simulation numerique directe de la turbulence par une ... · résultats numériques ondelettes à...
TRANSCRIPT
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Simulation numerique directe de la turbulencepar une methode d’ondelettes
Schéma par ondelettes à divergence nulle pour les fluidesincompressibles
Erwan Deriaz [email protected]
Laboratoire de Mécanique, Modélisation & Procédés Propres - Marseille
joint work with Valérie Perrier
Séminaire Lamuse-FST-UJM – St-Étienne – 23.10.2008
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Décomposition en ondelettes pour Navier-Stokes
• Résolution numérique des équations de Navier-Stokesincompressibles en dimension 2 et 3 en adaptif :
∂u∂t + (u · ∇)u + ∇p = ν∆u + f t ≥ 0, x ∈ Rn n = 2 ou 3div u = ∇ · u =
∑ni=1
∂ui∂xi
= 0u(x ,0) = u0(x)
• Discrétisation adaptative en ondelettes :
u(x , tn) ≈ uN(x , tn) =∑
α∈An
cnα Ψα(x)
avec Card(An) = N et Ψα ∈ Hdiv,0 = {u ∈ L2/div(u) = 0} .
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes pour le calcul scientifique
Théorie des ondelettesP.G. Lemarié-Rieusset, “Analyses multi-résolutions nonorthogonales, commutation entre projecteurs et dérivationet ondelettes vecteurs à divergence nulle”, 1992.P.G. Lemarié-Rieusset, “Un théorème d’inexistance pourles ondelettes vecteurs à divergence nulle”, 1994.S. Mallat, Une exploration des signaux en ondelettes,Edition de l’École polytechique, Novembre 2000.Y. Meyer [89], I. Daubechies [92], P.G. Lemarié [96]A. Cohen [92], P. Federbush [93], M. Cannone [95]
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes pour le calcul scientifique
Résolutions numeriques par ondelettesW. Dahmen, A. Kunoth et K. Urban, “A wavelet-Galerkinmethod for the Stokes problem”, 1996.K. Urban, “Wavelet Bases in H(div) and H(curl)”, 2000.V. Perrier [91], K. Urban [94], Méthodes GalerkinN. Kevlahan [97], Méthodes de collocationK. Schneider [95], J. Liandrat [97], M. Farge [01],Ondelettes / vaguelettes
Méthodes adaptativesA. Cohen, W. Dahmen, R. DeVore [01]
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Plan de l’exposé
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Analyse Multirésolution biorthogonale
Définition : Une ondelette ψ se définit comme une fonction debase pour la construction d’une base de Riesz. C’est-à-diretelle que
L2(R) = vect{ψ(2j .− k)}j ,k∈Z
L2
et
∃a,A > 0 tels quea‖(dj ,k)j ,k‖ℓ2 ≤ ‖∑
j ,k
dj ,kψj ,k‖L2 ≤ A‖(dj ,k)j ,k‖ℓ2
Notation : ψj ,k(x) = 2j/2ψ(2jx − k)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Lemme fondamental sur la dérivation d’AMR
Proposition (Malgouyres) : [Lem92] Soit (ϕ1, ψ1) une AMR. Siϕ1 ∈ C1+ǫ pour un ǫ > 0, alors il existe une AMR (ϕ0, ψ0) telleque :
ϕ′1(x) = ϕ0(x) − ϕ0(x − 1) , ψ′
1(x) = 4ψ0(x)
−2 −1 0 1 2 3 4 5−0.5
−0.3
−0.1
0.1
0.3
0.5
0.7
0.9
1.1
1.3
1.5
−2 −1 0 1 2 3 4 5 6−1.3
−0.9
−0.5
−0.1
0.3
0.7
1.1
1.5
ϕ0 ψ0 ϕ1 ψ1
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Ondelettes à divergence nulle 2D
Fonction d’échelle et ondelettes à divergence nulle isotropes2D (divu = 0) [Lem92] :
Φdiv(x1, x2) =
∣∣∣∣ϕ1(x1)ϕ
′1(x2)
−ϕ′1(x1)ϕ1(x2)
Ψdiv (1,0)(x1, x2) =
∣∣∣∣ψ1(x1)ϕ
′1(x2)
−ψ′1(x1)ϕ1(x2)
Ψdiv (0,1)(x1, x2) =
∣∣∣∣−ϕ1(x1)ψ
′1(x2)
ϕ′1(x1)ψ1(x2)
Ψdiv (1,1)(x1, x2) =
∣∣∣∣ψ1(x1)ψ
′1(x2)
−ψ′1(x1)ψ1(x2)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Exemple d’ondelettes 2D à divergence nulle
Φdiv−2 −1 0 1 2 3
−2
−1
0
1
2
3
−1.0 −0.6 −0.2 0.2 0.6 1.0 1.4 1.8 2.2−1.0
−0.6
−0.2
0.2
0.6
1.0
1.4
1.8
2.2
Ψ1 div
Ψ2 div−1.0 −0.6 −0.2 0.2 0.6 1.0 1.4 1.8 2.2
−1.0
−0.6
−0.2
0.2
0.6
1.0
1.4
1.8
2.2
−1.5
−1.1
−0.7
−0.3
0.1
0.5
0.9
1.3
1.7
2.1
2.5
−1.5
−1.1
−0.7
−0.3
0.1
0.5
0.9
1.3
1.7
2.1
2.5
Ψ3 div
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Exemple d’ondelettes 3D à divergence nulle
Isosurfaces du module de vorticité des 14 ondelettes àdivergence nulle isotropes 3D
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Ondelettes anisotropes
Ondelettes à divergence nulle :
Ψdivj,k (x1, x2) =
∣∣∣∣2j2ψ1(2j1x1 − k1)ψ0(2j2x2 − k2)
−2j1ψ0(2j1x1 − k1)ψ1(2j2x2 − k2)
Ondelettes gradient :
Ψrotj,k(x1, x2) =
∣∣∣∣2j1ψ0(2j1x1 − k1)ψ1(2j2x2 − k2)
2j2ψ1(2j1x1 − k1)ψ0(2j2x2 − k2)
avec j = (j1, j2) ∈ Z2 l’échelle et k = (k1, k2) ∈ Z2 leparamètre de position.Ondelette localisée en (2−j1k1,2−j2k2) .
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Principe de la décomposition de Helmholtz
Décomposition du champ de vecteurs u ∈ (L2(Rn))n en
u = udiv + urot avec udiv = rot ψ , urot = ∇p
les fonctions rot ψ et ∇p sont orthogonales dans (L2(Rn))n et ily a unicité.
(L2(Rn))n = Hdiv 0(Rn) ⊕⊥ Hrot0(R
n)
Importance de cette décomposition dans N-S pour projeter leterme u.∇u sur Hdiv 0(R
n).
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Projecteur de Leray (en Fourier)
u = udiv + ∇p∆p = divu = ∂1u1 + . . .+ ∂nun
En Fourier,
p = −i
|ξ|2
n∑
ℓ=1
ξℓuℓ
udiv = u−
ξ1∑n
ℓ=1 ξℓuℓξ2∑n
ℓ=1 ξℓuℓ...
ξn∑n
ℓ=1 ξℓuℓ
=
1 −ξ2
1|ξ|2
− ξ2ξ1|ξ|2
. . . − ξnξ1|ξ|2
− ξ1ξ2|ξ|2
1 −ξ2
2|ξ|2
. . . − ξnξ2|ξ|2
.... . . . . .
...
− ξ1ξn|ξ|2
− ξ2ξn|ξ|2
. . . 1 − ξ2n
|ξ|2
[u]
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Décomposition de Helmholtz par ondelettes
On veut écrire :v = vdiv + vrot
avec
vdiv =∑
j,k
ddivj,k Ψdiv
j,k et vrot =∑
j,k
d rotj,k Ψrot
j,k
Problème : les projecteurs sur les bases d’ondelettes àdivergence nulle et sur les bases d’ondelettes gradient sont desprojecteurs biorthogonaux.→ Méthode itérative pour trouver vdiv et vrot.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Projecteur sur Hdiv 0(Rn) en ondelettes
Pdivu =
1 −ω2
1|ω|2
−ξ2ω
21
|ω|2ξ1. . . −
ξnω21
|ω|2ξ1
−ξ1ω
22
|ω|2ξ21 −
ξ22
|ω|2. . . −
ξnω22
|ω|2ξ2...
. . . . . ....
− ξ1ω2n
|ω|2ξn− ξ2ω
2n
|ω|2ξn . . . 1 − ω2n
|ω|2
[u]
avec ωi = 2ji et |ω|2 =∑n
i=1 22ji .
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Construction des suites vpdiv et vp
rot
H
H
H
HN
v (=v )
divn
div 0
div1
curl curl
2
0
0
0
(=v )
v
v
v
v
v
0
curl 0
1
v1
v 0N
n
Hn = vect{Ψnj,k} , HN = vect{ΨN
j,k}.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Construction des suites vpdiv et vp
rot
Sommes directes :
(L2(Rn))n = Hdiv,0 ⊕ Hn , (L2(Rn))n = HN ⊕ Hrot,0
En ondelettes :
v = Pdiv v + Qn v , v = PN v + Qrot v
Suite : vp = Pdiv vp︸ ︷︷ ︸
vpdiv
+ Qrot Qn vp︸ ︷︷ ︸
vprot
+ PN Qn vp︸ ︷︷ ︸
vp+1
Finalement :
vdiv =
+∞∑
p=0
vpdiv
vrot =
+∞∑
p=0
vprot
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Convergence avec les ondelettes de Shannon
Théorème de convergence : Soit u ∈(L2(Rn)
)n, et soit la
suite (up)p≥0 définie par :
u0 = u et up+1 = PN bQn up, p ≥ 0 (1)
où Qn est le projecteur sur l’espace complémentaire associéaux ondelettes gradient, et PN b est le projecteur PN pénalisépar b > 0 :
PN bu = u − b Qcurl u (2)
On suppose dans les constructions précédentes que ψ1 estl’ondelette de Shannon.Alors, pour b = 32
41 , la suite (up) satisfait, en norme L2 :
‖up‖ ≤
(9
41
)p
‖u‖ (3)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Convergence 2D avec des ondelettes quelconques
Théorème de convergence : Soit D = [−2π,2π]2 \ [−π, π]2, etΘ = {θ ∈ Q2 tq ∃m, ℓ ∈ Z2, θ = (2m1(2ℓ1 + 1),2m2(2ℓ2 + 1))}.Alors, si ∃ρ < 1 tel que ∀ζ ∈ D, la fonction ρ(ζ) definie par :
ρ(ζ) =∑
θ∈Θ
∣∣∣∣∣∣∑
j,k∈Z2, 2jk=θ
ω1ω2
|ω|2
((ζ2 − 2πθ2)ω1
ω2(ζ1 − 2πθ1)−
(ζ1 − 2πθ1)ω2
ω1(ζ2 − 2πθ2)
)
ζ2 − 2πθ2
ζ2ψ∗
1(ζ1
2j1)ψ∗
1(ζ2
2j2) ψ1(
ζ1 − 2πθ1
2j1)ψ1(
ζ2 − 2πθ2
2j2)
∣∣∣∣
avec ω = 2j, vérifie ρ(ζ) ≤ ρ, alors l’algorithme dedécomposition de Helmholtz par ondelettes converge.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Préconditionnement par ondelettes
Soit l’équation differentielle :
Au = v
avec A calculable explicitement mais non son inverse (exA = ∆)
On construit un opérateur par ondelettes A†ω ∼ A−1
Algorithme itératif pénalisé avec reprojection :
u(0) = vu(n) = u(n−1) + A†
ω(v − Au(n−1)), n ≥ 1(4)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Condition de convergence
Soit u la solution, les itérés de Richardson convergent si
‖u − u(n)‖ ≤ ρ‖u − u(n−1)‖ avec ρ < 1
i.e. come u − u(n) = (Id − AA†ω)(u − u(n−1)),
critère de convergence :
‖Id − AA†ω‖ = ρ avec ρ < 1
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Symbole d’un opérateur [Lars Hörmander]
On note : Dα = (−i∂x1)α1 . . . (−i∂xd )
αd
Soit
A =
m∑
|α|=0
aαDα
un opérateur différentiel d’ordre m sur C∞(Rd ).
La transformée de Fourier donne:
(Af )(x) =
∫
ξ∈Rd
1(2π)d eiξ·x
m∑
|α|=0
aαξα
f (ξ)dξ
Symbole de A: σ(ξ) =∑m
|α|=0 aαξα
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Ondelettes de Shannon
Fonction d’échelle:
ϕ(ξ) = χ[−π,π](ξ), ϕ(x) =sinπxπx
Ondelette:
ψ(ξ) = −e−iξ/2 χ[−2π,−π]∪[π,2π](ξ), ψ(x) =sin 2π(x − 1/2)
π(x − 1/2)−
sinπ(x − 1/2)
π(x − 1/2)
−10 −5 0 5 10 15−1.0
−0.8
−0.6
−0.4
−0.2
0.0
0.2
0.4
0.6
0.8
1.0
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Décomposition de Shannon
Soit u : Rd → Rm
Décomposition de Shannon : u =∑
j∈Zd u javec
suppu j ⊂d∏
i=1
[−2ji+1π,−2jiπ] ∪ [2jiπ,2ji+1π]
pour chaque j ∈ Zd , et pour ℓ = 1..m,
uj,ℓ =∑
k∈Zd
dℓ j,kψ1(2j1x1 − k1) . . . ψi(2
ji xi − ki) . . . ψn(2jnxn − kn)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Théorèmes de convergence avec Shannon
Théorème (Ondelettes anisotropes) : Soit la matrice symboleM(ξ). S’il existe ρ < 1 tel que ∀j ∈ Zd , on construit M†
ωj
vérifiant : ∀ξ ∈∏d
i=1 ±[2ji ,2ji+1], ‖Id − M(ξ)M†ωj‖ ≤ ρ alors les
itérés de Richardson convergent.
Théorème (Ondelettes isotropes) : De même, si ∃ρ < 1 telque ∀j ∈ Z et ∀ε ∈ {0,1}d \ {(0, . . . ,0)}, on construit M†
ωj ,ε
vérifiant : ∀ξ ∈∏d
i=1 ±[εi2j , (εi + 1)2j ], ‖Id − M(ξ)M−1ωj ,ε
‖ ≤ ρ,alors, on a aussi convergence.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Dérivation d’une base d’ondelettes
Proposition [Lem92] : Soit (ϕ1, ψ1) définissant une AMR. Siϕ1 ∈ C1, alors, il existe une AMR (ϕ0, ψ0) telle que :
ϕ′1(x) = ϕ0(x) − ϕ0(x − 1) , ψ′
1(x) = 4ψ0(x)
−2 −1 0 1 2 3 4 5 6−1.3
−0.9
−0.5
−0.1
0.3
0.7
1.1
1.5
−2 −1 0 1 2 3 4 5−0.5
−0.3
−0.1
0.1
0.3
0.5
0.7
0.9
1.1
1.3
1.5
ϕ1 ψ1 ϕ0 ψ0
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Dérivation–intégration par ondelettes
Dérivation–intégration : Soit
v(x) =∑
k,j∈Zdj k (v)ψ1(2jx − k)
u(x) =∑
k,j∈Zdj k (u)ψ0(2j x − k)
alors
dj k (u) = 4 · 2jdj k (v) ⇐⇒ u(x) = v ′(x)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Opérations sur les coéfficients d’ondelettes
Soient u, v ∈(L2(Rd )
)n. Si on multiplie les coefficients
d’ondelettes de v par des constantes (mj ,ℓ1,ℓ2), ou si on dérive
ou intégre v, ces opérations se traduisent pour les tansforméesde Fourier par:
d j k (u) = Md j k (v) ⇐⇒ u(x) = Mv(x) ⇐⇒ u(ξ) = M v(ξ)
d j k (u) = 4 · 2jℓd j k (v) ⇐⇒ u(x) = ∂v∂xℓ
(x) ⇐⇒ u(ξ) = iξℓv(ξ)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Opérateurs constructibles
Théorème (Opérateurs constructibles) : Les matricessymboles (ξ ∈ Rd 7→ Cn×n(ξ)) d’opérateurs constructibles pardes opérations sur les coefficients d’ondelettes sont généréesen tant que R-algèbre par les éléments {(δℓ1,ℓ2)}1≤ℓ1,ℓ2≤n,{iξℓId}1≤ℓ≤d et {iξ−1
ℓ Id}1≤ℓ≤d .
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Algorithme itératif pour le noyau de la chaleur
on cherche à résoudre (Id − α∆)u = v (pour Navier-Stokesα = νδt).Décomposition de Shannon :
(Id−α∆)∑
j∈Zd
u j =∑
j∈Zd
v j alors (Id−α∆)u j = v j pour chaquej ∈ Zd
On approche M(ξ) = 11+α|ξ|2
Id par Mω = 11+αω2 Id , avec
ξ ∈∏d
i=1 ±[2jiπ,2ji+1π] et ω ∈ R à fixer ultérieurement.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Algorithme itératif pour le noyau de la chaleur
On a
1 − M(ξ)−1Mω = 1 −1 + α|ξ|2
1 + αω2
La valeur optimale pour ω est atteinte pour ω2 = a2+b2
2 si|ξ|2 ∈ [a2,b2].
Alors |λ(ξ)| ≤ α(b2−a2)2+α(b2+a2)
Cas ondelettes de Shannon anisotropes : b = 2a et|λ(ξ)| ≤ 3α
2(a−2+5α
Si α→ ∞, le taux de convergence tend vers 35 (0.6).
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Algorithme itératif pour le noyau de la chaleur
On décompose :
v =∑
j,k∈Zd ,max(j)<J
dj,k ψj,k =∑
j∈Zd ,max(j)<J
vj avec vj =∑
k∈Zd
dj,k ψj,k
(5)puis on pose :
u0 =∑
j∈Zd ,max(j)<J
uj,0, où uj,0 =1
1 + αω2j
vj (6)
puis on itère :
uℓ+1 = uℓ +∑
j∈Zd ,max(j)<J
11 + αω2
j
(vj − (Id − α∆)uk j) (7)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Ondelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
Algorithme itératif pour le noyau de la chaleur
Théorème : Soit v ∈ L2(Rd), et soit la suite (uk )k≥0 définie par(6) et (7). Dans le cas des ondelettes de Shannon, la suite (uk )satisfait, en norme L2 :
‖uk − u‖ ≤
(3α
2δx2 + 5α
)k
‖u0 − u‖
où u est la solution de l’équation et δx = 2−J la plus petiteéchelle calculée. En particulier, cela implique :
‖uk − u‖ ≤
(35
)k
‖u0 − u‖
ce qui prouve la convergence. Cependant, si νδtδx2 ≪ 1 (α = νδt),
alors il est plus intéressant de considérer :
‖uk − u‖ ≤
(3νδt2δx2
)k
‖u0 − u‖
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Décomposition en ondelettes de la solution de NS
Équations de Navier-Stokes incompressible :
(N-S)
∂tu + u · ∇u − ν∆u + ∇p = f,divu = 0,u(0, x) = u0(x)
x ∈ Rd , t ∈ [0,T ]
Décomposition de u en base d’ondelettes dans Hdiv ,0:
u(t , x) =∑
j∈Z
∑
k∈Zd
dj ,k(t)Ψdivj ,k (x)
Puis on résoud numériquement :
∂tu + P [u · ∇u] − ν∆u = P(f)
où P désigne le projecteur de Leray.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Euler semi-implicite
Semi-implicite dans le sens où :
le Noyau de la Chaleur est intégré implicitement,
le terme non-linéaire est traité explicitement en temps.
Discrétisation spatiale en ondelettes :
u(nδt , x) =∑
λ
cn,λ Ψdivλ (x)
À chaque pas de temps nδ, on résoud :
(Id − νδt∆) un+1 = un − δtP [(un · ∇)un] (8)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Adams-Bashford d’ordre 2 en temps
étape intermédiaire un+1/2
(Id − ν
δt2
∆
)un+1/2 = un −
δt2
P [(un · ∇)un]
puis(
Id − νδt2
∆
)un+1 = un + δt
(ν2
∆un − P[(un+1/2 · ∇)un+1/2
])
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Stabilité L2 pour Euler explicite [R. Temam]
TheoremUne erreur εt valant ε0 au temps t = 0 se propage dans leschéma Euler explicite avec :
‖εt‖L2 ≤ e(A2
02
δtδx2 +A1)t‖ε0‖L2
où A0 = supx∈Rd , t∈[0,T ]
‖u(t , x)‖, A1 = supx∈Rd , t∈[0,T ]
‖∇u(t , x)‖
δt le pas de temps et δx le pas d’espace.Alors le schéma Euler est stable sous la condition CFL δt
δx2 ≤ Cpour une constante C > 0.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Preuve de la stabilité L2
Supposons une erreur εn pour un dans le schéma d’Euler :
(Id − νδt∆) (un+1+εn+1) = un+εn−δtP [((un + εn) · ∇)(un + εn)]
aussi εn+1 vérifie en norme L2 :
‖εn+1‖ ≤ ‖εn + P [(un · ∇)εn] δt + A1εnδt‖≤ ‖εn + P [(un · ∇)εn] δt‖ + ‖A1εnδt‖
(9)
avec un et εn à divergence nulle, on a :
εn ⊥ (un · ∇)εn =⇒ εn ⊥ P [(un · ∇)εn]
‖εn + P [(un · ∇)εn] δt‖2L2 = ‖εn‖
2L2 + ‖P [(un · ∇)εn] ‖
2L2δt2
Avec ‖εn‖H1 ≤‖εn‖L2
δx , ‖εn + P [(un · ∇)εn] δt‖2L2 ≤
q
‖εn‖2L2 + A2
0δt2
δx2 ‖εn‖2L2
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Preuve de la stabilité L2
D’où ‖εn+1‖L2 ≤
(1 +
(A2
0
2δtδx2 + A1
)δt
)‖εn‖L2
Stabilité pour ‖εn+1‖ ≤ (1 + Cδt) ‖εn‖Car alors étant donné t = nδt ,
‖εt‖ ≤ (1 + Cδt)t/δt ‖ε0‖ ≤ eCt‖ε0‖
Ainsi
‖εt‖ ≤ e
„
A20
2δt
δx2 +A1
«
t‖ε0‖
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Stabilité L2 pour le schéma centré d’ordre 2
Theorem
Supposons que l’équation (NS) a une solution u(t , x) ∈ C2.Une petite erreur εn, avec ‖εn‖L2 = O(δx2) sur un - une solutiondiscrète proche de u(nδt , ·) - dans le schéma numériqued’ordre 2, devient au pas n + 1, εn+1 avec :
‖εn+1‖L2 ≤
(1 + λA4
0δt4
8δx4 + A1δt + o()δt)‖εn‖L2 (10)
avec λ une constante proche de 1, et o()une fonction tendantvers 0 sous la condition δt ≤ Cδx.Aussi ce schéma est stable sous la condition CFL :
δt ≤ Cδx4/3 (11)
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Preuve
En ne gardant que les termes dominants,
εn+1 = εn−δtP [(un · ∇)εn]+δt2
2P [(un · ∇)P [(un · ∇)εn]]−δtP [(εn · ∇)un]+o()
Or
P [(un · ∇)εn] ⊥ εn
P [(un · ∇)P [(un · ∇)εn]] ⊥ P [(un · ∇)εn]
〈εn,P [(un · ∇)P [(un · ∇)εn]]〉 = −‖P [(un · ∇)εn] ‖2L2
D’où :
‖εn+1 +δtP [(εn · ∇)un] ‖2L2 ≤ ‖εn‖
2L2 +λ
δt4
4‖un‖
4L∞
‖εn‖2L2
δx4 +o()δt
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Schéma adaptatif
∂u∂t + (u · ∇)u + ∇p = ν∆u + f, t ∈ [0,T ], x ∈ Rd , d = 2 or 3div u = ∇ · u =
∑ni=1
∂ui∂xi
= 0u(x ,0) = u0(x)
Λn= ensemble des coefficients d’ondelettes actifs.
uN(nδt , x) =∑
λ∈Λn
cn,λ Ψdivλ (x)
avec #(Λn) = N (l’ensemble Λn a N éléments) etΨdivλ ∈ Hdiv,0 = {u ∈ L2, div(u) = 0}.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Pseudo-codeStabilité numériqueAdaptativité
Seuillage
Soient les décompositions :
un =∑
λ
cn,λ Ψdivλ
etP [(un · ∇)un − f] =
∑
λ
dn,λ Ψdivλ
Et soient σ0 n > 0 et σ1 n > 0 deux seuils.
Il y a deux critères qui peuvent faire qu’un élément λ est dansΛn. L’élément cn,λ est activé si
|cn,λ| ≥ σ0 n
ou |dn,λ| ≥ σ1 n
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Test numérique sur “les trois tourbillons”
t=0 t=10 t=20 t=40
Champs de vorticité et coefficients d’ondelettes sur une grille5122 en pseudo-spectral.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Code par ondelettes plein
t=0 t=10 t=20 t=40
- ondelettes splines de degrè 1 et 2- schéma semi-implicite d’ordre 2 pour l’évolution en temps- grille 2562, δt = 0.02 et ν = 5.10−5
- 7 iterations pour Helmholtz, 3 pour le Noyau de la Chaleur,- code utilisant uniquement des transformées en ondelettes
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Code pseudo-adaptif (ondelettes anisotropes)
nb de coeff actifs t=20 t=40
time
ratio
of c
oeffi
cien
ts
X
X
0 5 10 15 20 25 30 35 40
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.10
d(u)>s0 | d(u.Du)>s1
d(u)>s0
d(u.Du)>s1
d(u)>s0 & d(u.Du)>s1
erreur relative historique
0 5 10 15 20 25 30 35 400
0.005
0.01
0.015
0.02
0.025
0.03
time
L2 r
elat
ive
erro
r
bleu : code pseudo-spectralvert : code ondelettes
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Effets de l’anisotropie
nb de coeff actifs t=20 t=40
0 5 10 15 20 25 30 35 400
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0 5 10 15 20 25 30 35 400
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
seuil élevé
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Comparaison isotrope/anisotrope
10−5
10−4
10−3
10−2
10−1
100
0
0.5
1
1.5
2
2.5
Ratio of retained wavelet coefficients
Rat
io o
f dis
card
ed e
nstro
phy
isotropic waveletsanisotropic wavelets
Comparaison entre les cas isotrope (ligne pleine) et anisotrope(ligne pointillée) pour la compression de champs turbulents 3D(vorticité) en échelle semi-logarithmique.
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Plan
1 Ondelettes et algorithmesOndelettes à divergence nulle et gradientDécomposition de HelmholtzIntégration du noyau de la chaleur
2 Schéma Navier-Stokes par ondelettesPseudo-codeStabilité numériqueAdaptativité
3 Résultats numériquesExpérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Ondelettes à div nulle généralisées
Pour m ∈ N, on prend :
Ψdiv (1,1)j,k =
∣∣∣∣2j2ψ1(2j1x1 − k1)ψ0(2j2x2 − k2)
−2j1ψ0(2j1x1 − k1)ψ1(2j2x2 − k2)avec |j1 − j2| ≤ m,
Ψdiv (1,0)j,k =∣∣∣∣−2j2−2ψ1(2j1x1 − k1)(ϕ0(2j2x2 − k2) − ϕ0(2j2x2 − k2 − 1))
2j1ψ0(2j1x1 − k1)ϕ1(2j2x2 − k2)avec j2 = j1 − m,
Ψdiv (0,1)j,k =∣∣∣∣2j2ϕ1(2j1x1 − k1)ψ0(2j2x2 − k2)
−2j1−2(ϕ0(2j1x1 − k1) − ϕ0(2j1x1 − k1 − 1))ψ1(2j2x2 − k2)avec j1 = j2 − m.
où ψ′1 = 4ψ0 et ϕ′
1 = ϕ0( . ) − ϕ0( . − 1).
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Test numerique des “3 tourbillons”
t=0 t=10 t=20 t=40
ratio
of c
oeffi
cien
ts
time
X
X
0 5 10 15 20 25 30 35 40
0.00
0.01
0.02
0.03
0.04
0.05
0.06
d(u)>s0 | d(u.Du)>s1d(u)>s0d(u.Du)>s1d(u)>s0 & d(u.Du)>s1
maximum de 3500 degrés de libertéÉvolution du nb de coefficients
Erwan Deriaz [email protected] Ondelettes et Turbulence
Ondelettes et algorithmesSchéma Navier-Stokes par ondelettes
Résultats numériques
Expérience des trois tourbillonsPseudo-adaptativitéOndelettes à div nulle generalisées
Conclusion - Perspectives
Intérêt de cette méthode numérique :
Calculs en complexité linéaire (O(n) opérations pour n lenombre de degrés de liberté)
Discétisation temps/fréquence =⇒ adaptativité
Solveur Navier-Stokes original par ondelettes à divergencenulle
Perspectives
Implémenter un vrai code adaptatif avec une structured’abre pour les coefficients d’ondelettes =⇒ stratégieadaptative en espace et en temps,
Rendre cette méthode partiellement lagrangienne (enconvectant les petits tourbillons avec les grandes échelles)
Erwan Deriaz [email protected] Ondelettes et Turbulence