
1
(
N+1
) = (1)
N+1
N
2
1
(
i
) = 0 pour i = 1, ,N 1;
1
(
0
) = N
2
;
1
(
N
) = (1)
N+1
N
2
On a
2
(x) = 2xT
N
(x) + (x
2
1)T
N
(x) et donc:
2
(
i
) =
(1)
i+1
N
i
sin(
(2i1)
2N
)
pour i = 1, ,N;
2
(
0
) = 2N
2
;
2
(
N+1
) = 2(1)
N
N
2
2
(
i
) = (1)
i
N
2
pour i = 1, ,N 1 et donc
2
(
i
) = (1)
i
c
i
N
2
pour i = 0, ,N
On a
3
(x) = 2xT
N
(x) + (x
2
1)T
N
(x) et donc:
3
(
i
) = (1)
i
N sin(
(2i1)
2N
) pour i = , ,N
Annexe B 76
3
(
0
) = 2;
3
(
N+1
) = 2(1)
N+1
3
(
i
) = (1)
i
2
i
pour i = 0, ,N
En ce qui concerne leurs derivees secondes:
On a
1
(x) = T
N
(x) et donc:
1
(
i
) =
(1)
i+1
N cos(
(2i1)
2N
)
sin
3
(
(2i1)
2N
)
pour i = 1, ,N;
1
(
i
) =
(1)
i+1
N
2
sin
2
(
i
N
)
pour i = 1, ,N 1;
1
(
0
) =
1
(
0
) =
N
2
(N
2
1)
3
;
1
(
N+1
) =
1
(
N
) = (1)
N
N
2
(N
2
1)
3
On a
2
(x) = 2T
N
(x) + 4xT
N
(x) + (x
2
1)T
N
(x) et donc:
2
(
i
) =
(1)
i+1
N
2
cos
i
N
sin
2
i
N
pour i = 1, ,N 1
2
(
0
) =
2N
2
(2N
2
+1)
3
;
2
(
N
) =
(1)
N+1
2N
2
(2N
2
+1)
3
On a
3
(x) = 2T
N
(x) + 4xT
N
(x) + (x
2
1)T
N
(x) et donc:
3
(
i
) =
(1)
i+1
3N cos
(2i1)
2N
sin
(2i1)
2N
pour i = 1, ,N
3
(
0
) = 2(2N
2
+ 1);
3
(
N+1
) = (1)
N
2(2N
2
+ 1)
En ce qui concerne leurs derivees troisièmes:
On a
2
(x) = 6T
N
(x) + 6xT
N
(x) + (x
2
1)T
N
(x) et donc:
2
(
i
) =
(1)
i+1
N
2
sin
5
i
N
((N
2
1)(1
2
i
) + 3) pour i = 1, ,N 1
2
(
0
) =
2N
2
5
(N
2
+ 1)(N
2
1);
2
(
N
) = (1)
N 2N
2
5
(N
2
+ 1)(N
2
1)
On a
3
(x) = 6T
N
(x) + 6xT
N
(x) + (x
2
1)T
N
(x) et donc:
3
(
i
) =
(1)
i+1
N
sin
3
(2i1)
2N
((N
2
+ 2)(1
2
i
) + 3) pour i = 1, ,N
3
(
0
) = 2N
2
(N
2
+ 2);
3
(
N+1
) = (1)
N+1
2N
2
(N
2
+ 2)
Annexe B 77
Operateurs de projection
Levaluation au point x
i
du polyome interpolant la fonction u en des points x
j
secrit I
N
u(x
i
) =
N
j=0
u
j
h
j
(x
i
) et sexprime donc par une multiplication matricielle dont le terme general est
p
i,j
= h
j
(x
i
) =
(x
i
)
(x
i
x
j
)
(x
j
)
o` u i et j sont les indices de ligne et colonne respectivement.
En ce qui concerne la projection des points de Gauss-Lobatto vers les points de Gauss-
Augmente, cette matrice de terme general p
ij
est donc dordre (N+2)(N+1):
On a h
j
(x
i
) =

2
(
i
)
(
i
j
)
2
(
j
)
pour 1 i N; 0 j N;
et donc
p
i,j
=
(1)
i+j
sin
(2i1)
2N
N(
i
j
) c
j
pour 1 i N; 0 j N;
p
0,0
= p
N+1,N
= 1
p
0,j
= 0 pour j 1; p
N+1,j
= 0 pour j N 1
En ce qui concerne la projection des points de Gauss-Augmente vers les points de Gauss-
Lobatto, cette matrice de terme general p
ij
est donc dordre (N+1)(N+2):
On a h
j
(x
i
) =

3
(
i
)
(
i
j
)
3
(
j
)
pour 1 i N 1; 0 j N + 1,
et donc:
p
i,j
=
(1)
i+j
(
2
i
1)
N(
i
j
) sin
(2j1)
2N
pour 1 i N 1; 1 j N;
p
i,0
=
(1)
i
(
i
+1)
2
pour 1 i N 1;
p
i,N+1
=
(1)
i+N+1
(
i
1)
2
pour 1 i N 1;
p
0,0
= p
N,N+1
= 1
p
0,j
= 0 pour j 1; p
N,j
= 0 pour j N
Annexe B 78
Operateurs de derivation première
i
de la derivee du polyome interpolant la fonction u en des points x
j
secrit (I
N
u)
(x
i
) =
N
j=0
u
j
h
j
(x
i
) et sexprime donc par une multiplication matricielle de terme
general h
j
(x
i
) o` u i et j sont les indices de ligne et colonne respectivement. On a formellement
h
j
(x) =

(x)
(xx
j
)
(x
j
)

(x)
(xx
j
)
2
(x
j
)
et donc de fa con generale lorsque x
i
est dierent de x
j
,
h
j
(x
i
) =

(x
i
)
(x
i
x
j
)
(x
j
)
(x
i
)
(x
i
x
j
)
2
(x
j
)
. En x
j
, un developpement limite montre que h
j
(x
j
) =
1
2
(x
j
)
(x
j
)
La matrice de derivation sur les points de Gauss est une matrice carree dordre N de terme
general d
i,j
et on a:
d
i,j
=
(1)
i+j
j
sin
(2j1)
2N
sin
(2i1)
2N
pour 1 i N; 1 j N; i = j
d
i,i
=

i
2(1
2
i
)
pour 1 i N
La matrice de derivation sur les points de Gauss-Lobatto est une matrice carree dordre N+1
de terme general d
i,j
et on a:
d
i,j
=
(1)
i+j
j
c
i
c
j
d
i,i
=

i
2(
2
i
1)
pour 1 i N 1
d
0,0
=
2N
2
+1
6
= d
N,N
La matrice de derivation sur les points de Gauss-Augmente est une matrice carree dordre
N+2 de terme general d
i,j
et on a:
d
i,j
=
(1)
i+j
j
sin
(2i1)
2N
sin
(2j1)
2N
d
i,i
=
3
i
2(
2
i
1)
pour 1 i N
d
i,0
=
(1)
i
N sin
(2i1)
2N
2(
i
1)
pour 1 i N
d
i,N+1
=
(1)
i+N+1
N sin
(2i1)
2N
2(
i
+1)
pour 1 i N
d
0,j
=
2(1)
j
N(1
j
) sin
(2j1)
2N
pour 1 j N
d
N+1,j
=
2(1)
j+N
N(1+
j
) sin
(2j1)
2N
pour 1 j N
d
0,N+1
=
(1)
N+1
2
d
N+1,0
=
(1)
N
2
d
0,0
= d
N+1,N+1
=
2N
2
+1
2
La matrice de derivation des points de Gauss vers les points de Gauss-Lobatto est une matrice
dordre (N+1)N de terme general
d
i,j
=

1
(
i
)
(
i
j
)
1
(
j
)

1
(
i
)
(
i
j
)
2
1
(
j
)
et on a:
d
i,j
=
(1)
i+j
sin
(2j1)
2N
N(
i
j
)
2
pour 1 i N 1; 1 j N
d
0,j
=
(1)
i+1
sin
(2j1)
2N
N
(
N
2
1
j
1
(1
j
)
2
) pour 1 j N
d
N,j
=
(1)
i+N+1
sin
(2j1)
2N
N
(
N
2
1+
j
1
(1+
j
)
2
) pour 1 j N
La matrice de derivation des points de Gauss-Lobatto vers les points de Gauss est une matrice
Annexe B 79
dordre N(N+1) de terme general
d
i,j
=

2
(
i
)
(
i
j
)
2
(
j
)

2
(
i
)
(
i
j
)
2
2
(
j
)
et on a:
d
i,j
=
(1)
i+j+1
N c
j
(
i
j
)
2
(

i
sin
(2i1)
2N
sin
(2j1)
2N
j
) pour 1 i N; 0 j N
Operateurs de derivation seconde
i
de la derivee seconde du polyome interpolant la fonction u en des
points x
j
secrit (I
N
u)
(x
i
) =
N
j=0
u
j
h
j
(x
i
) et sexprime donc par une multiplication matricielle
de terme general h
j
(x
i
) o` u i et j sont les indices de ligne et colonne respectivement. On a
formellement h
j
(x) =

(x)
(xx
j
)
(x
j
)
2

(x)
(xx
j
)
2
(x
j
)
+2
(x)
(xx
j
)
3
(x
j
)
et donc de fa con generale lorsque
x
i
est dierent de x
j
, h
j
(x
i
) =

(x
i
)
(x
i
x
j
)
(x
j
)
2

(x
i
)
(x
i
x
j
)
2
(x
j
)
+ 2
(x
i
)
(x
i
x
j
)
3
(x
j
)
. Si lensemble des
points x
i
est le meme que les x
j
(seul cas considere ici) alors le dernier terme sannule et h
j
(x
i
) =
(x
i
)
(x
i
x
j
)
(x
j
)
2

(x
i
)
(x
i
x
j
)
2
(x
j
)
. En x
j
, un developpement limite montre que h
j
(x
j
) =
1
3
(x
j
)
(x
j
)
La matrice de derivation seconde sur les points de Gauss-Lobatto est une matrice carree
dordre N+1 de terme general d
i,j
et on a:
d
i,j
=
(1)
i+j
c
j
(
i
j
)
2
2
i
+
i
j
2
(1
2
i
)
pour 1 i N 1; 0 j N; i = j
d
i,i
=
(N
2
1)(1
2
i
)+3
3(1
2
i
1)
2
pour 1 i N 1
d
0,j
=
2(1)
j
3 c
j
(1
j
)
2
((2N
2
+ 1)(1
j
) 6) pour 1 j N
d
N,j
=
2(1)
j+N
3 c
j
(1+
j
)
2
((2N
2
+ 1)(1 +
j
) 6) pour 0 j N 1
d
0,0
= d
N,N
=
N
4
1
15
Cette matrice a dejà ete calculee par R. Peyret (1985).
La matrice de derivation seconde sur les points de Gauss-Augmente est une matrice carree
dordre N+2 de terme general d
i,j
et on a:
d
i,j
=
(1)
i+j+1
(
i
j
)
2
2
i
3
i
j
+2
sin
(2i1)
2N
sin
(2j1)
2N
d
i,i
=
(N
2
+2)(1
2
i
)+3
3(1
2
i
)
2
pour 1 i N
d
i,0
=
(1)
i+1
N
2sin
(2i1)
2N
i
2
i
1
pour 1 i N
d
i,N+1
=
(1)
i+N
N
2sin
(2i1)
2N
i
+2
i
+1
pour 1 i N
d
0,j
=
(1)
j
2
Nsin
(2j1)
2N
(2N
2
+1)(1
j
)2
(1
j
)
2
pour 1 j N
d
N+1,j
=
(1)
j+N+1
2
Nsin
(2j1)
2N
(2N
2
+1)(1+
j
)2
(1+
j
)
2
pour 1 j N
d
0,N+1
= d
N+1,0
= (1)
N+1
N
2
d
0,0
= d
N+1,N+1
=
N
2
(N
2
+2)
3
Ces deux matrices sont egalement les carres des matrices de derivation première sur les points
de collocation correspondants.

M Ethodes Num Eriques Pour Les Ecoulements Incompressibles

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

M Ethodes Num Eriques Pour Les Ecoulements Incompressibles

Transféré par

Droits d'auteur :

Formats disponibles

Annee 2010

Methodes numeriques pour les ecoulements

> t (voir gure 1.2).

par une quadrature discr`ete `a (N +1) points du type

(s) par orthogonalite de P

et un calcul direct montre que (T

(1) = a. Le syst`eme lineaire donnant les f

3.2.2 Stabilite matricielle

Vous aimerez peut-être aussi