Mthodes de rsolution numrique d'quations

aux drives partielles utilisant des approximations

MLS (Moving Least Squares) et SMLS (Spline Moving Least Squares).


Introduction..................................................................................................................................... 2

A) Mthodes d'approximation lies aux moindres carrs glissants
I) SMLS
1) Noyaux reproduisants de ( ) ,
m
H a b ................................................................ 2
2) Splines d'ajustement .......................................................................................... 5
3) Technique mobile.............................................................................................. 8
4) Construction et proprits des SMLS ............................................................... 11
II) Approximation MLS
1) Influence du paramtre de pnalisation............................................................. 15
2) Dfinition de l'approximation MLS.................................................................. 16
3) Proprits de l'approximation MLS .................................................................. 18
4) Calcul des fonctions de forme en dimension 1 dans un cas particulier ............ 18
III) PMLS
1) Dfinitions......................................................................................................... 19
2) Proprits........................................................................................................... 20
Commentaires..................................................................................................................... 22

B) Applications la mthode de Galerkin
I) Rsolution d'quations paraboliques en dimension 1
1) Introduction de l'quation de la chaleur ............................................................ 22
2) Expression matricielle de la mthode de Galerkin............................................ 23
3) Rsolution d'une quation de convection diffusion en dimension 1................. 25

II) Rsolution d'un problme de mcanique des milieux continus
1) Systmes de coordonnes de la mcanique: description ALE.......................... 27
2) Expression matricielle de la mthode EFG....................................................... 29
3) Mthodes d'intgration en temps du systme.................................................... 30

C) Mises en oeuvre
I) Les fonctions de forme
1) Cas des splines d'ajustement ............................................................................. 31
2) Cas des SMLS
a) Les fonctions poids....................................................................................... 35
b) Les fonctions de forme ................................................................................ 37
II) Comparaison des approximations par splines d'ajustement et par SMLS
1) Approximation sur 10 points............................................................................. 42
2) Comportement face aux irrgularits ................................................................ 45
3) Approximation de donnes bruites.................................................................. 51
III) Rsolution des quations de convection diffusion
1) Discrtisation en espace.................................................................................... 56
2) Discrtisation en temps et en espace................................................................. 59
Conclusion....................................................................................................................................... 62

Annexes: Algorithme pour la spline d'approximation........................................................... 63
Algorithme pour l'approximation MLS................................................................. 64
Algorithme pour la rsolution de l'quation de convection diffusion ................... 65
Rsultats numriques............................................................................................. 69
Bibliographie................................................................................................................................... 77
2
Introduction

La mthode des lments finis est souvent employe pour la rsolution d'quations aux
drives partielles: son inconvnient majeur rside dans la ncessit d'un maillage de l'espace. Dans le
but d'viter les problmes lis au maillage, il est possible de construire des mthodes de rsolution
d'quations aux drives partielles ne ncessitant que la donne de noeuds rpartis (presque)
arbitrairement sur l'espace. Ainsi il peut sembler naturel d'utiliser une base de fonctions splines, pour
lesquels le choix des noeuds est arbitraire, et de rsoudre par une mthode de Galerkin les quations
aux drives partielles. Nous verrons que dans la pratique une telle mthode serait lourde et
inefficace, c'est pourquoi il s'agira d'effectuer quelques modifications aux fonctions splines de dpart.
Dans un premier temps nous nous intresserons trois approximations lies un critre de
moindres carrs glissants. D'abord en dimension d'espace gale un nous dfinirons les splines
d'ajustement et verrons les modification apporter pour pouvoir dfinir un critre local qui sera la
base de la construction des SMLS (Spline Moving Least Squares). Puis nous ferons le lien entre les
SMLS et l'approximation MLS (Moving Least Squares) qui cette fois sera facilement gnralisable
aux dimensions suprieures. Enfin en pnalisant le critre de construction de l'approximation MLS
nous dfinirons l'approximation PMLS (Penalised Moving Least Squares).
Une fois ces diverses approximations dfinies nous mettrons en place la rsolution d'quations
aux drives partielles par des mthodes de Galerkin bases sur ces approximations. Ainsi nous
mettrons en place la rsolution d'une quation de convection-diffusion unidimensionnelle grce aux
SMLS, puis une d'quation de la mcanique des milieux continus grce l'approximation MLS (cette
mthode tant appele EFG pour Element Free Galerkin)
Enfin dans le cadre de mises en oeuvre d'algorithmes, nous comparerons les comportements
des splines d'ajustement et des SMLS face certaines configurations. Puis nous effectuerons des tests
de la mthode de rsolution de l'quation de convection-diffusion unidimensionnelle.


A) Mthodes d'approximation lies aux moindres carrs glissants
I) SMLS
1) Noyaux reproduisants de ( ) ,
m
H a b

Soient a et b deux rels, a<b, les fonctions splines sont recherches dans l'espace de Sobolev
( ) ( ) ( ) { }
( )
( )
{ }
,2 2 2
, , , / 1,.., , ,
k m m
H a b W a b f L a b k m f L a b = = . Un rsultat classique
nous donne ( ) [ ] ( )
1
, ,
m m
H a b C a b

avec injection compacte, ainsi par densit de ( ) ,

m
C a b dans
( ) ,
m
H a b on a le dveloppement de Taylor suivant:
( ) ] [ ( ) ( ) ( )
1 2
, , , ,
m
f H a b t a b f t f t f t = + avec
( )
( )
( )
( )
( )
( )
( )
( )
( )
1
1
0
1
2
!
1 !
m
m
t
m
a
t a
f t f a
t u
f t f u du
m

On dfinit ainsi deux sous-espaces vectoriels de ( ) ,
m
H a b munis de deux formes bilinaires:
( )
{ } [ ]
1 1
, 0,.., 1
!
m
m
t a
H vect m R t

= = /



( )
( )
( )
( )
( )
1
1
0
,
m
f g f a g a

=
=

( ) { }
( )
( )
{ } 2
, / 0,.., 1 , 0
m m
H f H a b m f a

= = ( )
( )
( )
( )
( )
2
,
b
m m
a
f g f u g u du =

Remarque: pour
n
R / on a seulement ( ) ( ), :
2
m k
n
H C k N m k > / ainsi le
dveloppement de taylor d'ordre m-1 avec reste intgral, qui a un sens pour ( )
m
f C , n'en a plus
3
pour
m
f H ds que n>1, on ne peut qu'crire avec
1
2 2
n
k E m

=


, ( ) ( ) ( ) ( )
1 2
, ,
m
f H t f t f t f t = + avec

( )
( )
( )
( )
( )
( )
( ) ( )
1
1
1
2
0
!
1
1 !
n
N
k
k
k
t a
f t f a
t
f t D f a u t a du
k

= +

Proprit I.1.1: i)
1 2
m m m
H H H =
ii) ( )
1
.,. et ( )
2
.,. sont des produits scalaires respectivement sur
1
m
H et
2
m
H
iii)
m
H muni de ( ) ( ) ( )
1 2
, , , f g f g f g = + est un espace de Hilbert
Preuve: i) D'aprs le dveloppement de Taylor on a
1 2
m m m
H H H + = et { }
1 2
0
m m
H H =
ii) soient ( )
1
1
: , 0
m
f H f f = alors { }
( )
( ) 0,.., 1 , 0 m f a

= donc 0 f =
soient ( )
2
2
: , 0
m
f H f f = alors
( )
( ) ] [
0, ,
m
f x ppx a b = donc 0 f =
iii) ( ) : , 0
m
f H f f = alors { }
( )
( ) 0,.., 1 , 0 m f a

= et
( )
( ) ] [
0, ,
m
f x ppx a b = donc
0 f = .
1
m
H muni de ( )
1
.,. est complet comme R-espace vectoriel norm de dimension finie
Montrons que
2
m
H muni de ( )
2
.,. est complet: soit ( )
n
n N
f
/
une suite de Cauchy de
2
m
H alors
( )
( )
m
n
n N
f
/
est une suite de Cauchy de ( )
2
, L a b munit de
( )
2
, L a b
donc il existe
( )
( )
( )
2
2
,
, : lim 0
m
n
n L a b
g L a b f g
+
= et ( )
( )
( )
( )
1
2
1 !
m
t
m
a
t u
f t g u du H
m

et
( ) m
f g = au sens
des distributions donc f est la limite de ( )
n
n N
f
/
dans
2
m
H muni de ( )
2
.,.
Ainsi
m
H muni de ( ) .,. est un espace de Hilbert. CQFD

Remarque: pour
1 2 1 2
,
m
f f f g g g H = + = + on a ( ) ( )
1 1
1 1
, , f g f g = et ( ) ( )
2 2
2 2
, , f g f g =

Cette dcomposition de
m
H va nous permettre d'exprimer les noyaux reproduisants de
m
H
comme somme de noyaux reproduisants de
1
m
H et de
2
m
H . Dans la suite on se donne n points
] [
1
,.., ,
n
x x a b .

Proposition I.1.2:
1
m
H est un sous-espace hilbertien de
[ ] , a b
R/ . Soit
[ ] ( )
( )
, , ,
!
a
t a
N t a b t

= / alors
[ ]
( ) ( ) ( )
2
1
0
: ,
,
m
a a
A a b R
x y x y

=
/

est le noyau reproduisant

de
1
m
H muni de ( )
1
.,. on notera ( ) ( ) ,
i i
p y A x y =
preuve:
[ ] ( )
( )
( )
( ) ( )
( )
( )
2
1 1
1 2 1
0 0
, , , ,
!
!
m m
m
b a b a
t a b f H f t f a f f

= =



d'aprs
l'ingalit de Cauchy-Schwarz
4
soit
1
m
f H alors ( ) ( )
( )
( ) ( )
( )
( ) ( ) ( )
1 1
1
0 0
, ., ,
m m
a
d A
f A y f a a y f a y f y
dx

= =
= = =

CQFD

Proposition I.1.3:
2
m
H est un sous-espace hilbertien de
[ ] , a b
R/ ayant pour noyau reproduisant
( ) ( )
( )
( )
( )( ) ( ) ( ) ( )
1
2 1 1
2 1
0
1
, 1
2 1 !
m
m
m m
a a
i i i i m i
B x x x Y x x x x x x
m

+

=

= = +

avec Y la fonction de Heaviside: ( )
1 si 0
0 si 0
x
Y x
x

=

<

preuve: soient [ ]
2
, ,
m
f H x a b
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
2
2 2 2
1
b x x
m m m m
a a a
x a f t dt x a f t dt f t dt f x

=




ainsi:
( )
( )
2
1
1
m
m
H
f f x
b a

or { }
( )
( )
( )
( )
1
1,.., 1 ,
x
a
m f t dt f x

ainsi en intgrant m-1 fois l'ingalit prcdente:

( )
( )
2
1
2
1
m
H
m
f f x
b a

on a de mme:
( )
( ) ( )
2 2
1
2
1
m m
H H
m
f f f x
b a

=

donc:
( )
( )
2
1
2
1
m
H
m
f f x
b a

par ailleurs: ( )
( )
( )
( )
( ) ( )
( )
( )
( )
( ) ( ) ( )
1 1
2
., ,
1 ! 1 !
m m
x b
m m
a a
x u x u
f x f u du Y x u f u du B x f
m m


= = =



ainsi
( )
( )
( )( )
( )
1
1 !
m
m i i
i
Y x x x x
x
m

d'o: ( ) ( )
( )( )
( )
( )
2 1
1
: 1
2 1 !
m
m
i i m
i i i
Y x x x x
p H x p x
m

= +

et comme
2
m
i
H on a { }
( )
( ) ( )
( )
( )
( )
( )
2 1
0,.., 1 , 0 1
2 1 !
m
m
i
i i
x a
m a p a
m

= = +


{ } ( ) ( )
( )
( )
1
2 1
0,.., 1 , 1
m
a
m i i
m x p a

+

=
donc: ( ) ( ) ( ) ( )
1
1
2 1
0
1
m
m
a a
i m i
p x x x

+

=
=

CQFD
Remarque: tout fonctionne bien car dans
2
m
H ( ) ( )
( )
( )
( )
( )
2
1
,
.
. ,
1 !
m
m
L a b
x
f x Y x f
m

et que le lien
avec le produit scalaire
2
m
H est direct.

Proprit I.1.4: la famille ( )
1,..,
i
i n

=
est libre si et seulement si les points
1
,..,
n
x x sont deux deux
distincts
5
preuve: si { } , 1,.., , :
i j i j
i j n i j x x = = donc si la famille ( )
1,..,
i
i n

=
est libre, les points
1
,..,
n
x x sont deux deux distincts
Supposons les points
1
,..,
n
x x deux deux distincts tels que
1
..
n
a x x b < < . Soient
( )
1
1
,.., : 0
n
n
n i i
i
R
=
/ =

et { } 2,.., 1 i n une fonction [ ]

2
1 1
: supp ,
i m i i i
f H f x x
+
et
( ) 1
i i
f x = (on peut mme construire
[ ] ( )
,
i
f C a b

) alors { } 2,.., 1 i n on a:
( )
2
1 1
, 0
m
n n
i j i j i j j
j j
H
f x f
= =

= = =




Ainsi on a [ ] ( ) ( )
1 1 1
, ,
n n n
x x x x x = et sur cet intervalle
1
est une fonction polynomiale de
degr m-1 alors que
n
est une fonction polynomiale de degr 2m-1 ce qui implique
1
0
n
= = . La
famille ( )
1,..,
i
i n

=
est donc libre. CQFD

2) Splines d'ajustement
Etant donns n points distincts [ ]
1
,.., ,
n
x x a b et
1
,..,
n
u u R / la fonction spline
d'ajustement lie ces donnes est la fonction (on montrera son existence et son unicit) minimisant
dans
m
H la fonctionnelle suivante:
( ) ( ) ( )
( )
( )
( )
2
2
1
b
n
m
W i i i
i
a
J f w u f x f u du

=
= +

o ( ) ( )
*
1
,..,
n
n
W w w R
+
= / et >0 sont des donnes du problme.
La minimisation de cette fonctionnelle traduit un compromis entre une volont d'approcher les
valeurs
i
u aux points
i
x et le fait d'obtenir une fonction rgulire grce au terme de pnalisation
pondr par le paramtre , d'o le terme de spline d'ajustement.
Remarque: si 1 n m , il existe une infinit de polynmes
1 m
P P

/ interpolant les valeurs
1
,..,
n
u u R / aux points [ ]
1
,.., ,
n
x x a b et annulant ainsi la fonctionnelle, nous supposerons donc
dans la suite n m .

Thorme I.2.1: si n m alors il existe une unique
( ) ( ) : inf
m
m
W W W W
f H
f H J f J f

=
De plus en notant
2 2
:
m m
P H H la projection on a:
( ) { }
2
/ 1,..,
W i
P f vect i n

=
preuve: soit
2
n m
Y R H = / et
( ) ( ) ( ) ( )
1 2
:
,.., ,
m
n
l H Y
f f x f x P f

on muni Y du produit scalaire: ( ) ( )
1 1
,.., , , ' ',.., ', '
n n
a y y z Y a y y z Y = = ,
( )
( )
( )
( )
( )
1
, ' ' '
b
n
m m
i i i
Y
i
a
a a w y y z t z t dt
=
= +

Y est alors un espace de Hilbert car pour
( ) ( ) 1, ,
,.., ,
p p n p p
p N
a y y z
/
= suite de Cauchy de Y,
( ) ( )
1, ,
,..,
p n p
p N p N
y y
/ /
sont des suites de Cauchy de
( )
, . R/ et
( )
p
p N
z
/
est une suite de Cauchy de
( )
2
2
, .
m
m
H
H qui sont des espaces complets.
Par ailleurs
( )
m
l H est un sous-espace vectoriel ferm dans Y car
( )
2
m m
l H S H = avec S sous
espace vectoriel de
n
R donc ferm dans
n
R/
6
Ainsi d'aprs le thorme de projection orthogonale sur un sous espace vectoriel ferm d'un espace de
Hilbert,
( ) ( )
( )
( )
1 1
! : ,.., , 0 inf ,.., , 0
m
m
W W n n
Y Y
y l H
y l H y u u y u u

=
Si n m alors l est injective car soit ( ) : 0
m
f H l f = alors ( )
2 1
0
m
P f f H = et
{ } ( ) 1,.., , 0 0
i
i n f x f = = . Ainsi
( )
1
!
m
W W
f l y H

= ce qui prouve l'existence et l'unicit
de
W
f


On a par ailleurs:
( ) ( ) ( ) ( ) 1
,.., , 0
m
W n
l f u u l H

Ainsi: { } ( )
2
/ 1,..,
m
i
f vect i n H

= on a ( ) ( )
2
, 0
i i
f x f = = donc:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) 1 2 2 2
2 2
0 ,.., , 0 , , ,
W n W W
Y
l f u u l f P f P f P f f

= = =
d'o: ( ) { } ( )
( )
{ }
2
/ 1,.., / 1,..,
i i
P f vect i n vect i n

= = = CQFD
Remarque: si n=m alors
W
f

est l'unique polynme de
1 m
P

/ interpolant les valeurs
1
,..,
n
u u R / aux
points ] [
1
,.., ,
n
x x a b .

Thorme I.2.2:
1
0 1
m n
a
W i i
i
f d c

= =
= +

avec ( ) ( )
0 1 1
,.., , ,..,
T T
m n
m n
d d d R c c c R

= / = / ( ) , c d
tant l'unique solution du systme suivant:
1
0 0
T
c U G W T
d T

+
=


(1)
avec
( ) ( )
{ }
{ }
( )
{ }
{ }
( ) ( )
{ }
{ }
( )
{ }
1,.., 1,.., 1,..,
1,..,
1,.., 0,.., 1 1,..,
, , , ,
a
i n i n i j i ij j i i i n
i n
j n j m j n
G W w T x U u



= = = =
preuve: soit
1 2 W
f f f

= + avec
1
1 1
0
m
a m
f d H

=
=

( ) { }
2 2
1
/ 1,..,
n
i i i
i
P f f c vect i n
=
= = =

on a ainsi:
( ) ( ) ( ) ( ) ( )
2 2
1,.., 1,..,
1 1
1,.., 1,..,
, , ,
n n
i j j i j j i i
i n i n
j j
i n i n
Gc c c f f x
= =
= =
= =

= = = =






( ) ( ) ( )
1
1
1,..,
0
1,..,
m
a
j i j i
i n
j
i n
Td x d f x

=
=
=

= =

( ) ( )
1,..,
i i
i n
U Gc Td u f x
=
=

( )
( )
( )
( )
2
2
2
1 1 1 1
, ,
m
b
n n n n
m T
i j i j i i j j
H
i j i j
a
c Gc c c c c f f u du
= = = =

= = = =





on peut donc crire la fonctionnelle sous la forme:
( ) ( ) ,
W W
J f F c d

=
avec:
( ) ( ) ( )
:
,
n m
T
T
F R R R
x y U Gx Ty W U Gx Ty x Gx
/ / /
+

le minimum de F tant atteint en ( ) , c d on a (W tant inversible car { } 1,.., , 0
i
i n w et G est
inversible comme matrice de Gram d'une famille libre de vecteurs):
7
( )
( )
( )
( )
, 0
0
0
, 0
T
T
T
F
c d
U Gc Td WG c G
x
F
U Gc Td WT
c d
y

=

+ =

=
=

( )
( )
( )
( )
1
0
0
T
T
W U Gc Td c U W G c Td
T W U Gc Td
T c

= = + +



=
=

Montrons l'injectivit du systme.
Soit
1
S G W

= + , S est positive comme somme de deux formes quadratiques positives et mme
dfinie positive car ( )
1
0 0 Sx Gx W x WG x x x

= = = = car la matrice WG n'a pas

de valeurs propres ngatives.
( )
1
1 1
0 0
0 0 0
0 0 0 0
T
T
T T T
Sc Td S T c c S Td
T S Td Td S Td Td
T d T c T c

+ = = | || | | |

= = = =
| | |
= =
\ \ \

Or ( ) ( )
1
1,..,
i
i n
Td f x
=
= et
1 1
m
f H donc
1
0 0 n m f d = = CQFD

Remarques: le premier ensemble d'quations montre que la spline obtenue n'interpole pas en gnral
les valeurs
i
u aux points
i
x car:
{ } ( ) ( ) ( )
1
0 1
1,.., ,
m n
a i
W i i j j i i
j
i
c
i n f x d x c x u
w

= =
= + =


S'il existe
1
m
p H interpolant les valeurs
i
u aux points
i
x alors
W
p f

=

Le deuxime ensemble d'quation est une relation d'orthogonalit de la projection sur
2
m
H de
la spline d'ajustement par rapport la projection sur
2
m
H de l'ensemble des fonctions de
m
H
interpolant les valeurs donnes. Or cette relation d'orthogonalit est aussi propre aux splines
d'interpolation, ainsi la proprit suivante considre le cas d'un paramtre arbitrairement proche de
0.

Proprit I.2.3: soit la spline de ( ) ,
m
H a b d'interpolation des valeurs ( )
1,..,
i
i n
u
=
aux points
( )
1,..,
i
i n
x
=
minimisant la norme ( )
2
, L a b de la drive d'ordre m, alors
0
lim
W
f

=
Preuve: soient
( ) ( )
( )
2
: , ,

m
m
u H a b L a b
f f

et
( )
( ) ( ) ( )
1
: ,
,..,
m n
n
v H a b R
f f x f x
/

* u et v sont linaires continues (cf proposition I.1.3) et surjectives.
* ( ) ker u v est ferm dans ( )
2
, L a b car ( ) dim ker v

< +
* { } ker ker 0 u v = car n m
Ainsi on a bien existence et unicit de .
Par continuit on a: { } ( )
0
1,.., , lim
W i i
i n f x u

=
Montrons enfin que
( ) ( ) ( )
0, ker
W
u f u v

, en effet
( ) ( )
2
1
n
W W i i
i
u f P f c

=
= =

soit { } ( ) ( ) ( )
1 2
ker 1,.., , 0 , ,
m m
i i i
H H
g v i n g x g p g = = +
( ) ( )
( )
( )
2
2 1
,
1 1
, , ,
m m
n n
W i i i i
L a b
i i
H H
u f u g c g c p g

= =

= =




8

( )
( )
( )
( ) ( )
1
1 1
1 0 0 1
,
m
n m m n
a a
i i i i
i i
H
c p g a g a c x




= = = =

= =




Or le deuxime ensemble d'quations du systme (1) donne prcisment
{ } ( )
1
0,.., 1 , 0
n
a
i i
i
m c x

=
=

ainsi on a
( ) ( )
( )
( )
2
,
, 0
W
L a b
u f u g

=
CQFD

La spline
W
f

obtenue est polynomiale par morceaux. En effet
( )
2 1
m
W W
f P f H

et
{ } 1,.. ,
i
i n est polynomiale sur [ ] ,
i
a x et sur [ ] ,
i
x b ainsi, si
1
...
n
a x x b < < ,
W
f

est
polynomiale sur [ ]
1
, a x , [ ] ,
n
x b et sur [ ] { }
1
, , 1,.. 1
i i
x x i n
+
, plus prcisment on a la proprit
suivante:
Proprit I.2.4.:
[ ]
[ ] { }
[ ]
1
1
sur , , deg 1
sur , , deg 2 1, 1,.., 1
sur , , deg 1
W
i i W
n W
a x f m
x x f m i n
x b f m

et
[ ] ( )
2 2
,
m
W
f C a b


Preuve: [ ]
1
, x a x on a { } ( ) ( ) ( )
1
1
0
1, , 0
m
a m
i W W
i n x f x d x f H

=
= =

{ } [ ] ( ) ( ) ( )
1
1
0 1
1,.., 1 , , ,
m i
a
i i W k k
k
i n x x x f x d x c x

+
= =
= +


( ) ( )
( )
( )
( ) ( ) ( ) ( )
1 1
2 1 1
2 1
0 1 0
1
1 deg 2 1
2 1 !
m
m i m
m m
a a a
W k k m k W
k
f x d x c x x x x f m
m

+

= = =

= + +

[ ] ( )( )
( )
( )
( ) ( ) ( ) ( )
1
2 1 1
2 2 1
1 0
1
, , 1
2 1 !
m
n m
m m
a a
n k k m k
k
x x b P f x c x x x x
m

+

= =

= +

or ( ) ( ) ( )
2 1 2 1
2 1
2 1 2 1
2 1 2 1
1 1 0 0 1
n n m m n
m j j
j m j j m j
k k k m k m k k
k i j j k
c x x c C x x C x c x

= = = = =


= =






et d'aprs la proprit suivante I.3.1 0
T
T c = { }
2 1
1
,.., 2 1 , 0
n
m j
k k
k
j m m c x

=
=

ainsi
( )
2 1
1
1
n
m
m
k k
k
x c x x H

d'o
1
m
W
f H

{ } [ ] ( )
0,.., 1 , ,
a
m C a b

et
( )
( )
( )( ) [ ] ( )
2 1
2 2
1
: ,
2 1 !
m
m
m
i i i
g x Y x x x x C a b
m

car { }
( )
( )
( )
( ) 0,.., 2 2 , lim 0 lim
i i
i i
k k
i i
x x x x
x x x x
k m g x g x

< >
= = et
( )
( )
( )
( )
2 1 2 1
lim 0 1 lim
i i
i i
m m
i i
x x x x
x x x x
g x g x


< >
= =
ainsi ( ) ( ) ( ) [ ] ( )
1
2 2
0 1
,
m i
a m
W k k
k
x f x d x c x C a b

= =
= +


CQFD

Dans la pratique, le problme majeur pour le calcul de la spline de ( ) ,
m
H a b ajustant les
valeurs ( )
1,..,
i
i n
u
=
aux points ( )
1,..,
i
i n
x
=
est qu'il ncessite l'inversion d'une matrice symtrique dfinie
positive d'ordre m+n. Avec la mthode de Cholesky cette inversion est effectue en un nombre
d'oprations de l'ordre de ( )
( )
3
O m n + , ce qui peut rendre prohibitif le cot de l'algorithme si le
9
nombre de noeuds devient important. Cet inconvnient tant d au caractre global de la fonctionnelle
minimiser, le but dans la suite sera de modifier la fonctionnelle de faon lui donner un caractre
local.

3) Technique mobile

Pour pouvoir construire une technique mobile partir des splines d'ajustement prcdentes, il
s'agit de faire disparatre dans le systme (1) le point a qui entre en jeu dans l'expression des lments
( )
0,.., 1
a
m

=
constituant une base de
1
m
H .
On montre tout d'abord que la relation d'orthogonalit peut tre centre sur tout point de
l'intervalle [a,b]:

Proprit I.3.1: Soit [ ] , x a b et ( ) ( ) ( )
{ }
{ }
1,..,
0,.., 1
x
i n j i
j m
T x x


= alors: ( ) ( ) ( ) ( )
0 0
T T
T x c T a c = =
preuve: on a: ( )
( ) ( ) ( )
( )
( ) ( )
0 0
! ! !
j j
x a x
j j
j j
X x X a a x
X X a
j j

= =

= = =

ainsi
( )
0,.., 1
0,.., 1
i m ij
j m
P P
=
=
= la matrice de passage de la base
( )
0,.., 1
a
m

=
la base
( )
0,.., 1
x
m

=
est
donne par:
( ) si
0 si
x
i j
ij
a j i
P
j i

=

>

on a : ( ) ( )
1
0
m
x a
j j
j
X P X

=
=

( ) ( ) ( ) ( ) ( ) ( ) ( )
1
0,.., 1
1,..,
0,.., 1 0
1,..,
0 0 0 0
m
T T
a a
m k j j k
k n
m j
k n
T a c P T a c P x c P x c

=
=
= =
=

= = = =

( ) ( ) ( ) ( )
0,.., 1
1,..,
0 0
T
x
m k
k n
x c T x c
=
=
= = CQFD

Proprit I.3.2: Soit m=2, ( ) ( ) ( )
1
1 0
'
n
x
W i i
i
g t c k x t d t

= =
= +

avec ( )
0 1
' ', '
T
m
d d d R = / ,
( )
1
,..,
T
n
n
c c c R = / , ( )
3 1
12
k t t = , ( ) , ' c d tant l'unique solution du systme suivant:
( )
( )
1
' 0 0
T
c U K W T x
d T x

+
=





(2)
avec
( ) ( )
{ }
{ }
( )
{ }
{ }
( ) ( ) ( )
{ }
{ }
( )
{ }
1,.., 1,.., 1,..,
1,..,
1,.., 0,.., 1 1,..,
, , ,
x
i n i n i j i ij j i i i n
i n
j n j m j n
K k x x W w T x x U u



= = = =
Alors [ ] ( ) ( ) , ,
W W
t a b g t f t

=
preuve: soit
*
m N / on a [ ] , t a b :
( )( ) ( )
( )
2 1 2 1 2 1 1
2
m m m
i i i i
Y x t x t x t x t

= +
( )
( )
( )
( )( ) ( ) ( ) ( )
1
2 1 1
2 1
0
1
1
2 1 !
m
m
m m
a a
i i i m i
t Y x t x t x t
m

+

=

= +

( )
( )
( )
( ) ( ) ( ) ( )
2 1
1
1
2 1 2 1
0
1
1
2 2 1 !
m m
m
m
i t a a
i m i m i
x t
t x x t
m

+

=


= + +

Soient ( ) , c d la solution du systme (1)
10
( )
( )
( )
( )
( ) ( ) ( ) ( )
1
1 2 1
2 1 2 1
1 1 1 0 1
1 1
1
2 2 1 ! 2
m m
n n n m n
m m
t a a
i i i i i m i i m i
i i i i
c t c x t c x t c x
m

+

= = = = =


= + +

( )
( )
( )
( )
( )
2 1
2 1
1 1 1
1 1
2 2 1 ! 2
m m
n n n
m
t
i i i i i m i
i i i
c t c x t c x
m

= = =

= +

( ) ( ) ( ) ( )
1 2 1
1
2 1
0 1
1
m n m
m
a a x
i m k k i
i k m
c t x x

+

= = =
+


Pour m=2 on a:

( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) { }
3 3
3 3
1 1 1 1 , 0,2 , 0,3 , 1,2
1 1
1
12 2
n n n n
t a a x
i i i i i i i k k i
i i i i k
c t c x t c x c t x x

= = = =
= + +


( ) ( ) ( ) ( ) ( )
3
3 0 1 2
1 1 1 1
1 1
12 2
n n n n
t a a x
i i i i i i i i
i i i i
c t c x t c x t x c x
= = = =
= +


( ) ( ) ( ) ( ) ( ) ( )
0 0 3 1 0 2
1 1
n n
a a x a a x
i i i i
i i
t x c x t x c x
= =
+


( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
3
3 2 3
1 1 0 1 1 1
1
2
n n n n n
t x x x
i i i i k i k i i i i i
i i k i i i
c t c k x t x c x t a x a c x c x

= = = = = =

= +




Or d'aprs la proposition 3.1 on a : ( )
0
1
0
n
x
i i
i
c x
=
=

et ( )
1
1
0
n
x
i i
i
c x
=
=

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 2 3 2 3
1 1 1 1 1 1
1 1
2 2
n n n n n n
t x x x x
i i i i i i i i i i i i
i i i i i i
c t c k x t x c x c x t x c x c x
= = = = = =
= + +


( ) ( ) ( ) ( ) ( )
3 2
1 1 1 1
1 1
2 2
n n n n
x x
i i i i i i i i
i i i i
c t c k x t c x t x c x
= = = =
= +


( ) ( ) ( ) ( ) ( )
2 3
1 1 1 1
1 1
4 12
n n n n
i i i i i i i i
i i i i
c t c k x t t x c x x c x x
= = = =
= +


( ) ( ) ( ) ( ) ( ) ( ) ( )
2 3
0 1 0 1
1 1 1 1
1 1
4 12
n n n n
i i i i i i i i
i i i i
d d t a c t c k x t t x c x x c x x d d t a
= = = =
+ + = + + +


( ) ( ) ( ) ( ) ( ) ( )
2 3
1 0 1
1 1 1
1 1
4 12
n n n
i i i i i i W
i i i
c k x t t x d c x x d d x a c x x f t

= = =

= + + + + =




ainsi en posant:
( )
( ) ( )
2
1 1
1
3
0 0 1
1
1
'
4
1
'
12
n
i i
i
n
i i
i
d d c x x
d d d x a c x x
=
=

= +

= +

on a bien { } ( ) ( )
1,.., ,
j j W j W j
j
j n u c f x g x
w

= = ce qui donne le premier ensemble

d'quations le deuxime ensemble tant donn par la proposition 3.1
11
La correspondance entre ( ) , c d et ( ) , ' c d est bijective car la matrice de la relation est donne par:

( )
( )
( ) ( ) ( )
( ) ( )
1 1
3 1 3
0 0
1 1
2 1 2
1
0
0 1
1 1
1
'
2 2
' 1 1
0 1
2 2
n n
x x
n
x x
n
c c
c c
x x x a
d d
d d
x x









=

( )
( )
( ) ( ) ( )
( ) ( )
3 1 3
2 1 2
1
0
0 1
1
det 1
1 1
0 1
1
2 2
1 1
0 1
2 2
x x
n
x x
n
x a
x x x a
x x

= =

Ainsi:

( )
( )
{ } ( ) ( ) ( )
1
0
1,.., , 0 , 0 , ' 0
' 0 0
W i T
c K W T x
i n f x c d c d
d T x

+
= = = =






Le systme est donc injectif ce qui implique l'inversibilt du systme (2) CQFD

Remarque: nous avons ici effectuer deux transformations: le systme est maintenant centr en un
[ ] , x a b arbitraire et la "partie polynomiale" est contenue entirement dans le terme T(x).

L'expression des fonctions splines d'ajustement comme combinaisons linaires de fonctions
dont les coefficients sont solutions d'un systme linaire dgage une proprit intressante:
l'application qui aux donnes
1
,..,
n
u u fait correspondre la spline d'ajustement associe est linaire.

Proprit I.3.3: il existe un unique n-uplet ( ) ( )
1,..,
n
m
i
i n
N H
=
tel
que: ( )
1,..,
1
,
n
n
i W i i
i n
i
u R f u N

=
=
/ =

preuve: { } 1,.., ,
i
i n N est la spline associe aux donnes
( )
1,..,
ij
j n

=
CQFD

Remarque: { } ( ) { } { } { } { } ( )
1,.., , . / 1,.., / 0,.., 1
x
i i
i n N Vect k x i n m

ainsi on a:
{ } { } ( )
( ) { } { } { } { } ( )
/ 1,.., . / 1,.., / 0,.., 1
x
i i
Vect N i n Vect k x i n m

et l'inclusion
reste stricte puisque le premier espace est de dimension n et le second de dimension n+m.

Dfinition: { } 1,.., ,
i
i n N sont appeles fonctions de forme des splines d'ajustement.

Proprit I.3.4: si m=2 le vecteur ( ) ( ) ( ) ( )
1,..,
n
m
i
i n
N t N t H
=
= est l'unique solution du systme
suivant:
( )
( )
( )
( )
( )
( )
1
0
T
N t L t K W T x
t F t T x

+
=



(3)
12
avec
( ) ( )
{ }
{ }
( )
{ }
{ }
( ) ( ) ( )
{ }
{ }
1,.., 1,.., 1,..,
1,.., 0,.., 1 1,..,
, ,
x
i n i n i j i ij j i i n
j n j m j n
K k x x W w T x x


= = =
( ) ( ) ( )
{ }
( ) ( ) ( )
{ }
1,.., 0,.., 1
,
x
i
i n m
L t k x t F t t

= =
preuve: soit (c,d') solution du systme (2) et
1
S K W

= + on a:
( ) ( ) ( ) '
T T
W
g t L t c F t d

= +
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
'
T
T T
W
g t SN t T x t c T x N t d

= + +
( ) ( ) ( ) ( ) ( ) ( ) '
T T T
T
W
g t N t S c T x d t T x c

= + +
( ) ( )
T
W
g t N t U

=
L'inversibilit du systme est assure comme prcdemment. CQFD

Remarque: N(x) est solution du systme:
( )
( )
( )
( )
( )
1
1
0
T
N x K W T x L x
x T x e

+
=



o ( )
1
1, 0,.., 0
T
m
e R = /

4) Construction et proprits des SMLS

Nous avons donn une construction mobile des splines d'ajustement, nous pouvons dsormais
faire varier les poids
1
,..,
n
w w en fonction du point [ ] , x a b sur lequel sont centrs les systmes (2)
ou (3). Soit { } [ ] 1,.., , : ,
i
i n w a b R
+
/ des fonctions donnes et
( ) { } ( ) { }
1,.., / 0
i
I x i n w x = > , alors la construction des SMLS est donne par la minimisation en
fonction de [ ] , x a b de la fonctionnelle suivante:
( ) ( ) ( ) ( )
( )
( )
( )
( )
2
2
b
m
x i i i
i I x
a
J f w x u f x f u du

= +

Donc le minimum est obtenu d'aprs la proprit 3.2 si m=2 et ( ) ( )
Card I x m pour une unique
fonction s'crivant avec (c,d') unique solution du systme (2):
( ) ( ) ( ) ( ) ( )
1
1 0
'
n
x
x i i
i
f t c x k x t d x t

= =
= +



Dsormais la fonctionnelle dpend du point x, c'est en ce sens que l'on a une approximation
mobile. Ainsi la donne d'un point [ ] , x a b on fait correspondre la fonctionnelle
x
J

puis la
fonction
x
f

la minimisant puis la valeur de cette fonction au point x.

Dfinitions:
La SMLS u associe aux donnes ( ) ( ) ] [ ( )
1,..,
, ,
n
i i
i n
x u a b R
=
/ est dfinie par: ( ) ( )
x
u x f x

=
La pseudo drive de u est dfinie par ( ) ( )
x
f u
x x
x t

Remarque: tant donn la dfinition de la SMLS, le coefficient
1
' d disparat de l'expression car
( )
1
0
x
x = on a donc ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1
0
1 0 1
' '
n n
x
i i i i
i i
u x c x k x x d x x c x k x x d x

= = =
= + = +



13
Proprit I.4.1: s'il existe un polynme p de degr m-1 interpolant les valeurs ( )
1,..,
i
i n
u
=
aux points
( )
1,..,
i
i n
x
=
alors u p = et '
u
p
x

.
Preuve: soit p un polynme de degr m-1 interpolant les valeurs ( )
1,..,
i
i n
u
=
aux points ( )
1,..,
i
i n
x
=
alors
en particulier, [ ] , x a b p interpole les valeurs ( )
( )
i
i I x
u

aux points ( )
( )
i
i I x
x

ainsi
[ ] ( ) ( ) , ,
x
x a b f t p t

= et on a : u p = et '
u
p
x

.
CQFD

De mme que l'application qui des donnes ( )
1,..,
i
i n
u
=
associe la spline d'ajustement est
linaire, l'application qui des donnes ( )
1,..,
i
i n
u
=
associe la SMLS est linaire, en effet: [ ] , x a b
l'application ( )
1,..,
i x
i n
u f

=
est linaire ainsi ( )
[ ]
( )
1,..,
,
i
i n
x
a b R
u
x f x
=
/

est linaire. Nous

noterons dsormais ( )
1,..,
i
i n
N
=
les fonctions vrifiant
[ ] ( ) ( )
1
, ,
n
i i
i
x a b u x u N x
=
=

et elles seront
appeles fonctions de forme des SMLS.

Proprit I.4.2: Soient ( )
1,..,
i
i n
N
=
les fonctions de forme associes la SMLS on a:
{ } ( ) ( ) 1,.., ,supp supp
i i
i n N w
Preuve: { } ( )
0
0
1,.., ,
i
i n N x est la SMLS associe aux donnes
( )
0
1,..,
i j
j n

=
donc
( ) ( ) ( )
( )
( )
0
1
0
'
x
i i i
i I x
N x c x k x x d x

=
= +

avec ( ) ( ) ( ) ( )
0 1
' ' , '
T
m
d x d x d x R = / ,
( ) ( ) ( ) ( )
1
,..,
T
n
n
c x c x c x R = / , ( )
3 1
12
k t t = , ( ) ( ) ( )
, ' c x d x tant solution du systme suivant:
( ) ( )
( )
( )
( )
( )
1
' 0 0
T
c x
U x K W x T x
d x T x

+
=







avec
( ) ( )
( )
( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
{ }
( ) ( )
( )
0
0,.., 1
, , ,
x
i I x i I x i j i ij j i ii i I x
i I x
j I x j m j I x
K k x x W w x T x x U x

= = = =


si
0
supp
i
x w alors ( ) ( )
0
0 i I x U x =

donc ( ) ( ) ( )
, ' 0 c x d x = et
( )
0 0
0 supp
i i
N x x N =
CQFD

Remarque: pour tout [ ] , x a b , le systme rsoudre est donc maintenant de rang
( ) ( )
2 Card I x m m + et ce quelque soit le nombre n de noeuds. Pour le cas m=2 nous nous
arrangerons pour avoir des matrices d'ordre 4 ou 5 donc rapidement inverses.

Pour la recherche des splines d'ajustement la fonctionnelle du dpart tait minimise dans
l'espace ( ) ,
m
H a b ce qui imposait ds le dpart aux splines d'ajustement d'tre au moins de classe
[ ] ( )
1
,
m
C a b

et en poussant l'tude nous avons conclu que les splines d'ajustement tait mme
polynomiales par morceaux et de classe
[ ] ( )
2 2
,
m
C a b

. Dans le cas des SMLS elles sont obtenues par

"recollement" de splines d'ajustement dfinies sur des sous-ensembles de l'ensemble des noeuds
14
( )
1,..,
i
i n
x
=
, ce qui n'assure a priori aucune proprit de continuit la fonction obtenue. Cependant
nous allons voir que malgr cette "diagonalisation", la SMLS possde une certaine rgularit.

Proprit I.4.3: si 0 > , { } [ ] ( )
1,.., , ,
p
i
i n w C a b et
[ ] ( )
,
q
k C a b alors la fonction SMLS
( )
[ ] ( )
min ,
,
p q
u C a b
Preuve: si m=2 le sous-systme issu de la nouvelle fonctionnelle est li un systme de taille n+2 de
la faon suivante:
( ) ( ) ( )
( )
( )
( )
( ) ( )
( ) ( )
{ }
{ }
( ) ( )
{ }
{ }
( ) ( ) ( )
{ }
{ }
( ) ( ) ( )
{ }
( ) ( )
( )
( )
( )
( )
1
1
1
1,.., 1,..,
1,..,
1,..,
1,..,
1,..,
0,.., 1
0
0
, ,
,
T
T
i n i j i ij i n
j n
j n
x
i n j i i
i n
j m
K W x T x N x L x
W x K I W x T x N x W x L x
T x x e
T x x e
K k x x W w x
T x x L x k x x

| || | | | +
| || | + = | |
| | |
| |
=
| | |
\ \ \
\ \ \

= =
`

= =

( ) ( )
( )
( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
{ }
( ) ( ) ( )
( )
{ } ( ) ( )
0,.., 1
, ,
,
1,.., , 0
i I x i j i ij i I x
j I x j I x
x
i I x j i i
i I x
j m
i
K k x x W w x
T x x L x k x x
i n I x N x

= =

= =

En effet si ( )
0
0
i
w x = alors la
0
i -ime ligne du systme de gauche donne ( )
0
0
i
N x = et ainsi
( ) ( ) ( ) ( )
T T
T x N x T x N x =

.
Montrons que le systme de gauche est inversible. En dveloppant le dterminant par rapport aux
lignes dont l'indice n'appartient pas I(x) on a:
( ) ( ) ( )
( )
( ) ( )
( ) ( ) ( )
( )
0 0
n Card I x
T T
W x K I W x T x W x K I W x T x
T x T x

+ +
=

( ) ( )
( ) ( ) ( )
( )
( ) ( )
( )
( )
( ) ( )
( )
1 1
0
0 0 0
n Card I x n Card I x
i T T
i I x
K W x T x K W x T x W x
w x
T x T x I

+ +
= =

et d'aprs la preuve de la proposition prcdente la matrice
( ) ( )
( )
1
0
T
K W x T x
T x

est inversible.
si { } [ ] ( )
1,.., , ,
p
i
i n w C a b alors
( ) ( ) ( )
( )
[ ] ( )
,
0
p
T
W x K I W x T x
x C a b
T x
+

et comme
l'application
( ) ( )
1
, ,

GL n R GL n R
M M

/ /

est de classe C

on a:

( ) ( ) ( )
( )
[ ] ( )
1
,
0
p
T
W x K I W x T x
x C a b
T x

et
( )
( )
( ) ( ) ( )
( )
( ) ( )
( )
[ ] ( )
1
min ,
1
,
0
p q
T
N x W x K I W x T x W x L x
x C a b
x T x e

+
=



ainsi ( ) ( )
( )
[ ] ( )
min ,
1
,
n
p q T
i i
i
x u N x N x U C a b
=
=

CQFD

Remarque: dans le cas m=2, ( )
3
2
:
12
x
k x C R / et ( )
3
k C R / ainsi la SMLS sera deux fois
continment drivable sur [a,b].

On a vu qu'en gnral les splines d'ajustement n'interpole pas les donnes, dans le cas des
SMLS, il est possible en imposant certaines conditions aux fonctions poids d'obtenir une interpolation
15
des donnes et mme une galit entre les valeurs des pseudo drives et des drives prises aux
noeuds: c'est l'objet des deux proprits suivantes.

Proprit I.4.4: S'il existe { } 1,.., : i n ( ) lim
i
i
x x
w x

= + alors ( )
i i
u x u =
preuve: on rcrit la fonctionnelle minimiser comme dans le thorme 2.2 en isolant la contribution
du i-me noeud: soient
( ) ( ) ( ) ( ) ( ) ( )
1,..,
1,.., 0,.., 1 1,..,
1,..,
, , , ,
i
x
j n i i i i j i ij ii ij ik
j n m j n
k n
t x g m M

=
= = =
=
= = = = ,
( ) ( )
{ }
{ }
( ) ( )
{ }
{ }
( ) ( )
{ }
{ }
( )
{ }
1,.., 1,.., 1,..,
1,..,
1,.., 0,.., 1 1,..,
, , , ,
i
x
i n i n i j i ij j i i i n
i n
j n j m j n
G W w x T x U u



= = = =
( ) ( ) ( ) , , ,
T T
i i i i i ii i i i i i i
G G m g W x W x w x M T T mt U U u m = = = =
On a alors ( )
T T
i i i i i
u g c t d u f x = et on pose ( ) ( )( )
T T
i i i i
x w x u g c t d = et
( ) ( )
( ) ( )
1,..,
1,..,
T T
j j j j
j j
j n
j n
U Gc Td u Gc Td u g c t d
=
=
= =
ainsi la fonctionnelle minimiser devient (les
i
u pour lesquels ( )
i
w x s'annule n'entre plus en ligne
de compte): ( ) ( ) ( )( ) ,
T
T
x
J y z U Gy Tz W x U Gy Tz y Gy

= +
( ) ( ) ( )( ) ( )( ) ( )
,
T
T
T T T T T
x i i i i i i i i i i i i i i
J y z U G y T z W x U G y T z w x u g y t z u g y t z y Gy

= + +

( )
( )
( )( )
( ) ( ) ( )( )
( ) ( ) ( )( )
( )
( )
, 0
, 0 0
1
x
T
T
T T T
i i i i i i i i i i
T
T
T T x
i i i i i i i i i i
T T
T T
i i i i
i i i
i
f
c d
y U Gc Td W x G w x u g c t d g c G
f
c d U Gc Td W x T w x u g c t d t
z
w x u g c t d
u x g c t d
w x

+ =

= + =



=
= + +

( ) ( ) ( )
( )( ) ( )
( )
( )
0
1
T T T
i i i i i i
T T
i i i i i i
T T
i i i
i
G W x U Gc Td g x G c
T W x U Gc Td t x
u x g c t d
w x

+ =

+ =

= + +

( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( )
( )
1
T T T
i i i i i i i i i i
T T T T
i i i i i i i i i i
T T
i i i
i
G W x G G c GW x Td g x G W x U
T WGc T W x Td t x T W x U
u x g c t d
w x

+ + =

+ =

= + +

( )
( )
( )
( )
( )
1
T
i
i
A x q
x b x
q x u
w x

o ,
i n m n m
i
g c
q R R
t d

+ +

= / = /



( )
( )
( )
( )
( ) ( )
( ) ( )
( )
,
,
T T T
i i i i i i i i i n m
n m n m T T T
i i i i i i i i i
G W x U G W x G G G W x T
b x R A x M R
T W x U T W x G T W x T

+
+ +
+
= / = /




16
Ainsi si
( )
1
lim 0
i
x x
w x

= alors la dernire ligne du systme donne ( ) ( )

i
T
i x i i
u q f x u x

= = = CQFD

Proprit I.4.5: S'il existe { } 1,.., : i n ( ) lim
i
i
x x
w x

= + et ( )
'
1
lim 0
i
x x
i
x
w

=


alors
( ) ( )
i i
u f
x x
x x


=

o ( ) :
x
f x f x

Preuve: la drivation du dernier systme donne:


( )
( )
( )
( )
( )
( )
( )
( )
( ) ( ) '
' 0
' '
1
1
' 0
0
T
i
i
i
A x
A x q
x x b x b x
q x x u
w x
w x







+ = =

Ainsi les hypothses donnent pour la dernire ligne: ( ) ' 0
T
i
q x = or
( ) ( ) ( ) ( ) ( )
1
1 0
'
i
x n m
i j i i j i i
j
u
x c x k x x d x x
x x

= =

= +

( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
1
1 0
' ' '
i
i
x n m
x
i j i i j j i i j i i i i
j
f
x c x k x x c x k x x d x x d x x
x x

= =

= + + +

( ) ( ) ( ) ( ) ( ) ( ) ( )
1
1 0
' ' ' 0
i
n m
x T
i i j i i j i i i
j
f u
x x c x k x x d x x q x
x x

= =
= + = =

CQFD
Remarques: pour construire une fonction poids vrifiant les hypothses prcdentes, il suffit d'avoir
une fonction [ ] ( ) [ ] : 0,1 : , supp 1,1 w R w C R w

/ / , w(0)=1 et ( )
'
1
0 0
w

=


(par exemple
] [
( )
1,1 2
1
: exp 1
1
w x x
x

) ainsi en posant
1
w
w
w
=

on a: [ ] upp 1,1 s w ,
( )
0
lim
x
w x

= + et ( ) ( )
( )
( )
( )
' ' '
2
' 0
1 1 1
0 0 0 0
0
w
w
w w w w

= = = =

Les drives par rapport t des fonctions de forme lies ( )
x
f t

sont calcules grce au

sous-systme:
( )
( )
( )
( )
( )
( )
1
' '
0 ' '
T
K W T x N t L t
T x t F t

+
=

Ainsi sous les hypothses prcdentes, les pseudo-drives des fonctions de forme des SMLS seront
calcules comme solution du sous-systme:

( )
( )
( )
( )
( )
( )
( )
1
2
' '
0 '
T
N
x
K W T x L x L x
x
T x F x e
x
x

+
= =









Alors que les drives des fonctions de forme des SMLS sont calcules grce au sous-systme:

( ) ( )
( )
( )
( )
( ) ( ) ( )
( )
( )
( )
( )
1 1
' ' ' '
0 ' 0
' 0
T
T
W x T x K W x T x N x N x L x
T x x x
T x




+
+ =

Ainsi il y a une unique matrice inverser pour obtenir la fois les fonctions de forme et les pseudo-
drives des fonctions de forme des SMLS.

17
II) Approximation MLS
1) Influence du paramtre de pnalisation
Nous pouvons dsormais voir l'influence du paramtre sur l'approximation obtenue par la
technique des SMLS. Nous avons d'ores et dj montr dans la proposition I.2.3 que pour une valeur
nulle du paramtre les splines d'ajustement deviennent des splines d'interpolation ainsi pour nul,
par dfinition, la valeur de la SMLS en un noeud
i
x sera
i
u . Par ailleurs quand devient
arbitrairement grand on a la proprit suivante:

Proprit II.1.: Quand +, ( ) ( ) ( )
1
0
m
x
u x d x x

=
=

avec ( ) ( ) ( ) ( )
0 1
,..,
T
m
m
d x d x d x R

= /
unique solution de ( ) ( ) ( ) ( ) ( ) ( )
T T
T x W x T x d T x W x U x =
o ( ) ( ) ( )
( )
( )
( ) ( ) ( )
( )
{ }
( ) ( )
( )
0,.., 1
, ,
x
i x i I x i ij j i i
i I x
j I x j m
W x w x T x x U x u

= = =
Preuve: soit
1
S G W

= +
1
1
S W I WG

= +



1
2
1 1 1
S I WG O W

= +


quand +
1
2 3
1 1 1
S W WGW O

= +


quand +
Or le systme (1) donne
( )
( )
( )
( )
( )
1
1 1
1
1 1 1 1 1
0 0
0 0
T
T T T T T
c S U Td
c S U Td c S U Td S T c U
T d
T S U Td T S U T S Td d T S T T S U

=
= =
| || | | |
=

| | |
= = = \ \ \


( )
1
1
2 3 2 3
1 1 1 1 1 1
T T
c S U Td
d T W WGW O T T W WGW O U

| | | | | | | | | |
= + +
| | | | |
\ \ \ \ \
quand
+
( )
1
1
2 2
1 1 1 1 1 1
T T T
c S U Td
d T WT T WGWT O T W WGW O U

| | | | | | | | | | | |
= + +
| | | | | |
\ \ \ \ \ \
qd
+
( )
( )
1
1
1
1 1
T T
c S U Td
d T WT I O T W O U

| |
| | | |
| | | |
| = + +
| | | |
|
\ \ \ \
\

quand +
( )
( )
1
1
1 1
T T
c S U Td
d T WT O T W O U

| || |
| | | |
= + +
| | | |
\ \ \ \
quand +
( )
( )
1
1
1
T T
c S U Td
d T WT T WU O

| |
= +
|
\
quand +
18
( )
( )
1
2 3
1
1 1 1 1
1
T T
T T
c W WGW O U T T WT T WU O
d T WT T WU O

| |
| | | | | | | |
= + +
| | | | |
\ \ \ \ \

| |
= +
|

\
quand +
( )
( )
( )
1
2
1
1 1
1
T T
T T
c W WT T WT T W U O
d T WT T WU O

| |
= +
|
\

| |

= +
|

\
quand + CQFD
Remarque:
T
T WT est inversible car n m : ( ) 0 0 0 0
T
T
T WTd Td WTd Td d = = = =
On a de plus ( ) ( )
0
u x d x = par choix de la base des polynmes.

2) Dfinition de l'approximation MLS

Cette constatation permet de lgitimer la dfinition de l'approximation MLS (aussi appele
approximation diffuse), qui cette fois-ci est facilement gnralisable aux dimensions d'espace
suprieures 1. En effet nous avons vu que quand + on cherche localement un dveloppement
de u sur une base de polynme de degr infrieur ou gal m-1, il suffit donc, pour envisager le cas
des dimensions suprieures 1, de construire une base de
( )
q
k
P R / / ensemble des polynmes n
variables de degr infrieur ou gal k. Dans la construction qui suit on a de plus un paramtre rel t
qui ne jouera un rle qu'au moment des applications: ce paramtre mesurera le temps.
Soient
q
R / et une fonction : u R R / / , l'approximation de u par MLS d'ordre k note
h
u est de la forme: ( ) ( ) ( ) ( ) ( )
1
, , ,
m
h T
j j
j
u x t p x a x t P x a x t
=
= =

o ( )
1
, ,..,
k T
q k m
m C P p p
+
= = est une base de
( )
q
k
P R / /
et ( )
1
,.., :
n m
m
a a a R R R = / / / est solution du problme suivant:
Soient ( )
1
,..,
n
n
x x , ( ) : : 0 0
n
w R R w
+
/ / > support compact et la fonctionnelle:

( ) ( ) ( ) ( ) ( )
2
1
:
, , ,
m
n
T
i i i
i
J R R R
x t V w x x u x t P x V
=
/ / /

alors ( ) ( ) ( ) , , , , , inf , ,
m
V R
x t R J x t a x t J x t V
/
/ =
Remarque: On cherche localement un dveloppement polynomial minimisant la fonctionnelle
correspondant un critre des moindres carrs pondrs, mais comme cette pondration dpend de la
distance du point x aux noeuds, le coefficient a dpend effectivement de x et l'approximation MLS
obtenue n'est pas polynomiale. Par ailleurs, comme dans les cas des SMLS, l'approximation MLS
n'interpole pas ncessairement les valeurs ( ) ( )
1,..,
,
i
i n
u x t
=
aux points ( ) ( )
1,..,
,
i
i n
x t
=
, en effet:
( ) ( ) ( ) ( )
, , , , , 0
h
i i i i
u x t u x t J x t a x t = = ce qui n'est pas ncessairement le cas.

Thorme II.2.1: soient , ( ) ( ) ( )
1,..,
,
T n
j
j n
U t u x t R
=
= / ,
( ) ( ) ( ) ( )
( )
,
1,..,
j j m n
j n
B x w x x P x M R
=
= / et ( ) ( ) ( ) ( ) ( )
,
1
n
T
i i i m m
i
A x w x x P x P x M R
=
= /

. Si
A est inversible alors on a, ( ) ( ) ( ) ( )
1
, , , x t R a x t A x B x U t

/ =
19
Preuve: J tant positive, continue et coercive par rapport V la borne infrieure est bien atteinte, or:
( ) ( ) ( ) ( ) ( ) ( )
1
, , , , , 2 ,
n
n T T
i i i i
i
J
x t R V R x t V w x x u x t P x V P x
V

=
/ / =

ainsi ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1
, , , 0 , ,
n n
T T T
i i i i i i
i i
J
x t a x t w x x u x t P x w x x P x a x t P x
V

= =
= =


( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1
, ,
n n
T
i i i i i i
i i
w x x u x t P x w x x P x P x a x t
= =
=


( ) ( ) ( ) ( ) , A x a x t B x U t = CQFD

Corollaire II.2.2.: En dimension n=1, quand + la SMLS approche une approximation MLS.
Preuve: ( ) ( ) ( )
{ }
{ }
( ) ( ) ( )
1,..,
0 0
1,..,
n n
T a a T
i k k j k k k k
i n
k k
j n
T WT x w x x w x x p x p x

= =

= =




et ( ) ( ) ( ) ( ) ( ) ( )
1 1
,..,
T
n n
T W x w x x p x w x x p x =
si d est solution de
T T
T WTd T WU = alors
1
0
m
a
i i
i
d

est donc bien une approximation MLS.

CQFD

Remarque:
Soit ( ) { } ( ) { }
1,.., / 0
i
I x i n w x x = > , en dimension n=1 A(x) est inversible si et
seulement si ( ) ( )
1 Card I x k +
En effet: ( ) ( ) ( ) ( )
1
0 0
n
T T
i i i
i
A x d d w x x P x P x d
=
= =

( ) ( ) ( ) ( ) ( )
2
1
0 , 0
n
T T
i i i
i
w x x P x d i I x P x d
=
= =

et comme ( ) ( )
T
k
P X d P R / / si ( ) ( )
1 Card I x k + on a d=0
En dimension q d'espace strictement suprieure 1, A(x) est inversible si et seulement si
( ) { }
/ 0
i i
x w x x > est
( )
q
k
P R / / _unisolvant c'est dire si ( ) ( ) ( ) ( )
: J x I x Card J x m = et
( ) ( )
( )
( )
det 0
i
i J x
P x

. Ce qui est quivalent poser comme condition que le seul polynme de

( )
q
k
P R / / interpolant 0 aux points ( )
( )
i
i I x
x

est le polynme nul.

Nous nous placerons donc dsormais dans ces conditions qui assurent l'existence et l'unicit
de l'approximation au sens des MLS.

3) Proprits de l'approximation MLS

Comme dans le cas des SMLS, l'approximation MLS est une application linaire par rapport
aux valeurs ( )
1,..
i
i n
u
=
et la fonction obtenue prsente une certaine rgularit comme le dmontrent les
proprits suivantes.

Proprit II.3.1.: il existe une unique ( )
1
,.., :
T n
n
R = / telle que
( )
1
,.., :
n
n
U u u R R = / / la fonction ( ) ( ) ( ) ( ) ( )
1
,
n
T
i i
i
x t x u t x U t
=
=

soit l'approximation
au sens des MLS des donnes ( )
1,..
i
i n
u
=

20
Preuve: d'aprs le thorme I.1.1 on a ( ) ( ) ( ) ( ) ( ) ( ) ( )
1
, ,
h T T
u x t P x a x t P x A x B x U t

= = donc
( ) ( ) ( ) ( )
1 T T
x P x A x B x

=
CQFD

Dfinition: les fonctions :
i
R / sont appeles fonctions de forme de l'approximation MLS.
Remarques: les fonctions de formes ne sont pas forcment polynomiales (mme si w est un
polynme). Si ( ) ( )
1
,
p q
A C B C

alors ( )
min( , ) p q
C .Enfin comme en gnral
( ) ( ) , ,
h
i i
u x t u x t on a en gnral
( )
i j ij
x

Proprit II.3.2: si ( )
( )
,
i
i I x
x x

est
( )
q
k
P R / / unisolvant et si
( )
k q
w C R / alors t R /
l'approximation au sens des MLS ( ) ,
h
x u x t est de classe ( )
k
C
Preuve:
( ) ( ) ( ) ( )
( )
1,..,
:
k q k
j j
j n
w C R B x w x x P x C
=
/
et ( ) ( ) ( ) ( )
1
:
n
T k
i i i
i
A x w x x P x P x C
=

si ( )
( )
,
i
i I x
x x

est
( )
q
k
P R / / unisolvant alors ( ) ( ) , , x A x GL n R / tant donn que
( ) ( )
1
, ,

GL n R GL n R
M M

/ /

est de classe C

, on a: ( ) ( )
1 k
x A x C

enfin ( ) ( )
T
x P x C

car les lments de la matrice sont des polynme q variables

ainsi t R / , ( ) ( ) ( ) ( ) ( ) ( )
1
,
h T k
x u x t P x A x B x U t C

= CQFD

Remarque: dans la pratique, pour assurer l'inversibilit de A(x) en tout point x , les fonctions
poids sont choisies radiales et support dont le diamtre dpend du noeud
i
x considr, on dfinit
ainsi des domaines d'influence propres aux diffrents noeuds ( supp
i
w sera appel domaine
d'influence du noeud
i
x ) de faon ce qu'en chaque point de l'ensemble des noeuds ayant une
influence soit
( )
q
k
P R / / _unisolvant

4) Calcul des fonctions de forme en dimension 1 dans un cas particulier

Nous considrons ici un intervalle rel born [a,b], muni d'un maillage constitu de n noeuds
1
..
n
a x x b < < . Il est alors possible de calculer facilement dans certains cas particuliers les
fonctions de forme de l'approximation MLS et leurs drives.

Proprit II.4.1: si m=2 soit [ ] ( ) { }
0 0
, : , 1 x a b I x i i = + alors:
( )
0
0
0 0
1
1
i
i
i i
x x
x
x x
+
+

et ( )
0
0
0 0
1
1
i
i
i i
x x
x
x x
+
+

Preuve: on note ( ) ( ) 1
T
p x x = alors l'hypothse sur le support de la fonction poids impose qu'en
chaque point il n'y a que 2 noeuds ayant une influence ainsi:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
0 0 0 0 0 0
1 1 1
1
n
T T T
j j j i i i i i i
j
A x w x x p x p x w x x p x p x w x x p x p x
+ + +
=
= = +

21
( )
( )
( )
0
0
0 0
0
0
1
1
1
0
1
1 1
1
0
i
i
i i
i
i
w x x
x
A x
x x x
w x x +
+
+

=






( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
0 0
1 1 2, 1 2, 1
0 0
n n i n i
B x w x x p x w x x p x B x

= =


avec ( )
( )
( )
0
0 0
0
1
1
0
1 1
0
i
i i
i
w x x
B x
x x
w x x +
+

( ) ( ) ( )
( )
( )
( ) ( )
0
0
0 0
0 0
0
0
1
1
1
1
2, 1 2, 1
1
1
1
0
1
1 1
0 0
1
0
i
i
i n i
i i
i
i
w x x
x
A x B x B x
x x
x
w x x

+
+
+

( ) ( ) ( ) ( ) ( )
0
0 0
0 0 0 0
0 0 0
1
1
1
2, 1 2 2, 1 2, 1 2 2, 1
1 1
1
1
0 0 0 0
1
1 1
i
i i
i n i i n i
i i i
x
x x
A x B x I I
x x x

+

+ +

= =





( ) ( ) ( ) ( ) ( ) ( ) ( )
0 0
0 0
0 0
1
1
2, 1 2 2, 1
1
1
1 0 0
1 1
i i
T T
i n i
i i
x x
x p x A x B x x I
x x

+

+

= =




( ) ( )
0 0 0 0
0 0
1 1 1
1
1
0 0
T
i i i n i
i i
x x x x x
x x
+
+
=

CQFD
Remarque: dans cette configuration les drives des fonctions de formes sont ainsi connues
facilement: ( ) ( )
0 0
0 0
1
1
1
i i
i i
x x
x x
+
+

= =

. De plus tant donn que ( ) ( )

2 Card I x m = = on
observe que nous sommes bien dans le cas de l'interpolation linaire.


III) PMLS
1) Dfinition des PMLS
Nous pouvons dans la construction prcdente rintroduire l'ide de pnalisation prsente
dans la construction des SMLS par l'ajout la fonctionnelle prcdente d'une quantit proportionnelle
au carr de la norme
2
L de la drive d'ordre m. Ainsi dans le cas m=2 on aura le problme suivant.
Soient a et b deux rels, a<b, et une fonction [ ] : , u a b R / , l'approximation de u par PMLS
est une fonction: ( ) ( ) ( ) u x p x x =
o ( ) ( ) ( ) ( ) ( )
0 1 2
, ,
x x x
p t t t t = , ( )
( )
!
x
t x
t

= et [ ] ( ) ; , x a b x minimisant la
fonctionnelle suivante: soient ( ) [ ]
1
,.., ,
n
n
x x a b points deux deux distincts ,
( ) : : 0
i i i
w R R w x
+
/ / > support compact et >0:
( ) ( ) ( ) ( )
2
2
2
2
1 0
n
x
x i i i
i
J w x u x x

= =

= +




Remarque: pour ( ) ( )
2
0
x
P t t

=
=

on a
( )
( )
( )
2
2
2 2
2
, L a b
P b a =
comme dans les cas de la SMLS le fait de prendre une "diagonalisation" de ( ) ( ) ( )
x
t P t p t x

=
avec ( ) x dfinie prcdemment, on a:
22
( ) ( ) ( ) ( )
( )
( )
( )
( )
0
1 0
2
1, 0, 0
x
u x p x x x x
x

= = =





Thorme III.1.1:
[ ] ( ) ( ) ( ) ( ) ( )
1
, : 3, x a b Card I x x A x b x

=
avec ( ) ( ) ( ) ( )
T
A x P x W x P x Q = + , ( ) ( ) ( ) ( ) b x P x W x U x = ,
0 0 0
0 0 0
0 0 1
Q


=




( ) ( ) ( )
( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
0,1,2
, ,
x
i I x i I x ij i i i
i I x
j I x
W x w x P x x U x u x

=
= = =
Preuve: la fonctionnelle est positive, continue et coercive par rapport donc son minimum est
atteint et on a : ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
T
T
x
J U x P x W x U x P x Q

= +
( ) ( ) ( ) ( ) ( ) ( ) 2 2
T
T x
J
U x P x W x P x Q

= +
ainsi ( ) ( ) ( ) ( ) ( ) ( ) 0
T
T x
J
U x P x W x P x Q

= =
( ) ( ) ( ) ( )
T
P x W x U P x Q =
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
T T
P x W x U x P x W x P x Q A x = + =
or A(x) est positive comme somme d'applications bilinaires positives et A(x) est mme dfinie
positive car ( ) ( ) ( )
T
P x W x P x est dfinie positive:
( ) ( ) ( ) ( ) ( ) ( ) ( ) 0 0
T
T
P x W x P x d P x d W x P x d = =
( ) ( ) ( )
2
0
0 , 0 0
x
i
P x d i I x d x d

=
= = =

CQFD

2) Proprits des PMLS

Comme prcdemment l'application qui aux donnes ( )
1,..,
i
i n
u
=
associe l'approximation PMLS
est linaire, ainsi on a la proprit suivante:

Proprit III.2.1: si
[ ] ( ) ( )
, , 3 x a b Card I x il existe une unique
( ) [ ]
1
,.., : ,
T n
n
N N N a b R = / telle que ( )
1
,..,
n
n
U u u R = / la fonction
( ) ( )
1
n
T
i i
i
x N x u N x U
=
=

soit l'approximation au sens des PMLS des donnes ( )

1,..,
i
i n
u
=

Preuve: il faut et il suffit de prendre [ ] ( ) ( ) ( ) ( )
1
, ,
T
x a b N x p x A x b x

= avec les notations

prcdentes. CQFD

Dfinition: les fonctions :
i
N R / sont appeles fonctions de forme de l'approximation PMLS.

Proprit III.2.2: avec les notations du thorme III.1, si ( ) ( )
3 Card I x , N(x) est l'unique solution
du systme suivant:
23
( ) ( )
( )
( )
( )
1
1
0
T
N x W x P x
x e P x Q

avec
1
1
0
0
e


=




Preuve:
( ) ( )
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( )
1
1
1
1
0
0
T
T
W x N x P x x
N x W x P x
x e P x Q
P x N x Q x e

+ = | || |
| |

=
| | |
|

=
\ \ \



( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
1
T
N x W x P x x
P x W x P x Q x e

+ =

( ) ( ) ( ) ( )
( ) ( )
1
1
1
1
N x W x P x A x e
x A x e

Car ( ) ( ) ( ) ( )
T
A x P x W x P x Q = + est inversible comme prcdemment .
Par ailleurs ( )
1
T
p x e = , W(x) et ( )
1
A x

tant symtriques (car A(x) est symtrique) donc

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1 T T T
N x p x A x P x W x N x U x p x A x b x

= =
CQFD

Proprit III.2.3: si
[ ] ( ) ( )
, , 3 x a b Card I x et si ( )
k
w C R / alors l'approximation par PMLS
est de classe
[ ] ( )
,
k
C a b
Preuve: comme pour la proprit I.4.2. le sous systme est quivalent un systme n+3:
( ) ( )
( )
( )
( )
( ) ( )
{ }
{ }
( ) ( ) ( )
{ }
{ }
( ) ( )
( )
( )
( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
( )
{ } ( ) ( )
1
1
1
1,.., 1,..,
1,.., 0,.., 1
0
0
0
0
,
,
1,.., , 0
T
T
x
i I x i I x i ij j i
j I x j I x
x
i n i n i ij j i
j n j m
i
N x W x P x
I W x P x N x x e P x
e P x x
W w x P x x
W w x P x x
i n I x N x

| || |
| |
=
| |
|
| | || |
| |
\ \ \
=
| |
|
| |

\
\ \
= =
`

= =

= )

car si ( )
0
0
i
w x = alors la
0
i -me ligne du systme de gauche donne ( )
0
0
i
N x = et alors
( ) ( ) ( ) ( )
T T
P x N x P x N x =

.
Montrons que le systme de gauche est inversible en dveloppant le dterminant par rapport aux
lignes dont l'indice n'appartient pas I(x):
( ) ( )
( )
( ) ( )
( )
( ) ( ) ( )
( )
( )
( )
( ) ( )
( )
1 1
0
0 0 0 0 0
i T T T T
i I x
I W x P x W x P x W x P x I W x P x W x
w x
P x P x P x P x I

= = =

Or la matrice
( ) ( )
( )
1
0
T
W x P x
P x

est inversible d'aprs la preuve de la proprit prcdente.
si
[ ] ( )
,
k
w C a b alors
( ) ( )
( )
[ ] ( )
,
0
k
T
I W x P x
x C a b
P x

et comme l'application
( ) ( )
1
, ,

GL n R GL n R
M M

/ /

est de classe C

on a:

( )
( )
( ) ( )
( )
[ ] ( )
1
1
0
,
0
k
T
N x I W x P x
x C a b
e x P x

24
et ( ) ( ) [ ] ( )
1
,
n
T k
i i
i
x N x u N x U C a b
=
=

CQFD

Commentaires

Toutes ces mthodes locales diminuent effectivement le nombre d'oprations ncessaires au
calcul des splines puisqu'en chaque point x o est value la fonctionnelle n'entre en jeux que les
fonctions poids dont le support contient x. De plus on peut les considrer comme adaptatives dans le
sens o l'ajout et le retrait de noeuds n'ont une influence sur ces approximations que dans les supports
des fonctions poids associes ces noeuds: il n'est ainsi pas ncessaire de recalculer les fonctions de
forme dont le support est disjoint des zones d'influence associes aux noeuds ayant t modifis.
Elles ont cependant deux inconvnients majeurs:
_ il faut, pour connatre la valeur en p points distincts d'une SMLS, d'une approximation MLS
ou d'une approximation PMLS, rsoudre p problmes distincts alors que dans le cas des splines
d'ajustement une fois le problme rsolu la spline tait connue globalement.
_ en prenant la diagonalisation ( )
x
x f x

on perd le caractre polynomial par morceau, et

l'influence du paramtre devient plus obscure.


B) Applications aux mthodes de Galerkin
I) Rsolution d'quations paraboliques en dimension 1
1) Introduction de l'quation de la chaleur
Considrons une barre de longueur unit, soumise une source de chaleur de densit g(x,t) en
un point ] [ 0,1 x et l'instant t, alors la temprature u(x,t) en un point ] [ 0,1 x et l'instant t
vrifie l'quation "
u
u g
t

+ = avec des conditions imposes aux bords de l'intervalle et une

condition initiale (>0 est la conductivit du matriau constituant la barre). Aprs discrtisation en
temps, un schma implicite d'intgration temporelle de l'quation prcdente nous donne
1
1
1
"
n n
n
u u g
u
t
+
+

+ =

ce qui nous amne rsoudre chaque pas de temps

1
1
1 1
"
n n
n
u u
u g
t t
+
+

+ = +



tout en respectant les conditions aux bords de l'intervalle. Nous
devons ainsi rsoudre l'quation diffrentielle du second ordre suivante pour 0 > :
(4)
] [
( ) ( )
1
* *
1 1
" sur ,..,
,
n
n n
u u f I x x
u x u u x u
+ = =

= =

Proprit B.I.1: si f est continue et si
1 n
x x alors le problme (4) a une unique solution.
Preuve: " u u f + = (*) est une quation diffrentielle linaire elle a donc pour ensemble de
solution un sous espace affine de l'espace des fonctions de classe
2
C : soit F une solution particulire
de (*) alors l'espace des solutions de (*) est donn par
( )
( ) ( ) { }
exp exp / , x F x a x b x a b R + + / . Les conditions initiales donnent donc
( )
( ) ( )
( )
( ) ( )
*
1 1 1 1
*
2
exp exp
exp exp
n n n
u F x a x b x
u F x a x b x

= +

= +

or on a
( ) ( )
( ) ( )
( )
( )
( )
( )
1 1
1 1 1
exp exp
exp exp 0
exp exp
n n n
n n
x x
x x x x x x
x x

= = =

25
Ainsi
1 n
x x assure l'unicit des coefficients a et b. CQFD

Thorme B.I.2: si ( )
p
f C I et 0 > le problme (4) admet une unique solution faible
( )
2 p
u C I
+

Preuve: soit
( ) ( )
( )
( ) ( )
2 2
1 1
0 0
:
, ', ' ,
L I L I
a H I H I R
u v u v u v
/
+

( ) ( )
( ) ( )
( )
( ) ( )
2 2 1 1
0 0
1
0
, , , ', ' , 1
L I L I H I H I
u v H I a u v u v u v u v + +
donc a est continue sur ( ) ( )
1 1
0 0
H I H I
( ) ( )
( ) ( )
( )
( )
2 2 1
0
2 2 2
1
0
, , ' min 1,
L I L I H I
u H I a u u u u u = +
donc a est ( )
1
0
H I -coercive ainsi le problme a une unique solution faible ( )
2 p
u C I
+
CQFD

Remarque: la coercivit peut tre assure sous des hypothses plus faibles: pour
( ) ( )
( )
1
2
1
1 max ,
n
x x

> + on rcupre la coercivit de a, en effet ( )

1
0
u H I :
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
2 2 2
1 1 1
2 2
1
1. 2 ' 2 ' 2max , '
n n n
x x x
n
L I L I L I
x x x
u u x dx xu x u x dx xu x u x dx x x u u = =


en notant
( )
1
2max ,
n
c x x = on a
( ) ( ) ( )
( )
( )
2 2 1 2
0
2 2
2
' 1 '
L I L I H I L I
u c u u c u +
en posant
( )
1
2
1 d c

= +
( ) ( )
( ) ( )
( )
( ) ( )
2 2 1 2
0
1
2 2 2 2
1 2
0
, , ' 1
L I L I H I L I
u H I a u u u u c u u

= + + +
( ) ( ) ( )
( ) ( )
( )
( )
2 2 1
0
2 2 2
1
0
, , ' min ,
L I L I H I
u H I a u u d u d u d d u + + +
donc pour 0 d + > , a est ( )
1
0
H I -coercive

2) Expression matricielle de la mthode de Galerkin

En utilisant une mthode de Galerkin avec pour fonctions de base les fonctions de forme des
SMLS pour approcher numriquement la solution de (4) on pose
1
n
i i
i
u u N
=
=

. Ainsi mthode de
Galerkin va nous permettre de dterminer les coefficients ( )
1,..,
i
i n
u
=
. Il faut cependant commencer par
dgager de nouvelles proprit des fonctions de forme des SMLS.

Proprit B.I.3:
[ ] ( )
1
, , 1
n
i
i
x a b N x
=
=

Preuve: soit ( ) ( )
1
,.., 1,..,1
n
u u = alors la fonction 1 f minimise [ ] , ,
x
x a b J

car ( ) 0
x
J f

=
ainsi [ ] [ ] ( ) , , , , 1
x
x a b t a b f t

= et ainsi
[ ] ( ) ( )
1
, , 1
n
i x
i
x a b N x f x

=
= =

CQFD

Proprit B.I.4: { } ( )
1 1
1,.., ,
i i
i n N x = et ( )
i n in
N x =
Preuve: on a ( ) { }
1
1, 2 I x = ainsi { } ( )
1
3,.., , 0
i
i n N x =
26
soit ( ) ( )
1
,.., 1, 0,.., 0
n
u u = comme ( ) ( )
1
2 Card I x = ,
1
x
f

est la fonction affine interpolant les
valeurs 1 en
1
x et 0 en
2
x :
[ ] ( )
1
2
1 2
, ,
x
t x
t a b f t
x x

et ainsi: ( ) ( )
1
1 1 1
1
x
N x f x

= =
Enfin comme ( )
1
1
1
n
i
i
N x
=
=

, on a ( )
2 1
0 N x = .
Autre preuve: pour dterminer ( ) ( )
1
1,..,
i
i n
N x
=
, sachant que ( )
1 1
1 w x = , le systme rsoudre est:
( )
( ) ( )
( )
( )
( )
( )
( )
1 1 1 2
2 1 1 2 1 2 2 1 2 1
1 1
2 1 2 1
0 1 0
1
1 1 1 0 0
0 0 0 0
N x k x x
N x k x x k x x w x x x
x
x x x

et la solution est
2 1
1
0
x x

Par une dmonstration analogue puisque les constructions sont symtriques, on dmontre
( )
i n in
N x = . CQFD
.

Thorme B.I.5: ( )
1,..,
i
i n
U u
=
= est l'unique solution du systme suivant:
(5)
0
T
K R U F
R S

=

o ( ) ( ) ( ) ( )
1,..,
1,..,
' '
i j i j
i n
I I
j n
K N x N x dx N x N x dx
=
=

= +




( ) ( )
*
1 1
*
2
1,..,
1 0 0
, , ,
0 0 1
t
i
n I
i n
u
R S F N x f x dx
u

=

= = = =

Preuve: soit u vrifiant (4), alors on a:
{ } ( ) ( ) ( ) ( ) ( ) ( ) 1,.., , "
i i i
I I I
i n N x u x dx N x u x dx N x f x dx + =


et la mthode de Galerkin donne rsoudre le problme:
{ } ( ) ( ) ( ) ( ) ( ) ( )
1 1
1,.., , "
n n
i j j i j j i
j j
I I I
i n N x u N x dx N x u N x dx N x f x dx
= =
+ =



{ } ( ) ( ) ( ) ( ) ( ) ( )
1 1
1,.., , "
n n
j i j j j i i
j j
I I I
i n u N x N x dx u N x N x dx N x f x dx
= =
+ =



or { } ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1
1,.., , " ' ' ' '
i j i n j n i j j i
I I
i n N x N x dx N x N x N x N x N x N x dx =


et tant donn le choix des fonctions poids la proprit B.I.4 donne
{ } ( ) ( ) ( ) ( ) ( ) ( )
1 1
1,.., , " ' ' ' '
i j in j n i j j i
I I
i n N x N x dx N x N x N x N x dx =


en posant ( )
1 1
1
'
n
j j
j
u N x
=
=

et ( )
2
1
'
n
j j n
j
u N x
=
=

{ } ( ) ( ) ( ) ( ) ( ) ( )
1 1
1 1
1,.., , ' '
n n
j i j j j i i in n j
j j
I I I
i n u N x N x dx u N x N x dx N x f x dx
= =
+ + + =



{ }
2
1 1
1,.., ,
n
j ij ij j i
j j
i n u K R F
= =
+ =


Par ailleurs, ( ) ( )
*
1 1 1 1
1
n
i i
i
u u x u N x u
=
= = =

et ( ) ( )
*
2
1
n
n i i n n
i
u u x u N x u
=
= = =

ainsi
T
R U S =
Montrons l'injectivit du systme (5): si >0, L est symtrique dfinie positive car
27
( ) ( ) ( ) ( ) ( ) ( )
2 2
, 1 1 1
' ' '
n n n
T
i j i j i j i i i i
i j i i
I I I I
U LU u u N x N x dx N x N x dx u N x dx u N x dx
= = =


= + = +







et ainsi
( )
2
0
0 0
T
L I
U LU u u
=
= = car u est continue sur [a,b]
1 1 1
1 1
0 0 0
0 0 0 0 0 0 0
T T T T T
LU R L R U U L R U L R U U L R
R R U R R L R R L R


+ = = = = = | || | | |

=
| | |
= = = = =
\ \ \

CQFD

L'intrt majeur de l'utilisation des fonctions de forme des SMLS plutt que des fonctions de
forme des splines d'ajustement tient dans la simplicit avec laquelle on impose les conditions aux
limites. En effet on a dans le cas des SMLS ( )
1 1
u x u = et ( )
n n
u x u = grce la compacit des
supports des fonctions de forme ( { } [ ] 2,.., 1 , supp ,
i
i n N a b ) ce qui n'est pas le cas en
gnral pour les fonctions de forme des splines d'ajustement. Il suffit donc d'ajouter deux lignes et
deux colonnes la matrice de la formulation variationnelle pour prendre en compte ses conditions aux
bords de l'intervalle.
Par ailleurs, la matrice inverser pour obtenir les coefficients inconnus ( )
1,..,
i
i n
u
=
est de rang
m+n. Ainsi pour un nombre important de noeuds, le cot de l'inversion pourrait devenir prohibitif,
cependant, tant donn que les fonctions de forme des SMLS sont support compact on a:
{ } , 1,.., : supp supp
i j
i j n N N = on a 0
ij
K = . Dans la pratique nous choisirons donc les
supports des fonctions poids (qui contiennent les supports des fonctions de forme correspondantes)
les moins tendus possibles, tout en respectant la condition d'inversibilit du sous systme en un point
[ ] , x a b c'est--dire ( ) Card I x m . Lorsque m=2, il est possible d'obtenir un matrice K penta-
diagonale (cf C. Mises en oeuvre) ainsi bien que la matrice inverser ne soit pas penta-diagonale (
causes des conditions aux limites), l'inversion sera nettement moins coteuse que celle d'une matrice
pleine.
Sous certaines conditions sont assures une convergence en norme ( )
2
1
,
n
L x x d'ordre 2 pour
la solution et une convergence d'ordre 1 pour la drive (cf T. Laouar, Contribution l'tude de
l'approximation diffuse: Auto-adaptativit en lments diffus, Ph. D. thse, Universit de technologie
de Compigne, 1996).

3) Rsolution d'une quation de convection diffusion en dimension 1

L'quation de la chaleur est le prototype des quations de diffusion et a pour proprit de
rgulariser les discontinuits des conditions initiales. Dans le but mettre l'preuve la mthode
prcdente, nous allons l'appliquer une quation de convection-diffusion a priori plus difficile
traiter numriquement. Soient
[ ] ( )
* * * 2
1 2
, , : 0,1 , , , a R b R f R R u u R
+ +
/ / / / / [ ]
0
: 0,1 u R /
donns (pour la cohrence du problme il faut ( )
*
0 0
0 u u = et ( )
*
0 1
1 u u = ) l'quation de convection-
diffusion est la suivante:
(6)
( ) ( ) ( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
* *
0 1
0
, " , ' , , 0,1 ,
0, , 1, , 0,1
, 0 , 0,1
u
x t au x t bu x t f x t x t R
t
u t u u t u t
u x u x x

+ = /

= =

Remarque: le second terme de la premire quation du systme (6) est appel terme de diffusion et le
troisime est appel terme de convection.

28
Thorme B.I.6: si
( )
0
f C I R
+
/ , ( )
0
0
u C I et
5
a
b alors le problme (6) admet une
unique solution faible
( )
0
, u C I R
+
/
Preuve: soit
( ) ( )
( )
( ) ( )
2 2
1 1
0 0
:
, ', ' ',
L I L I
A H I H I R
u v a u v b u v
/
+

( ) ( )
( ) ( )
( )
( ) ( )
2 2 1 1
0 0
1
0
, , , ', ' ',
L I L I H I H I
u v H I A u v a u v b u v a b u v + +
donc A est continue sur ( ) ( )
1 1
0 0
H I H I
( ) ( )
( ) ( )
2 2
2
1
0
, , ' ',
L I L I
u H I A u u a u b u u = +
or , c d R / et 0 > on a: ( )
2
2
2
0 2
4
d
c d cd c

+
ainsi ( ) ( )
( ) ( ) ( ) ( ) ( )
2 2 2 2 2
2 2 2 2
1
0
1
, , ' ', ' '
4
L I L I L I L I L I
u H I A u u a u b u u a u b u u

+



( ) ( ) ( )
( ) ( )
2 2
2 2
1
0
, , '
4
L I L I
b
u H I A u u a b u u

or en notant
( )
1
2max ,
n
c x x = on a
( ) ( ) ( )
( )
( )
2 2 1 2
0
2 2
2
' 1 '
L I L I H I L I
u c u u c u +
( ) ( )
( ) ( ) ( )
1 2 1
0 0
2 2 2
1
0 2 2
, ,
1 4 1 4
H I L I H I
a b b a b b
u H I A u u u u u
c c





+ +


et
( )
2
2
1
0: 0 0
1 4 4
a b b
c
a b b
c

+
>
+
pour tre dans ce cas il faut et il suffit
d'avoir:
( )
2 2 2
1 0 a b c = + et dans le cas prsent on a c=2
donc A est ( )
1
0
H I -coercive ainsi en vertu du thorme de J.L. Lions pour les quations paraboliques
linaires, le problme (6) admet une unique solution faible
( )
0
u C I R
+
/ CQFD

Remarque: on voit ici que des discontinuits dans la solution risquent d'apparatre pour des valeurs
importantes du coefficient pondrant le terme de convection, il sera ainsi intressant de tester la
mthode de rsolution numrique dans ces conditions.

De la mme faon que prcdemment, une discrtisation en temps, permet l'intgration en
temps de l'quation (6). Soient
0 1
0 .. 1
p
t t t = < < < = tels que { }
1
1, ,
i i
i p t t t

= alors un
schma de Crank Nicholson pour le terme de diffusion et un schma d'Euler explicite pour le terme de
convection nous donne chaque pas de temps le systme:
( ) ( )
( ) ( ) ( ) ( ) ( ) { } [ ]
( ) ( ) { }
( ) ( ) [ ]
1
1
* *
1 1 1
0 0
, ,
1
" , " , ' , , , 0, 1 , 0,1
2
0, , 1, , 0,.., 1
, , 0,1
k k
k k k k
k k n
u x t u x t
a u x t u x t bu x t f x t k p x
t
u t u u t u k p
u x t u x x
+
+
+ +

+ + =

= =

29
( ) ( ) ( ) ( ) ( ) ( ) { } [ ]
( ) ( ) { }
( ) ( ) [ ]
1 1
* *
1 1 1
0 0
, " , . , , . ' , " , , 0, 1 , 0,1
2 2
0, , 1, , 0,.., 1
, , 0,1
k k k k k k
k k n
a t a t
u x t u x t t f x t u x t b t u x t u x t k p x
u t u u t u k p
u x t u x x
+ +
+ +

= + +

= =

Ainsi chaque pas de temps, le problme rsoudre garde une forme proche du problme
prcdent. En utilisant un mthode de Galerkin base sur les fonctions de forme des SMLS on notera
( )
( )
( )
( )
( )
( )
1
,
n
T
k k
k j j
j
u x t u N x U N x
=
= =

et les quations prcdentes permettent par rcurrence sur

k de dterminer
( )
( )
0,..,
k
k p
U
=

Thorme B.I.7:
( ) ( )
( )
1,..,
k k
i
i n
U u
=
= est l'unique solution du systme suivant:
(5)
( )
( )
( )
0
k
k
T
k
K R U
F
R
S



=








o int1 int 2
2
a t
K

= + ,
( )
( )
( )
*
1 1
*
2
1 0 0
, , ,
0 0 1
k
k t
k
n
u
R S
u

= = =

( )
( ) ( )
( )
( )
( ) 1 1
1,..,
, int1 int 2 int 3
2
T
k k k
i k
I
i n
a t
F N x f x t dx U b t R

=


= +

( ) ( )
1,..,
1,..,
int1
i j
i n
I
j n
N x N x dx
=
=

=

, ( ) ( ) int 2 ' '

i j
I
N x N x dx

=

, ( ) ( ) int 3 '
i j
I
N x N x dx

=

preuve: en notant I=[0,1], l'orthogonalit par rapport aux fonctions de forme des SMLS donne:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1
, " , . , , . ' , " ,
2 2
k k i k k k k i
I I
a t a t
u x t u x t N x dx t f x t u x t b t u x t u x t N x dx
+ +

= + +





( )
( ) ( ) ( )
( )
( )
( ) ( ) ( ) ( )
1
1
1
"
2
. , . ' "
2
n
k
j j j i
j
I
n
k
k j j j j i
j
I I
a t
u N x N x N x dx
a t
t f x t dx u N x b t N x N x N x dx
+
=
=

= + +

Comme dans la dmonstration prcdente l'intgration par partie donne, en posant
et
( ) ( )
( )
1 1
1
'
2
n
k k
j j
j
a t
u N x
=

=


( ) ( )
( )
2
1
'
2
n
k k
j j n
j
a t
u N x
=

=

on a :
( )
( ) ( )
( ) ( )
( )
( )
( ) ( ) ( )
( ) ( )
1 1 1
1 1 2
1
1 1 2
1
int1 , int 2 ,
2
. , int1 , int 3 , int 2 ,
2
n
k k k
j i in
j
n
k k k
k j i in
j
I
a t
u i j i j
a t
t f x t dx u i j b t i j i j


+ + +
=
=

+ + +



= +

Le second ensemble d'quations impose les conditions aux bords de l'intervalle: ( )
( ) *
1 0
0,
k
k
u t u u = =
et ( )
( ) *
1,
k
k n n
u t u u = =
L'inversibilit de la matrice t montre dans le thorme B.I.5 CQFD

30
Remarque: pour tre initialis, ce processus itratif ncessite la donne de
( ) 0
U et de
( ) 0
. Or la
condition initiale du problme (6) nous donne
( )
( ) { }
0
0
, 1,..,
j j
u u x j n = de plus, dans la pratique,
nous nous placerons dans le cas de l'interpolation affine sur les bords de l'intervalle (cf C.mises en
oeuvre) ainsi on a:

( )
( )
( ) ( ) 0 0
0
1 2
1 1
1 2
' , 0
2 2
u u a t a t
u x
x x

= =

et
( )
( )
( ) ( ) 0 0
0
1
2
1
' , 0
2 2
n n
n
n n
u u a t a t
u x
x x

= =

II) Rsolution d'un problme de mcanique des milieux continus

Nous nous intressons maintenant un problme de dformation d'un solide, et en particulier
l'volution d'une fracture dans un solide soumis des forces extrieures. L'application principale
sera effectue sur une plaque de dimension 2, ainsi nous utiliserons la mthode de Galerkin avec pour
fonctions de base les fonctions de formes de l'approximation MLS, cette mthode est alors appele
EFG (Element Free Galerkin).

1) Systmes de coordonnes de la mcanique: description ALE
Etant donn un domaine matriel D en mouvement dans l'espace physique munit d'un repre
fixe R, pour rendre compte des coordonnes spatiales d'une particule de ce domaine, il existe deux
approches:
_ la description de Lagrange du mouvement: on suppose connue une configuration de
rfrence
0
un instant
0
t dans laquelle la position de chaque particule dans R est donne. Soit X
une de ces positions, elle peut ainsi tre considre comme un marqueur attach la particule
associe: X sera appele coordonne lagrangienne ou coordonne matrielle. Dans ce cas les
coordonnes spatiales dans R de la particule de coordonnes matrielles X au temps t est donne par:
( ) , x X t = et sera appele mouvement matriel.
_ la description d'Euler du mouvement: tant donn M un point fixe de l'espace
physique on le considre comme un point d'observation. En considrant d'abord le repre comme
mobile, les coordonnes spatiales dans R de la particule de coordonnes rfrentielles au temps t
sont donnes par: ( )
, x t = et sera appele mouvement rfrentiel. Ainsi en considrant ce
repre fixe nous seront dans le cas de la description eulerienne du mouvement.

Remarque: chacune des deux descriptions prsente son utilit:
_ pour les solides dformables on prfre souvent la description de Lagrange car la
configuration de dpart est facilement identifiable et les vitesses pendant les transformations sont
souvent de peu d'intrt pratique.
_ pour les fluides on prfre la description d'Euler qui donne les indications d'un instrument
de mesure plac en un certain point d'observation de l'coulement .

Avec les notation prcdentes nous pouvons dfinir le dplacement matriel u x X = et le
dplacement rfrentiel u x = .
Bien que les coordonnes rfrentielles soient arbitraires, elles doivent tre suffisamment
rgulires, on impose en fait que pour tout temps t, et pour toute coordonne de rfrence ,
( )

, t

soit un isomorphisme ce qui fait de l'application ( )

, t un diffomorphisme local
pour tout temps t. Cette condition ajoute au fait que ( )
, t est ncessairement injective
(deux particules diffrentes du domaine D ne pouvant avoir les mmes coordonnes spatiales un
temps t fix) assure l'application ( )
, t d'tre un diffomorphisme pour tout temps t.
31
De mme pour les coordonnes lagrangiennes on imposera que pour tout temps t, et pour
toute coordonne matrielle X, ( ) , X t
X

soit un isomorphisme ce qui de la mme faon que

prcdemment assure l'application ( ) , X X t d'tre un diffomorphisme pour temps t.

Soit f une fonction dfinie sur D et dpendant de t, la valeur de f en une particule de D peut
s'exprimer en fonction des coordonnes spatiales x, des coordonnes matrielles X ou des
coordonnes de rfrence de cette particule, ainsi nous pouvons dfinir 3 types de drives
temporelles au temps
0
t : la drive spatiale: ( )
0
,
f
x t
t

la drive matrielle: ( ) ( ) ( )
0 0 0
, , ,
f
f x t X t t
t

=
la drive rfrentielle: ( ) ( ) ( )
0 0 0
, , ,
f
f x t t t
t

On note ainsi: la vitesse matrielle: ( ) , v x X t
t

= =
la vitesse rfrentielle: ( )

, v x t
t

= =

Thorme B.II.1: on a la relation suivante entre les diffrentes drives temporelles:
1
.
n
i
i
i
f
f f c f f c
x

=
= + = +

o c v v =
Preuve: soient g et h telles que: ( ) ( ) ( ) ( ) , , , , f x t f X t t g X t = =
( ) ( ) ( ) ( )
, , , , f x t f t t h t = =
( ) ( ) ( ) ( ) ( ) ( )
0 0 0 0 0 0

, , , , , ,
1 1
v v
g h
X t t Df X t t Df t t
t t




= =




( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
0 0 0 0 0 0 0 0
, , . , , , , . , ,
f f
f X t t v X t t f t t v t t
t t



+ = +
( ) ( )
, . f x t v v f f

+ =

CQFD
Remarques: si 0 v = alors le repre de rfrence est fix dans l'espace, ce qui correspond la
description eulerienne du mouvement. Si v v = le repre de rfrence suit la particule, ce qui
correspond la description lagrangienne du mouvement. Dans les autres cas la description du
mouvement est appele ALE (Arbitrary Lagrangian-Eulerian).


2) Expression matricielle de la mthode EFG
Les tensions et tractions internes un solide doivent vrifier pour tout lment E de volume
interne au solide la formule fondamentale de la dynamique F = m a o F reprsente les forces agissant
sur E, m sa masse, et a son acclration. Ainsi les quations de la mcanique des milieux continus
nous donnent dans le cas d'un problme transitoire en lasticit avec de petits dplacements sur le
domaine
q
R / born, en notant le tenseur des contraintes de Cauchy, b le vecteur de la force
applique par unit de volume au solide et la densit de masse:

1
q
ij
i i
j
j
b v
x

=
+ =

{ } 1,.., i q dans
Remarque: cette quation traduit le bilan des forces appliques sur un point du solide. Le tenseur de
Cauchy caractrise les forces internes dues aux dformations du solide sous l'action de la force
agissant sur le solide.
ij
reprsente la i-me composante de la traction agissant sur un plan ayant
32
pour normale le j-me vecteur de la base:
ij
est li au vecteur dplacement u

par le tenseur des

dformations
1
2
k l
kl
l k
u u
x x

= +


selon la loi
ij ijkl kl
H = o
ijkl
H traduit la loi d'lasticit.

Ainsi, d'aprs les relations prcdentes entre les vitesses on a:
1 1
q q
ij
i
i i j
j j j j
v
b v c
x x

= =

+ = +

{ } 1,.., i q dans
Soit
( ) ( )
1,..,
:
q
i
i q
u R
x u x

=
/

une fonction test, la formulation variationnelle donne donc: { } 1,.., i q

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1
q q
ij
i
i i j i i i i
j j j j
v
x v x u x dx x c x u x dx x b x u x dx x u x dx
x x

= =


+ = +

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1
.
q q
i
i i ij i j ij
j j
j
u
x b x u x dx x u x n x e d x x x dx
x

= =

= +




( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1
.
q q
i
i i i ij j ij
j j
j
u
x b x u x dx u x x n x e d x x x dx
x

= =


= +






o est le bord de et n

la normale unitaire extrieure , on notera

{ } ( ) ( ) ( )
1
1,.., , .
q
i ij j
j
i q t x x n x e
=
=

Remarque: on n'utilise pas la formule de Green sur le premier membre de l'galit car il faudrait alors
valuer les drives partielles de la densit de masse .

Pour discrtiser en espace l'quation prcdente, la mthode de Galerkin peut tre applique
sur les fonctions de forme ( )
1,..,
i
i n =
de l'approximation MLS. Cette mthode est alors appele
mthode EFG (Element Free Galerkin) et permet une rsolution matricielle du problme, on obtient
ainsi en notant:
le dplacement matriel: ( ) ( ) ( )
1
,
n
i i
i
u t u t
=
=

la vitesse matrielle: ( ) ( ) ( )
1
,
n
i i
i
v t v t
=
=

la vitesse convective: ( ) ( ) ( )
1
,
n
i i
i
c t c t
=
=

la vitesse initiale: ( ) ( )
0
0
1
n
i i
i
v v
=
=

acclration refrentielle: ( ) ( ) ( )
1
,
n
i i
i
v t v t
=
=

Remarque: { } ( ) ( ) ( ) ( )
0
1,.., , , , , ,
q
i i i i i
i n u t c t v t v t v R /

Thorme B.II.2: pour q=2 la mthode de Galerkin conduit au systme d'quation:
(6)
int ext
MV CV f f + + =

o ( ) ( ) ( )
2
1,..,
1,..,
i j n
i n
j n
M x x Idx M R
=

=

= /

,
2
1 1
,..,
T
n
V v v R

= /



,
( ) ( ) ( ) ( )
2
2
1,.., 1
1,..,
j
i l n
i n l
l
j n
C I x x c x dx M R
x

= =

=

= /

,
1 0
0 1
I

=


,
2
1 1
,..,
T
n
V v v R

= /


,
33
( ) ( )
int 2
1,..,
T
T n
i
i n
f B x x dx R

=

= /

,
11
22
12

=



,
1
2
2 1
0
0
i
i
i
i i
x
B
x
x x

=







et
( ) ( ) ( ) ( ) ( ) ( )
2
1,..,
T
ext n
i i
i n
f x x b x dx x t x d x R

=

= + /




Preuve: ( ) ( ) ( ) ( ) ( )
1
1,.., 1,..,
,
n
i k k i
k
i n i n
MV x x v t dx x v t dx
=

= =

= =

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
2 2
1 1 1
1,.., 1,..,
,
n
k
i j k i j
k j j j j
i n i n
v
CV x x c x v t dx x x c t t dx
dx x

= = =

= =

= =





( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
11 22
2
1 1 2 int
2 1
1,..,
1,..,
12 12
2 1
1,..,
i i
j
T i
i
j j i i j
i n
i n
i n
x x x x
x x
f B x x dx dx x dx
x
x x x x
x x

=

=
=
=

+

= = =





+

On retrouve ainsi l'galit prcdente. CQFD

Remarque: la matrice M est clairement symtrique dfinie positive.
Les lois de la mcanique permettent d'exprimer
int
f KU = avec
( )
2
1,..,
1,..,
T
i j n
i n
j n
K B DB M R
=

=

= /

et
( ) ( )
1 0
1 0
1 1 2
1 2
0 0
2
E
D

=

+

, E tant le module
de Young et le ratio de Poisson.

3) Mthodes d'intgration en temps du systme

Pour discrtiser en temps le systme (6) on peut utiliser un schma utilisant une sparation
des oprateurs (schma pas fractionnaire). L'intrt est de dcomposer un problme complexe en
sous-problmes plus simples. Chaque sous-pas est constitu de la rsolution d'un de ces sous-
problmes. On propose ici d'utiliser un schma deux sous-pas, c'est--dire que pour passer de
n
v

1 n
v
+

on va calculer une valeur intermdiaire

1
2
n
v
+

.
La premire tape est appele tape lagrangienne car dans celle-ci on omet le terme convectif,
ce qui revient prendre c=0. Ainsi l'quation (6) devient
ext
Ma Ku f + = , ce qui permet de
dterminer un temps
n
t t = , le vecteur
n
a en fonction de
n
u par:
( )
1 n ext
a M f Ku

= (dans la
pratique la matrice M est inverse par une technique de condensation de masse ou mass lumping car
les supports des fonctions de forme de l'approximation MLS assure M d'tre diagonale strictement
dominante). Un schma explicite permet alors de dterminer
1
2
n
v
+

par:
1
2
n
n
n
v v
a
t
+

34
La seconde tape correspond la prise en compte du terme omis lors de l'tape lagrangienne:
0 . 0 v v c v

= + =

ainsi on obtient:
1
1 1 1
2
2 2
. 0
n
n
n n
v v
c v
t
+
+
+ +

+ =

Une autre faon de sparer les oprateurs, est de faire de la seconde tape un algorithme
d'advection. Ainsi comme prcdemment dans la premire tape on omet le terme de convection et on
rsout ainsi:
( )
1
1 1
2 2
1
1
2
n ext n
n n
n
n
n n
a M f Ku
v v ta
u u tv

+
+
+

= +

= +

Dans la seconde tape on prend en compte la convection, ainsi 0 . 0 f f c f

= + =

et on a
l'approximation
/
f
c f
t

ainsi si
LAG
f est la valeur de f aprs l'tape lagrangienne alors on
calcule
/
LAG LAG
f f f f c t f

= + = . Ainsi dans la pratique certains noeuds dfinis comme

tant des noeuds ALE (Arbitrary Lagrangian Eulerian) seront donc translats de faon suivre
d'ventuelles discontinuits (comme de fractures) et les autres noeuds dits lagrangiens resteront fixes.
Les dplacements de ces noeuds ncessitent donc chaque pas de temps la ractualisation des
fonctions de forme de l'approximation MLS, cependant toutes les fonctions de forme dont le support
est disjoint des zones d'influence des noeuds ALE ne sont pas affectes par ces modifications.


C) Mises en oeuvre
I) Les fonctions de forme
Nous allons tudier les fonctions de forme des splines d'ajustement et des SMLS. On
considre les splines d'ajustements dfinies dans le A.I.2.: on prend des poids constants c'est dire
{ } 0: 1,.., ,
i
k i n w k > = (cela revient considrer dans la construction de splines moving least
squares ( ) [ ] , , w x k x a b = ) Nous observerons l'influence du n nombre de noeuds, et du paramtre
sur les fonctions de forme .

1) Cas des splines d'ajustement
Pour les points
1 2 3
0, 0.5, 1 x x x = = = et les poids
1 2 3
1 w w w = = = on observe en faisant
varier le paramtre le comportement des fonctions de formes des splines d'ajustement.

35
Figure 1: fonctions de forme des splines d'ajustement pour =0

Figure 2: fonctions de forme des splines d'ajustement pour 0.01 =

Figure 3: fonctions de forme des splines d'ajustement pour 0.1 =

Figure 4: fonctions de forme des splines d'ajustement pour 1 =

36
Pour toute valeur positive du paramtre les fonctions de formes des splines d'ajustement
sont polynomiales par morceaux, cependant on observe que plus la valeur de est grande, plus les
courbes reprsentatives des fonctions de forme se rapprochent de droites. Ceci est cohrent, car de
grandes valeurs de donnent dans la fonctionnelle minimiser plus d'importance la norme
[ ] ( )
2
, L a b de la drive seconde des fonctions. Ainsi quand + les fonctions de forme des
splines d'ajustement sont des fonctions affines.

Pour 10 points uniformment rpartis,
1
, 1,..,10
9
i
i
x i

= = et les poids
1 10
.. 1 w w = = = on
observe en faisant varier le paramtre le comportement des fonctions de forme des splines
d'ajustement.

Figure 5: fonctions de forme des splines d'ajustement pour =0

Figure 6: fonctions de forme des splines d'ajustement pour
4
10

=
37

Figure 7: fonctions de forme des splines d'ajustement pour
3
10

=

Figure 8: fonctions de forme des splines d'ajustement pour 0.01 =

Figure 9: fonctions de forme des splines d'ajustement pour 0.1 =
38

Figure 10: fonctions de forme des splines d'ajustement pour 1 =

Comme dans le cas de 3 noeuds, on observe que quand la valeur de augmente les courbes
reprsentatives des fonctions de formes des splines d'ajustement se rapprochent de droites. On
observe par ailleurs que pour les petites valeurs de les fonctions de formes des splines d'ajustement
prsentent des oscillations amorties et symtriques par rapport au point correspondant (cf figure 5) ce
qui n'tait pas le cas pour 3 noeuds: le nombre total de noeuds influence l'aspect de chaque fonction
de forme des splines d'ajustement.

2) Cas des splines moving least squares
a) Les fonctions poids
Nous avons vu que pour que l'approximation SMLS existe il faut qu'en tout point [ ] , x a b
on ait ( ) I x m sachant que si ( ) I x m = nous sommes dans le cas d'une simple interpolation. Ainsi
pour m=2, il nous faudra I(x)>2 pour ne pas tre dans le cas de l'interpolation linaire. Nous
prendrons pour fonctions
i
w des fonctions obtenues aprs dilatation et translation voire dformation
du support de la fonction de classe ( ) C R

/ ,
] [
( )
1,1 2
1
: exp 1
1
w x x
x

. En notant
pp
i i
J su w = et sachant que l'on veut ( ) 1
i i
w x = , on a:
1) si
2
w e
i i
i
x x
x
+
= alors une simple transformation affine permet de construire une bijection
entre les intervalles ,
w e
i i
x x

et [-1,1] envoyant
i
x sur 0, ainsi:
( ) ,
e w
w e i i
i i i i w e e w
i i i i
x x x x
J x x w x w
x x x x
| |
1 = = +
|
]

\

2) sinon, on utilisera une homographie pour obtenir une bijection entre les intervalles
,
w e
i i
x x

et [-1,1] envoyant
i
x sur 0, ainsi:
( )
( )( )
( ) ( )
,
2 2
w e
i i i
w e
i i i i
e w e w w e
i i i i i i i i
x x x x
J x x w x w
x x x x x x x x x
| |

| 1 = =
]
|
+ +
\

39
On a ainsi ( ) { }
{ }
1,.., /
i
I x i n x J =

et il ne reste donc qu' construire ( )
1,..,
i
i n
J
=
telle que
:
[ ] ( ) ( )
, , 2 x a b Card I x . Supposons
1 2
..
n
x x x < < < , on dfinit les points
1 1
,..,
n
y y

comme
milieux respectifs des segments [ ] [ ]
1 2 1
, ,.., ,
n n
x x x x

ainsi: { }
1
1,.. 1 ,
2
i i
i
x x
i n y
+
+
= . En posant
{ } [ ]
2 1
3,.., 2 , ,
i i i
i n J y y
+
= on a { } ] [ ( ) { }
1
3,.., 4 , , , 1, 2
i i
i n x y y I x i i i
+
= + + car
{ } ] [
1
, 1, 2
3,.., 4 , ,
i i k
k i i i
i n y y J
+
= + +

de plus { } ( ) { } 3,.., 4 , 1, 2
i
i n I y i i = + + .
Pour pouvoir tendre cette construction au bord de l'intervalle on peut par exemple considrer
2
' x symtrique de
2
x par rapport
1
x alors
2 2
1 2 1 2
'
' 2
2
x x
x x x x
+
= = puis on dfinit
0
y
comme milieu de [ ]
2 1
', x x alors
2 1 1 2
0
' 3
2 2
x x x x
y
+
= = . De la mme faon en considrant
3
' x
symtrique de
3
x par rapport
1
x alors
3 3
1 3 1 3
'
' 2
2
x x
x x x x
+
= = puis en dfinissant
1
y

comme milieu de
'
3 2
', x x

on obtient
2 3 1 2 1 3 2 3
1 1
' ' 2 2
2
2 2 2
x x x x x x x x
y x

+ + +
= = = . Les
mmes constructions l'extrmit droite de l'intervalle donnent
1
3
2
n n
n
x x
y

= et
1 2
1
2
2
n n
n n
x x
y x

+
+
= . En posant alors { } [ ]
2 1
1, 2, 1, , ,
i i i
i n n J y y
+
= on a:
{ } ] [ ( ) { }
1
1, 2, 3, 2 , , , 1, 2
i i
i n n x y y I x i i i
+
= + +
{ } ( ) { } 1, 2, 3, 2 , 1, 2
i
i n n I y i i = + +
Enfin [ ] ( ) { }
1 1
, , 1, 2 x x y I x = et [ ] ( ) { }
1
, , 1,
n n
x y x I x n n

=

Dans le cas de points ( )
1,..,
i
i n
x
=
, uniformment rpartis les fonctions poids sont obtenues par
dilatation et translation du support de w cf figure suivante.

Figure 11: fonctions poids pour des noeuds uniformment rpartis

Dans le cas o les points ( )
1,..,
i
i n
x
=
ne sont pas uniformment rpartis sur l'intervalle
considr, le support de la fonction w est de plus dform pour rpondre aux conditions prcdentes.
40

Figure 12: fonctions poids pour des noeuds non uniformment rpartis

Le fait de w soit de classe
[ ] ( )
, C a b

permet grce la proprit I.4.2 d'affirmer que la

SMLS obtenue sera de classe
[ ] ( )
2
, C a b . Par ailleurs la fonction poids choisie prsente un autre
intrt en effet on a:
( )
] [
( )
( )
1,1 2 2
2
2 1
' exp 1
1
1
x
w x x
x
x

= +

Ainsi
] [ ( )
( )
( )
2 2
2 '
2 2 2
2
2
2 1
exp 1
1
1
1 2 1
1,1 , exp 1
1
1 1
exp 1
1
x
x
x
x
x x
w x
x
x

+

= =

si
2
w e
i i
i
x x
x
+
= alors ( ) ( )
'
'
1 2 1
0 0
i e w
i i i
x
w x x w


= =

sinon ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
( )
'
'
2
2 2
1 1
0 0
2 2
w e e w w e e w
i i i i i i i i i i i
i
e w e w w e
i
i i i i i i i i i
x x x x x x x x x x x
x
w w
x x x x x x x x x

+ +



= =



+ +


Ainsi la seconde hypothse de la proposition I.4.4. est vrifie et la pseudo-drive de la SMLS
approchera donc la drive relle.

b) Les fonctions de forme
41

Figure 13: fonctions de forme de SMLS pour =0

Figure 14: fonctions de forme de SMLS pour 0.0001 =

On observe pour des valeurs de proches de 0 (ici infrieures
4
10

) un comportement des
fonctions de forme des SMLS proche de celui des fonctions de forme des splines d'ajustement.
Cependant les courbes sont moins "lisses" et on observe en particulier pour des valeurs de x proche de
2.5 et de 7.5 des sauts qui correspondent aux variations de I(x) en effet ( ) { }
0.25
0.25
lim 1, 2
x
x
I x

<
= ,
( ) { } ( )
0.25 0.75
0.25 0.75
lim 1, 2, 3 lim
x x
x x
I x I x

> <
= = et ( ) { }
0.75
0.75
lim 2, 3
x
x
I x

>
= , ainsi de part et d'autre de ces points, les
noeuds pris en compte ne sont pas le mmes. Les fonctions de formes sont donc affines sur les
intervalles [0,0.25] et [0.75,1] puisque seuls deux points ont une influence.

42

Figure 15: fonctions de forme de SMLS pour 0.01 =

Figure 16: fonctions de forme de SMLS pour 1 = .

Figure 17: fonctions de forme de SMLS pour 100 =

Pour des valeurs de suprieures
2
10

le comportement des fonctions de forme des SMLS

varie peu. La fonction de forme lie au noeud du milieu prsente, contrairement au comportement
pour des valeur de plus proche de zro, deux extrma locaux: la courbe reprsentative est
symtrique par rapport la droite d'quation x=0.5, mais sont maximum n'est pas atteint pour x=0.5.
Ce "creux" obtenu pour les valeurs de x appartenant l'intervalle [0.25,0.75] est rapprocher du
comportement des splines d'ajustement lorsque augmente.

43
Pour 10 points uniformment rpartis,
1
, 1,..,10
9
i
i
x i

= = on observe en faisant varier le

paramtre le comportement de fonctions de forme des SMLS.

Figure 18: fonctions de forme de SMLS pour 0 =

Figure 19: fonctions de forme de SMLS pour
4
10

=

Contrairement aux supports des fonctions de forme des splines d'ajustement, les supports des
fonctions de forme de SMLS sont compacts. On observe pour nul les mmes sauts que dans le cas
de 3 noeuds au milieu de chaque intervalle [ ]
1
,
i i
x x
+
, ce qui s'explique comme prcdemment. Pour
des valeurs de infrieures
4
10

le maximum de chaque fonction de forme est obtenu au noeud

correspondant.
44

Figure 20: fonctions de forme de SMLS pour
4
5.10

=

Figure 21: fonctions de forme de SMLS pour 0.001 =

Figure 22: fonctions de forme de SMLS pour 0.1 =

45

Figure 23: fonctions de forme de SMLS pour 100 =
On observe pour les valeurs de suprieures 0.0005 le mme comportement que dans le cas
de 3 noeuds. Le fait que l'augmentation du nombre de noeuds n'influence pas le comportement des
fonctions poids s'explique par le fait qu'une fonction poids n'est influence que par les noeuds proches
du noeud lui correspondant grce au caractre local de la fonctionnelle. Plus prcisment pour
{ } 3,.., 2 i n les noeuds influenant
i
N sont les noeuds
2 1 1 2
, , , ,
i i i i i
x x x x x
+ +
.

II) Comparaisons des approximations par spline d'ajustement et SMLS
1) Approximation sur 10 points

Soient 10 noeuds formant un maillage uniforme, ( )
1,..,10
i
i
u
=
des valeurs choisies alatoirement
selon une loi uniforme sur [0,1]. On observe selon les valeurs du paramtre les approximations (ou
interpolations) obtenues avec les mthodes des splines d'ajustement et des SMLS.

Figure 24: spline d'ajustement pour 0 =
46

Figure 25: SMLS pour 0 =

D'aprs la proprit I.2.3. quand est nul la spline d'approximation est une spline
d'interpolation ce qui est vrifier sur le premier graphique. De mme la SMLS interpole les valeurs
donnes mais la courbe obtenue est plus irrgulire que la spline: on retrouve le comportement des
fonctions de forme des SMLS.

7Figure 26: spline d'ajustement pour
4
10

=

Figure 27: SMLS pour
4
10

=
47

Figure 28: spline d'ajustement pour 0.01 =

Figure 29: SMLS pour 0.01 =

Figure 30: spline d'ajustement pour
6
10 =

48

Figure 31: SMLS pour
6
10 =

Lorsque devient grand, la spline d'ajustement se rapproche de la droite des moindres carrs
lie aux donnes, alors que la SMLS continue prsenter des irrgularits (la fonction est bien de
classe
[ ] ( )
2
, C a b mais sa courbe reprsentative n'a pas un aspect lisse). Il est noter que
l'approximation MLS interpole toujours les valeurs aux points extrmaux de l'intervalle.


2) Comportement face aux irrgularits.

Pour tester le comportement des deux types d'approximations face des irrgularits, on
choisit pour donnes un maillage de 10 noeuds uniformment rpartis sur [0,1] et des valeurs
( ) { }
1
0,
2
, 1,..,10
i i
u x i



= . On observe les rsultats pour diverses valeurs du paramtre .

Figure 32: spline d'ajustement pour =0
49

Figure 33: SMLS pour =0

Pour nul, les approximations par splines d'ajustement et par MLS interpolent les donnes et
amplifient peu le saut des donnes. Cependant la SMLS prsente l'intrt de rester constante sur les
intervalles
7
0,
18



et
11
,1
18



sur lesquels les seuls points ayant une influence sont respectivement
( )
1,..,5
i
i
x
=
et ( )
6,..,10
i
i
x
=
: ainsi la SMLS est sur ces intervalles gale l'interpolation affine des
donnes. La spline d'ajustement quand elle prsente de lgres oscillations sur ces intervalles.

Figure 34: spline d'ajustement pour
4
10

=

Figure 35: SMLS pour
4
10

=
50

Pour
4
10

= le comportement de la SMLS est conforme celui recherch: le saut est bien
suivi: on interpole toujours sur les mmes intervalles et les valeurs de la SMLS sont comprises entre 0
et 1. La spline d'ajustement prsente toujours de lgres oscillations.

Figure 36: spline d'ajustement pour
2
10

=

Figure 37: SMLS pour
2
10

=

Pour
2
10

= la SMLS garde un comportement proche de celui obtenu pour
4
10

= , la
spline d'ajustement en revanche s'loigne de plus en plus des donnes.

Figure 38: spline d'ajustement pour =1
51

Figure 39: spline d'ajustement pour =1

Figure 40: SMLS pour
6
10 =

Le comportement des SMLS n'est que trs peu influenc par les variations du paramtre
pour des valeurs suprieures
2
10

. Pour =1 la spline d'ajustement se rapproche de la droite des

moindres carrs associe au donnes car on impose la drive seconde de la spline d'ajustement
d'tre plus petite.
Dans tous les cas, l'approximation par SMLS permet une meilleure localisation de la
discontinuit que l'approximation par spline d'ajustement: ce comportement sera un avantage dans
l'approximation numrique des solutions discontinues des quations aux drives partielles par
mthode de Galerkin.

Nous voulons maintenant tester les approximations avec un saut plus marqu, les noeuds tant
rapprochs de la zone ou se situe l'irrgularit: tant donns les 6 points du plan suivants (0;1),
(0.25;1), (0.499;1), (0.501;0), (0.75;0) et (1;0) dcrivant un saut d'une unit au voisinage de l'abscisse
0.5. Nous observons le comportement des approximations par splines d'ajustement et SMLS en
fonction de la valeur du paramtre . Dans les reprsentation graphiques suivantes les 6 points
prcdents sont reprsents en rouge, et les graphes des fonctions spline d'ajustement ou SMLS en
noir.

52

Figure 41: spline d'ajustement pour =0

Figure 42: SMLS pour =0

Comme l'a dmontr la proprit I.2.3. quand est nul, la spline d'ajustement et la SMLS sont
aussi des interpolations. On note que les amplitudes sont toutes les deux importantes par rapport aux
donnes et de l'ordre de 20 units. Cependant la spline d'ajustement prsente des pseudo-oscillations
alors que la SMLS est constante sur les intervalles [0;0.375[ et ]0.6255;1] qui correspondent
respectivement aux zones d'influences des trois premiers et des trois derniers noeuds.

Figure 43: spline d'ajustement pour
4
10

=
53

Figure 44: SMLS pour
4
10

=

Pour
4
10

= la spline d'ajustement reste relativement proche des donnes mais le "saut" est
nettement amorti. La SMLS reste constante sur les mmes intervalles que prcdemment et
l'amplitude du "saut" est nettement moindre que prcdemment puisque sont amplitude est de 3
units. Ce "saut" n'est significatif que dans l'intervalle [0.48;0.52].

Figure 45: spline d'ajustement pour =0.01

Figure 46: SMLS pour =0.01
Pour =0.01 la spline d'approximation est proche d'une droite et la SMLS est semblable
celle obtenue pour
4
10

=
54

Figure 47: spline d'ajustement pour =1

Figure 48: SMLS pour =1
Pour =1 la spline d'approximation est semblable la droite des moindres carrs lie aux
valeurs prcdentes. Par ailleurs la SMLS reste apparemment inchange.

Figure 49: SMLS pour
6
10 =

Pour
6
10 = la SMLS semble identique celle obtenue pour les valeurs de strictement
positives et plus proche de zro. Ainsi l'influence du paramtre quand il reste strictement positif
n'est pas flagrante.
55
On observe dans tous les cas que la symtrie des donnes par rapport au point ayant pour
coordonns (0.5;0.5) est respecte par les diffrentes approximations ce qui est cohrent puisque tous
les points ont le mme poids.

3) Approximation de donnes bruites

Les splines d'ajustement sont utilises comme leur nom l'indique pour ajuster des mesures
susceptibles d'tre entaches d'erreurs. Nous allons mettre l'preuve cette mthode sur les valeurs
d'une fonction laquelle on ajoutera un bruit gnr par un processus pseudo-alatoire. Nous
testerons en parallle le comportement des SMLS dans les mmes conditions.
Cette fois les deux mthodes sont mises en oeuvre sur 100 noeuds ( )
1,..,100
i
i
x
=
formant un
maillage uniforme de l'intervalle [0,3] et les valeurs ( )
1,..,100
i
i
u
=
sont obtenues comme tant des
valeurs bruites de la fonction
2 3
: 4 3
x x x
f x e e

+ aux points ( )
1,..,100
i
i
x
=
. Plus prcisment on
a { } ( ) 1,..,100 ,
i i i
i u f x = + avec
i
suivant une loi uniforme sur [-0.025;0.025]. Dans les
reprsentations graphiques suivantes seront reprsents en bleu le graphe de la fonction f, en noir les
points de coordonnes ( ) ( )
1,..,100
,
i i
i
x u
=
et en rouge le graphe de la spline d'ajustement ou de la SMLS.


Figure 50: spline d'ajustement pour=1

Figure 51: SMLS pour =1
Pour =1 la spline d'ajustement ne rend pas compte de la dcroissance de f au voisinage de
x=0, en revanche la SMLS reste toujours proche de la courbe mais en oscillant.
56

Figure 52: spline d'ajustement pour =0.1

Figure 53: SMLS pour =0.1
Pour =0.1 la spline d'ajustement est proche de la partie de la courbe situe droite de x=1 en
revanche l'autre partie est mal approche par la spline. La SMLS a un comportement analogue au
prcdent.

Figure 54: spline d'ajustement pour =0.01
57

Figure 55: SMLS pour =0.01

Pour =0.01 la spline d'ajustement approche mieux la fonction de dpart, mais un
comportement inattendu pour le valeurs de x proche de 3.


Figure 56: spline d'ajustement pour
3
10

= (simple prcision)

Figure 57: spline d'ajustement pour
3
10

= (double prcision)

58

Figure 58: SMLS pour
3
10

=

Pour
3
10

= la spline d'ajustement calcule avec des rels cods en simple prcision laisse
apparatre pour les valeurs de x suprieures 1.5 des oscillations inattendues. Ce comportement est d
tout d'abord aux erreurs d'arrondis sur les coefficients (c,d) pendant l'inversion de la matrice (qui est
ici d'ordre 102). Ces erreurs tant ensuite amplifies lors de l'valuation de la spline car ces
coefficients sont multiplis par les fonctions
i
qui sont les parties positives de polynmes de degrs
3 donc ayant une croissance assez rapide. Ainsi nous voyons que quand le nombre de points est
important et que le paramtre est proche de zro, il devient ncessaire pour calculer la spline
d'ajustement de faire les calculs en double prcision ce qui augmente encore le cot de l'algorithme.
La SMLS en revanche garde des oscillations analogues celles qu'elle prsentait prcdemment.


Figure 59: spline d'ajustement pour =0 (simple prcision)

59

Figure 60: spline d'ajustement pour =0 (double prcision)

Figure 61: SMLS pour =0

Pour =0 les instabilits numriques du calcul de la spline d'interpolation des valeurs bruites
de f sont nettement plus importantes, en revanche en effectuant les calculs en double prcision le
rsultat est bien celui attendu. La SMLS elle aussi interpole les valeurs bruites.

Figure 62: SMLS pour
6
10 =
Pour
6
10 = le comportement de la SMLS est analogue aux prcdents: l'influence du
paramtre n'est donc pas flagrante, ce quoi on pouvait s'attendre en prenant la diagonalisation
( ) ( )
x
u x f x

= .
60

Les oscillations des SMLS peuvent s'expliquer par le fait qu'en chaque point o est value la
SMLS, uniquement les 3 points les plus proches entrent en jeux. En effet le dbruitage obtenu grce
la spline d'ajustement est bas sur le fait que la moyenne des bruits est nulle, ce qui implique d'aprs
la loi forte des grands nombres, que sur les 100 points la moyenne des bruits est proche de 0. En
revanche les 3 points pris en compte pour la SMLS ne vrifient pas cette proprit. Ainsi l'aspect local
des SMLS ne permet pas le "lissage" des donnes permis par les splines d'ajustement.
Dans la pratique pour ajuster des donnes bruites, on a vu le rle majeur du paramtre .
Pour l'exemple prcdent, nous avons observ que pour proche de
2
10

, l'approximation par spline

d'ajustement tait correcte car nous connaissions les valeurs de la fonction avant bruitage, mais dans
la pratique, c'est prcisment cette fonction qui est inconnue. La mthode GCV (Generalized Cross
Validation) permet ainsi de choisir priori une valeur du paramtre . (cf Grace Wahba, Smoothing
Splines in Nonparametric Regression, Technical report no 1024)

III) Rsolution numrique de l'quation de convection-diffusion
1) Discrtisation en espace
On s'intresse en premier lieu l'quation diffrentielle du second ordre donne par le
systme (4) qui correspond au problme qui sera rsolu chaque pas de temps lors de l'intgration en
temps de l'quation de convection diffusion.
Un des problmes techniques rsoudre pour la mise en oeuvre de la mthode dcrite dans la
partie B)I)2) est le calcul approch des intgrales constituant la matrice K. Ce calcul est ralis dans
l'algorithme disponible en annexe grce une mthode des trapzes, les points de quadrature tant
choisis pour satisfaire la condition suivante.

Proprit C.III.1.: si la mthode de rsolution numrique du systme (4) est exacte pour les fonctions
affines alors: { } ( ) 2,.., 1 , 0
i
I
N
i n t dt
x

Preuve:
( ) ] [
( ) ( )
1
1 1
" sur ,..,
, ,
,
n
n n
u u ax b I x x
a b R
u x ax b u x ax b
+ = + =

/

= + = +

donne en particulier dans le systme

{ } ( ) ( ) ( ) ( ) ( ) ( )
1 1
2,.., 1 ,
n n
j
i
j j j i j
j j
I I I
N
N
i n u x x dx u N x N x dx N x ax b dx
x x

= =
+ = +



{ } ( ) ( ) ( ) ( ) ( ) ( )
1 1
2,.., 1 ,
n n
j
i
j i j j j
j j
I I I
N
N
i n x u x dx N x u N x dx N x ax b dx
x x

= =

+ = +





et la solution si la mthode de rsolution numrique du systme (4) est exacte pour les fonctions
affines est: ( ) ( )
1
n
j j
j
u x u N x ax b
=
= = +

et ainsi d'aprs la proprit I.4.1 on a:

( ) ( ) ( )
1
'
n
j
j
j
N
u
a u x x u x
x x

=
= = =

{ } ( ) ( )( ) ( ) ( ) 2,.., 1 ,
i
i j
I I I
N
i n a x dx N x ax b dx N x ax b dx
x

+ + = +


et ainsi { } ( ) 2,.., 1 , 0
i
I
N
i n x dx
x

CQFD
Dans les exemples suivants les noeuds de discrtisation en espace sont uniformment rpartis
tels que
1 2
0 .. 1
n
x x x = < < < = ainsi par symtrie des configurations on a la symtrie des fonctions
de forme des SMLS (sauf pour la premire et la dernire):
{ } [ ] ( ) ( ) 2,.., 1 , 0,1 ,
i i i i
i n x N x x N x x = +
61
{ } [ ] ( ) ( ) 2,.., 1 , 0,1 ,
i i
i i
N N
i n x x x x x
x x


= +
Ainsi les points de quadrature seront choisis symtriques par rapport aux noeuds. Dans la
pratique on a plac 10 points de quadrature dans chaque intervalle [ ]
1
,
i i
x x
+
, ce qui revient choisir
10(n-1)+n points uniformment rpartis sur [0,1]

Remarque: dans la rsolution numrique du problme (4) nous avons deux types de systmes
inverser:
_ des systmes d'ordre 4 ou 5 pour obtenir les valeurs des fonctions de forme et des pseudo-
drives des fonctions de forme aux points voulus pour le calcul approch des intgrales. Les
fonctions de forme comme leur pseudo-drives tant obtenues par inversion de la mme matrice, on
utilise pour cela une mthode de pivot de Gauss dans lequel on envisage simultanment les deux
seconds membres correspondants.
_ un systme d'ordre n+2 symtrique creux puisque constitu d'une matrice d'ordre n penta-
diagonale pour obtenir la solution approche de l'quation diffrentielle. On utilisera encore ici une
mthode de pivot de Gauss, sachant que dans la phase de triangulation, il n'y a que 4 lignes modifier
pour chaque pivot (les 2 lignes sous le pivot et les n+1 et n+2-me lignes)

La mthode de rsolution numrique de l'quation (4), est mise l'preuve sur deux
problmes : (i)
( ) ( ) [ ]
( ) ( )
2
" 4 sin 2 , 0,1
0 1 0
u x x x
u u
=

= =

(ii)
( ) ( )
( )
( )
( )
[ ]
( ) ( )
2
3 4
0.55
0.11 0.55 0.55
" cos 1 sin , 0,1
0.1 0.1
0.1 0.1
0 0, 1 1
u x u x x x
x x
x x
u u

| |
| | | |
| + = + +
| |
|
+ +
\ \ + +

= =

dont les solutions sont respectivement ( ) sin 2 x x et
0.55
sin
0.1
x x
x


+


Nous reprsentons graphiquement les rsultats obtenus pour diffrentes valeurs de et pour de 10
800 noeuds uniformment rpartis sur [0,1]. On reprsente pour les deux problmes l'erreur avec la
solution exacte, une diffrentes valeurs de :
_ un carr pour
4
10

=
_ une croix pour
2
10

=
_ un cercle pour 1 =
_ un point pour
2
10 =
_ un losange pour
4
10 =

Figure 63: erreur en norme ( )
2
0,1 L pour le problme (i) en fonction du nombre de noeuds
62

On observe globalement sur la figure 63 une convergence en norme ( )
2
0,1 L de la mthode et
que l'influence du paramtre n'est pas nette: selon le nombre de noeuds la meilleure approximation
est obtenue pour des valeurs variables de . Pour 800 noeuds et =1 on obtient une erreur en norme
( )
2
0,1 L environ gale
6
6, 84.10

.
L'erreur en norme ( ) 0,1 L

prsente le mme comportement que celui de l'erreur en norme

( )
2
0,1 L et on obtient pour 800 noeuds et =1 un erreur d'environ
5
1, 52.10

Le problme (ii) a pour solution
0.55
sin
0.1
x x
x


+

dont la reprsentation graphique (cf
figure ) met en vidence des oscillations dont l'amplitude et la priode diminuent lorsque x se
rapproche de 0.

Figure 64: reprsentation graphique de la solution du problme (ii)

Figure 65: erreur en norme ( )
2
0,1 L pour le problme (ii) en fonction du nombre de noeuds

Cette fois le comportement des rsolutions semble dpendre peu de la valeur du paramtre :
sur le graphique de la figure 65 on ne distingue pas les points les uns des autres. De plus, le graphique
de la figure 65 dont les axes des abscisses et des ordonnes sont munis d'chelles logarithmiques met
en vidence l'alignement de points sur une droite de pente proche de
( ) ( )
2 5
ln 4, 5.10 ln 1, 5.10
1.83
ln10 ln800

ce qui traduit la convergence d'ordre 2 de la solution

approche vers la solution exacte en norme ( )
2
0,1 L .
63

2) Discrtisation en temps et en espace

La mthode numrique prsente en B)I)3) est mise en oeuvre grce l'algorithme propos en
annexe et teste sur quatre problmes: deux quations de diffusion et deux quations de convection-
diffusion. L'algorithme prsente deux phases:
_ une phase de calcul des fonctions de forme associes aux noeuds donnes, puis de
calcul des diffrentes intgrales des fonctions de forme et de leurs pseudo-drives. On obtient ainsi
la discrtisation en espace du problme
_ une boucle correspondant la discrtisation en temps, dans laquelle on calcule le
second membre du systme puis sa rsolution (la matrice inverser est indpendante du pas de temps
considr contrairement au second membre)
Cet algorithme donne les erreurs en norme ( )
2
0,1 L et ( ) 0,1 L

de la solution approche
avec la solution analytique au temps t=1: les rsultats dtaills sont proposs en annexe.
(iii)
( ) ( ) ( ) ( ) [ ] [ ]
( ) [ ]
( ) ( ) [ ]
2
, " , 1 4 sin 2 , 0,1 , 0,1
, 0 0, 0,1
0, 1, 0, 0,1
u
x t u x t t x t x
t
u x x
u t u t t

= +

= =

(iv)
( ) ( ) ( ) ( ) ( ) [ ] [ ]
( ) [ ]
( ) ( ) [ ]
2
, " , ' 1 4 sin 2 2 cos(2 ), 0,1 , 0,1
, 0 0, 0,1
0, 1, 0, 0,1
u
x t u x t u t t x t x t x
t
u x x
u t u t t

+ = + +

= =

Les problmes (iii) et (iv) admettant pour solution ( ) ( ) , sin 2 x t t x prsentent une
rgularit de la condition initiale et de la solution.

Figure 66: reprsentation graphique de la solution des problmes (iii) et (iv)

Pour le problme (iii) avec dix noeuds de discrtisation en espace, et pour un pas de temps de
1/10 on obtient au temps t=1 une erreur en norme ( )
2
0,1 L avec la solution analytique d'environ 0.077
et une erreur maximale d'environ 0.13. Pour une mme discrtisation en espace mais en divisant par 5
le pas de temps on raffine l'approximation puisque que l'on obtient une erreur en norme ( )
2
0,1 L
64
d'environ 0.051 et une erreur maximale d'environ 0.096 (obtenue au mme point que pour un pas de
temps plus important). Cependant on ne retrouve pas la convergence d'ordre 1 obtenue par le schma
d'intgration en temps: le petit nombre de noeuds de discrtisation en espace empche d'obtenir la
prcision voulue.
Le mme problme trait avec une discrtisation en espace sur 50 noeuds prsente cette fois
une convergence d'ordre 1 en temps puisqu'on obtient pour les erreurs approximatives en norme
( )
2
0,1 L : 0.037 pour 0.1 t = , 0.0085 pour 0.02 t = et 0.0049 pour 0.01 t = . Les erreurs
maximales ont le mme comportement et sont obtenues au mme point.
Pour 100 noeuds de discrtisation en espace le comportement est analogue et on obtient pour
un pas de temps 0.001 t = une erreur en norme ( )
2
0,1 L d'environ 0.001, l'erreur maximale quand
elle est d'environ 0.0002 et obtenue pour un point proche de 0.75 ce qui correspond un extremum de
la solution analytique. On observe que pour 200 noeuds de discrtisation en espace et un pas de temps
0.005 t = l'approximation est moins bonne que prcdemment alors que le temps calcul est plus
important (car la matrice inverser est d'ordre 202) ainsi pour augmenter la prcision il vaut mieux
diminuer le pas de temps qu'augmenter le nombre de noeuds.
Les rsultats obtenus pour la rsolution du problme (iv) sont du mme ordre de prcision
lorsque l'on choisit les mme nombre de noeuds et le mmes pas de temps.

(v)
( ) ( )
( )
( ) ( )
( ) [ ] [
( ) ( ) [ ]
( ) ( ) [ ]
2
1 4 3
,1
2
1
,1
2
0.55
0.55 0.11 0.55
, " , 1 sin cos , 0,1 , 0,1
0.1 0.1
0.1 0.1
, 0 , 0,1
0, 0, 1, 1, 0,1
u t
x t u x t t x x t x
t x x
x x
u x x x
u t u t t

| |
| | | |
| = + +
| |
|
+ +
\ \ + +
\

= =

(vi)
( ) ( ) ( )
( )
( ) ( )
( ) ( ) [ ]
( ) ( ) [ ]
2
1 4 2
2
1
,1
2
0.55
0.55 0.2 0.55 0.55
, " , ' , sin cos
0.1 0.1 0.1
0.1 0.1
, 0 , 0,1
0, 0, 1, 1, 0,1
u t
x t u x t u x t t x xt x x
t x x x
x x
u x x x
u t u t t

| |
| | | | | |
| + = + + +
| | |
|
+ + +
\ \ \ + +
\

= =

Les problmes (v) et (vi) admettant pour solution ( ) ( ) ( )
1
,1
2
0.55
, sin 1
0.1
x t tx t x
x

+

+


prsentent une discontinuit de la solution suivant l'axe d'quation x=0.5

65

Figure 67: reprsentation graphique de la solution des problmes (v) et (vi)

Dans le cas du problme (v), la convergence de la mthode est comme prcdemment obtenue
pour un nombre de noeuds suffisant et est linaire par rapport au pas de temps, ainsi pour 100 noeuds
et 0.005 t = l'erreur en norme ( )
2
0,1 L est d'environ 0.0074 . Il est cependant noter que lorsque
le nombre de noeuds est infrieur 50, la discontinuit n'est pas bien localise puisque l'erreur
maximale n'est pas obtenue pour les valeurs de x proche de 0.5, alors que pour 100 noeuds on localise
prcisment la discontinuit en x=0.5 et en ce point l'erreur maximale est d'environ 0.0032 pour
0.005 t = .
Pour le problme (vi) on n'observe plus la convergence proportionnelle au pas de temps pour
l'erreur en norme ( )
2
0,1 L mais on l'observe pour l'erreur en norme ( ) 0,1 L

. Ce phnomne est
probablement li au terme de convection devenant plus important face au terme de diffusion car la
convergence est linaire sur le terme de convection.


Conclusion

Nous avons mis en vidence plusieurs intrts de l'utilisation d'une approximation locale par
SMLS ou MLS plutt que d'une approximation globale pour la mthode de Galerkin:
_ la matrices sont creuses grce la compacit des supports des fonctions de formes,
les systmes sont ainsi nettement plus rapidement inverss
_ les discontinuits sont mieux localises, ce qui donne une plus grande stabilit aux
calculs numriques
_ les fonctions de forme ne sont pas polynomiales par morceau, ce qui permet de
mieux approches les solutions peu rgulires
_ en dimension un, les conditions limites sont facilement imposes car les SMLS
interpolent les valeurs aux bords de l'intervalle
_ les mthodes sont adaptatives dans le sens o l'on peut modifier certains noeuds
entre deux itrations en temps sans avoir rvaluer l'ensemble des fonctions de forme
66

Annexe: les algorithmes suivants sont programms en Fortran 77
Algorithme pour la spline d'approximation
program splin4
parameter (m=100+2)
real*8 x(m),u(m),lambda,c(m),spli,a,b
integer n,k,l
open (11,file='donnees.txt',status='old')
read(11,*) n
do 1 i=1,n
read(11,*) x(i)
read(11,*) u(i)
1 continue
read(11,*) lambda
read(11,*) a
read(11,*) b
read(11,*) k
close (11)
call fctdebase(n,x,lambda,c,u)
open(10,File='resultat.txt',status='old')
write(10,*) 'liste:=['
do 3 j=0,k
t=a+j*(b-a)/k
spli=0.
do 5 i=1,n
spli=spli+c(i)*((abs(x(i)-t))**3)/12
5 continue
spli=spli+c(n+1)+c(n+2)*t
write (10,4) t,spli
4 format ( '[', f5.3 ,',', f9.5 ,'],')
3 continue
close(10)
end


subroutine fctdebase(n,x,lambda,Ni,u)
parameter (p=100+2)
real*8 M(p,p), v(p), Ni(p),x(p)
real*8 lambda,u(p)
do 1 i=1,n
v(i)=u(i)
do 2 j=1,n
M(i,j)=((abs(x(i)-x(j)))**3)/12
if (i .EQ. j) then
M(i,j)=M(i,j)+lambda/1.
endif
2 continue
M(i,n+1)=1.
M(i,n+2)=x(i)
M(n+1,i)=M(i,n+1)
M(n+2,i)=M(i,n+2)
1 continue
v(n+1)=0.
v(n+2)=0.
M(n+1,n+1)=0.
M(n+2,n+1)=0.
M(n+1,n+2)=0.
M(n+2,n+2)=0.
call resolution (n+2,M,Ni,v)
return
end

subroutine resolution(n,A,Ni,b)
parameter (m=100+2)
real*8 A(m,m), Ni(m)
real*8 b(m), c(m), d, sum
integer p
do 1 i=1,n-1
do 7 k=i,n
if (A(k,i) .NE. 0) then
p=k
goto 8
endif
7 continue
8 continue
if (p .NE. i) then
do 2 j=1,n
c(j)=A(p,j)
A(p,j)=A(i,j)
A(i,j)=c(j)
2 continue
d=b(p)
b(p)=b(i)
b(i)=d
endif
if (A(i,i) .NE. 0.) then
do 3 k=i+1,n
do 4 j=i+1,n
A(k,j)=A(k,j)-A(i,j)*A(k,i)/A(i,i)
4 continue
b(k)=b(k)-b(i)*A(k,i)/A(i,i)
A(k,i)=0.
3 continue
else
print*, 'matrice non inversible'
return
endif
1 continue
Ni(n)=b(n)/A(n,n)
do 5 k=n-1,1,-1
sum=0
do 6 j=k+1,n
sum=sum+A(k,j)*Ni(j)
6 continue
Ni(k)=(b(k)-sum)/A(k,k)
5 continue
return
end

67
Algorithme pour les SMLS
68
program splin8
parameter (m=100+2)
real x(m),u(m),lambda,Ni(m),spli,a,b,z(-1:m)
integer n,k,l
open (11,file='donnees.txt',status='old')
read(11,*) n
do 1 i=1,n
read(11,*) x(i)
read(11,*) u(i)
1 continue
read(11,*) lambda
read(11,*) a
read(11,*) b
read(11,*) k
close (11)
z(-1)=2*x(1)-(x(2)+x(3))/2
z(0)=(3*x(1)-x(2))/2
do 6 i=1,n-1
z(i)=(x(i)+x(i+1))/2
6 continue
z(n)=(3*x(n)-x(n-1))/2
z(n+1)=2*x(n)-(x(n-1)+x(n-2))/2
open(10,File='resultat.txt',status='old')
write(10,*) 'liste:=['
do 3 j=0,k
t=a+j*(b-a)/k
call fctdebase(n,x,t,lambda,Ni,z)
spli=0.
do 5 i=1,n
spli=spli+Ni(i)*u(i)
5 continue
write (10,4) t,spli
4 format ( '[', f5.3 ,',', f9.5 ,'],')
3 continue
close(10)
end

subroutine fctdebase(n,x,t,lambda,Ni,z)
parameter (p=100+2)
real M(5,5), v(5), Ni(p),Niint(5),x(p),lambda,z(-1:p)
k=0
do 1 i=1,n
call w(t,z(i-2),z(i+1),x(i),wx)
if (wx .LE. 1E-8 ) goto 1
k=k+1
v(k)=((abs(x(i)-t))**3)/12
l=0
do 2 j=1,n
call w(t,z(j-2),z(j+1),x(j),wx)
if (wx .LE. 1E-8 ) goto 2
l=l+1
M(k,l)=((abs(x(i)-x(j)))**3)/12
if (k .EQ. l) then
M(k,l)=M(k,l)+lambda/wx
endif
2 continue
M(k,l+1)=1.
M(k,l+2)=x(i)-t
M(l+1,k)=M(k,l+1)
M(l+2,k)=M(k,l+2)
1 continue
v(k+1)=1
v(k+2)=0
M(k+1,l+1)=0.
M(k+2,l+1)=0.
M(k+1,l+2)=0.
M(k+2,l+2)=0.
call resolution (k+2,M,Niint,v)
k=0
do 3 i=1,n
call w(t,z(i-2),z(i+1),x(i),wx)
if (wx .GT. 1E-8 ) then
k=k+1
Ni(i)=Niint(k)
else
Ni(i)=0.
endif
3 continue
return
end
subroutine w(t,a,b,x,wx)
real y,wx
wx=0.
if ((t .LT. b) .and. (a .LT. t)) then
*maillage uniforme*
* y=(t-a)/(b-a)+(t-b)/(b-a)*
y=(a-b)*(t-x)/((2*x-a-b)*t+2*a*b-x*(a+b))
wx= exp(1/(y**2-1)+1)
endif
return
end

subroutine resolution(n,A,Ni,b)
parameter (m=3+2)
real A(m,m), Ni(m)
real b(m), c(m), d, sum
integer p
do 1 i=1,n-1
do 7 k=i,n
if (A(k,i) .NE. 0) then
p=k
goto 8
endif
7 continue
8 continue
if (p .NE. i) then
do 2 j=1,n
c(j)=A(p,j)
A(p,j)=A(i,j)
A(i,j)=c(j)
2 continue
d=b(p)
b(p)=b(i)
b(i)=d
endif
if (A(i,i) .NE. 0.) then
do 3 k=i+1,n
do 4 j=i+1,n
A(k,j)=A(k,j)-A(i,j)*A(k,i)/A(i,i)
4 continue
b(k)=b(k)-b(i)*A(k,i)/A(i,i)
A(k,i)=0
3 continue
else
print*, 'matrice non inversible'
return
endif
1 continue
Ni(n)=b(n)/A(n,n)
do 5 k=n-1,1,-1
sum=0
do 6 j=k+1,n
sum=sum+A(k,j)*Ni(j)
6 continue
Ni(k)=(b(k)-sum)/A(k,k)
5 continue
return
end

69
70
Algotithme de rsolution des quations (v) et (6)
program edp
parameter (m1=8000)
parameter (m2=800)
real*8 x(m2),lambda,Ni(m2+2),MNi(m2,m1),sol,z(-1:m2+1),ft
real*8 K(m2+2,m2+2),G(m2,m2),F(m2+2),Niprime(m2+2),val
real*8 MNiprime(m2,m1),U(m2+2),int1,int2,one,K2(m2+2,m2+2)
real*8 a,b,deltat,norme,erreur(2),u1,u2,t,int3
integer n,l,p,i,j,nbtps
open (11,file='donnee2.txt',status='old')
read(11,*) a
read(11,*) b
read(11,*) u1
read(11,*) u2
read(11,*) n
read(11,*) lambda
read(11,*) p
read(11,*) deltat
read(11,*) nbtps
one=1.
do 1 i=1,n
x(i) = real(i-1)/real(n-1)
if (x(i).LT. 0.5) then
u(i)=0.
else
u(i)=1.
endif
1 continue
U(n+1)=a*deltat*(U(1)-U(2))/((x(1)-x(2))*2)
U(n+2)=-a*deltat*(U(n)-U(n-1))/((x(n)-x(n-1))*2)
close (11)
z(-1)=2*x(1)-(x(2)+x(3))/2
z(0)=(3*x(1)-x(2))/2
do 6 i=1,n-1
z(i)=(x(i)+x(i+1))/2
6 continue
z(n)=(3*x(n)-x(n-1))/2
z(n+1)=2*x(n)-(x(n-1)+x(n-2))/2
do 3 j=1,p
t=x(1)+(j-1)*(x(n)-x(1))/(p-1)
call fctdebase(n,x,t,lambda,Ni,z,Niprime)
do 2 l=1,n
MNi(l,j)=Ni(l)
MNiprime(l,j)=Niprime(l)
2 continue
3 continue
do 7 i=1,n
do 8 j=1,n
if (abs(i-j) .GT. 2) then
K(i,j)=0.
G(i,j)=0.
else
call integ(x(n)-x(1),p,MNi,MNi,i,j,int1)
call integ(x(n)-x(1),p,MNiprime,MNiprime,i,j,int2)
call integ(x(n)-x(1),p,MNi,MNiprime,i,j,int3)
K(i,j)=int1+a*deltat*int2/2
G(i,j)=int1-a*deltat*int2/2-b*deltat*int3
endif
8 continue
K(i,n+1)=0.
K(n+1,i)=0.
K(i,n+2)=0.
K(n+2,i)=0.
7 continue
K(1,n+1)=1.
K(n+1,1)=1.
K(n,n+2)=1.
K(n+2,n)=1.
K(n+1,n+1)=0.
K(n+1,n+2)=0.
K(n+2,n+1)=0.
K(n+2,n+2)=0.
do 11 j=1,nbtps
do 12 i1=1,n
t= real(j-1)/real(nbtps)
call intf(a,b,p,MNi,i1,val,t)
F(i1)=deltat*val
do 13 i=1,n
71
F(i1)=F(i1)+U(i)*G(i1,i)
13 continue
12 continue
F(1)=F(1)-U(n+1)
F(n)=F(n)-U(n+2)
F(n+1)=u1
F(n+2)=u2
do 14 i=1,n+2
do 15 i1=1,n+2
K2(i,i1)=K(i,i1)
15 continue
14 continue
call resol1 ( n+2,K2,U,F,U,F)
11 continue
open(10,File='resultat.txt',status='old')
norme=0.
erreur(1)=0.
erreur(2)=0.
do 5 j=1,p
t=x(1)+(j-1)*(x(n)-x(1))/(p-1)
sol=0.
do 9 i=1,n
sol=sol+MNi(i,j)*U(i)
9 continue
sol=abs(t*sin(0.55*3.141592653589793/(t+0.1))- sol)
if ((j .EQ. 1).OR.(j .EQ. p)) then
norme=norme+(sol)**2/2
else
norme=norme+(sol)**2
endif
if (sol .GT. erreur(2)) then
erreur(1)=t
erreur(2)=sol
endif
5 continue
norme=sqrt(norme/(p-1))
write(10,*) 'nombre de noeuds',n
write(10,*) 'pas de temps', 1./real(nbtps)
write(10,*) 'lambda', lambda
write (10,*) 'norme L2',norme
write (10,*) 'erreur max [',erreur(1),',',erreur(2),']'
close(10)
end

subroutine fctdebase(n,x,t,lambda,Ni,z,Niprime)
parameter (m1=8000)
parameter (m2=800)
real*8 M(m2+2,m2+2),v(m2+2), Ni(m2+2),Niint(m2+2)
real*8 x(m2),lambda,z(-1:m2+1),t,wx, Niprime(m2+2)
real*8 Mprime(m2+2,m2+2), vprime(m2+2), Niprint(m2+2)
integer k,i,j,n,l
k=0
do 1 i=1,n
call w(t,z(i-2),z(i+1),x(i),wx)
if (abs(wx) .LE. 1E-8 ) goto 1
k=k+1
v(k)=((abs(x(i)-t))**3)/12
if (x(i) .LT. t) then
vprime(k)=((x(i)-t)**2)/4
else
vprime(k)=-((x(i)-t)**2)/4
endif
l=0
do 2 j=1,n
call w(t,z(j-2),z(j+1),x(j),wx)
if (abs(wx) .LE. 1E-8) goto 2
l=l+1
M(k,l)=((abs(x(i)-x(j)))**3)/12
if (k .EQ. l) then
M(k,l)=M(k,l)+lambda/wx
endif
2 continue
M(k,l+1)=1.
M(k,l+2)=x(i)-t
M(l+1,k)=M(k,l+1)
M(l+2,k)=M(k,l+2)
1 continue
v(k+1)=1.
72
vprime(k+1)=0.
v(k+2)=0.
vprime(k+2)=1.
M(k+1,l+1)=0.
M(k+2,l+1)=0.
M(k+1,l+2)=0.
M(k+2,l+2)=0
call resol1 (k+2,M,Niint,v,Niprint,vprime)
k=0
do 3 i=1,n
call w(t,z(i-2),z(i+1),x(i),wx)
if (abs(wx) .GT. 1E-8 ) then
k=k+1
Ni(i)=Niint(k)
Niprime(i)=Niprint(k)
else
Ni(i)=0.
Niprime(i)=0.
endif
3 continue
return
end

subroutine w(t,a,b,x,wx)
implicit none
real*8 y,wx,t,b,a,x
wx=0
if ((t .LT. b) .and. (a .LT. t)) then
y=(t-a)/(b-a)+(t-b)/(b-a)
if ((y**2-1) .LT. -1E-8) then
wx= exp(1/(y**2-1)+1)
endif
endif
return
end

subroutine resol1(n,A,Ni,b,Niprime,bprime)
parameter (m1=8000)
parameter (m2=800)
real*8 A(m2+2,m2+2), Ni(m2+2),Niprime(m2+2),bprime(m2+2)
real*8 b(m2+2), c(m2+2), d, sum,sum2
integer p,n,k,i,j
do 1 i=1,n-1
do 7 k=i,n
if (A(k,i) .NE. 0) then
p=k
goto 8
endif
7 continue
8 continue
if (p .NE. i) then
do 2 j=1,n
c(j)=A(p,j)
A(p,j)=A(i,j)
A(i,j)=c(j)
2 continue
d=b(p)
b(p)=b(i)
b(i)=d
d=bprime(p)
bprime(p)=bprime(i)
bprime(i)=d
endif
if (A(i,i) .NE. 0) then
do 3 k=i+1,n
if (A(k,i) .NE. 0.) then
do 4 j=i+1,n
A(k,j)=A(k,j)-A(i,j)*A(k,i)/A(i,i)
4 continue
b(k)=b(k)-b(i)*A(k,i)/A(i,i)
bprime(k)=bprime(k)-bprime(i)*A(k,i)/A(i,i)
A(k,i)=0.
endif
3 continue
else
print*, 'matrice non inversible'
read*, A
return
73
endif
1 continue
Ni(n)=b(n)/A(n,n)
Niprime(n)=bprime(n)/A(n,n)
do 5 k=n-1,1,-1
sum=0.
sum2=0.
do 6 j=k+1,n
sum=sum+A(k,j)*Ni(j)
sum2=sum2+A(k,j)*Niprime(j)
6 continue
Ni(k)=(b(k)-sum)/A(k,k)
Niprime(k)=(bprime(k)-sum2)/A(k,k)
5 continue
return
end


subroutine integ(a,k,M,N,i,j,int1)
parameter (m1=8000)
parameter (m2=800)
real*8 M(m2,m1),N(m2,m2),int1,a
integer i,j,k,l
int1= M(i,1)*N(j,1)/2
do 1 l=2,k-1
int1=int1+M(i,l)*N(j,l)
1 continue
int1=int1+ M(i,k)*N(j,k)/2
int1=a*int1/(k-1)
return
end

subroutine intf(a,b,k,M,i,int1,t)
parameter (m1=8000)
parameter (m2=800)
real*8 M(m2,m1),int1,fx,a,b,t,x
integer i,j,k
x=0.
call fonct (a,b,x,fx,t)
int1= M(i,1)*fx/2
do 1 j=2,k-1
x=real(j-1)/real(k-1)
call fonct (a,b,x,fx,t)
int1=int1+M(i,j)*fx
1 continue
x=1.
call fonct (a,b,x,fx,t)
int1=int1+ M(i,k)*fx/2
int1=int1/(k-1)
return
end

subroutine fonct (a,b,x,fx,t)
real*8 x,fx,pi,t,a,b,c
pi= 3.141592653589793
c=0.55*pi/(x+0.1)
fx=x*sin(c)+b*t*(sin(c)-x*c*cos(c)/(x+0.1))
fx=fx-a*t*(-2*c*cos(c)/(x+0.1)+2*x*c*cos(c)/(x+0.1)**2)
fx=fx+a*t*(x*(c**2)*sin(c)/(x+0.1)**2)
if (x .gt. 0.5) then
fx= fx-1.
endif
return
end

74
Rsultats de la rsolution numrique du problme (i)
nombre de noeuds 10
lambda= 9.999999999999999E-005
norme L2 4.720376111495694E-002
erreur max [ 0.722222222222222 , 5.915749396824033E-002]

nombre de noeuds 10
lambda= 9.999999999999998E-003
norme L2 4.756168625657266E-002
erreur max [ 0.222222222222222 , 0.102941880570925 ]

nombre de noeuds 10
lambda= 1.00000000000000
norme L2 4.791619061186145E-002
erreur max [ 0.222222222222222 , 0.103383166779110 ]

nombre de noeuds 10
lambda= 100.000000000000
norme L2 5.698250887127222E-002
erreur max [ 0.222222222222222 , 0.103135201692949 ]

nombre de noeuds 10
lambda= 10000.0000000000
norme L2 0.162796550479448
erreur max [ 0.777777777777778 , 0.245226800964422 ]

nombre de noeuds 50
lambda= 9.999999999999999E-005
norme L2 5.056020668760652E-002
erreur max [ 0.244897959183673 , 5.358286057073980E-002]

nombre de noeuds 50
lambda= 9.999999999999998E-003
norme L2 5.354613178721057E-003
erreur max [ 0.755102040816326 , 8.208657090043037E-003]

nombre de noeuds 50
lambda= 1.00000000000000
norme L2 8.856761963284490E-003
erreur max [ 0.142857142857143 , 1.424590534766090E-002]

nombre de noeuds 50
lambda= 100.000000000000
norme L2 1.544910361116573E-003
erreur max [ 0.244897959183673 , 3.082079852262054E-003]

nombre de noeuds 50
lambda= 10000.0000000000
norme L2 1.544910377840049E-003
erreur max [ 0.244897959183673 , 3.082079888445444E-003]

nombre de noeuds 100
lambda= 9.999999999999999E-005
norme L2 1.273023270203774E-003
erreur max [ 0.747474747474748 , 1.970079309489448E-003]

nombre de noeuds 100
lambda= 9.999999999999998E-003
norme L2 8.522811638625578E-003
erreur max [ 0.747474747474748 , 9.269942228318007E-003]

nombre de noeuds 100
lambda= 1.00000000000000
norme L2 1.906705971170262E-003
erreur max [ 0.000000000000000E+000, 4.224263096421477E-003]

nombre de noeuds 100
lambda= 100.000000000000
norme L2 1.221490776645796E-003
erreur max [ 0.858585858585859 , 1.954305359520569E-003]

nombre de noeuds 100
lambda= 10000.0000000000
norme L2 1.926793857408478E-002
erreur max [ 0.747474747474748 , 2.001976999494426E-002]

nombre de noeuds 200
lambda= 9.999999999999999E-005
75
norme L2 2.030149609567166E-003
erreur max [ 0.251256281407035 , 2.214978153267655E-003]

nombre de noeuds 200
lambda= 9.999999999999998E-003
norme L2 4.445473940890070E-004
erreur max [ 0.000000000000000E+000, 9.985436102148343E-004]

nombre de noeuds 200
lambda= 1.00000000000000
norme L2 5.643804402243198E-003
erreur max [ 0.748743718592965 , 5.830054580404420E-003]

nombre de noeuds 200
lambda= 100.000000000000
norme L2 2.400319025661298E-003
erreur max [ 0.748743718592965 , 2.585518320010194E-003]

nombre de noeuds 200
lambda= 10000.0000000000
norme L2 1.246385727273399E-003
erreur max [ 0.000000000000000E+000, 1.954051077457677E-003]

nombre de noeuds 300
lambda= 9.999999999999999E-005
norme L2 5.934724009030602E-003
erreur max [ 0.749163879598662 , 6.017420905866100E-003]

nombre de noeuds 300
lambda= 9.999999999999998E-003
norme L2 4.745165383339420E-004
erreur max [ 0.749163879598662 , 5.555458379274958E-004]

nombre de noeuds 300
lambda= 1.00000000000000
norme L2 6.445987096780804E-005
erreur max [ 0.250836120401338 , 1.321829095048965E-004]

nombre de noeuds 300
lambda= 100.000000000000
norme L2 2.105675848497042E-004
erreur max [ 0.117056856187291 , 3.561683159041262E-004]

nombre de noeuds 300
lambda= 10000.0000000000
norme L2 2.420780895025944E-003
erreur max [ 0.749163879598662 , 2.503271616514757E-003]

nombre de noeuds 400
lambda= 9.999999999999999E-005
norme L2 2.089519505119473E-004
erreur max [ 0.000000000000000E+000, 3.778644658048884E-004]

nombre de noeuds 400
lambda= 9.999999999999998E-003
norme L2 1.888324270744903E-002
erreur max [ 0.749373433583960 , 1.892975163335320E-002]

nombre de noeuds 400
lambda= 1.00000000000000
norme L2 1.518418340023373E-004
erreur max [ 0.250626566416040 , 1.965675539619127E-004]

nombre de noeuds 400
lambda= 100.000000000000
norme L2 2.380008275845617E-003
erreur max [ 0.749373433583960 , 2.426417598841768E-003]

nombre de noeuds 400
lambda= 10000.0000000000
norme L2 9.534647358035500E-005
erreur max [ 0.250626566416040 , 1.389805315941128E-004]

nombre de noeuds 500
lambda= 9.999999999999999E-005
norme L2 2.497217779125288E-004
erreur max [ 1.00000000000000 , 4.094551915631499E-004]

76
nombre de noeuds 500
lambda= 9.999999999999998E-003
norme L2 3.849018604641888E-003
erreur max [ 0.749498997995992 , 3.878735053212568E-003]

nombre de noeuds 500
lambda= 1.00000000000000
norme L2 8.277531372320771E-005
erreur max [ 0.749498997995992 , 1.111705342401459E-004]

nombre de noeuds 500
lambda= 100.000000000000
norme L2 3.249623618380850E-005
erreur max [ 0.749498997995992 , 5.863002051575972E-005]

nombre de noeuds 500
lambda= 10000.0000000000
norme L2 3.792640378575672E-004
erreur max [ 1.00000000000000 , 6.829594068148156E-004]

nombre de noeuds 600
lambda= 9.999999999999999E-005
norme L2 9.073452461136576E-005
erreur max [ 0.250417362270451 , 1.107872874528404E-004]

nombre de noeuds 600
lambda= 9.999999999999998E-003
norme L2 5.924794568240529E-004
erreur max [ 0.000000000000000E+000, 7.751262199751515E-004]

nombre de noeuds 600
lambda= 1.00000000000000
norme L2 1.121877656171649E-004
erreur max [ 0.000000000000000E+000, 2.353073640525061E-004]

nombre de noeuds 600
lambda= 100.000000000000
norme L2 1.169133022979423E-004
erreur max [ 1.00000000000000 , 2.025113993599118E-004]

nombre de noeuds 600
lambda= 10000.0000000000
norme L2 2.490580401618928E-004
erreur max [ 1.00000000000000 , 4.184990651131025E-004]

nombre de noeuds 700
lambda= 9.999999999999999E-005
norme L2 8.733276365184724E-005
erreur max [ 0.748211731044349 , 1.021628402876340E-004]

nombre de noeuds 700
lambda= 9.999999999999998E-003
norme L2 5.190525620927995E-005
erreur max [ 1.00000000000000 , 1.096990426086180E-004]

nombre de noeuds 700
lambda= 1.00000000000000
norme L2 1.676743598238072E-004
erreur max [ 0.748211731044349 , 1.826627912889789E-004]

nombre de noeuds 700
lambda= 100.000000000000
norme L2 8.173669954843366E-005
erreur max [ 0.000000000000000E+000, 1.501512421216750E-004]

nombre de noeuds 700
lambda= 10000.0000000000
norme L2 6.397070766465741E-004
erreur max [ 0.748211731044349 , 6.548221316594605E-004]

nombre de noeuds 800
lambda= 9.999999999999999E-005
norme L2 3.582046915969690E-004
erreur max [ 1.00000000000000 , 6.615161843065283E-004]

nombre de noeuds 800
lambda= 9.999999999999998E-003
norme L2 5.974082177075880E-005
77
erreur max [ 0.000000000000000E+000, 9.743075866863424E-005]

nombre de noeuds 800
lambda= 1.00000000000000
norme L2 6.840758353145986E-006
erreur max [ 0.249061326658323 , 1.522592269787015E-005]

nombre de noeuds 800
lambda= 100.000000000000
norme L2 2.288636224788008E-004
erreur max [ 0.000000000000000E+000, 4.214208058658925E-004]

nombre de noeuds 800
lambda= 10000.0000000000
norme L2 7.783737784751855E-004
erreur max [ 0.748435544430538 , 7.899551839540830E-004]
78
Rsultats de la rsolution numrique du problme (ii)
nombre de noeuds 10
lambda= 9.999999999999999E-005
norme L2 3.128810985991168E-002
erreur max [ 6.666666666666667E-002, 0.124190241355281 ]

nombre de noeuds 10
lambda= 9.999999999999998E-003
norme L2 4.495655411275744E-002
erreur max [ 0.133333333333333 , 0.154555184347387 ]

nombre de noeuds 10
lambda= 1.00000000000000
norme L2 4.531172980920638E-002
erreur max [ 0.133333333333333 , 0.155649698516820 ]

nombre de noeuds 10
lambda= 100.000000000000 nombre de noeuds 50
norme L2 4.531531571623169E-002
erreur max [ 0.133333333333333 , 0.155660672045143 ]

nombre de noeuds 10
lambda= 10000.0000000000
norme L2 4.531535157873418E-002
erreur max [ 0.133333333333333 , 0.155660781783226 ]

nombre de noeuds 50
lambda= 9.999999999999999E-005
norme L2 3.678375636865514E-003
erreur max [ 6.122448979591837E-002, 2.076214673141118E-002]

nombre de noeuds 50
lambda= 9.999999999999998E-003
norme L2 3.707443519703278E-003
erreur max [ 6.122448979591837E-002, 2.098567606860735E-002]

nombre de noeuds 50
lambda= 1.00000000000000
norme L2 3.707736024470333E-003
erreur max [ 6.122448979591837E-002, 2.098792276139880E-002]

nombre de noeuds 50
lambda= 100.000000000000
norme L2 3.707738949701668E-003
erreur max [ 6.122448979591837E-002, 2.098794522947373E-002]

nombre de noeuds 50
lambda= 10000.0000000000
norme L2 3.707738978953880E-003
erreur max [ 6.122448979591837E-002, 2.098794545415315E-002]

nombre de noeuds 100
lambda= 9.999999999999999E-005
norme L2 9.851245825093014E-004
erreur max [ 3.030303030303030E-002, 5.967213179352527E-003]

nombre de noeuds 100
lambda= 9.999999999999998E-003
norme L2 9.863195356850200E-004
erreur max [ 3.030303030303030E-002, 5.975390610959280E-003]

nombre de noeuds 100
lambda= 1.00000000000000
norme L2 9.863314932676492E-004
erreur max [ 3.030303030303030E-002, 5.975472443861748E-003]

nombre de noeuds 100
lambda= 100.000000000000
norme L2 9.863316128445676E-004
erreur max [ 3.030303030303030E-002, 5.975473262195503E-003]

nombre de noeuds 100
lambda= 10000.0000000000
norme L2 9.863316140402848E-004
erreur max [ 3.030303030303030E-002, 5.975473270379391E-003]

nombre de noeuds 200
lambda= 9.999999999999999E-005
79
norme L2 2.467045038376707E-004
erreur max [ 2.512562814070352E-002, 1.624940228155656E-003]

nombre de noeuds 200
lambda= 9.999999999999998E-003
norme L2 2.467437362123862E-004
erreur max [ 2.512562814070352E-002, 1.625221375852661E-003]

nombre de noeuds 200
lambda= 1.00000000000000
norme L2 2.467441285693249E-004
erreur max [ 2.512562814070352E-002, 1.625224187597588E-003]

nombre de noeuds 200
lambda= 100.000000000000
norme L2 2.467441324925769E-004
erreur max [ 2.512562814070352E-002, 1.625224215712991E-003]

nombre de noeuds 200
lambda= 10000.0000000000
norme L2 2.467441325310502E-004
erreur max [ 2.512562814070352E-002, 1.625224215998016E-003]

nombre de noeuds 300
lambda= 9.999999999999999E-005
norme L2 1.094018376794896E-004
erreur max [ 2.675585284280936E-002, 7.376607210981719E-004]

nombre de noeuds 300
lambda= 9.999999999999998E-003
norme L2 1.094070159699599E-004
erreur max [ 2.675585284280936E-002, 7.376986655814322E-004]

nombre de noeuds 300
lambda= 1.00000000000000
norme L2 1.094070677500585E-004
erreur max [ 2.675585284280936E-002, 7.376990450532611E-004]

nombre de noeuds 300
lambda= 100.000000000000
norme L2 1.094070682703229E-004
erreur max [ 2.675585284280936E-002, 7.376990488337475E-004]

nombre de noeuds 300
lambda= 10000.0000000000
norme L2 1.094070682746518E-004
erreur max [ 2.675585284280936E-002, 7.376990488720675E-004]

nombre de noeuds 400
lambda= 9.999999999999999E-005
norme L2 6.145648627296225E-005
erreur max [ 2.756892230576441E-002, 4.125204998511982E-004]

nombre de noeuds 400
lambda= 9.999999999999998E-003
norme L2 6.145771424896789E-005
erreur max [ 2.756892230576441E-002, 4.125294519489696E-004]

nombre de noeuds 400
lambda= 1.00000000000000
norme L2 6.145772653400931E-005
erreur max [ 2.756892230576441E-002, 4.125295414355197E-004]

nombre de noeuds 400
lambda= 100.000000000000
norme L2 6.145772665464152E-005
erreur max [ 2.756892230576441E-002, 4.125295423410315E-004]

nombre de noeuds 400
lambda= 10000.0000000000
norme L2 6.145772665681127E-005
erreur max [ 2.756892230576441E-002, 4.125295423466936E-004]

nombre de noeuds 500
lambda= 9.999999999999999E-005
norme L2 3.929919368174545E-005
erreur max [ 2.605210420841683E-002, 2.648027010510381E-004]

80
nombre de noeuds 500
lambda= 9.999999999999998E-003
norme L2 3.929959568566138E-005
erreur max [ 2.605210420841683E-002, 2.648056413065945E-004]

nombre de noeuds 500
lambda= 1.00000000000000
norme L2 3.929959970648503E-005
erreur max [ 2.605210420841683E-002, 2.648056707304329E-004]

nombre de noeuds 500
lambda= 100.000000000000
norme L2 3.929959975961830E-005
erreur max [ 2.605210420841683E-002, 2.648056709669069E-004]

nombre de noeuds 500
lambda= 10000.0000000000
norme L2 3.929959976042757E-005
erreur max [ 2.605210420841683E-002, 2.648056709677153E-004]

nombre de noeuds 600
lambda= 9.999999999999999E-005
norme L2 2.727580031887259E-005
erreur max [ 2.671118530884808E-002, 1.843709205956480E-004]

nombre de noeuds 600
lambda= 9.999999999999998E-003
norme L2 2.727596173605599E-005
erreur max [ 2.671118530884808E-002, 1.843721049429384E-004]

nombre de noeuds 600
lambda= 1.00000000000000
norme L2 2.727596336134531E-005
erreur max [ 2.671118530884808E-002, 1.843721167177625E-004]

nombre de noeuds 600
lambda= 100.000000000000
norme L2 2.727596337336094E-005
erreur max [ 2.671118530884808E-002, 1.843721168478460E-004]

nombre de noeuds 600
lambda= 10000.0000000000
norme L2 2.727596337252089E-005
erreur max [ 2.671118530884808E-002, 1.843721168676669E-004]


nombre de noeuds 700
lambda= 9.999999999999999E-005
norme L2 2.003152470446640E-005
erreur max [ 2.718168812589413E-002, 1.351600779707675E-004]

nombre de noeuds 700
lambda= 9.999999999999998E-003
norme L2 2.003159933055148E-005
erreur max [ 2.718168812589413E-002, 1.351606245129679E-004]

nombre de noeuds 700
lambda= 1.00000000000000
norme L2 2.003160006659940E-005
erreur max [ 2.718168812589413E-002, 1.351606299876545E-004]

nombre de noeuds 700
lambda= 100.000000000000
norme L2 2.003160008017142E-005
erreur max [ 2.718168812589413E-002, 1.351606300395297E-004]

nombre de noeuds 700
lambda= 10000.0000000000
norme L2 2.003160007293310E-005
erreur max [ 2.718168812589413E-002, 1.351606300519920E-004]

nombre de noeuds 800
lambda= 9.999999999999999E-005
norme L2 1.533236307862728E-005
erreur max [ 2.628285356695870E-002, 1.035616452702004E-004]

nombre de noeuds 800
lambda= 9.999999999999998E-003
81
norme L2 1.533240134336186E-005
erreur max [ 2.628285356695870E-002, 1.035619256514325E-004]

nombre de noeuds 800
lambda= 1.00000000000000
norme L2 1.533240171389311E-005
erreur max [ 2.628285356695870E-002, 1.035619285180006E-004]

nombre de noeuds 800
lambda= 100.000000000000
norme L2 1.533240172120010E-005
erreur max [ 2.628285356695870E-002, 1.035619285195688E-004]

nombre de noeuds 800
lambda= 10000.0000000000
norme L2 1.533240171908414E-005
erreur max [ 2.628285356695870E-002, 1.035619285256022E-004]

Rsultats de la rsolution numrique du problme (iii)
nombre de noeuds 10
pas de temps 0.1000000
lambda 1.00000000000000
norme L2 7.671545490501619E-002
erreur max [ 0.222222222222222 , 0.132373669126860 ]

nombre de noeuds 10
pas de temps 2.0000000E-02
lambda 1.00000000000000
norme L2 5.100773816568557E-002
erreur max [ 0.222222222222222 , 9.654110808947292E-002]

nombre de noeuds 50
pas de temps 0.1000000
lambda 1.00000000000000
norme L2 3.670330087729468E-002
erreur max [ 0.244897959183673 , 5.284968969630566E-002]


nombre de noeuds 50
pas de temps 2.0000000E-02
lambda 1.00000000000000
norme L2 8.490016330163422E-003
erreur max [ 0.244897959183673 , 1.299420514477412E-002]

nombre de noeuds 50
pas de temps 9.9999998E-03
lambda 1.00000000000000
norme L2 4.973139516521609E-003
erreur max [ 0.244897959183673 , 8.012180804704672E-003]

nombre de noeuds 100
pas de temps 2.0000000E-02
lambda 1.00000000000000
norme L2 7.415859929622465E-003
erreur max [ 0.747474747474748 , 1.073397695422451E-002]

nombre de noeuds 100
pas de temps 2.0000001E-03
lambda 1.00000000000000
norme L2 1.061716661326505E-003
erreur max [ 0.747474747474748 , 1.741913265748685E-003]

nombre de noeuds 200
pas de temps 4.9999999E-03
lambda 1.00000000000000
norme L2 1.853749861748315E-003
erreur max [ 0.748743718592965 , 2.683316801814439E-003]

Rsultats de la rsolution numrique du problme (iv)
nombre de noeuds 50
pas de temps 2.0000000E-02
lambda 1.00000000000000
norme L2 8.554651944700330E-003
erreur max [ 0.265306122448980 , 1.452237102767229E-002]

nombre de noeuds 100
pas de temps 9.9999998E-03
82
lambda 1.00000000000000
norme L2 3.919658173142880E-003
erreur max [ 0.272727272727273 , 6.477694203894435E-003]

Rsultats de la rsolution numrique du problme (v)
nombre de noeuds 3
pas de temps 0.1000000
lambda 1.00000000000000
norme L2 0.150107867300964
erreur max [ 0.300000000000000 , 0.258749759728288 ]

nombre de noeuds 10
pas de temps 0.1000000
lambda 1.00000000000000
norme L2 6.130108821631310E-002
erreur max [ 0.133333333333333 , 0.141663440216743 ]

nombre de noeuds 50
pas de temps 2.0000000E-02
lambda 1.00000000000000
norme L2 1.688946237576735E-002
erreur max [ 0.518367346938776 , 9.336807695134366E-002]

nombre de noeuds 100
pas de temps 9.9999998E-03
lambda 1.00000000000000
norme L2 1.226957674673121E-002
erreur max [ 0.509090909090909 , 9.363809593261266E-002]

nombre de noeuds 100
pas de temps 4.9999999E-03
lambda 1.00000000000000
norme L2 7.388954060211610E-003
erreur max [ 0.508080808080808 , 3.241193075879939E-002]

Rsultats de la rsolution numrique du problme (vi)
nombre de noeuds 10
pas de temps 0.1000000
lambda 1.00000000000000
norme L2 5.670495540961066E-002
erreur max [ 0.133333333333333 , 0.148279144556147 ]

nombre de noeuds 50
pas de temps 2.0000000E-02
lambda 1.00000000000000
norme L2 1.770153044195249E-002
erreur max [ 0.538775510204082 , 9.725637522836628E-002]

nombre de noeuds 50
pas de temps 9.9999998E-03
lambda 1.00000000000000
norme L2 1.158397582158457E-002
erreur max [ 0.536734693877551 , 4.223575882516628E-002]

nombre de noeuds 100
pas de temps 9.9999998E-03
lambda 1.00000000000000
norme L2 1.401658107653556E-002
erreur max [ 0.519191919191919 , 9.724334223661468E-002]

nombre de noeuds 100
pas de temps 4.9999999E-03
lambda 1.00000000000000
norme L2 1.038505401354885E-002
erreur max [ 0.518181818181818 , 4.207198755741542E-002]

83

Bibliographie:

Articles de dpart:
J.M. Savignat, P. Villon, O. Stab, Construction of splines moving least squares its properties
and an application to differential equations, 2000, prpublication
J.P Ponthot, T. Belytschko, Arbitrary lagrangian eulerian formulation for element-free
galerkin method, "Computer methods in applied mechanics and engineering" Vol 152, 1998

Autres rfrences:
F. Guyon, Interpolation diffuse. Champs d'attnuation constants, technical report, Universit
de technologie de Compigne, 1996
T. Laouar, Contribution l'tude de l'approximation diffuse: Auto-adaptativit en lments
diffus, Ph. D. thse, Universit de technologie de Compigne, 1996
B. Nayroles, G. Touzot, P. Villon, Nuages de points et approximation diffuse, 1991,
Montpellier, sminaire d'analyse convexe, expos no. 16
G. Wahba, (Smoothing) Splines in nonparametric regression, september 20 2000, technical
report no. 1024, University of Wisconsin
G. Wahba, Spline model for observational data, Soc. for indust. and appl. math., 1990

Ouvrages gnraux:
H. Brzis, Analyse fonctionnelle: Thorie et applications, Masson
O. Pironneau, Mthodes des lments finis pour les fluides, Masson
J.E. Rakotoson, J.M. Rakotoson, Analyse fonctionnelle applique aux quations aux drives
partielles, PUF
P.A. Raviart, J.M. Thomas, Introduction l'analyse numrique des quations aux drives
partielles, Masson
O.C. Zienkiewicz, R.L. Taylor, The finite element method, vol 1. Basic formulation and linear
problems, Mc Graw-Hill, 1994