Vous êtes sur la page 1sur 20

Introduction a la simulation numerique

Edwige Godlewski et Alexandra Claisse


Laboratoire Jacques-Louis Lions
Universite Pierre et Marie Curie - Paris 6

ENS, 23 avril 2008


Les etapes

Modelisation (physique, chimie, biologie, medecine, ...)


systeme dequations aux derivees partielles
analyse theorique : existence, unicite, proprietes des solutions
approximation du probleme
analyse numerique des methodes
programmation des algorithmes
simulation numerique
validation de lapproche
Un exemple : Equations de la dynamique des gaz
Modelisation en mecanique des fluides de lecoulement dun fluide
compressible

%+ (%u) = 0
t x

(%u) + (%u 2 + p) = 0
t x

(%e) + ((%e) + p)u) = 0
t x
% densite, u vitesse, p pression, e energie.
Equations de conservation de la masse, de la quantite de
mouvement, de lenergie.

Systeme dequations aux derivees partielles : t , x , derivees de
fonctions qui dependent du temps t et de lespace x, ici
simplification on a seulement x, pas (x, y , z). On regarde
levolution au cours du temps connaissant la condition initiale
donnee a un temps t0 (exemple en meteo).
Demarche de lanalyse theorique

Formalisme le plus general possible

u
+ f(u) = 0
t x
ou u represente les 3 quantites (%, %u, %e) et f(u) represente
les 3 quantites (%u, %u 2 + p, (%e + p)u).
Etude des proprietes communes a ces systemes.
On regarde des cas simplifies, par exemple quand on na
quune seule equation.
Y a t-il une, des solutions ? sous quelles hypotheses ? peut-on
les caracteriser ?
Enonces de theoremes generaux dexistence, unicite,
continuite par rapport aux donnees
Application au cas particulier de depart
Generalites sur lapproximation

La solution exacte meme si elle existe est impossible a expliciter.


Pour des raisons concretes, on a besoin de connatre la solution.
Exemples : prediction du climat, de la temperature dune navette
spatiale, calcul du cx pour le design dun vehicule, amelioration de
la combustion des moteurs, du debit des conduites petrolieres, ...
On a developpe des methodes permettant
dapprocher la solution,
de faire le calcul effectif de cette solution approchee,
destimer lerreur dapproximation en fonction de parametres
connus, au moins sur des cas test.
Exemples dapproximation

A la base des methodes numeriques : on calcule les valeurs de la


solution seulement en un nombre fini (mais grand ! ) de points

dans tous les cas, on sait sous quelle condition la methode est
stable et estimer lerreur
Exemples dapproximation

A la base des methodes numeriques : on calcule les valeurs de la


solution seulement en un nombre fini (mais grand ! ) de points
linterpolation : si on connat des valeurs dune fonction en
quelques points (mesures, calcul), on sait reconstituer une
fonction usuelle qui lapproche
les differences finies : a partir des valeurs dune fonction en
quelques points, on sait approcher la derivee en ces points
integration numerique : on sait approcher lintegrale dune
fonction a partir de ses valeurs en quelques points

dans tous les cas, on sait sous quelle condition la methode est
stable et estimer lerreur
Exemples dapproximation

A la base des methodes numeriques : on calcule les valeurs de la


solution seulement en un nombre fini (mais grand ! ) de points
linterpolation : si on connat des valeurs dune fonction en
quelques points (mesures, calcul), on sait reconstituer une
fonction usuelle qui lapproche
les differences finies : a partir des valeurs dune fonction en
quelques points, on sait approcher la derivee en ces points
integration numerique : on sait approcher lintegrale dune
fonction a partir de ses valeurs en quelques points
les methodes pour resoudre une equation differentielle : on
sait approcher la solution dune equation differentielle
dans tous les cas, on sait sous quelle condition la methode est
stable et estimer lerreur
Differences finies
On connat des valeurs dune fonction f en des points dune grille
xi . Par exemple la grille est uniforme, de pas x : xi = ix.

x1 x2 x3 x4 x5

On peut approcher f 0 (xi ) et f 00 (xi ) par


f (xi+1 ) f (xi ) 00 f (xi+1 ) 2f (xi ) + f (xi1 )
f 0 (xi ) , f (xi )
x x 2
et on sait evaluer la difference en fonction de x
f (xi+1 ) f (xi )
f 0 (xi )
x
Si on ne connat pas encore f mais seulement des valeurs
approchees fi f (xi ), on peut quand meme calculer
fi+1 fi 0
x f (xi )
Interpolation
On connat des valeurs dune fonction f en des points dune grille
xi . On construit une fonction simple qui approche f , par exemple
lineaire par morceaux

x1 x2 x3 x4 x5

Calcul dautant plus precis que x est petit.


Differences finies
On connat f , on approche la derivee par differences finies aux
points xi

tangente
diff. finie

x1 x2 x3 x4 x5

f (x3 ) f (x2 )
f 0 (x2 )
x
Integration numerique
On connat f , on approche lintegrale par une methode des
rectangles aux points xi

rectangle gauche

x1 x2 x3 x4 x5

point milieu

x1 x2 x3 x4 x5
Equations differentielles
On cherche une fonction y (t) solution dune equation
y 0 (t) = f (t, y (t))
Exemple classique pour tout t on veut que la fonction soit propor-
tionnelle a sa derivee : y 0 (t) = ay (t), soit f (t, y ) = ay . On connat
la solution si on se donne la valeur au temps 0 (exponentielle)
y 0 (t) = y (0)e at
Exemple dapplication On note N(t) leffectif dune population a
linstant t. Le taux daccroissement de la population, cest-a-dire
la derivee de N(t) en fonction du temps, est egal a = naissances -
morts + migrations. On suppose quil ny a pas de migrations et
que les nombres de naissances Na et de morts Nm sont proportion-
nels a N(t) on obtient : Na = an N, Nm = am N on retrouve
lequation differentielle precedente
dN(t)
= (an am )N(t) N(t) = N(0)e (an am )t
dt
Methode numerique pour les equations differentielles
Dans le cas general, EDO : y 0 (t) = f (t, y (t)) sous certaines
hypotheses, il y a un beau theoreme qui permet de dire que la
solution existe et est unique quand on se donne la valeur de y (0)
(ou de y (t0 )). Ce nest pas possible dexpliciter la solution y (t) en
general avec des fonctions usuelles (x k , exp, log, sin...).
On calcule les valeurs approchees yi de la fonction y (ti ) en des
points ti dune grille. On approche y 0 (ti ) par
y (ti+1 ) y (ti )
y 0 (ti ) , et f (ti , y (ti ))f (ti , yi )
t
on peut calculer la suite de valeurs yi y (ti ) a partir de la valeur
initiale y0 = y (t0 ) par lalgorithme
yi+1 yi
=f (ti , yi )
t
yi+1 =yi + t f (ti , yi )
Cest la methode dEuler. Calcul dautant plus precis que t est
petit.
petit programme scilab

on programme facilement cette methode yi+1 = yi + t f (ti , yi )


exemple f (t, y ) = y (cos t 2t tan t 2 sur [0, /3]
function z=f(t,x)
z = x. (cos(t) 2 t. tan(t.2 ));
getf("exemple.sci")
t0=0;
n=50;
a=%pi /3;
h=a/n;
y0=1;
euler=ones(n+1,1);
for i=1:n
euler(i+1)=euler(i)+hf (t0 + (i 1)h,euler(i));
end
calcul en dimension superieure
Si on cherche une fonction u(x, y ) ou x, y varient dans une partie
du plan, u solution dune equation aux derivees partielles, exemple
classique
2u 2u
u(x, y ) + = f (x, y )
x 2 y 2
On a aussi des methodes adaptees.
On calcule la solution approchee sur un maillage du plan : on
recouvre le domaine de petites cellules, par exemple des triangles.
On peut aussi mailler une surface...
calcul et maillage
...un volume
Vrais problemes

Dans le cas general, on a des methodes adaptees a chaque type


dequations. Avoir un regard critique sur les resultats obtenus :
on fait lanalyse numerique de la methode utilisee, cest a
dire on demontre ses proprietes theoriques (stabilite,
convergence) sous des hypotheses generales
on valide sur des cas reels plus simples (cas test), par exemple
dont on connat la solution
on compare lapproche sur des cas reels avec des mesures
on applique la methode au cas reel plus complexe
si possible, on fait varier certains parametres et on compare
les resultats (exemple on raffine le maillage, on diminue le pas
de temps)
si possible, on compare plusieurs methodes
Domaines de recherche

nouveaux domaines dapplications : medecine, chimie


quantique, finance, ...
developper de nouveaux outils pour les etudier, de
nouvelles methodes pour les approcher
nouveaux outils informatiques, taille memoire...
nouveaux algorithmes, calcul parallele, methodes
adaptatives
couplage de modeles : exemple fluide-structure
decomposition de domaines, etude de linteraction
Interaction avec dautres domaines : par exemple les
probabilites
propagation des incertitudes (fiabilite des calculs)
FIN

et maintenant ?

vos questions
ou
.... a Alexandra !

Vous aimerez peut-être aussi