Méthode de volumes finis pour l équation de Poisson : construction et analyse fonctionnelle discrète

Documents pareils
Amphi 3: Espaces complets - Applications linéaires continues

Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

Chapitre 5 : Flot maximal dans un graphe

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

Commun à tous les candidats

3. Conditionnement P (B)

Loi binomiale Lois normales

Calcul intégral élémentaire en plusieurs variables

Introduction à l analyse numérique : exemple du cloud computing

Intégration et probabilités TD1 Espaces mesurés Corrigé

Approximations variationelles des EDP Notes du Cours de M2

Une introduction aux codes correcteurs quantiques

Optimisation des fonctions de plusieurs variables

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

Intégration et probabilités TD1 Espaces mesurés

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Espérance conditionnelle

Programmation linéaire

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

Programmes des classes préparatoires aux Grandes Ecoles

Optimisation Discrète

Statistique : Résumé de cours et méthodes

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Introduction à la méthode des éléments finis

4. Martingales à temps discret

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

Fonctions de plusieurs variables

CONTRÔLE ET ÉQUATIONS AUX DÉRIVÉES PARTIELLES. par. Jean-Pierre Puel

Moments des variables aléatoires réelles

Quand le bruit est à l origine de comportements périodiques

3. Caractéristiques et fonctions d une v.a.

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Introduction à l optimisation de forme et application à la mécanique des fluides

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

I. Polynômes de Tchebychev

Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables

Espaces de Sobolev et introduction aux équations aux dérivées partielles

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

Journées Télécom-UPS «Le numérique pour tous» David A. Madore. 29 mai 2015

MATHS FINANCIERES. Projet OMEGA

Produits d espaces mesurés

TSTI 2D CH X : Exemples de lois à densité 1

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

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

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique

Module d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1)

Théorèmes du Point Fixe et Applications aux Equations Diérentielles

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

6 Equations du première ordre

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

Programmation Linéaire - Cours 1

2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.

Notes de cours M2 Équations aux dérivées partielles elliptiques. Hervé Le Dret

Travaux dirigés d introduction aux Probabilités

Équations d amorçage d intégrales premières formelles

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Équation de Langevin avec petites perturbations browniennes ou

Première partie. Introduction à la méthodes des différences finies

Problème 1 : applications du plan affine

F1C1/ Analyse. El Hadji Malick DIA

Mesures gaussiennes et espaces de Fock

Résolution de systèmes linéaires par des méthodes directes

Physique Chimie. Utiliser les langages scientifiques à l écrit et à l oral pour interpréter les formules chimiques

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

C algèbre d un certain groupe de Lie nilpotent.

Optimisation for Cloud Computing and Big Data

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

3ème séance de Mécanique des fluides. Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait. 2 Écoulements potentiels

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

Cours d Analyse 3 Fonctions de plusieurs variables

Cours de Master Recherche

INTRODUCTION AUX ÉQUATIONS AUX DÉRIVÉES PARTIELLES Cours de maîtrise, L. Boutet de Monvel

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

TIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Que faire lorsqu on considère plusieurs variables en même temps?

Simulation de variables aléatoires

Le modèle de Black et Scholes

3 Approximation de solutions d équations

Quantification Scalaire et Prédictive

UNIVERSITÉ DE PICARDIE JULES VERNE THÈSE D HABILITATION À DIRIGER DES RECHERCHES

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

La méthode de l amortissement direct

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Mesures et Intégration

Partie 1 - Séquence 3 Original d une fonction

MCMC et approximations en champ moyen pour les modèles de Markov

SUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION)

Statistiques Descriptives à une dimension

Probabilités III Introduction à l évaluation d options

EXERCICES - ANALYSE GÉNÉRALE

Cours 02 : Problème général de la programmation linéaire

Transcription:

Construction du schéma discret Méthode de volumes finis pour l équation de Poisson : construction et analyse fonctionnelle discrète Université Montpellier 2 28 Avril 2011

Sommaire Construction du schéma discret 1 Construction du schéma discret 2

Sommaire Construction du schéma discret 1 Construction du schéma discret 2

Construction du schéma discret Objectif Construire une approximation de la solution exacte ū du problème de Poisson { ū = f sur Ω, ū = 0 sur Ω ; où : Ω est un domaine polygonal de R d ; f L 2 (Ω).

Un peu de chimie Construction du schéma discret ū : concentration d une espèce chimique U dans un milieu f : taux de production de U par le milieu j u : vecteur densité de courant de U Loi de Fick : j u = D ū

Un peu de chimie Construction du schéma discret ū : concentration d une espèce chimique U dans un milieu f : taux de production de U par le milieu j u : vecteur densité de courant de U Loi de Fick : j u = D ū Bilan de conservation (en régime permanent) : V, D ū n = f V = D ū = f V

Maillage Construction du schéma discret

Construction du schéma discret Construction du schéma On considère l équation ū = f. Bilan de conservation sur une maille K : ū n K,σ = σ arêtes de K où n K,σ = normale extérieure à K σ K f

Construction du schéma discret Construction du schéma On considère l équation ū = f. Bilan de conservation sur une maille K : ū n K,σ = σ arêtes de K où n K,σ = normale extérieure à K Approximation des flux : On suppose (x K x L ) σ σ K f σ ū n K,σ σ ū(x K ) ū(x L ) d(x K, x L )

Construction du schéma discret Construction du schéma Inconnues discrètes : famille (u K ) K destinée à approcher ū aux points (x K ) K. Flux discrets : F K,σ = σ u K u L d(x K, x L ) σ ū n K,σ

Construction du schéma discret Construction du schéma Inconnues discrètes : famille (u K ) K destinée à approcher ū aux points (x K ) K. Flux discrets : F K,σ = σ u K u L d(x K, x L ) σ ū n K,σ Problème continu Trouver une fonction ū telle que V Ω, ū = f V V

Construction du schéma discret Construction du schéma Inconnues discrètes : famille (u K ) K destinée à approcher ū aux points (x K ) K. Flux discrets : F K,σ = σ u K u L d(x K, x L ) σ ū n K,σ Problème continu Trouver une fonction ū telle que V Ω, ū = f V V Problème discret Trouver une famille u = (u K ) K telle que K, F K,σ = f σ arêtes de K K

Construction du schéma discret Construction du schéma Inconnues discrètes : famille (u K ) K destinée à approcher ū aux points (x K ) K. Flux discrets : F K,σ = σ u K u L d(x K, x L ) σ ū n K,σ Problème continu Trouver une fonction ū telle que V Ω, ū = f EDP elliptique V V Problème discret Trouver une famille u = (u K ) K telle que K, F K,σ = f σ arêtes de K système linéaire carré K

Sommaire Construction du schéma discret 1 Construction du schéma discret 2

Construction du schéma discret Cadre d étude continu : l espace H0 1(Ω) Espace : H0 1(Ω) = complété de C1 c (Ω) pour la norme u L 2 (Ω) Norme : u 2 = H0 1 Ω u 2

Construction du schéma discret Cadre d étude continu : l espace H0 1(Ω) Espace : H0 1(Ω) = complété de C1 c (Ω) pour la norme u L 2 (Ω) Norme : u 2 = H0 1 Ω u 2 Cadre d étude discret : l espace H M M maillage de Ω Espace : H M = {familles u = (u K ) K } = {fonctions u : Ω R constantes par mailles} Norme : u 2 M = σ entre K et L σ d(x K, x L ) u K u L 2

Construction du schéma discret Inégalité de Poincaré Proposition (Inégalité de Poincaré continue) Si u H0 1 (Ω), alors u L 2 diam(ω) u H 1 0

Construction du schéma discret Inégalité de Poincaré Proposition (Inégalité de Poincaré continue) Si u H0 1 (Ω), alors u L 2 diam(ω) u H 1 0 Proposition (Inégalité de Poincaré discrète) Si u H M, alors u L 2 diam(ω) u M

Construction du schéma discret Injections compactes Théorème (Rellich continu) Si une suite (u n ) n N est bornée dans H0 1 (Ω), alors elle admet une valeur d adhérence dans L 2 (Ω).

Taille d un maillage Construction du schéma discret Taille du maillage M : h M = max K M diam K

Rellich discret Construction du schéma discret On se donne : Une suite de maillages (M n ) n tq h Mn 0. Une suite de fonctions discrètes (u n ) n N tq n N, u n H Mn Proposition Si ( u n Mn ) n N est bornée, alors (u n ) admet une valeur d adhérence dans L 2 (Ω).

Démonstrations Construction du schéma discret Ingrédients continus (u n ) est bornée dans L 2 (Ω). (u n ) est équicontinue dans L 2 (Ω) : u n ( + η) u n L 2 η u n H 1 0 Ascoli version L 2

Démonstrations Construction du schéma discret Ingrédients continus (u n ) est bornée dans L 2 (Ω). (u n ) est équicontinue dans L 2 (Ω) : u n ( + η) u n L 2 η u n H 1 0 Ascoli version L 2 Ingrédients discrets (u n ) est bornée dans L 2 (Ω). (u n ) est équicontinue dans L 2 (Ω) : u n ( + η) u n 2 L 2 η ( η + Ch Mn ) u n 2 M n Ascoli version L 2

Estimations a priori Construction du schéma discret Problème continu Trouver ū H0 1 (Ω) telle que ū = f Si ū est solution, alors ū H 1 0 diam(ω) f L 2 Problème discret Trouver u = (u K ) K H M telle que K, F K,σ = f σ arêtes de K Si u est solution, alors u M diam(ω) f L 2 K

Convergence Construction du schéma discret On se donne une suite de maillages (M n ) n telle que h Mn 0. Suite de solutions discrètes (u n ) n N

Convergence Construction du schéma discret On se donne une suite de maillages (M n ) n telle que h Mn 0. Suite de solutions discrètes (u n ) n N Estimations a priori : ( u n Mn ) n N est bornée Rellich discret : u n ū fortement dans L 2 (Ω) Passage à la limite dans les équations discrètes : ū est solution du problème exact