Méthodes Spectrales Instabilité - Écoulement

ACCUEIL
Instabilit dcoulement de Poiseuille

Frdric Elie, juin 1981
La reproduction des articles, images ou graphiques de ce site, pour usage collectif, y compris dans le cadre des tudes scolaires et
suprieures, est INTERDITE. Seuls sont autoriss les extraits, pour exemple ou illustration, la seule condition de mentionner
clairement lauteur et la rfrence de larticle.
Etude de la stabilit de l'coulement de Poiseuille par mthode numrique spectrale,

reproduit le rapport de stage de DEA de mcanique des fluides - Frdric ELIE, 1981,
intitul Application de la mthode de Galerkin, base sur les polynmes de
Chebyshev, ltude de la stabilit de lcoulement de Poiseuille plan , effectu
lInstitut de Mcanique des Fluides de Marseille, sous la direction de Patrick Bontoux
et Bernard Roux.
Le prsent article est la rdition informatique de lintgralit du rapport manuscrit.
SOMMAIRE
INTRODUCTION
1 PRESENTATION DES METHODES SPECTRALES
1.1 - Gnralits
1.2 Thories du minimax et des moindres carrs
1.2.1 Thorie du minimax
1.2.2 Approximation par la mthode des moindres carrs et polynmes
orthogonaux
1.2.3 Exemples : polynmes orthogonaux de Legendre et de Chebyshev
1) Polynmes de Legendre
2) Polynmes de Chebyshev
1.3 Problme de la rsolution dune quation diffrentielle
1.4 Mthodes possibles
1.5 Mthode des rsidus pondrs (MRP)
1.5.1 Mthode de Galerkin (ou mthode spectrale )
1.5.1.1 Cas o les conditions aux limites sont du type Dirichlet (i.e.
homognes)
1.5.1.2 Cas o les conditions aux limites sont quelconques (mthode
des multiplicateurs)
1.5.2 Mthode de collocation (ou mthode pseudo-spectrale )
1.5.3 Mthode Tau
2 POLYNOMES DE CHEBYSHEV, CONVERGENCE
2.1 Dfinition et proprits des polynmes de Chebyshev
2.2 Collocation et transforme de Fourier rapide (FFT)
2.2.1 On peut choisir les zros de Tn
2.2.2 On peut choisir les extrema de T n
Frdric lie, juin 1981 - http://fred.elie.free.fr - page 1/56
2.3 Srie de polynmes de Chebyshev

2.4 Calcul des coefficients des drives dans la base des T n
2.5 Convolution
2.6 Phnomne de Gibbs
2.7 Convergence et stabilit
2.8 Gnralisation : stabilit algbrique
3 LEQUATION DORR-SOMMERFELD
3.1 Introduction
3.2 Hypothses de base
3.3 Thorme de Squire
3.4 Equation dOrr-Sommerfeld
4 ETUDE DE LA STABILITE DE LECOULEMENT DE POISEUILLE PLAN
4.1 Introduction
4.2 Aperu des tudes ralises sur la stabilit de lcoulement de Poiseuille
plan
4.2.1 Dterminations analytiques du seuil de stabilit
4.2.2 Mthode aux diffrences finies
4.2.3 Mthode des polynmes de Chebyshev
4.2.4 Mthode de Galerkin o les fonctions de base sont des combinaisons
linaires de polynmes de Chebyshev et vrifient automatiquement les
conditions aux limites
4.2.5 Rsultats numriques
4.2.5.1 Elimination des valeurs propres parasites
4.2.5.2 Valeurs critiques de R et de
4.2.5.3 Courbe de stabilit neutre au voisinage de R et de critiques
CONCLUSION
TABLEAUX
COURBES
ANNEXES
A1 Dmonstration de (102), (103), (104)
A2 Dmonstration de (106)
A3 Une mthode dOrszag pour viter les valeurs propres parasites
REFERENCES
INTRODUCTION
On sintresse dans cette tude lanalyse des mthodes numriques performantes permettant
de traiter les problmes de stabilit de couches fluides en mouvement. Cette analyse est
effectue dans le cas du problme classique de la stabilit de lcoulement de Poiseuille plan,
qui est dcrit par lquation aux valeurs propres dOrr-Sommerfeld, lorsque la perturbation de
cet coulement est proportionnelle expi(x - t). Une telle perturbation sera donc instable si
Im() > 0 (on parle de stabilit neutre si Im() = 0).
Des mthodes analytiques (Lin, 1945) ont dabord t employes pour rsoudre cette quation
dOrr-Sommerfeld. Des mthodes aux diffrences finies (par exemple : Gary et Helgason, 1970)
et des mthodes spectrales ont ensuite t utilises.
Les mthodes spectrales ont t dveloppes en utilisant diffrents types de fonctions de base,
les fonctions de base tant les fonctions propres de diffrents oprateurs diffrentiels
caractristiques, linaires, dont la forme doit se rapprocher le plus possible de la forme de base
de lquation que lon veut rsoudre. Ainsi, dans les applications, nous notons : fonctions de
Reid-Chandrasekhar (Gallagher et Mercer, 1962), polynmes de Chebyshev avec la mthode
de Galerkin-tau (Orszag, 1971), fonctions de base orthogonales gnralisant les fonctions de
Reid-Chandrasekhar (Grosch et Salwen, 1968, Dolph et Lewis, 1958).
On sintresse plus particulirement dans cette tude aux mthodes spectrales utilisant des
polynmes de Chebyshev. Leur principal intrt rside dans leur grande prcision, comme la
signal Orszag (1971). Parmi ces mthodes la mthode tau, telle quelle est dveloppe par
Orszag (1971) prsente linconvnient de gnrer des valeurs propres (instabilits) parasites.
Valeurs propres parasites qui se retrouvent galement dans la mthode aux diffrences finies
de Garry-Helgason. Lobjet de la prsente tude est dliminer ces valeurs propres parasites,
dont lexistence est probablement lie lexplicitation des conditions aux limites (cf. Gottlieb et
Orszag, 1977). A cette fin, nous utilisons la mthode de Galerkin applique avec des fonctions
de base qui sont combinaisons linaires des polynmes de Chebyshev et qui vrifient les
conditions aux limites.
Le prsent mmoire sorganise donc comme suit.
Dans un souci de synthse, au chapitre 1, nous rappelons les mthodes spectrales, dans leur
gnralit, en insistant sur lorigine de la signification mathmatique des fonctions de base
(critres du minimax et des moindres carrs). On retiendra en particulier les relations (1) et
(2) du paragraphe 1.2.1 qui dfinissent les polynmes de Chebyshev, ainsi que la mthode de
Galerkin ( 1.5.1) dont nous aurons besoin dans la suite.
Au chapitre 2 nous regardons plus prcisment les polynmes de Chebyshev ainsi que les
problmes de stabilit et de convergence. Nous donnons au 2.5 des relations de
convolution qui nous serviront dans les calculs.
Au chapitre 3, nous rappelons les calculs aboutissant lquation dOrr-Sommerfeld (89) et
(90).
Aprs ces trois premiers chapitres de rappels, au chapitre 4 nous passons en revue les
diffrentes mthodes analytiques et numriques employes pour ltude de la stabilit de
lquation dOrr-Sommerfeld. Plus prcisment, aux 4.2.3 et 4.2.4, nous verrons les
mthodes spectrales utilisant les polynmes de Chebyshev. Au 4.2.3 nous prsentons la
mthode tau dveloppe par Orszag (dmonstration en annexe 1). Au 4.2.4 nous reformulons
les calculs par la mthode de Galerkin en utilisant des fonctions de base qui sont combinaisons
linaires de polynmes de Chebyshev, vrifiant automatiquement les conditions aux limites, et
examinons les rsultats numriques obtenus par cette mthode, les calculs tant donns en
annexe 2.
1 PRESENTATION DES METHODES SPECTRALES

1.1 Gnralits (rfrence [1])
Lapplication des mthodes numriques spectrales aux simulations numriques est apparue au
dbut des annes 1970 (rfrence [2]).
Lusage des mthodes spectrales se rvle particulirement efficace pour les problmes non
linaires. Le principe consiste utiliser des fonctions dessai, approchant assez bien la fonction
inconnue, qui se dcomposent sur des fonctions de base. Lquation diffrentielle initiale se
traite alors par la mthode des rsidus pondrs (MRP) qui conduit des drives sur les
fonctions dessai, que lon traite de faon classique (mthode de Runge-Kutta, par exemple).
Les fonctions de base peuvent tre des polynmes de Chebyshev, des polynmes de
Legendre, ou des fonctions trigonomtriques (sries de Fourier) si le phnomne admet des
solutions priodiques. Dans certains cas on peut leur appliquer la transformation de Fourier
rapide (FFT).
Un avantage des mthodes spectrales est que lordre derreur maximale dcrot plus
rapidement que 1/N, pour tout , o N reprsente le rang de troncature dans les fonctions
dessai. Grce aux mthodes spectrales, on peut aussi tudier le phnomne dans le plan rel
et dans le plan spectral, ce qui est particulirement intressant dans ltude de la turbulence.
Mais les mthodes spectrales prsentent les difficults suivantes :
Efficacit limite aux gomtries simples (mais on surmonte cette difficult en
utilisant les transformations conformes).

Algorithmes de programmation plus compliqus que ceux des diffrences finies par
exemple.
Aboutissement des quations linaires dont les matrices associes nont pas
toujours une forme simple.
Problmes de conditionnement numrique et de stabilit.
On prsente ci-dessous les principes de la mthode spectrale avant daborder le cas o les
fonctions de base sont les polynmes de Chebyshev.
1.2 Thories du minimax et des moindres carrs (rfrence [3])

On peut introduire la mthode spectrale en se rfrant la thorie du minimax de Chebyshev,
ou la thorie des moindres carrs.
1.2.1 Thorie du minimax

Soit une fonction continue f(x), dfinie sur [ -1, 1], que lon approche par un polynme P n (x) de
degr n. Lerreur associe est donne par :
en(x) = f(x) Pn(x)
On se rfre au critre du minimax : dterminer Pn(x) de faon que |en(x)| soit minimum sur [
-1, 1].
On suppose que le terme de plus haut degr, a n, vaut 1 : an = 1.
Supposons dabord f(x) = 0. Le problme se traduit alors par :
|| en || = || Pn || = max [-1,1] |Pn(x)| minimum.
( || . || reprsente la norme de la convergence uniforme ).
PROPOSITION :
Pn doit avoir des minima et des maxima alterns, de valeurs respectives M et

+M, en n+1 points -1<x1<...<xn-1<+1.
PREUVE : Soit qn un autre polynme de degr n, de terme de plus haut degr gal 1, et dont
les valeurs extrmes sont plus petites que celles de P n sur [ -1, 1]. Alors : Pn(x) qn(x) est
alternativement > 0 et < 0 en n+1 points, donc a n zros. Or le degr de P n qn est au plus n
1 donc cela nest possible que si P n = qn . CQFD
Un exemple de polynme de degr n qui vrifie la proposition prcdente est :
Tn(x) = cos n, cos = x
-1 x 1
appel polynme de Chebyshev. On a dj:

T0(x) = 1, T1(x) = x
De la relation :
cos (n+1) + cos (n-1) = 2cos cos n
on dduit la relation de rcurrence :

(2)
1.2.2 Approximation par la mthode des moindres carrs et polynmes

orthogonaux
Cette fois-ci on veut minimiser lerreur selon le critre des moindres carrs :
- dans le cas discret ((N+1) points xi dans [-1,1] :
minimum
- dans le cas continu :

minimum
et an nest plus ncessairement gal 1.
Plus gnralement, on utilise des fonctions poids w(x) dont la prsence se justifie par le fait que
la prcision dpend des points xi, ou x de [-1,1] et donc quil faut pondrer e n.
Le critre prcdent devient alors :
minimum, dans le cas discret
minimum, dans le cas continu

Le polynme Pn tant : Pn(x) = a0 + a1x + ... + anxn, il sagit donc de minimiser, dans le cas
continu :
ce qui implique : S/ai = 0, i = 0,..., n. Ce qui donne :
cest--dire :
qui reprsente une quation linaire en a i :

Aa = b (3)
avec :
et les composantes de A,
On peut simplifier (3) en rendant la matrice diagonale. Pour cela on dcompose P n suivant des
polynmes k de degr k :
donc il faut minimiser :
ce qui fournit le systme :

Aa = b (4)
avec :
On exige ensuite que les polynmes k soient orthogonaux, cest--dire le produit scalaire tant
dfini par :
on a (i,j) = 0 si i j. Avec cette condition, A devient alors diagonale.

On notera ki =
(-1,+1) w(x)i(x)dx = (i,i) = ||i||2, le carr de la norme || . ||2 associe au
produit scalaire, et on dira que i est normalis si : ||i||2 = 1. Les relations (4) donnent alors :
(5)
et les critres de moindre carr donnent la norme de lerreur, introduite par lapproximation, en
vertu de lorthogonalit des i :
(6)
Les polynmes orthogonaux k ont les proprits suivantes :
Les k sont linairement indpendants.
PREUVE : Il faut montrer que
PROPOSITION :
on procde ainsi :
donc :
CQFD
On en dduit que les (k)k = 0,...,n forment une base de lespace des polynmes de degr n.
PROPOSITION :
PREUVE :
Tout polynme Qr-1 de degr r 1 est orthogonal r.
Qr-1 scrit, sur la base des k :
CQFD
Etablissons maintenant une relation entre k r et Ar, coefficient de xr dans le polynme r de

degr r : r =
0 k r Ak xk.
Pour cela il nous faut :

PROPOSITION :
Il existe des coefficients r, r, et r-1 tels que lon ait la relation de rcurrence :
(7)
PREUVE :
Soit r choisi tel que r+1 - r xr soit de degr r. Ce polynme se dcompose alors
ainsi :
(on a donc pos : cr = r, ck = k si k < r). Alors :
Or i < r 1 donc :
daprs la relation prcdente. Donc :

0 = 1 = ... = r 2 = 0
do r+1 - rxr = rr + r-1r-1 qui nest autre que (7). CQFD
Pour obtenir la relation entre Ar et kr, on procde ainsi :
o Qr 1 est donc de degr r 1. Alors : r = (Arxr + Qr 1)r, donc kr sexprime par :
(8)
On peut alors dterminer r et r :
donc :
(9)
donc :
(10)
Dterminons enfin r 1 :
(11)
On se propose maintenant de trouver lquation diffrentielle dont r est solution :
On sait que si Qr est de degr r 1 alors :
Donc si on pose :
(12)
on a :
ce qui donne :
pour tout Qr-1, ce qui narrive que si :

Vr(r 1) (1) = ... = Vr (1) = 0 (13)
(conditions aux limites), do, puisque d r+1 r /dxr+1 = 0
(14)
ce qui donne, en intgrant r fois par parties :
(15)
1.2.3 Exemples : polynmes orthogonaux de Legendre et de Chebyshev

1) Polynmes de Legendre
Si w(x) = 1 alors r = drVr /dxr, do dr+1 (drVr /dxr)/dxr+1 = 0, donc compte tenu des conditions
(13) :
Le choix Cr = 1/2r.(r !) donne la forme standard des polynmes de Legendre :
(16)
La relation de rcurrence (7), compte tenu de (9), (10), (11) et de P 0 = 1 et P1 = x, donne :
(17)
avec :
La relation (5) donne les coefficients des k dans la dcomposition Pn =

kn
0 k n akk = 0
akPk :
et la relation (6) donne la norme au carr de lerreur e n :
2) Polynmes de Chebyshev
Pour rendre petites les erreurs prs des points -1 et +1 on choisit comme fonction poids :
Alors (14) donne :
(18)
dont la solution est donne par les polynmes de Chebyshev, dfinis en (1) :
r = Tr
(19)
(18) fournit comme autre quation de base :
do :
cest--dire :
(20)
do une quation diffrentielle de la forme :
(21)
(15) donne :
(22)
(5) donne les coefficients ar dans la dcomposition Pn =
0 r n a rT r :
(23)
et daprs (6), le carr de la norme minimale de lerreur est :
1.3 Problme de la rsolution dune quation diffrentielle

Soit rsoudre, dans un domaine , lquation diffrentielle :
(24)
o D est un oprateur diffrentiel tel que
avec les conditions aux limites :

(25)
et les conditions initiales :
(26)
R tant un oprateur linaire.
On suppose que u appartient un espace de Hilbert H muni du produit scalaire :
(27)
o w est une fonction poids, toujours positive. A partir de ce produit scalaire on peut dfinir une
norme || . ||H sur H :
|| u ||H = (u, u)1/2 = || u ||2 (28)
Lespace H vrifie le thorme de compltude : il existe un systme gnrateur libre (n)n,
dense dans H, cest--dire que H est la fermeture topologique (au sens de la norme || . || H) du
sous espace vectoriel engendr par les n, not [(n)n] :
H = adh [(n)n]
Cela se traduit, de manire quivalente, par la proposition suivante :
Pour tout u H, il existe une suite de fonctions complexes (a n)n telle que :
(29)
ce qui scrit, par abus dcriture :
On peut dmontrer que, sous certaines conditions, la convergence donne par (29), au sens de
la norme || . ||H = || . ||2 entrane la convergence uniforme, cest--dire au sens de la norme || . ||
, autrement dit :
On utilise ce thorme de compltude pour les mthodes spectrales, (29) tant appel
dcomposition spectrale de u.
Mais pour les rsolutions numriques on ne peut quutiliser un nombre fini de coefficients a n :
on obtient alors lapproximation spectrale par une fonction dessai, tronque au rang N :
(30)
(31)
Les fonctions de base sont orthogonales :
(n, m) = 0 si n m
Comme on la vu au 1.2.2, on se trouve dans cette situation en utilisant le critre des
moindres carrs.
1.4 Mthodes possibles

On a deux mthodes principales :
- La mthode des sries de Fourier, o les fonctions de base sont des fonctions
trigonomtriques e-inx : elles sont bien adaptes aux solutions priodiques, mais cette mthode
peut conduire au phnomne de Gibbs (1899) selon lequel, si f(x) est une fonction continue
par morceaux, alors la convergence des sries de Fourier vers f(x) est non uniforme au
voisinage du point de discontinuit.
- La mthode des rsidus pondrs (MRP (Finlayson, 1972, [4]) qui se compose de plusieurs
mthodes possibles, combinables entre elles :
a) La mthode de Galerkin (mthode dite spectrale ).
b) La mthode de collocation (mthode dite pseudo-spectrale ).
c) La mthode Tau qui est une variante de la mthode de Galerkin.
Nous nous occuperons seulement de la MRP.
1.5 Mthode des rsidus pondrs (MRP)

On utilise donc une solution dessai de la forme :
(32)
o ce sont an(t) les inconnues. La fonction (x, t) satisfait les conditions aux limites :
(33)
la condition (33-b) ntant pas ncessairement exige. Dans le cas o elle lest, cela dfinit k
conditions aux limites sur n, k dpendant de .
A laide de (32), lquation (24) donne :
Or, par dfinition G = 0, donc il reste :
o le rsidu de rang N est dfini par :
(34)
La rsolution approximative de lquation diffrentielle (24) consiste annuler Res N selon une
certaine moyenne : cest ce quon appelle mthode des rsidus pondrs.
Soit un ensemble de fonctions gj (j ) donn, gj H. On cherche faire :
(35)
Le choix des gj dfinit la mthode. On a, entre autres :
- la mthode tau-Galerkin : si gj = j, ou si les gj sont combinaisons linaires des j ;

- la mthode de collocation si gj = (x xj) ( fonction de Dirac).
1.5.1 Mthode de Galerkin (ou mthode spectrale )

1.5.1.1 Cas o les conditions aux limites sont du type Dirichlet (i.e.
homognes)
Avec gj = j, on a (ResN, j) = 0, do :
(36)
avec Rj = 0 sur , ce qui dfinit k conditions aux limites pour les fonctions de base j.
1.5.1.2 Cas o les conditions aux limites sont quelconques (mthode des
multiplicateurs)
On a : Rn 0 sur . On exige alors que :
(37)
ce qui dfinit k conditions aux limites sur les fonctions pondration g j. Les gj se dcomposent
sur les fonctions de base selon :
(38)
donc (37) donne :
(39)
et daprs (35) :
(40)
La vrification simultane de (39) et (40) conduit :
cest--dire :
pour tout j, ce qui entrane :
les multiplicateurs i tant dtermins de faon que lon ait (39) ; on a :
(41)
1.5.2 Mthode de collocation (ou mthode pseudo-spectrale )

Dans cette mthode, on choisit N points dits de collocation, x j, et lon dfinit les fonctions
pondration gj par :
gj = (x xj)
La relation (35) donne :
or est llment neutre du produit de convolution , donc :
alors :
(42)
Donc seuls les points de collocation vrifient exactement :
GuN(xj,t) = 0
Le choix des points de collocation peut tre :
- arbitraire,
- tel que les points de collocation soient les zros de n,
- tel que les points de collocation soient les extrema des n.
1.5.3 Mthode Tau (cf. rfrence [5])

La mthode tau a t cre par Lanczos en 1938. Il y a au moins deux faons quivalentes de
la prsenter. Dans les deux cas, les fonctions de base n ne vrifient pas les k conditions aux
limites Rn = 0 sur , et la solution approche doit tre dveloppe selon :
(43)
avec les k conditions aux limites :
(44)
Si lon exprime Gu exactement sous la forme :
alors sa troncature au rang N, GuN = PNGu est par dfinition :
(45)
En appliquant la mthode de Galerkin (35) (45), avec n = gn, on a :
puisque j = 1, ..., N, cest--dire :
(46)
avec les conditions (44).
Lautre faon de formuler la mthode tau est de dire que lapproximation
ne vrifie pas exactement (24) puisque seule lexpansion
vrifie exactement
(47)
On obtient alors les quations des N + k coefficients de u N dans (43) en remplaant u par uN
dans (47) et en utilisant les k contraintes (44).
Lexplication de lappellation mthode tau est la suivante :
Lapproximation
ne vrifie pas exactement (24) au sens du produit scalaire (47). On cherche alors de quelle
quation cette approximation est-elle exactement solution (au sens du produit scalaire). Or on a
plus dquations que dinconnues an, ce qui nadmet pas toujours de rsolution possible parce
que le problme na pas en gnral de solution exacte en termes de n (n = 1, 2, ..., N). Donc le
surplus dquations est laiss, ou, ce qui revient au mme, il est perturb en ajoutant des
termes inconnus derreurs p(x, t) de telle faon quil soit compatible. On est donc amen
prendre comme quation vrifie exactement par lapproximation u N :
(48)
En appliquant la MRP (48) on a :
Pour i = 1, ..., N : (i , N+p) = 0 donc :
(49)
Pour i = N+1, N+2, ... :
do :
(50)
1.5.4 Dans la suite nous allons regarder le cas o les fonctions de base sont les polynmes
de Chebyshev dfinis en 1.2.3. Nous laisserons de ct les sries de Fourier (pour celles-ci voir
par exemple rfrence [6]).
2 POLYNOMES DE CHEBYSHEV, CONVERGENCE

2.1 Dfinition et proprits des polynmes de Chebyshev (rfrence [3])
A partir de leurs dfinitions (1) et de la relation de rcurrence (2) on obtient les polynmes
suivants :
T0(x) = 1
T1(x) = x
T2(x) = 2x - 1
T3(x) = 4x3 3x
T4(x) = 8x4 8x + 1
T5(x) = 16x5 20x3 + 5x
etc...
Polynmes de Chebyshev de T0 T5
Proprit dimparit : on a immdiatement

(51)
Orthogonalit : pour le produit scalaire on choisit la fonction poids :
donc pour les fonctions de base :
cest--dire :
(52)
2.2 Collocation et transforme de Fourier rapide (FFT)

Le choix des points de collocation peut tre divers :
2.2.1 On peut choisir les zros de T n

Dans ce cas, posons zk = arc cos xk ; Tn(xk) = 0 donne :
(53)
2.2.2 On peut choisir les extrema de T n

Ces extrema xj sont tels que :
ce qui donne :
xj = cos (j/n)
j = 0, ..., n
Tn (xj) = (-1)j
De tels points de collocation sont ingalement espacs.
Si lon choisit une troncature lordre N, on choisira ceux qui sont extrema de T N(xj) :
(54)
Alors, pour tout n compris entre 0 et N :
do rsulte lapproximation pseudo-spectrale :
(55)
Aux points de collocation on a :
donc :
(56)
que lon appelle transforme de Fourier rapide (FFT) des inconnues a n.
Inversement, posant :
il vient :
ce qui fournit la transforme de Fourier rapide inverse (FFT-1) :
(57)
Dans le cas discret des points de collocation x j = cos j/N la proprit dorthogonalit discrte
scrit :
(58)
2.3 Srie de polynmes de Chebyshev

Si les fonctions de base sont les polynmes de Chebyshev T n(x), dfinis en (1), alors toute
fonction f de lespace de Hilbert H peut scrire :
ce qui signifie daprs (29) :
cest--dire :
On interprte ceci en disant que les a n sont les projections orthogonales de f sur la base
des Tn : ces coefficients an sont donns par les relations (23). Une fois dtermins, ces
coefficients an permettent dapprocher une fonction f selon lextension :
en utilisant lalgorithme de Clemshaw suivant, qui est tabli par rapport aux erreurs darrondi
(rfrence [3]) :
fN(x) = a0 B2 + B1x
(59-a)
avec la rcurrence :
2.4 Calcul des coefficients des drives dans la base des T n
En drivant lordre p :
on obtient une relation de rcurrence ; en effet, avec z = arc cos x :
donc :
cest--dire, en employant :
on a :
(60)
Sachant que :
et compte tenu de (60), on obtient :
(61)
Pour p = 1, on a :
a(1).
(61) donne alors :
(62)
Pour p = 2, on a
a(2) ;
(61) donne :
(63)
Exprimons an-1(1) et an+1(1) en fonction des a(2) en utilisant (63) :
et introduisons-les dans (61) :
(64)
La relation (64) fournit un systme dquations linaires pour les inconnues a 0(2), ...., aN-2(2), en
supposant que les an sont connues. Do :
(65)
(66)
ce qui donne, en posant :
le systme : A(j) = Dj A, o D est une matrice strictement triangulaire suprieure, i.e. D kl = 0 si k

l, avec D = [Dkl]. Exemple :
Pour la drive p-ime de Tn, on a, de mme quen (60), la relation de rcurrence :
(67)
On a en particulier :
Plus particulirement :
(68)
(69)
Pour p fix, on vrifie que pour n assez grand la drive p-ime de T n se comporte comme n2p :
2.5 Convolution
Soit une fonction f(x,t) dveloppe suivant :
et appliquons-lui un oprateur L = L(x, x, ...). Lf(x,t) se dveloppe suivant
Les coefficients bn sont dits convolutions. On peut exprimer L en fonction des T m, et en

calculant LfN on est amen calculer T nTm que lon exprimera encore en fonction de T k, k =
0,...,N. Le procd est encore valable en deux dimensions (voir par exemple [7]). On trouve
pour une dimension :
2.6 Phnomne de Gibbs

Lune des proprits les plus importantes des sries de Chebyshev est que leurs proprits de
convergence ne dpendent pas des valeurs de u(x) ou de ses drives aux frontires x = 1,
mais dpendent seulement du caractre lisse de u(x) et de ses drives pour -1 x 1.
Linverse dune telle proprit sappelle phnomne de Gibbs .
Soit u(x) discontinue en x0 dans [ -1, 1], approche par une dcomposition spectrale :
Alors, si |x x0| = O(1/N) :

|uN(x)-1/2[u(x0+) + u(x0-)]| = O(1)
autrement dit, il ny a pas convergence uniforme au voisinage de la discontinuit x 0. On rappelle
que
Le phnomne de Gibbs a lieu aux frontires pour les sries de Fourier, mais non pour les
sries de Chebyshev. Par contre, le phnomne de Gibbs peut avoir lieu pour -1 < x < 1 pour
les sries de Chebyshev.
Exemple : soit la fonction u(x) = signe (x) dfinie par :
signe (x) = 1 x 0
signe (x) = -1 x < 0
La dcomposition de signe(x) dans la base des T n(x) a pour coefficients :
do :
Au voisinage de x0 = 0 on observe le phnomne de Gibbs :
Convergence vers signe(x)
De faon gnrale, on dmontre que lallure locale des sommes partielles u N(x) des sries de
Chebyshev au voisinage dune discontinuit x 0 est donne par
s tant fix quelconque. La fonction
a le graphe suivant :
Graphe de la fonction (s)
Dans lexemple de signe(x), on a donc :
2.7 Convergence et stabilit

Considrons le problme (24) avec (25) et (26). On peut reprsenter la solution par lquation
dvolution :
(70)
On dit que le problme est bien pos si :
(71)
On rappelle que la norme dun oprateur sur un espace fonctionnel de Hilbert H est dfinie par :
Le problme approch
admet comme oprateur EN(t) tel que :

(73)
et est dit stable si
(74)
o C(t) est une fonction borne de t.
Dans le problme de la convergence on recherche les conditions pour lesquelles lim
uN(x,t) u(x,t)|| = 0 pour t fix.
Il y a consistance si, par dfinition :
||
(75)
Le thorme dquivalence de Lax-Richtmeyer (rfrence [8]) permet de faire le lien entre la
convergence et la stabilit :
: Si le problme (24) est bien pos et si (72) est
consistant, alors la stabilit de (72) implique la convergence de (72) vers le problme et
inversement.
THEOREME DEQUIVALENCE DE LAX-RICHTMEYER
On montre que loprateur EN(t) est un diffomorphisme que lon peut reprsenter par la
notation exponentielle
EN(t) = exp MNt
On dit que DN est un oprateur normal si DN commute avec son adjoint : DN*DN = DNDN*.
Dans ce cas :
o N est une valeur propre de D N et o e2Re(N)t reprsente une valeur propre de (exp M Nt)
(exp MN*t).
Et, toujours dans le cas o D N est normal, la condition de stabilit de Von Neumann pour DN
est
(76)
la condition tant ncessaire et suffisante.
Dans le cas doprateur non normal, qui est le cas le plus frquent, la condition de Von
Neumann est seulement ncessaire. On fait alors appel, dans ce cas, au thorme matriciel
de Kreiss (rfrence [1]) :
(1962) : Pour toute famille A(w), w tant un paramtre, de
matrices carres m x m, les propositions suivantes sont telles que (i) (ii) (iii) (iv) :
(i) Il existe des matrices symtriques H(w) telles que :
H(w)A(w) + A*(w)H(w) 0
et I H(w) (cest--dire les termes diagonaux de H sont 1)
||H(w)|| C pour une constante C
(ii) - ||exp A(w)t|| C, t 0
(iii) Re()||(I A(w))-1 C, pour une constante C et pour tout tel que Re() > 0
(iv) Il existe des matrices H(w) vrifiant (i) avec ||H(w)|| K(m)C, o K(m) ne dpend pas de
la famille A(w).
THOEREME MATRICIEL DE KREISS
Laptev et C. McCarthy (1975) ont montr que si C K(m)C, alors (iii) implique aussi (ii).
2.8 Gnralisation : stabilit algbrique

Plus gnralement, le problme approch
avec problme des valeurs initiales est dit algbriquement stable pour N si :
(77)
pour r, s et K(t) finis, et 0 t T. On dmontre, en utilisant la formule de Lie
que la condition (77) est quivalente celle-ci :

Pour une famille {AN} de matrices NxN telles que ||AN|| = O(Na) (a fini), il existe une famille {H N}
de matrices hermitiennes dfinies positives telle que :
(a) - ||HN-1|| ||HN|| = O(Nb)
(b) HNAN + AN*HN C(N)HN
(c) C(N) < d logN
o b et d sont indpendants de N. (H N sappelle matrice de Lyapunov).
3 LEQUATION DORR-SOMMERFELD
3.1 Introduction
Le problme est dtudier la stabilit temporelle de lcoulement de Poiseuille plan. Moyennant
certaines simplifications on part de lquation de base qui est celle dOrr-Sommerfeld, puis on
tudie la stabilit numrique de cette quation, une fois discrtise. On peut le faire, entre
autres, avec les mthodes spectrales, la mthode aux diffrences finies, la mthode de tir, etc.
et comparer les rsultats obtenus.
3.2 Hypothses de base

On superpose lcoulement de base laminaire un coulement perturb tridimensionnel.
Lcoulement de base est suppos incompressible, permanent, entre deux plaques planes
parallles fixes, athermanes, denvergure et de longueur supposes infinies, ce qui le rend
parallle, cest--dire tel que le profil de vitesse ne dpende pas de la section transversale
considre.
Avant de calculer lcoulement perturb, rappelons lexpression de lcoulement de base U, V,
W.
Ecoulement de Poiseuille plan
Lcoulement tant parallle : V = W = 0 et
Les quations de Navier-Stokes donnent alors :
donc P ne dpend que de x. Donc :
(78)
do le profil des vitesses, compte tenu des conditions aux limites : U(-a) = U(a) = 0
o Um = Aa/ est la vitesse maximale, au milieu de lcoulement. On a donc pour coulement

de base, en variables adimensionnelles :
(79)
o lon a remplac U par U/U m et y par y/a.
On superpose maintenant lcoulement de base U une perturbation reprsente par u, v, w,
p avec :
u/U << 1, etc. (80)
Appliquons u = U + u, v = V + v, w = W + w, p = P + p les quations de Navier-Stokes sans
dimension :
o R est le nombre de Reynolds : R = UmL/. Il vient :
avec la continuit :
(82)
la condition (80) permet de ngliger les termes de 2 e ordre dus la perturbation. De plus, en
utilisant (78), le terme :
disparat dans la premire galit de (81). Il reste alors finalement les quations linarises :
et la relation (82) (U = 1 y est videmment connue).
3.3 Thorme de Squire (rfrence [9])

On peut encore simplifier (83) en utilisant ce rsultat d Squire :
Le nombre de Reynolds critique R 2 pour une perturbation bidimensionnelle est infrieur au
nombre de Reynolds critique R3 pour une perturbation tridimensionnelle.
Donc pour arriver une perturbation tridimensionnelle il faut passer par une perturbation
bidimensionnelle ; on peut alors se limiter une perturbation bidimensionnelle (w = 0, /z = 0).
Les quations (83) et (82) deviennent :
(84)
3.4 Equation dOrr-Sommerfeld

Nous allons supposer que la perturbation bidimensionnelle est la partie relle dune expression
de la forme f(y)exp i(x - t). On a donc :
On calcule successivement :
Les quations de Navier-Stokes linarises (84) donnent alors :
On limine p*(y) entre (86-a) et (86-b) ; (86-a) donne :
et en remplaant dans (86-b) :
(87)
Lquation de continuit se traduit par :
et permet dintroduire une fonction de courant telle que :
Elle est de la forme :
Alors :
implique :
(88-a)
et v = v*(y) exp i(x - t) = -/x = -i(y) exp i(x - t) implique :
(88-b)
En remplaant (88-a) et (88-b) dans (87) on obtient lquation dOrr-Sommerfeld :
(89)
(90)
4 ETUDE DE LA STABILITE DE LECOULEMENT DE POISEUILLE PLAN

4.1 Introduction
La perturbation rend lcoulement instable si la partie imaginaire de est positive : Im() > 0,
cest--dire, en posant = -i, si Re() > 0. Dans le cas o Re() = 0 on a une stabilit
neutre (pas damplification ni damortissement), et dans ce cas, si Im() = 0 on aune stabilit
neutre monotone, et si Im() 0 on a une stabilit neutre oscillatoire (oscillation de
lcoulement autour dune position moyenne).
Il y a diffrentes mthodes numriques pour dterminer . Lide est de se ramener une
quation aux valeurs propres gnralise AX = BX o X = [an] reprsente les inconnues
obtenues diffremment selon la mthode de discrtisation, et o A et B sont des matrices
dpendant de et de R.
4.2 Aperu des tudes ralises sur la stabilit de lcoulement de

Poiseuille plan
4.2.1 Dterminations analytiques du seuil de stabilit
Avant de procder avec des mthodes numriques, on a tudi le seuil de stabilit de
lcoulement de Poiseuille plan par des considrations analytiques.
Lquation de base tant (89), on remarque que, puisque U = 1 y est une fonction paire et
que les conditions aux limites (90) sont symtriques, on peut sparer les modes symtriques et
les modes antisymtriques. Aucun mode symtrique na t trouv instable. Pour les modes
antisymtriques les conditions aux limites peuvent scrire :
(-1) = (-1) = 0
(0) = (0) = 0 (91)
et le domaine dintrt est maintenant -1 y 0. Il y a quatre solutions indpendantes de (89) :

1, 2, 3, 4 et la solution gnrale est :
= C11 + C22 + C33 + C44
et si lon ne veut pas que les C sannulent tous (91) implique :
(92)
A partir de (92) on montre que lon peut dduire une relation entre et R pour la stabilit neutre
(i = Im() = 0) ou pour toute valeur de i, avec = r +ii.

Deux mthodes ont t employes : lune due Heisenberg (rfrence [10]) et Lin (rfrence
[11]), lautre due Tollmien (rfrence [12]) et Schlichting (rfrence [13]).
Dans la mthode de Lin-Heisenberg, on remarque que lcoulement est instable seulement
pour de grands nombres de Reynolds, si grands que lquation (89) devient approximativement
(93)
(quation de Rayleigh). Heisenberg (1924) cherche une solution de (93) sous la forme :
ce qui fournit deux des quatre solutions, 1 et 2. Ces solutions ne tiennent pas compte de la
viscosit, cest pourquoi les deux autres, 3 et 4, devront en tenir compte ( viscous
solutions ). En utilisant la mthode Wentzel-Brillouin-Kramer (WBK), Heisenberg obtient les
deux solutions visqueuses 3 et 4, sous la forme :
obtenus en remplaant (96) dans (89) et o y c est le point pour lequel U = . Lin (1945) fut le
premier montrer que le chemin correct dintgration doit tre au-dessous du point critique y c.
En remarquant que :
(rsultat analogue pour 4) et que 3(0)/3(-1), 3(0)/3(-1), etc. sont trs petits ds que R est
grand, on peut montrer que (92) se ramne :
ainsi qu :
(98)
Compte tenu de (98), (94) donne :
avec, notant wc = U - :
Lin dmontre ensuite que la partie imaginaire de la partie gauche de lgalit (98) scrit peu
prs :
(en ngligeant les termes en 4 et plus), et en dduit que (98) peut scrire :
(u - 1) + iv() = (Z)
(100)
o u est la partie relle du terme de gauche de lgalit (98) et o

(Z) = (Z3/2e-i/4 9/4)-1
A partir de (100), Shen (rfrence [14]) obtint le diagramme de stabilit pour lcoulement de
Poiseuille plan :
Diagramme de stabilit de lcoulement de Poiseuille plan
4.2.2 Mthode aux diffrences finies

Ltude de la stabilit numrique de lcoulement de Poiseuille plan a t faite dabord par la
mthode aux diffrences finies (rfrence [15]) et la mthode de Runge-Kutta (rfrence [16]).
Lquation dOrr-Sommerfeld (89) est une quation aux valeurs propres de la forme (avec w =
(y)) :
N(w) + M(w) = 0
(101)
o N et M sont des oprateurs diffrentiels linaires ; on remarquera que les conditions aux
limites (90) sont indpendantes de . Par la mthode aux diffrences finies lquation (101)
aboutit une quation matricielle, dite aux valeurs propres gnralises :
A + B = 0
que lon peut transformer en une quation aux valeurs propres ordinaires :
+I=0
dont la rsolution utilise lalgorithme Q-R (rfrence [17]).
Soit p le nombre de points du maillage utiliss et 2J + 1 le nombre de niveaux utiliss. A et B
ont alors les aspects suivants :
J est donc lordre de la matrice A.

On veut trouver le mode le moins stable ce qui signifie que lon veut trouver la valeur propre
dont la partie imaginaire est la plus grande. Comme les vecteurs propres changent plus
rapidement prs de y = 1 quen y = 0, on utilise un changement de variable (rfrence [15]) :
En choisissant = 1, p = 43, = 1 et R = 104, Helgason et Gary ont trouv que pour J 4 on a

des modes de croissance ( growing modes ) qui sont parasites. Des modes instables, cest-dire tels que Im() > 0, sont dits parasites ( spurious ) (cest--dire ne reprsentent pas
correctement une solution de lquation diffrentielle) sils ne convergent pas quand on
augmente J ou p. Ainsi, pour J = 4, on a :
= 0,23752964 + 0,00374248i
tandis que pour J = 5 on a deux growing modes dont un parasite : 0,23752604 +
0,00373996i et 0,9366 + 0,0015i.
En augmentant p 100 points, et en utilisant une mthode de Numrov (rfrence [18]),
Thomas (rfrence [19]) a obtenu pour 5 niveaux :
= 0,2375243 + 0,0037312i
4.2.3 Mthode des polynmes de Chebyshev

Ltude de la stabilit de lcoulement de Poiseuille plan laide des approximations par les
polynmes de Chebyshev parat avec Orszag (Orszag 1971a, rfrence [20], Orszag 1971b,
rfrence [21], Orszag 1971, rfrence [22]).
Des dveloppements en fonctions orthogonales ont aussi t faits. Par exemple, avec des
fonctions orthogonales dfinies par (rfrence [23]) :
dont on dmontre que le n-ime coefficient du dveloppement est de lordre de 1/n 5 pour n
et que le rsidu de rang N est de lordre de 1/N 5 : ceci rsulte de la convergence non uniforme
des sries drives quatrime prs des frontires ; on obtient donc ainsi une prcision
quivalente celle obtenue par la mthode aux diffrences finies avec des erreurs de lordre de
(y)5.
Un autre exemple est le dveloppement de avec des fonctions de Reid-Chandrasekhar
(rfrence [24]) ou avec des fonctions n (y) dfinies par [25] :
dont on dmontre que lerreur de troncature est de lordre de 1/N 4.

En partant de lquation dOrr-Sommerfeld (89), et en utilisant la dcomposition de (y) avec les
polynmes de Chebyshev, Orszag (rfrence [22]) aboutit (voir annexe 1) :
(102)
pour n 0, avec :
Les conditions aux limites (90) aboutissent :
On peut simplifier (102), (103), (104) par des considrations de symtrie : ces quations sont
en effet spares en deux groupes sans couplage entre les coefficients a n, pour des n pairs et
impairs. Donc il existe un ensemble de solutions avec a n = 0 pour n impair ; la solution
correspondante (y) est alors symtrique cest--dire : (y) = (-y). Dans ce choix, le mode
propre instable concernera seulement la solution symtrique. On choisira alors N pair : N = 2M.
Ceci tant, il faut remarquer que les fonctions de base choisies ne vrifient pas les conditions
aux limites et que le dveloppement
ntant pas exact, les oprations formelles conduisant (102) ne sont pas correctes pour tous
les n. On dispose alors dau moins deux solutions : soit utiliser la mthode tau, avec
et pour laquelle (102) est valable pour 0 n N-4, soit utiliser la mthode de Galerkin en
utilisant des fonctions de base qui vrifient les conditions aux limites. Nous nous intressons
cette deuxime solution. La premire solution a t traite numriquement par Orszag
(rfrence [22]). Avec un Reynolds de R = 10 4 et = 1, il trouve que la valeur propre
correspondant au mode le plus instable est
= 0,23752649 + 0,00373967i
partir de M 25. Mais il trouve, comme il lexplique dans [1], que comme dans la mthode aux
diffrences finies, des modes instables parasites apparaissent, et il propose, toujours dans [1],
une mthode pour les viter (voir annexe 3).
En procdant un balayage numrique, il trouve que le Reynolds critique R c (cest--dire le
nombre de Reynolds le plus petit pour lequel apparat un mode propre instable) est :
Rc = 5772,22
et que le critique, c, est : c = 1,02056 0,00001.
Dautres valeurs critiques ont t trouves par dautres auteurs, avec des mthodes
diffrentes : Shen [14], en utilisant la thorie de Lin : Rc = 5360, c = 1,05 ; Thomas [19], en
utilisant les diffrences finies : Rc = 5780, c = 1,026 ; Nachtsheim (1964), rapport par Betchov
et Criminale (1967) ([26], [27]), en utilisant les diffrences finies : Rc = 5767, c = 1,02 ; Grosch
et Salwen [23] : Rc = 5750, c = 1,025.
4.2.4 Mthode de Galerkin o les fonctions de base sont des

combinaisons linaires de polynmes de Chebyshev et vrifient
automatiquement les conditions aux limites
Nous considrons maintenant la mthode de Galerkin en employant, dans le cas symtrique,
des fonctions de base qn(y) qui vrifient les conditions aux limites (90). Ces fonctions q n sont
combinaisons linaires de polynmes de Chebyshev (n est pair)
qn(y) = Tn(y) + T2(y) + T0
Les conditions aux limites impliquent :
qn(1) = Tn(1) + T2(1) + = + + 1 = 0
qn(1) = Tn(1) + T2(1) = -n - 4 = 0
do : = -n/4, = n/4 -1 ; donc :
(105)
Les quations de Galerkin sobtiennent en substituant la nouvelle expansion dans lquation
dOrr-Sommerfeld (89). Ces quations pour les coefficients de q n(y) (n pair) sont reformules
comme quations pour les coefficients a n (n = 0, 2, 4,..., N). Ces dernires quations sont (102)
pour n = 0, 2, 4,..., N avec un terme b 0 + nb2 ajout, avec
o A0 et A2 sont les deux premires composantes paires du nouveau rsidu
et dpendent de , R et . Les calculs dtaills sont donns en annexe 2. On obtient donc :
(106)
4.2.5 Rsultats numriques

4.2.5.1 Elimination des valeurs propres parasites
Avec la mthode de Galerkin ci-dessus, pour un nombre de Reynolds de R = 10000 et un
nombre donde de = 1, nous obtenons llimination des valeurs propres parasites (cest--dire
des valeurs propres instables qui ne convergent pas quand le nombre N de polynmes de
Chebyshev augmente), et la valeur de la valeur propre la plus instable :
= 0,2375 + 0,3740.10-2 i
avec N = 60 et pour une prcision de 4 chiffres significatifs.
En calculant la valeur propre la plus sinatble en fonction du nombre N de polynmes de
Chebyshev pairs on peut vrifier que pour N suffisamment grand (N > 20), elle converge vers la
valeur donne ci-dessus, pour une prcision de quatre chiffres significatifs (voir tableau n1 et
courbe n1). A la prcision donne, cest exactement la mme quOrszag a trouve avec la
mthode tau dont les rsultats montrent la prsence de valeurs propres parasites (rfrence
[22]).
4.2.5.2 Valeurs critiques de R et de

Les valeurs critiques de R et de sont les plus petites valeurs de R et de pour lesquelles on a
une stabilit neutre, cest--dire pour lesquelles Re() = 0 avec = -i. Nous les obtenons en
procdant un balayage numrique. Nous trouvons, pour un nombre de composantes paires N
= 25 :
R = 5772,22
= 1,02056
cest--dire les mmes valeurs trouves par Orszag. Ces valeurs restent les mmes pour N >
20.
4.2.5.3 Courbe de stabilit neutre au voisinage de R et de critiques

La courbe de stabilit neutre est lensemble des couples (R, ) pour lesquels on a une stabilit
neutre, cest--dire pour lesquels Re() = 0.
Pour lobtenir on procde ainsi : pour N = 25 on recueille sur le tableau 2 les valeurs de Re()
pour diffrentes valeurs de pour R fix, et on cherche par interpolation (courbe n3) les
valeurs de qui correspondent Re() = 0. En reportant ces valeurs de pour diffrentes
valeurs de R, dans le plan (R, ), on obtient par interpolation, lallure de la courbe de stabilit
neutre (courbe n2).
La courbe obtenue est valable pour le voisinage des valeurs critiques de R et de . En
comparaison avec la courbe de stabilit obtenue par Shen (rfrence [14]) au 4.2.1, elle
correspond la partie situe gauche, au voisinage immdiat de la tangente verticale de la
courbe neutre, pour une chelle diffrente (R 1/3, ).
CONCLUSION
Dans cette tude de la stabilit de lcoulement de Poiseuille plan, la mthode de Galerkin que
nous avons dveloppe a la mme prcision que la mthode tau dveloppe par Orszag, et
fournit les mmes valeurs. En particulier, nous retrouvons les valeurs critiques de R et de
calcules par Orszag : R = 5772,22 et = 1,02056.
De plus, elle a la proprit de faire disparatre les valeurs propres parasites. Ce rsultat est
intressant parce que la prsence des valeurs propres parasites pose un problme : si lon a le
droit de ne pas en tenir compte dans les calculs pour leur absence de signification physique
(comme le suggrent Gary et Helgason, et Orszag), on ne sait pas, par contre, a priori, pour
des coulements plus complexes les dtecter.
La mthode que nous avons introduite ne se limite pas au seul coulement de Poiseuille plan,
mais peut stendre des coulements de base unidimensionnels, sans parit, ce qui ncessite
des conditions aux limites supplmentaires. Il suffit pour cela de dterminer des fonctions de
base qn (comme en (105)) qui sont telles que :
sil y a L conditions aux limites, et vrifiant automatiquement ces conditions aux limites. On
applique alors la mthode Galerkin avec de telles fonctions de base, et lon obtient des
quations modifies par rapport celles obtenues par la mthode tau (comme en (106)). Ces
quations modifies se retrouvent facilement en appliquant des corrections directement tires
de la forme de qn, aux quations issues de la mthode Galerkin-tau. Ces corrections, linstar
de (A2-8) (voir annexe 2), sont telles que, daprs la mthode des rsidus pondrs, lon ait :
o :
reprsente le vecteur n-ime ligne de la matrice associe lquation obtenue par la
mthode tau et o
reprsente cette matrice modifie selon la mthode de Galerkin
employe avec les fonctions de base qn.
Une telle gnralisation donne des mthodes systmatiques de corrections, qui ont lavantage
dtre simples, et permet la suppression des valeurs propres parasites.
TABLEAUX
TABLEAU 1 Mthode de Galerkin : convergence de la valeur propre la plus instable,

avec le nombre de polynmes de Chebyshev
TABLEAU 2 Evolution de la stabilit et de linstabilit avec R et ; N = 25, = -i
COURBES
(a)
(b)
COURBE 1 Convergence de la valeur propre la plus instable avec le nombre N de polynmes de

Chebyshev
(a) : -ln(Im()
(b) : Re()
COURBE 2 - Seuils de stabilit neutre pour un coulement de Poiseuille plan au voisinage des valeurs
critiques
COURBE 3 Un exemple dinterpolation pour dterminer la stabilit neutre ( = -i)
ANNEXES
A1 Dmonstration de (102), (103), (104)
On part de lquation dOrr-Sommerfeld (89) avec U = 1 y et donc dU/dy = -2. On utilise :
coefficient de la convolution 4y :
On doit aussi utiliser : coefficient de la convolution yd/dy, compte tenu de (A1.3) et de

(A1.1) :
car :
En remplaant dans lquation dOrr-Sommerfeld :
on obtient le rsidu :
On applique ensuite la mthode des rsidus pondrs : (ResN, Tm) = 0, ce qui aboutit, aprs
arrangement des termes, puis multiplication par c n, compte tenu de lexpression du produit
scalaire (Tn, Tm) = cnnm, lquation (102).
On peut mettre (102) sous la forme matricielle suivante :
[(A4A) - 2(A2A) + 4(AI) +i(AC)]X = (E)X
(A1.6)
avec:
= -i
(AC) = -R(E3) + 3R(E1) + R(E2)
(E) = -R(A2A) + R(AI)
X = [an]n = 0,...,N pair vecteur colonne des an.
Les matrices (A4A), (A2A), (AI), (E3), (E1), et (E2) correspondent aux termes suivants de
lquation dOrr-Sommerfeld :
Ces matrices (M) sont telles que le produit scalaire de leurs n-imes lignes par le vecteur
colonne X donne :
A2 Dmonstration de (106)
On dcompose N sur la nouvelle base des qn :
selon les coefficients n :
On reformule cette dcomposition sur la base des T n selon les coefficients an :
avec donc :
On prfre crire le nouveau rsidu partir de (A2.2) au lieu de (A2.1), pour mieux utiliser les
formules de drivation et de convolution (A1.1), (A1.2), (A1.3) et (A1.4), la signification des a n
tant cette fois donne par (A2.3). On obtient alors immdiatement :
(A2.4)
On obtient les quations de Galerkin en appliquant (A2.4) la mthode des rsidus pondrs
avec les fonctions de base qm, m 4 pair :
(ResN, qm) = 0
ce qui donne :
(A2.5)
On veut exprimer (A2.5) avec n 0 pair ; pour cela on fait de sorte que pour n = 0 : c0A0 2A0
= 0, donc on multiplie An par c n (puisque c0 = 2). De plus, si n = 2, alors A 2 A2 = 0 est

toujours vrai, donc (A2.5) devient :
(A2.6)
ou encore, posant b2 = A0/2 A2/4 et b0 = -2A0 :
cnAn + nb2 + b0 = 0
n 0, pair
do (106) qui nest autre que (102) plus nb 2 + b0 = 0 pour n 0, pair.

Par rapport (A1.6), (A1.7), ..., (A1.12), les corrections effectuer, compte tenu de (A2.6), sont
les suivantes :
[(A4A)* - 2(A2A)* + 4(AI)* + i(AC)*]X = (E)*X
(A2.7)
avec:
(AC)*= -R(E3)* + 3R(E1)* + R(E2)*
(E)* = -R(A2A)* + R(AI)*
o (M)* reprsente la matrice (M) corrige compte tenu de (A2.6) :
(A2.8)
En appliquant (A2.8) pour chacune des matrices, on obtient :
A3 Une mthode dOrszag pour viter les valeurs propres parasites

Orszag (rfrence [1]) proposa une mthode pour viter les spurious eigenvalues pour
lquation :
la mthode tant encore valable pour lquation dOrr-Sommerfeld. les conditions aux limites
sont :
(x,t) = x (x,t) = 0 x = 1 (A3.3)
(o x = /x). Lide est quau lieu de substituer (A3.2) dans (A3.1) pour obtenir
xxt = xxxx
-1 x 1, t 0 (A3.4)
et de rsoudre (A3.4) avec lexpansion en srie de Chebyshev
qui donne :
on dcompose tout de suite en :
(conditions aux limites)
afin dobtenir :
compte tenu de (A3.7). Orszag tint le raisonnement suivant : (A3.6) avec 0 n N 4 est
quivalente (A3.9) avec 0 n N jointe (A3.10) pour 0 n N 4 ; on peut alors dire que
ce procd conduira de linstabilit parce que les conditions aux limites = 0 pour x = 1
pourront tre imposes (A3.2), et non (A3.1), tandis que les conditions x = 0 en x = 1
pourront tre imposes (A3.1) pour > 0. Dautre part, si le systme est tronqu de la faon
indique par (A3.9) et (A3.10), chacune des quations peut jouer son propre rle en ajustant les
conditions aux limites : les conditions aux limites = 0 sont imposes (A3.10) tandis que les
conditions aux limites x = 0 le sont (A3.9).
REFERENCES
[1] D. GOTTLIEB, S. A. ORSZAG (1977), Numerical analysis of spectral methods theory and
applications NSF-CBMS Monograph 26, SIAM, Philadelphia
[2] S. A. ORSZAG, M. ISRAELI (1973), Numerical flow simulation by spectral methods in:
Numerical models of ocean circulation, Washington (1975)
[3] L. FOX, I. B. PARKER (1968): Chebyshev polynomials in numerical analysis in: Oxford
mathematical handbooks, Oxford University Press, London
[4] B. A. FINLAYSON (1972), The method of weighted residuals and variational principles,
Academic Press, New York
[5] C. LANCZOS (1956), Applied analysis Prentice-Hall, Englewood Cliffs, N. J.
[6] C. LANCZOS (1966), Discourse on Fourier series Hafner, New York
[7] B. BONDET DE LA BERNARDIE (1980), Contribution la modlisation et la simulation
numrique du comportement dynamique et thermique des fluides visqueux Thse de
doctorat, Institut de Mcanique des Fluides de Marseille
[8] R. D. RICHTMEYER, K. W. MORTON (1967), Difference methods for initial value
problems Interscience, N. Y.
[9] H. B. SQUIRE (1933), On the stability for three-dimensional disturbances of viscous fluid
flow between parallel walls Proc. Royal Soc., 1933
[10] W. HEISENBERG, ber Stabilitt und Turbulenz von Flssigkeitsstromen Ann. d. Phys.
vol. 74, pp. 577-627, 1924
[11] C. C. LIN, On the stability of two-dimensional parallel flows Quart. Appl. Math., Vol. 3,
pp. 117-142, 218-234, 277-301, 1945
[12] W. TOLLMIEN, ber die Entstehung der Turbulenz Ges. d. Wiss. Gttingen, Math.
Phys. Klasse, Nachr., pp. 21-44, 1929
[13] H. SCHLICHTING, Zur Enstehung der Turbulenz bei der Plattenstrmung Ges. d. Wiss.
Gttingen, Math. Phys. Klasse, Nachr., pp. 181-208, 1933
[14] S. F. SHEN, Journal of Aeron. Sci., vol. 21 (1954)
[15] J. GARY, R. HELGASON, A matrix method for ordinary differential eigenvalue problems
J. Comput. Phys. 5, 169-187 (1970)
[16] S. CONTE, The numerical solution of linear boundary value problems SIAM Rev. 8
(1966), 301-321
[17] J. WILKINSON, The algebraic eigenvalue problems Clarendon Press, Oxford, 1965
[18] M. OSBORNE, Numerical methods for hydrodynamic stability problems SIAM, J. Appl.
Math. 15 (1967), 539-558
[19] L. THOMAS, The stability of plane Poiseuille flow Phys. Rev. 91 (1953), 780-783
[20] S. A. ORSZAG, 1971a, Galerkin approximations to flows within slabs, spheres and
cylinders Phys; Rev. Lett. 26, 1100-1103
[21] S. A. ORSZAG, 1971b, Numerical simulation of incompressible flows within simple
boundaries: 1. Galerkin (spectral) representations Studies in Appl. Math. 50, 293-327
[22] S. A. ORSZAG, 1971, Accurate solution of the Orr-Sommerfeld stability equation J.
Fluid Mech. (1971) vol. 50, part 4, pp. 689-703
[23] C. E. GROSCH, H. SALWEN, 1968, The stability of steady and time-dependent plane
Poiseuille flow J. Fluid. Mech. 34
[24] A. P. GALLAGHER, A. McD. MERCER, 1962, On the behaviour of small disturbances in
plane Couette flow J. Fluid Mech. 13
[25] C. L. DOLPH, D. C. LEWIS, 1958, On the application of infinite systems of ordinary
differential equations to perturbations of plane Poiseuille flow Quart. Appl. Math. 16
[26] NACHTSHEIM P. R., 1964, An initial value method for the numerical treatment of the OrrSommerfeld equation for the case of plane Poiseuille flow NASA Tech. D-2414
[27] BETCHOV R. and CRIMINALE W. O. 1967, Stability of parallel flows - Academic

Méthodes Spectrales Instabilité - Écoulement

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

Méthodes Spectrales Instabilité - Écoulement

Transféré par

Droits d'auteur :

Formats disponibles

ACCUEIL

Instabilit dcoulement de Poiseuille

Etude de la stabilit de l'coulement de Poiseuille par mthode numrique spectrale,

2.3 Srie de polynmes de Chebyshev

1 PRESENTATION DES METHODES SPECTRALES

utilisant les transformations conformes).

1.2 Thories du minimax et des moindres carrs (rfrence [3])

1.2.1 Thorie du minimax

Pn doit avoir des minima et des maxima alterns, de valeurs respectives M et

appel polynme de Chebyshev. On a dj:

on dduit la relation de rcurrence :

1.2.2 Approximation par la mthode des moindres carrs et polynmes

- dans le cas continu :

Le critre prcdent devient alors :

minimum, dans le cas discret

minimum, dans le cas continu

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 5/56

ce qui implique : S/ai = 0, i = 0,..., n. Ce qui donne :

qui reprsente une quation linaire en a i :

donc il faut minimiser :

ce qui fournit le systme :

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 6/56

on a (i,j) = 0 si i j. Avec cette condition, A devient alors diagonale.

(-1,+1) w(x)i(x)dx = (i,i) = ||i||2, le carr de la norme || . ||2 associe au

Tout polynme Qr-1 de degr r 1 est orthogonal r.

Qr-1 scrit, sur la base des k :

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 7/56

Etablissons maintenant une relation entre k r et Ar, coefficient de xr dans le polynme r de

Pour cela il nous faut :

(on a donc pos : cr = r, ck = k si k < r). Alors :

daprs la relation prcdente. Donc :

o Qr 1 est donc de degr r 1. Alors : r = (Arxr + Qr 1)r, donc kr sexprime par :

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 8/56

pour tout Qr-1, ce qui narrive que si :

ce qui donne, en intgrant r fois par parties :

1.2.3 Exemples : polynmes orthogonaux de Legendre et de Chebyshev

Le choix Cr = 1/2r.(r !) donne la forme standard des polynmes de Legendre :

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 10/56

La relation (5) donne les coefficients des k dans la dcomposition Pn =

et la relation (6) donne la norme au carr de lerreur e n :

Alors (14) donne :

(18) fournit comme autre quation de base :

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 11/56

1.3 Problme de la rsolution dune quation diffrentielle

avec les conditions aux limites :

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 13/56

1.4 Mthodes possibles

1.5 Mthode des rsidus pondrs (MRP)

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 14/56

A laide de (32), lquation (24) donne :

Or, par dfinition G = 0, donc il reste :

o le rsidu de rang N est dfini par :

- la mthode tau-Galerkin : si gj = j, ou si les gj sont combinaisons linaires des j ;

1.5.1 Mthode de Galerkin (ou mthode spectrale )

pour tout j, ce qui entrane :

les multiplicateurs i tant dtermins de faon que lon ait (39) ; on a :

1.5.2 Mthode de collocation (ou mthode pseudo-spectrale )

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 16/56

or est llment neutre du produit de convolution , donc :

- tel que les points de collocation soient les extrema des n.

1.5.3 Mthode Tau (cf. rfrence [5])

alors sa troncature au rang N, GuN = PNGu est par dfinition :

Frdric lie, juin 1981 - http://fred.elie.free.fr - page 17/56