Vous êtes sur la page 1sur 60

1 / 60

⊲ Mth. Approx.
Introduction
Pb. types
Diff. finies
Éléments finis
Comparaison
Pb. cond. rives
Méthode sol.
Exemple Méthodes de résolution approximatives –
Rés. pond.
Applications aux problèmes de l’ingénieur
Convergence
mécanique
Introduction 2 / 60

→ Pour effectuer des modélisations, des calculs et des prédictions


Mth. Approx.
de phénomènes physiques, l’ingénieur utilise des modèles
⊲ Introduction mathématiques.
Pb. types
Diff. finies → En général, les modèles sont construits à partir d’équations
Éléments finis simples décrivant des phénomènes physiques généraux.
Comparaison
Pb. cond. rives → Ce qui est compliqué, par contre, est la solution des équations
Méthode sol.
Exemple
décrivant le phénomène physique dans le cas général ou
Rés. pond.
spécifique.
Convergence – Il y a des situations où les équations qui entrent en jeu n’ont
pas encore de solution analytique connue.
– Dans la majorité des problèmes rencontrés par l’ingénieur
mécanique en calcul de structures, la géométrie du problème
est trop complexe pour même espérer à rêver peut-être
trouver une solution analytique.
→ On doit donc développer des techniques numériques qui
permettent de trouver des solutions approximatives les plus
proches possibles de la solution exacte du problème.
Quelques problèmes typiques en mécanique des solides 3 / 60

Mth. Approx.
Introduction
⊲ Pb. types
Diff. finies
Éléments finis
Comparaison
Pb. cond. rives
Méthode sol.
Exemple

Rés. pond.

Convergence

Figure 1: Problèmes de la mécanique des solides où l’on retrouve


des équations différentielles
Différences finies 4 / 60

→ Les équations différentielles régissent la nature.


Mth. Approx.
→ Il existe quelques techniques pour résoudre des problèmes aux
Introduction équations différentielles
Pb. types
⊲ Diff. finies – Différences finies
Éléments finis
Comparaison – Éléments finis
Pb. cond. rives
Méthode sol. Différences finies
Exemple

Rés. pond. → Une méthode très ancienne


Convergence → Dans cette méthode, on va discrétiser, ou dériver
numériquement, la fonction dans l’équation différentielle.
→ Par exemple, si l’on cherche à connaître la fonction u(x), on
pourrait écrire que:

d u(x) − u(x − h)
u(x) = + O(h) (1)
dx h
Différences finies 5 / 60

Considérons le problème suivant


Mth. Approx.
Introduction
Pb. types
⊲ Diff. finies
Éléments finis
Comparaison
Pb. cond. rives
Méthode sol.
Exemple

Rés. pond.
50 100
Convergence x1 = 0 x2 = x3 = x4 = 50
3 3
F =1

u1 = 0 u2 u3 u4

Figure 2: Exercice sur le barreau droit

L’équation différentielle qui caractérise ce problème est la suivante:

d F 25
u(x) = (2)
dx E 250 − 3x
Différences finies 6 / 60

50 100
x1 = 0 x2 = x3 = x4 = 50
3 3
F =1
Mth. Approx.
Introduction u1 = 0 u2 u3 u4
Pb. types
⊲ Diff. finies
Éléments finis → En utilisant l’approximation
Comparaison
Pb. cond. rives
Méthode sol. d u(x) − u(x − h)
Exemple u(x) ≈
dx h
Rés. pond.

Convergence On obtiendra le système d’équations suivant:

du u(x2 ) − (u(x1 ) = 0) 25
= = (3a)
dx x=x2 h 250 − 3x2

du u(x3 ) − u(x2 ) 25
= = (3b)
dx x=x3 h 250 − 3x3

du u(x4 ) − u(x3 ) 25
= = (3c)
dx x=x4 h 250 − 3x4

Différences finies 7 / 60

→ Ce système peut se mettre sous la forme:


Mth. Approx. 
   
Introduction 1 0 0  u2   0.125 
3 
Pb. types −1 1 0  u3 = 0.167 (4)
⊲ Diff. finies 50
0 −1 1 u4 0.25
   
Éléments finis
Comparaison
Pb. cond. rives
Méthode sol.
→ Ce qui conduit à la solution
Exemple
   
Rés. pond.  u2   2.083 
Convergence u3 = 4.86 (5)
u4 9.03
   

→ Cette solution est bien loin de la solution exacte u4 = 7.636 ...


Éléments finis 8 / 60

→ Avec la méthode des éléments finis, on va prendre une tout


Mth. Approx.
autre approche.
Introduction → L’approche retenue est plus physique que mathématique.
Pb. types
Diff. finies → Par exemple, pour ce problème, on avait divisé le barreau de
⊲ Éléments finis section variable en barreaux droits dont l’aire de la section avait
Comparaison
Pb. cond. rives une valeur moyenne entre celles calculées à ses extrémités:
Méthode sol.
Exemple
Ã(1) E Ã(2) E Ã(3) E
Rés. pond. k1 = (1)
k2 = k3 =
Convergence
L L(2) L(3) F = 1

u1 = 0 u2 u3 u4

Figure 3: Représentation de la modélisation par éléments finis du


problème illustré à la figure 2

→ Dans ce problème, on peut considérer les barreaux comme des


ressorts de rigidité ki .
Éléments finis 9 / 60

→ En utilisant la compatibilité géométrique et l’équilibre des


Mth. Approx.
forces, on peut voir que la force transmise dans chaque ressort
Introduction doit être égale (ressorts installés en série).
Pb. types
Diff. finies → On aura donc le système d’équations suivant:
⊲ Éléments finis
Comparaison
Pb. cond. rives
k1 (u2 − u1 ) = 1 (6a)
Méthode sol.
Exemple

Rés. pond.
k2 (u3 − u2 ) = 1 (6b)
Convergence

k1 (u4 − u3 ) = 1 (6c)
qui peut se mettre sous la forme:
    
k1 0 0  u2   1 
 −k2 k2 0  u3 = 1 (7)
0 −k3 k3 u4 1
   
Éléments finis 10 / 60

→ En réorganisant les équations, on obtient finalement


Mth. Approx. 
   
Introduction k1 + k2 −k2 0  u2   0 
Pb. types  −k2 k2 + k3 −k3  u3 = 0 (8)
Diff. finies
0 −k3 k3 u4 1
   
⊲ Éléments finis
Comparaison
Pb. cond. rives
Méthode sol.
qui est bien le système que l’on obtient en utilisant la technique
Exemple montrée au début du cours.
Rés. pond.
→ Par la suite, en supposant que le déplacement varie linéairement
Convergence
entre les deux extrémités de l’élément, on peut obtenir une
fonction approchée u∗ (x) de la solution u(x).
Différences finies vs. éléments finis 11 / 60

Différences finies Éléments finis


Mth. Approx. Cherche à résoudre une équation Cherche à résoudre une équation
Introduction
Pb. types
différentielle différentielle
Diff. finies Discrétise l’équation différen- On choisit une forme approchée
Éléments finis
⊲ Comparaison
tielle u∗ (x) de la solution u(x)
Pb. cond. rives Conduit à un système linéaire Conduit à un système linéaire
Méthode sol.
Exemple d’équations à résoudre d’équations à résoudre
Rés. pond. La solution donne les valeurs dis- La solution donne les valeurs dis-
Convergence crètes u∗ (xi ) crètes u∗ (xi ) ainsi qu’une inter-
polation entre elles u∗ (x)
Applicable à des problèmes où la Aucune restriction sur la
géométrie est simple et régulière géométrie du problème ni sur
les conditions limites et le
chargement
Précision améliorée en prenant Précision améliorée en prenant
des pas de calculs h de plus en des éléments de plus en plus pe-
plus petits tits
Problèmes à conditions aux rives 12 / 60

→ Dans ce cours, on va étudier l’équation différentielle typique


Mth. Approx.
suivante (en 1D):
Introduction
d dU
 
Pb. types
Diff. finies − α(x) + β(x)U (x) = f (x) (9)
Éléments finis dx dx
Comparaison
⊲ Pb. cond. rives
→ Cette équation générale est rencontrée dans plusieurs problèmes
Méthode sol.
Exemple physiques associés à la mécanique des solides
Rés. pond.

Convergence
– Flèche d’une poutre
– Conduction thermique
– etc.
→ Dans un problème physique réel modélisé par l’équation 9, on
cherche à connaître la solution dans un domaine particulier.
→ Cela peut être par exemple une poutre de longueur L ou une
plaque de surface A.
→ L’équation 9 peut aussi être généralisée en 3D.
Problèmes à conditions aux rives 13 / 60

→ Pour trouver la solution de cette équation différentielle, on


Mth. Approx.
applique des conditions aux rives du domaine étudié.
Introduction → Ce sera par exemple des déplacements ou des forces appliquées
Pb. types
Diff. finies sur la structure.
Éléments finis
Comparaison Ã(1) E Ã(2) E Ã(3) E
⊲ Pb. cond. rives k1 = k2 = k3 =
Méthode sol. L(1) L(2) L(3) F = 1
Exemple

Rés. pond.
u1 = 0 u2 u3 u4
Convergence
Problèmes à conditions aux rives 14 / 60

→ En général, pour les problèmes physiques rencontrés en


Mth. Approx.
mécanique des solides, on applique 2 types de conditions aux
Introduction rives:
Pb. types
Diff. finies – Conditions sur la fonction U
Éléments finis
Comparaison – Conditions sur le flux φ(x) = −α(x) dU
dx
⊲ Pb. cond. rives
Méthode sol. → Par exemple, si U est un déplacement, le flux est
Exemple
φ(x) = −α(x) dU dx = −αε, où ε est la déformation
Rés. pond.
→ Si l’on choisit α = −E, où E est le module d’Young du
Convergence
matériau, alors: φ = Eε = σ.
→ Si l’on choisit α = −EA, où A est la surface sur au-travers
laquelle le flux s’écoule, on aura φ = AEε = Aσ = A FA = F .
→ Imposer des conditions sur le flux du déplacement revient à
imposer des forces sur la structure.
Problèmes à conditions aux rives 15 / 60

→ Au final, on aura schématiquement le problème suivant à


Mth. Approx.
résoudre:
Introduction
Pb. types U (xa ) = Ua ou U (xb ) = Ub ou
Diff. finies
Éléments finis
Comparaison
⊲ Pb. cond. rives
Méthode sol.
Exemple

Rés. pond.

Convergence

xa xb

domaine de solution
Figure 4: Schématisation d’un problème d’équations différentielles
à conditions aux rives sur un domaine

→ En 3D, l’approche est similaire: au lieu de manipuler une


équation, on va manipuler des systèmes d’équations.
Problèmes à conditions aux rives 16 / 60

→ Avec cette méthode, on peut traiter différents types de


Mth. Approx.
problèmes
Introduction
Pb. types – Problèmes aux valeurs propres (flambement, fréquences
Diff. finies naturelles)
Éléments finis
Comparaison – Problèmes de diffusion: en plus de l’espace, le temps est une
⊲ Pb. cond. rives
variable. Matériaux viscoélastiques, régimes transitoires, etc.
Méthode sol.
Exemple – Problèmes dynamiques: les équations ne font pas intervenir
Rés. pond. que U , elles font aussi intervenir ses dérivées temporelles.
Convergence
Schéma général de la méthode de solution 17 / 60

Le problème est le suivant:


Mth. Approx. → On a une équation différentielle à résoudre sur un domaine,
Introduction
Pb. types comme illustré à la figure 4.
Diff. finies → On cherche la solution de ce problème qui est U (x) (qui nous
Éléments finis
Comparaison donnerait, par exemple, la flèche en fonction de la coordonnée x
Pb. cond. rives
⊲ Méthode sol.
sur une poutre).
Exemple → Comme on ne connaît pas U (x) on va postuler à priori une
Rés. pond. forme de cette fonction que l’on va noter U ∗ (x)
Convergence → On va espérer que la forme que l’on a choisi pour U ∗ (x) soit
voisine de la forme de U (x)... On appelle U ∗ (x) fonction
d’essai.
→ Une fois la forme de la fonction U ∗ (x) déterminée, on doit
trouver un moyen de déterminer les paramètres de cette
fonction de manière à ce que U ∗ (x) soit la plus proche possible
de U (x) tout en rencontrant les conditions aux rives
→ Il existe plusieurs manières pour effectuer cette tâche, chacune
avec ses avantages et inconvénients.
Schéma général de la méthode de solution 18 / 60

On aura donc le schéma général suivant:


Mth. Approx.
1. Définir la forme de la fonction d’essai U ∗ (x) ≈ U (x)
Introduction
Pb. types
Diff. finies → En général, on choisit:
Éléments finis
Comparaison
Pb. cond. rives U ∗ (x) = Φ0 (x) + a1 Φ1 (x) + a2 Φ2 (x) + a3 Φ3 (x) + . . . (10)
⊲ Méthode sol.
Exemple

Rés. pond.
où les Φi (x) sont des fonctions, pas nécessairement linéaires, et
Convergence les ai sont des constantes réelles.
→ U ∗ (x) est, en général, une combinaison linéaire de fonctions qui
ne sont pas nécessairement linéaires.
→ On a donné une forme de U ∗ (x) mais les paramètres ai sont
encore inconnus...
Schéma général de la méthode de solution 19 / 60

U ∗ (x) = Φ0 (x) + a1 Φ1 (x) + a2 Φ2 (x) + a3 Φ3 (x) + . . .


Mth. Approx.
Introduction 2. Déterminer les paramètres inconnus (les ai ) de U ∗ (x)
Pb. types
Diff. finies
Éléments finis
Comparaison → Les ai doivent être choisis pour que U ∗ (x) rencontre les
Pb. cond. rives conditions aux rives du problème
⊲ Méthode sol.
Exemple → Il faut que U ∗ (x) soit la plus près possible de U (x), et ce, pour
Rés. pond. tout x dans le domaine du problème
Convergence
– N’est-ce pas un peu parodoxal ? Comment peut-on être
certain que les paramètres que l’on a déterminé pour U ∗ (x)
sont les meilleurs puisque l’on ne même connaît pas U (x) ?
– Quel sens donne-t-on à “ le plus près possible de U (x) ” ?
En effet, on peut mesurer une distance entre deux points,
mais comment peut-on dire que deux fonctions sont proches
l’une de l’autre ?
– On verra que cette définition n’est pas unique... Alors, dans
ce cas là, laquelle choisir ?
Schéma général de la méthode de solution 20 / 60

3. Estimation de la précision de U ∗ (x)


Mth. Approx. → Si l’on définit l’erreur comme étant:
Introduction
Pb. types
Diff. finies E(x) = U (x) − U ∗ (x) (11)
Éléments finis
Comparaison
Pb. cond. rives on cherchera à estimer cette erreur.
⊲ Méthode sol.
→ Encore là, c’est paradoxal: comment peut-on estimer E(x) sans
Exemple

Rés. pond.
connaître U (x) ?
Convergence → On verra qu’il existe des techniques pour s’assurer que l’erreur
est assez petite pour notre application.
Exemple de calcul 21 / 60

→ Soit l’équation différentielle suivante:


Mth. Approx.

d dU 2 U (1) = 2
Introduction
 
Pb. types x = 2 (12)
dx dx x φ(2) = −x dU = 1
Diff. finies

Éléments finis
dx x=2 2
Comparaison
Pb. cond. rives
Méthode sol.
⊲ Exemple

Rés. pond. x=1 x=2


Convergence
domaine de solution

Figure 5: Illustration du domaine de solution du problème de l’éq.


12

→ On fait le choix suivant:

U ∗ (x) = a0 + a1 x + a2 x2 + a3 x3 (13)

→ Les polynômes sont en général un bon choix car si l’on


augmente l’ordre du polynôme, on peut représenter de plus en
plus précisément n’importe quelle fonction continue.
22 / 60

Mth. Approx.

⊲ Rés. pond.
Introduction
Principes
Collocation pt.
Collocation s-d.
Moindres carrés
Galerkin
Comparaison
Conclusion
La méthode des résidus pondérés
Convergence
Introduction 23 / 60

Rappel
Mth. Approx.
→ On avait le problème suivant à résoudre:
Rés. pond.
⊲ Introduction

Principes
d dU 2 U (1) = 2
 
Collocation pt. x = 2 (14)
Collocation s-d. dx dx x φ(2) = −x dU = 1

Moindres carrés
dx x=2 2
Galerkin
Comparaison
Conclusion
→ On avait supposé une fonction d’essai
Convergence U ∗ (x) = a0 + a1 x + a2 x2 + a3 x3 qui approxime la solution
exacte U (x) de ce problème. Après quelques modifications
(imposition des conditions aux rives), on avait:

U ∗ (x) = Φ0 (x) + a2 Φ2 (x) + a3 Φ3 (x) = U ∗ (x, ai ) (15)

→ Il nous reste maintenant à déterminer les paramètres a2 et a3


qui sont pour le moment inconnus.
Principes de base 24 / 60

→ On cherche à déterminer les paramètres a2 et a3 de la fonction


Mth. Approx.
d’essai U ∗ (x, ai ) = Φ0 (x) + a2 Φ2 (x) + a3 Φ3 (x)
Rés. pond.
→ Comment faire ? Et d’ailleurs, qu’est ce que l’on cherche à faire
Introduction exactement ?
⊲ Principes
Collocation pt. → On voudrait que la fonction U ∗ soit la plus proche possible de
Collocation s-d.
Moindres carrés
la fonction U , qui est la solution du problème et que l’on ne
Galerkin connaît pas.
Comparaison
Conclusion
→ Si l’on connaissait U (x), on pourrait par exemple, à l’aide
Convergence d’algorithmes d’approximation, déterminer les paramètres ai qui
interviennent dans U ∗ en minimisant l’équation suivante:
Z 2
min [U (x) − U ∗ (x, ai )]2 dx (16)
a2 ,a3 1

→ Mais dans notre cas, comme on ne connaît pas U , comment


faire ?
Principes de base 25 / 60

→ Reprenons notre équation différentielle et écrivons-la sous la


Mth. Approx.
forme:
d dU
 
2
Rés. pond. x − 2 = R(x) = 0 (17)
Introduction dx dx x
⊲ Principes
Collocation pt. où R est ce que l’on appelle le résidu.
Collocation s-d.
Moindres carrés
→ Le résidu peut être interprété comme une mesure de la capacité
Galerkin de la fonction U à rencontrer les conditions imposées par
Comparaison
Conclusion l’équation différentielle. Comme U est la solution du problème,
Convergence R(x) = 0 ∀x du domaine de solution (ici x ∈ [1, 2])
→ Maintenant, si l’on écrit:

d dU
 
∗ 2
x − 2 = R(x, ai ) (18)
dx dx x

on a que le résidu R(x, ai ) représente une mesure de la capacité


de la fonction d’essai à rencontrer les mêmes conditions
imposées par l’équation différentielle que la solution U
Principes de base 26 / 60

Stratégie
Mth. Approx.
→ Comme l’on sait que R(x) = 0 pour U (x), on va chercher les
Rés. pond.
Introduction
paramètres ai de U ∗ (x, ai ) qui font que R(x, ai ) ≈ 0 ∀x dans le
⊲ Principes domaine de solution.
Collocation pt.
Collocation s-d.
Moindres carrés
Note
Galerkin
Comparaison → Pour la fonction U ∗ déterminée pour le problème de l’équation
Conclusion
12, le résidu est:
Convergence

1 2 2
R(x, ai ) = − + 4(x − 1)a2 + 3(3x − 4)a3 − 2 (19)
4 x
→ Il existe plusieurs stratégies pour déterminer les paramètres ai
de U ∗ .
→ Chacune donne un sens particulier à la condition R(x, ai ) ≈ 0
La collocation par points 27 / 60

→ Dans cette technique, on détermine les valeurs des coefficients


Mth. Approx.
ai qui font que R(xi , ai ) = 0 pour certaines valeurs de x = xi .
Rés. pond.
→ Par exemple, dans notre cas, comme on a 2 inconnues, on doit
Introduction générer deux équations.
Principes
⊲ Collocation pt. → On fait le choix de prendre des points xi qui sont équirépartis
Collocation s-d.
Moindres carrés
sur le domaine de solution.
Galerkin
Comparaison
Conclusion

Convergence

Figure 6: Illustration des points utilisés pour la collocation (pour le


problème particulier qui nous intéresse)

→ On aura donc les équations suivantes:

VOIR DÉMONSTRATION AU TABLEAU


La collocation par points 28 / 60

0.2

Mth. Approx.
0
Rés. pond.
Introduction
Principes
-0.2
⊲ Collocation pt.
Collocation s-d.
Residu
Moindres carrés
-0.4
Galerkin
Comparaison
Conclusion
-0.6
Convergence

-0.8

-1

-1.2
1 1.2 1.4 1.6 1.8 2
x
Figure 7: Illustration du résidu pour la méthode de collocation par
points
La collocation par points 29 / 60

2
Mth. Approx. exacte
Rés. pond. 1.9 approchee
Introduction
Principes
⊲ Collocation pt. 1.8
Collocation s-d.
Moindres carrés
U(x)
1.7
Galerkin
Comparaison
Conclusion 1.6
Convergence
1.5

1.4

1.3
1 1.2 1.4 1.6 1.8 2
x
Figure 8: Comparaison entre U ∗ et U pour la méthode de
collocation par points
La collocation par points 30 / 60

1.6
Mth. Approx. exacte
Rés. pond.
approchee
Introduction
1.4
Principes
⊲ Collocation pt.
1.2
Collocation s-d.
Moindres carrés
Flux
Galerkin
Comparaison
1
Conclusion

Convergence 0.8

0.6

0.4
1 1.2 1.4 1.6 1.8 2
x
Figure 9: Comparaison entre φ∗ et φ (flux) pour la méthode des
collocation par points
La collocation par sous domaines 31 / 60

→ Dans cette technique, on demande au résidu d’avoir une


Mth. Approx.
moyenne nulle dans un certain nombre de sous-domaines.
Rés. pond.
→ Pour notre exemple, on séparerait notre domaine de solution en
Introduction deux sous-domaines, comme illustré à la figure 10
Principes
Collocation pt.
⊲ Collocation s-d.
Moindres carrés
Galerkin
Comparaison
Conclusion

Convergence

Figure 10: Illustration des sous-domaines où la moyenne du résidu


doit être nulle
La collocation par sous domaines 32 / 60

Mth. Approx.

Rés. pond.
Introduction
Principes
Collocation pt.
⊲ Collocation s-d.
Moindres carrés → On aura donc le système d’équations suivantes à résoudre:
Galerkin
Comparaison Z 1.5
Conclusion

Convergence
R(x, ai )dx = 0 (20a)
1

Z 2
R(x, ai )dx = 0 (20b)
1.5
→ Ce système nous donne donc bien deux équations pour nos
deux inconnues.
La collocation par sous domaines 33 / 60

0.6
Mth. Approx.

Rés. pond. 0.4


Introduction
Principes 0.2
Collocation pt.
⊲ Collocation s-d. 0
Residu
Moindres carrés
Galerkin
Comparaison
-0.2
Conclusion

Convergence
-0.4
-0.6
-0.8
-1
1 1.2 1.4 1.6 1.8 2
x
Figure 11: Illustration du résidu pour la méthode des collocations
par sous-domaines
La collocation par sous domaines 34 / 60

2
Mth. Approx. exacte
Rés. pond. 1.9 approchee
Introduction
Principes
Collocation pt. 1.8
⊲ Collocation s-d.
Moindres carrés
U(x)
1.7
Galerkin
Comparaison
Conclusion 1.6
Convergence
1.5

1.4

1.3
1 1.2 1.4 1.6 1.8 2
x
Figure 12: Comparaison entre U ∗ et U pour la méthode des
collocations par sous-domaines
La collocation par sous domaines 35 / 60

1.6
Mth. Approx. exacte
Rés. pond.
approchee
Introduction
1.4
Principes
Collocation pt.
⊲ Collocation s-d.
1.2
Moindres carrés
Flux
Galerkin
Comparaison
1
Conclusion

Convergence 0.8

0.6

0.4
1 1.2 1.4 1.6 1.8 2
x
Figure 13: Comparaison entre φ∗ et φ (flux) pour la méthode des
collocations par sous-domaines
La méthode des moindres carrés 36 / 60

→ La méthode des collocations par sous-domaines est intéressante


Mth. Approx.
car elle fait intervenir une mesure globale des performances de
Rés. pond.
U ∗ à rencontrer les exigences de l’équation différentielle.
Introduction → Par contre, le danger avec cette technique est qu’elle se base
Principes
Collocation pt. sur la moyenne du résidu.
Collocation s-d.
⊲ Moindres carrés
→ On pourrait en effet imaginer un résidu qui passe par des
Galerkin valeurs très grandes, positives et négatives, mais dont la
Comparaison
Conclusion
moyenne demeure nulle.
Convergence → On aurai alors une mauvaise approximation de U
→ Pour éviter ce problème, on pourrait imaginer un critère plus
sévère: minimiser le carré du résidu sur tout le domaine de
solution.
→ Le carré du résidu est une mesure de la distance (positive ou
négative) du résidu par rapport à 0.
→ Le problème à résoudre est donc le suivant:
Z
min E 2 (ai ) = min R(x, ai )2 dx (21)
ai ai D
La méthode des moindres carrés 37 / 60

→ On va donc chercher les paramètres ai de U ∗ qui font que


Mth. Approx.
E 2 (ai ) est minimale
2
Il faut voir ici que E (ai ) = D R(x, ai )2 dx est une fonction
R
Rés. pond.

Introduction des ai uniquement.
Principes
Collocation pt. → En effet, la variable x est disparue P
dans l’intégration.
Collocation s-d.
⊲ Moindres carrés
→ Comme la fonction U ∗ = Φ0 (x) + i ai Φi (x) est une
Galerkin combinaison linéaire de fonctions de x et des paramètres ai , le
Comparaison
Conclusion
résidu au carré sera une fonction quadratique en ai , ainsi que
Convergence E 2 (ai )
→ De plus, on sait que E(ai )2 ≥ 0
→ Alors, E 2 (ai ) possède un minimum et en plus, il est unique !
→ On sait qu’au minimum d’une fonction, son gradient est nul.
→ On formera alors le système d’équations suivant:
 Z   Z 
∂ 2 ∂
R(x, ai ) dx = 2 R(x, ai ) R(x, ai )dx
∂ai D D ∂ai
= {0}
(22)
La méthode des moindres carrés 38 / 60

→ Donc, pour notre problème, on aura les deux équations


Mth. Approx.
suivantes: Z 2

Rés. pond. R(x, ai ) R(x, ai )dx = 0 (23a)
Introduction 1 ∂a2
Principes
Collocation pt. Z 2
Collocation s-d. ∂
⊲ Moindres carrés
R(x, ai ) R(x, ai )dx = 0 (23b)
Galerkin 1 ∂a3
Comparaison
Conclusion
→ Ce qui nous fait 2 équations pour 2 inconnues
Convergence
La méthode des moindres carrés 39 / 60

0.4
Mth. Approx.

Rés. pond. 0.2


Introduction
Principes 0
Collocation pt.
Collocation s-d. -0.2
Residu
⊲ Moindres carrés
Galerkin
Comparaison
-0.4
Conclusion

Convergence
-0.6
-0.8
-1
-1.2
1 1.2 1.4 1.6 1.8 2
x
Figure 14: Illustration du résidu pour la méthode des moindres
carrés
La méthode des moindres carrés 40 / 60

2
Mth. Approx. exacte
Rés. pond. 1.9 approchee
Introduction
Principes
Collocation pt. 1.8
Collocation s-d.
⊲ Moindres carrés
U(x)
1.7
Galerkin
Comparaison
Conclusion 1.6
Convergence
1.5

1.4

1.3
1 1.2 1.4 1.6 1.8 2
x
Figure 15: Comparaison entre U ∗ et U pour la méthode des
moindres carrés
La méthode des moindres carrés 41 / 60

1.6
Mth. Approx. exacte
Rés. pond.
approchee
Introduction
1.4
Principes
Collocation pt.
Collocation s-d.
1.2
⊲ Moindres carrés
Flux
Galerkin
Comparaison
1
Conclusion

Convergence 0.8

0.6

0.4
1 1.2 1.4 1.6 1.8 2
x
Figure 16: Comparaison entre φ∗ et φ (flux) pour la méthode des
moindres carrés
La méthode de Galerkin 42 / 60

→ Si l’on considère le système d’équations pour la méthode des


Mth. Approx.
moindres carrés:
Rés. pond.
Z 

Introduction R(x, ai ) R(x, ai )dx = {0}
Principes
D ∂ai
Collocation pt.
Collocation s-d.
Moindres carrés on voit que l’on peut le mettre sous une autre forme:
⊲ Galerkin
Comparaison
Z 
Conclusion R(x, ai )wi (x, ai )dx = {0} (24)
Convergence D

où wi (x, ai ) peut être interprétée comme une fonction de


pondération.
→ L’équation 24 consiste donc à annuler une moyenne pondérée.
→ Avec la méthode de Galerkin, on utilise une autre fonction de
pondération wi (x, ai ): on prendra les fonctions Φi (x) qui
multiplient les paramètres ai dans l’expression de U ∗
→ On verra la justification de ce choix plus tard.
La méthode de Galerkin 43 / 60

→ Donc, avec la méthode de Galerkin, le système d’équations à


Mth. Approx.
résoudre pour identifier les ai est:
Rés. pond. Z 
Introduction
Principes
R(x, ai )Φi (x)dx = {0}
Collocation pt. D
Collocation s-d.
Moindres carrés → Pour notre exemple, on aura les équations suivantes à résoudre:
⊲ Galerkin
Comparaison Z 2
Conclusion
R(x, ai )Φ2 (x)dx = 0 (25a)
Convergence
1

Z 2
R(x, ai )Φ3 (x)dx = 0 (25b)
1
La méthode de Galerkin 44 / 60

0.4
Mth. Approx.

Rés. pond.
0.2
Introduction
Principes
0
Collocation pt.
Collocation s-d.
Residu -0.2
Moindres carrés
⊲ Galerkin
-0.4
Comparaison
Conclusion -0.6
Convergence -0.8
-1
-1.2
-1.4
1 1.2 1.4 1.6 1.8 2
x
Figure 17: Illustration du résidu pour la méthode de Galerkin
La méthode de Galerkin 45 / 60

2
Mth. Approx. exacte
Rés. pond. 1.9 approchee
Introduction
Principes
Collocation pt. 1.8
Collocation s-d.
Moindres carrés
U(x)
1.7
⊲ Galerkin
Comparaison
Conclusion 1.6
Convergence
1.5

1.4

1.3
1 1.2 1.4 1.6 1.8 2
x
Figure 18: Comparaison entre U ∗ et U pour la méthode de Galerkin
La méthode de Galerkin 46 / 60

1.6
Mth. Approx. exacte
Rés. pond.
approchee
Introduction
1.4
Principes
Collocation pt.
Collocation s-d.
1.2
Moindres carrés
Flux
⊲ Galerkin
1
Comparaison
Conclusion

Convergence 0.8

0.6

0.4
1 1.2 1.4 1.6 1.8 2
x
Figure 19: Comparaison entre φ∗ et φ (flux) pour la méthode de
Galerkin
Comparaison des performances des méthodes 47 / 60

0.6
Mth. Approx.
0.4
Rés. pond.
Introduction 0.2
Principes
Collocation pt. 0
Collocation s-d.
Residu
Moindres carrés -0.2
Galerkin
⊲ Comparaison
-0.4
Conclusion
-0.6
Convergence
-0.8
Collocation pt
-1 Collocation s.-d.
-1.2 Moindres carres
Galerkin
-1.4
1 1.2 1.4 1.6 1.8 2
x
Figure 20: Illustration du résidu pour les méthodes étudiées
Comparaison des performances des méthodes 48 / 60

2
Mth. Approx. exacte
Rés. pond. 1.9 Collocation pt
Introduction Collocation s.-d.
Principes Moindres carres
Collocation pt. 1.8 Galerkin
Collocation s-d.
Moindres carrés 1.7
U(x)

Galerkin
⊲ Comparaison
Conclusion 1.6
Convergence
1.5

1.4

1.3
1 1.2 1.4 1.6 1.8 2
x

Figure 21: Comparaison entre U ∗ et U pour les méthodes étudiées


Comparaison des performances des méthodes 49 / 60

1.6
Mth. Approx. exacte
Rés. pond.
Collocation pt
Introduction
1.4 Collocation s.-d.
Principes Moindres carres
Collocation pt.
1.2 Galerkin
Collocation s-d.
Moindres carrés
Flux

Galerkin
⊲ Comparaison
1
Conclusion

Convergence 0.8

0.6

0.4
1 1.2 1.4 1.6 1.8 2
x

Figure 22: Comparaison entre φ∗ et φ (flux) pour pour les méthodes


étudiées
Conclusion 50 / 60

→ La méthode des résidus pondérés est une méthode qui consiste


Mth. Approx.
à rechercher la valeur numérique des paramètres d’une fonction
Rés. pond.
d’essai U ∗ qui soit la plus proche possible de la solution U
Introduction → Pour ce faire, on cherche à annuler la moyenne pondérée de la
Principes
Collocation pt. somme de tous les résidus sur le domaine de solution.
Collocation s-d.
Moindres carrés
→ Ce qui différentie les techniques entre elles sont les fonctions de
Galerkin pondération utilisées
Comparaison
⊲ Conclusion
→ La méthode de Galerkin est la méthode des résidus pondérés la
Convergence plus utilisée.
→ On peut voir que l’on peut obtenir une grande précision sur la
fonction U
→ Mais sur le flux, la précision sera toujours moindre.
→ Il existe d’autres techniques que celle des résidus pondérés pour
obtenir une solution approximative de U . Parmi ces méthodes,
il y a les formulations variationnelles que l’on verra plus tard
dans le cours.
51 / 60

Mth. Approx.

Rés. pond.

⊲ Convergence
Introduction
Méthode h
Méthode p
Conclusion

Convergence des solutions numériques


Introduction 52 / 60

Problème
Mth. Approx. → On cherche une solution approximative U ∗ de la solution du
Rés. pond. problème U .
Convergence
⊲ Introduction
→ Comment déterminer si la solution que l’on obtient est une
Méthode h bonne approximation de la solution exacte du problème ?
Méthode p
Conclusion
→ On ne peut pas vraiment le faire de manière rigoureuse...
→ Par contre, on peut avoir une indication quant à la qualité de la
solution en conduisant une étude de convergence
→ Il existe deux méthodes principales pour les études de
convergence: la méthode “ h ” et la méthode “ p ”.
La méthode h 53 / 60

→ Dans cette méthode, on raffine le maillage de la structure en


Mth. Approx.
utilisant plus d’éléments.
Rés. pond.
→ Par exemple, si l’on considère l’exercice suivant, on demandait
Convergence de résoudre le problème:
Introduction
⊲ Méthode h
Méthode p
Conclusion

→ On demandait de résoudre ce problème avec 1, 2 et 3 éléments.


La méthode h 54 / 60

→ On avait les solutions numériques suivantes:


Mth. Approx.
1 élément 2 éléments  3 éléments
Rés. pond.
 
    u1   0
Convergence
     u1   0     

Introduction
u1 ∼ 0 ∼

u 2



1.85

= u2 = 2.94 =
⊲ Méthode h u2 7.14 u 3  4.23
u3 7.49 
      
Méthode p
  
u4 7.56
  
Conclusion

→ Et la solution exacte était ux=50 = 7.636.


→ On peut voir qu’en utilisant de plus en plus d’éléments, on
s’approche de la solution exacte.
La méthode p 55 / 60

→ Pour illustrer la méthode p, considérons le problème 1.2:


Mth. Approx.

d

dU
 U (1) = 1
Rés. pond.
(x + 1) =0 (26)
Convergence dx dx φ(2) = −(x + 1) dU
dx =1
Introduction x=2
Méthode h
⊲ Méthode p
→ On demande de calculer 2 solutions approximatives avec la
Conclusion
méthode de Galerkin:
1. U1∗ (x) = a1 + a2 x + a3 x2
2. U2∗ (x) = a1 + a2 x + a3 x2 + a4 x3
→ Ici, avec la méthode p, on augmente l’ordre du polynôme de la
fonction d’essai.

VOIR DÉMONSTRATION AU TABLEAU


La méthode p 56 / 60

Solutions
1
+ 2x2

Mth. Approx. 1. U1∗ (x)
= 42 − 17x
27
1 2 3
2.

Rés. pond. U2∗ (x)
= 793
486 −382x + 85x − 10x
 x+1
Convergence
Introduction
3. U (x) = 1 − ln 2
Méthode h
⊲ Méthode p 1
Conclusion
U(x)
0.95 U1(x)
U2(x)
0.9
0.85
0.8
U(x)

0.75
0.7
0.65
0.6
0.55
1 1.2 1.4 1.6 1.8 2
x

Figure 23: Comparaison des solutions approximatives avec la


solution analytique pour le problème 1.2
La méthode p 57 / 60

1.03
Mth. Approx.

Rés. pond. 1.02


Convergence
Introduction 1.01
Méthode h
⊲ Méthode p Flux 1
Conclusion

0.99

0.98
U(x)
0.97 U1(x)
U2(x)
0.96
1 1.2 1.4 1.6 1.8 2
x

Figure 24: Comparaison des solutions approximatives avec la


solution analytique pour le flux pour le problème 1.2

→ On peut voir que pour le flux, on est beaucoup plus précis avec
le polynôme de degré plus élevé
Conclusion 58 / 60

Méthode h Méthode p
Mth. Approx. Plus d’éléments Même nombre d’éléments
Rés. pond. Même degré de polynôme Augmente le degré du polynôme
Convergence
Introduction
Méthode h
Technique
Méthode p
⊲ Conclusion → On réalise un maillage et on obtient une solution Un
→ On réalise une autre analyse soit en augmentant le nombre
d’éléments ou en augmentant le degré du polynôme de U ∗ . On
nomme cette solution Un+1
→ On aura convergence au point qui nous intéresse xi si l’on a

|Un (xi ) − Un+1 (xi )| < ǫ (27)


Conclusion 59 / 60

Attention !
Mth. Approx.
→ Il peut y avoir des situations où l’on converge
Rés. pond.
asymptotiquement vers une mauvaise solution
Convergence
Introduction → Dans la majeure partie des problèmes d’ingénierie mécanique,
Méthode h pour qu’une solution converge il faut que la fonction d’essai
Méthode p
⊲ Conclusion rencontre deux conditions:
1. Elle doit être complète
– L’ordre du polynôme doit être tel que la dérivation de
U ∗ dans l’équation différentielle définissant le problème
conduise au moins à une représentation constante.
2. Elle doit être continue (ainsi que certaines de ces dérivées)
dans le domaine de solution.
→ Malgré cela, il existe quand même des cas pathologiques où l’on
sait que la solution diverge localement (mais pas globalement)
Conclusion 60 / 60

Mth. Approx.
F
Rés. pond.

Convergence
Introduction
Méthode h
Méthode p Contrainte dans
⊲ Conclusion cette zone tend
Matériau 1 vers lʼinfini

Matériau 2

Figure 25: Exemple connu où la solution diverge dans une certaine


zone. Ici, le déplacement obtenu converge, mais la contrainte tend
vers l’infini à mesure que l’on raffine le maillage