Identification et inversion
Marc Bonnet
Propagation des Ondes: Etudes Math´ematiques et Simulation (POEMS) UMR 7231 CNRS-INRIA-ENSTA
Unit´e de Math´ematiques Appliqu´ees ENSTA Paris
mbonnet@ensta.fr
www.ensta.fr/∼mbonnet/index/enseignement.html
Master (MS)2SC, 2019–2020
Plan g´ en´ eral
Partie 1: G´en´eralit´es
S´eance 1: Probl`emes inverses, identification: notions, motivations, exemples Partie 2: Identification en m´ecanique des solides
S´eance 2: Identification: champs virtuels, erreur en relation de comportement S´eance 5: Mesures de champs, exemple de l’essai essai br´esilien(GP) S´eance 9: Identification sur mesures de champs, TP CORRELI(GP) Partie 3: Outils: alg`ebre lin´eaire, moindres carr´es, optimisation
S´eance 3: Moindres carr´es lin´eaires, notion de conditionnement S´eance 4: Principales m´ethodes d’optimisation: principes S´eance 10: Outils matlab (ODE, toolbox optimisation...) (GP) Partie 4: Probl`emes mal pos´es et leur r´egularisation
S´eances 6, 7: R´egularisation des probl`emes mal pos´es, exemples.
Partie 5: Approches bay´esiennes
S´eances 7, 8: m´ethodes bay´esiennes, assimilation, filtrage de Kalman.
M. Bonnet (POems, ENSTA) Identification et inversion 2 / 338
Plan g´ en´ eral
Partie 1: G´en´eralit´es
Partie 2: Identification en m´ecanique des solides
Partie 3: Outils: alg`ebre lin´eaire, moindres carr´es, optimisation Partie 4: Probl`emes mal pos´es et leur r´egularisation
Partie 5: Approches bay´esiennes
Partie I — G´ en´ eralit´ es
1. G´en´eralit´es: inversion et identification; probl`emes mal pos´es
2. Exemples de probl`emes inverses Gravim´etrie
Identification de sources ou de sollicitations
Reconstruction de conditions aux limites inaccessibles Probl`emes inverses en vibrations de structures Autres exemples
M. Bonnet (POems, ENSTA) Identification et inversion 4 / 338
Notion d’inversion
• Am´eliorer la connaissance et la compr´ehension d’un syst`eme physique donn´e n´ecessite la collecte puis l’exploitation de donn´ees exp´erimentales.
• Souvent: information recherch´ee “cach´ee” dans le syst`eme physique Mesure: cons´equence d’une cause qui est la vraie grandeur d’int´erˆet.
Exemple
div (k∇u) =f dans Ω (´equation locale d’´equilibre)
k∇u·n=qD sur∂Ω (flux impos´e)
Identifierf(x)ouk(x)`a partir de la mesure du champu|∂ΩouuΩ.
Notion d’inversion
• Am´eliorer la connaissance et la compr´ehension d’un syst`eme physique donn´e n´ecessite la collecte puis l’exploitation de donn´ees exp´erimentales.
• Souvent: information recherch´ee “cach´ee” dans le syst`eme physique Mesure: cons´equence d’une cause qui est la vraie grandeur d’int´erˆet.
Exemple
k(x) =?
uobs
uobs
Ω
div (k∇u) =f dans Ω (´equation locale d’´equilibre)
k∇u·n=qD sur∂Ω (flux impos´e)
Identifierf(x)ouk(x)`a partir de la mesure du champu|∂ΩouuΩ.
M. Bonnet (POems, ENSTA) Identification et inversion 5 / 338
Exemple: tomographie ´ electrostatique
datau
Reconstruire l’activit´e ´electrique c´er´ebrale (sources). Mesures = potentiels (´electrodes)
Notion d’inversion
• Analyse des donn´ees exp´erimentales: repose sur formulation math´ematique de la physique sous-jacente:
G(p,d) =0
(p: grandeurs cach´ees (`a identifier) d: grandeurs mesurables
Exemple
div (k∇u) = 0 dans Ω (´equation locale d’´equilibre) k∇u·n=qDsur∂Ω (flux impos´e)
p←k(·) d ←u(·)
• Complexit´e des mod`eles permettant une description physique raisonnable
→ R´esolution analytique le plus souvent non envisageable;
→ Recours aux m´ethodes num´eriques;
→ Calcul scientifique: progr`es fulgurants conceptuels et mat´eriels
M. Bonnet (POems, ENSTA) Identification et inversion 7 / 338
Notion d’inversion
• Analyse des donn´ees exp´erimentales: repose sur formulation math´ematique de la physique sous-jacente:
G(p,d) =0
(p: grandeurs cach´ees (`a identifier) d: grandeurs mesurables
Exemple
div (k∇u) = 0 dans Ω (´equation locale d’´equilibre) k∇u·n=qDsur∂Ω (flux impos´e)
p←k(·) d ←u(·)
• Complexit´e des mod`eles permettant une description physique raisonnable
→ R´esolution analytique le plus souvent non envisageable;
→ Recours aux m´ethodes num´eriques;
→ Calcul scientifique: progr`es fulgurants conceptuels et mat´eriels
Notion d’inversion
• Analyse des donn´ees exp´erimentales: repose sur formulation math´ematique de la physique sous-jacente:
G(p,d) =0
(p: grandeurs cach´ees (`a identifier) d: grandeurs mesurables
Exemple
div (k∇u) = 0 dans Ω (´equation locale d’´equilibre) k∇u·n=qDsur∂Ω (flux impos´e)
p←k(·) d ←u(·)
• Complexit´e des mod`eles permettant une description physique raisonnable
→ R´esolution analytique le plus souvent non envisageable;
→ Recours aux m´ethodes num´eriques;
→ Calcul scientifique: progr`es fulgurants conceptuels et mat´eriels
M. Bonnet (POems, ENSTA) Identification et inversion 7 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
1. G´en´eralit´es: inversion et identification; probl`emes mal pos´es
2. Exemples de probl`emes inverses Gravim´etrie
Identification de sources ou de sollicitations
Reconstruction de conditions aux limites inaccessibles Probl`emes inverses en vibrations de structures Autres exemples
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Qu’et-ce qu’un probl` eme inverse?
Mesure indirecte: quantifier une grandeurp exp´erimentalement inaccessible`a l’aide de mesures d’une grandeurd accessible.
(i) Le mod`ele physique adopt´e donned connaissantp:
(´equations diff´erentielles, aux d´eriv´ees partielles, variationnelles, int´egrales...) G(p,d) = 0 implicite
d=G(p) explicite exemple:
Z
Ω
k∇u·∇wdV− Z
∂Ω
qDwdS= 0 ∀w
⇒n´ecessit´e d’inverserle mod`ele physique.
(ii) L’inversion estun probl`eme math´ematique mal pos´e.
• Probl`eme math´ematique bien pos´e (d´efinition, Hadamard): probl`eme dont la solution (a) existe, (b) est unique, (c) d´epend continˆument de la donn´ee.
• Probl`eme math´ematique mal pos´e: une au moins des conditions (a), (b) (c) est viol´ee.
Probl`eme inverse:Exploitationquantitativeet interpr´etation de donn´ees exp´erimentales pour des situations demod´elisation complexe. Demande la r´esolution d’unprobl`eme mal pos´e.
M. Bonnet (POems, ENSTA) Identification et inversion 9 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Qu’et-ce qu’un probl` eme inverse?
Mesure indirecte: quantifier une grandeurp exp´erimentalement inaccessible`a l’aide de mesures d’une grandeurd accessible.
(i) Le mod`ele physique adopt´e donned connaissantp:
(´equations diff´erentielles, aux d´eriv´ees partielles, variationnelles, int´egrales...) G(p,d) = 0 implicite
d=G(p) explicite exemple:
Z
Ω
k∇u·∇wdV− Z
∂Ω
qDwdS= 0 ∀w
⇒n´ecessit´e d’inverserle mod`ele physique.
(ii) L’inversion estun probl`eme math´ematique mal pos´e.
• Probl`eme math´ematique bien pos´e (d´efinition, Hadamard): probl`eme dont la solution (a) existe, (b) est unique, (c) d´epend continˆument de la donn´ee.
• Probl`eme math´ematique mal pos´e: une au moins des conditions (a), (b) (c) est viol´ee.
Probl`eme inverse:Exploitationquantitativeet interpr´etation de donn´ees exp´erimentales pour des situations demod´elisation complexe. Demande la r´esolution d’unprobl`eme mal pos´e.
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inventaire (non exhaustif)
Reconstructiondes caract´eristiques physiques du sous-sol
• donn´ees sismiques,
• donn´ees gravim´etriques. . . Connaissance scientifique Prospection, inspection
Contrˆole non destructif
• surveillance (ouvrages, installations industrielles)
• identification (d´efauts, fissures,. . . ) Donn´ees (mesures externes):
• ultrasons
• courants de Foucault
• thermographie
Tomographie, imagerie m´edicale Reconstructionde temp´eratures, flux thermiques,. . .
identification
• param`etres de comportement m´ecanique
• distributions de conductivit´es
• recalage de mod´elisations
D´econvolution
• reconstruction d’images brouill´ees,
• interpr´etation de mesures en dynamique . . . et bien d’autres !
M. Bonnet (POems, ENSTA) Identification et inversion 10 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inventaire (non exhaustif)
Reconstructiondes caract´eristiques physiques du sous-sol
• donn´ees sismiques,
• donn´ees gravim´etriques. . . Connaissance scientifique Prospection, inspection Contrˆole non destructif
• surveillance (ouvrages, installations industrielles)
• identification (d´efauts, fissures,. . . ) Donn´ees (mesures externes):
• ultrasons
• courants de Foucault
• thermographie
Tomographie, imagerie m´edicale Reconstructionde temp´eratures, flux thermiques,. . .
identification
• param`etres de comportement m´ecanique
• distributions de conductivit´es
• recalage de mod´elisations
D´econvolution
• reconstruction d’images brouill´ees,
• interpr´etation de mesures en dynamique . . . et bien d’autres !
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inventaire (non exhaustif)
Reconstructiondes caract´eristiques physiques du sous-sol
• donn´ees sismiques,
• donn´ees gravim´etriques. . . Connaissance scientifique Prospection, inspection Contrˆole non destructif
• surveillance (ouvrages, installations industrielles)
• identification (d´efauts, fissures,. . . ) Donn´ees (mesures externes):
• ultrasons
• courants de Foucault
• thermographie
Tomographie, imagerie m´edicale
Reconstructionde temp´eratures, flux thermiques,. . .
identification
• param`etres de comportement m´ecanique
• distributions de conductivit´es
• recalage de mod´elisations
D´econvolution
• reconstruction d’images brouill´ees,
• interpr´etation de mesures en dynamique . . . et bien d’autres !
M. Bonnet (POems, ENSTA) Identification et inversion 10 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inventaire (non exhaustif)
Reconstructiondes caract´eristiques physiques du sous-sol
• donn´ees sismiques,
• donn´ees gravim´etriques. . . Connaissance scientifique Prospection, inspection Contrˆole non destructif
• surveillance (ouvrages, installations industrielles)
• identification (d´efauts, fissures,. . . ) Donn´ees (mesures externes):
• ultrasons
• courants de Foucault
• thermographie
Tomographie, imagerie m´edicale Reconstructionde temp´eratures, flux thermiques,. . .
identification
• param`etres de comportement m´ecanique
• distributions de conductivit´es
• recalage de mod´elisations
D´econvolution
• reconstruction d’images brouill´ees,
• interpr´etation de mesures en dynamique . . . et bien d’autres !
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inventaire (non exhaustif)
Reconstructiondes caract´eristiques physiques du sous-sol
• donn´ees sismiques,
• donn´ees gravim´etriques. . . Connaissance scientifique Prospection, inspection Contrˆole non destructif
• surveillance (ouvrages, installations industrielles)
• identification (d´efauts, fissures,. . . ) Donn´ees (mesures externes):
• ultrasons
• courants de Foucault
• thermographie
Tomographie, imagerie m´edicale Reconstructionde temp´eratures, flux thermiques,. . .
identification
• param`etres de comportement m´ecanique
• distributions de conductivit´es
• recalage de mod´elisations
D´econvolution
• reconstruction d’images brouill´ees,
• interpr´etation de mesures en dynamique . . . et bien d’autres !
M. Bonnet (POems, ENSTA) Identification et inversion 10 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inventaire (non exhaustif)
Reconstructiondes caract´eristiques physiques du sous-sol
• donn´ees sismiques,
• donn´ees gravim´etriques. . . Connaissance scientifique Prospection, inspection Contrˆole non destructif
• surveillance (ouvrages, installations industrielles)
• identification (d´efauts, fissures,. . . ) Donn´ees (mesures externes):
• ultrasons
• courants de Foucault
• thermographie
Tomographie, imagerie m´edicale Reconstructionde temp´eratures, flux thermiques,. . .
identification
• param`etres de comportement m´ecanique
• distributions de conductivit´es
• recalage de mod´elisations
D´econvolution
• reconstruction d’images brouill´ees,
• interpr´etation de mesures en dynamique . . . et bien d’autres !
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme direct(m´ecanique, thermique, acoustique, ´electromagn´etique...):
• Calcul de lar´eponsed (d´eplacement, contrainte, temp´erature,. . . )
`
a dessollicitationsX (forces, conditions aux limites, sources. . . )
X Syst`eme
d Entr´ee
(sollicitation) Sortie
(r´eponse) (p)
• Le syst`eme (ex.: structure m´ecanique) d´epend de param`etresp:
→ g´eom´etrie (r´egion de l’espace occup´ee), caract´eristiques des mat´eriaux constitutifs, liaisons cin´ematiques. . .
• Equations de la physique: r´eponsed fonction implicite deX,p:
Trouverd =d(p;X) tel que G(p,d;X) =0 (X∈ X,p∈ P donn´es)
• En g´en´eral, le probl`eme direct estbien pos´e(au sens d’Hadamard):
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Mod`ele physique parfoisexplicited=G(p;X)(gravim´etrie, certains pbs lin´earis´es)
M. Bonnet (POems, ENSTA) Identification et inversion 11 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme direct(m´ecanique, thermique, acoustique, ´electromagn´etique...):
• Calcul de lar´eponsed (d´eplacement, contrainte, temp´erature,. . . )
`
a dessollicitationsX (forces, conditions aux limites, sources. . . )
X Syst`eme
d Entr´ee
(sollicitation) Sortie
(r´eponse) (p)
• Le syst`eme (ex.: structure m´ecanique) d´epend de param`etresp:
→ g´eom´etrie (r´egion de l’espace occup´ee), caract´eristiques des mat´eriaux constitutifs, liaisons cin´ematiques. . .
• Equations de la physique: r´eponsed fonction implicite deX,p:
Trouverd =d(p;X) tel que G(p,d;X) =0 (X∈ X,p∈ P donn´es)
• En g´en´eral, le probl`eme direct estbien pos´e(au sens d’Hadamard):
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Mod`ele physique parfoisexplicited=G(p;X)(gravim´etrie, certains pbs lin´earis´es)
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme direct(m´ecanique, thermique, acoustique, ´electromagn´etique...):
• Calcul de lar´eponsed (d´eplacement, contrainte, temp´erature,. . . )
`
a dessollicitationsX (forces, conditions aux limites, sources. . . )
X Syst`eme
d Entr´ee
(sollicitation) Sortie
(r´eponse) (p)
• Le syst`eme (ex.: structure m´ecanique) d´epend de param`etresp:
→ g´eom´etrie (r´egion de l’espace occup´ee), caract´eristiques des mat´eriaux constitutifs, liaisons cin´ematiques. . .
• Equations de la physique: r´eponsed fonction implicite deX,p:
Trouverd =d(p;X) tel que G(p,d;X) =0 (X∈ X,p∈ P donn´es)
• En g´en´eral, le probl`eme direct estbien pos´e(au sens d’Hadamard):
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Mod`ele physique parfoisexplicited=G(p;X)(gravim´etrie, certains pbs lin´earis´es)
M. Bonnet (POems, ENSTA) Identification et inversion 11 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme direct(m´ecanique, thermique, acoustique, ´electromagn´etique...):
• Calcul de lar´eponsed (d´eplacement, contrainte, temp´erature,. . . )
`
a dessollicitationsX (forces, conditions aux limites, sources. . . )
X Syst`eme
d Entr´ee
(sollicitation) Sortie
(r´eponse) (p)
• Le syst`eme (ex.: structure m´ecanique) d´epend de param`etresp:
→ g´eom´etrie (r´egion de l’espace occup´ee), caract´eristiques des mat´eriaux constitutifs, liaisons cin´ematiques. . .
• Equations de la physique: r´eponsed fonction implicite deX,p:
Trouverd =d(p;X) tel que G(p,d;X) =0 (X∈ X,p∈ P donn´es)
• En g´en´eral, le probl`eme direct estbien pos´e(au sens d’Hadamard):
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Mod`ele physique parfoisexplicited=G(p;X)(gravim´etrie, certains pbs lin´earis´es)
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme direct(m´ecanique, thermique, acoustique, ´electromagn´etique...):
• Calcul de lar´eponsed (d´eplacement, contrainte, temp´erature,. . . )
`
a dessollicitationsX (forces, conditions aux limites, sources. . . )
X Syst`eme
d Entr´ee
(sollicitation) Sortie
(r´eponse) (p)
• Le syst`eme (ex.: structure m´ecanique) d´epend de param`etresp:
→ g´eom´etrie (r´egion de l’espace occup´ee), caract´eristiques des mat´eriaux constitutifs, liaisons cin´ematiques. . .
• Equations de la physique: r´eponsed fonction implicite deX,p:
Trouverd =d(p;X) tel que G(p,d;X) =0 (X∈ X,p∈ P donn´es)
• En g´en´eral, le probl`eme direct estbien pos´e(au sens d’Hadamard):
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Mod`ele physique parfoisexplicited=G(p;X)(gravim´etrie, certains pbs lin´earis´es)
M. Bonnet (POems, ENSTA) Identification et inversion 11 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme inverseIgnorance au moins partielle du syst`eme.
• informations manquantes concernant
→ la g´eom´etrie, les mat´eriaux, les conditions initiales...
• Probl`eme inverse: reconstruire au mieux l’information manquante
→ disposer d’informations (´eventuellement partielles)dobssur la sortied
X ? Entr´ee
(sollicitation) Sortie
(r´eponse) Syst`eme d
(p)
Trouverp∈ P tel que G(p,dobs;X) =0 (X∈ X,d∈ Ddonn´es)
• En g´en´eral, le probl`eme inverse estmal pos´e(au sens d’Hadamard), au moins une des conditions suivantes n’´etant pas v´erifi´ee:
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Variante: identification de sources
TrouverX∈ X tel que G(p,dobs;X) =0 (p∈ P,d∈ Ddonn´es)
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme inverseIgnorance au moins partielle du syst`eme.
• informations manquantes concernant
→ la g´eom´etrie, les mat´eriaux, les conditions initiales...
• Probl`eme inverse: reconstruire au mieux l’information manquante
→ disposer d’informations (´eventuellement partielles)dobssur la sortied
X ? Entr´ee
(sollicitation) Sortie
(r´eponse) Syst`eme d
(p)
Trouverp∈ P tel que G(p,dobs;X) =0 (X∈ X,d∈ Ddonn´es)
• En g´en´eral, le probl`eme inverse estmal pos´e(au sens d’Hadamard), au moins une des conditions suivantes n’´etant pas v´erifi´ee:
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Variante: identification de sources
TrouverX∈ X tel que G(p,dobs;X) =0 (p∈ P,d∈ Ddonn´es)
M. Bonnet (POems, ENSTA) Identification et inversion 12 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme inverseIgnorance au moins partielle du syst`eme.
• informations manquantes concernant
→ la g´eom´etrie, les mat´eriaux, les conditions initiales...
• Probl`eme inverse: reconstruire au mieux l’information manquante
→ disposer d’informations (´eventuellement partielles)dobssur la sortied
X ? Entr´ee
(sollicitation) Sortie
(r´eponse) Syst`eme d
(p)
Trouverp∈ P tel que G(p,dobs;X) =0 (X∈ X,d∈ Ddonn´es)
• En g´en´eral, le probl`eme inverse estmal pos´e(au sens d’Hadamard), au moins une des conditions suivantes n’´etant pas v´erifi´ee:
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Variante: identification de sources
TrouverX∈ X tel que G(p,dobs;X) =0 (p∈ P,d∈ Ddonn´es)
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes directs, probl` emes inverses
Probl`eme inverseIgnorance au moins partielle du syst`eme.
• informations manquantes concernant
→ la g´eom´etrie, les mat´eriaux, les conditions initiales...
• Probl`eme inverse: reconstruire au mieux l’information manquante
→ disposer d’informations (´eventuellement partielles)dobssur la sortied
X ? Entr´ee
(sollicitation) Sortie
(r´eponse) Syst`eme d
(p)
Trouverp∈ P tel que G(p,dobs;X) =0 (X∈ X,d∈ Ddonn´es)
• En g´en´eral, le probl`eme inverse estmal pos´e(au sens d’Hadamard), au moins une des conditions suivantes n’´etant pas v´erifi´ee:
→ Existence d’une solution
→ Unicit´e de la solution
→ Stabilit´e de la r´eponse par rapport aux erreurs (donn´ees, discr´etisation. . . )
• Variante: identification de sources
TrouverX∈ X tel que G(p,dobs;X) =0 (p∈ P,d∈ Ddonn´es)
M. Bonnet (POems, ENSTA) Identification et inversion 12 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Probl` emes mal pos´ es (1932)
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Exemple de probl` eme mal pos´ e: barre ` a raideur variable
l F
ES(x)
Z` 0
ES(x)u0(x)w0(x)dx−Fw(`) = 0 (∀w,w(0) = 0)
• Probl`eme directlin´eaire, bien pos´e: ES(x)donn´e,u(x)inconnu;
• Probl`eme inverselin´eaire, mal pos´e: ES(x)inconnu,u(x)donn´e;
{F}= [G]{ES}, ( Gi,i =ui−ui−1
Gi,i+1=ui−ui+1
0 20 40 60 80 100 120
numero element
0 0.5 1 1.5
E / E ref
sigma = 0 sigma = 0.001
M. Bonnet (POems, ENSTA) Identification et inversion 14 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Exemple de probl` eme mal pos´ e: barre ` a raideur variable
l F
ES(x)
Z` 0
ES(x)u0(x)w0(x)dx−Fw(`) = 0 (∀w,w(0) = 0)
• Probl`eme directlin´eaire, bien pos´e: ES(x)donn´e,u(x)inconnu;
• Probl`eme inverselin´eaire, mal pos´e: ES(x)inconnu,u(x)donn´e;
{F}= [G]{ES}, ( Gi,i =ui−ui−1
Gi,i+1=ui−ui+1
0 20 40 60 80 100 120
numero element
0 0.5 1 1.5
E / E ref
sigma = 0 sigma = 0.001
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Exemple de probl` eme mal pos´ e: barre ` a raideur variable
l F
ES(x)
Z` 0
ES(x)u0(x)w0(x)dx−Fw(`) = 0 (∀w,w(0) = 0)
• Probl`eme directlin´eaire, bien pos´e: ES(x)donn´e,u(x)inconnu;
• Probl`eme inverselin´eaire, mal pos´e: ES(x)inconnu,u(x)donn´e;
{F}= [G]{ES}, ( Gi,i =ui−ui−1
Gi,i+1=ui−ui+1
0 20 40 60 80 100 120
numero element
0 0.5 1 1.5
E / E ref
sigma = 0 sigma = 0.001
M. Bonnet (POems, ENSTA) Identification et inversion 14 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Exemple de probl` eme mal pos´ e: reconstruction d’un champ de conductivit´ e (simulation)
(a) conductivit´e `a identifier; (b) reconstruction sans bruit, (c) reconstruction3%bruit (11 it´erations), (d) reconstruction3%bruit (50 it´erations).
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
R´ esolution des probl` emes inverses: consid´ erations g´ en´ erales
Deux sortes de situations:
(a) Probl`emes bien pos´es
• Existence et unicit´e deppourd donn´e
• Continuit´e deppour des petites perturbations ded:|δp| ≤C|δd| Comprend les probl`emes “classiques” de la M´ecanique
(b) Probl`emes mal pos´es: au moins une des conditions ci-dessus est viol´ee
Causes d’incertitude nombreuses:
• Origine exp´erimentale des donn´ees=⇒existence d’erreurs de mesure ;
• Donn´ees r´eelles en nombre fini, mais repr´esentation math´ematique par des fonctions ;
• Alt´eration des donn´ees par la m´ethode d’inversion: interpolation, discr´etisation, repr´esentation informatique des nombres ;
• Incertitudes dans le choix du mod`ele physique. Sensibilit´e des P.I. aux incertitudes
• Changement d’optique vis-`a-vis du concept de solution: toutpreproduisant la mesured “`aεpr`es” esta prioriacceptable.
M. Bonnet (POems, ENSTA) Identification et inversion 16 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
R´ esolution des probl` emes inverses: consid´ erations g´ en´ erales
Deux sortes de situations:
(a) Probl`emes bien pos´es
• Existence et unicit´e deppourd donn´e
• Continuit´e deppour des petites perturbations ded:|δp| ≤C|δd| Comprend les probl`emes “classiques” de la M´ecanique
(b) Probl`emes mal pos´es: au moins une des conditions ci-dessus est viol´ee Causes d’incertitude nombreuses:
• Origine exp´erimentale des donn´ees=⇒existence d’erreurs de mesure ;
• Donn´ees r´eelles en nombre fini, mais repr´esentation math´ematique par des fonctions ;
• Alt´eration des donn´ees par la m´ethode d’inversion: interpolation, discr´etisation, repr´esentation informatique des nombres ;
• Incertitudes dans le choix du mod`ele physique.
Sensibilit´e des P.I. aux incertitudes
• Changement d’optique vis-`a-vis du concept de solution: toutpreproduisant la mesured “`aεpr`es” esta prioriacceptable.
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
R´ esolution des probl` emes inverses: consid´ erations g´ en´ erales
Deux sortes de situations:
(a) Probl`emes bien pos´es
• Existence et unicit´e deppourd donn´e
• Continuit´e deppour des petites perturbations ded:|δp| ≤C|δd| Comprend les probl`emes “classiques” de la M´ecanique
(b) Probl`emes mal pos´es: au moins une des conditions ci-dessus est viol´ee Causes d’incertitude nombreuses:
• Origine exp´erimentale des donn´ees=⇒existence d’erreurs de mesure ;
• Donn´ees r´eelles en nombre fini, mais repr´esentation math´ematique par des fonctions ;
• Alt´eration des donn´ees par la m´ethode d’inversion: interpolation, discr´etisation, repr´esentation informatique des nombres ;
• Incertitudes dans le choix du mod`ele physique.
Sensibilit´e des P.I. aux incertitudes
• Changement d’optique vis-`a-vis du concept de solution: toutpreproduisant la mesure d “`aεpr`es” esta prioriacceptable.
M. Bonnet (POems, ENSTA) Identification et inversion 16 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
R´ esolution des probl` emes inverses: consid´ erations g´ en´ erales
Incorporation d’informations a priori compl´ementaires:
• bornes ou encadrements
• hypoth`eses de r´egularit´e
• repr´esentation des inconnues
• incertitudes exp´erimentales, de mod´elisation. . .
Th´eorie(s) de l’inversion: (re)formulations math´ematiques et techniques algorithmiques adapt´ees au caract`ere mal pos´e
• Champ de recherches actif et multidisciplinaire
• Recours au calcul num´erique intensif
• Champs d’application croissant avec le d´eveloppement du calcul num´erique
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
R´ esolution des probl` emes inverses: consid´ erations g´ en´ erales
Incorporation d’informations a priori compl´ementaires:
• bornes ou encadrements
• hypoth`eses de r´egularit´e
• repr´esentation des inconnues
• incertitudes exp´erimentales, de mod´elisation. . .
Th´eorie(s) de l’inversion: (re)formulations math´ematiques et techniques algorithmiques adapt´ees au caract`ere mal pos´e
• Champ de recherches actif et multidisciplinaire
• Recours au calcul num´erique intensif
• Champs d’application croissant avec le d´eveloppement du calcul num´erique
M. Bonnet (POems, ENSTA) Identification et inversion 17 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
(Non-)solvabilit´ e exacte
Trouverp∈ P tel que G(p,dobs;X) =0 (X∈ X,dobs∈ Ddonn´es)
• Existence et unicit´e des solutions non garanties.
• En g´en´eral,
Dim(D)6= Dim(P)
(dimensions finies en pratique apr`es discr´etisation), et on cherche `a disposer de donn´eessurd´etermin´ees:
Dim(D)>Dim(P) voire, si possible
Dim(D)Dim(P)
• Solvabilit´e exacte de l’´equation surd´etermin´ee g´en´eralement impossible:
→ Descriptionapproch´eede la r´ealit´e par le mod`ele physiqueG(p,d;X) =0
→ Incertitudes sur les valeurs observ´eesdobsded
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
(Non-)solvabilit´ e exacte
Trouverp∈ P tel que G(p,dobs;X) =0 (X∈ X,dobs∈ Ddonn´es)
• Existence et unicit´e des solutions non garanties.
• En g´en´eral,
Dim(D)6= Dim(P)
(dimensions finies en pratique apr`es discr´etisation), et on cherche `a disposer de donn´eessurd´etermin´ees:
Dim(D)>Dim(P) voire, si possible
Dim(D)Dim(P)
• Solvabilit´e exacte de l’´equation surd´etermin´ee g´en´eralement impossible:
→ Descriptionapproch´eede la r´ealit´e par le mod`ele physiqueG(p,d;X) =0
→ Incertitudes sur les valeurs observ´eesdobsded
M. Bonnet (POems, ENSTA) Identification et inversion 18 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
(Non-)solvabilit´ e exacte
Trouverp∈ P tel que G(p,dobs;X) =0 (X∈ X,dobs∈ Ddonn´es)
• Existence et unicit´e des solutions non garanties.
• En g´en´eral,
Dim(D)6= Dim(P)
(dimensions finies en pratique apr`es discr´etisation), et on cherche `a disposer de donn´eessurd´etermin´ees:
Dim(D)>Dim(P) voire, si possible
Dim(D)Dim(P)
• Solvabilit´e exacte de l’´equation surd´etermin´ee g´en´eralement impossible:
→ Descriptionapproch´eede la r´ealit´e par le mod`ele physiqueG(p,d;X) =0
→ Incertitudes sur les valeurs observ´eesdobsded
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Reformulation comme probl` emes d’optimisation
Cons´equence: reformulation fr´equente de l’inversion comme uneminimisation:
p?= arg min
p∈P
J(p), J(p) =kd(p;X)−dobsk
• p7→d(p;X): probl`eme direct
• Beaucoup de choix possibles pourk · k(normeL2tr`es utilis´ee car diff´erentiable)
• La fonction-coˆutJ(p)n’a pasa prioride propri´et´es garantissant l’unicit´e ou le caract`ere global dep?.
• Caract`ereimplicitede la d´ependance deJ enp:
J(p) =J(d,p) avecG(p,d;X) =0
M. Bonnet (POems, ENSTA) Identification et inversion 19 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Reformulation comme probl` emes d’optimisation
Cons´equence: reformulation fr´equente de l’inversion comme uneminimisation:
p?= arg min
p∈P
J(p), J(p) =kd(p;X)−dobsk
• p7→d(p;X): probl`eme direct
• Beaucoup de choix possibles pourk · k(normeL2tr`es utilis´ee car diff´erentiable)
• La fonction-coˆutJ(p)n’a pasa prioride propri´et´es garantissant l’unicit´e ou le caract`ere global dep?.
• Caract`ereimplicitede la d´ependance deJ enp:
J(p) =J(d,p) avecG(p,d;X) =0
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inversion ou identification
Probl`eme inverse:recherche d’une grandeur d´ecrite par unefonction
→ Exemples: (a) champs (modules, forces, sources d´ependant du temps...); (b) forme ou topologie du domaine; (c) comportement d´ependant de la solution...
Discr´etisation→grand nombre d’inconnues;
Forte sensibilit´e aux incertitudes, r´egularisation n´ecessaire.
Probl`eme d’identification: recherche d’une grandeur d´ecrite par unensemble fini de param`etres
→ Exemples: (a) mod`eles de comportement et autres jeux de param`etres physiques; (b) discr´etisations parcimonieuses...
Nombrea priorirestreint d’inconnues;
Moindre sensibilit´e aux incertitudes, r´egularisation parfois facultative.
• Les deux types de probl`emes conduisent souvent `a la minimisation d’une fonction-coˆut.
• Dans certains cas, une param´etrisation parcimonieuse d’un probl`eme inverse constitue en soi uner´egularisation.
M. Bonnet (POems, ENSTA) Identification et inversion 20 / 338
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inversion ou identification
Probl`eme inverse:recherche d’une grandeur d´ecrite par unefonction
→ Exemples: (a) champs (modules, forces, sources d´ependant du temps...); (b) forme ou topologie du domaine; (c) comportement d´ependant de la solution...
Discr´etisation→grand nombre d’inconnues;
Forte sensibilit´e aux incertitudes, r´egularisation n´ecessaire.
Probl`eme d’identification: recherche d’une grandeur d´ecrite par unensemble fini de param`etres
→ Exemples: (a) mod`eles de comportement et autres jeux de param`etres physiques;
(b) discr´etisations parcimonieuses...
Nombrea priorirestreint d’inconnues;
Moindre sensibilit´e aux incertitudes, r´egularisation parfois facultative.
• Les deux types de probl`emes conduisent souvent `a la minimisation d’une fonction-coˆut.
• Dans certains cas, une param´etrisation parcimonieuse d’un probl`eme inverse constitue en soi uner´egularisation.
G´en´eralit´es: inversion et identification; probl`emes mal pos´es
Inversion ou identification
Probl`eme inverse:recherche d’une grandeur d´ecrite par unefonction
→ Exemples: (a) champs (modules, forces, sources d´ependant du temps...); (b) forme ou topologie du domaine; (c) comportement d´ependant de la solution...
Discr´etisation→grand nombre d’inconnues;
Forte sensibilit´e aux incertitudes, r´egularisation n´ecessaire.
Probl`eme d’identification: recherche d’une grandeur d´ecrite par unensemble fini de param`etres
→ Exemples: (a) mod`eles de comportement et autres jeux de param`etres physiques;
(b) discr´etisations parcimonieuses...
Nombrea priorirestreint d’inconnues;
Moindre sensibilit´e aux incertitudes, r´egularisation parfois facultative.
• Les deux types de probl`emes conduisent souvent `a la minimisation d’une fonction-coˆut.
• Dans certains cas, une param´etrisation parcimonieuse d’un probl`eme inverse constitue en soi uner´egularisation.
M. Bonnet (POems, ENSTA) Identification et inversion 20 / 338
Exemples de probl`emes inverses
1. G´en´eralit´es: inversion et identification; probl`emes mal pos´es
2. Exemples de probl`emes inverses Gravim´etrie
Identification de sources ou de sollicitations
Reconstruction de conditions aux limites inaccessibles Probl`emes inverses en vibrations de structures Autres exemples
Exemples de probl`emes inverses Gravim´etrie
1. G´en´eralit´es: inversion et identification; probl`emes mal pos´es 2. Exemples de probl`emes inverses
Gravim´etrie
Identification de sources ou de sollicitations
Reconstruction de conditions aux limites inaccessibles Probl`emes inverses en vibrations de structures Autres exemples
M. Bonnet (POems, ENSTA) Identification et inversion 22 / 338
Exemples de probl`emes inverses Gravim´etrie
Gravim´ etrie
Mod`ele physique (acc´el´eration de la pesanteur dans la directione):
g(x) =Ge·n
∇x
Z
V
1
kx−ykρ(y) dVo
=:G(ρ)(x)
(G≈6.67408 10−11m3kg−1s−2:
constante universelle de la gravitation)
(V) ρ( )
x_
y_
1 3
Ce mod`ele physique est explicite.
• Structure: ´equation int´egrale de Fredholm de premi`ere esp`ece (cf. plus loin).
• Probl`eme: G−1 non continu
=⇒non-continuit´e deρ(·)par rapport `a la donn´eeg(·).
Probl`eme inverse:D´eterminer la fonctionρ(·)`a partir de mesuresg(x), x∈ M.
Exemples de probl`emes inverses Gravim´etrie
Gravim´ etrie
Source:http://www.csr.utexas.edu/grace/
M. Bonnet (POems, ENSTA) Identification et inversion 24 / 338
Exemples de probl`emes inverses Gravim´etrie
Gravim´ etrie
Multiplicit´e des solutions: Soitf(y)d´efinie surV et telle que:
(∀y∈∂V) f(y) = ∂
∂nf(y) = 0 Compte tenu de
∆y(1/kx−yk) = 0 (∀y ∈V) la troisi`eme formule de Green donne:
Z
V
1
|x−y|∆f dV
= Z
∂V
1
|x−y|
∂f
∂n−f ∂
∂n 1
|x−y|
dS
= 0
Distributionsρetρ+ ∆f indiscernables du point de vue du champg cr´e´e `a l’ext´erieur deV.
• Sous-d´etermination essentielle
• N´ecessit´e d’informations suppl´ementaires ind´ependantes. exemple d’ind´etermination:
M ρ( )r
x y
_ _ r
x _ V
R R
masse concentr´ee: M= 4π
Z R 0
ρ(r)dr
Exemples de probl`emes inverses Gravim´etrie
Gravim´ etrie
Multiplicit´e des solutions: Soitf(y)d´efinie surV et telle que:
(∀y∈∂V) f(y) = ∂
∂nf(y) = 0 Compte tenu de
∆y(1/kx−yk) = 0 (∀y ∈V) la troisi`eme formule de Green donne:
Z
V
1
|x−y|∆f dV
= Z
∂V
1
|x−y|
∂f
∂n−f ∂
∂n 1
|x−y|
dS
= 0
Distributionsρetρ+ ∆f indiscernables du point de vue du champg cr´e´e `a l’ext´erieur deV.
• Sous-d´etermination essentielle
• N´ecessit´e d’informations suppl´ementaires ind´ependantes.
exemple d’ind´etermination:
M ρ( )r
x y
_ _ r
x _ V
R R
masse concentr´ee: M= 4π
Z R 0
ρ(r)dr
M. Bonnet (POems, ENSTA) Identification et inversion 25 / 338
Exemples de probl`emes inverses Gravim´etrie
Gravim´ etrie
Multiplicit´e des solutions: Soitf(y)d´efinie surV et telle que:
(∀y∈∂V) f(y) = ∂
∂nf(y) = 0 Compte tenu de
∆y(1/kx−yk) = 0 (∀y ∈V) la troisi`eme formule de Green donne:
Z
V
1
|x−y|∆f dV
= Z
∂V
1
|x−y|
∂f
∂n−f ∂
∂n 1
|x−y|
dS
= 0
Distributionsρetρ+ ∆f indiscernables du point de vue du champg cr´e´e `a l’ext´erieur deV.
• Sous-d´etermination essentielle
• N´ecessit´e d’informations suppl´ementaires ind´ependantes.
exemple d’ind´etermination:
M ρ( )r
x y
_ _ r
x _ V
R R
masse concentr´ee:
M= 4π Z R
0
ρ(r)dr
Exemples de probl`emes inverses Identification de sources ou de sollicitations
1. G´en´eralit´es: inversion et identification; probl`emes mal pos´es 2. Exemples de probl`emes inverses
Gravim´etrie
Identification de sources ou de sollicitations
Reconstruction de conditions aux limites inaccessibles Probl`emes inverses en vibrations de structures Autres exemples
M. Bonnet (POems, ENSTA) Identification et inversion 26 / 338
Exemples de probl`emes inverses Identification de sources ou de sollicitations
Identification de sources ou de sollicitations
Exemple: reconstruction d’une charge ponctuelle appliqu´ee `a une poutre ´elastique.
x=0 x=L F
x=aL
δ δ’
Probl`eme direct:
• F,aL(entr´ee) etL,EI (syst`eme) donn´es
• δ(x)(sortie) inconnu
Probl`eme inverse:
• δ(L), δ0(L)(sortie) etL,EI (syst`eme) donn´es
• F,aL(entr´ee) inconnus
Solution analytique (donn´ees exactes): aL= 3(L− δ
δ0) F= 2EIδ0(aL)−2 Perturbation relative surδetδ0:
δmesure0 =δexact0 (1 +ε) (δ/δ0)mesure = (δ/δ0)exact(1 +ε0) Erreur de reconstruction surF:
e:=Fmesure
Fexact
−1 = ε−ε03−aa 1 +ε03−aa L’amplification de l’erreur exp´erimentale augmente quandadiminue.
a 0.25 0.10 0.05
e 0.12 0.24 0.38 (ε=ε0= 0.01)
Exemples de probl`emes inverses Identification de sources ou de sollicitations
Identification de sources ou de sollicitations
Exemple: reconstruction d’une charge ponctuelle appliqu´ee `a une poutre ´elastique.
x=0 x=L F
x=aL
δ δ’
Probl`eme direct:
• F,aL(entr´ee) etL,EI (syst`eme) donn´es
• δ(x)(sortie) inconnu Probl`eme inverse:
• δ(L), δ0(L)(sortie) et L,EI (syst`eme) donn´es
• F,aL(entr´ee) inconnus
Solution analytique (donn´ees exactes): aL= 3(L− δ
δ0) F= 2EIδ0(aL)−2 Perturbation relative surδetδ0:
δmesure0 =δexact0 (1 +ε) (δ/δ0)mesure = (δ/δ0)exact(1 +ε0) Erreur de reconstruction surF:
e:=Fmesure
Fexact
−1 = ε−ε03−aa 1 +ε03−aa L’amplification de l’erreur exp´erimentale augmente quandadiminue.
a 0.25 0.10 0.05
e 0.12 0.24 0.38 (ε=ε0= 0.01)
M. Bonnet (POems, ENSTA) Identification et inversion 27 / 338
Exemples de probl`emes inverses Identification de sources ou de sollicitations
Identification de sources ou de sollicitations
Exemple: reconstruction d’une charge ponctuelle appliqu´ee `a une poutre ´elastique.
x=0 x=L F
x=aL
δ δ’
Probl`eme direct:
• F,aL(entr´ee) etL,EI (syst`eme) donn´es
• δ(x)(sortie) inconnu Probl`eme inverse:
• δ(L), δ0(L)(sortie) et L,EI (syst`eme) donn´es
• F,aL(entr´ee) inconnus
Solution analytique (donn´ees exactes):
aL= 3(L− δ
δ0) F= 2EIδ0(aL)−2 Perturbation relative surδetδ0:
δmesure0 =δexact0 (1 +ε) (δ/δ0)mesure= (δ/δ0)exact(1 +ε0)
Erreur de reconstruction surF: e:=Fmesure
Fexact
−1 = ε−ε03−aa 1 +ε03−aa L’amplification de l’erreur exp´erimentale augmente quandadiminue.
a 0.25 0.10 0.05
e 0.12 0.24 0.38 (ε=ε0= 0.01)
Exemples de probl`emes inverses Identification de sources ou de sollicitations
Identification de sources ou de sollicitations
Exemple: reconstruction d’une charge ponctuelle appliqu´ee `a une poutre ´elastique.
x=0 x=L F
x=aL
δ δ’
Probl`eme direct:
• F,aL(entr´ee) etL,EI (syst`eme) donn´es
• δ(x)(sortie) inconnu Probl`eme inverse:
• δ(L), δ0(L)(sortie) et L,EI (syst`eme) donn´es
• F,aL(entr´ee) inconnus
Solution analytique (donn´ees exactes):
aL= 3(L− δ
δ0) F= 2EIδ0(aL)−2 Perturbation relative surδetδ0:
δmesure0 =δexact0 (1 +ε) (δ/δ0)mesure= (δ/δ0)exact(1 +ε0) Erreur de reconstruction surF:
e:=Fmesure
Fexact
−1 = ε−ε03−aa 1 +ε03−aa L’amplification de l’erreur exp´erimentale augmente quandadiminue.
a 0.25 0.10 0.05
e 0.12 0.24 0.38 (ε=ε0= 0.01)
M. Bonnet (POems, ENSTA) Identification et inversion 27 / 338
Exemples de probl`emes inverses Reconstruction de conditions aux limites inaccessibles
1. G´en´eralit´es: inversion et identification; probl`emes mal pos´es 2. Exemples de probl`emes inverses
Gravim´etrie
Identification de sources ou de sollicitations
Reconstruction de conditions aux limites inaccessibles Probl`emes inverses en vibrations de structures Autres exemples
Exemples de probl`emes inverses Reconstruction de conditions aux limites inaccessibles
Reconstruction de conditions aux limites inaccessibles
Exemple en thermique: conduite.
Equation locale de la conduction (θ:
temp´erature):
k∆θ
−ρc∂θ
∂t
= 0 Flux impos´e surSe:
k∂θ
∂n =qe surSe q donne
Probleme direct
θ donne
q donne
Probleme inverse
θ donne q ?
θ ?
S S
S S
e e
i i
e e
e
i i i
Probl`eme direct: donn´ee surSi: θ=θi ou bien k∂θ
∂n =qi surSi
Calcul deθ(x,t)dans le domaine d’´etude. Probl`eme inverse:aucune donn´ee surSi, temp´erature donn´ee surSe
θ=θe surSe
calcul deθi,qi surSi
M. Bonnet (POems, ENSTA) Identification et inversion 29 / 338
Exemples de probl`emes inverses Reconstruction de conditions aux limites inaccessibles
Reconstruction de conditions aux limites inaccessibles
Exemple en thermique: conduite.
Equation locale de la conduction (θ:
temp´erature):
k∆θ
−ρc∂θ
∂t
= 0 Flux impos´e surSe:
k∂θ
∂n =qe surSe q donne
Probleme direct
θ donne
q donne
Probleme inverse
θ donne q ?
θ ?
S S
S S
e e
i i
e e
e
i i i
Probl`eme direct: donn´ee surSi: θ=θi ou bien k∂θ
∂n =qi surSi
Calcul deθ(x,t)dans le domaine d’´etude.
Probl`eme inverse:aucune donn´ee surSi, temp´erature donn´ee surSe
θ=θe surSe
calcul deθi,qi surSi
Exemples de probl`emes inverses Reconstruction de conditions aux limites inaccessibles
Reconstruction de conditions aux limites inaccessibles
Exemple en thermique: conduite.
Equation locale de la conduction (θ:
temp´erature):
k∆θ
−ρc∂θ
∂t
= 0 Flux impos´e surSe:
k∂θ
∂n =qe surSe q donne
Probleme direct
θ donne
q donne
Probleme inverse
θ donne q ?
θ ?
S S
S S
e e
i i
e e
e
i i i
Probl`eme direct: donn´ee surSi: θ=θi ou bien k∂θ
∂n =qi surSi
Calcul deθ(x,t)dans le domaine d’´etude.
Probl`eme inverse:aucune donn´ee surSi, temp´erature donn´ee surSe
θ=θe surSe
calcul deθi,qi surSi
M. Bonnet (POems, ENSTA) Identification et inversion 29 / 338