Vous êtes sur la page 1sur 6

Ecole Polytechnique d’Abomey-Calavi

Ecole Doctorale Science de l’Ingénieur


Cours sur les méthodes numériques – phase pratique
Devoir de maison

Exercice 1 : Ajustement non linéaire par les moindres carrés (méthode


du gradient
𝜂 et 𝛾̇ sont deux grandeurs physiques N° 𝜸̇ 𝜼
caractérisant un fluide. On se propose d’étudier la
1 𝛾̇1 𝜂1
variation de 𝜂 en fonction de 𝛾̇ par une loi
2 𝛾̇ 2 𝜂2
empirique (loi de puissance) :
3 𝛾̇ 3 𝜂3
𝜂 = 𝑓(𝛾̇ ) = 𝜂0 𝛾̇ (𝛽−1) 4 𝛾̇4 𝜂4
5 𝛾̇ 5 𝜂5
En vue d’établir ce modèle semi-théorique,
6 𝛾̇ 6 𝜂6
plusieurs mesures expérimentales ont été
7 𝛾̇ 7 𝜂7
réalisées sur lesdites grandeurs où 𝛾̇ est la
. . .
variable explicative et 𝜂 la variable dépendante.
. . .
Les mesures réalisées sont consignées dans un
. . .
fichier dénommé « data_rheo.txt » (voir ci-contre le
format du contenu).
Il s’agit de procéder à la détermination de 𝜂0 et 𝛽
par la méthode des moindres carrés qui consiste
à minimiser la fonction :

Page 1 sur 6
𝑛𝑝
1 (𝛽−1) 2
𝐸(𝜂0 , 𝛽) = ∑ (𝜂0 𝛾̇𝑖 − 𝜂𝑖 ) , 𝑛𝑝 = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑚𝑒𝑠𝑢𝑟𝑒𝑠
2
𝑖=1

On admet que la fonction E atteint son minimum au point solution du système


d’équations non linéaires (méthode du gradient) :
𝑛𝑝
𝜕 (𝛽−1) (𝛽−1)
𝐸(𝜂0 , 𝛽) = ∑ 𝛾̇𝑖 (𝜂0 𝛾̇𝑖 − 𝜂𝑖 ) = 0 (1)
𝜕𝜂0
𝑖=1
𝑛𝑝
𝜕 (𝛽−1) (𝛽−1)
𝐸(𝜂0 , 𝛽) = ∑ 𝜂0 𝑙𝑛(𝛾̇𝑖 )𝛾̇𝑖 (𝜂0 𝛾̇𝑖 − 𝜂𝑖 ) = 0 (2)
{𝜕𝛽 𝑖=1

L’équation (1) permet d’obtenir par substitution et simplification le système


suivant :

(𝛽−1)
∑𝑛𝑝
𝑖=1 𝛾̇𝑖 𝜂𝑖
𝜂0 = 2(𝛽−1)
(3)
∑𝑛𝑝
𝑖=1 𝛾̇𝑖
𝑛𝑝 𝑛𝑝 (𝛽−1)
(𝛽−1) ∑𝑖=1 𝛾̇𝑖 𝜂𝑖 (𝛽−1)
∑ [𝑙𝑛(𝛾̇ 𝑘 )𝛾̇𝑘 ( 𝑛𝑝 2(𝛽−1) 𝛾̇𝑘 − 𝜂𝑘 )] = 0 (4)
{𝑘=1 ∑𝑖=1 𝛾̇𝑖

L’équation (4) ainsi obtenue est une équation non linéaire d’inconnue 𝛽.

Dans la suite, le problème sera résolu de 3 méthodes différentes avec les


points de colocation présentés dans le fichier « data_rheo.txt ».

1. Méthode graphique
a) Faire la représentation graphique de la fonction
𝑛𝑝 𝑛𝑝 (𝛽−1)
(𝛽−1) ∑𝑖=1 𝛾̇𝑖 𝜂𝑖 (𝛽−1)
𝐹(𝛽) = ∑ [𝑙𝑛(𝛾̇ 𝑘 )𝛾̇𝑘 ( 𝑛𝑝 2(𝛽−1) 𝛾̇𝑘 − 𝜂𝑘 )]
𝑘=1
∑𝑖=1 𝛾̇𝑖
sur l’intervalle [−0.1; 0.1], puis en déduire une valeur approchée de(s)
racine(s) qu’elle y admet.
NB on procédera de manière à déterminer la ou les racines avec une
précision de 10−5. En déduire le paramètre 𝜂0 correspondant.
b) Représenter dans un même graphique et à l’échelle arithmétique, le
nuage de points expérimentaux ainsi que la courbe modèle 𝜂 = 𝑓(𝛾̇ ).

Page 2 sur 6
NB : la courbe modèle sera représentée en rouge continu et les points
expérimentaux en bleu discontinu avec des motifs appropriés. Faire
afficher la grille, une légende et les titres des axes.
c) Reprendre la représentation graphique de b) à l’échelle bi-logarithmique.
2. Méthode de Newton-Raphson

On se propose d’utiliser à présent la méthode de Newton-Raphson.

En remarquant que
𝑛𝑝
(𝛽−1) (𝛽−1)
𝐹(𝛽) = ∑ [𝑙𝑛(𝛾̇𝑘 )𝛾̇𝑘 (𝑔(𝛽)𝛾̇𝑘 − 𝜂𝑘 )]
𝑘=1

avec

(𝛽−1)
∑𝑛𝑝
𝑖=1 𝛾̇𝑖 𝜂𝑖
𝑔(𝛽) = 2(𝛽−1)
∑𝑛𝑝
𝑖=1 𝛾̇𝑖

a) Donner l’expression de 𝐹′(𝛽) en fonction de 𝑔(𝛽) et 𝑔′(𝛽), puis, en


déduire la relation de récurrence pour la résolution de l’équation 𝐹(𝛽) =
0 par la méthode de Newton-Raphson.
b) Mettre en œuvre la résolution de l’équation non linéaire 𝐹(𝛽) = 0 par
l’algorithme de Newton-Raphson en utilisant la question a).
On partira de la solution obtenue graphiquement et on utilisera comme
critère de convergence la constante eps de MATLAB.
3. Méthode d’ajustement avec changement de variables.
Ici, on effectue le changement de variable :
𝜆 = 𝑙𝑜𝑔(𝜂)
{
𝜇 = 𝑙𝑜𝑔(𝛾̇ )
et on se donne de minimiser
𝑛𝑝
1
𝐸(𝜆0 , 𝛽) = ∑(𝜆0 + (𝛽 − 1)𝜇𝑖 − 𝜆𝑖 )2
2
𝑖=1

ce qui se ramène à la résolution du système

Page 3 sur 6
𝑛𝑝
𝜕
𝐸(𝜆0 , 𝛽) = ∑(𝜆0 + (𝛽 − 1)𝜇𝑖 − 𝜆𝑖 ) = 0 (1)
𝜕𝜆0
𝑖=1
𝑛𝑝
𝜕
𝐸(𝜆0 , 𝛽) = ∑ 𝜇𝑖 × (𝜆0 + (𝛽 − 1)𝜇𝑖 − 𝜆𝑖 ) = 0 (2)
{𝜕𝛽 𝑖=1

ou encore

𝑛𝑝 𝑛𝑝

𝑛𝑝 × 𝜆0 + (𝛽 − 1) ∑ 𝜇𝑖 = ∑ 𝜆𝑖 (1)
𝑖=1 𝑖=1
𝑛𝑝 𝑛𝑝 𝑛𝑝

𝜆0 ∑ 𝜇𝑖 + (𝛽 − 1) ∑ 𝜇𝑖2 = ∑ 𝜇𝑖 𝜆𝑖 (2)
{ 𝑖=1 𝑖=1 𝑖=1

a) Faire la résolution de ce système d’équations linéaires à l’aide de


MATLAB, puis, en déduire 𝜂0 .
b) Représenter dans le même graphique le nuage de points et la courbe du
modèle ainsi élaboré.
4. Comparaison des trois résultats

Représenter dans le même plan le nuage de point et les trois modèles


déterminés.

Exercice 2 étude de la distribution de température dans une ailette de


section circulaire
Une ailette de longueur L=0.75m est reliée d’un côté (x=0) à une source de
chaleur qui le maintient à une température constante 𝑇0 . L’autre côté est en
contact avec un milieu ambiant dont la température est maintenue fixe à
20°C. le transfert de chaleur entre l’ailette et le milieu ambiant se fait par
convection et rayonnement. En supposant que l’ailette ainsi que le milieu
ambiant se comportent comme des corps noirs, la température dans l’ailette
est régie par le problème aux limites suivant :

𝑑2𝑇
−𝐴𝜆 + 𝑝ℎ𝑐 (𝑇 − 𝑇∞ ) + 𝑝𝜎(𝑇 4 − 𝑇∞4 ) = 0, 0 < 𝑥 < 𝐿
𝑑𝑥 2
𝑇(0) = 𝑇0
𝑑𝑇
| =0
𝑑𝑥 𝑥=𝐿
{𝑇(𝐿) = 𝑇∞

Page 4 sur 6

• 𝜆 = 120𝑊/𝑚 ∙ °𝐶 est la conductivité thermique ;


• 𝐴 = 1.5 ∙ 10−3 𝑚2 est la section de la barre (ailette) ;
• 𝑝 = 0.133𝑚 est le périmètre de la barre (ailette) ;
• ℎ𝑐 = 50𝑊/(𝑚2 ∙ 𝐾) est le coefficient de transfert par convection ;
• 𝜎 = 5.67 ∙ 10−8 /(𝑚2 ∙ 𝐾 4 ) est la constante de Stefan-Bolzmann ;
• 𝑇∞ = 293𝐾 : température du milieu ambiant.

Etudier la distribution de température dans l’ailette pour 𝑇0 ∈


{400𝐾, 600𝐾, 800𝐾, 1000𝐾} en utilisant RK4. Les solutions obtenues seront
représentées à l’aide d’un même graphique. On choisira un pas de subdivision
adéquat.

Exercice 3 : Etude du champ magnétique dans l’entrefer d’un moteur


électrique

Page 5 sur 6
On donne : 𝑎 = 0.02𝑚, 𝑏 = 0.05𝑚, 𝑐 = 0.10, 𝑑 = 0.02𝑚, 𝑒 = 0.05𝑚, 𝐵𝑟 = 1.2𝑇,
𝜇0 = 4𝜋10−7 𝐻/𝑚
L’induction magnétique est donnée par :
⃗ 1 = −𝜇0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐵 𝑔𝑟𝑎𝑑 (𝜑1 ), ⃗ 2 = −𝜇0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐵 𝑔𝑟𝑎𝑑 (𝜑2 )
1. Faire la discrétisation de chacun des problèmes sur 𝜑1 et 𝜑2 en utilisant
un schéma aux différences finies.
2. En utilisant la solution analytique, représenter graphiquement :
• l’évolution des composantes de 𝐵 ⃗ 1 à l’interface entre D1 et D2 (même
graphique) ;
• ⃗ 2 à l’interface entre D1 et D2 (même
l’évolution des composantes de 𝐵
graphique) ;

Page 6 sur 6