Ce chapitre fournit un aper¸cu de la m´ethode des bases r´eduites (RB) dans son cadre id´eal, celui des probl`emes elliptiques lin´eaires coercifs d´ecrits en§3.1. Leur approximation de r´ef´erence est de type Ritz-Galerkine et une d´ecomposition affine existe pour s´eparer les variables et les param`etres.
Le rappel en§3.2des grandes ´etapes de la m´ethode permet de pr´eciser les notions fon-damentales qui seront importantes ult´erieurement, comme la d´ecomposition hors ligne–en ligne, l’algorithme glouton, l’´epaisseur de Kolmogorov et l’estimateur d’erreur a posteriori. L’´elaboration de ce dernier ainsi que son calcul pratique sont abord´es en §3.3.
Par la mˆeme occasion, nous montrons en quoi l’´equation en pression (2.39) peut se ramener `a ce cadre abstrait, du moins au niveau continu et sans d´ecomposition affine. Nous expliquons ´egalement pourquoi la m´ethode RB pr´esent´ee ne peut pas ˆetre appliqu´ee telle quelle au probl`eme pos´e au chapitre §2.
Chapitre 3. Introduction `a la m´ethode des bases r´eduites en formulation primale
3.1 Probl`emes elliptiques lin´eaires param´etr´es
Les probl`emes qui nous int´eressent sont les EDPs elliptiques lin´eaires dont l’op´erateur est sym´etrique, coercif et d´epend d’un param`etre. L’hypoth`ese de sym´etrie ne restreint en aucune fa¸con l’usage de la m´ethode RB, mais rend sa pr´esentation plus agr´eable grˆace `a la notion d’´energie.
3.1.1 Formulation primale abstraite
Soit Q un espace de Hilbert dont on d´esigne par (·, ·)Q ou (·, ·) le produit scalaire et par k · kQ ou k · k la norme. Appelons ⌅ ⇢ RP l’ensemble o`u ´evoluent les param`etres, chacun ayant P 1 composantes. Le probl`eme est alors caract´eris´e par la donn´ee, en chaque param`etre ⇠ 2 ⌅,
• d’une forme bilin´eaire a(·, ·; ⇠) : Q ⇥ Q ! R sym´etrique, continue et coercive, c’est-`a-dire qu’il existe deux r´eels a(⇠) et ↵a(⇠) strictement positifs tels que
a(p, q; ⇠) = a(q, p; ⇠), (3.1a)
a(p, q; ⇠) a(⇠)kpkQkqkQ, (3.1b)
a(q, q; ⇠) ↵a(⇠)kqk2Q, (3.1c)
pour tout (p, q)2 Q ⇥ Q ;
• d’une forme lin´eaire b(·; ⇠) : Q ! R continue, c’est-`a-dire qu’il existe une constante
b(⇠) telle que
b(q) b(⇠)kqkQ, (3.2)
pour tout q 2 Q.
L’objet de notre probl`eme est de trouver, pour chaque param`etre ⇠ 2 ⌅, un vecteur p(⇠)2 Q v´erifiant
a(p(⇠), q; ⇠) = b(q; ⇠), 8q 2 Q. (3.3)
En vertu du lemme de Lax-Milgram, ce probl`eme est bien pos´e : on peut ´etablir l’existence, l’unicit´e et la continuit´e de la solution au sens suivant.
Th´eor`eme 3.1. Sous les hypoth`eses (3.1)–(3.2), le probl`eme (3.3) admet une unique so-lution. Celle-ci v´erifie de surcroˆıt l’estimation de stabilit´e
kp(⇠)kQ ↵1
a(⇠)kb(·; ⇠)kQ0 ↵b(⇠)
a(⇠). (3.4)
D´emonstration. VoirPatera and Rozza [2006] par exemple.
Une autre mani`ere de pr´esenter le probl`eme (3.3) consiste `a voir cette ´equation comme la condition d’optimalit´e de la minimisation d’une fonctionnelle sur Q, en l’occurrence
p(⇠) = arg min
q2QE(q; ⇠), (3.5)
o`u
E(q; ⇠) = 1
2a(q, q; ⇠) b(q; ⇠) (3.6)
repr´esente une ´energie. Sous les hypoth`eses (3.1)–(3.2), l’´energie E est une fonctionnelle continue strictement convexe sur Q, d’o`u l’existence et l’unicit´e du minimum.
3.1. Probl`emes elliptiques lin´eaires param´etr´es
La fonctionnelle d’´energie E(·; ⇠) est `a ne pas confondre avec une notion voisine, appel´ee norme d’´energie, not´ee|||·||| ou |||·|||⇠ et d´efinie par
|||q|||⇠=p
a(q, q; ⇠) (3.7)
pour tout q2 Q. Les propri´et´es de continuit´e et de coercivit´e de a(·, ·; ⇠) ´enonc´ees en (3.1)
impliquent que p
↵a(⇠)kqkQ |||q|||⇠p a(⇠)kqkQ,
pour tout q2 Q, ce qui montre que les deux normes |||·|||⇠etk·kQsont ´equivalentes. Il faut toutefois noter que |||·|||⇠ d´epend du param`etre ⇠ et son coˆut d’´evaluation pratique est `a prendre en compte lorsque le param`etre varie. L’avantage th´eorique de la norme d’´energie est que, vis-`a-vis d’elle, la continuit´e et la coercivit´e de a(·, ·; ⇠) s’´ecrivent
a(p, q) |||p|||⇠|||q|||⇠, (3.8a)
a(q, q) |||q|||2⇠, (3.8b)
pour tout (p, q) 2 Q ⇥ Q, la premi`ere in´egalit´e n’´etant autre que Cauchy-Schwarz et la seconde in´egalit´e ´etant en fait une ´egalit´e. Autrement dit, les constantes de continuit´e et de coercivit´e de a(·, ·; ⇠) sont ⌧optimales dans la norme d’´energie.
Reprenons le probl`eme en pression (2.14)
div( (sn)krpn+1) = 0 dans ⌦, (3.9a)
pn+1= pD sur D, (3.9b)
rpn+1· n = 0 sur N, (3.9c)
qui d´ecoule de la discr´etisation IMPIMS en temps de §2.2.1 du mod`ele (2.3)–(2.4), et demandons-nous s’il peut s’inscrire dans le cadre abstrait (3.3). Rappelons que nous envi-sageons (3.9) sur un seul pas de temps, de n `a n + 1, en supposant sn connu. Rappelons aussi que la d´ependance param´etrique du probl`eme se fait par l’interm´ediaire de (sn)k selon les deux modes de param´etrisations sp´ecifi´es en§2.1.2. `A ce stade, il est important de souligner qu’en raison de l’´evolution temporelle sous-jacente, la d´ependance param´etrique de ce probl`eme est plus⌧subtile que celle des probl`emes mod`eles dans la litt´erature. Par exemple, si l’on fait d´ependre la carte de perm´eabilit´e k du param`etre ⇠, cette d´ependance a↵ecte aussi le champ de saturation s `a tous les instants pr´ec´edant n via le couplage avec l’´equation de transport. Ainsi, le param`etre ⇠ impacte (3.9) `a travers non seulement la perm´eabilit´e k mais aussi tout l’historique des mobilit´es (sn).
Commen¸cons par supposer que la donn´ee de Dirichlet est suffisamment r´eguli`ere, `a savoir pD2 H1/2( D). Il existe alors une fonction p2 H1(⌦) telle que
p = pD sur D, (3.10a)
rp · n = 0 sur N, (3.10b)
au sens de la trace. Par la d´ecomposition
pn+1= p + p,
le probl`eme (3.9) ´equivaut `a la recherche de la partie homog`ene p v´erifiant
div( (sn)krp) = div( (sn)krp) dans ⌦, (3.11a)
p = 0 sur D, (3.11b)
Chapitre 3. Introduction `a la m´ethode des bases r´eduites en formulation primale
Le produit (sn)k sera d´esormais not´e{ k}. Sur l’espace de Hilbert
Q = q2 H1(⌦)| q| D = 0 (3.12)
muni de la norme H1 habituelle kqk2Q=
Z
⌦|rq|2+ Z
⌦|q|2, on d´efinit les formes bilin´eaire et lin´eaire
a(p, q; ⇠) = Z ⌦{ k}(⇠)rp · rq, (3.13a) b(q; ⇠) = Z ⌦{ k}(⇠)rp · rq. (3.13b)
Proposition 3.1. Si la param´etrisation de la perm´eabilit´e satisfait
0 < km k(x; ⇠) kM (3.14)
pour tout (x, ⇠)2 ⌦ ⇥ ⌅, ou si la param´etrisation de la viscosit´e de l’eau satisfait
0 < µm µw(⇠) µM (3.15)
pour tout ⇠ 2 ⌅, alors les conditions (3.1)–(3.2) sur a(·, ·; ⇠) et b(·; ⇠) sont v´erifi´ees uni-form´ement, i.e., avec des constantes de continuit´e et de coercivit´e ind´ependantes de ⇠. D´emonstration. Dans la premi`ere param´etrisation, on a
(s) = krw(s) µw + kro(1 s) µo 1 µw + 1 µo =: M
car les perm´eabilit´es relatives de type Brooks-Corey (2.31) sont born´ees sup´erieurement par 1. Il s’ensuit que { k}(⇠) MkM, d’o`u la continuit´e uniforme de a(·, ·; ⇠) et b(·; ⇠).
D’autre part, comme krw(·) et kro(1 ·) sont positifs et ne s’annulent pas en un mˆeme point, la fonction s 7! (s) est strictement positive sur [0, 1]. En invoquant la continuit´e sur un compact, on d´eduit l’existence d’un minorant m > 0 pour (·). Par cons´equent, { k}(⇠) mkm > 0. On en tire, avec l’aide de l’in´egalit´e de Poincar´e, la coercivit´e uniforme de a(·, ·; ⇠). La preuve est analogue pour la deuxi`eme param´etrisation.
Sous les hypoth`eses (3.14)–(3.15), le Th´eor`eme3.1 assure l’existence et l’unicit´e de la solution p(⇠). Celle-ci r´ealise le minimum de
p(⇠) = arg min
q2Q
1
2a(q, q; ⇠) b(q; ⇠). Ici, au lieu de prendre
1 2a(q, q; ⇠) b(q; ⇠) = 1 2 Z ⌦{ k}(⇠)|rq|2+ Z ⌦{ k}(⇠)rp · rq comme fonctionnelle d’´energie, il est loisible de lui ajouter la constante 12R
⌦{ k}(⇠)|rp|2
afin d’obtenir un carr´e parfait
E(q; ⇠) = 1 2
Z
⌦{ k}(⇠)|r(p + q)|2, (3.16)
que nous retenons comme d´efinition de la fonctionnelle d’´energie sur Q. Quant `a la norme d’´energie, son carr´e vaut
|||q|||2⇠= Z
3.1. Probl`emes elliptiques lin´eaires param´etr´es
3.1.2 Approximation variationnelle ⌧haute fid´elit´e
Revenons au probl`eme abstrait (3.3). Pour tout ⇠ 2 ⌅, au lieu de minimiser la fonction-nelle d’´energie E(·; ⇠) sur tout l’espace Q de dimension infinie, comme indiqu´e en (3.5), on peut se contenter de la minimiser sur un sous-espace QN ⇢ Q de dimension finie N. La condition d’optimalit´e de la minimisation approch´ee
pN(⇠) = arg min
q2QNE(q; ⇠) (3.18)
s’´ecrit simplement
a(pN(⇠), q; ⇠) = b(q; ⇠), 8q 2 QN. (3.19) Toute solution pN(⇠)2 QN de (3.19) est alors appel´ee approximation de Ritz-Galerkine ou approximation variationnelle conforme de la solution exacte p(⇠). Cette strat´egie d’ap-proximation est le fondement des m´ethodes d’´el´ements finis conformes [Ern and Guermond,
2004], dans lesquelles le sous-espace QN est associ´e `a un maillage.
En bases r´eduites, une ´eventuelle solution pN(⇠) est aussi appel´ee approximation haute fid´elit´e ou approximation de r´ef´erence de la solution exacte p(⇠). En e↵et,N est en g´en´eral assez grand, suffisamment grand pour qu’on puisse consid´erer pN(⇠) comme une solution num´erique⌧satisfaisante . C’est ensuite par rapport `a pN(⇠) seule — sans nul souci de la solution exacte p(⇠) — que seront compar´ees d’autres approximations suppl´ementaires. L’existence, l’unicit´e et la continuit´e par rapport au second-membre de la solution pN(⇠) du probl`eme (3.19) d´ecoulent imm´ediatement du Th´eor`eme 3.1 (Lax-Milgram), appliqu´e `a QN avec les mˆemes constantes de continuit´e et de coercivit´e que sur Q. Le r´esultat suivant, connu comme le lemme de C´ea, exprime la qualit´e de l’approximation de Ritz-Galerkine en fonction de celle de la projection hilbertienne.
Th´eor`eme 3.2. Pour tout param`etre ⇠ 2 ⌅ et tout sous-espace QN ⇢ Q, on a kpN(⇠) p(⇠)kQp a(⇠)/↵a(⇠) min
q2QNkq p(⇠)kQ, (3.20a) pN(⇠) p(⇠) ⇠= min
q2QN q p(⇠) ⇠. (3.20b)
D´emonstration. VoirPatera and Rozza [2006]. La constantep
a(⇠)/↵a(⇠) au second-membre de (3.20a) ne d´epend pas deN. De ce fait, l’in´egalit´e (3.20a) relie lin´eairement l’erreur d’approximation de la m´ethode `a celle de la ⌧meilleure approximation via la projection hilbertienne sur QN. En ´el´ements finis, il ne reste plus qu’`a demander que les espaces QN successifs poss`edent une propri´et´e d’approximabilit´e pour que l’erreur de projection tende vers 0 quand N tend vers l’infini. L’approximation de Ritz-Galerkine jouit d’autres propri´et´es en rapport avec l’´energie, que r´esume l’´enonc´e suivant. Soient
E(⇠) = E(p(⇠); ⇠) EN(⇠) = E(pN(⇠); ⇠)
les niveaux d’´energie correspondant `a la solution exacte et `a la solution approch´ee. Proposition 3.2. Pour tout sous-espace QN ⇢ Q, on a
EN(⇠) E(⇠) = 1
2 pN(⇠) p(⇠)
2
Chapitre 3. Introduction `a la m´ethode des bases r´eduites en formulation primale
Pour deux sous-espaces imbriqu´es QN1 ⇢ QN2 ⇢ Q donnant les approximations respec-tives pN1(⇠) et pN2(⇠), on a
E(⇠) EN2(⇠) EN1(⇠). (3.22)
D´emonstration. Les in´egalit´es (3.22) sont une cons´equence directe du principe de mi-nimisation d’´energie (3.5) et (3.18) : minimiser sur un ensemble plus grand conduit `a une valeur plus petite. Pour prouver l’´egalit´e (3.21), on remarque que comme la fonctionnelle d’´energie est quadratique, elle co¨ıncide avec son d´eveloppement de Taylor `a l’ordre 2. En omettant le param`etre ⇠ pour all´eger l’´ecriture, on a ainsi
EN E =hrE(p), pN piQ0⇥Q+1
2hr2E(p)· (pN p), pN piQ0⇥Q
= a(p, pN p) b(pN p) + 1
2a(pN p, pN p).
Par la formulation variationnelle (3.3) appliqu´ee `a q = pN p, les deux premiers termes du second-membre s’´eliminent. Le terme restant n’est autre que 12 pN p 2.
D´etaillons le calcul e↵ectif de la solution de r´ef´erence. Pour cela, soit{ I}, 1 I N, une base de QN. On y d´ecompose pN(⇠) en
pN(⇠) = N X
J =1
pNJ(⇠) J
et on encapsule l’ensemble des coefficients pNJ(⇠) dans le veteur
pN(⇠) = 0 B B B @ pN1 pN2 .. . pNN 1 C C C A(⇠)2 RN.
Proposition 3.3. Le vecteur pN(⇠) est solution du syst`eme lin´eaire N ⇥N
AN(⇠)pN(⇠) = bN(⇠), (3.23)
o`u la matrice de rigidit´e AN(⇠) et le vecteur second-membre bN(⇠) ont pour ´el´ements
ANIJ(⇠) = a( J, I; ⇠), (3.24a)
bNI (⇠) = b( I; ⇠), (3.24b)
pour tout (I, J ) 2 {1, . . . ,N}2.
D´emonstration. Voir [Ciarlet,2002].
Reprenons le probl`eme en pression (3.9) et posons-nous la question de savoir si le sch´ema de r´ef´erence pr´esent´e en §2.2.2 peut s’interpr´eter comme ´etant l’approximation de Ritz-Galerkine du probl`eme variationnel continu (3.3) sur l’espace (3.12) avec les d´efinitions (3.13) pour a(·, ·; ⇠) et b(·; ⇠). Il s’agit plus pr´ecis´ement de savoir si, modulo la translation par p pour traiter la condition de Dirichlet pD, la matrice An de (2.27) peut co¨ıncider avec une matrice AN de (3.24a) pour un certain choix de fonctions de base. La r´eponse est malheureusement n´egative. Il est connu qu’en g´en´eral, le sch´ema volume fini TPFA (2.19)–(2.23) ne peut pas ˆetre compris comme une m´ethode d’´el´ement fini telle que
3.1. Probl`emes elliptiques lin´eaires param´etr´es
d´ecrite par la Proposition 3.3. Le seul cas o`u cela s’av`ere possible se produit lorsque : (i) le maillage VF est r´egulier rectangulaire ; et (ii) les coefficients { k} sont uniformes en espace. Dans ce cas, le maillage EF est compos´e de triangles rectangles dont les sommets sont les centres des mailles VF et sur lesquels il faut utiliser les ´el´ements P1. Lorsque { k} est variable, toute la difficult´e pour un sch´ema EF est de retomber sur la moyenne harmonique (2.23a) participant au flux VF sur les faces.
L’impossibilit´e de penser le sch´ema de r´ef´erence en terme d’approximation de Ritz-Galerkine dans le cas g´en´eral ferme apparemment la porte `a tout espoir d’une application directe de la m´ethode RB traditionnelle. Cela ´etant, nous poursuivons l’expos´e de cette m´ethode RB dans le cadre abstrait afin de poser les jalons th´eoriques n´ecessaires aux chapitres qui vont suivre.
3.1.3 D´ependance affine et r´egularit´e param´etrique
Jusqu’`a pr´esent, nous n’avons requis aucune condition ni sur l’ensemble des param`etres ⌅⇢ RP, ni sur le comportement des formes a et b vis-`a-vis du param`etre ⇠2 ⌅. Nous allons maintenant ´enum´erer plusieurs hypoth`eses, qui selon le probl`eme pourront ˆetre satisfaites ou non, concernant la d´ependance param´etrique en vue de l’efficacit´e et de la pertinence de la m´ethode.
D´efinition 3.1. On dit que la forme bilin´eaire a admet une param´etrisation affine (ou est `a variables s´epar´ees) s’il existe des fonctions ✓ad(·) : ⌅ ! R pour d = 1, . . . , Da avec Da2 N⇤ et des formes bilin´eaires ad(·, ·) : Q ⇥ Q ! R ind´ependantes de ⇠ telles que
a(p, q; ⇠) =
Da
X
d=1
✓da(⇠) ad(p, q), 8(p, q, ⇠) 2 Q ⇥ Q ⇥ ⌅. (3.25)
De mˆeme, on dit que la forme lin´eaire b admet une param´etrisation affine (ou est `a va-riables s´epar´ees) s’il existe des fonctions ✓db(·) : ⌅ ! R pour d = 1, ..., Db avec Db 2 N⇤ et des formes lin´eaires bd(·) : Q ! R ind´ependantes de ⇠ telles que
b(q; ⇠) =
Db
X
d=1
✓bd(⇠) bd(q), 8(q, ⇠) 2 Q ⇥ ⌅. (3.26)
En injectant (3.25)–(3.26) dans les ´egalit´es (3.24), on obtient les d´ecompositions AN = Da X d=1 ✓da(⇠)ANd , bN = Db X d=1 ✓db(⇠)bNd , (3.27)
de la matrice et du second-membre du syst`eme (3.23), avec [ANd ]IJ = ad( J, I), 1 d Da,
[bNd ]I = bd( I), 1 d Db,
pour tout (I, J ) 2 {1, . . . ,N}2. L’assemblage de ce syst`eme et sa r´esolution ⌧fine , i.e. sans aucune intervention des bases r´eduites, sont donn´es par l’Algorithme 3.1. `A ce stade, la param´etrisation affine ne semble apporter aucun gain, dans la mesure o`u l’on doit toujours travailler avec des matricesN ⇥N.
Dans la D´efinition 3.1, les constantes Da, Db sont de pr´ef´erence petites (typiquement entre 1 et 100), car la complexit´e de la m´ethode RB d´epend explicitement de celles-ci. Nous
Chapitre 3. Introduction `a la m´ethode des bases r´eduites en formulation primale
Algorithm 3.1 Assemblage et r´esolution du probl`eme (3.23) sous l’hypoth`ese d’une pa-ram´etrisation affine pour a et b.
1: procedure pN(⇠) = R´esoudreSyst`emeEF(ANd , bNd , ✓ad, ✓bd, ⇠)
2: AN(⇠) = 0, bN(⇠) = 0 3: for d = 1 : Da do 4: AN(⇠) AN(⇠) + ✓ad(⇠)AdN 5: end for 6: for d = 1 : Db do 7: bN(⇠) bN(⇠) + ✓db(⇠)bNd 8: end for
9: R´esoudre le syst`eme lin´eaire AN(⇠)pN(⇠) = bN(⇠)
10: end procedure
supposons en outre que les fonctions scalaires ✓ad, ✓db peuvent ˆetre ´evalu´ees rapidement. L’avantage essentiel d’une param´etrisation affine pour les formes a et b avec Da, Db petits et ✓a
d, ✓b
d peu coˆuteux est qu’elle permet une acc´el´eration d´ecisive de l’´etape⌧en ligne , comme ce sera expliqu´e `a la section §3.2.2 o`u l’on discutera de la d´ecomposition hors ligne–en ligne. Bien entendu, c’est une hypoth`ese fort restrictive qui n’est d’ailleurs pas v´erifi´ee par notre probl`eme en pression.
L’hypoth`ese de la param´etrisation affine vise `a assurer l’efficacit´e en temps de calcul de la m´ethode RB. D’autres hypoth`eses, que nous allons ´emettre ci-dessous, touchent au fondement mˆeme de la m´ethode RB et visent `a garantir sa pertinence. La validit´e de la m´ethode RB repose en e↵et sur le postulat que l’ensemble des solutions de r´ef´erence
UN = pN(⇠)2 QN, ⇠2 ⌅ (3.28)
n’occupe pas tout l’espace QN, mais incarne une vari´et´e de bien plus faible dimension (cf. Figure3.1). C’est cela qui justifie la r´eduction de la dimension du sous-espace o`u l’on cherche la solution, comme on le verra `a la section §3.2.1. Un ph´enom`ene analogue peut d´ej`a survenir au niveau continu, si l’ensemble des solutions exactes
U = p(⇠)2 Q, ⇠ 2 ⌅ (3.29)
est une vari´et´e de dimension finie au lieu d’occuper tout l’espace de dimension infinie Q.
Figure 3.1: Exemple d’espace UN induit par la d´ependance param´etrique des solutions pN(⇠) du probl`eme (3.19).
Il est naturellement difficile de satisfaire `a coup sˆur le postulat de la faible dimension pour UN, car cela d´epend beaucoup du probl`eme consid´er´e. N´eanmoins, on peut adopter
3.1. Probl`emes elliptiques lin´eaires param´etr´es
des hypoth`eses g´en´eriques pour rendre l’ensembleUN compact dans QN. Pour commencer, on suppose que l’ensemble des param`etres ⌅ est un compact dansRP et que sa dimension est elle-mˆeme petite, `a savoir P ⌧ N. Ensuite, on s’assure que l’application ⇠ 7! pN(⇠) est continue en imposant une certaine r´egularit´e param´etrique sur les formes bilin´eaire a et lin´eaire b.
D´efinition 3.2. On dit que la forme bilin´eaire param´etr´ee a est lipschitzienne par rapport `
a ⇠ uniform´ement en (p, q) s’il existe une constante Lip(a) > 0 telle que
|a(p, q; ⇠) a(p, q; ⇠0)| Lip(a)kpkQkqkQk⇠ ⇠0k, 8(⇠, ⇠0, p, q)2 ⌅2⇥ Q2. De mˆeme, on dit que la forme lin´eaire param´etr´ee b est lipschitzienne par rapport `a ⇠ uniform´ement en q s’il existe une constante Lip(b) > 0 telle que
|b(q; ⇠) b(q; ⇠0)| Lip(b)kqkQk⇠ ⇠0k, 8(⇠, ⇠0, q)2 ⌅2⇥ Q.
Dans la D´efinition3.2, les constantes Lip(a) et Lip(b) ne d´ependent ni de ⇠ ni de (p, q). Le caract`ere lipschitzien des formes a et b entraˆıne celui de la solution de r´ef´erence pN, comme le montre le Lemme suivant.
Lemme 3.1. Supposons que :
• les formes a et b sont lipschitziennes par rapport `a ⇠ uniform´ement en p et q ; • les constantes de continuit´e a(⇠), b(⇠) et celle de coercivit´e ↵a(⇠) sont uniform´ement
born´ees, c’est-`a-dire qu’il existe des nombres a⇤, ⇤b et ↵⇤> 0 tels que
a(⇠) a⇤, b(⇠) b⇤, ↵a(⇠) ↵⇤, 8⇠ 2 ⌅. (3.30) Alors, la solution de r´ef´erence pN(⇠) du probl`eme (3.19) est lipschitzienne par rapport `a ⇠. Autrement dit, il existe une constante Lip(p) > 0 telle que
kpN(⇠) pN(⇠0)kQ Lip(p)k⇠ ⇠0k, 8(⇠, ⇠0)2 ⌅2. (3.31) Il en est de mˆeme avec la solution exacte p(⇠), avec la mˆeme constante Lip(p).
D´emonstration. Voir [Eftang et al.,2010].
Dans le Lemme3.1, la constante Lip(p) est ind´ependante de ⇠. Le caract`ere lipschitzien de la solution de r´ef´erence pN, combin´e `a d’autres hypoth`eses d´ej`a mentionn´ees, implique la compacit´e deUN comme le pr´ecise le Th´eor`eme suivant.
Th´eor`eme 3.3. Supposons que :
• l’ensemble des param`etres ⌅ est un compact de RP, avec P⌧N ;
• les formes a et b sont lipschitziennes par rapport `a ⇠ uniform´ement en p et q ; • les constantes de continuit´e a(⇠), b(⇠) et celle de coercivit´e ↵a(⇠) sont uniform´ement
born´ees au sens de (3.30).
Alors, la vari´et´e des solutions de r´ef´erenceUN est compacte dans QN. De mˆeme, la vari´et´e des solutions exactes U est compacte dans Q.
D´emonstration. La preuve est une cons´equence directe du r´esultat suivant : si u : X ! Y est une fonction continue d’un espace m´etrique compact X dans un espace m´etrique Y , alors u(X ) est un ensemble compact de Y . Ici, X = ⌅⇢ RP est un sous-ensemble compact de RP et u : ⇠ 7! pN(⇠) 2 QN = Y est une application continue en vertu du Lemme3.1. Il s’ensuit UN = pN(⌅) est compact dans QN. La d´emonstration pourU est analogue.
Chapitre 3. Introduction `a la m´ethode des bases r´eduites en formulation primale
Sous l’hypoth`ese de param´etrisation affine (D´efinition 3.1), imposer que les fonctions ✓ad(⇠) et ✓bd(⇠) soient lipschitziennes, i.e.
|✓da(⇠) ✓da(⇠0)| Lip(ad)k⇠ ⇠0k, 8(⇠, ⇠0, d)2 ⌅2⇥ {1, . . . , Da}, |✓db(⇠) ✓db(⇠0)| Lip(bd)k⇠ ⇠0k, 8(⇠, ⇠0, d)2 ⌅2⇥ {1, . . . , Db},
suffit pour garantir que les formes bilin´eaire a et lin´eaire b sont lipschitziennes par rap-port `a ⇠. Par ailleurs, si les fonctions ✓a
d et ✓b
d sont di↵´erentiables, on peut conclure `a la di↵´erentiabilit´e en ⇠ des ´el´ements deUN et deU [Quarteroni et al.,2016, Prop. 5.2]. Ainsi, la r´egularit´e des fonctions ✓ad et ✓db par rapport au param`etre ⇠ se transf`ere aux ensembles UN etU.
3.2 Principe de la m´ethode RB
En adh´erant au paradigme de la r´egularit´e param´etrique de l’ensemble UN et de sa faible dimension par rapport `a N, on peut raisonnablement esp´erer approcher chaque ´el´ement pN(⇠)2UN par une combinaison lin´eaire de quelques ´el´ements de UN astucieu-sement choisis.
3.2.1 Approximation variationnelle ⌧bas coˆut
La m´ethode RB explore cette id´ee en proposant comme nouveau sous-espace d’ap-proximation
QN= Vect pN(⇠1), . . . , pN(⇠N) , (3.32) o`u les pN(⇠I) 2 QN, 1 I N, appel´ees instantan´es ou snapshots, sont les solutions de r´ef´erence pour N valeurs du param`etre {⇠1, . . . , ⇠N} ⇢ ⌅. On suppose ´evidemment que ces instantan´es sont lin´eairement ind´ependants et que N⌧ N. Le mode de s´election des param`etres ⇠I, 1 I N, sera explicit´e plus tard, `a la section §3.2.3.
Pour tout ⇠2 ⌅, au lieu de minimiser la fonctionnelle d’´energie E sur QN pour obtenir pN(⇠), comme indiqu´e en (3.18), on peut se contenter de la minimiser sur le sous-espace QN ⇢ QN de dimension N⌧N. La condition d’optimalit´e de la minimisation approch´ee
pN(⇠) = arg min
q2QNE(q; ⇠) (3.33)
s’´ecrit simplement
a(pN(⇠), q; ⇠) = b(q; ⇠), 8q 2 QN. (3.34) Toute solution pN(⇠) 2 QN de (3.34) est alors appel´ee approximation de Ritz-Galerkine ou approximation variationnelle base r´eduite ou approximation variationnelle bas coˆut de la solution de r´ef´erence pN(⇠).
L’existence, l’unicit´e et la continuit´e par rapport au second-membre de la solution pN(⇠) du probl`eme (3.34) d´ecoulent imm´ediatement du Th´eor`eme 3.1 (Lax-Milgram), appliqu´e `
a QN. Ici, dans l’application du Th´eor`eme 3.1 tout comme dans les ´enonc´es qui vont suivre, il est judicieux de remplacer les constantes de continuit´e et coercivit´e a(⇠), b(⇠) et ↵a(⇠) sur Q par leurs homologues aN(⇠), bN(⇠) et ↵Na (⇠) sur QN, d´efinies comme les
⌧meilleurs nombres possibles tels que
a(p, q; ⇠) aN(⇠)kpkkqk, (3.35a)
a(q, q; ⇠) ↵Na (⇠)kqk2, (3.35b)
3.2. Principe de la m´ethode RB
pour tout (p, q)2 QN⇥ QN. Ce n’est pas tellement parce que les constantes sur QN sont plus⌧resserr´ees que celles sur Q, `a savoir
sup (p,q)2(QN\{0})2 a(p, q; ⇠) kpkkqk = aN(⇠) a(⇠) =(p,q)2(Q\{0})sup 2 a(p, q; ⇠) kpkkqk , inf q2QN\{0} a(q, q; ⇠) kqk2 = ↵Na (⇠) ↵a(⇠) = inf q2Q\{0} a(q, q; ⇠) kqk2 sup q2QN\{0} b(q; ⇠) kqk = bN(⇠) b(⇠) =q2Q\{0}sup b(q; ⇠) kqk .
La vraie raison pour le changement des constantes est que, en tant qu’approximation de pN(⇠)2 QN, la solution base r´eduite pN(⇠) ne doit voir que ce qui se passe dans QN, l`a o`u se trouve sa r´ef´erence. Elle n’a pas `a avoir des informations sur Q, car sa vocation n’est pas d’aller vers la solution exacte.
De mani`ere analogue au Th´eor`eme 3.2, l’erreur entre la solution base r´eduite et la