FORMALISATION DE LA PREUVE DE LA CONVERGENCE D'UN SCHÉMA NUMÉRIQUE

Documents pareils
Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Fonctions de plusieurs variables

Amphi 3: Espaces complets - Applications linéaires continues

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

I. Polynômes de Tchebychev

3 Approximation de solutions d équations

Continuité d une fonction de plusieurs variables

Commun à tous les candidats

OM 1 Outils mathématiques : fonction de plusieurs variables

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

Théorème du point fixe - Théorème de l inversion locale

Introduction à l analyse numérique : exemple du cloud computing

Fonctions de plusieurs variables et changements de variables

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Compte rendu des TP matlab

Image d un intervalle par une fonction continue

Les travaux doivent être remis sous forme papier.

Plan du cours : électricité 1

SDLV120 - Absorption d'une onde de compression dans un barreau élastique

Introduction à la méthode des éléments finis

Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB)

Programmes des classes préparatoires aux Grandes Ecoles

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Différentiabilité ; Fonctions de plusieurs variables réelles

Cours d Analyse. Fonctions de plusieurs variables

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Fonctions de plusieurs variables

Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.

Dérivées d ordres supérieurs. Application à l étude d extrema.

Logique. Plan du chapitre

Approximations variationelles des EDP Notes du Cours de M2

Calcul différentiel sur R n Première partie

Développements limités. Notion de développement limité

Comparaison de fonctions Développements limités. Chapitre 10

Théorèmes du Point Fixe et Applications aux Equations Diérentielles

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.

Sur certaines séries entières particulières

Problème 1 : applications du plan affine

Corps des nombres complexes, J Paul Tsasa

I. Ensemble de définition d'une fonction

3. Conditionnement P (B)

Une premiere approche des elements nis sur un exemple tres simple

Limites finies en un point

Développements limités, équivalents et calculs de limites

CCP PSI Mathématiques 1 : un corrigé

Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP Pointe-à-Pitre Cedex CONTRAT LE MASTER NOM DU DOMAINE STS

aux différences est appelé équation aux différences d ordre n en forme normale.

Développement décimal d un réel

Groupoïdes quantiques mesurés : axiomatique, étude, dualité, exemples

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

ANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique

C1 : Fonctions de plusieurs variables

Les indices à surplus constant

rf( 1 f(x)x dx = O. ) U concours externe de recrutement de professeurs agreg6s composition d analyse

Optimisation des fonctions de plusieurs variables

Plan du cours Cours théoriques. 29 septembre 2014

10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)

Cours d analyse numérique SMI-S4

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

III. Transformation des vitesses

Cours Fonctions de deux variables

Calcul fonctionnel holomorphe dans les algèbres de Banach

Dynamique des protéines, simulation moléculaire et physique statistique

Mesures gaussiennes et espaces de Fock

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

Chapitre 7 : Intégration sur un intervalle quelconque

Continuité et dérivabilité d une fonction

6 Equations du première ordre

Calcul intégral élémentaire en plusieurs variables

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

1 Définition et premières propriétés des congruences

Capes Première épreuve

Fonctions de plusieurs variables. Sébastien Tordeux

Pourquoi l apprentissage?

Systèmes de communications numériques 2

ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE

Méthodes numériques et éléments de programmation

Des réels aux flottants : préservation automatique de preuves de stabilité de Lyapunov

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v t

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Cours d Analyse 3 Fonctions de plusieurs variables

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

Chapitre 6. Fonction réelle d une variable réelle

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

I Stabilité, Commandabilité et Observabilité Introduction Un exemple emprunté à la robotique Le plan Problème...

Appel à Propositions. Thème : «Couplage CFD / CAA»

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Introduction à la Statistique Inférentielle

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

Évaluation et implémentation des langages

Espérance conditionnelle

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Maple: premiers calculs et premières applications

Transcription:

FORMALISATION DE LA PREUVE DE LA CONVERGENCE D'UN SCHÉMA NUMÉRIQUE F. Clément INRIA Paris - Rocquencourt RAIM'11, 710 février 2011, Perpignan

ANR FOST (20092011) : Formal proofs about Scientic computation S. Boldo, J.-C. Filliâtre, G. Melquiond (ProVal, INRIA/CNRS) FC, P. Weis (Estime, INRIA) M. Mayero (LIPN, Paris 13) Suite de l'anr CerPAN (20052008) Développement et application de méthodes de preuve formelle de la justesse de programmes d'analyse numérique Code numérique Ondes acoustiques 1D (corde vibrante homogène). Simulation complète d'un avion de ligne? 2

CAS D'ÉTUDE : PREUVE FORMELLE D'UN CODE C DE SIMULATION ACOUSTIQUE 1D Erreur de méthode Pas de solution analytique calculs approchés sur une grille discrète Preuve papier détaillée de la convergence Formalisation en Coq (ITP'10) Erreur d'arrondi Soucis d'ecacité calculs en virgule ottante Formalisation en Coq (ICALP'09) Annotation du programme C Liaison des deux preuves précédentes au programme C Compétences nécessaires en analyse numérique et en preuve formelle (réels, ottants) 3

MOTIVATIONS EDO / EDP Équations Diérentielles Ordinaires plus simples Équations aux Dérivées Partielles plus riches EDP : preuve de faisabilité de l'approche Propagation d'ondes Phénomène physique extrêmement courant (vue, ouïe) Nombreuses applications industrielles (acoustique, élastique, EM) équation des ondes acoustiques 1D (corde vibrante) schéma aux diérences nies (enseigné en M2) 4

PLAN Introduction Équation des ondes 1D Preuve de convergence Conclusion 5

ÉQUATION DES ONDES 1D c > 0 = vitesse de propagation u 0, u 1 = conditions initiales, f = terme source 2 u t 2 (x, t) v c2 2 x2(x, t) = f(x, t) x, t R, t > 0, u t (x, 0) = u 1(x) x R, u(x, 0) = u 0 (x) x R. Solution analytique (milieu homogène) Formule de D'Alembert et principe de Duhamel x, t R, t 0, u(x, t) = 1 2 (u 0(x ct) + u 0 (x + ct)) + 1 2c + 1 2c ( t x+c(t τ) 0 x c(t τ) f(ξ, τ)dξ ) dτ. x+ct x ct u 1 (ξ)dξ 6

Cône de dépendance PROPAGATION À VITESSE FINIE t Conséquence x ct x x + ct support(u 0, u 1 ) [a, b] et t > 0, support(f(., t)) [a ct, b + ct] t > 0, support(u(., t)) [a ct, b + ct] 7

SCHÉMA AUX DIFFÉRENCES FINIES (SCHÉMA EXPLICITE CENTRÉ DIT À 3 POINTS ) x, t > 0, u k j u(j x, k t) = ūk j u k j 2uk 1 j + u k 2 j t 2 u 1 j u0 j t t c 2u k 1 j+1 2uk 1 j x 2 + u k 1 j 1 = f k 1 j j, k Z, k > 1, j+1 2u0 j + u0 j 1 2 c2u0 x 2 = u 1,j j Z, u 0 j = u 0,j j Z. t k t (k 1) t (k 2) t (j 1) x j x (j + 1) x x 8

CÔNE DE DÉPENDANCE DISCRET k t t (j k) x j x (j + k) x Si le cône discret est plus petit que le cône exact ( x t > 1 c ), alors il existe une zone où u h = 0 et u 0, il ne peut pas y avoir convergence x CN de convergence : c t x 1 9

PROGRAMME C c2 = c c ; dx2 = dx dx ; d t 2 = d t d t ; a = c2 d t 2 / dx2 ; / * C o n d i t i o n i n i t i a l e k = 0 e t c o n d i t i o n a u x l i m i t e s * / f o r ( j =1; j <n j ; j ++) { u [ j ] [ 0 ] = u0 ( j dx ) ; } u [ 0 ] [ 0 ] = 0. ; u [ n j ] [ 0 ] = 0. ; / * C o n d i t i o n i n i t i a l e k = 1 e t c o n d i t i o n a u x l i m i t e s * / f o r ( j =1; j <n j ; j ++) { du = u [ j + 1 ] [ 0 ] 2. u [ j ] [ 0 ] + u [ j 1 ] [ 0 ] ; u [ j ] [ 1 ] = u [ j ] [ 0 ] + 0. 5 a du + d t u1 ( j dx ) ; } u [ 0 ] [ 1 ] = 0. ; u [ n j ] [ 1 ] = 0. ; / * É v o l u t i o n p o u r k > 1 * / f o r ( k =2; k<=nk ; k++) { f o r ( j =1; j <n j ; j ++) { du = u [ j + 1 ] [ k 1] 2. u [ j ] [ k 1] + u [ j 1 ] [ k 1 ] ; u [ j ] [ k ] = 2. u [ j ] [ k 1] u [ j ] [ k 2] + a du + d t 2 f [ j ] [ k 1 ] ; } / * C o n d i t i o n a u x l i m i t e s * / u [ 0 ] [ k ] = 0. ; u [ n j ] [ k ] = 0. ; } 10

PLAN Introduction Équation des ondes 1D Preuve de convergence Conclusion 11

PROPRIÉTÉS D'UN SCHÉMA NUMÉRIQUE Le problème continu est supposé bien posé ū h : solution exacte discrétisée, L h u h = f h : schéma numérique Convergence e h = ū h u h : erreur de convergence Convergence e h = O( x p + t q ) Consistance ε h = L h ū h f h : erreur de troncature Consistance ε h = O( x p + t q ) Stabilité (nécessaire pour borner l'erreur d'arrondi) Stabilité u h (C 1 + C 2 t)( u 0h + u 1h ) Théorème d'équivalence de Lax Consistance (Stabilité Convergence) 12

PÉRIMÈTRE DE LA FORMALISATION : LA PARTIE MÉTIER Réels de Coq Notion abstraite de dérivées partielles Pas d'intégrales (pas de formule de D'Alembert) Un (seul) axiome : u 0, u 1, f(., t) et u(., t) sont à support ni Fonctions de plusieurs variables (ici 2) R 2 et R 2 R sont des espaces vectoriels Grand O (uniforme) Calculs explicites sur les développements de Taylor Discrétisation spatiale R n (en Coq, Z R) est un espace vectoriel euclidien Produit scalaire, gestion de supports nis Intégration par parties discrète 13

GRAND O Notion classique : f( x) = O(g( x)) avec x (0, 0) α, C > 0, x R 2, x < α f( x) C g( x) Problème 1 : domaine de dénition de f f n'est dénie que sur R 2 \{(0, 0)} ou R 2 + Problème 2 : type de f f : R 2 R 2 R (DL de Taylor-Lagrange) u(x + x) DL n u(x)( x) = O( x n+1 ) La dénition suivante n'est pas satisfaisante (α et C dépendent de x) x R 2, α, C > 0, x R 2, x < α f(x, x) C g( x) 14

GRAND O UNIFORME Notion restreinte : f( x) = O Ω x (g( x)) avec Ω x R 2 α, C > 0, x Ω x, x < α f( x) C g( x) Notion uniforme : f(x, x) = O Ωx,Ω x (g( x)) avec Ω x R 2 α, C > 0, x Ω x, x Ω x, x < α f(x, x) C g( x) Lemme (réciproque fausse) f(x, x) = O Ωx,Ω x (g( x)) x Ω x, ( x f(x, x)) = O Ω x (g( x)) 15

ÉBAUCHE DE LA PREUVE : CONSISTANCE Hypothèses u(., t) est à support compact ( [a ct, b + ct]) (0 t T ) u admet DLU d'ordre 3 sur Ω T = [a ct, b + ct ] [0, T ] (T > 0) Condition CFLg(ζ) : ζ c t x avec ζ ]0, 1[ (corde innie) Point clef : DLU de quantités continues Uniforme valable également pour les quantités discrètes Étapes u(x, t + t) 2u(x, t) + u(x, t t) t 2 = 2 u t 2 (x, t) + O Ω T,R 2 ( t 2 ) + ε k(t) j(x) = O Ω T,R 2 ( x 2 + t 2 ) + (k(t) = t t t) Résultat εk(t) h = O L 2 [0,T ],R 2 + CFLg(ζ) ( x2 + t 2 ) h 16

ÉBAUCHE DE LA PREUVE : STABILITÉ Énergie discrète E h (u h ) k+1 2 = 1 2 u k+1 h u k h t 2 L 2 h + 1 2 u k h, u k+1 h. A h Hypothèse Condition CFLd(ξ) : c t x 1 ξ avec ξ ]0, 1[ Étapes Conservation de l'énergie lorsque la source f est éteinte Minoration de l'énergie discrète La stabilité revient à la positivité de l'énergie discrète Résultat E h (u h ) k(t) 1 2 E h (u h ) 1 2 + 2 2 2ξ ξ 2 t k(t) 1 n=1 f n h L 2 h 17

ÉBAUCHE DE LA PREUVE : CONVERGENCE Hypothèses u(., t) est à support compact ( [a ct, b + ct]) (0 t T ) u admet DLU d'ordre 3 sur Ω T = [a ct, b + ct ] [0, T ] (T > 0) Condition CFL(ζ, ξ) : ζ c t x 1 ξ avec ζ, ξ ]0, 1[ et ζ + ξ 1 Étapes L h e h = L h ū h L h u h = L h ū h f h = ε h E h (e h ) est d'ordre 2 (stabilité) Majoration de e h en fonction de E h (e h ) Résultat ek(t) h = O L 2 [0,T ],R 2 + CFL(ζ,ξ) ( x2 + t 2 ) h 18

CONCLUSIONS Formalisation d'une preuve non triviale d'analyse numérique Un seul axiome (u(., t) est à support compact pour tout t 0) Expliciter toutes les omissions des preuves papiers Collaboration étroite entre numériciens et logiciens Les preuves papier (LATEX) et formelle (Coq) font environ 180 ko 19

PERSPECTIVES Extraction des constantes α et C du grand O (pour l'erreur d'arrondi) Traiter les conditions aux limites (corde attachée) Lier les preuves des deux erreurs au programme C Preuve formelle du théorème d'équivalence de Lax Augmenter la dimension d'espace (même équation, même schéma) Autres schémas (même équation) Autres EDPs, EDOs 20

http://fost.saclay.inria.fr/ 21