Vous êtes sur la page 1sur 68

A.

Taik Cours Formation Doctorale

Cours Formation Doctorale: Résolution numérique


des Equations aux Dérivées Partielles par
les Fonctions Radiales de Base (RBF)

Préface. Nous présentons la méthode sans maillage qui repose sur l’introduction des fonctions
radiales de base (RBF). Contrairement, aux mthodes les plus conventionnelles à savoir la méthode
des éléments finis (FEM), la méthode des volumes finis (FVM) et la méthode des différences finies
(FDM), cette méthode évite l’étape la plus sensible á mettre en uvre, la réalisation du maillage
du domaine d’ étude, en particulier quand la géométrie du domaine est complexe. Nous essayons
d’introduire le concept de cette méthode á travers plusieurs exemples. Les codes sont programmés
en Matlab.

Département de Mathématiques 1
FST-Mohammedia, (2009)
Contents

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1. Les Fonctions Radiales de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2. Les types des Fonctions Radiales de Base . . . . . . . . . . . . . . . . . . 9
1.3. La méthode des collocations RBFs . . . . . . . . . . . . . . . . . . . . . . 9
1.4. La méthode des Fonctions Radiales de Base à Supports Compacts . . . . . 14
2. Résolution de l’équation de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1. La méthode des différences finies . . . . . . . . . . . . . . . . . . . . . . 19
2.2. La méthode des collocations RBF . . . . . . . . . . . . . . . . . . . . . . 20
2.3. La méthode utilisant les CSRBFs . . . . . . . . . . . . . . . . . . . . . . 23
2.4. Constatations : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3. Résolution de l’équation de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1. Etude de la solution analytique . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2. Méthode des Différences finies . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3. Méthode des collocation des Fonctions Radiales de Base . . . . . . . . . . 32
3.4. Méthode utilisant les CSRBFs . . . . . . . . . . . . . . . . . . . . . . . . 34
3.5. Constatations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4. Résolution de l’équation de Burgers . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.1. La méthode des différences finies . . . . . . . . . . . . . . . . . . . . . . 39
4.2. La méthode des collocations RBFs . . . . . . . . . . . . . . . . . . . . . . 41
4.3. Méhodes des fonctions CSRBFs . . . . . . . . . . . . . . . . . . . . . . . 44
4.4. Constatations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Références . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

2
List of Figures

1 La fonction MQ pour h=1.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12


2 La fonction MQ pour h=0.3125 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 La fonction thin-Plat spline pour h=1.25 . . . . . . . . . . . . . . . . . . . . . . . 13
4 La fonction thin-plat spline pour h=0.3125 . . . . . . . . . . . . . . . . . . . . . . 13
5 La fonction spline cubique pour h=1.25 . . . . . . . . . . . . . . . . . . . . . . . 13
6 La fonction spline cubique pour h=0.3125 . . . . . . . . . . . . . . . . . . . . . . 13
7 La fonction spline puissance pour h=0.3125 et β = 0.25 . . . . . . . . . . . . . . 14
8 La fonction spline puissance pour h=0.3125 et β = 1.5 . . . . . . . . . . . . . . . 14
9 La fonction φ2,1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
10 La fonction φ3,1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
11 La fonction φ3,0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
12 La fonction φ3,1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
13 La fonction φl,0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
14 La fonction φl,1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
15 Laplace MDF pour h = 2.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
16 Laplace MDF pour h = 1.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
17 Laplace MDF pour h = 0.625 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
18 Lapalce MDF pour h = 0.3125 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
19 Laplace RBF pour h=2.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
20 Laplace RBF pour h=2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
21 Laplace RBF pour h=1.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
22 Laplace RBF pour h=0.625 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
23 Laplace CSRBF pour h=2.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
24 Laplace CSRBF pour h=1.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
25 Lapalce CSRBF pour h=1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
26 Laplace CSRBF pour h=0.625 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
27 Fourier exacte pour Tmax = 3.5062 . . . . . . . . . . . . . . . . . . . . . . . . . 27
28 Fourier exacte pour Tmax = 5.1563 . . . . . . . . . . . . . . . . . . . . . . . . . 27
29 Fourier exacte pour Tmax = 10.3125 . . . . . . . . . . . . . . . . . . . . . . . . . 28
30 Fourier exacte pour Tmax = 20.6250 . . . . . . . . . . . . . . . . . . . . . . . . . 28
31 Fourier MDF pour Tmax = 3.5062 . . . . . . . . . . . . . . . . . . . . . . . . . . 30
32 Fourier MDF pour Tmax = 5.1563 . . . . . . . . . . . . . . . . . . . . . . . . . . 30
33 Fourier MDF pour Tmax = 10.3125 . . . . . . . . . . . . . . . . . . . . . . . . . 30

3
A. Taik Cours Formation Doctorale

34 Fourier MDF Tmax = 20.6250 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30


35 Evolution de Fourier MDF pour Tmax = 5.1563 . . . . . . . . . . . . . . . . . . . 31
36 Evolution de Fourier MDF pour Tmax = 10.3125 . . . . . . . . . . . . . . . . . . 31
37 Erreur de Fourier MDF pour Tmax = 5.1563 . . . . . . . . . . . . . . . . . . . . . 32
38 Erreur de Fourier MDF pour Tmax = 20.625 . . . . . . . . . . . . . . . . . . . . . 32
39 Fourier RBF, Tmax = 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
40 Fourier RBF, Tmax = 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
41 Fourier RBF, Tmax = 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
42 Fourier RBF, Tmax = 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
43 Erreur de Fourier RBF à Tmax = 0.1 . . . . . . . . . . . . . . . . . . . . . . . . . 35
44 Erreur de Fourier RBF à Tmax = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 35
45 Fourier CSRBF à Tmax = 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
46 Fourier CSRBF à Tmax = 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
47 Fourier CSRBF à Tmax = 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
48 Fourier CSRBF à Tmax = 20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
49 Erreur de Fourier CSRBF à Tmax = 0.17 . . . . . . . . . . . . . . . . . . . . . . . 38
50 Erreur de Fourier CSRBF à Tmax = 2 . . . . . . . . . . . . . . . . . . . . . . . . 38
51 Evolution de Fourier CSRBF pour Tmax = 0.1 . . . . . . . . . . . . . . . . . . . . 38
52 Evolution de Fourier CSRBF pour Tmax = 20 . . . . . . . . . . . . . . . . . . . . 38
53 Burgers MDF pour Tmax = 0.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
54 Burgers MDF pour Tmax = 0.3125 . . . . . . . . . . . . . . . . . . . . . . . . . . 41
55 Burgers MDF pour Tmax = 0.625 . . . . . . . . . . . . . . . . . . . . . . . . . . 41
56 Burgers MDF pour Tmax = 1.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
57 Evolution de Burgers MDF pour Tmax = 0.5 . . . . . . . . . . . . . . . . . . . . 42
58 Evolution de Burgers MDF pour Tmax = 1 . . . . . . . . . . . . . . . . . . . . . 42
59 Burgers RBF pour Tmax = 0.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
60 Burgers RBF pour Tmax = 0.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
61 Burgers RBF pour Tmax = 0.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
62 Burgers RBF pour Tmax = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
63 Evolution de Burgers RBF avec Tmax = 0.2 . . . . . . . . . . . . . . . . . . . . . 45
64 Evolution de Burgers RBF avec Tmax = 0.5 . . . . . . . . . . . . . . . . . . . . . 45
65 Burgers CSRBFs pour Tmax = 0.1 . . . . . . . . . . . . . . . . . . . . . . . . . . 47
66 Burgers CSRBFs pour Tmax = 0.3 . . . . . . . . . . . . . . . . . . . . . . . . . . 47
67 Burgers CSRBF pour Tmax = 0.5 . . . . . . . . . . . . . . . . . . . . . . . . . . 47
68 Burgers CSRBF pour Tmax = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
69 Evolution de Burgers CSRBF pour T max = 0.3 . . . . . . . . . . . . . . . . . . 48
70 Evolution de Burgers CSRBF pour T max = 1 . . . . . . . . . . . . . . . . . . . 48

Département de Mathématiques 4
FST-Mohammedia, (2009)
List of Tables

1 Exemples des CSRBFs de Wu . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15


2 Exemples des fonctions CSRBs de Wendland . . . . . . . . . . . . . . . . . . . . 16
3 Les formules explicites des fonctions de Wendland . . . . . . . . . . . . . . . . . 16
4 Valeurs de Laplace MDF pour h = 2.5 . . . . . . . . . . . . . . . . . . . . . . . . 20
5 Valeurs de Laplace RBF pour h = 2.5 . . . . . . . . . . . . . . . . . . . . . . . . 23
6 Valeurs de Laplace CSRBF pour h=2.5 . . . . . . . . . . . . . . . . . . . . . . . 26
7 Valeurs de Fourier Exacte pour Tmax = 3.5062 . . . . . . . . . . . . . . . . . . . 28
8 Valeurs de Fourier MDF pour Tmax = 3.5062 . . . . . . . . . . . . . . . . . . . . 31
9 Valeurs Fourier RBF pour Tmax = 0.08 . . . . . . . . . . . . . . . . . . . . . . . 34
10 Valeurs de Fourier RBF pour Tmax = 0.17 . . . . . . . . . . . . . . . . . . . . . 37
11 Valeurs pour Burgers MDF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
12 Valeurs de Burgers RBF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
13 Valeurs de Burgers CSRBF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

5
A. Taik Cours Formation Doctorale

Introduction
Limitation des méthodes classiques
Les méthode classiques comme la Méthod des Eléments Finis (MEF), la Méthod des Différences
Finies (MDF) et la Méthod des Volumes Finis (MVF) sont restées encore à nos jours les méthodes
les plus utilisées pour résoudre des systèmes d’Equations aux Dérivées Partielles (EDP) que les
problèmes de modélisation physique, en particulier ceux de la mécanique des matériaux posent.
Ces méthodes bénéficient d’un fondement théorique très solide, et de nombreuses techniques sont
venues les améliorer au fil des ans. Cependant, leur mise en oeuvre reste difficile et coteuse dans
certains cas, notamment dans le domaine de la modélisation de grandes déformations en formula-
tion lagrangienne.
En effet, ces méthodes se basent sur un maillage du domaine dans lequel le problème doit être
discrétisé. Pourtant ce maillage sur lequel s’appuie le calcul doit obéir à certaines règles ; en parti-
culier, les éléments (triangles, pour la méthode des éléments finis et les noeuds des rectangles dans
le cas de la méthode des différences finies) ne doivent pas être écrasés, pour éviter que le Jacobien
associé ne dégénère. En grandes déformations, le maillage est nécessairement très déformé, avec
pour conséquence une perte de précision, des problèmes de convergence ou même un arrêt intem-
pestif de la simulation.
Des techniques de remaillage adaptatif automatique très performantes ont été développées, mais
elles sont gourmandes en temps de calcul et posent encore des problèmes pour les géométries
de dimension 3 (3D) complexes. Par ailleurs, après un remaillage, il implique obligatoirement
d’interpoler les champs comme la vitesses et les contraintes correspondant à la solution courante,
ce qui peut introduire des erreurs supplémentaires dans le calcul. Il s’agit là d’une diffusion
numérique. Enfin, en l’absence de raffinement adaptatif du maillage, les phénomènes de locali-
sation de la déformation ont tendance à suivre les bords des éléments du maillage. La solution
approchée est alors directement dépendante de celui-ci, et n’est donc plus fiable.
Par exemple, en utilisant des éléments finis pour simuler un problème de fissure, on constate
que le chemin de fissuration varie fortement lorsqu’on raffine le maillage, surtout si le maillage
est anisotrope (c’est-à-dire lorsqu’une direction privilégiée apparaı̂t dans le maillage, ce qui est
fréquent notamment avec des éléments structurés). Des éléments finis spéciaux ont été conus pour
remédier à cette dépendance vis-à-vis du maillage, mais ils sont difficiles à implémenter dans le
cas général, voire complètement liés à un problème particulier et impossibles à généraliser sans
raffinement adaptatif.

Motivation des méthodes sans maillage


Les méthodes sans maillage ont été développées à partir des années 1970 dans le but de se libérer
des problèmes dus au maillage. Ces méthodes, dont le succès est croissant depuis une dizaine
d’années, étaient pour les premières fondées sur des méthodes d’interpolation purement nodales.
L’idée est de reconstruire une fonction définie sur un espace continu à partir de l’ensemble des
valeurs discrètes prises par cette fonction sur un nuage de points du domaine. On parle alors de

Département de Mathématiques 6
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

méthode particulaire. D’un point de vue théorique idéalisé, les avantages de ces méthodes sont les
suivants :

• - L’absence de connectivités fixes entre les noeuds supprime les effets indésirables de la MEF
dus à la déformation du maillage;

• - Le raffinement de la discrétisation est facilité, puisqu’il est très simple de rajouter des
noeuds sans un traitement supplementaire ou particulier tel que l’adaptation du maillage;

• - Les frontières internes variables dans le temps telles que les fissures sont facilement ma-
nipulables pour la même raison, et leur orientation ne sera pas directement dépendante de la
discrétisation.

• - La plus grande particularité de ces méthodes est la possibilité d’enrichir les fonctions, c’est-
à-dire d’inclure à leur niveau des propriétés de la physique du problème à étudier. On peut
ainsi, avec un faible nombre de noeuds, approcher avec une grande précision la solution du
problème.

Ces avantages font des méthodes sans maillage les candidates idéales pour simuler des problèmes
à frontière libre et/ou en grande déformation. Dans le premier cas, par exemple pour simuler un
problème de localisation de contraintes suivi de rupture, le chemin de fissuration est nécessairement
influencé par la forme locale du maillage. Dans le second cas, les méthodes sans maillage perme-
ttent la réduction importante des phénomènes de verrouillage. Dans les deux cas, l’absence de
remaillage est encore un avantage important, en termes de gain de précision comme de temps de
calcul.

Il existe un nombre important des méthodes sans maillage. Nous donnons une liste non exhaustive
de ces méthodes:
1. Méthodes sans maillage utilisant le principe des noyaux régularisants:

(a) Méthode SPH (Smoothed Particle Hydrodynamics)


(b) Restauration de la consistance par correction du noyau

2. Méthodes sans maillage utilisant le principe des moindres carrés mobiles:

(a) Méthode EFGM (element-free Galerkin method)


(b) Méthode DEM (diffuse element method)

3. Méthodes utilisant les Fonctions Radiales de Base:

(a) Les méthodes utilisant les collocations RBFs


(b) Les méthodes de la quasi-interpolation

Département de Mathématiques 7
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

(c) Les méthodes utilisant les Focntions Radiales de Base à Support Compact (CSRBF)

L’étude a montré que ces méthodes sont très fiables et offrent des meilleures approximations
des problèmes physiques. Toutefois, dans notre travail, nous ne presenterons que les méthodes
utilisant les Fonctions radiales de base, plus précisement la méthode des collocations RBF et la
méthode des fonctions CSRBFs.
Pour cela, nous organiserons notre recherche selon le plan suivant:

1. Les Fonctions Radiales de Base (RBFs)

2. Résolution de l’Equation de Laplace en 2D(linéaire et stationnaire)

3. Résolution de l’Equation de Fourrier en 1D (Linéaire non stationnaire)

4. Résolution de l’Equation de Burgers en 1D (non linéaire ni stationnaire)

Département de Mathématiques 8
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

1. Les Fonctions Radiales de Base


1.1. Définition
Soit Φ une fonction définie de Rd vers R, et soit cj , un point de Rd
Si Φ est symètrique par rapport à cj pour la norme euclidienne, c’est à dire ∀(x, y) ∈ Rd × Rd tels
que ||x − cj || = ||y − cj ||, ⇒ Φ(x) = Φ(y)
alors Φ est appelée une fonction radiale de base.

1.2. Les types des Fonctions Radiales de Base


Il existe plusieurs types des fonctions radiales de base. Si r est la norme eucludienne de deux
points A et B dans un domaine Γ, alors les fonctions RBFs, Φ associées sont de la forme:

1. La Multiquadrique de Hardy: Φ(r) = r2 + c2 ,

2. L’Inverse Multiquadrique : Φ(r) = 1/ r2 + c2 ,
r2
3. La Fonction Gaussienne : Φ(r) = e− c2 ,

4. La Fonction spline de plat mince (Thin-plat spline) : Φ(r) = rc ln r, où c

5. La Fonction linéaire : Φ(r) = r,

6. La Fonction Spline cubique : Φ(r) = r3 ,

7. La Fonction spline de puissance : Φ(r) = −rβ , β ∈ [0, 2],

8. La Fonction Spline d’exponentielle (exponential spline) : Φ(r) = ecr ,

9. La Fonction de Matern : Φ(r) = ecr kv , avec kv la modification de la fonction de Bessel


d’ordre v.

Où c est un paramètre libre positive dont le rle est de contrler le conditionnement des systèmes
linéaires à résoudre.

1.3. La méthode des collocations RBFs


Cette méthode a été proposé par Edward KANSA [017] et [018], un professeur de l’Université de
Californie, en 1990. Elle a été utilisée pour les premières fois pour des problèmes d’interpolation
polynmiale.
La méthode a permis à offrir une exactitude d’ordre important avec un système nodal à noeuds
dispersés sur une géométrie totalement irrégulière avec un algorithme particulièment simple par
rapport aux méthodes classiques utilisées jusqu’alors.
Avant les recherches fructueuses de Kansa, Hardy, qui a utilisé la fonction Multiquadrique pour

Département de Mathématiques 9
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

interpoler des données multidimensionnelles et pour rapprocher des surfaces géographiques bidi-
mensionnelles, a montré que la MQ a une fondée physique car elle est liée à une solution du
problème biharmonique. Puis, Buhmann et Michelli en 1992, ensuite Chui et al. en 1996 ont
montré que les RBFs sont liées à des ondelettes. En 1984, l’économe danois, Harry Michael
STEAD a prouvé que l’approximation des dérivées partielles d’ordre supérieur obtenue à partir de
l’interpolant MQ est plus précise que la plupart des techniques comme le quotient des Différences
Finies. Puis KANSA a intervenu pour résoudre des équations aux dérivées partielles de type
elliptique, parabolique ou encore hyperbolique. Cette intervention qui a modifié la fonction Mul-
tiquadrique a eu un grand succès. Enfin, en 1999, HON et al. ont amélioré la méthode MQ pour
résoudre des variétés des problèmes aux limites non linéaires dont la plus courante est l’Equation
de Burgers.

Principe de la méthode
Etant donné N points arbitraires, X1 , X2 , · · · , XN , dans un domaine Ω, nous considérerons qu’il
y a n points à l’intérieur de Ω et m = N − n sur les bords ∂Ω que l’on notera Γ. On posera û la
forme approchée de u.
Pour bien illustrer la méthode de Collocation RBF, considérons l’équation aux dérivées partielles
donnée par

Lu(x) = f (x), x ∈ Ω ⊂ Rd , (1.1)


Qu(x) = g(x), x ∈ Γ (1.2)

Soit
(xj )1≤j≤n ⊂ Ω et (xj )n+1≤j≤m ⊂ Γ
Par la méthode de collocation RBF, on cherche une solution approchée û de l’équation (1.1) et
(1.2), sous la forme
N
X
û(x) = αj φj (x), (1.3)
j=1

Où φj (x) = φ(kx − xj k2 ), φ étant une fonction radiale de base. L et Q sont des opérateurs
diiférentiels linéaires. Q spécifie les conditions aux limites de Dirichlet, Neumann ou mixtes, f et
g sont des fonctions données de Rd =⇒ R.
En remplaant u par û dans (1.1) et (1.2), on a

N
X
Lû = αj Lφj (xi ) = f (xi ), 1 ≤ i ≤ n,
j=1
N
X
Qû = αj Qφj (xi ) = g(xi ), n + 1 ≤ i ≤ N,
j=1

Département de Mathématiques 10
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

On résout donc le système d’inconnus (α)n+m


j=1 ,

N
X
αj Lφj (xi ) = f (xi ), 1 ≤ i ≤ n,
j=1
N
X
αj Qφj (xi ) = g(xi ), n + 1 ≤ i ≤ n + m,
j=1

qui peut être écrit sous la la forme matricielle


    
α1 f1
  α2    f2
    
  ..   ..
  .   .
 A   
   =  fn 
..

   
.
   gn+1 
.. 
   
    .. 
.
  αN −1  . 
αN gN

Où la matrice d’interpolation A est donnée par


 
L1,1 u L1,2 u · · · · · · L1,N −1 u L1,N u
 L2,1 u L2,2 u · · · · · · L2,N −1 u L2,N u 
 
 .. .. .. .. .. 
 . . . . . 
 
 .. .. ... .. .. 
 . . . . 
 
 Ln,1 u Ln,2 u · · · · · · Ln,N −1 u Ln,N u 
 
Qn+1,1 u Qn+1,2 u · · · · · · Qn+1,N −1 u Qn+1,N u 
 .. .. .. .. .. 
 . . . . . 
 
 .. .. ... .. .. 
 . . . . 
QN,1 u QN,2 u ··· ··· QN,N −1 u Qn+m,N u
Après avoir calculé les coefficients de αj , on calcule les valeurs approchées de u par la formule
(1.3)
XN
û(x) = αj φj (x)
j=1

Pour les problèmes d’évolution en dimension d, i.e non stationnaire, évoluant en fonction du
temps, comme par exemple de la forme
∂u
+ Lu = f (x) sur Ω × [0, Tmax ] ,
∂t
avec les conditions initiales aux limites
Bu = g(x, t) sur Γ = ∂Ω

Département de Mathématiques 11
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

et des conditions initiales


u(x, t0 = 0) = h(xi ),
on utilise un schéma de discrétisation en temps; par exemple celui de Crank - Nicholson

un+1 − un ¡ ¢
= θ Lun+1 + f (x, tn+1 ) + (1 − θ) (Lun + f (x, tn )) , (1.4)
∆t
et les conditions limites données, où ∆t = tn+1 − tn est le pas de discrétisation en temps, un (n =
0, 1, 2, . . .) est la solution au pas de temps tn = n∆t et θ = 1/2 pour le cas de Cranck - Nicolson.
Dans ce cas, la solution approchée à l’instant tn par la méthode de collocation RBF s’écrit
n+m
X
n
u (x, tn ) = αj (tn )φj (x)
j=1

Etude de quelques RBFs


Dans ce paragraphe, nous allons essayer d’étudier quelques unes des fonctions radiales de base,
que nous avons énumerer en haut, dans un domaine Ω ⊂ Rd .
Dans la pratique, le domaine Ω =]0, 20[×]0, 10[
Comme Ω ⊂ R2 , alors Φ(r) = Φ(x, y) = Φ(||x − xj || , ||y − yj ||)
La discrétisation et la programmation de chaque fonction (voir annexe (1)) nous a donné les
courbes suivantes pour différentes valeurs du pas de discrétisation h que nous avons consideré
égal à ∆x et ∆y.
Soit à répresenter graphiquement les fonctions :

1- La fonction Multiquadrique


Φ(r) = r2 + c2 avec c > 0 et r ∈ Ω et c = 0.13426

Figure 1: La fonction MQ pour h=1.25 Figure 2: La fonction MQ pour h=0.3125

Département de Mathématiques 12
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

2- La fonction spline de plat mince

Φ(r) = rc ln r, r ∈ Ω et c = 2

Figure 3: La fonction thin-Plat spline pour Figure 4: La fonction thin-plat spline pour
h=1.25 h=0.3125

3- La fonction spline cubique

Φ(r) = r3 , r ∈ Ω

Figure 5: La fonction spline cubique pour Figure 6: La fonction spline cubique pour
h=1.25 h=0.3125

Département de Mathématiques 13
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

4- La fonction Spline puissance

Φ(r) = −rβ , r ∈ Ω et β ∈ [0, 2]

Figure 7: La fonction spline puissance pour Figure 8: La fonction spline puissance pour
h=0.3125 et β = 0.25 h=0.3125 et β = 1.5

1.4. La méthode des Fonctions Radiales de Base à Supports Compacts


Après des études et tests réalisés avec succès pour la résolution des équations aux dérivées par-
tielles, comme la résolution des équations hydrodynamiques par Hon et Al., les résultats numériques
ont démontré que les schémas MQ sont très assurants que la méthode des éléments finis.
Toutefois, la méthode MQ requiert à résoudre un système linéaire avec une matrice pleine. Ce qui
pourrait rendre la méthode lourde et très coteuse une fois qu’on a à faire à des centaines des points
de collocation.
Pour surpasser ce problème, les chercheurs ont developpé un schéma basé sur les Fonctions Ra-
diales de Base à Support Compact que nous noterons couremment CSRBF (Compactly Supported
Radial Basis Functions). Les CSRBF peuvent couvrir les schémas globaux que les méthodes RBFs
simples sont faibles à résoudre comme dans le cas des matrices malconditionnées.
Une famille des CSRBFs a été, pour la première fois, introduite par Wu puis, tard après, par
Wendland vers le milieu des années 1990. Généralement une fonction radiale de base à support
compact est donnée par l’expression

φl,k (r) = (1 − r)n+ p(r), pour k ≥ 1


avec les conditions suivantes
½
(1 − r)n si 0 ≤ r < 1
(1 − r)n+ =
0 sr≥1

Où p(r) est l’un des polynmes prescrits par Wu ou Wendland, r = ||x − xj ||Nj=1 est la distance
d
Euclidienne avec x, xj ∈ R . Les indices l et 2k representent respectivement la dimension et la
souplesse de la fonction F .

Département de Mathématiques 14
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Principe de la méthode
Soit F une fonction numérique à interpoler. Il est supposé que les valeurs des approximations de
F (xi , yj ) sont données par la fonction d’interpolation
N
X µ ¶
ri,j
F̂ (xi , yj ) = αj φl,k
j=1
σj
p
avec ri,j = (xi − xj )2 + (yj − yj )2 , αj des coefficients inconnus détérminés par collocation
entre les points distincts (xi , yi )N
i=1 et φl,k une fonction radiale de base à support compact.
Le facteur scalaire σj peut être variable ou constant pour les différents points j. Ceci est dépendant
de la nature du problème. Nous devons, toutefois, noter qu’un nombre important de problèmes
pour trouver la méthode détérminer la taille optimale de σ reste non résolu.
Pour assurer l’unicité de l’interpolant F̂ (x), il suffit que la fonction continue φ soit définie
positive.

Définition
Soit Φ : Rd −→ R, une fonction continue.
Φ est dite définie positive sur Rd si, et seulement si, pour toutes series des centres distincts X =
{x1 , x2 , · · · , xN } ⊆ Rd et pour tout vecteur α ∈ RN − {0}, la forme quadratique
N X
X N
αj αk Φ(xj − xk )
j=1 k=1

est positive.

Les fonctions CSRBFs


Pour obtenir des fonctions définies positives, Wu a utilisé le théorème de Bochner qui explique
les fonctions intégrables définies positives sur Rd . Par des transformations de Fourier que nous
n’allons pas aborder dans ce projet, Wu a pu établir une liste des fonctions radiales de base à
support compact. Le tableau suivant résume quelques unes de ces fonctions
.
φ2,0 (r) = (1 − r)5+ (1 + 5r + 9r2 + 5r3 + r4 ) c4 ∩ P D1
.
φ2,1 (r) = (1 − r)4+ (4 + 16r + 12r2 + 3r3 ) c2 ∩ P D3
.
φ2,2 (r) = (1 − r)3+ (8 + 9r + 3r2 ) c0 ∩ P D5
.
φ3,1 (r) = (1 − r)6+ (6 + 36r + 82r2 + 72r3 + 30r4 + 5r5 ) c4 ∩ P D3
.
φ4,2 (r) = (1 − r)7+ (48 + 336r + 928r2 + 1120r3 + 720r4 + 245r5 + 35r6 ) c4 ∩ P D5
.
φ4,3 (r) = (1 − r)6+ (64 + 384r + 640r2 + 515r3 + 210r4 + 35r5 ) c2 ∩ P D7
.
φ4,4 (r) = (1 − r)5+ (128 + 325r + 345r2 + 175r3 + 35r4 ) c0 ∩ P D9

Table 1: Exemples des CSRBFs de Wu

Département de Mathématiques 15
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Par la suite, il a été demontré que la souplesse des CSRBFs de Wu se détériore pour les dimen-
sions plus élevées. C’est pour cette raison que Wendland a été motivé à modifier les fonctions de
Wu pour établir d’autres fonctions radiales de base à support compact. Le travail a été long et nous
nous abstiendrons à le présenter ici.
.
φ3,0 (r) = (1 − r)3+ c0 ∩ P D 5
.
φ3,1 (r) = (1 − r)4+ (1 + 4r) c2 ∩ P D 3
.
φ4,2 (r) = (1 − r)6+ (3 + 18r + 35r2 ) c4 ∩ P D 3
.
φ5,3 (r) = (1 − r)8+ (1 + 8r + 25r2 + 32r3 ) c6 ∩ P D 3
.
φ6,4 (r) = (1 − r)10 2 3 4
+ (5 + 50r + 210r + 450r + 429r ) c8 ∩ P D 3
.
φ7,5 (r) = (1 − r)+ (9 + 108r + 566r + 1644r + 2697r4 + 2048r5 )
12 2 3
c10 ∩ P D3

Table 2: Exemples des fonctions CSRBs de Wendland

Tard après, Fasshauer a donné les formules explicites pour les fonctions de Wendland pour
les valeurs de k = 0, 1, 2, 3. La valeur de l est donnée par la formule l = d2 + k + 1, où d est la
dimension. Les formules explicites des fonctions de Wendland sont données pe tableau suivant
.
φl,0 (r) = (1 − r)l+ c0 ∩ P D d
.
φl,1 (r) = (1 − r)l+1
+ [(l + 1)r + 1] c2 ∩ P D d
.
φl,2 (r) = (1 − r)l+2 2 2
+ [(l + 4l + 3)r + (3l + 6)r + 3] c4 ∩ P D d
. l+3
φl,3 (r) = (1 − r)+ [(l3 + 9l2 + 23l)r3
+(6l2 + 36l + 45)r2 + (15l + 45)r + 15] c6 ∩ P D d

Table 3: Les formules explicites des fonctions de Wendland


.
L’opérateur = represente une égalité à une constante près.

Etude de quelques fonctions CSRBFs


Dans ce paragraphe, nous allons essayer de tracer quelques courbes répresentatives de quelques
fonctions radiales de base à support compact. Dans toutes les fonctions, on prendra d = 2 comme
dimension, et nous répresenterons deux fonctions par type. La programmation de ces fonctions a
été donnée à (l’Annexe 2).

1- Les fonctions de Wu
On considère ici les fonctions φ2,1 (r) et φ3,1 (r) de Wu.
.
φ2,1 (r) = (1 − r)4+ (4 + 16r + 12r2 + 3r3 )

et
.
φ3,1 (r) = (1 − r)6+ (6 + 36r + 82r2 + 72r3 + 30r4 + 5r5 )

Département de Mathématiques 16
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 9: La fonction φ2,1 Figure 10: La fonction φ3,1

2- Les fonctions de Wendland


Nous avons choisi dans ce paragraphe les fonctions φ3,0 (r) et φ3,1 (r) de Wendland.
.
φ3,0 (r) = (1 − r)3+
et
.
φ3,1 (r) = (1 − r)4+ (1 + 4r)

Figure 11: La fonction φ3,0 Figure 12: La fonction φ3,1

3- Les formules explicites des fonctions de Wendland


Pour cette dernière partie, nous tracerons les fonctions φl,0 (r) et φl,1 (r)
.
φl,0 (r) = (1 − r)l+
et
.
φl,1 (r) = (1 − r)l+1
+ [(l + 1)r + 1]

Département de Mathématiques 17
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 13: La fonction φl,0 Figure 14: La fonction φl,1

Remarque
Nous constatons, par ces quelques graphes, que la plupart des fonctions choisies ont le même
comportement dans le domaine d’étude. Que ce soit les fonctions radiales de base simples ou les
fonctions radiales de base à support compact, l’allure de courbe reste presque la même. C’est pour
cette raison que les fonctions utilisées, sans pour autant faire attention à leurs choix, donnent des
resultats presque pareils.
Sur ce, nous utiliserons ces fonctions pour la résolution de nos problèmes sans tenir compte de leur
choix.
Pour les méthodes RBFs, nous employerons souvent la fonction multiquadrique de Hardy pour
sa simplicité et sa précision plus élevée. Mais pour les méthodes CSRBFs, nous employerons
altérnativement les fonctions des trois tableaux comme gré nous parait pour résoudre les équations.

2. Résolution de l’équation de Laplace


L’équation de Laplace est une Equation aux Dérivées partielles de second ordre qui tient son
nom du physicien, astronome et mathématicien franais Pierre-Simon LAPLACE(1749-1827).
Depuis son introduction pour la mécanique newtonienne, l’équation de Laplace apparait dans de
nombreuses autres branches de la physique théorique comme l’astronomie, l’électrostatique, la
mécanique des fluides, la propagation de la chaleur, la diffusion, les mouvements browniens ou
encore la mécanique quantique.
Considérant un opérateur différentiel noté ∆ et appelé l’opérateur de Laplace ou tout simplement
le laplacien, l’équation de Laplace s’écrit sous la forme :
µ 2 ¶
∂ . ∂ 2. ∂ 2.
∆u = 0 avec ∆ = + +
∂x2 ∂y 2 ∂z 2
Toute fonction u solution de l’équation de Laplace est dite une fonction harmonique.
Dans cet exemple, nous nous interessons à résoudre le problème suivant :

Département de Mathématiques 18
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

∆u = 0, [x, y] ∈]0, 20[×]0, 10[


Les conditions aux limites sont données par

u(0, y) = u(x, 0) = u(x, 10) = 0 et u(20, y) = 100;


³ ´
∂2. ∂2.
Nous restreignons notre équation à la dimension 2. Ce qui nous permet de poser ∆ = ∂x2
+ ∂y 2
.
L’équation de Laplace s’écrit alors :

∂2u ∂ 2u
+ =0 (2.1)
∂x2 ∂y 2

2.1. La méthode des différences finies


Comme cette équation n’est constituée que des dérivées secondes, nous les approximerons grce
aux formules de Taylor d’ordre 2, qui nous donne l’approximation centrée de la dérivée partielle
seconde:

∂ 2f f (x + ∆x, y) − 2f (x, y) + f (x − ∆x, y)


2
(x, y) '
∂x (∆x)2
Ce qui donne, en posant u(xi , yj ) = ui,j

∂ 2u ∂ 2 ui,j ui+1,j − 2ui,j + ui−1,j


2
(x i , y j ) = 2
'
∂x ∂x (∆x)2
et
∂ 2u ∂ 2 ui,j ui,j+1 − 2ui,j + ui,j−1
2
(x i , y j ) = 2
'
∂y ∂y (∆y)2
en important ces deux approximations dans l’équation 2.1, nous obtenons le système
ui+1,j − 2ui,j + ui−1,j ui,j+1 − 2ui,j + ui,j−1
+ =0
(∆x)2 (∆y)2
Dans notre exemple, nous considerons que ∆x = ∆y = h. Ce qui nous donne, finalement
ui+1,j + ui,j+1 − 4ui,j + ui−1,j + ui,j−1
=0
h2
On remarque qu’à chaque étape, nous rémarquons que pour calculer la valeur de ui,j au point
(xi , yj ) nous avons besoin de connaı̂tre les points ui−1,j , ui,j−1 , ui+1,j et ui+1,j . C’est pour cette
raison que nous appelons le système obtenu, formule à 5 points notée par
 
 1 
1
∆u = 0 =⇒ 2 1 −4 1 ui,j = 0
h  
1

Département de Mathématiques 19
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Le système matriciel de cette équation est alors Au = B, avec


½
A(i, j) = −4 si i = j
A(i + 1, j) = A(i, j + 1) = 1 ∀i < nx et ∀j < ny
et
½
B(i) = −100 si i%(nx − 1) = 0
B(i) = 0 sinon
La résolution numérique de ce système dont le programme est donné par
(l’annexe (3)) a donné les valeurs de u qui sont dans le tableau suivant:

y/x 0 2.5 5 7.5 10 12.5 15 17.5 20


0 0 0 0 0 0 0 0 0 0
2.50 0 0.3530 0.9132 2.0103 4.2975 9.1532 19.6632 43.2101 100.00
5.00 0 0.4989 1.2894 2.8324 6.0194 12.6538 26.2894 53.1774 100.00
7.50 0 0.3530 0.9132 2.0103 4.2975 9.1532 19.6632 43.2101 100.00
10.00 0 0 0 0 0 0 0 0 0

Table 4: Valeurs de Laplace MDF pour h = 2.5

Voici quelques courbes de cette solution, h represente le pas de discrétisation en x et en y.

Figure 15: Laplace MDF pour h = 2.5 Figure 16: Laplace MDF pour h = 1.25

2.2. La méthode des collocations RBF


Dans cette partie, nous allons utiliser les Fonctions radiales de Base connues en Anglais (Ra-
dial Basis Functions) d’où l’appelation RBF, plus précisement la méthode multiquadrique, pour

Département de Mathématiques 20
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 17: Laplace MDF pour h = 0.625 Figure 18: Lapalce MDF pour h = 0.3125

résoudre l’équation de Laplace avec les mêmes conditions que précédemment.


Rappelons le problème que nous devons résoudre:
 2 2
 ∆u = ∂∂xu2 + ∂∂yu2 = 0, (x, y) ∈]0, 20[×]0, 10[
u(x, 0) = u(x, 10) = u(0, y) = 0

u(20, y) = 100

Nous poserons dans la suite Ω =]0, 20[×]0, 10[ et Γ = ∂Ω

Supposons que la solution approchée de u est û et posons :


N
X
û = αj × gj (||x − xj ||)
j=1
p
Où gj répresente la fonction multiquadrique: gj (||x − xj ||) = (x − xj )2 + (y − yj )2 + c2

D’après les conditions de Michelli [020], cette équation admet une solution unique, c’est à dire
:
∂ 2 û ∂ 2 û
∆u = + =0
∂x2 ∂y 2
N
X N
∂ 2 gj (||x − xj ||) X ∂ 2 gj (||x − xj ||)
⇒ αj × + αj × =0
j=1
∂x2 j=1
∂y 2
∂ 2 û ∂ 2 û
Calculons les dérivées partielles secondes ∂x2
et ∂y 2
de cette équation. On a :
N
∂ û X x − xj
= αj × p
∂x j=1
(x − xj ) + (y − yj )2 + c2
2

Département de Mathématiques 21
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Ce qui nous donne :


N
à !
2
∂ û X 1 (x − xj )2

2
= αj × p − 3
∂x j=1
2 2
(x − xj ) + (y − yj ) + c 2 ((x − xj ) + (y − yj )2 + c2 ) 2
2

Comme x et y jouent un rle symétrique, nous avons la même formule pour la dérivée partielle
seconde de û par rapport à y.

N
à !
∂ 2 û X 1 (y − yj )2
= αj × p − 3
∂y 2 j=1
(x − xj )2 + (y − yj )2 + c2 ((x − xj )2 + (y − yj )2 + c2 ) 2

D’où,
n
à !
X 2 (x − xj )2 + (y − yj )2
∆u = αj × p − 3 =0
j=1
(x − xj )2 + (y − yj )2 + c2 ((x − xj )2 + (y − yj )2 + c2 ) 2

Ainsi, notre système devient :


N
à !
X 2 (x − xj )2 + (y − yj )2
αj × p − 3 = 0 sur Ω
j=1
(x − xj )2 + (y − yj )2 + c2 ((x − xj )2 + (y − yj )2 + c2 ) 2

N
X q
αi × (x − xj )2 + (y − yj )2 + c2 = 0 sur ΓAB, CD, AD
j=1

et
N
X q
αi × (x − xj )2 + (y − yj )2 + c2 = 100 sur ΓBC
j=1

Avec A, B, C et D, les points de coordonnées respectives (0.0, 0.0), (20.0, 0.0), (20.0, 10.0) et
(0.0, 10.0).
Dans ce système seul α est inconnu et connaı̂tre α nous permet d’évaluer û par la formule de
Michelli. Le système matriciel de cette équation est de la forme :

Aα = B

La résolution numérique de cette équation matricielle (voir annexe(4)) nous a donné les valeurs
approchées de u pour h = 2.5 et c = 0.13426 dont le tableau suivant résume.
Voici quelques courbes de cette solution, h étant le pas de discétisation en x et en y.

Département de Mathématiques 22
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

y/x 0 2.5 5 7.5 10 12.5 15 17.5 20


0 0 0 0 0 0 0 0 0 0
2.50 0 0.9668 1.7001 2.498 5.3051 10.8622 23.2279 49.6212 100.00
5.00 0 1.1823 2.2559 3.9432 7.5850 15.8714 33.8942 67.3806 100.00
7.50 0 0.9668 1.7001 2.498 5.3051 10.8622 23.2279 49.6212 100.00
10.00 0 0 0 0 0 0 0 0 0

Table 5: Valeurs de Laplace RBF pour h = 2.5

Figure 19: Laplace RBF pour h=2.5 Figure 20: Laplace RBF pour h=2

Figure 21: Laplace RBF pour h=1.25 Figure 22: Laplace RBF pour h=0.625

2.3. La méthode utilisant les CSRBFs


L’équation que nous allons résoudre ici est à nouveau celle de Laplace que nous avons déjà vue
avec la méthode des différences finies et celle des collocations RBFs. Toutefois, nous allons es-

Département de Mathématiques 23
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

sayer de la résoudre avec les fonctions CSRBFs.


Etant donné que le principe de résolution reste le même qu’avec les fonctions radiales de base,
considérons l’équation

∂2u ∂ 2u
+ =0
∂x2 ∂y 2
L’approximation de u est donnée par
N
X
u= αj × φσ
j=1

Ce qui nous permet de poser alors


N N
∂ 2 u X ∂ 2 φσ ∂ 2 u X ∂ 2 φσ
= αj et 2 = αj
∂x2 j=1
∂x2 ∂y j=1
∂y 2

Nous utiliserons pour cette équation la fonction radiale de base à support compact φσ4,2 de
Wendland qui est
r 6 r r
φσ4,2 (r) = (1 − )+ (3 + 18 + 35( )2 )
σ σ σ
Avec r la norme eucludienne en R2
q
r = (x − xj )2 + (y − yj )2
Après les calculs des dérivées partielles, nous avons obtenu
à µ ¶2 !
∂ 2 φσ −56 r 4 r ³ r ´2 x − xj
= 2 (1 − )+ 1 + 4 − 5 − 30
∂x2 σ σ σ σ σ

et à µ ¶2 !
2 σ
∂ φ −56 r r ³ r ´2 y − yj
2
= 2 (1 − )4+ 1+4 −5 − 30
∂y σ σ σ σ σ
Ce qui donne; après les calculs
N
X µ ³ r ´2 ¶
−56 r 4 r
∆u = αj × 2 (1 − )+ 2 + 8 − 40 =0
j=1
σ σ σ σ
où α est un vecteur dont les valeurs sont à détérminer.Le système matriciel devient alors

Aα = B

avec

Département de Mathématiques 24
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

 µ ³ ´2 ¶

 −56 ri,j 4 r ri,j
 σ2
(1 − )
σj +
2+ 8 σi,jj− 40 σj
si [x, y] ∈ Ω
A(i, j) = ³ ´6 µ ³ ´2 ¶

 ri,j r r
 1− σj
3 + 18 σi,jj + 35 σi,jj si [x, y] ∈ ∂Ω
+

et B prend les valeurs limites de la fonction.


Pour différentes valeurs du pas de discrétisation h et σ = 5, nous avons obtenu les courbes
suivantes, le programme étant donné en (Annexe(5))

Figure 23: Laplace CSRBF pour h=2.5 Figure 24: Laplace CSRBF pour h=1.25

Figure 25: Lapalce CSRBF pour h=1 Figure 26: Laplace CSRBF pour h=0.625

voici le tableau des valeurs pour h = 2.5

Département de Mathématiques 25
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

y/x 0.0 2.5 5.0 7.5 10.0 10.25 10.5 10.75 20.0
0.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
2.5 0.0000 0.0048 0.0218 0.0918 0.3852 1.6201 6.8958 31.0408 100
5.0 0.0000 0.0070 0.0319 0.1342 0.5623 2.3494 9.7013 37.7348 100
7.5 0.0000 0.0048 0.0218 0.0918 0.3852 1.6201 6.8958 31.0408 100
1.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Table 6: Valeurs de Laplace CSRBF pour h=2.5

2.4. Constatations :
Nous remarquons que la méthode des collocations RBF et celle des CSRBFs, plus pratique pour
leur programmation nous offrent des approximations plus fiables que celles obtenues avec la
méthode des différences finies. Le seul incovénient qui s’y met est la paramètrisation des coef-
ficients comme c pour les collocations RBFs et le σ pour les CSRBFs.

3. Résolution de l’équation de Fourier


L’équation de Fourier appelée aussi équation de la chaleur, est une équation aux dérivées par-
tielles parabolique, importante en mathématiques et en physique théorique. Introduite en 1811
par le mathématicien et physicien franais Joseph FOURIER(1768 - 1830), elle sert à décrire le
phénomène physique de la conduction thermique.
Si Ω ⊂ Rd est un domaine dont les bords seront notés Γ = ∂Ω.
Soit T (X, t), le champ de température sur Ω. S’il y a une absence des sources thermiques dans le
domaine, l’équation de Fourier peut s’écrire sous la forme :
∂T
= α∆T (X, t) avec X ∈ Ω
∂t
où ∆ répresente l’opérateur laplacien et α le coefficient de diffusivité thermique.
Nous nous contentons de résoudre cette équation en tenant compte du problème posé ci-
dessous:
∂u κ ∂ 2u
= × 2 , x ∈]0, 2[ et t > 0 (3.1)
∂t cρ ∂x
Avec κ = 0.13, c = 0.11, ∆x = 0.25, ρ = 7.5kg/cm3 et ∆t à calculer.
Avec les conditions initiales
½
100x si 0 ≤ x ≤ 1
u(x, 0) =
100(2 − x) si 1 ≤ x ≤ 2

et les conditions aux limites


u(0, t) = u(2, t) = 0

Département de Mathématiques 26
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

3.1. Etude de la solution analytique


La solution analytique de cette équation est donnée par:

X 1 π(2n + 1)(x − 1) 2
uexact (x, t) = 800 × × cos × e−0.3738(2n+1) t
n=0
π 2 (2n+ 1) 2 2

La programmation de cette solution exacte (voir annexe(6)) donne les courbes suivantes.

Figure 27: Fourier exacte pour Tmax = Figure 28: Fourier exacte pour Tmax =
3.5062 5.1563

Voici les valeurs de cette solution exacte pour Tmax = 3.5062

3.2. Méthode des Différences finies


Notons que dans cette partie, nous utiliserons la notation indicielle dont le principe est le suivant :
Si u(X, tk ) est une fonction qui depend d’une variable temporelle tj et d’une ou plusieurs variables
spatiales (Xi )ni=1 , nous l’écrirons
u(X, tj ) = uki1 ,i2 ,··· ,in
Comme notre problème se limite à la dimension 1D, alors, nous noterons à tout instant u(xi , tj )
par uji .
Nous avons déjà vu que la dérivée partielle seconde de u a été approximée par les formules de
developpement limité qui concide avec celles de Taylor car la fonction est continue. Rappelons
cette approximation ici.

∂2u uji+1 − 2uji + uji+1


(xi , tj ) ≈
∂x2 (∆x)2

Département de Mathématiques 27
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 29: Fourier exacte pour Tmax = Figure 30: Fourier exacte pour Tmax =
10.3125 20.6250
x/t 0 0.2062 0.4125 0.6187 0.8250 1.0313 1.2375 1.4437 1.6500
0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.25 24.9992 24.9809 24.5726 23.5854 22.2705 20.8380 19.4021 18.0176 16.7082
0.5 50.0014 46.5756 47.4881 44.6794 417082 38.7834 35.9904 33.3621 30.9078
0.75 74.9982 70.8350 65.0194 59.8495 55.2285 51.0395 47.2068 43.6812 40.4287
1.0 99.7994 80.0542 71.7924 65.4529 60.1098 55.4094 51.1784 47.3212 43.7802
1.25 74.9982 70.8350 65.0194 59.8495 55.2285 51.0395 47.2068 43.6812 40.4287
1.5 50.0014 46.5756 47.4881 44.6794 417082 38.7834 35.9904 33.3621 30.9078
1.75 24.9992 24.9809 24.5726 23.5854 22.2705 20.8380 19.4021 18.0176 16.7082
2.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

x/t 1.8562 2.0625 2.2687 2.4750 2.6812 2.8875 3.0937 3.30 3.5062
0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.25 15.4823 14.3404 13.2798 12.2961 11.3846 10.5403 9.7585 9.0345 8.3642
0.5 28.6250 26.5063 24.5422 22.7225 21.0372 19.4765 18.0316 16.6937 15.4551
0.75 37.4232 34.6436 32.0716 29.6912 27.4878 25.4480 23.5597 21.8116 20.1931
1.00 40.5168 37.5031 34.7166 32.1388 29.7532 27.5451 25.5010 23.6088 21.8569
1.25 37.4232 34.6436 32.0716 29.6912 27.4878 25.4480 23.5597 21.8116 20.1931
1.5 28.6250 26.5063 24.5422 22.7225 21.0372 19.4765 18.0316 16.6937 15.4551
1.75 15.4823 14.3404 13.2798 12.2961 11.3846 10.5403 9.7585 9.0345 8.3642
2.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Table 7: Valeurs de Fourier Exacte pour Tmax = 3.5062

Département de Mathématiques 28
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

∂u
Pour l’approximation de ∂t
, nous utiliserons aussi la formule de Taylor d’ordre 1, qui donne
∂u
u(x, t + ∆t) = u(x, t) + ∆t + Θ(t2 ), avec Θ(t2 ) → 0 si ∆t → 0
∂t
On obtient alors

∂u uj+1
i − uji
=
∂t ∆t
En remplaant ces approximations dans l’équation de la chaleur, nous trouvons la formule suiv-
ante :

uj+1
i − uji κ uji+1 − 2uji + uji−1
≈ ×
∆t cρ (∆x)2
∆t κ
En posant r = (∆x)2
× cρ
, l’équation devient:

uj+1
i = ruji+1 + (1 − 2r)uji + ruji−1

Ceci est l’équation discrétisée de l’équation de la chaleur avec la méthode des différences finies.
Toutefois, l’étude a montré que cette méthode n’est ni stable ni convergente que pour r < 12 .
C’est pour cette raison que nous n’allons pas l’utiliser et nous nous contenterons de la méthode de
Crank - Nicholson.

Pour assurer une résolution numérique stable et ce dans toute la région de l’étude, Crank et Nichol-
son ont proposé de prendre la moyenne des derivées partielles spatiales de u entre les instants tj et
tj+1 au lieu de considérer seulement la dérivée spatiale à l’instant tj , c’est à dire:
· ¸
∂u α ∂ 2u ∂ 2u
(xi , tj ) = (xi , tj ) + 2 (xi , tj+1 )
∂t 2 ∂x2 ∂x
Utilisons les mêmes approximations que précédemment
à !
j j j j+1 j+1 j+1
1 ui+1 − 2ui + ui−1 ui+1 − 2ui + ui−1 cρ uj+1
i − uji
+ = ×
2 (∆x)2 (∆x)2 κ ∆t

¡ ¢ ∆t κ ¡ j ¢
⇒ 2 uj+1
i − u j
i = u − 2u j
+ u j
+ u j+1
− 2u j+1
+ u j+1
i+1 .
(∆x)2 cρ i+1 i i−1 i+1 i

Ce qui donne

−ruj+1 j+1
i−1 + (2 + 2r)ui − ruj+1 j j j
i+1 = rui−1 + (2 − 2r)ui + rui+1

Ceci est le schéma numérique de Crank - Nicholson.

Département de Mathématiques 29
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Le système matriciel de ce schéma est de la forme

M1 U j+1 + N1 = M2 U j + N2
¡ ¢
⇒ U j+1 = M1−1 M2 U j + (N2 − N1 )
La résolution numérique de ce système linéaire (voir (6)) nous a donné les courbes et tableaux
suivants

Figure 31: Fourier MDF pour Tmax = Figure 32: Fourier MDF pour Tmax =
3.5062 5.1563

Figure 33: Fourier MDF pour Tmax = Figure 34: Fourier MDF Tmax = 20.6250
10.3125

Pour voir comment évolue la solution en fonction du temps, nous proposons les courbes suiv-
antes.
L’étude de la valeur absolue de l’erreur de cette méthode nous a montré que :

Département de Mathématiques 30
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 35: Evolution de Fourier MDF pour Figure 36: Evolution de Fourier MDF pour
Tmax = 5.1563 Tmax = 10.3125

x/t 0 0.2062 0.4125 0.6187 0.8250 1.0313 1.2375 1.4437 1.6500


0.0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
0.25 25.00 24.9133 24.5098 23.6494 22.4457 21.0866 19.6930 18.3298 17.0285
0.5 50.00 49.4801 47.7521 45.1248 42.2508 39.3773 36.6077 33.9853 31.5260
0.75 75.00 71.9671 66.1621 60.9236 56.2363 51.9938 48.1178 44.5559 41.2709
1.0 100.00 82.3224 73.4838 66.8565 61.3388 56.5230 52.2115 48.2951 44.7073
1.25 75.00 71.9671 66.1621 60.9236 56.2363 51.9938 48.1178 44.5559 41.2709
1.50 50.00 49.4801 47.7521 45.1248 42.2508 39.3773 36.6077 33.9853 31.5260
1.75 25.00 24.9133 24.5098 23.6494 22.4457 21.0866 19.6930 18.3298 17.0285
2.0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
x/t 1.8562 2.0625 2.2687 2.4750 2.6812 2.8875 3.0937 3.30 3.5062
0.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.25 15.8024 14.6556 13.5872 12.5942 11.6724 10.8174 10.0247 9.2898 15.9071
0.50 29.2315 27.0971 25.1149 23.2758 21.5703 19.9893 18.5239 17.1657 20.7839
0.75 38.2352 35.4264 32.8260 30.4175 28.1863 26.1190 24.2035 22.4286 22.4964
1.00 41.4044 38.3553 35.5359 32.9265 30.510 28.2718 26.1981 24.2767 20.7839
1.25 38.2352 35.4264 32.8260 30.4175 28.1863 26.1190 24.2035 22.4286 15.9071
1.50 29.2315 27.0971 25.1149 23.2758 21.5703 19.9893 18.5239 17.1657 8.6087
1.75 15.8024 14.6556 13.5872 12.5942 11.6724 10.8174 10.0247 9.2898 0
2.0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Table 8: Valeurs de Fourier MDF pour Tmax = 3.5062

1. Pour Tmax = 3.5062, l’erreur est évalué à 2.2682

2. Pour Tmax = 5.1563, l’erreur est de 2.2682

3. Pour Tmax = 10.3125, l’erreur reste encore de 2.2682

Les courbes suivantes explicite comment la fonction erreur se comporte dans la résolution de
l’équation de la chaleur avec la méthode des différences finies.

Département de Mathématiques 31
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 37: Erreur de Fourier MDF pour Figure 38: Erreur de Fourier MDF pour
Tmax = 5.1563 Tmax = 20.625

3.3. Méthode des collocation des Fonctions Radiales de Base


Ici, nous considérons la méthode MultiQuadrique (MQ) pour résoudre cette équation aux dérivées
partielles linéaire non stationnaire. Le problème que nous voulons résoudre est:

∂u κ ∂ 2u
= × 2 , x ∈]0, 2[ et t > 0
∂t cρ ∂x

Avec κ = 0.13, c = 0.11, ∆x = 0.25, ρ = 7.5kg/cm3 et nous avons choisi ∆t = 0.01.


Avec les conditions initiales
½
100x si 0 ≤ x ≤ 1
u(x, 0) =
100(2 − x) si 1 ≤ x ≤ 2

et les conditions aux limites


u(0, t) = u(2, t) = 0
Soit û la solution approchée de u et posons
N
X
û = αj (t)gj (||x − xj ||)
j=1

Avec gj (||x − xj ||) est une Fonction Radiale de Base(RBF) multiquadrique.


Etant donné que cette équation n’admet qu’une seule solution, alors

∂ û κ ∂ 2 û
= × 2
∂t cρ ∂x
κ
Posons r = cρ et utilisons la formule décentrée avant de l’approximation de la dérivée de u par
rapport à t. Ce qui nous donne
N
ûn+1 − ûn ∂2 X
=r× 2 αj (tn ) × gj (||x − xj ||)
∆t ∂x j=1

Département de Mathématiques 32
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Or, le calcul de la dérivée seconde de û par rapport à x nous donne:


N
∂ 2 û X c2
= αj (t) × 3
∂x2 j=1 ((x − xj )2 + c2 ) 2

Ainsi , l’équation de Fourier devient


N
à !
ûn+1 − ûn X c2
=r× αj (t) × 3
∆t j=1 ((x − xj )2 + c2 ) 2
Le système matriciel évolutif de cette équation est de la forme

un+1 = un + ∆t × r × Aαn
Avec
c2
A(i, j) = 3
((x − xj )2 + c2 ) 2
La résolution de cette équation est itérative et connaitre la valeur de α et de u à l’étape n nous
permet de détérminer entièrement la valeur de u à l’étape n + 1 par la formule précédente.
Le declenchement du procéssus est assuré par les conditions initiales Ci telles que
½
100 × x(i) si 0 ≤ x ≤ 1
Ci(i) =
100 × (2 − x(i)) si 1 ≤ x ≤ 2
A t = 0, u0 = Ci et
N
X
û = αj0 × gj (||x − xj ||) = Ci Alors α0 = Ci/g
j=1

Nous résumons dans le tableau et les courbes suivants les valeurs et l’évolution de u pour
c = 0.5 dont la résolution numérique (voir annexe (7)) nous a donné.
Voici quelques que nous avons prises à des Tmax différents.
L’étude de la valeur absolue de la différence de uexact et uapprox nous a montré que :

1. Pour Tmax = 1, la valeur maximale de l’erreur s’élève à 0.9497

2. Pour Tmax = 0.1, cette valeur maxiamle est de 1.6877

3. Pour Tmax = 0.5, l’erreur maximale s’évalue à 0.9497

4. Pour Tmax = 2, l’erreur maximale reste encore égale à 0.9497

Voici quelques courbes justifiant l’évolution de l’erreur en fonction du temps t. Le programme est
inclus dans l’annexe (7).

Département de Mathématiques 33
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

x/ t 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08


0.0 0.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.1 10.0 9.7505 9.9482 9.9080 9.9442 9.9477 9.9571 9.9612 9.9651
0.2 20.0 20.0578 19.9507 19.9722 19.9617 19.9655 19.9661 19.9685 19.9704
0.3 30.0 29.9970 30.0109 30.0031 29.9942 29.9899 29.9873 29.9856 29.9845
0.4 40.0 39.9734 40.0177 39.9915 40.0041 40.0010 39.9999 39.9971 39.9954
0.5 50.0 0.0539 49.9566 50.0174 49.9981 50.0003 49.9975 49.9997 50.0017
0.6 60.0 59.9091 60.0750 59.9765 59.9951 59.9957 60.0084 60.0114 60.0055
0.7 70.0 70.1560 69.8758 70.0121 70.0245 70.0397 70.0040 69.9377 69.8397
0.8 80.0 79.6949 80.2111 80.1037 79.9838 79.7367 79.4521 79.1292 78.7864
0.9 90.0 90.7991 89.7192 89.0056 88.1773 87.4296 86.7011 86.0104 85.3475
1.0 100.0 95.7830 94.2339 92.6914 91.5180 90.4445 89.4916 88.6123 87.7972
1.1 90.0 90.7991 89.7192 89.0056 88.1773 87.4296 86.7011 86.0104 85.3475
1.2 80.0 79.6949 80.2111 80.1037 79.9838 79.7367 79.4521 79.1292 78.7864
1.3 70.0 70.1560 69.8758 70.0121 70.0245 70.0397 70.0040 69.9377 69.8397
1.4 60.0 59.9091 60.0750 59.9765 59.9951 59.9957 60.0084 60.0114 60.0055
1.5 50.0 50.0539 49.9566 50.0174 49.9981 50.0003 49.9975 49.9997 50.0017
1.6 40.0 39.9734 40.0177 39.9915 40.0041 40.0010 39.9999 39.9971 39.9954
1.7 30.0 29.9970 30.0109 30.0031 29.9942 29.9899 29.9873 29.9856 29.9845
1.8 20.0 20.0578 19.9507 19.9722 19.9617 19.9655 19.9661 19.9685 19.9704
1.9 10.0 9.7505 9.9482 9.9080 9.9442 9.9477 9.9571 9.9612 9.9651
2.0 0.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Table 9: Valeurs Fourier RBF pour Tmax = 0.08

Figure 39: Fourier RBF, Tmax = 3 Figure 40: Fourier RBF, Tmax = 5

3.4. Méthode utilisant les CSRBFs


Comme le principe de cette méthode est presque le même que celui des fonctions RBFs sauf en
remplaant la fonction radiale de base, la MQ dans notre cas par une une fonction radiale de base

Département de Mathématiques 34
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 41: Fourier RBF, Tmax = 10 Figure 42: Fourier RBF, Tmax = 15

Figure 43: Erreur de Fourier RBF à Tmax = Figure 44: Erreur de Fourier RBF à Tmax =
0.1 2

à support compact, nous nous proposons de prendre directement la rélation etablie dans la partie
précédente ici.
Rappelons que nous avons
N
X
n+1 n ∂ 2 φσ
u = u + r × ∆t × αj (tn ) ×
j=1
∂x2
où φ represente une fonction radiale de base à support compact. Nous utiliserons ici la fonction de
Wendland φσ4,2 qui est
r 6 r r
φσ4,2 (r) = (1 − )+ (3 + 18 + 35( )2 )
σ σ σ
où r = ||x − xj ||

Département de Mathématiques 35
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

La dérivée seconde de cette fonction par rapport à x est de


µ ³ r ´2 ¶
∂ 2 φσ −56 r 4 r
= 2 (1 − )+ 1 + 4 − 35
∂x2 σ σ σ σ
Le système prend alors la forme

un+1 = un + r × ∆t × Aαn
avec µ ³ r ´2 ¶
−56 ri,j 4 ri,j i,j
A(i, j) = 2 (1 − )+ 1 + 4 − 35
σ σ σ σ
La résolution suit les mêmes principes que précédemment et nous donnes les resultats suivants
pour σ = 5 et ∆t = 0.01
La programmation est donnée en (Annexe(8)).

Figure 45: Fourier CSRBF à Tmax = 3 Figure 46: Fourier CSRBF à Tmax = 5

Voici le tableau qui résume les valeurs approchées de la solution de l’équation de la chaleur par
les CSRBFs à Tmax = 0.17
Avec cette méthode, nous avons rémarqué que l’erreur évolue selon les cas suivants :
1. Pour Tmax = 0.17, l’erreur maximale en valeur absolue est de 2.8878

2. Pour Tmax = 1, l’erreur maximale en valeur absolue est encore une fois 2.8878

3. Pour Tmax = 2, l’erreur maximale reste 2.8878

4. Pour Tmax = 4 , cette erreur est de nouveau égale à 2.8878


Les courbes suivantes illustrent cette situation
Pour montrer comment évolue la courbe de la fonction approchée de u par les CSRBFs en
fonction du temps t, nous proposons les quelques courbes suivantes.

Département de Mathématiques 36
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 47: Fourier CSRBF à Tmax = 10 Figure 48: Fourier CSRBF à Tmax = 20

x/t 0.00 0.0100 0.0200 0.0300 0.0400 0.0500 0.0600 0.0700 0.0800
0.00 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.25 25.00 25.0267 25.0361 25.0337 25.0238 25.0095 24.9930 24.9759 24.9592
0.5 50.00 49.8673 49.7920 49.7581 49.7531 49.7676 49.7941 49.8271 49.8622
0.75 75.00 75.3717 75.6057 75.7294 75.7647 75.7292 75.6370 75.4994 75.3255
1.00 100.0 98.2418 96.6767 95.2721 94.0012 92.8426 91.7786 90.7947 89.8792
1.25 75.0000 75.3717 75.6057 75.7294 75.7647 75.7292 75.6370 75.4994 75.3255
1.5 50.00 49.8673 49.7920 49.7581 49.7531 49.7676 49.7941 49.8271 49.8622
1.75 25.00 25.0267 25.0361 25.0337 25.0238 25.0095 24.9930 24.9759 24.9592
2.00 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

x/t 0.09 0.1000 0.1100 0.1200 0.1300 0.1400 0.1500 0.1600 0.1700
0.0 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.25 24.9435 24.9295 24.9171 24.9065 24.8975 24.8901 24.8840 24.8789 24.8748
0.5 49.8963 49.9271 49.9530 49.9728 49.9858 49.9914 49.9895 49.9799 49.9628
0.75 75.1227 74.8968 74.6525 74.3938 74.1237 73.8448 73.5590 73.2679 72.9730
1.00 89.0223 88.2160 87.4536 86.7296 86.0394 85.3791 84.7454 84.1356 83.5472
1.25 75.1227 74.8968 74.6525 74.3938 74.1237 73.8448 73.5590 73.2679 72.9730
1.5 49.8963 49.9271 49.9530 49.9728 49.9858 49.9914 49.9895 49.9799 49.9628
1.75 24.9435 24.9295 24.9171 24.9065 24.8975 24.8901 24.8840 24.8789 24.8748
2.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Table 10: Valeurs de Fourier RBF pour Tmax = 0.17

3.5. Constatations
Avec les différentes méthodes que nous avons utilisées pour résoudre cette équation aux dérivées
partielles instationnaire, nous nous sommes rendus compte que les méthodes qui se privent des

Département de Mathématiques 37
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 49: Erreur de Fourier CSRBF à Figure 50: Erreur de Fourier CSRBF à
Tmax = 0.17 Tmax = 2

Figure 51: Evolution de Fourier CSRBF Figure 52: Evolution de Fourier CSRBF
pour Tmax = 0.1 pour Tmax = 20

discrétisations sont plus éfficaces ques les méthodes les méthodes imposant ce travail plus pénibles
pour certaines situations. Toutefois, nous remarquons que les méthodes des fonctions radiales de
base à support compact sont plus éfficaces que celles des collocations pour la parametrisation. En
effet, bien que les méthodes des fonctions CSRBFs sont régies du paramètre σ, celui-ci n’influe
pas trop dans les calculs des valeurs approchées de u comme dans le cas du paramètre c pour les
RBFs. Nous avons tiré que pour que la méthode MQ de Hardy converge dans cette équation, il
faut que c soit soigneusement choici. Or, pour les CSRBFs, varier σ de 5 à 50 ne provoque pas un
bouleversement dans l’évolution de u.
Nous tirons encore une fois que la méthode utilisant les fonctions radiales de base à support com-
pact est la plus fiable.

Département de Mathématiques 38
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

4. Résolution de l’équation de Burgers


L’équation de Burgers, qui tire son nom du physicien allemand Johannes Martinus Burgers(1895-
1981), est une équation aux dérivées partielles fondamentales à la mécanique des fluides. Elle est
utilisée dans plusieurs domaines des mathématiques appliquées tels que la modélisation de la dy-
namique des gaz et l’étude du tranfert de l’écoulement des fluides. Cette équation sert à étudier
l’évolution de la vitesse des fluides dans un mileu donné.
Etant donnée une vitesse u et un coefficient de viscosité v, la forme générale de l’équation de
Burgers est :
ut + uux = vuxx

4.1. La méthode des différences finies


Le problème de Burgers que nous voulons étudier ici demande de résoudre l’équation :
1
ut + uux = uxx R > 0
R
Avec les conditions initiales et les conditions aux limites :
½
u(0, t) = u(1, t) = 0 t > 0
u(x, 0) = f (x) 0≤x≤1

Où R est le nombre de Reynolds et f (x), une fonction donnée. La résolution de cette équation
presente plusieurs incovénients et difficulté comme le problème de stabilité et d’entropie. Pour
l’étudier sous des bonnes conditions, nous devons prendre en compte plusieurs conditions comme
les conditions d’entropie et les Condition de Rankine - Hugoniot à travers un choc.
Les schémas respectant ces conditions, qui ont été établis sont multiples, mais nous ne noterons
ici que ceux qui sont sous forme conservative pour cette équation.
Sa forme générale est de
∆t ¡ j j+1 ¢ 1
uj+1
i = uji − g(ui , ui ) − g(uji−1 , ui , j) + uxx
∆x R
1 2
Où g(u, v) represente le flux numérique de l’équation avec g(u, u) = 2 u . Ces schémas respectent
tous la condition C.F.L suivante
¯ ¯ ∆tn
αj = sup ¯uji ¯ ≤1
i ∆x
Parmi les schémas classiques, nous avons celui de Lax-Friedrichs [021]
µ ¶
1 1 2 2 ∆x
g(u, v) = (u + v ) − (v − u)
2 2 ∆t
et celui de Lax - Wendroff [021]
µ µ ¶µ ¶¶
1 1 2 2 ∆x u + v 1 2 2
g(u, v) = (u + v ) − (v − u )
2 2 ∆t 2 2

Département de Mathématiques 39
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Nous remplacerons la dérivée partielle seconde par la formule centrée


f (x + ∆x) − 2f (x) + f (x − ∆x)
f 00 (x) =
(∆x)2
et nous utiliserons le schéma de Lax-Friedrichs[021] pour résoudre notre problème
L’équation de Burgers devient alors
1 ∆t ¡ j ¢ 1¡ j ¢ ∆t ¡ j 2 ¢
uj+1
i = u − 2u j
+ u j
+ u + u j
+ (u ) − (u j
)2
R (∆x)2 i+1 i i+1
2 i+1 i−1
4∆x i−1 i+1

µ ¶
1 ∆t ¡ j ¢ 2∆t j ∆t ¡ j 2 ¢
⇒ uj+1
i = + ui+1 + uji−1 − u i + (u i−1 ) − (u j
i+1 )2
2 R(∆x)2 R(∆x)2 4∆x
Dans cette résolution, la condition initiale, f est

f (x) = sin(πx) et R = 10000


Pour Tmax = 0.1 et ∆t = 0.0125, la résolution numérique de ce système (voir annexe (9)) nous
donne les valeurs de u resumées dans le tableau suivant:

x/t 0.00 0.0125 0.0250 0.0375 0.0500 0.0625 0.0750 0.0875 0.100
0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
0.0625 0.1951 0.1840 0.1717 0.1598 0.1490 0.1392 0.1304 0.1225 0.1155
0.125 0.3827 0.3560 0.3306 0.3074 0.2865 0.2680 0.2514 0.2365 0.2232
0.1875 0.5556 0.5129 0.4750 0.4414 0.4118 0.3855 0.3622 0.3413 0.3226
0.25 0.7071 0.6507 0.6023 0.5602 0.5234 0.4908 0.4619 0.4360 0.4127
0.3125 0.8315 0.7658 0.7100 0.6618 0.6196 0.5824 0.5491 0.5193 0.4924
0.375 0.9239 0.8545 0.7953 0.7439 0.6987 0.6585 0.6224 0.5899 0.5603
0.4375 0.9808 0.9137 0.8554 0.8040 0.7582 0.7170 0.6797 0.6457 0.6146
0.5 1.0000 0.9409 0.8876 0.8394 0.7955 0.7553 0.7184 0.6844 0.6528
0.5625 0.9808 0.9339 0.8893 0.8471 0.8075 0.7703 0.7354 0.7026 0.6717
0.625 0.9239 0.8917 0.8581 0.8242 0.7909 0.7584 0.7269 0.6966 0.6673
0.6875 0.8315 0.8141 0.7924 0.7681 0.7422 0.7156 0.6887 0.6617 0.6349
0.75 0.7071 0.7026 0.6919 0.6769 0.6588 0.6383 0.6162 0.5932 0.5698
0.8125 0.5556 0.5600 0.5579 0.5506 0.5388 0.5238 0.5067 0.4882 0.4689
0.875 0.3827 0.3913 0.3941 0.3908 0.3834 0.3732 0.3611 0.3478 0.3338
0.9375 0.1951 0.2033 0.2048 0.2030 0.1990 0.1935 0.1870 0.1799 0.1725
1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Table 11: Valeurs pour Burgers MDF

- Pour différentes valeurs des pas de discrétisations, nous avons obtenu les graphes suivants:
Les courbes suivantes montrent, à chaque étape n de t, la courbe representative de u approchée
par la méthode des différences finies.

Département de Mathématiques 40
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 53: Burgers MDF pour Tmax = 0.1 Figure 54: Burgers MDF pour Tmax =
0.3125

Figure 55: Burgers MDF pour Tmax = 0.625 Figure 56: Burgers MDF pour Tmax = 1.25

4.2. La méthode des collocations RBFs


Dans ce paragraphe, nous allons résoudre l’équation de Burgers par les méthodes des collocations
RBFs.
Rappelons l’énoncé : 
 ut = R1 uxx − uux t > 0, x ∈ [0, 1]
u(0, t) = u(1, t) = 0 t > 0

u(x, 0) = f (x) 0≤x≤1

Département de Mathématiques 41
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 57: Evolution de Burgers MDF pour Figure 58: Evolution de Burgers MDF pour
Tmax = 0.5 Tmax = 1

La méthode que nous allons prendre en compte est la multiquadrique dont la fonction radiale de
base est: √
gj (r) = r2 + c2 avec r = ||x − xj || et c > 0
Posons
N
X
û = αj (t)gj (||x − xj ||)
j=1

et supposons que u ≈ û. Ce qui nous permet de remplacer u par û dans l’équation de Burgers.
µ ¶
1 ∂ û ∂ û2 1 ∂ 2 û
ût + ûûx = ûxx ⇒ + = (4.1)
R ∂t ∂x 2 R ∂x2
Pour des raisons de stabilité et sous les conditions C.F.L, nous conservons le schéma de Lax-
Friedrichs [021] précédent pour résoudre notre équation. Nous n’approximerons que la dérivée
partielle seconde par les fonctions RBFs.
Rappelons le schéma de Lax-Friedrichs ici :
¡ n ¢2 1 ¡ n ¢2 Ã N !
un+1 − 1
(u n
+ u n
) 1
u − u 1 ∂ 2 X
i 2 i+1 i−1
+ 2 i+1 2 i−1
= αj (t) × gj (||x − xj ||)
∆t 2∆x R ∂x2 j=1

Ce qui fait que


N
1¡ n ¢ ∆t ¡ n 2 ¢ ∆t X ∂ 2 gj (r)
un+1
i = ui+1 + uni−1 + (ui−1 ) − (uni+1 )2 + αj (tn ) (4.2)
2 4∆x R j=1 ∂x2

Département de Mathématiques 42
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

p
Avec gj la fonction multiquadrique de Hardy, gj (||x − xj ||) = (x − xj )2 + c2 . La dérivée
seconde de cette équation est

∂ 2 gj (||x − xj ||) c2
= ³p ´3
∂x2
(x − xj )2 + c2

L’équation (4.2) devient donc:


N
1¡ n ¢ ∆t ¡ n 2 ¢ ∆t X c2
un+1
i = ui+1 + uni−1 + (ui−1 ) − (uni+1 )2 + αj (tn ) ³p ´3
2 4∆x R j=1
(x − xj )2 + c2

Si nous notons
N
X c2
uxx = αj (tn ) × ³p ´3
j=1 (x − xj )2 + c2

notre équation (4.2) devient

1¡ n ¢ ∆t ¡ n 2 ¢ ∆t
un+1
i = ui+1 + uni−1 + (ui−1 ) − (uni+1 )2 + uxx (i)
2 4∆x R
La résolution numérique (voir annexe(10)) nous a donné les valeurs de u qu’on a résumées
dans le tableau suivant pour ∆t = 0.125 et Tmax = 0.1 et c = 0.4472:

x/t 0.00 0.0125 0.0250 0.0375 0.0500 0.0625 0.0750 0.0875 0.1
0.0 0.00 0.00 0.00 0.00 0.00 0.00 0 0.00 0.00
0.1 0.3090 0.2831 0.2553 0.2297 0.2071 0.1872 0.1698 0.1544 0.1407
0.2 0.5878 0.5281 0.4735 0.4255 0.3837 0.3472 0.3151 0.2865 0.2609
0.3 0.8090 0.7200 0.6439 0.5786 0.5220 0.4725 0.4286 0.3894 0.3541
0.4 0.9511 0.8449 0.7561 0.6800 0.6137 0.5553 0.5031 0.4561 0.4137
0.5 1.0000 0.8920 0.8005 0.7210 0.6506 0.5876 0.5309 0.4798 0.4338
0.6 0.9511 0.8549 0.7702 0.6941 0.6251 0.5627 0.5066 0.4562 0.4108
0.7 0.8090 0.7334 0.6622 0.5952 0.5342 0.4791 0.4297 0.3854 0.3458
0.8 0.5878 0.5350 0.4806 0.4305 0.3850 0.3441 0.3075 0.2749 0.2459
0.9 0.3090 0.2765 0.2475 0.2210 0.1971 0.1757 0.1567 0.1398 0.1249
1.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Table 12: Valeurs de Burgers RBF

Pour différentes valeurs du pas de discétisation, nous avon sobtenu les courbes suivantes qui
montrent l’évolution de u au cours du temps pour ∆t = 0.01 et c = 0.4472.
Voici quelques courbes qui relatent l’évolution de l’équation en fonction du temps t:

Département de Mathématiques 43
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 59: Burgers RBF pour Tmax = 0.1 Figure 60: Burgers RBF pour Tmax = 0.2

Figure 61: Burgers RBF pour Tmax = 0.5 Figure 62: Burgers RBF pour Tmax = 1

4.3. Méhodes des fonctions CSRBFs


Dans cette dernière partie, nous allons résoudre l’équation de Burgers par les méthodes utilisant
les fonctions radiales de base à support compact.
Rappelons que le principe de cette méthode consiste, comme la méthode des collocations
RBFs, à approximer la solution u par une fonction CSRBFs par la formule
N
X
u≈ αj (tn ) × φσl,d (r)
j=1

Département de Mathématiques 44
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 63: Evolution de Burgers RBF avec Figure 64: Evolution de Burgers RBF avec
Tmax = 0.2 Tmax = 0.5

où σ est un paramètre réglable, r = ||x − xj || est la norme eucludienne de X en R, d la dimension


de la fonction et l calculé comme vu au debut de ce projet.

Pour des raisons de stabilité numérique, nous conservons ici, encore une fois, la formule de
Lax-Friedrichs [021] qui respecte les conditions C.F.L. Sur ce, nous reprenons cette formule
¡ n ¢2 1 ¡ n ¢2 Ã N !
un+1
i − 21 (uni+1 + uni−1 ) 1
u i+1 − u i−1 1 ∂ 2 X
+ 2 2
= αj (tn )φσj
∆t 2∆x R ∂x2 j=1

Nous allons utiliser, encore une fois dans cet exemple, la fonction CSRBF de wendland φ4,2 qui
est ³ µ ³ r ´2 ¶
σ r ´6 r
φ4,2 (r) = 1 − 3 + 18 + 35
σ + σ σ
avec ri,j = ||x − xj || et comme on est en dimension D2, alors r = |x − xj |
Sa dérivée seconde par rapport à x est donnée par
µ ³ r ´2 ¶
∂ 2 φσ −56 ³ r ´4 r
= 2 1− 1 + 4 − 35
∂x2 σ σ + σ σ

En tirant un+1 en fonction de un , nous trouvons la relation


N
1¡ n ¢ ∆t ¡ n 2 ¢ ∆t X ∂ 2 φσ4,2
un+1 = n
u + ui−1 + n 2
(ui−1 ) − (ui+1 ) + αj (tn )
i
2 i+1 4∆x R j=1 ∂x2

Département de Mathématiques 45
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Si on pose
N
X ∂ 2 φσ4,2
uxx = αj (tn )
j=1
∂x2

alors l’équation précédente prendra la forme numérique


1¡ n ¢ ∆t ¡ n 2 ¢ ∆t
un+1
i = ui+1 + uni−1 + (ui−1 ) − (uni+1 )2 + uxx
2 4∆x R
Pour dt = 0.01, σ = 10 et Tmax = 0.08, nous avons eu les resultats qui sont dans le tableau
suivant. Le code Matlab est donné en (Annexe(11)).

x/t 0.0 0.0100 0.0200 0.0300 0.0400 0.0500 0.0600 0.0700 0.0800
0.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.1 0.3090 0.2853 0.2593 0.2349 0.2128 0.1932 0.1757 0.1600 0.1459
0.2 0.5878 0.5328 0.4813 0.4351 0.3941 0.3577 0.3253 0.2962 0.2698
0.3 0.8090 0.7264 0.6540 0.5906 0.5347 0.4852 0.4408 0.4008 0.3645
0.4 0.9511 0.8514 0.7660 0.6915 0.6258 0.5671 0.5142 0.4664 0.4231
0.5 1.0000 0.8967 0.8076 0.7291 0.6590 0.5956 0.5385 0.4869 0.4402
0.6 0.9511 0.8566 0.7726 0.6969 0.6279 0.5656 0.5095 0.4590 0.4136
0.7 0.8090 0.7319 0.6599 0.5926 0.5319 0.4774 0.4285 0.3848 0.3456
0.8 0.5878 0.5315 0.4754 0.4253 0.3804 0.3403 0.3046 0.2728 0.2444
0.9 0.3090 0.2728 0.2433 0.2172 0.1938 0.1731 0.1546 0.1383 0.1237
1.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Table 13: Valeurs de Burgers CSRBF

Voici les courbes obtenues lors de la résolution numérique à dt = 0.01 et σ = 10


Les courbes suivantes montrent l’évolution de la solution numérique, sous les conditions de
Lax-Friedrich, en fontion du temps.

4.4. Constatations
Ces tests numériques nous montrent que bien que la méthode des différences finies donne des
resultats numériques fiables mais celle des collocation RBFs et encore plus celle des CSRBFs
sont plus adéquat que la première. Vu que ces nouvelles méthodes n’incluent pas un maillage
du domaine, après avoir pu établir une bonne parametrisation des coefficients, les étapes à suivre
restent plus aisées et par conséquent donnent des resultats avec un cot de calcul très réduit.

Conclusion
Ce travail que nous avons eu à faire nous a été très intéressant et fructueux. Bien qu’il y ait eu
quelques obstacles comme le manque de temps dans un intervalle très limité et réduit, mais rien

Département de Mathématiques 46
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 65: Burgers CSRBFs pour Tmax = Figure 66: Burgers CSRBFs pour Tmax =
0.1 0.3

Figure 67: Burgers CSRBF pour Tmax = 0.5 Figure 68: Burgers CSRBF pour Tmax = 1

n’a empêché de réaliser notre objectif qui a été celui de résoudre quelques équations aux dérivées
partielles par les méthodes des Fonctions Radiales de Base (RBF). Les fonctions radiales de base
sont une nouvelle approche qui a pris cours dans les mathématiques appliquées durant le XX e
siècle et qui continue à l’heure actuelle.
L’utilisation de ces fonctions, surtout la fonction multiquadrique pour résoudre des équations
différentielles et/ou aux dérivées partielles, est très facile à programmer grce au bon condition-
nement de leurs matrices. Des performances numériques montrent que la MQ donne des approx-
imations très élevées par rapport aux autres méthodes utilisées jusqu’alors. Le seul paramètre à

Département de Mathématiques 47
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Figure 69: Evolution de Burgers CSRBF Figure 70: Evolution de Burgers CSRBF
pour T max = 0.3 pour T max = 1

prendre en compte dans les calculs est c car il influence pleinement les calculs surtout pour les
problèmes dépendant du temps.
Suite au problème des matrices pleines qui sont générées par l’utilisation des fonctions radiales
de base, d’autres recherches ont suivi et ont permis de passer de la méthode de collocation à la
méthode des fonctions radiales de base à support compact. Les approximations par les CSRBFs
font des méthodes RBFs très flexibles et faciles à appliquer. Le degré de précision ne dépend que
du choix de la fonction CSRBF et du facteur σ bien que ce dernier n’a pas vraiment une grande
influence dans les approximations.
Les tests numériques que nous avons pu établir ici ont prouvé que les méthodes utilisant les fonc-
tions radiales de base sont très économiques en matière de temps des calculs et de programmation
par rapport aux méthodes des différences finies ou encore celles des éléments finis.

Toutefois, jusqu’à nos jours, les recherches sont en cours pour trouver une méthode d’approximation
du paramètre d’optimisation c pour les collocations des Fonctions Radiales et le paramètre σ pour
les fonctions RBFs à support compact. Ce problème reste un grand inconvénient pour ces nou-
velles méthodes quand on utilise les fonctions ayant un paramètre réglable.
Ceci pourrait constituer à ceux qui sont animés à faire les recherches de s’y pencher pour des
recherches bien approfondies qui lui vaudraient des meilleures estimes et un grand pas aux ingénieurs
mathématiciens.

Département de Mathématiques 48
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Annexes
Annexe 1. : Quelques fonctions RFBs
clear; clc;
h=0.3125;
nx=10*(1/h)+1; ny=20*(1/h)+1;
n=nx*ny; c=0.13426;
beta=0.25;
[x, y] = meshgrid(0 : h : 20, 0 : h : 10);
X=[];
for i=1:nx
for j=1:ny
X = [X;x(i,j),y(i,j)];
end
end
for(i=1:nx)
for(j=1:ny)
%La Fonction MQ
g(i, j) = sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2) + c2 );
%La fonction Spline de plat mince
if(i==j)
;
else
h(i, j) = (sum((X(i, 1 : 2)−X(j, 1 : 2)).2 , 2))∗log(sqrt(sum((X(i, 1 : 2)−X(j, 1 : 2)).2 , 2)));
end
%la fonction spline cubique
v(i, j) = (sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2)))3 ;
u(i, j) = −(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2))b eta;
end
end
figure(1)
surf(y,x,g)
title(’Graphe de la MQ-function avec h=0.3125’);
figure(2)
surf(y,x,h)
title(’Graphe de Thin-plat spline function avec h=0.3125’);
figure(3)
surf(y,x,v)
title(’Graphe de cubic-spline function avec h=0.3125’);
figure(4)
surf(y,x,u);

Département de Mathématiques 49
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Annexe 2. : Quelques fonctions CSRBFs


clear; clc;
h=1.25;d=2;
nx=10*(1/h)+1;
ny=20*(1/h)+1;
n=nx*ny; c=0.13426;
[x, y] = meshgrid(0 : h : 20, 0 : h : 10);
X=[];
A=zeros(n,n);
B=zeros(n,1);
alpha=zeros(n,1);
uh=zeros(n,1);
z=zeros(nx,ny);
for i=1:nx
for j=1:ny
X = [X;x(i,j),y(i,j)];
end
end
k=2; l=d/2+k+1;
for i=1:nx
for j=1:ny
r(i, j) = sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2));
%**** quelques fonctions pour le modéle de Wu ******
phi11(i, j) = (1 − r(i, j))4 ∗ (4 + 16 ∗ r(i, j) + 12 ∗ r(i, j)2 + 3 ∗ r(i, j)3 );
phi12(i, j) = (1 − r(i, j))6 ∗ (62 + 384 ∗ r(i, j) + 640 ∗ r(i, j)2 + 515 ∗ r(i, j)3 + 210 ∗ r(i, j)4 +
35 ∗ r(i, j)5 );
% ***** quelques fonctions pour le modéle de Wendland *****
phi21(i, j) = (1 − r(i, j))3 ;
phi22(i, j) = (1 − r(i, j))6 ∗ (1 + 4 ∗ r(i, j));

% ****** Quelques fonctions de Fasshauer *******


phi31(i, j) = (1 − r(i, j))( d/2 + 0 + 1);
phi32(i, j) = (1 − r(i, j))( l + 1) ∗ [(l + 1) ∗ r(i, j) + 1];
end
end
figure(1)
surf(y,x,phi11);
figure(2)
surf(x,y,phi12);
figure(3)
surf(x,y,phi21);
figure(4)

Département de Mathématiques 50
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

surf(x,y,phi22)
figure(5)
surf(x,y,phi31)
figure(6)
surf(x,y,phi32);

Annexe 3. : Laplace MDF


clear; clc;
h=2.5;
a=0; b=20;
c=0; d=10;
nx=(b-a)/h; ny=(d-c)/h;
n=(nx-1)*(ny-1);
x=0:h:b; y=0:h:d
A=zeros(n);
% ***************** La matrice A *************************
for i=1:(n-1)
A(i,i)=-4;
A(i+1,i)=1;
A(i,i+1)=1;
end
for i=1:n-nx+1
A(nx-1+i,i)=1;
A(i,nx-1+i)=1;
end
A(n,n)=-4;
for i=1:n-1
if (mod(i,(nx-1))==0)
A(i+1,i)=0;
A(i,i+1)=0;
end
end
% ***************** Le vecteur B qui represente le second membre ***********
for i=1:n
B(i)=0;
if (mod(i,nx-1)==0)
B(i)=-100;
end
end
% ******** Calcul de V et transformation en une matrice u ******

Département de Mathématiques 51
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

V=B’/A;
k=1;
for j=1:ny-1
for i=1:nx-1
u(j,i)=V(k);
k=k+1;
end
end
for j=ny:-1:2
for i=nx:-1:2
u(j,i)=u(j-1,i-1);
end
end
for i=1:nx
for j=1:ny
u(1,i)=0;
u(j,1)=0;
u(ny+1,i)=0;
u(j,nx+1)=100;
end
end
u(1,nx+1)=0;
mesh(x,y,u);
% ********** Les graphes pour h = 0.3125 *********************
title(’mesh Laplace MDF h=0.3125’);
xlabel(’x’);
ylabel(’y’);
figure(2)
surf(x,y,u);
title(’surf Laplace MDF h=0.3125’);
xlabel(’x’);
ylabel(’y’);

Annexe 4. :Laplace RBF


clear; clc;
h=2.5;
nx=10*(1/h)+1;
ny=20*(1/h)+1;
n=nx*ny; c=0.13426;
[x, y] = meshgrid(0 : h : 20, 0 : h : 10);

Département de Mathématiques 52
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

X=zeros(n,3);
X=[];
A=zeros(n,n);
B=zeros(n,1);
alpha=zeros(n,1);
uh=zeros(n,1);
z=zeros(nx,ny);
%************** discritisation des noeuds***********************
for i=1:nx
for j=1:ny
X = [X;x(i,j),y(i,j)];
end
end
X=[X zeros(n,1)];
for i=1:n
if (X(i,2)==0—X(i,2)==10—X(i,1)==0)
X(i,3)=1; %sur AB, AD et CD
else if(X(i,1)==20)
X(i,3)=2;
end
end
end
%*************calcul la matrice A *********************
for i=1:n
for j=1:n
switch X(i,3)
case 1
A(i, j) = sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2) + c2 );
B(i)=0;
case 2
A(i, j) = sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2) + c2 );
B(i)=100;
case 0
A(i, j) = 2/sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2) + c2 ) − ((X(i, 1) − X(j, 1))2 + (X(i, 2) −
X(j, 2))2 )/(sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2) + c2 ))3 ;
end
end
end
%*********calculer le vecteur alpha ************************
alpha=B/A;
for i=1:n
for j=1:n

Département de Mathématiques 53
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

g(i, j) = sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2) + c2 );


end
end
%calcul de la fonction de RBF , ici on choisit la forme multiquadrique RBF-MQ
uh=g*alpha;
% transformation de la solution en une forme matricielle
s=0;
for i=1:nx
for j=1:ny
z(i,j)=uh(j+s);
end
s=s+ny;
end
for(i=1:nx)
for(j=1:ny)
z(i,j)=abs(z(i,j));
end
end
figure(1)
surf(x,y,z)
title(’RBF surf (MQ)-Laplace-’);
xlabel(’x’);
ylabel(’y’);
hold on;
figure(2)
mesh(x,y,z),
colorbar;
title(’RBF mesh (MQ)-Laplace-’);
xlabel(’x’);
ylabel(’y’);

Annexe 5. : Laplace CSRBF


clear; clc;
h=1.25;
nx=10*(1/h)+1;
ny=20*(1/h)+1;
n=nx*ny;
s=5;
[x, y] = meshgrid(0 : h : 20, 0 : h : 10);
X=[];

Département de Mathématiques 54
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

A=zeros(n,n);
B=zeros(n,1);
alpha=zeros(n,1);
% pour discritisation les noeuds sur la géométrique %%
for i=1:nx
for j=1:ny
X = [X;x(i,j),y(i,j)];
end
end
X=[X zeros(n,1)];
for i=1:n
if (X(i,2)==0—X(i,2)==10 — X(i,1)==0)
X(i,3)=1; %sur AB, AD et CD
else if(X(i,1)==20)
X(i,3)=2; %Sur BC
end
end
end
for i=1:n
for j=1:n
r(i, j) = sqrt(sum((X(i, 1 : 2) − X(j, 1 : 2)).2 , 2));
if(r(i,j)/s¡1)
g(i, j) = (1 − r(i, j)/s)6 ∗ (3 + 18 ∗ r(i, j)/s + 35 ∗ (r(i, j)/s)2 );
gxx(i, j) = −56/s2 ∗ (1 − r(i, j)/s)4 ∗ (2 + 8 ∗ r(i, j)/s − 40 ∗ (r(i, j)/s)2 );
else
g(i,j)=0;
gxx(i,j)=0;
end
end
end
for i=1:n
for j=1:n
switch(X(i,3))
case 0
A(i,j)=gxx(i,j);
case 1
A(i,j)=g(i,j);
case 2
A(i,j)=g(i,j);
B(i)=100;
end
end

Département de Mathématiques 55
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

end
end
alpha=B/A;
H=g*alpha;
k=1;
for i=1:nx
for j=1:ny
u(i,j)=H(k);
k=k+1;
end
end
figure(1)
surf(x,y,abs(u));

Annexe 6. :Fourier MDF


clc; clear;
k=0.13;c=0.11;
p=7.8;dx=0.25;
dt=dx*dx*c*p/(2*k);
r=k*dt/(c*p*dx*dx);
Tmax=100*dt;
cla=0; clb=0;
a=0;b=2;
nx=(b-a)/dx; nt=Tmax/dt;
x=0:dx:b; t=0:dt:Tmax;
% **********************************
%la solution analytique
%***********************************
v=zeros(nx+1,nt+1);
n=0;
while(n¡101)
for i=1:nx+1
for j=1:nt+1
u(i, j) = v(i, j) + 800 ∗ 1/(pi2 ∗ (2 ∗ n + 1)2 ) ∗ cos(pi ∗ (2 ∗ n + 1) ∗ (x(i) − 1)/2) ∗ exp(−0.3738 ∗
(2 ∗ n + 1)2 ∗ t(j));
v(i,j)=u(i,j);
end
end
n=n+1;
end

Département de Mathématiques 56
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

%********************************
%solution numérique

%*********************************
for i=1:nx-1
N1(i)=0;
N2(i)=0;
end
N1(1)=r*cla;
N1(nx-1)=r*clb;
for i=1:nx-2
M1(i,i)=2+2*r;
M1(i,i+1)=-r;
M1(i+1,i)=-r;
M2(i,i)=2-2*r;
M2(i,i+1)=r;
M2(i+1,i)=r;
end
M1(nx-1,nx-1)=2+2*r;
M2(nx-1,nx-1)=2-2*r;
for i=1:nx+1
if x(i)¡1
Ci(i)=100*x(i);
else
Ci(i)=100*(2-x(i));
end
end
for i=1:nx-1
h(i)=Ci(i+1);
end
j=1;
h=h’;
I=eye(nx-1);
while(j¡nt+2)
for i=1:nx-1
w(i,j)=h(i);
end
h=inv(M1)*(M2*h+(N1’-N2’));
j=j+1;
end
for i=nx:-1:2
for j=nt:-1:1

Département de Mathématiques 57
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

w(i,j)=w(i-1,j);
end
end
for j=1:nt+1
w(1,j)=0;
w(nx+1,j)=0;
end
% la courbe de la solution analytique *************
mesh(t,x,v);
figure(2)
surf(t,x,v)
% la courbe de la solution numérique ******************
figure(3)
mesh(t,x,w);
figure(4)
surf(t,x,w);

Annexe 7. : Fourier RBF


clear; clc;
k=0.13;c1=0.11;
p=7.8;
dx=0.1;
dt=.01;
r=k/(c1*p);
Tmax=2;
a=0;b=2;
n=(b-a)/dx+1;
nt=Tmax/dt+1;
x=0:dx:b;
t=0:dt:Tmax;
c=.5;
%**** Conditions initiales *****
for i=1:n
if x(i)¡1
f(i)=100*x(i);
else
f(i)=100*(2-x(i));
end
end
u=f’; %% condition initial t=0

Département de Mathématiques 58
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

for i=1:n
for j=1:n
A(i, j) = sqrt((x(i) − x(j))2 + c2 );
Axx(i, j) = c2 /(((x(i) − x(j)).2 ) + c2 )( 3/2);
end
end
%Discrétisation du domaine **********
X=[];
X=[x’ zeros(n,1)];
for i=1:n
if (X(i,1)==0)k(X(i,1)==2)
X(i,2)=1;
end
end
for m=1:nt
utime(:,m)=u;
alpha=u/A;
u=A*alpha;
uxx=Axx*alpha;
for i=1:n
switch X(i,2)
case 0
u(i) = u(i) + dt*r*uxx(i);
case 1
u(i) = 0;
end
end
end
F1=figure(1);
set(F1,’position’,[50,300,550,300])
surf(t,x,utime)
shading interp
title(’Solution numérique par MQ RBF à chaque étape t’)
xlabel(’t’);
ylabel(’x’);
zlabel(’u’);
%======= Exact solution ========
nx=(b-a)/dx+1;
v=zeros(nx,nt);
n=0;
while(n¡=nt)
for i=1:nx

Département de Mathématiques 59
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

for j=1:nt
uexact(i, j) = v(i, j) + 800 ∗ 1/(pi2 ∗ (2 ∗ n + 1)2 ) ∗ cos(pi ∗ (2 ∗ n + 1) ∗ (x(i) − 1)/2) ∗
exp(−0.3738 ∗ (2 ∗ n + 1)2 ∗ t(j));
v(i,j)=uexact(i,j);
end
end
n=n+1;
end
F2=figure(2);
set(F2,’position’,[600,300,550,300])
surf(t,x,uexact)
shading interp
title(’Solution exact à chaque étape t’)
xlabel(’t’);
ylabel(’x’);
zlabel(’uexact’);
max=0;
for i=1:nx
for j=1:nt
err(i,j)=abs(utime(i,j)-uexact(i,j));
if(err(i,j)¿max)
max=err(i,j);
end
end
end
F3=figure(3);
set(F3,’position’,[50,50,550,300])
surf(t,x,err);
xlabel(’x’);
ylabel(’t’);
title(’error’)

Annexe 8. : Fourier CSRBF


clear; clc;
k=0.13;c1=0.11;
p=7.8;
dx=0.25;
dt=.01;
r1=k/(c1*p);
Tmax=3;

Département de Mathématiques 60
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

a=0;b=2;
n=(b-a)/dx+1;
nt=Tmax/dt+1;
x=0:dx:b;
t=0:dt:Tmax;
s=5;
X=[];
X=[x’ zeros(n,1)];
for i=1:n
if (X(i,1)==0)k(X(i,1)==2)
X(i,2)=1;
end
end
%********** Conditions initiales *****************
for i=1:n
if x(i)¡1
f(i)=100*x(i);
else
f(i)=100*(2-x(i));
end
end
u=f’; %% condition initial t=0
for i=1:n
for j=1:n
% r(i, j) = sqrt(sum((X(i, 1) − X(j, 1)).2 ));
r(i,j)=abs(sum((X(i,1)-X(j,1))));
if(r(i,j)/s¡1)
g(i, j) = (1 − r(i, j)/s)6 ∗ (3 + 18 ∗ r(i, j)/s + 35 ∗ (r(i, j)/s)2 );
gxx(i, j) = −56/s2 ∗ (1 − r(i, j)/s)4 ∗ (1 + 4 ∗ r(i, j)/s − 35 ∗ (r(i, j)/s)2 );
else
g(i,j)=0;
gxx(i,j)=0;
end
end
end
for m=1:nt
%On récupère u dans w %%%%
utime(:,m)=u;
w=utime;
alpha=u/g;
u=g*alpha;
uxx=gxx*alpha;

Département de Mathématiques 61
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

for i=1:n
switch X(i,2)
case 0
u(i) = u(i) + dt*r1*uxx(i);
case 1
u(i) = 0;
end
end
end
figure(1)
mesh(t,x,w)
figure(2)
v=w(:);
plot(v)
% SOLUTION EXACT %%%%%%%%%
v=zeros(n,nt);
m=0;
while(m¡=nt)
for i=1:n
for j=1:nt
uexact(i, j) = v(i, j) + 800 ∗ 1/(pi2 ∗ (2 ∗ m + 1)2 ) ∗ cos(pi ∗ (2 ∗ m + 1) ∗ (x(i) − 1)/2) ∗
exp(−0.3738 ∗ (2 ∗ m + 1)2 ∗ t(j));
v(i,j)=uexact(i,j);
end
end
m=m+1;
end
figure(3)
surf(t,x,uexact)
err=(w-uexact);
max=0;
for i=1:n
for j=1:nt
if(err(i,j)¿max)
max=err(i,j);
end
end
end
figure(4)
surf(t,x,err)
max

Département de Mathématiques 62
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Annexe 9. : Burgers MDF


clear; clc;
R=10000;
dx=0.125/2;dt=0.0125;
Tmax=25*dt;
x=0:dx:1; t=0:dt:Tmax;
nx=1/dx+1; nt=Tmax/dt+1;
u=zeros(nx,nt);
Ci=zeros(nx,1);
for(i=1:nx)
Ci(i)=sin(pi*x(i));
end
H=Ci;
j=1;
while(j¡nt)
for(i=1:nx)
u(i,j)=H(i);
end
for(i=2:nx-1)
H(i) = (1/2 + dt/(R ∗ dx ∗ dx)) ∗ (H(i − 1) + H(i + 1)) − 2 ∗ dt/(R ∗ dx ∗ dx) ∗ H(i) + dt/(4 ∗
dx) ∗ [H(i − 1)2 − H(i + 1)2 ];
end
j=j+1;
end
surf(t,x,u);

Annexe 10. : Burgers RBF


clear; clc;
b=1;
dx=0.1;
dt=0.0125;
R=10000;
h=.2;
c=sqrt(h);
Tmax=.5;
nx=(b/dx)+1;
nt=Tmax/dt+1;
x=0:dx:b;
t=0:dt:Tmax;
A=zeros(nx,nx);

Département de Mathématiques 63
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

alpha=zeros(nx,1);
for(i=1:nx)
f(i)=sin(pi*x(i));
end
u=f’; %% condition initial t=0
for i=1:nx
for j=1:nx
A(i, j) = sqrt((x(i) − x(j))2 + c2 );
Ax(i, j) = (x(i) − x(j))/sqrt(((x(i) − x(j)).2 ) + c2 );
Axx(i, j) = c2 /(((x(i) − x(j)).2 ) + c2 )( 3/2);
end
end
%Discrétisation du domaine **********
X=[];
X=[x’ zeros(nx,1)];
for i=1:nx
if (X(i,1)==0)k(X(i,1)==1)
X(i,2)=1;
end
end
for m=1:nt
utime(:,m)=u;
w=utime;
alpha=u/A;
u=A*alpha;
ux=Ax*alpha;
uxx=Axx*alpha;
for i=1:nx
switch X(i,2)
case 0
u(i) = 1/2 ∗ (u(i − 1) + u(i + 1)) + dt/(4 ∗ dx) ∗ [u(i − 1)2 − u(i + 1)2 ] + dt/R ∗ uxx(i);
case 1
u(i) = 0;
end
end
end
figure(1)
surf(t,x,w);
figure(2)
h=w(:);
plot(h)

Département de Mathématiques 64
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

Annexe 11. : Burgers CSRBF


clear; clc;
b=1;
dx=0.1;
dt=.01;
R=10000;
sigma=10;
Tmax=.1;
n=(b/dx)+1;
nt=Tmax/dt+1;
x=0:dx:b;
t=0:dt:Tmax;
alpha=zeros(n,1);
%======Discrétisation du domaine =====
X=[];
X=[x’ zeros(n,1)];
for i=1:n
if (X(i,1)==0)k(X(i,1)==1)
X(i,2)=1;
end
end
for(i=1:n)
f(i)=sin(pi*X(i,1));
end
u=f’; %% condition initial t=0
for i=1:n
for j=1:n
r(i, j) = sqrt(sum((X(i, 1) − X(j, 1)).2 ));
if(r(i,j)/sigma¡1)
g(i, j) = (1 − r(i, j)/sigma)6 ∗ (3 + 18 ∗ r(i, j)/sigma + 35 ∗ (r(i, j)/sigma)2 );
gx(i, j) = −56/sigma2 ∗ (X(i, 1) − X(j, 1)) ∗ (1 − r(i, j)/sigma)5 ∗ (1 + 5 ∗ r(i, j)/sigma);
gxx(i, j) = −56/sigma2 ∗ (1 − r(i, j)/sigma)4 ∗ (1 + 4 ∗ r(i, j)/sigma − 35 ∗ (r(i, j)/sigma)2 );
else
g(i,j)=0;
gxx(i,j)=0;
end
end
end
for m=1:nt
utime(:,m)=u;
w=utime;
alpha=u/g;

Département de Mathématiques 65
FST-Mohammedia, (2009)
A. Taik Cours Formation Doctorale

u=g*alpha;
ux=gx*alpha;
uxx=gxx*alpha;
for i=1:n
switch X(i,2)
case 0
u(i) = 1/2 ∗ (u(i − 1) + u(i + 1)) + dt/(4 ∗ dx) ∗ [u(i − 1)2 − u(i + 1)2 ] + dt/R ∗ uxx(i);
case 1
u(i) = 0;
end
end
m=m+1;
end
figure(1)
surf(t,x,w)
figure(2)
v=w(:);
plot(v);

Département de Mathématiques 66
FST-Mohammedia, (2009)
Bibliography

[001] Y. ALHURI, Méthodes sans maillage (Meshless), Les Fonctions Radiales de Base,
Mémoire pour l’obtension du Diplme des Etudes Supérieures Approfondies, Université Hassan
II, Faculté des Sciences et Techniques de Mohammedia, Maroc décembre 2006.

[002] E. VIENNET, Réseaux à fonctions de base radiales : http://hal.archives-


ouvertes.fr/docs/00/08/50/92/PDF

[003] S. Wolf, Méthodes sans maillage, Ecole Centrale de Paris, 27 novembre 2007

[004] J. Yvonnet, I. Alfaro, E. Cueto, F. Chinesta, M. Doblaré, Nouvelles avancées dans les
méthodes sans maillage de type éléments naturels pour la simulation des procédés de mise en
forme, Laboratoire de Mécanique des Systèmes et des Procédés UMR CNRS - ENSAM - ESEM
et I3A, Universidad de Zaragoza

[005] U. FRISCH et J.-D. FOURNIER, QUELQUES RÉSULTATS EXACTS POUR


L’ÉQUATION DE BURGERS ALÉATOIRE, JOURNAL DE PHYSIQUE, Colloque C5,
supplément au n 8, tome 39, aot 1978, page C5-19

[006] A. FILANKEMBO OUASSISSOU,Application de la Méthode de Collocation RBF pour la


résolution de Certaines Equations aux Dérivées Partielles, Thèse pour l’obtension du grade de
Doctorat, Université de PAU et des PAYS de l’ADOUR, Ecole Doctorale des Sciences Exactes
de de leurs Applications,France juillet 2006.

[007] Tobin A. Driscoll, Alfa R.H. Heryudono, Adaptive residual subsampling methods for ra-
dial basis function interpolation and collocation problems, Computers and Mathematics with
Applications 53 (2007) 927-939, 15 June 2006

[008] W. Wang and Xujia Qin , An Image Inpainting Algorithm Based on CSRBF Interpolation;
College of Software, Zhejiang University of Technology, Hangzhou, China, 310032

[009] S. M. WONG, Y. C. HON et M. A. GOLBERG, Compactly Supported Radial Basis Func-


tions for Shallow Water Equations

[010] M. D. BUHMANN, Radial Basis Functions : Theory and Implementations, University of


GIESSEN

67
A. Taik Cours Formation Doctorale

[011] X. Z. MAO & Y. C. HON, An Efficient Numerical Scheme for Solving Initail and Boundary
Value Prblem, University of Hong Kong, Departmenet of Mathematics

[012] M. SAMOSINO, Voronoi Centered Radial Basis Functions, THÈSE pour obtenir le titre
de Docteur en Sciences, UNIVERSITÉ DE NICE - SOPHIA ANTIPOLIS, École doctorale
Sciences et Technologies de l’Information et de la Communication de Nice - Sophia Antipolis,
France, juillet 2007.

[013] Marc Duflot, Application des méthodes sans maillage en mécanique de la rupture, Thèse
présentée pour l’obtension du grade de Docteur en Sciences Applquées, Université de Liege,
France 2004.

[014] H. YAZIDI, Etude de quelques EDP non linéaires sans compacité, Thèse présentée pour
obtenir de grade de docteur en Mathématiques, Université de Paris XII, France Janvier 2006.

[015] C. Franke, R. Chaback, Solving Partial Differential Equations by Collocation using Radial
Baisi Functions.

[016] E. J. Kansa, H. Power, G. E. Fasshauer, L. Ling, A Volumetric Integral Radial Basis


Function Method for Time-Dependent Partial Differential Equations: I. Formulation.

[017] E. J. Kansa, Y. C. Hun, Circumventing the ill-conditioning problem with multiquadric


radial basis functions : Applications to elliptic partial differential equation.

[018] Y. C. HON, K. F. CHEUNG, Xian-Zoung MAO et E. KANSA A Multiquadric Solution


for Shallow Water Equations.

[019] I. RAMIÈRE, Méthodes de domaine fictif pour des problèmes elliptiques avec condi-
tions aux limites générales en vue de la simulation numérique d’écoulements diphasiques,
THÈSE pour obtenir le grade de DOCTEUR en Mathématiques Appliquées, Université
d’AIX-MARSEILLE I, École Doctorale Mathématiques et Informatique de Marseille, France,
Septembre 2006

[020] A. Micheli, A. Sperduti, A. Starita, An Introduction to Recursive Neural Networks and


Kernel Methods for Cheminformatics

[021] Schémas sous forme conservative pour l’équation de Brgers : http://www-rocq.inria.fr/ had-
dar/Cours/ENSTA/SIMUL/SchemaBurgers.html

Département de Mathématiques 68
FST-Mohammedia, (2009)

Vous aimerez peut-être aussi