Scribd Logo
Importer

Bienvenue sur Scribd !

  • 1996 MethodesSpectrales PDF

    Transféré par

    kouddane2000
    110 vues100 pages

    Titre original

    1996-MethodesSpectrales.pdf

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Signaler ce document

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    110 vues100 pages

    1996 MethodesSpectrales PDF

    Transféré par

    kouddane2000

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    sur 100
    Département Hydraulique et Mécanique des Fluides Introduction aux méthodes spectrales Version 1996 O. THUAL + INSTITUT NATIONAL POLYTECHNIQUE # ECOLE NATIONALE SUPERIEURE 0 ELECTROTECHNIGUE, D'ELECTRONIQUE, D'NFORMATIQUE ET 0'HYDRAULIQUE OF TOULOUSE 9, rue Camichel - 31077 Toulouse Cedex Tel, 61 $8 89 00 - Fax: 61 6209 76 Méthodes spectrales PREFACE DE LA VERSION 1996 Le présent polycopié est issu de la note de travail suivante : ‘* 0. Thual et P. L. Sulem, Méthodes spectrales pour des problémes aux li- mites simples, Note de travail de l’Etablissement d’Btude et de Recherches ‘Météorologique, N° 81 (1984). Ce document a été écrit lors de la construction d’un code numérique de con- vection. L'objectif était de bien cerner la méthode spectrale & utilisér pour ce code et de la situer dans un cadre un pen plus général. Ce polycopié se limite A une introduction aux méthodes spectrales. Parmi les ouvrages plus complet sur lequels ce document est basé, citons la référence importante suivante : ¢ D. Gottlieb, $. A. Orszag, Numerical analysis of spectral methods, NSP- CBMS Monograph N° 26, Soe. Ind. and Appl. Math., Philadelphia PA (1977). Pour un exposé plus complet des méthodes spectrales, on se réferera & des ouvrages plus modernes comme Vouvrage suivant : « C. Canuto, M. Y. Hussaini, A. Quarteroni, T. A. Zang, Spectral Methods in Fluid Dynamics, Springer Verlag (1988). Ti m’a paru intéressant de proposer ce polycopié dans le cadre de Option “Mécanique des Fluides Numérique” dans la mesure oit le contenu est abor- dabie pour un non spécialiste et relativement vite assimilable. Les méthodes spectrales n’étant pas le pivot de la construction des codes industriels (sauf exceptions), cette introduction devrait étre suffisante. Olivier Thual, le 12 septembre 1996 TABLE des MATIERES INTRODUCTION CHAPITRE I : METHODES SPECTRALES « Introduction 1 Naoeon 8 Exemples d'équations aux dérivées partielles Formulation du probléme Principe des méthodes spectrales Méthode de Galerkin + Méthode Tau Méthode de collocation Méthode Tau-Col location 9 . Quelle méthode utiliser? 10, Le probléme des erreurs de repliement (Aliasing) 11. Une méthode sans nom CHAPITRE II : PRECISION DES METHODES SPECTRALES 1. an ewn Introduction Problémes de Sturm-Liouville et bases complétes Décroissance des coefficients spectraux Exemple de bases Phénoméne de Gibbs Consistance des méthodes spectrales CHAPITRE III : POLYNOMES DE TCHEBYSHEV Definition 2. Relations de récurrence entre polynémes 3. Calcul des coefficients de Tchebyshev de F(u) 4. Expression des conditions aux limites Collocation 6 . Appendice CHAPITRE IV : RESOLUTION DE L'EQUATION DE POISSON 1. Ecriture du systéme de Dirichlet 2 . Systéme équivalent bien conditionné 3. Le double balayage avec une ligne pleine 4 . Conditions aux limites plus générales 5. Sous programmes FORTRAN BK CHAPITRE V ; ALGORITHMES DE "TRANSFORMATION RAPIDE” 1. Introduction + Collocation de Fourier impaire N = 2kel + Collocation de Fourier paire N = 2k + Collocation de Tchebyshev . Transformation de Fourier rapide complexe (FFTC-C) « Utilisation de 1a FFT pour *Fourier paire* - Utilisation de 1a FFT pour 1a collocation de Tchebyshev + Appendice evan een CHAPITRE VI : DISCRETISATION TEMPORELLE 1. Introduction 2 . Propriétés des schémas 3. Exemples de schémas CHAPITRE VII : EQUATIONS DE NAVIER-STOKES 1 . Introduction 2. Schéma temporel 3. Méthode Orszag-Kells 4. Méthode Kleiser-Schumann CHAPITRE VIII : CONVECTION MAGNETOHYDRODYNAMIQUE 1 . Modélisation d'une expérience de Libchaber 2 . Adimensionnalisation 3. Développement —_ ymptoticue 4. Problemes raides BIBLIOGRAPHIE. TABLE des MATIERES INTRODUCTION CHAPITRE 1 : METHODES SPECTRALES 1 . Introduction « Exemples d'équations aux dérivées partielles :+ Formulation du probléme + Principe des méthodes spectrales + Méthode de Galerkin Méthode Tau + Méthode de colocation + Méthode Tau-Collocation + Quelle méthode utiliser? 10. Le problame des erreurs de repliement (Aliasing) 11, Une méthode sans nom wor KH son CHAPITRE II : PRECISION DES METHODES SPECTRALES 1. Introduction 2 . Problémes de Stum-Liouvitle et bases complates 3, Décroissance des coefficients spectraux 4. Exemple de bases 5 . Phénomine de Gibbs 6 . Consistance des méthodes spectrales CHAPITRE III : POLYNOMES DE TCHEBYSHEV 1. Definition Relations de récurrence entre polynémes 3. Calcul des coefficients de Tchebyshev de F(u) 4. Expression des conditions aux limites 5 . Collocation 6 . Appendice CHAPITRE IV : RESOLUTION DE L'EQUATION DE POISSON 1. Ecriture du systéme de Dirichlet 2. Syst&me Equivalent bien conditionné 3. Le double balayage avec une ligne pleine 4 . Conditions aux limites plus générales 5 . Sous programmes FORTRAN | | & CHAPITRE V : ALGORITHHES DE "TRANSFORMATION RAPIDE" 1 . Introduction 7 2 . Collocation de Fourier impaire N = 2k+1 3. Collocation de Fourier paire N = 2k 4. Collocation de Tchebyshev 5 . Transformation de Fourier rapide complexe (FFTC-C) 6 . Utilisation de 1a FFT pour "Fourier paire" 7, Utilisation de 1a FFT pour 1a collocation de Tchebyshev 8 . Appendice CHAPITRE VI: DISCRETISATION TEMPORELLE 1. Introduction 2 . Propriétés des schémas 3. Exemples de schémas CHAPITRE VII : EQUATIONS DE NAVIER-STOKES 1. Introduction 2. Schéma temporel 3. Methode Orszag-Kells 4 . Méthode Kleiser-Schumann CHAPITRE VIII : CONVECTION MAGNETOHYDRODYNAMTQUE 1 . Modélisation d'une expérience de Libchaber 2 . Adimensionnalisation 3. Développement ymptotique 4. Problémes raides BIBLIOGRAPHIE. vo) INTRODUCTION en temps) ont été préférées aux-méthodes spectrales. Avec L'augmen- tation des résolutions accessibles et l'apparition d'algorithmes plus efficaces (exemple: Transformée de Fourier Rapide) les méthodes apectrales cont devenues véritablement compétitives et tent un jntérét croissant dans la communauté scientifique. | Pendant longtemps les méthodes aux différences finies (en espace et | | | Efficaces et précises les méthodes spectrales sont particuli@rement | adaptées A l'étude des phénomines de bifurcation et de transition vers le chaos (/3/ McLaughlin et Orszag). Les expériences de Mécanique des Fluides réalisées ces derni@res années, en particulier par A. Libchaber /127 et son équipe ont montré qu'il existe dans les systémes convectifs une trés grande richesse de phénom@nes dont i certains (comme les dédoublements de période) ont pu étre observées dans des syst@nes 2 petit nombre de de degré de liberté (E. Lorenz, M. Hénon, M. Feigeunbaum, P. Coullet, C. Tresser). La simulation numérique de phénonénes convectifs 3 D instationnaires présente des difficultés considérables mais a l'avantage de donner acc®s & Vintégrabilité de la structure spatiale de 1'écoulement. Ceci peut &tre important par exemple pour mettre en évidence des structures cohérentes qui semblent trés souvent coexister avec de 1a turbulence @usse /137). Un effort de développement de codes spectraux de convection 3 D haute résolution est réalisé actuellement & Nice (U. Frisch et P.L. Sulom & L'Observatoire, R. Peyret et C. Sulem au Département de Mathématiques). Au cours de mon stage j'ai eu l'occasion de n'initier aux techniques correspondantes. Le présent document, rédigé essentiellement a 1’intention de chercheurs débutants, est basé sur le cours de P.L. Sulem a 1'Observatoire de Nice. CHAPITRE I: METHODES SPECTRALES 1, Introduction. Le but de ce chapitre est de présenter de facon simple les méthodes spectrales courament utilisées pour résoudre un large éventail d'équations aux dérivées partielles. J'ai essayé d'exposer a la fois la formulation intrinséque de ces méthodes et leur application pratique A l'aide d'exemples. Les équations aux dérivées partielles sont présen- tées pour des domaines bornés, mais il existe des méthodes permettant de se ramener & ce cas pour des domaines non bornés (Boyd /6/, Grosch et Orszag /7_7). 2, Exemples d'équations aux dérivées partielles. Dans les paragraphes qui vont suivre l'accent sera mis sur la résolution des problémes d'évolution 4 une dimension d'espace. Mais les méthodes spectrales peuvent s'appliquer a de nombreux autres problémes. Voici quelques exemples d'équations sur lesquelles peuvent facilement Btre testées les méthodes dont il sera question ici : 1) Equation de la chaleur : MH vAwe Fs f 2) Equation de Poisson : Qu =f Su 3) Equation des ondes 3 <* ~Aw= Oe f 4) Equation Magnéto-hydrodynamique (MUD) (voir Ch. VIIT p 213 ) 5) Rquation d'advection-diffusion: Oyo MH = YOu y f ae te Dat 6) Equation de Burgers: Dey ue > Hee P ab an anv 7 Fqvation de Kuranoto ; M4 y udu = - He ve oP ae Qn az Oxf (voir une étude numérique de cette équation dans /14_7) | | | | | i 8) Equation de Klein-Gordon non linéaire : Yea Aw =Et@) 2 9) Equations de Navier-Stokes : DMeaVa = -Sh eV aus Beem e e | div °o Nous verrons que la plupart du temps la dépendance temporelle des Equations d'évolution est traitée en différences finies, si bien que Lon est ramené a chaque pas de temps 4 la résolution de problémes “stationnaires" par une méthode spectrale. Voici quelques exemples de donaines spatiaux et de conditions aux limites. a) Equation dela chaleur avec conditions aux limites périodiques axel coc ate [0,20] b) Equation de 1a chaleur avec x € [0,1] OD= Ja “Y= ga + {] - Ii faut quatre conditions c) Equation deXuramoto avec x € [- aux limites. Par exemple : aca) =a) 20 MW ern = Feuye Bey =Beuvro 4) Equation d'advection-diffusion avec x € [},ii et u(0) = g, Enfin il faut se donner une condition initiale : BOP) = Ho . Formulation du probleme. La formulation générale suivante essaie de condenser les exemples précédents = I Bees Flay Gat +Pouty xen to Bac) = ge aed bro i ACL,O) = Mole) xeTu . Rest un domaine borné del" de frontiére a9 «On cherche u(x,t) fonction du temps & valeur dans un espace de uitbert'#l muni de sa normell If . fest un élément de FL . F est une fonction de Qf dans YF | Best un opérateur de trace, éterminant les conditions aux limites; on l’omettra si le domaine est périodique. su (x) est 1a condition initiale. Exemples a R= VO,w ; Yl = (yd dyvEa ) sonctions ae carré sonmable pour la mesure dx/Vig® 5 YP= (FCT) dans le cas de conditions aux limites périodiques. " >) Flay -apee ty équation d'advection-diffusion ; Flay = -u Me a Re Squation de Burgers ; ete.... Que c) Bas iaeaiileany (qa ed, avec SU=E-4,1) ; Bara EA avecdL ouvert de RR Rnormale 2 OL a 4. Principe des méthodes spectrales. Les néthodes spectrales consistent 4 traiter 1a dépendance spatiale en décomposant les Elénents de’ our une base de fonctions (\fy)n= 400 On cherche : ty (4,6) = z Onl Pld SLément de L'espace By engendré par les N premi@res fonctions de base, de telle sorte que cette fonction approxine 1a vraie solution du probléne. On définit le résidu associé a L' approximation uy par t Ry = Yaw -Flan\ ~£ ce résidu serait nul si uy était 1a vraie solution. On cherche done 4 la rendre "petit". Pour cela on impose que Ry soit nul en projection § y ; sur un sous-eapace de de dimension N. Cette projection %, dépend de la méthode spectrale enployée. On a done remplacé le probléme initial par le problime approché : Trouver uy € By tel que Py Ry = 0 On est alors ramené 4 la résolution de N équations différentielles en temps dont les inconnues sont les a, (t). Exemples de fonctions de base utilisées : iRx =U0P,C} (OO) REZ a) dans v) dans Gf = L*(9,11) (oimmn) m24c0 ou (eo ne) mst, 00 ©) dans JL 1* (L414 ,dalteat | Chal me N — polyndnes de Tehebyshey définis par ay. cosh m Arecorcrr ] Les principales méthodes spectrales sont les suivantes : Méthode spectrales 1 = Galerkin Méthode Tau Méthodes pseudo-spectrales : ~ Collocation Tau-collocation 5. Méthode de Galerkin. Conditions d'applications : conditions aux limites périodiques ou ‘homogénes. sit B-zf{veH , Beso} le sous-espace des fonctions de dd. vérifient les conditions aux limites. Dans cette méthode les (f,)n = 1, forment une base ae QB . un recherchant y= On, dans By engendré par les (f,)n = 1,N on est sfir de trouver une fonction vérifiant les conditions aux limites. Remarque : pour des conditions aux limites non homogines @ n'est plus un espace vectoriel mais un espace affine. Dans le cas.ot F est Linfaire on peut se ramener au cas homogine en retranchant une solution particuliére. AQ Soit P+ 1a projection orthogonale de // sur By. La méthode de Galerkin consiste @ résoudre 1e probléme approché suivant Exemple 1: Equation de 1a chaleur ae = yYu B= vRe +f aelo,T] Alt) = ultb=0 Y4>o0 462,09) = Aro Bye rt) sd eto sta iene}. ure |e qui vérifient les conditions aux limites. 2 soma P= 2 P(e) sinmse ct N set oncherche — uytx,b)= 2. Onl) Ammo aa + Caleulons le résidu 7 _ : ; ee Ry = dw — 9 Van PLZ Coramton) binna -Z te Te Sade 1 + Dire que Ry est orthogonal & By revient 4 poser les N équations : ffm dan - Lavan +P, SAN de = a. . On décompose g(a) = 3 a, donne ce qui donne N conditions initiales a, (0) = a pour n= 1, N. On résoud alors ces N équations différentielles, soit par un schéma aux différences finies en temps soit analytiquement lorsque cela est simple comme ici : nate aot On, Pe (4.€ "dea, e a 2 Renarquons que 1a vraie solution u(x) = 2 Am Amine se décompose avec les ménes coefficients (modulo la troncature) que ceux de la solution approchée uy, qui se trouve @tre par conséquent la projection orthogonale de u sur By. Ce n'est pas le cas lorsque F est non linéaire comme dans 1'exemple suivant. a 5 & b et droite DE | | | fe Segment da ceoite Dy dans le corre | Fig 2 ‘ AL Exemple 2 : Equation de Burgers périodique Mwy~um = yYu AP eM cute C020] DE a Bae SOKO) = Melt) E2= UTC) avec tes fonctions de base fy ike + On pose N= 2K +1, Soit By engendré par (el) - Ke k 2 Qn fh dans By tel que: | a N-k équations k équations | 2 7 ae PR, désigne 1a projection orthogonale deY sur By ys ug est alors déterminé par N Equations différentielles. Exemple : Equation de la chaleur 2 de 7 vee +? we tt,A) tzo xe AME EG, 5 AUEDE Ja 4.0 AAC, 0) =e Ae l*) 2, 0. EUL4,4] ,duiVi-a® ) avec comme fonctions de base les polynémes de Tchebyshev (Ty, ) met uv on cherche ty t 2-Onlt)Tn (x) dane By de dimension N + 1 neo (notations spéciales 4 cet exemple) Hee (2) on pose We = Z ante) Tate) ae wed [sc@,)] aient un x Tl faut de plus que toutes les matrices k x N rang égal a ky les coefficients a sont donnés par 1a formule (voir chapitre IIL) : a # on = 2 ZL pop avec Coz ek cy dt Sino ao pseee Below a Done Rue 2 (dae van) Ta +2 fe Tr eo ok hee Comme k = 2 on pose nulle 1a projection de ce résidu sur BL» + dan gan 5 Yan? + 2, m=O, N=2 Les conditions aux limites s'écrivent NX N n 2. an Tn (-2) = 2 (4) on te3 aa y w ZanTa( ty) = Z ay tre nO = 242 :N~ 1 équation: 2 équations cos N+ 1 équations permettent de trouver les N+ 1 a(t), en utilisant 2 les conditions initiales 4, (x) 2 2 a, Tntw) Projecteur de 1a méthode Tau. om peut donner une interprétation plus intrinséque de la méthode Tau. En fait on cherche uy dans 1'espace affine de dimension N ~ k des éléments By vérifiant les k conditions aux limites. Pour déterminer dans cet ensemble on demande que son résidu soit orthogonal au sous— Ny espace By, de dimension N - k lui aussi. 7, Méthode de collocation, Conditions d'applications conditions aux limites périodiques ou homogénes. Comme pour la méthode de Galerkin les (¢,)n = 1 ce sont les mémes que pour Galerkin, forment une base complate deg , et vérifient donc les conditions aux limites. On se donne de plus (x;)i = 1, NzN points dits de collocation dans JLtels que la matrice Nx Nt ME = (9,644) ) soit inversible. th 0 Trojaction de collocation d'une Ponchion we Fig 3 20 wo Ab N la méthode consiste a chercher y= 2 dmYq, dans By tel que son résidu Ry = Yn + Flan) -? vérifie les N conditions: v © Ruts 0 adnan er Pace Fy eo F abst 4 Ces N conditions s'écrivent encore Py Ry = 0 ot Py désigne 1 projection de collocation définit comme suit + soit el ek ae sarai) t24N les valeurs de e cette fonction aux points de collocation (en réalité le domaine de Py est plus petit que @(SLY et par extension L*(y )- 11 existe une seule fonction Piwde By prenant les némes valeurs aux mnes points de collocation. En pratique cette projection s'effectue simplement a condition de savoir inverser 1a matrice Tl =( (a) ) «Pour en bien comprendre le mécanisme introduisons deux isomorphismes 4, Bs » Spe c® wok bof > C bay bay ery bw) by: Be ———» S.€” baal pn Cra Wace, Wes) ante Wes WCE) On appelle $3, "i"espace spectral" etG, "1'espace physique". De ces deux isomorphismes on en déduit un troisiéme de Spans a définit par bn Py ORL) = care, 4,N ES . Sa matrice pour les bases canoniques est donc WL= (P(e) ) . On aura donc intér@t & disposer d'algorithmes rapides permettant a'appliquer 1a matriceTU et son inverse A un vecteur. (Par exemple Lalgorithme de Transfornée de Fourier Rapide = Fast Fourier Transform = FFT). Ces isonorphisnes Spa Byvg permettent de décomposer 1a projection de collocation. Etant donnée une fonction are, les N valeurs y=), déterminent 1a projection P“(v) dans l'espace physique et en appliquant ‘i! on obtient ses coefficients dans 1'espace spectral (Fig. 3). 4p G dado @ A ora ColeaR dro by commomant fr bk RQ La puissance de la méthode de collocation réside dans la simplicité de 1a projection des termes non linéaires. Par exemple la projection de collocation de v" est donnée par (v;)* i= 1, W, celle de sin v par sin(v;) i 1, N ete... De plus toute fonction de By se projette en elle méme. On calcule donc facilement 1a projection de collocation du résidu Ry en effectuant des allers et retours entre lespace spectral oi sont calculées les dérivations et 1'espace physique od sont projetés les termes non linéaires, Exemple : Equation de a péricdique des a Be = ote 6 P xe Menke watétoanl ,tyo (4,0) = Me(4) HL 22(T,@) avec 1a pase ce) ReZ ay estengendré par tes Ce**) os RoR , Nadhed sur MT. (o,21T]ies points de collocation sont choisis a invepvaties réguliers! c= ame dE cs ona tls Ce ee) matrice N x N. L'inconnue est Aye 2 ape” teak Tl faut calculer 1a projection du résidu w Rus a ay - ~ ean f Pour projetter Ay Qe qui n'est pas un peteeebe de By on procéde conme suit : Des (aR)~Kcksk coefficients spectraux de uy on déduit txés simplenent (ikag)-Keks K coefficients de SR. En appliquant la matriceML, a ces deux vecteurs che déduit yaa ]ie4N et Cur (1a) Joep les cocfficients de uy et Dw dans L'espace physique. Les coefficients de Py (awd) dans I’ espace physique sont + Caycaiy Saw ai) o24,N + En y appliquant 1a natrice Mitton cavcule les (bRY-KS KKK coefficients spectraux de cette projection, ce qui a coité au total deux multiplications par frLet une per ML™* (Fig. 4). Le Probléme approché de 1a méthode de collocation s'écrit alors dans L'espace spectral : PR Rv=0 <7 Sek. + bes ~vRap + he fee KK c “4 Remarques. 1) On aurait pu écrire les N équations différentielles dans 1'espace physique en utilisant le néme nombre de multiplications par Mou MN Dans d'autres problémes il faut étudier quel espace nécessite le moins d'allers et retours.Par exemple les équations de Naviers Stokes doivent @tre écrites dans l'espace spectral. 2) TL y a un moyen d'économiser une miltiplication par MYU dans le traitement de L'équation de Burgers en traitant le terme non linéaire sous 1a forme 4 (u2) vais i1 ne s'agit alors plus de 1a collocation habituelle ( voir I. 11 p’%t: méthode sans nom). 8. Méthode Tau-collocation. Conditions d'application : ce sont les mémes que pour la méthode Tau. Conditions aux limites non périodiques. Comme pour la méthode Tau (f,)mz1,o2 est une base orthogonale ne vérifiant pas les k conditions aux limites. Comme pour la collocation (az) iz4,N — sont N points du domaine SL et l'on sait appliquer rapidement Me = (Py mid) et son inverse. On calcule 1a projection P,°Ry avec des allers et retours entre espace spectral et espace physique. 2 Soit Typ 1a projection orthogonale sur By, . Les N conditions déterminant Uye By par cette méthode sont <> Exemple : Equation de Burgers non périodique 2 ew = vy % a de + ode v Sah wel-t4] 470 Md EES MEDS I, Aro ARCH, 0) 2 Hole) R-E (os, ) 5 Tenet base aes polynnes de Tehebyshev. fre En choisissant comme points de collocations les %j = con (G ap aN et N pair on peut utiliser l'algorithme de Transformée de Fourier apide pour appliquer 1a matrice TL = (Ty (xj) = (cos nj SE ) Net Les N + 1 équations du probléme approché s'écrivent : nN Trowver My=Z QnTh dons By (de dimension N +1 ici), tel que nae dan + by = Yan ef azone2 2_4)"an = ga Me 2 3 " no de avec, a. fap et by coefficients spectraux eo, ae, Contes} Yo Tee Interpretation. intrinséque : ee ee er ESE qUE La méthode Tau-collocation consiste 4 chercher uy dans 1'espace affine de dimension N- k des uy € By vérifiant Bu,= g tel que le résidu Ry annule 1a projection Pe Py deff sur BR 4 Methedes Domames dl application ordations cum Limites pewodbig v Goorin et colocation fee SHE 7 os Romogencs Tam et Ton collocation Condihows aux tinatn hon fesadiaues Tableand — Domasmes dlapptication dip welnocles rpecholen F Giniane 6 conbant GALERKIN ex: RaRun, pvodigne COLLOCATION ex: Bunge, pert odique cL. feriodiques TAU ~QoLLocaTion. ex; Buagens, ron feriodique CL kon fiveddiquea | TAU ou GALERKIN homogtoas et wan Romogdiue en: CRaPun j non jricdiges “Tableau 2: Eisai ale cfomification du choix de & mehode four ate afpications Patiqus Cordition aor teitiy | Methodes Domaine & foreiow ole Goat 7 Godnhin & xe Monch unite Co27] Cc. sod ri b fowediquee 1, heohion, (ep eon MeN on (anne) me Taw ef xe Ct A) 7 a Predque Tow + tdlecahon Giblaw 3. Fonchows dle lowe usuel les Ruvome deeb lepdee ou lagu, 9. Quelle méthode utiliser ? Le tableau | résume les conditions d'application des quatres méthodes spectrales précédentes. Le tableau 2 donne une indication sur le choix d'une méthode @tant donné un probléme. Mais ce tableau n'a rien de catégorique et il sert juste 8 fixer les idées. Lorsque F est linéaire 1a méthode de Galerkin (resp Tau) est identique A 1a méthode de collocation (resp Tau -collocation). Lorsque F est non linéaire* ces derniéres sont plus rapides en temps de calcul, & condition de posséder un algorithme de transformation rapide entre 1'espace spectral et 1'espace physique . Le tableau 3 indique les principales fonctions de bases pour lesquelles il existe de tels algorithmes de transformation : Orszag a mis au point des algorithmes rapides pour les polyndmes de Legendre ou de Laguerre, mais leur utilisation n'est pas encore trés répandue. Remarque : Pourquoi "la méthode Tau" ? Dans le cas des méthodes de Galerkin ou de collocation le résidu de la solution approchée peut s"écrire = % et proche Ray = Sana plus les T, sont petits, meilleure est L' approximation. Dangle cas des méthodes Tau ou Tau-collocation Gas BT fuchupt + 2. .tte fy ta solution approchée obtenve par ces méthedes est en réalité celle que 1’on aurait obtenue en résolvant par 1a méthode de Galerkin ou de collocation le probléme modifié suivant : ge = Flay + «2 Tp uke p sans conditions aux limites avec les Up ajustés de telle sorte que 1a solution approchée de ce probléme vérifie les conditions aux limites du premier probléme. La connaissance de ces coefficients "Yau" indice p permet une évaluation de L'erreur de 1'approximation. * ou linéaire avec des coefficients dépendant de x. ro Dg Preoheme enact GolerRin “kK Oe @Uscotion Fig. 10. Le probleme des erreurs de repliements ("Aliasing"), FE ee oS SE ee eS ee eee On a vu que lorsque F est non linéaire 1a méthode de Galerkin (resp Tau) ne donne pas la méme approximation que la méthode de collocation (resp Tau-collocation). En comparant avec le systéme vérifié par la solution exacte on peut penser que la collocation (resp Tau-collocation) est moins ’ ame car elle introduit des termes parasites ce que L'on traduit par le mot "aliasing". Etudions ceci sur l'exemple de 1’équation de Burgers périodique traitée par les méthodes de Galerkin et de collocation (N= 2K + 1) ‘Ra + la vraie solution 4 = 2. ap ef ket dok ‘ = wR aoa Fay try = -vRag th Re ae Lppez®, peg =K F vérifie le systéme avec droite de Z & & a « L'approximation de Galerkin af = & ape vérifie eK e & a + Llapproximation de collocation ay = 2 aR ike vérifie dk a ee a Seopa? Oy = vRog +P skew avec Dat de ={(paqre B+ peq=R module Nf Tes domaines),, D, et A, sont représentés sur 1a figure 5. On voit que la collocation fait intervenir les termes (p,q)€Q, qui ne figurent pas dans 1a sonmation (p,q)éd), du probléme exact. Ctest 1a projection de collocation qui introduit ces termes supplémen- taires. On peut. voip le phénmane d'alisaing de 1a fagon suivante : oe soit ye Bee une fonction quelconque. Sa projection de Re 25 | \ eateries collocation Ty w= 2 bRe stobtient en résolvant i ie le systdne + Pr (aj) = weap) gran $ Rat eR 2 @ 2 eit 12 9, thi teow ® hee $ ae = ele fran & ta matrice Me (e" i ) stant inversible on obtient + Bae & Can On voit donc que la projection de collocation a pour effet d'additionner toutes les harmoniques d'un méme nombre d'onde k contenu dans la troncature. On peut comparer cet effet 4 celui d'un stroboscope. C'est ce qui s'est passé lorsqu’on a projetté la fonction Uy 04M qui contient des modes non nuts sur [-2K,2K]] . we | | | i 2k RODEO | clerakionin' =k ~2K RK) Desaliasing {1 existe un moyen de trouver 1" approximation de Galerkin qui ne contient pas d'erreur de repliement (aliasing), en profitant néanmoins des avantages nunériques (rapidité) de 1a collocation. Par abus de langage on dit que l'on utilise la méthode de collocation dans laquelle on supprime les termes de repliement grace au procédé exposé ci-dessous (desaliasing). a) Desaliasing arossier : projection de collocation Py 4 RNAS GR (Fig. 6) On remarque qui si u@B,y alors tw Se et done Ry appartiennent & Byy_y+ On a donc de fagon évidente Ty, ss R= Re La méthode de Galerkin peut done s'écrize [Py Ry = Ta Gusts O Numériquement on calcule By, Rw dans l'espace areal @ l'aide deo algorithmes de transformations rapides (calcul des termes non- linéaires dans l'espace physique) et on applique ensuite By de facon triviale. Ces algorithmes transforment des tableaux deux fois plus grands que pour la collocation normale, c'est le prix a payer pour le desaliasing. b) Desaliasing fin : projection de collocation co (Fig. 7). on note ici 2N le nombre entier SR+4 = aut Ce desaliasing repose sur la forme particuliéve de ‘uy Que ae soit ays = Oe off fea <2 ig g x st AR nB 4h obw IRI>K @at-k,k1® -— ~ oR, dK/Z. tot if Montrons que Py Pgnt day Duy = Py tn Jus ra : ih he By wade = ZZ yates i Bur ea ~ Za paray) © Aé aire)? | | | | | | \ | | bw avec At 2 Lepqyelansk]® / pega models area (281) J Par un argument géométrique tres simple (Fig. 8) on ene que pour | Pel-K ik] le segment Moe te carré ef" KR]? sont Gisjoines, si bien que WReL-K.8]: aut a ipapag =o crn kn projettant par Py les autres termes de coed (ike 8 disparaissent. La avehode de Galerkin peut donc stécrirdhy & | i | ea Pay S20} Les calculs s'effectuent alors 4 l'aide de transformations Fapides sur | des tableaux de dimension une fois et demis plus grande que pour la collocation non "desaliasée". Renarque a mm, a Pa i pour Fla) § est compact dans L”(a,b). C'est pourquoi un grand nombre de bases compl&tes sont obtenues comme fonctions propres d'un probléme de Sturm-Liouville : Ad = An, me IN + 2 conditions aux limites La compacité entrafne Ay—y . On peut montrer que ),, croit come n” et nomaliser 1a base pout auell Qa || soit borné. 3h 7 o| Peg € Fass Ge b 1)! ag), =f P Og) # oe [2 808) = (pa DP ~ [0F'g de . [ply Fy) Lp PDg a relat Baila ati (Af qs 3 Trtdgration per parties Tig. 4 G CD 3. Décroissance des coefficients spectraux, | epee eeEr EEE EEE eee See See | on note (Pig) a = {f° Pind gen) woe dx te produit sealaire | de (Labi, werden ) - | Tout ce paragraphe repose sur L'incégration par parties suivante (Fig. D| VRetg e BF ta,b> {fe ye | \e qe | CE Ag) 2 = pl lfltar ger | ~ ple) Fo gor +(AF ae On notera le Wronskien de £ et g de la fagon suivante (te go | fo ye CR, = soit £6) = 2, anda) 1a decomposition de £ sur une base de fonctions | | | \ propres d'un problane de Sturm-Liouville. Pour étudier 1a décroissance de a, {1 faut distinguer deux cas + les problémes de Sturm-Liouville singuliers ou non-singuliers. a) Problémes de Sturm-Liouville non-singuliers. Ts sont tels que p(a) # 0 ou p(b) # 0. Calculons a, ane Gove =a CF Adny car &, fonction propre de 4 ek olf, apy CF dad, CAPRI f GD om voit donc que a, décroit seulement caret moins que soit verifies pied ie dala ~ PLL R Sle = cz) Dans ce cas on effectue une nouvelle intégration par partie = an sty { per bf Pada - parce, dl, +t, dade f et ainsi = suite. Si bien qu'une fonction Pee “La.b] doit vérifier une infinité de conditions aux limites pour que ses coefficients a, décroissent plus vite que toute puissance de et done de 7 : 36 b) Problémes de Sturm-Liouville singuliers, Us vérifient p(a) = p(b) = 0, Dans ce cas an =F, Ow) ys Ee Able z CAP, On dye On peut continuer ces intégrations par parties tant que f est assez régulidre. Si £ est de classe 6 CATE, On Die On voit done que 1a décroissance des a, ne dépend que de la régularité de 1a fonction £ sur [a,b]. Si £ est de classe 8", a, décroit alors | plus vite que toute puissance de —L- donc de Ma | c) Conclusion. } Bln A moins d'étudier des fonctions vérifiant une infinité de conditions aux limites (par exemple périodiques) il faut utiliser une base de fonctions obtenues 4 partir d'un probléme de Sturm-Liouville singulier. 4. Exemples de bases. a) Problémes de Sturm-Liouville non singuliers. «(Sin-wk)n™=I,e0 est une base orthogonale compléte de solution de : Lb) sot Row cele] $00) = Pw) 20 + (cos n x)n = 0,60 est une base orthogoriale de solution de + HF dr sat Oly xe Low] dx O) (0) = Py, (=O : Pour reroudre Bane de oe decomfoirion afechole, Provenant Mun problme ole Stu — Leowri Me mon bt egubior Felel a Ciao) ne (IN Sivgullon cheix de & decomposition spectrale. Fig -2 © w G CD Be i 2 + (eM), g est une base orthogonale compléte de U(T,€) solution de : BS bite = my eel coke unt’ ee b) Problémes de Sturm-Liouvitle singuliers. + Les polyndmes de Chebyshev (T,(x)) n = 0,99 forment une base orthogo- nale compléte de (*({-t,1], da/Yaas) solution de s_dtoad 2 Tt) <0 eee Ao) + nt Ta) Trade n® , Tears Gn tn® « Les polynémes de Legendre (,@)n = 0, forment une base orthogo~ nale compléte de |2(_4,4)) solution de 4 Gent) ARO) + ninety Rea) 20 ou de Raret > BAe Pour fixer les idées on peut dire que pour résoudre par méthodes spectrales des équations aux dérivées partielles on utilise en pratique la base (e™™)neg. pour les conditions aux limites périodiques et 1a base (T,(x))neM pour les conditions aux limites non périodiques (ig. 2). §, Phénoménes de Gibbs. Montrons sur un exemple l'effet de 1a décroigsance des coefficients Rn Pe? vers spectrauxsur La convergence de fy (0) Flor = z Fn Pre) nee sur [-1, 1] on peut développer 1a fonction x : Zz + mee 2 pin (ned eee 28 La base (sin(n-x))provient d'un probléme de Sturm-Liouville non singulier et "x" ne vérifie pas 1'infinité de conditions aux limites Fie 1 2 a lei PHENOMENE DE GidBS Af prosci mation de fol ax dur £0,7] four N=40 ,N=29, Ne 50 oe convenpeuce an aot po Ainifrine rig 3 nh op quil faudrait (c'est a dire ery: Po (wm) =o) C'est pourquoi ses coefficients spectraux décroissent seulenent come | malgré oa régulerité S%o,10}. U1 se produit alors 1e phénomine de Gibbs + fuer == aw CA nen (re) ne converge pas uniformément vers f(x) = x (voir figure 3). 6. Consistance des méthodes spectrales. Il se produit parfois un phénoméne plus grave que le phénouéne de Gibbs Lorsqu’on applique une méthode spectrale avec des fonctions de bases provenant d'un probléme de Sturm-Liouville non singuliers, et non adaptées aux conditions aux limites de 1'équation aux dérivées partielles 4 résoudre, Par exemple = Mine + De (ae) = aee vee] t70 Be De A(t) =O 4790 AMO =O vu avec 1"approximation de Galerkin any (4,t) = = anlE) din(nn) wart Dans ce cas uy(x,t) ne converge en aucun point de Co,1] vers 1a solution exacte u = xt. Ceci est di a 1'inconsistance de 1'approximation W2-Waw ll, yceN (Gottlieb-orszag /7_7 section 6 p. 69). ATOHD 2 4 oe —-t 2 at nomes cle Teheby.shev Ae as eee a4 Trot) u t i he i -+ | a Poly nomes de Téhebyshey To Fig-4 42. CHAPITRE III : POLYNOMES DE TCHEBYSHEV 1, > Definition. Les polynémes de Tchebyshev sont définis sur 1,17 par : Tm (A) = cod Cm. Ancess * ) me iN ou encore par (ee = cor mG meiN we = or 6 | (Fig. 1) | | a) Relation de recurrence + T txy+T, (n) = 2a Tony ny mn effet cos[(meay9] eros Lima) ) = 2c098 cor nO ceci permet de calculer explicitement les premier polynéies : Tocd p Tee jp Rakwtid | ede d peters ‘b) Propriétés simples eTaavet 5) Talat) = (-4)™ . Tt, est une fonction paire si n est pair, impaire si n est impair. Teme jp Ti Gays (a0? En effet tla. a8 od yng = m Sinne | a z 2 ol t ° ooo°0 Ss o—o ~| > 2 A 0 4 4 Sulle Cn 4 4 ° ° fF 2. Relations de récurrence entre polyndmes. Définissons quelques suites qui permettront de condenser les relations de récurrence en des formulations valables pour me fN (Fig. 2). (QneZ + C=O sin 2 Ther) — Thala) _ bin Onn] ~ sin [moan] Leornd: Zine) med nA im O A . Calcul des coefficients de Tchebyshev de F(u). Les deux relations de récurrence précédentes vont permettre de calculer . les coefficients du développement F(a) = 2, bn w(x) & partir des nein coefficients de #= z An TAO) , pore de nombreuses fonctions F me standards, Voici quelques exemples fondamentaux. a) F(u) = x u(x) e cl ait = Sam Tated zum. 2 by Th me ee On se sert de la relation CaTnee Gd + dma Treat) = 22TH) mei dont 1a combinaison linéaire avec les a, donne : z é z CnOn Trea) +% Ana Om Tran (t= Se 2 OW Tr Cod wee v2 we On en déduit oe © Qua) = 4 Coin Once Ene) Zz, dn Anas THe) = & Cong Omg + myn ) Tred Pour le°premier terme, C,_, a permis 1a sommation n = 0,00 Pour le second d, a été remplacé par la somation n = 0,00 Done @) ») F(a) = x? ua 2 Soc ad = Zo ont OO xan) ~ 2b, Ted =e fee On se sert de 1a relation précédente appliquée aux deux fonctions mated eb xt um ¢ tay ct ca Bb = cy by + bay mein 22 => 4 bn” 2 tn Lenz nen + On] + Loon tance] En remarquant que ¢,,,.¢ = 4, 9 obtient (4) wa Abn = Cron Omen + Con tena dOn + Onez, c) F(u) = ut(x) : expressions implicites et explicites. Tee eee 2 a Atay = 20m Tale) weds 2 ay mae mao Tae) On se sert de la relation Cm, Tat OD — ding Te? 2 2TOr mein met at a) dont 1a combinaison linéaire avec les a,°!? donne : 2 Zcaa Tress) — z daa O ” Ta) = 22 anon teed mH TES. ry | | | | | | | | | | On en déduit 3 w z “ Zul 22 Cg Omg ERD -£ ey Onan Tae) Z w pe = Z Lena thie - One] TP nea a Pour le second terme, d,_, a 6té remplacé par la sommation n = 1,00 ' En identifiant avec M’te) = 2 OmTy (x) on obtient 1" expression a) maa implicite des a, wy ww Zan = Cya Ong — Anes me 6) Geci permet de calculer explicitement les a,‘'” par récurrence w a Ln Om = Blmst) meg fF Onnee = LCMED comes +LCn43) Ones + avs O& 1a notation "step 2" signifie que L'incrément de 1a sommation est 2. fg Pemet p— med “oe oo i {— o4 on foe. m= Pod. oy oo eee a2 = - 2 ZY +4 peamed pent? oomzae ep 2 Shop 2 Shep Step 2 Lnverron de Sordre des Qowmations Fig 3 ‘9 Done (3) d) F(u) = u"(x) : expression explicite © 2 2 == ata alin = 2 ae Tye nee m=o Le plus simple est d'utiliser 1a relation précédente (6) appliquée aux fonctions u" et ut: a 22 2 man mein puis avec u' et u : < ™ a Zz Fan Pop med ‘an On a donc en regroupant @es égalités : 2 2 oO 2 =2 2 ZF maa, Gm = Te met fame PO step2 ‘step 2 Le domaine de soumation of) représenté sur 1a figure 3 peut @tre balayé d'une fagon différente + t) 2 i 2 On 24 2. ba, om ee PES PP wees Step 2 step 2 Un calcul détaillé dans 1'appendice (II1.6 p.465) montre que ° tn? BF ims Pee mama + Done “Hepa a” expression implicite. Dans certains problémes comme la résolution de 1'équation de Poisson il bere inte ‘ peut @tre intéressant de connaftre non pas a,” @ come expression expli= cite des a. mais a en fonction des a a in 2 | | | n utilise la relation (5) avec les fonctions u' et u g ™ w Dram = Sig ey — Fay, foe mee Puis avec les fonctions u" et u! ow @ es) : - oun =m ome Sho = Cpe Spe Spee pom pemed ot poms bn eemplagane a") ot a) par tour expression 2 26, (et area on) - [en a a oe ZOE BO tea Zina ™Y ens Col? 4(4 Sn Joy a a Za BAA aa Sony® Wn we BEAD Gente) «@) 4, Expression des conditions aux limites. Rappelons que nm TAY = 4 et T,¢-4) = 0-4) ne | i 7 TH meek Te = CA a” sete sen) = 2 Oy Tate mee Il stagit d'exprimer les conditions aux limites & L'aide des a. Par exemple : 2 wads Zoom 5 meds Zc. 1 Om we s ' 2 WA s Zag THO 7 allay es F Oy Ty) mre nee 2 A : =Z wow = A ay ne wee Rink de cAoakon am C- 4,4] Aj = Coe 9, Dj nequf enna depen tion Lom J Fig. % Sse 5, Collocation. Pour appliquer la méthode de collocation (ou Tau-collocation) on pourrait & priori choisir n'importe quelle distribution de points de collocation pourvy que det ( Twlaj) ) #0 Cron; fron] Mais on verra au chapitre V que pour pouvoir utiliser un algorithme de transformation rapide espace spectral-espéce physique il faut choisir Jes points suivante : aj = conde Geoun : Ces points sont plus ressérés aux bords de l'intervalle (Fig. 4) ce qui permet de traiter avec plus de précision les conditions aux limites, ou encore les problames de couche limite, Il se trouve que les extréma du polyndne Ty(x) sont atteints en ces points. 6. Appendice, E€fectuons le calcul suivant avec a 4 Sm One Vns2,N/ | ae ta) anit) Avec les notations ~ ae Bx Smee | Hy = Sut me Zn 1 Gminea> ! EnGray Ani) @ a) | cette relation s'éorit 2): @,= Fay —4.an ttn nee me2 AN) w Revenons aux N - 1 équations (E,)%@, ~da, =f, n= 0,n-2 On peut effectuer des combinaisons linéaires pour obtenir un syst®me équivalent | i oe eee HCE ne) ~ Gu (Em) +h (Enz) m= 2,N Le systéme global s'écrit alors AB Onae HAG Ian HAR, One = 4 Free Fubn dre meal Z am = Gy pat Z wrGe on impaie (4) Cpteme tereaite a ‘ sony ae as ay Giae Ben Be Ane Gq OMe, RRR OR Fix lpegecte fa? te ee ts Fv Crates fo) (2) Reeunnemen box ten (i) és 1 Med (fietie OF oa, ay a OL ay Bee On Ay Ie OTT ET & & bs Fes (KM) Ene Ens Em (By Recurrence. ton %o Chi, eae 4M Fo an OD aes —= CO Xu, Yu) En fee ee) ; oY THT —~7 Vv Ee 4a4,Mi4 Gr) Ge) Mil (fea) (ys) se Se Ce systéme est couplé lui aussi en deux systémes indices n pairs et impaires avec une structure semblable. Chaque syst@me est résolu par un algorithme de double balayage qui a l'avantage d'@tre numériquement stable par dominance diagonale. 3, Lo double balayage avec une “ligne pleine". Fig. 6(1) : cet algorithme résoud le systéme A= F avec | Po a fi Tres Yuet as As Pu In Oy fu Lag Pn baa aa fa Oo Q egg Fig. 6(2) : on construit les suites (xj)i = 1,Met (¥j)i = 1,M par CEA): a; hed = Xsoi + Ye 4aAM Fig. 6(3) : calcul de Xy et Yu Findon + 9m Omer = Fy { w> Xmen Pt | Yqs ft Oury = Kenda + You am Ju Fig.6(3) + récurrence sur les X, et Y, i a Be +45 Ginn tM eee = Pe Oiew = Xeey Mee + Yaay SP PAL EC King #95) Gis = 7 Yas +f, Fig & (suite) ion Expemcon den (On ime Shel en foncron de Oe OL, ae os “ aw E, me MeL (a, ve > On En fe Cae (8) Recunrence a fo (un Vn nea, Met Ngee en teri toe eee Ag oe te Ain aoe = tn tt Oates ard ad Ty Ky Xe Xn Kaw hea Me or By Un Va Ney APM «6.9 CW SY 3 hy, phy (wy eee [ke al Gal Aya! Gy Ga) (6) Cole? dear (Cte 5) 9 2 5 (Al Re aneidae aun ter (Aili amet (effective) Oo, o8 O, ain Oy deter = — sr See x Ki Xm Ay En identifiant cette égalité avec (E,) on obtient : Meee Aa Kia 1A . ae M44 yew eM me Keen + Ud Ces relations permettent de calculer par récurrence &) et a) i i,M | | | | | | | | Détermination de a, Pour initialiser la récurrence (B,)i = 1,M il faut calculer a, en @liminant tous les autres aj du systéme suivant Rays Pyage vee t Cuy Sigs = & | CEA) Oiyy = Koos te | Fig. 6(4) -(] brinons a, en fonction de a, pour les n= 2,M+ 1. Ceci s'effectue A partir des n-1 Equations (E,)i = I,n-l sous la forme : Qm = nd4 + Uy mer, Med Figs 6(5) u, et v, ne dépendent que des (X;) et (¥;) et sont définis par la relation de récurrence suivante : {eer eb mm 2 0 Aamir = Kin Ab et Tret = Xy wt Yon m4, Mad En effet + Siege Kran tty = Ke (unaa eva) # Yn = (Xn atnlas + Kata HYn ) Fig. 6(6) -[ii)]calcutons a, : Ge 3B Ron = 2 lalanagivmn) = eye ¥ oe i avec met Me Us Z baw et Vee tu dtot laute Gav u Fig. 6(7) + 1a relation de récurrence (E,)i = 1,M permet alors de calculer tous les a; i= 1, M+l. 4, conditions aux limites plus générales. : Lalgorithme précédent permet de résoudre les syst&mes d'indices : pairs et impaires du probléme de Dirichlet pour 1'équation de 1M. Poisson en posant €. <1 i Pour des conditions aux limites de Neumann : a'(-4)=9, wD de les deux derniéres Equations de 1a méthode Tau s"écrivent : Yo ws Zt) " nee meaneg, | Zone ge Elles se découplent en indices pairs et impairs par somme et différence : 4 2 man = 4 (qetge) pre Za omon = Synge) I1_suffit alors d'utiliser 1"algorithme de double balayage en posant (Li) i =1,M égal aux éléments d' indices pairs ou impairs du tableau 0, 2,98) cee 0, 5. Sous-programmes FORTRAN. i + serep(Q1)) suivant Le systéme que Ion résoud, | i | | + "PSPI" est un exemple de sous programme utilisant la méthode précédente pour résoudre 1'équation de Poisson. Avant de l'utiliser } i1 faut appeler trois sous-programmes préparatoires : a yn | ~ "PQR" + qui caleule les coefficients $y , "nm - “Ip + qui calcule les lignes ia pour Dirichlet ou Neumann ~ "cow" : gui eftectue BR ht HRP, + "PSVB 3" est un sous~programme qui résoud une Equation de Poisson vectorielle ww i 2 Ao) AC) -(8) | b" b ° A mat rice 2x2 a(t4)2 9 bras o Calgorithme de double balayage y est employe en remplagants les coefficients seolaires par dat matrice £42. 1 CHAPITRE V : — ALGORITHMES DE "TRANSFORMATION RAPIDE" 1, Introduction. L'intérét des méthodes de collocation (ou Tau collocation) réside dans l'utilisation d'algorithmes rapides permettant de multiplier une certaine matrice et un vecteur colonne quelconque. 11 s'agit du produit ae ML =( Pa (xj)) n= 1,N j= 1,N avec le vecteur colonne (a,),N= 1,8 ou bien deUT=ML-! avec 1e vecteur colonne (uj)j = 1,N. Ces miltiplica~ tions permettent d'expliciter 1"isomorphisme entre 1'espace spectral et L'espace physique. La Transformation de Fourier Rapide (FFT) est l'outil de base pour effectuer ces produits (paragraphe 5). Mais avant de L'utiliser il faut savoir exprimer analytiquement les matrices WLet leurs inverses (paragraphes 2, 3, 4). A partir de cette expression analytique on effectue quelques transformations pour pouvoir utiliser la FFT (paragraphes 5, 6, 7). 2. Collocation de Fourier impaire N= 2K +1 (Fig, 1). | | | 1 Bien qu'elle ait été mentionnées dans les exemples du chapitre I. p421 pow des raisons de conmodité de présentation (sommation sur des carrés fernés par exemple) la collocation suivante n'est pas utilisée en pratique. Le raison est que les FFT usuelles ne fonctionnent que pour des nombres de points N pairs. | Cette collocation utilise (e aRx JaneRek bon get GFP ovee Ne ZKH a) Passage espace spectral- espace physique & Ra 7 aj ot Zope ape Uw Rak aK 4) qe ONA ce que l'on exprine par u = ML aavec u vecteur colonne (4) = 0,81 FouRilR LMPAIRE NeZket = Ww an. (etites ) ata ay ale 455) qr ow-4 -Ksft{ek Fig 4 FouRic RR... PARE ; Am ~tett*4 ) f= oWa4 - akc kick aw fe a ) qeom-4 ~k< EK Fig 2 Collocation de Founioe 62 E> © et @ vecteur colonne (ag) ~ Kok €K. ah feck me i= © Ne bk o-K < Dot AML = eV jron-t el s b) Passage espace physique-espace spectra Il suffit d'inverser Ml. Pour cela on utilise la relation facile a verifier ~ ijk w ear Be eKIEN CU Ly Sze a (RECN ED & posers On a done yt ay cone WR est symétrique on en déauis MU = W Deol of Wu 2 age 3. Collocation de Fourier paire N = 2K (Fig. 2). Ctest cette collocation qui est utilisée dans les applications pratiques, Elle utilise EK : 7 (EE) Renmin ek aye GBT jso.net oven Ne2K Par rapport @ 1a collocation impaire on a suppriné 1a fonction ef, On obtient le méme type de formule pour appliquer let son inverse : hy et ape °N eke “Ny ae A= Moa o=-Wu an. Guo hs (2 “in ) m= OM =O,M ay = es bam b} joys i m= 9M 4 <4 oO AS. 2 Bad mi CortacATiON DE TrHEmYSHEV Fig. 4 oy 4. Collocation de Tchebyshev (Fig. 4). on utilise les fonctions de base (Ta(xr) 20M %el-44] et les points de collocation ~&j = os Ge 420M + On définit ‘ 7 q By = Ty si bien que ay =coa8) 354 vd a) Passage espace spectral-espace physique. a) Passage espace spectral-espace physique. M M Ay = 2 THO) = Zon cos nb) nee que l'on résume par u=Ma A= (On)mrom | KE (tm) nc OM etfin = cos(njL) j= 0M m= OM. N b) Passage espace physique-espace spectral. owe ae a= m* Pour trouver L'expression analytique de (Won utilise la relation démontrée dans 1'appendice (V.6.a p 483) | | | | | | | | | | | | “ | Z bj conmgh coo mi = Sam Vemnve Lom)” | Fe nt La suite (bn\a.oa4 étant définie par: bo § yby=4 , by=4 sinon (Fig. 3) + soit alors (W) in = bn bj cos (mj H) from wsom La relation s' exprime Tas Wire = Sim et comme est symétrique on a donc y= an * Done 4 . Om = ba BY say cos qt on peut détinir @ = diag(d) 1a matrice diagonale formée avec les eréments (by)5 ong One 22 PMP FT Zane on! | inj \ f= ONt | F.(e ‘ eis | FFT Ge | hee A= Ma Ao On kee ike | j20N-4. (Ty (Pees Baa | Ox oe \ Nl a= Sy a! ry “aa! FFT ajfliqce & Fourier Pome Bile Fig 6 5. Transformation de Fourier Rapide complexe (FFT C-C) (Fig. 5). La FFT est un algorithme qui permet d'effectuer les N opérations suivantes ws Ene fen un nonbre d'opérations de Lordre de N.loy,(u)au Liew de we Soit z= (z,) Jn = 0, Nl et Z = (Z,)j = 0,Ne1 deux vecteurs colonne = ykNy complexes, soit F la matrice ev” Fi. e#MW . itatgorithme effectue ane Z= Fx 4 la FFT inverse est un algoritime qui effectue 3 = FZ tena clest adire Jy= 4 FZ, et om: o,N~4 avec le méme nombre Ticheracions N log,Ne | é 20 inj & qin fe ot 6. Utilisation de 1a FFT pour "Fourier paire" (Fig. 6). on veut catouter u=Mla avec u= {ays tyre oy f = {agg eeeetiyy age apres a iyker an fanart aor tier abe mie ae n rout at hehe Mais L'algorithme de FFT applique la matrice F = (Faj) avec les indices =0,N-4 eb HE O,N-4 I faut alors construire le vecteur a! ={a,5 Ayseees Ago Aygpdeerrdige® 5 et renacquer que tla = Fa!car pour tout j 1¢5 (¢4)™8 \mez. sont des suites cycliques de période N. Moyennant done ces réarrangements de tableaux on peut utiliser la FFT ou la FFT inverse pour effectuer ces allers et retours : ax Fo! zg" Fae Me (o»mjz) Ae ramenent 6 (rom m= 0,4 = (2.6, coo yt \ (2 0 apn N= My No Ao \ 7 (| . | | Au Ay TCHEBYSHEV rq? aH a Frafongement join ole A A ro re a \ t At ; A - | tw 5 | : | i Ane dea | Shee ae gdm | | py a | Sy C3 7. Utilisation de 1a FFT pour la collocation de "Tchebyshev". Ltapplication de 1a FFT aux multiplications par'flou est plus compliquée que précédemment, Cependant on utilise que la FFT directe. | Soient 2 = (a,)m = Met u- (uj)j = 0M des vecteurscolonnes complexes. mre | “ ; | gue ce soit pour effectuer u=Me : ujs Za, coomy (eam | yo ou bien pour effectuer a “Wu: Oy a Be ils On est toujours ramené 4 effectuer un produit de 1a forme : | " Azm™) : \ 2 2 iw cam Eh jrom oy a) Prolongement pair du vecteur A (Fig. 8 | A partir de A= (),)m = 0,M on définit le vecteur colonne z = (z,)n = 0,8 avec N= 2M, par le prolongement “pair’ Jor Xo geet Am meat Sum tam 3m Ama Done VimeONA Qaim > Jw in on note fy 1a matrice deta rr: ( & dv) on remarque alors qu'en effectuant z= Su.g les N premidres composantes de Z (qui est de longueur N) sont exactement les composantes du vecteur recherché (qui est de longueur M). Geci se voit par le calcul suivant Yys 0M yee! rae t z peats etee 4 4 us Boe 11 exidte un moyen d'utiliser 1a propriété de synétrie du vecteur 3 pour effectuer le produit Tyg. Ce procédé décrit ci-dessous permet de diminuer par deux la taille de cette transformation de Fourier. b) Transformation de Fourier optimale.d'un vecteur symétrique. Soit g = G)n = 0,%-1 un vecteur colonne complexe tel que ? Yn = 0,N-4 n= Oven on vout catcuter z= $3 ou Fi est 1a matrice wall de 1a FFT, On remarque que Z vérifie aussi Vj = 0,1 Z.. = Ze en effet Ned yj a yp viele Ltastuce utilisée consiste 4 définir le vecteur colonne complexe yo Gm = Otear Yq fom * 1 Gomer ~ Bam? BOM I en ayant post gy = J, et Fy = Fy-1* Soit Fy le matrice Mx M de la FFT a M points. On effectue alors le produit ¥ = Fy +, TL est démontré dans 1'appendice (V.8.b p. 494) que 1a relation qui permet d'exprimer les; 4 +4)M-Arecherchés en fonction de y=(%) j = 0,M-1 calculé par FFT est la suivante + —t— (4) - Ym-3) ma 2 $ye Yay) oe Sa IN g d= at gly ont) 7 Ad, Pour are et gett il Faut utiliser te vedeur (5), een cle we 5 a i 2n2 2-30 (2B dm) 5 Zaye Ztily, (Econ) mee 8. Appendice. a) Inversion de 1a matrice ML = Coos nj ) Vem) ¢ Com ]® soit © & cosnj tL 3 ix 44 Z byenten ja = "i yi )j nj i al Galw—n} - j CONT, omy gore ME ijn | ds (nD + (@) -sin=m=O0ousin=m=4 @=$ cap-3 ree + sin= mg fo, mt Meso an-¥:a-¥ .siném (@) = 0 aqp=+=0 :E=0 démonstration + lorsque p est pair et n'appartient pas a {o,2m}, 1a suite b; permet Atéerize : 4 MA HOPE = Z copy =0 Lorsque p est impair cette m@me somme est nulle car les termes j sont opposés aux termes N- jy Fe b)_FET pour un vecteur complexe symetrique, (N=2") a dj not Yjx 2, Cent? Game ena) 8 (Baa oie) ot me 2 CE ye RO) os ince Grace & la cyclisation g | = gy.) & Jy ~ Jo et a la périodicité des exponentielles les a entre parenthésea a ae Done e ih SF ic Ye E Yee = 2 dinQE) Z Re R pair pai N j i on Aln-pylM-j 21 Jw -pytet 2 ae _ SanliE]) 23 & 7 Yet fier BME) EBay p par mpeie wR wa eke ena Y =a Re N 4 Zain(h ay me” pee Winpsir De ces expressions on déduit le résultat recherché. Wj=4,M.4 Z SEG) i eae : Gin tea) aoa jee EZ EA Yas a jraet: 2, cul Fs EE)? (Y-Yagj) no ey $s A Dans 1a pratique on connait (Yj) = 0,41 et "on veut déduire (2;)5 = OM. Four je tmnt de EU) oe git Inj) Pour fro et jem ilnya ol dlev pression en fonction de Y wes ! Zee Z Ym 1 Eqs ONG. we we c) FFT Réelle-complexe symétrique, Dans beaucoup de problémes les tableaux & "transfourier" sont réels. On peut utiliser une FFT complexe-complexe en rajoutant des zéros mais il y @ un moyen d'économiser un facteur 2, La FFT RCS (Rée1~Complexe Symétrique) permet de calculer les transformations entre le vecteur colonne réel (u;)i = 0,N-1 et le vecteur colonne complexe (a,)k = 0,M avee N= 2M pour la relation Si Ion pose a” = (8, ajseees By ys dys Myreees ahs onaus J La FFT ROS exploite 1'hermiticité en ne calculant que les (a,)k = 0,M. 14 CHAPITRE VI: DISCRETISATION TEMPORELLE 1 Quelle que soit 1a méthode employée pour prendre en compte la dépendance spatiale d'un probléme d'évolution, on a le choix pour traiter la dépen- Introduction. | dance temporelle par une méthode spectrale ou aux différences finies. Mais les méthodes spectrales en temps sont vite limitées par 1'encombrenent des tableaux, c'est pourquoi on utilise le plus souvent un stféma aux différences finies en temps. Dans ce chapitre sont exposés briévement quelques schémas appliqués a des exemples d'équations aux dérivées partielles Propriétés des schémas. Un schéma discret en temps pour une équation aux dérivées partielles Qu 2 Fra) w Re | | | | | | | | | | | | stécrit : mea ~ ad we ye Ct ot) Qt est le pas de temps et t =n At. u(x,t) est une fonction du temps a valeurs dans un Hilbert muni de 1a nome {| | - Les trois définitions suivantes jouent un réle important + + Consistance + Stabilité + Convergence Un schéma est consistant si toute solution exacte u(x,t) du probléme (1) vérifie Line Et = 0 i At ro | avec ECV = ff a(t raed ~ Bay Cutty, alt-a6), «+ Il i 3c I est alors précis a ltordre p si c(t) = o(ae") Un schéma est stable si pour tout Til existe M tel que 4 (ey WM Vn dt veiFant ton.de. Si (1) implique (2) de fagon évidente 1a réciproque consiste & vérifier qu'une solution du probléme (2) est & divergence nulle. Pour cela il faut résoudre 1" équation : ou) = 9 Aldive) aa we 0 an OR Give) sz odiva, = 0 Mais ce probléme est mal posé et il faut rajouter @ (2) une condition aux limites pour qu'il soit soluble et équivalent a (1). On retrouve bien sur la nécessité d'introduire une condition aux limites supplémentaires lorsqu'on discrétise le temps; Donnons un exemple schéma tras souvent utilisé pour ce genre de probléme. Les termes non Linéaires sont traités avec un schéma explicite : Adams-Bashforth, et les termes lingaires de facon implicite : schéma Crank-Nicolson. Schéma Adams-Bashforth - Crank-Nicholson : uy ne ” . Yow ya Awe (oan) -4 (vA z te er cE ECA ) ory av ~ notations dew @) ALS od * b “fe Ss ned wes aww WL TL manque une condition eu limites qu'il faut choisir de fagon & approximer le mieux possible la solution du probléme (1). Méthode Orszag-Kells. si on calcule QE" (i étant 1a normale aux bord YN) pour le schéma re précédent on obtient + n 7 > ae. 2 Al gas") ow mM 2 Pour Y petit 1a méthode Orazag Kells consiste @ choisir comme condition aux limites supplémentaire Reso sur WL. L'avantage de ce choix réside alors dans la simplicité des calculs. La pression s'obtient en résolvant le probléme de Neumann : Ap = doivv™ sur St dt z0 sur We an on calcule ensuite v"*! (équation de Poisson, condition de Dirchlet). Pour que cette solution soit une approximation du probléme (1) il ey Pt ; ; faut s'assurer que div v""! reste petit. Cette quantité est donnée, en supposant que div v" = 0, pour 1'équation dare’ = YEE A(aivat) sur aw so sur OSL aiv v™! est alore de ordre dey. Ot En général on demande que div v = 0 soit vérifié exactement par le schéma temporel. Aussi préfére-t-on 1a méthode de Kleiser et Schumann. 4, Méthode Kleiser-Schumann, Fe La condition aux limites supplémentaires est div = 0 sur OWL - Le schéma est alors un syst@me couplé en p et v : * Ap =4 div v don SE Se Ae eo Vp = dot pun SL wie 5e tre net w™" Lo aun DL ar OPM2O nw We La divergence de 1'approximation est alors donnée par 1'équation + -2 Aldiva"™) < Rayleigh Raz ge (Ta-Tr od? (Age 10%) VK 242 Chandrasether Q = Bed Gusqu'a 400 en Laboratoire, 1000 Av numériquement) ?) - + On adimensionnalise les équations en choisissant comme unité : Cuqely]=Cyl=a ; Celsgj Cul=2 | hI: Pa Be Cay =% (%-h) | le syatme obtenu est alors x raravs ~Vpe Dor Ba, + Q (ab +? b.7b) civ a 2 0 J Pa (2b ew Vb ~bVw) he + Ab dy b = 0 mC VO) AO edus weO nun Cit) B20 aw CM bso, Ubu eo , Ube ro nw (I) oo wv 3. Développement asymptotique. Comme Le Prandtl magnétique Py est petit on effectue le développement asymptotique 2y—> 0 pour simplifier les équations. Le systéme asymptotisé est + Wwe auraw a ~ Tp + Av RPS + OR FE ave 90 Ab = -& *y Bros $e Ab rem) ae am(f) 5 Gey an(l) bz , Me 29 =, Sbe=g rn (P) Vy % On peut alors utiliser le schéma temporel d'Adams~Bashforth - Cranck- Nicholson, On a le choix pour traiter Le terae 2B de fagon explicite (Adams-Bashforth) ou implicite (Crank-Nic§olson) Dans le premier cas b est découplé de v et p, dans le deuxiéme les trois quantités sont couplées. Mais le traitement implicite permet de choisir des pas de temps pas trop petits. C'est l'option que C. et P.L. SULEM ont prise dans leur code. On peut considérer que seuls (p, v,, résolu, (v,, v2, bj, by) sten déduisent par une équation de Poisson. b,) sont couplés. Ce systéme La technique exposée au chapitre précédant permet de résoudre le systéme couplé en remplacant u par le vecteur (v3, b,). La dépendance en z est traitée avec les polyndmes de Tehebyshev ; on résoud les Equations de Poisson avec un algorithme de double balayage faisant intervenir des matrices 2 x 2 (voir chapitre IV), 4, Problames raides. Etudions le comportement de la température dans le probléme précédent. Elle est advectée par le fluide et elle diffuse avec une constante de diffusion grande & dans le systéme adimensionné). En écartant Les termes nor 'inéaires on peut représenter la diffusion thermique par L'équation + 28 =e AD +P avee xed oe Pr dont 1a transformée de Fourier est : Bao = a RB + Pat) le temps de diffusion associé au nombre d'onde k : vk cy (ent Bens $e), od 1tindice i ost onis 7 Cette équation se résoud~ s » . a Bier = 0 Bio) + sf ee Plarda a “ Supposons que le temps caractéristique de variation Tde P(t) est grand devant T). Sur 1"intervalle d’intégration [0,t7, ? peut @tre considéré comme constant si u< t

    Vous aimerez peut-être aussi