Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...
Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...
Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
5 Le schéma de Harten et le schéma adaptatif<br />
Les deux schémas que l’on présente dans ce chapitre, le schéma multirésolution d’Harten et le schéma<br />
“adaptatif” sont tous les deux basés sur un schéma volumes finis de référence, répondant aux impératifs<br />
décrits dans la section 4 de manière à résoudre le système de lois de conservation (80). On reprend les<br />
notations introduites à la fin du paragraphe précédent, et on réécrit la discrétisation volumes finis (81) sur<br />
le niveau le plus fin<br />
où V n<br />
V n+1<br />
J<br />
= V n<br />
J − Bn J , (92)<br />
J := (un γ )γ∈SJ est le vecteur représentant la solution numérique au temps n∆t et B n J := (bn γ )γ∈SJ avec<br />
b n γ := ∆t<br />
|Ωγ|<br />
<br />
µ |Γγ,µ|F n γ,µ le bilan des flux numériques sur la cellule Ωγ. L’incrément b n γ dépend localement<br />
seulement mais de manière non linéaire, de la solution numérique, et s’exprime de la manière suivante,<br />
cohérente avec les notations introduites en (87) et (88)<br />
b n γ := ∆t<br />
|Ωγ| F (un µ ; µ ∈ I(γ)), (93)<br />
où I(γ) représente le stencil volumes finis associé à la cellule γ, et F la fonction de bilan des flux numériques.<br />
La condition CFL introduite en (91) devient<br />
et l’erreur<br />
∆t ≤ C2 −J , (94)<br />
en := V n J<br />
n<br />
− U J. (95)<br />
où on rappelle que U n<br />
J est le vecteur des valeurs moyennes de la solution exacte u sur la grille J. Le but des<br />
schémas multirésolution présentés ici est de calculer une solution numérique U n J avec un gain de temps de<br />
calcul significatif par rapport au schéma volumes finis de référence sans que l’erreur additionnelle<br />
an := U n J − V n J (96)<br />
ne dépasse une précision donnée. Il est naturel de choisir cette limite du même ordre que l’estimation (95)<br />
de l’erreur en disponible sur le schéma de référence.<br />
5.1 L’hypothèse d’Harten<br />
Les deux algorithmes que nous étudions ici reposent tous les deux sur l’idée intuitive, introduite par Harten<br />
dans [34], que l’ensemble des coefficients significatifs de la solution numérique évolue “lentement” d’un pas<br />
de temps à l’autre. Plus précisément si Λn ε est l’arbre graduel obtenu en appliquant l’opérateur Aε à une<br />
approximation U n J<br />
de U n<br />
J, on peut résumer l’idée d’Harten de la manière suivante :<br />
Hypothèse (Heuristique d’Harten ) : On peut agrandir l’ensemble Λ n ε en un arbre graduel ˜ Λ n+1<br />
ε<br />
nant à la fois Λ n ε<br />
et Λn+1<br />
ε<br />
de telle sorte que, si U n+1<br />
J<br />
= EJU n J<br />
U n J − A˜ n+1<br />
Λε U n n+1<br />
J ≤ Cε et UJ , on a<br />
− A˜ Λ n+1<br />
ε<br />
conte-<br />
n+1<br />
UJ ≤ Cε, (97)<br />
i.e. l’arbre graduel ˜ Λn+1 ε est adapté pour décrire la solution à la fois aux temps n∆t et (n + 1)∆t.<br />
Précisons maintenant la signification du terme “agrandir” dans l’hypothèse ci-dessus. Il est clair que cette<br />
affirmation est vraie si on définit simplement ˜ Λn+1 ε comme l’ensemble des cellules de la grille la plus fine ∇J .<br />
Mais ce choix n’a aucun intérêt du point de vue pratique : l’ensemble ˜ Λn+1 ε ne doit pas être beaucoup plus<br />
grand que Λn ε . La stratégie d’agrandissement proposée par Harten dans [34] consiste à faire grandir l’arbre<br />
en fonction de la taille de ses détails. Plus précisément, on appliquera les règles suivantes, généralisation<br />
directe des règles proposées par Harten dans le cas cartésien, avec en plus la structure d’arbre graduel :<br />
36