HAL Id: tel-00809208
https://tel.archives-ouvertes.fr/tel-00809208
Submitted on 8 Apr 2013
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Non Linéaires, Linéarisées et pour l’Optimisation
Aérodynamique
Jean-Guillaume Jeremiasz
To cite this version:
Jean-Guillaume Jeremiasz. Méthodes de Krylov pour les Equations de Navier-Sokes Non Linéaires,
Linéarisées et pour l’Optimisation Aérodynamique. Mécanique des structures [physics.class-ph].
Uni-versité Pierre et Marie Curie - Paris VI, 2007. Français. �NNT : 2007PA066618�. �tel-00809208�
Spé ialité : MÉCANIQUE
présentée par :
Jean-Guillaume JÉRÉMIASZ
pour obtenirle titre de :
DOCTEUR DE L'UNIVERSITÉ PIERRE ET MARIE CURIE
Méthodes de Krylov pour les Équations de
Navier-Stokes Non Linéaires, Linéarisées et
pour l'Optimisation Aérodynamique
soutenue le6 dé embre 2007
devant le jury omposé de :
J.P. Caltagirone Rapporteur
J.C. Chassaing Co-Dire teur de Thèse
C. Corre Rapporteur
G.A. Gerolymos Dire teur de Thèse
P. Ferrand
B. Mohammadi
1 Introdu tion 3
1.1 RésolutiondeséquationsdeNavier-Stokes . . . 3
1.2 EquationsdeNavier-Stokeslinéariséesetharmoniquesentemps. . . 4
1.3 Optimisationaérodynamiquestationnaire . . . 5
1.4 Plandumémoire . . . 6
2 Méthodesde Krylov pour lessystèmeslinéairesnon symétriques 9 2.1 Fa torisationdeLan zospourlesproblèmesàmatri esnonsymétriques . . . 9
2.1.1 Méthodederésolutionbi- g . . . 10
2.1.2 Méthodederésolution gs . . . 12
2.1.3 Méthodederésolutionbi- gstab . . . 13
2.2 AlgorithmedeKrylovave fa torisationd'Arnoldi . . . 15
2.2.1 Fa torisationd'Arnoldi . . . 15
2.2.2 Méthodederésolutiongmres . . . 16
2.2.3 Méthodederésolutionmgmres . . . 18
2.3 Méthodesdepré onditionnementpourlesméthodesdeKrylov . . . 19
2.3.1 MéthodedeJa obi . . . 20
2.3.2 Méthodedeblo Ja obi . . . 20
2.3.3 Méthodeilu0 . . . 21
2.4 Résolutiondeséquationsd'Eulerlinéariséeset harmoniquesentemps1
1
2
D. . . 212.4.1 Leséquationsd'Euler1
1
2
D . . . 212.4.2 Résolutiondeséquationsd'Euler1
1
2
Dstationnaires. . . 222.4.3 E oulementinstationnaireave uneu tuationharmoniquedepressionaval . . . 23
2.5 Con lusions . . . 25
3 Equationsde Navier-Stokes nonlinéaires stationnaires 27 3.1 EquationsdeNavier-Stokes . . . 27
3.1.1 EquationsdeNavier-Stokesmoyennées. . . 27
3.1.2 Lesdiérentsmodèlesdeturbulen e . . . 28
3.2 Méthodededis rétisationspatiale . . . 31
3.2.1 Générationdumaillagemultiblo stru turé . . . 31
3.2.2 Dis rétisationdesux . . . 32
3.2.3 Itérationmultigrille . . . 33
3.3 S hémad'intégrationtemporelleet onditionsauxlimites . . . 34
3.3.1 S hémad'intégrationtemporel dé entréd'Euler. . . 34
3.3.2 S hémaàpasdetempsdual pourlarésolutiondeséquationsstationnaires. . . 35
3.3.3 Conditionsauxlimites . . . 35
3.4 Méthodederésolutiondusystèmelinéaire . . . 36
3.4.1 Simpli ationsdu al uldelamatri eja obienne. . . 36
3.4.2 Résolutiondusystèmelinéaireparfa torisationaf-adi . . . 37
3.4.3 RésolutiondusystèmelinéaireparméthodedeKrylov . . . 38
3.5.1 Présentationdela onguration. . . 39
3.5.2 Congurationsubsonique . . . 39
3.5.3 Congurationtranssonique . . . 46
3.6 Con lusions . . . 52
4 Equationsde N-S linéariséesrésoluespar intégration temporelle 55 4.1 EquationsdeNavier-Stokeslinéariséesetharmoniquesentemps. . . 55
4.2 Linéarisationdesuxet onditionsauxlimites . . . 56
4.2.1 Linéarisationdesux onve tifs. . . 56
4.2.2 Linéarisationdesuxdiusifs . . . 57
4.2.3 Conditionsauxlimites . . . 58
4.3 Méthodederésolutionparintrodu tiond'unpasdetemps tif . . . 58
4.3.1 Introdu tiondupasdetemps . . . 58
4.3.2 Résolutiondusystèmelinéaireparfa torisationappro hée. . . 59
4.3.3 RésolutiondusystèmelinéaireparméthodedeKrylov . . . 59
4.4 Démonstrateur2-D:tuyèresymétriquedeDeléry. . . 61
4.4.1 Validation de la méthode gmres_ptm pour une linéarisation autour d'un é oulement stationnairesubsonique . . . 61
4.4.2 Validationdelaméthodegmres_ptmet omparaisondela onvergen e autourd'uné oulementstationnairetranssonique. . . 66
4.5 Con lusions . . . 75
5 Equationsde N-S linéariséesrésoluessans intégration temporelle 77 5.1 Aran hissementdel'intégrationtemporelle . . . 77
5.1.1 AlgorithmedeKrylovpourunproblème omplexe . . . 78
5.1.2 Pré onditionnementilu0delamatri e omplexe . . . 78
5.1.3 Algorithmegmres_noptm pourla résolution deséquations de Navier-Stokeslinéarisées etharmoniquesentemps . . . 79
5.2 Résultatssurledémonstrateur2D . . . 80
5.2.1 E oulementstationnairesubsonique . . . 80
5.2.2 E oulementstationnairetranssonique . . . 84
5.2.3 Appli ationduproblèmedestabilité . . . 87
5.3 Con lusion . . . 91
6 Optimisationaérodynamiquede formes 93 6.1 Méthoded'optimisation . . . 93
6.1.1 Algorithmed'optimisationsans ontrainte . . . 93
6.1.2 Paramétrisationdelagéométrie. . . 94
6.1.3 Cal uldeladire tiondedes ente . . . 95
6.2 Dis rétisationetrésolution . . . 98
6.2.1 Dis rétisationdesux aérodynamiquesetsensibilitédumaillage . . . 98
6.2.2 Conditionsauxlimites . . . 100
6.2.3 Résolutiondessystèmeslinéaires . . . 100
6.3 Résultatspourunproblèmeinverse . . . 101
6.3.1 E oulementsaérodynamiquesdanslestuyèresinitialeet obje tif . . . 101
6.3.2 Convergen epourunerésolutiongmres_noptm_dr t . . . 102
6.3.3 Convergen epourunerésolutionmgmres_noptm_dr t . . . 104
6.3.4 Convergen epourunerésolutiongmres_noptm_adjt . . . 106
6.4 Résultatspourunproblèmedeminimisationdespertes . . . 107
6.4.1 Fon tion de oût . . . 107
6.4.2 Convergen epourunerésolutiondelaméthodedire te . . . 107
7 Con lusions etperspe tives 111
7.1 Con lusions . . . 111
7.1.1 EquationsdeNavier-Stokesstationnaires . . . 111
7.1.2 EquationsdeNavier-Stokeslinéariséeset harmoniquesentemps . . . 112
7.1.3 Optimisationaérodynamique . . . 113
7.2 Perspe tives . . . 113
7.2.1 EquationsdeNavier-Stokesstationnaires . . . 113
7.2.2 EquationsdeNavier-Stokeslinéariséeset harmoniquesentemps . . . 114
7.2.3 Optimisationaérodynamique . . . 114
A Equationsde Navier-Stokes stationnaires 115 A.1 Résultats omplémentairespouruné oulementsubsonique . . . 115
A.2 Résultats omplémentairespouruné oulementtranssonique. . . 118
B Equationsde N-S linéariséesrésoluespar intégration temporelle 121 B.1 E oulementstationnairesubsonique . . . 121
B.2 E oulementstationnairetranssonique. . . 125
C Equationsde N-S linéariséesrésoluessans intégration temporelle 129 C.1 E oulementstationnairesubsonique . . . 129
C.2 E oulementstationnairetranssonique. . . 133
C.2.1 RésultatssurlemaillageGrid_A. . . 133
Introdu tion
Cettethèse portesurl'appli ationdesméthodesdeKrylovpourlarésolutiond'équationsdelamé aniquedes
uides.L'ensembledesé oulementsétudiésrelèvedela lassedesé oulementsinternes,turbulentset
ompres-sibles, pouvant omporterdesintera tionsentreuneondede ho etune ou helimite,ainsiqued'importants
dé ollements.Nousnoussommesintéressésàtroisgrandstypesdeproblèmesfréquemmentren ontrés:
larésolutiondeséquationsdeNavier-Stokesstationnaires;
larésolutionde ertainsé oulementsinstationnaires ara tériséspardepetitesu tuationsinstationnaires
etharmoniquesentemps;
l'appli ationàl'optimisationaérodynamiquedeformes.
Lorsque nous nous intéressons à la résolution des équations de Navier-Stokes linéarisées (en temps ou pour
le al ul dugradienten optimisation), desétudesré entes [2, 14, 17, 21,29, 113, 136℄mettenten éviden ela
possibilitéd'ampli ationdemodespropresinstables,parlepro essusitératifutilisé, onduisantàladivergen e
du al ul.Lapropositiondesolutionsà eproblèmeestl'obje tif entral de ettethèse.
1.1 Résolution des équations de Navier-Stokes
Les équations de Navier-Stokes sont aujourd'hui ouramment employées pourl'étude d'é oulements dans les
domaines aéronautique, pétrolier, himique
. . .
Ces é oulements sont des é oulements externes ou internes,laminaires ou turbulents, stationnaires ou instationnaires. L'un des enjeux a tuels est la rédu tiondu temps
né essaire àla résolution de es équations an d'étudier des ongurationsde plus en plus omplexes (avion
entier,eetste hnologiques
. . .
)etdeprendreen ompte desphénomènesphysiquesdeplusenplusns.Nous nous sommesintéressésdansun premiertemps àlarésolution des équationsde Navier-Stokes
ompres-sibles moyennéespourlaturbulen e(RANS)parlaméthodedeNewton.Cetteméthoded'intégration onsiste
en une dis rétisation temporelle impli ite du problème. L'une des onséquen es de ette dis rétisation est la
résolutionà haqueitérationtemporelled'unsystèmelinéairedontles oe ientsissusdeladis rétisation
spa-tiale deséquationsdeNavier-Stokesvarientau oursdesitérations.Lesmatri esdessystèmes linéaires,issues
de ettedis rétisation,sontdesmatri es reuses,nonsymétriqueset,lorsqueleséquationssontrésoluessurun
maillage stru turé, omme 'est le as i i, ellesont desstru tures bande-blo [137℄. Les diérentes méthodes
de fa torisation appro hée permettent de résoudre les systèmes linéaires de manière non exa te. Une bonne
étude omparativede la résolution des équations d'Eulerstationnaires utilisant es fa torisations appro hées
est dé riteparMotturaet al.[100℄.Cependantleserreursdefa torisationlimitentlavitessede onvergen eet
imposentdespasdetempsrelativementfaibles( fl
<
20).Dèslors,pouraugmenterlepasdetempsetlever et in onvénient,ilestné essairederésoudrelessystèmeslinéairesave desmatri esexa tes.Etantdonnélatailledesmatri es,lesrésolutionsdire tesdutypelu_bandesontlimitéesàdesé oulementssimplesné essitantpeu
de pointsde maillage [108℄. Une alternative auxméthodes dire tes est l'utilisationde méthodes itérativesde
type Ja obi. Mais les matri es des systèmes linéaires étant mal onditionnées (matri e blo dont les valeurs
numériques ne sont pas omparables, présen e de dis ontinuité ave des ondes de ho , importante zone de
En ontrepartie, lesdiverses méthodes itérativesde Krylov (bi- g (Lan zos[83℄), tfqmr (Freund [42℄), gs
(Sonneveld [129℄), bi- gstab (Van Der Vorst [143℄), gmres (Saad [118℄) ) se sont imposées omme la
réfé-ren e des algorithmes itératifs pour la résolution de systèmes linéaires à matri es reuses non symétriques.
Dans le adre de la mé anique des uides, la majorité des auteurs utilisent l'algorithme gmres [10, 54, 94
97, 107,112, 114, 130, 142℄; néanmoins ertains,utilisent aussile gs, tfqmrou lebi- gstab [97, 107℄. Par
ailleurs, an d'a élérer la onvergen e du pro essus itératif, à haque itération temporelle, les méthodes de
Krylovnesontpasenvisageablessansl'utilisationdepré onditionnements.
Letableau(1.1)résumedefaçonnonexhaustivediérentesréféren esutilisantuneméthodedeNewton-Krylov
pourlarésolutiondeséquationsd'EuleroudeNavier-Stokesstationnaires:
Tab.1.1MéthodedeNewton-Krylovpourlesé oulementsstationnaires
Auteurs Année Modèle Ja obien Pré onditionnement Appli ation
Venkatakrishnan,Mavriplis[142℄ 1993 NS 2D AJ bj,ssor, ilu prols
M Hugh,Knoll[97℄ 1994 NS-i 2D EJ/MF ilu avité
Rogers[114℄ 1995 NS-a AJ bj,ilu mar he,prols
Luo,Baum,Lohner[94℄ 1998 NS 3D AJ/MF-AJ sgs, ilu onduit,prol,aile
Blan o,Zingg[10℄ 1998 Euler2D EJ/AJ/MF ilu prols
Pueyo,Zingg[112℄ 1998 NS 2D MF ilu prols
Soulaimani,BenSalah,Saad[130℄ 2002 NS 2D/3D MF-AJ ilu avité,aile
Guezaine[54℄ 2002 NS 2D MF ilu prol
Mavriplis[96℄ 2002 Euler/NS2D MF-AF Multigrid prols
Manzano,Lassaline,Wong,Zingg[95℄ 2003 Euler2D/3D MF ilu prol,aile,avion
Olawsky,Infed, Auweter-Kurtz[107℄ 2004 NS-hyp2D AJ/EJ/MF bj,sgs,ilu apsule,sonde
présent 2006 NS 2D AJ bj,ilu tuyère
NS =Navier-Stokes;i =in ompressible;hyp=hypersonique;a = ompressibilitéarti ielle;AJ=matri e
ja obienneappro hée;EJ =matri eja obienneexa te; MF =matrixfree; bj= relaxationblo Ja obi; sgs
=symétriqueGauss-Seidel;ilu=fa torisationluin omplète;
1.2 Equations de Navier-Stokes linéarisées et harmoniques en temps
Pour ertainsé oulementsinstationnaires,lorsque ertainesfréquen esidentiéessontprépondérantesave des
perturbations de faible amplitude,l'é oulementinstationnaire peutêtre dé omposé en deux parties, une
pre-mièrepartie stationnaireautourde laquelleest ajoutée une se ondepartie instationnaireharmoniqueissuede
lalinéarisationdeséquationsdeNavier-Stokes.Ce modèled'é oulementestparti ulièrementbien adaptépour
laprédi tiond'instabilitésaéroélastiques(ottementd'ailesouvibrationd'aubesdeturboma hines).Elles
four-nissent notamment une bonne approximation des oe ients des for es de pression instationnaires [17℄. Par
ailleurs, leséquations d'Eulerlinéarisées sont aussiutilisées enaéroa oustique pourl'étude de lapropagation
desour esa oustiquesdansuné oulementétabliave uneméthodede ouplaged'analogiea oustique.
Lorsque eséquationssonté ritesdansledomainefréquentiel,ilyapour haquefréquen eunsystèmelinéraire
àmatri e omplexeàrésoudre. Devantlataille desmatri es delinéarisation, lamajoritédesauteurs utilisent
unerésolutionàpasdetemps tif.Ceséquationssontrésoluessoitparintégrationpseudo-temporelledefaçon
expli ite[5660,104℄ouparintégrationmulti-pasdeRunge-Kutta[23,64,89,106℄,soitparrésolutionimpli ite
[15, 17,1921,25,26,81,89, 111,111, 123,133℄.
Néanmoins, ette résolution par intégration pseudo-temporelle est sujette à des problèmes de stabilité. Ces
instabilités numériques sont bien onnues dans le adre de la propagation de sour es a oustiques e sont les
instabilitésdeKelvin-Helmholtz.Lorsquel'é oulementstationnaireprésentedeszonesoùleseetsnonlinéaires
et àmesuredesitérationspseudo-temporelleset rendentlarésolutionnumériquementinstable.Cesinstabilités
sontaussi bien reportéespour larésolution des équations d'Eulerlinéarisées et harmoniques en temps (selon
Argawaletal.[2℄:"These(Kelvin-Helmholtzinstabilities)are onve tiveinstabilitiesin whi hthe disturban es
grow astheypropagatedownstreamfromthe pointofintrodu tion.The instability-wavesolution an ompletely
overwhelm the a ousti -solution")que pour larésolutiondes équationsdeNavier-Stokeslinéarisées et
harmo-niques en temps (selon Campobasso et al. [14℄ : "For most aeroelasti problems of pra ti al interest
. . .
the linear ode onverges withoutdi ulty.However an expodentialgrowthof the residual has been en ounteredinsituations in whi h the steady ow al ulation itself failed to onverge toasteady statebut instead nishedin
asmall-amplitude limit y les, relatedtosomephysi al phenomenonsu hassepparation bubbles, orner stalls,
and vortessheddingatblundtrailingedge". Danstousles as, esinstabilitéssontliéesàl'é oulement
station-naireetauxmé anismesphysiquesnonlinéairesengendrés,etnonaumodèlesimpliédeséquationslinéarisées.
Anderemédierà eproblèmedestabilité,lessystèmeslinéairesàmatri es omplexes,issuesdela
dis rétisa-tionspatio-temporelledeséquationsdeNavier-Stokeslinéariséesetharmoniquesentemps,peuventêtrerésolus
sansintrodu tiond'unpseudo-pasdetemps.Morriset al.[2,113℄, poursupprimerlesinstabilitésnumériques,
résolventle systèmelinéaireparfa torisationlu_banded'unmodèlesimplié supposantseulementune
équa-tionpouruneperturbationharmoniquedelapression.Dans e as,leproblèmeaseulement
N i × Nj
in onnues etunematri edelargeurbande2 × max (Ni, Nj)
.Sil'ensembledeséquationsdeNavier-Stokeslinéariséessont dis rétiséesenraisondelatailledesmatri es,unerésolutiondire tedetypeluestenvisageableseulementdansdes asex eptionnels.Dansnotre as,ave unedis rétisationdeséquationsautroisièmeordrepourunmaillage
N i × Nj = 101 × 101
,unerésolutionlu_bandené essitedéjàuneressour ede7.5Gb, equi,malgrélaloideMoore,n'estpasextrapolablepourdesproblèmestridimensionelsdansunavenirpro he.Deplus,Compobasso
et Giles[14,29℄ montrentque esinstabilitéssontliéesàdesvaleurspropresdelamatri edontlemodule est
supérieuràl'unité.LesméthodesderésolutiondetypeJa obinegarantissentdon pasla onvergen e.
Dansletableau(1.2)sontlistéesdefaçonnonexhaustivelesdiérentesrésolutionsdeséquationsd'Euleretde
Navier-Stokessansintégrationpseudo-temporelle:
Tab.1.2Résolutiondeséquationslinéariséessansintrodu tiond'unpseudo-pasdetemps
Auteurs Année Modèle S héma Résolution Appli ation
Argawal,Morris,Mani[2℄ 2004 pression2D
O∆(x)
2
fd lu jet2-D
Chassaing,Gerolymos,Jérémiasz[22℄ 2006 NS2D/3D
O∆(x)
3
vl[140℄ gmres [118℄ tuyère2-D/3-D
Rao,Morris[113℄ 2006 pression2D dg lu plaqueplane
present 2007 NS2D
O∆(x)
3
vl[140℄ gmres [118℄ tuyère2-D
u = entré non stru turé; fd = diéren es nies; dg = Galerkine dis ontinu; gmres = Global Minimal
Residual[118℄;vl=VanLeer[140℄
IlfautnoterqueCompobassoetGiles[14,29℄utilisentuneappro hehybrideoùunsolveurexpli itemultigrille
pseudo-time-mar hing est oupléentantquepré onditionneurave unsolveurgmres.Lesolveurmultigrilleest
utilisé àl'intérieur delabou lede réationdel'espa edeKrylov.
1.3 Optimisation aérodynamique stationnaire
Dansunexer i ed'optimisationaérodynamiquedeformeparméthodededes ente,legradientaérodynamique
de lafon tion de oût peutêtreévaluésoit parméthode de diéren esnies [8,37, 62, 79℄,soit à l'aided'un
opérateur linéarisé [71℄. Grâ eà ette méthode dite méthode des sensibilités , un ou plusieurs systèmes
linéaires ave unematri eidentiquemaisdiérentsve teursàdroitedoiventêtrerésolus.Lorsquelesmaillages
sontde petite taille et quele sto kagené essitedon un faibleespa e mémoire, es sytèmes linéaires peuvent
et degarderlamêmestru turequel'algorithmestationnaire,unpasdetemps tifestgénéralementintroduit.
Dans e as,lessystèmeslinérairessontrésolusparméthodeexpli iteàpasdetempssimple[31,36,79,84,124℄
ou, pas de temps multiples [9, 24, 35℄ ou, an d'a élérer la vitesse de onvergen e, par méthode impli ite
[8,11,12,35,79,80, 124,136℄.
Notons queValentin [136℄reporte,dansle asdel'optimisationde formesstationnairesenrégime subsonique,
la présen e d'instabilités numériques lors de résolutions pseudo-temporelles du système linéaire issu de la
li-néarisation des équations de Navier-Stokes.Comme dans le as des équations de Navier-Stokes linéarisées et
harmoniques en temps, es instabilités sont dépendantes des équations résolues mais sont présentes au sein
même delasolutionstationnaire.
Dans le tableau, (1.3) nous résumons de manière non exhaustive les diérentes méthodes de résolution des
équationsd'optimisationaérodynamiquestationnaireutilisantunerésolution deKrylov:
Tab.1.3Méthodederésolutiondeséquationspourle al uldugradientpourl'optimisationaérodynamique
Auteurs Année Modèle Méthode Algorithmed'optimisation Résolution Appli ation
Burgreen,Baysal[11℄ 1994 Euler2D da sd [30℄ gmres_ptm prol
Burgreen,Baysal[12℄ 1996 Euler3D da sd [30℄ gmres_ptm aile
Anderson, Bonhaus[4℄ 1999 NS2D fd-da ksopt[144℄ gmres_ptm prol
Neme ,Zingg[103℄ 2002 NS2D fd-da bfgs [30℄ gmres_ptm prol
Gatsis,Zingg[43℄ 2003 NS2D fd-da sd+ls[30℄ gmres_ptm prol
Nielsen,Lu,Park,Darmofal[105℄ 2004 NS3D dd-da sd+ls[30℄ gmres_ptm aile
present 2007 NS2D dd-da bfgs [30℄ mgmres_noptm tuyère
fd = diéren es nies; dd = dis rète dire te; da = dis rète adjointe; sd = Steepest des ent; ls = Line
Sear h;bfgs=Broyden-Flet her-Goldfarb-Shanno;ksopt=Kreisselmeier-Steinhauseroptimisation;ptm=
pseudo-time-mar hing; noptm = Sans pseudo-time-mar hing; mgmres = Mutliple Right Hand Side gmres
[120℄
1.4 Plan du mémoire
Ce mémoiresedé omposeen inqparties:
Dansunpremiertemps,nousprésenteronslesquatreméthodesdeKrylovimplémentéesetévaluéesainsi
queles trois pré onditionnementsutilisés dans le adrede e travail.Puis, nous dé rironsune première
étudederésolutiondeséquationsd'Eulerlinéarisées1
1
2
D qui nouspermettradejustier le hoixdel'al-gorithmegmrespourlasuite.
Dansundeuxièmetemps,nousdévelopperonsl'algorithmeNewton-gmrespourlarésolutiondeséquations
deNavier-Stokesstationnaires.Nous testeronsl'algorithme pourdeux régimesd'é oulement:un
é oule-menthautementsubsoniqueetuné oulementtranssonique.Nousvalideronslesrésultatsaérodynamiques
et ompareronslesvitessesde onvergen edel'algorithmeNewton-gmresparrapportauxrésultatsissus
d'unerésolutionNewton-af-adisurune tuyèrebidimensionnelle.
Dans le troisième hapitre, nous reporterons les diérents résultats de onvergen e pour la résolution
Newton-gmres des équations de Navier-Stokeslinéarisées et harmoniques en temps. Nous présenterons
une omparaison des résultats à une résolution Newton-af-adi déja existante dans le as d'une tuyère
bi-dimensionnelle ave une u tuationde pression avale. A lan de e hapitre,nous mettrons en
évi-den elesproblèmesdestabilité liésàune résolutionpseudo-temporellelorsque l'é oulementstationnaire
Danslequatrième hapitre,nousmontrerons ommentl'utilisationd'unalgorithmegmressans
introdu -tiond'unpseudo-pasdetempspermetderésoudrelesproblèmesdestabilité.
Le dernier hapitre sera onsa ré àla présentation de résultats relatifsà l'optimisation aérodynamique
de forme mono ritère et multiparamètres pour une tuyère bidimensionnelle. Nous résoudrons les deux
équations dire te et adjointe grâ e à l'algorithme gmres sans introdu tion d'un pseudo-pas de temps.
Deplus, dansle adrede larésolution del'équation dire te, nous utiliseronsune résolutiongmres ave
Méthodes de Krylov pour les systèmes
linéaires non symétriques
Dansle adredesméthodesdeKrylov,larésolutiond'unsystèmelinéaire
Ax = b
onsisteàtrouverunesolutionx
m
appro héeduproblèmesoumiseaux ontraintessuivantes:x
m
∈ x
0
+ K
m
(A, r
0
)
r
m
⊥ K
m
(A, r
0
)
(2.1) oùA ∈ R
n×n
est unematri e réelle,
x
0
estune solutioninitialearbitraire,K
m
(A, r
0
)
estunespa ede Krylov orthonormalformédem
ve teursdefaçonitérative,r
0
(r
0
= b
− Ax
0
)
etr
m
(r
m
= b
− Ax
m
)
sont respe tive-mentlesrésidusdusystème linéaireaudébutetenndepro édureitérative.Les méthodes de Krylov sont prin ipalement divisées en deux grandes familles qui se diéren ient par leur
pro édé d'orthogonalisation. L'espa e est orthogonalisé soit par la méthode de Lan zos, soit par la méthode
d'Arnoldi. Nousprésenterons,dans e hapitre, lesdiérentes méthodesdeLan zos pourla résolutionde
sys-tèmeslinéaires( f.2.1)sousformeuniéeainsiquelaméthodegmresbaséesuruneorthogonalisationd'Arnoldi
( f.2.2).Cesalgorithmesétantgénéralementemployésave unpré onditionnement,nousprésenteronsaussiles
pré onditionnementsutilisésdanslasuitede etravail.Dansladernièrepartiede e hapitre,nousillustrerons
parunexemplesimplele hoixportésurl'algorithmebasésurune orthogonalisationd'Arnoldi.
2.1 Algorithmes de Krylov pour les problèmes non symétriques ave
fa torisation de Lan zos
La méthode de biorthogonalisation de Lan zos [83℄ pour les problèmes à matri es non symétriques est une
extensiondel'algorithmed'orthogonalisationdeLan zospourlesmatri essymétriques[82℄.Pourréaliser ette
biorthogonalisation,lesdeuxbases
K
1
m
etK
2
m
sontgénérées:K
1
m
(A, v) =
Spanv, Av, ..., A
m−1
v
et
K
2
m
(A, w) =
Spanw, A
T
w, ..., (A
T
)
m−1
w
(2.2)
Cet algorithme dé ompose la matri e du système à résoudre
A ∈ R
n×n
sous forme de produit entre deux
matri es
V
m
∈ R
m×n
et
W
m
∈ R
n×m
omposéesrespe tivementdesve teursdesbases
K
1
m
(A, v)
etK
2
m
(A, w)
et unematri etridiagonale
T
m
∈ R
m×m
:
AV
m
= V
m
T
m
+ δ
m+1
v
m+1
e
T
m
A
T
W
m
= W
m
T
m
T
+ γ
m+1
w
m+1
e
T
m
W
T
m
AV
m
= T
m
(2.3)où
m
est le nombre d'itérations de Lan zos,v
m+1
etw
m+1
, sont les(m + 1)
eve teurs à l'itération
m
des espa esrespe tifsdeKrylovK
1
m
etK
2
m
,δ
m+1
etγ
m+1
sontdesfa teursréelsmultipli atifsin luantl'erreurdeladé ompositionet
e
T
m
estunve teurdonttoutesles omposantessontnullessaufàlapositionm
oùe
T
2.1.1 Méthode de résolution bi- g
L'algorithmederésolution duBi-Gradient onjugué(bi- g)atout d'abordétéproposé parLan zos[83℄,puis
uneréé rituresimpliéeaétédé riteparFlet her[40℄. Cetteméthodesebasesurunenouvelleformulationdu
problèmepermettantden'avoirqu'unematri etridiagonaleàinverser.
Deux problèmessontdénis:
leproblèmeprimaire:
Ax = b
leproblèmedual :
A
T
x
∗
= b
∗
et elamême si larésolution d'unproblème dual n'estpasné essaire.Etantdonné labiorthogonalisation,les
solutionsdesproblèmesprimaireet duals'é riventdelafaçonsuivante[120℄:
x
m
=
x
0
+ V
m
T
m
−1
(βe
1
)
x
∗
m
=
x
∗
0
+ W
m
T
m
−T
(β
∗
e
1
)
=
x
0
+ V
m
U
m
−1
L
−1
m
(βe
1
)
=
x
∗
0
+ W
m
L
−T
m
U
m
−T
(β
∗
e
1
)
=
x
0
+ P
m
L
−1
m
(βe
1
)
=
x
∗
0
+ P
m
∗
U
m
−T
(β
∗
e
1
)
où les matri es
P
m
= V
m
U
−1
m
etP
∗
m
= W
m
L
−T
m
sont les matri es regroupantles dire tions de re her he desdeux problèmes,
U
m
et
L
m
dénissentladé omposition Lower-Upperdelamatri etridiagonale
T
m
(Eq.2.3),
β
etβ
∗
sontlesnormesdesve teursrésidus initiaux
r
0
etr
∗
0
.Etant donné la stru ture de la biorthogonalisation de Lan zos, les ve teurs résidus du problème original
r
m
et du problème dual
r
∗
m
à lam
eitération s'é rivent omme une expression polynomiale des ve teurs résidus
initiaux :
r
m
= b
− Ax
m
= φ
m
(A) r
0
etr
∗
m
= b
− A
T
x
∗
m
= φ
m
A
T
r
∗
0
(2.4)où
φ
m
est unpolynmededegrém
.Commelesve teursdesbasesV
m
etW
m
sontbiorthonormaux1
[120℄,par
onstru tionlesve teursrésidus
r
i
etr
∗
j
sontbiorthogonaux:r
i
, r
∗
j
= σ
ij
δ
ij
1 ≤ i, j ≤ m
(2.5)où
σ
ij
estunnombreréeletδ
ij
estlesymboledeKrone ker.Lesve teurssolutionsàl'itération
m+1
s'é rivent omme ombinaisonlinéairedesve teurssolutionsàl'itérationm
etdesdire tionsdedes ente:x
m+1
= x
m
+ α
m
p
m
x
∗
m+1
= x
∗
m
+ α
m
p
∗
m
(2.6) oùrespe tivementp
m
etp
∗
m
sontlesm
esve teursdesmatri es
P
m
etP
∗
m
etα
m
unfa teurmultipli atif réelà dénirultérieurement.Lesve teursrésidusrespe tentdon laré urren esuivante :r
m+1
= r
m
− α
m
Ap
m
r
∗
m+1
= r
∗
m
− α
m
A
T
p
∗
m
(2.7)
Lesdire tions dere her he
p
m+1
etp
∗
m+1
sontdéterminéespardes ombinaisonslinéaires desve teursrésidus àl'itérationm + 1
etdesdire tionsdere her heàl'itérationm
:(
p
m+1
= r
m+1
+ β
m
p
m
p
∗
m+1
= r
∗
m+1
+ β
m
p
∗
m
(2.8)où
β
m
estunautrefa teurmultipli atif réelàdénirultérieurement.En reprenantl'é rituresousformepolynomiale,lesdire tionsdere her hes'é rivent:
p
m
= π
m
(A) r
0
etp
∗
m
= π
m
A
T
r
∗
0
(2.9)où
π
m
estunpolynmededegrém
.1
Deuxbases
V
m
etW
m
sontditesbiorthonormalessi“
v
i
, w
j
”
= δ
ij
oùδ
ij
=
1
sii
= j
0
sii 6= j
Les matri es
P
m
etP
∗
m
étantA_ onjuguées2
, lesve teurs résidusà haqueitération sontorthogonauxàtous
les autresve teurs résidus,en parti ulierà euxdedeux itérationssu essives.Cetteremarquesetraduitpar
larelationsuivante:
r
∗
m+1
, r
m
= r
m+1
, r
∗
m
= 0
(2.10)En ombinantleséquations(2.8)et(2.10),lavaleuroptimalede
α
m
quipermetdemaximiserlapentepourle al ul deladire tion dedes entedesrésidusestobtenuepar:r
m
− α
m
Ap
m
, r
∗
m
= 0 =⇒ α
m
=
(r
m
, r
∗
m
)
Ap
m
, r
∗
m
(2.11)Enréé rivantlarelationquitraduitla ombinaisonlinéaireentrelesrésidusetladire tiondedes ente(Eq.2.7)
ainsi quelarelation entre lesdeux matri esA_ onjuguées
P
m
etP
∗
m
, une nouvelleé riture du oe ientα
m
est obtenue:Ap
m
, r
∗
m
=
Ap
m
, p
∗
m
− β
m−1
p
∗
m−1
=⇒ α
m
=
(r
m
, r
∗
m
)
Ap
m
, p
∗
m
(2.12)Lavaleurdu oe ient
β
m
est al uléegrâ eàladénitiondeladire tion dedes ente(Eq.2.8)et lefaitque lesdeuxmatri esP
m
etP
∗
m
sontA_ onjuguées:p
∗
m+1
, Ap
m
= 0 =⇒
r
∗
m+1
+ β
m
p
∗
m
, Ap
m
= 0 =⇒ β
m
= −
r
∗
m+1
, Ap
m
p
∗
m
, Ap
m
(2.13)Parailleurs,le al uldu oe ient
β
m
s'ee tue demanièreanalogueàpartirdel'équation (2.7):β
m
=
1
α
m
r
∗
m+1
, r
m+1
− r
m
Ap
m
, p
∗
m
=
1
α
m
r
∗
m+1
, r
m+1
Ap
m
, p
∗
m
=⇒ β
m
=
r
∗
m+1
, r
m+1
(r
∗
m
, r
m
)
(2.14)Notons que es deux oe ients
α
m
etβ
m
s'exprimentaussisousformepolynomiale:α
m
=
φ
m
(A) r
0
, φ
m
A
T
r
∗
0
(Aπ
m
(A) r
0
, π
m
(A
T
) r
∗
0
)
(2.15)β
m
=
φ
m+1
(A) r
0
, φ
m+1
A
T
r
∗
0
(φ
m
(A) r
0
, φ
m
(A
T
) r
∗
0
)
(2.16)L'algorithme suivant (Al. 1) donne lesétapesde larésolution d'un système linéaireparla méthodedu bi- g
telqueleproposeFlet her[40℄.Notons quenousprésentonsi i,pourexemple,une méthodederésolution qui
permet le al ul desolution duproblème dual mais, en général, larésolution de elui- i n'est pasdemandée.
Dans e as,le al uldelanouvellesolutionduale
x
∗
m+1
n'estpasné essaire.2
Deuxmatri es
V
etW
sontditesA_ onjuguéessi“
Aw
i
, v
j
”
=
“
Aw
j
, v
i
”
= 0 ∀ i 6= j
.Par onstru tion,nousavonsbienlarelation:
(P
∗
m
)
T
AP
m
= L
−1
m
W
m
−T
AV
m
U
m
−1
= L
−1
m
T
m
U
m
−1
= I
Lesdeuxmatri es
P
m
etP
∗
Algorithme1Bi-GradientConjuguébi- g[40℄
Entrées:
A ∈ R
n×n
matri e,
x
0
∈ R
n
ve teurd'initialisation,b
1
∈ R
n
ve teuràdroiteduproblèmeprimaire,b
2
∈ R
n
ve teuràdroite duproblèmedualsiné essaire,Sorties:
x ∈ R
n
ve teursolutionr
0
= b
1
− Ax
0
,r
∗
0
= b
2
− A
T
x
0
siné essaire,sinonr
∗
0
arbitrairetelque:(r
0
, r
∗
0
) 6= 0
(généralementr
∗
0
= r
0
)p
0
= r
0
etp
∗
0
= r
∗
0
For
m = 0, 1, . . .
,jusqu'à onvergen eDo :α
m
= (r
m
, r
∗
m
) /(Ap
m
, p
∗
m
)
x
m+1
= x
m
+ α
m
p
m
x
∗
m+1
= x
∗
m
+ α
m
p
∗
m
r
m+1
= r
m
− α
m
Ap
m
r
∗
m+1
= r
∗
m
− α
m
A
T
p
∗
m
β
m
= r
m+1
, r
∗
m+1
/ (r
m
, r
∗
m
)
p
m+1
= r
m
+ β
m
p
m
p
∗
m+1
= r
∗
m
+ β
m
p
∗
m
End forCetteméthodeprésente deuxin onvénientsmajeurs:
•
Lamultipli ationd'unve teurparlamatri etransposéepourla réationdel'espa edual. Généralement, grâ e à e type de résolution, la matri e n'a pas besoin d'être al ulée expli itement puis sto kée. Ainsi, ledéveloppementnumérique né essaireau al ul duproduit ave lamatri etransposéepeutêtretrèsimportant.
•
Parailleurs, etteappro hepeutsourird'un manquederobustesse.Lorsqueleproduit s alaireentreles résidus(r
m
, r
∗
m
)
dénissant lenumérateurpourle al ul dunouveau oe ientβ
m
devientnul (Eq. 2.14),le pro essusitératif ne peutsepoursuivre.Ilyadeux possibilitéspourque e produit soitnul.Dans lepremieras, si l'un des deux ve teurs est nul, le pro essus itératif a atteint la solution exa te [120℄. Dans le se ond
as,lesdeuxve teursrésidus
r
m
etr
∗
m
sontorthogonaux,l'algorithmes'arrêtesansparvenirà onverger.Dans e as, ertaines méthodes telles que le al ul avan é des ve teurs de Lan zos [110℄ permettent d'y remédierpartiellement.
2.1.2 Méthode de résolution gs
L'algorithmederésolutionConjugateGradientSquare( gs)aétédéveloppéparSonneveld[129℄an
d'amélio-rerlavitessede onvergen edubi- g(Al.1).Deplus,ilpossèdel'avantagedes'aran hirdelamultipli ation
parlamatri etransposéeet delarésolutiond'unproblèmedual.
Etantdonnélarelationdebiorthogonalitéentrelesdeuxespa es
K
1
etK
2
, les oe ientsα
m
etβ
m
de l'algo-rithme bi- g(Eqs.2.15et 2.16)peuventseréé riredelafaçonsuivante:α
m
=
(r
m
, r
∗
m
)
Ap
m
, p
∗
m
=
φ
m
(A) r
0
, φ
m
A
T
r
∗
0
(Aπ
m
(A) r
0
, π
m
(A
T
) r
∗
0
)
=
φ
2
m
(A) r
0
, r
∗
0
(Aπ
2
m
(A) r
0
, r
∗
0
)
(2.17)β
m
=
r
m+1
, r
∗
m+1
(r
m
, r
∗
m
)
=
φ
m+1
(A) r
0
, φ
m+1
A
T
r
∗
0
(φ
m
(A) r
0
, φ
m
(A
T
) r
∗
0
)
=
φ
2
m+1
(A) r
0
, r
∗
0
(φ
2
m
(A) r
0
, r
∗
0
)
(2.18)Aulieud'utiliserunedoubleformulederé urren esurlesrésidus
r
m
= φ
m
(A) r
0
etr
∗
m
= φ
m
A
T
r
∗
0
,Sonneveld[129℄ propose d'établir une autre formule de ré urren e sur le arré des résidus du problème original
r
m
=
φ
2
m
(A) r
0
. Pour ela, ilest né essaired'obtenirune ré urren epourlesdeuxpolynmesφ
2
m
(A)
etπ
2
m
(A)
. Ces expressionss'obtiennentendéveloppantleséquations(2.7)et (2.8):φ
2
m+1
(A) = (φ
m
(A) − α
m
Aπ
m
(A))
2
= φ
2
m
(A) − 2Aα
m
φ
m
(A)π
m
(A) + α
2
m
A
2
π
2
m
(A)
(2.19)π
m+1
2
(A) = (φ
m+1
(A) + β
m
π
m
(A))
2
= φ
2
m+1
(A) + 2β
m
φ
m+1
(A)π
m
(A) + β
2
m
π
m
2
(A)
(2.20) Lestermes arrésφ
2
m+1
(A)
etπ
2
m+1
(A)
sontdes ombinaisonslinérairesde leursvaleurspré édentesφ
2
m
(A)
etπ
2
La ré urren e dupremier terme roisé
φ
m
(A)π
m
(A)
est al uléeà partirde la ré urren esur la dire tion de re her he(Eq.2.8):φ
m
(A)π
m
(A)
=
φ
m
(A) (φ
m
(A) + β
m−1
π
m−1
(A))
=
φ
2
m
(A) + β
m−1
φ
m
(A)π
m−1
(A)
(2.21)
Cettepro édurepermetdefaireapparaîtrel'autre terme roisé
φ
m
(A)π
m−1
(A)
àl'itérationpré édente. Ce dernierest inséré ommenouveaupolynmeà al ulerparunenouvelleétapedanslabou leitérative.φ
m+1
(A)π
m
(A)
= (φ
m
(A) − α
m
Aπ
m
(A)) π
m
(A)
= φ
m
(A)π
m
(A) − α
m
Aπ
2
m
(A)
= φ
2
m
(A) + β
m−1
φ
m
(A)π
m−1
(A) − α
m
Aπ
m
2
(A)
(2.22)
Nousdevonsdon ,à haqueitérationdel'algorithme, al ulertroisve teursparré urren e:
q
m
=
φ
m
(A)π
m−1
(A)r
0
=
r
m
+ β
m−1
q
m−1
− α
m
Ap
m
r
m+1
=
φ
2
m+1
(A)r
0
=
r
m
+ α
m
A
2r
m
+ 2β
m−1
q
m−1
− α
m
Ap
m
p
m+1
=
π
2
m+1
(A)r
0
=
r
m+1
+ 2β
m
q
m
− β
2
m
p
m
(2.23)Lesdeux oe ientsréels
α
m
etβ
m
sontdonnéspar:
α
m
=
φ
2
m
(A) r
0
, r
∗
0
(Aπ
2
m
(A) r
0
, r
∗
0
)
=
(r
m
, r
∗
0
)
Ap
m
, r
∗
0
β
m
=
φ
2
m+1
(A) r
0
, r
∗
0
(φ
2
m
(A) r
0
, r
∗
0
)
=
r
m+1
, r
∗
0
(r
m
, r
∗
0
)
(2.24)L'algorithmede gsproposéparSonneveld[129℄, danslequelleve teur
u
m
= r
m
+ β
m−1
q
m−1
aétéintroduit pourunemeilleurelisibilité,peutainsis'é rire ommesuit:Algorithme2Algorithme gs [129℄ Entrées:
A ∈ R
n×n
matri e,x
0
∈ R
n
ve teurd'initialisation,b ∈ R
n
ve teuràdroite Sorties:x ∈ R
n
ve teursolutionr
0
= b
− Ax
0
,r
∗
0
arbitrairetelque:(r
0
, r
∗
0
) 6= 0)
(généralementr
0
= r
∗
0
)
)p
0
= u
0
= r
0
For
n = 1, 2, . . .
,jusqu'à onvergen eDo:α
m
= (r
m
, r
∗
0
)/(Ap
m
, r
∗
0
)
q
m
= u
m
− α
m
Ap
m
x
m+1
= x
m
+ α
m
(u
m
− q
m
)
r
m+1
= r
m
− α
m
A(u
m
− q
m
)
β
m
= (r
m+1
, r
∗
0
)/(r
m
, r
∗
0
)
u
m+1
= r
m+1
+ β
m
q
m
p
m+1
= u
m+1
+ β
m
(q
m
− β
m
p
m
)
End forPar onstru tion,l'algorithme gs possède debonnespropriétésde onvergen e,étantdonné lapro édure de
ré urren ebasée sur lepolynmedesrésidus au arré.Grâ eà ela, et algorithme onvergeàunevitesse de
l'ordrededeux foisplusélevéequel'algorithme delaméthodebi- g. Enrevan he, ette méthodeétantbasée
surl'élévationau arrédespolynmesdesrésidus,ellesoured'unmanquederobustesseenraisondeserreurs
d'arrondiset destron aturesnumériques[120,p.216℄.
2.1.3 Méthode de résolution bi- gstab
An de remédier au problème de stabilité de l'algorithme gs tout en onservant ses bonnes propriétés de
[143℄,aulieud'éleverau arrélepolynmedesrésidus(Eq.2.18),demultiplierlespolynmes
φ
m
(A)
etπ
m
(A)
parunnouveaupolynmeψ
m
(A)
permettantdelisserla onvergen edupro essusitératif :r
m
= ψ
m
(A)φ
m
(A)r
0
p
m
= ψ
m
(A)π
m
(A)r
0
(2.25)
Laformulederé urren edupolynme
ψ
m
(A)
estdonnéepar[143℄:ψ
m
(A) = (1 − ω
m
A) ψ
m−1
(A)
(2.26)où
ω
m
estunnouveau oe ientréel qu'ilfaudradénirultérieurement.Enreprenantlesdénitionsdespolynmes
φ
m
(A)
(Eq.2.4)etψ
m
(A)
(Eq.2.26),laformulederé urren epour lenouveaupolynmeψ
m
(A)φ
m
(A)
s'é rit:ψ
m+1
(A)φ
m+1
(A)
= (1 − ω
m
A) ψ
m
(A)φ
m+1
(A)
= (1 − ω
m
A) (ψ
m
(A)φ
m
(A) − α
m
Aψ
m
(A)π
m
(A))
(2.27)
L'équationpré édente faitapparaîtrelenouveaupolynme
ψ
m
(A)π
m
(A)
qui dénitladire tion dedes enteà l'itération ouranteet dontlanouvelleformulederé urren es'é rit:ψ
m+1
(A)π
m+1
(A)
=
ψ
m+1
(A) (φ
m+1
(A) + β
m
π
m
(A))
=
ψ
m+1
(A)φ
m+1
(A) + β
m
(1 − ω
m
A) ψ
m
(A)π
m
(A)
(2.28)
Nousobtenons, enreprenantlanotationve torielle,lesdeuxrelationsderé urren esuivantespour
r
m
etp
m
:r
m+1
= (I − ω
m
A)(r
m
− α
m
Ap
m
)
(2.29)p
m+1
= r
m+1
+ β
m
(I − ω
m
A)p
m
(2.30) Il resteenn àétablir les relationspourles valeursdes diérents oe ients réelsα
m
,β
m
etω
m
intervenant danslapro édurederésolution.Notons
e
ρ
m
leproduit s alairesuivant:e
ρ
m
= (r
m
, r
∗
0
)
= (ψ
m
(A)φ
m
(A)r
0
, r
∗
0
)
= (φ
m
(A)r
0
, ψ
m
(A
T
)r
∗
0
)
(2.31)
Par onstru tion,
φ
m
(A)
est orthogonalàtouspolynmes(A
T
)
k
si
k
est inférieurm
eten parti ulierψ
k
(A
T
)
et
φ
k
(A
T
)
.Leseul oe ientnonnuldel'équation (2.31)estdon letermedeplushautdegrénoté
η
(m)
.e
ρ
m
= (φ
m
(A)r
0
, η
(m)
(A
T
)
m
r
∗
0
)
= (φ
m
(A)r
0
,
η
(m)
γ
(m)
φ
m
(A
T
)r
∗
0
)
=
η
γ
(m)
(m)
(φ
m
(A)r
0
, φ
m
(A
T
)r
∗
0
)
(2.32) oùγ
(m)
est letermedeplushautdegrédupolynme
φ
m
(A
T
)
.
En développantlesré urren esdespolynmes
φ
m
(A
T
)
et
ψ
m
(A
T
)
,nousobtenonspourlestermesdeplushaut
degré
η
(m)
etγ
(m)
:η
(m)
= (−1)
m
ω
1
ω
2
. . . ω
m
(2.33)γ
(m)
= (−1)
m
α
1
α
2
. . . α
m
(2.34) Le al ul du oe ient réelβ
m
(Eq. 2.23)devantêtre identiqueà laméthode gs,β
m
se al ule don parla formule[143℄:β
m
=
e
ρ
m+1
e
ρ
m
α
m
ω
m
(2.35)Une pro édureanaloguepermetd'obtenirunerelationpourle al ul de
α
m
:α
m
=
ρ
e
m
(Ap
m
, r
∗
0
)
VanDerVorst[143℄basele hoixdu oe ient
ω
m
surlaminimisationdelanormeL2dupolynme(I − ωA)ψ
m
(A)φ
m+1
(A)r
0
:ω
m
=
(As
m
, s
m
)
(As
m
, As
m
)
,ave
s
m
= r
m
− α
m
Ap
m
(2.37)En reprenantleséquations(2.25)et (2.37),leve teursolutionestentièrementdéterminépar:
x
m+1
= x
m
+ α
m
p
m
+ ω
m
s
m
(2.38)L'algorithmedubi- gstabproposéparVanDerVorst[143℄estprésentésouslaformesynthétique i-après.
Algorithme3Algorithmebi- gstab[143℄
Entrées:
A ∈ R
n×n
matri e,x
0
∈ R
n
ve teurd'initialisation,b ∈ R
n
ve teuràdroite Sorties:x ∈ R
n
ve teursolutionr
0
= b
− Ax
0
,r
∗
0
arbitrairetelque:(r
0
, r
∗
0
) 6= 0)
(généralementr
0
= r
∗
0
)
)p
0
= r
0
For
m = 1, 2, . . .
,jusqu'à onvergen eDo :α
m
= (r
m
, r
∗
0
)/(Ap
m
, r
∗
0
)
s
m
= r
m
− α
m
Ap
m
ω
m
= (As
m
, s
m
)/(As
m
, As
m
)
x
m+1
= x
m
+ α
m
x
m
+ ω
m
s
m
r
m+1
= s
m
− ω
m
As
m
β
m
= (r
m+1
, r
∗
0
)/(r
m
, r
∗
0
)(α
m
/ω
m
)
p
m+1
= r
m+1
+ β
m
(p
m
− ω
m
Ap
m
)
End for2.2 Algorithme de Krylov ave fa torisation d'Arnoldi
2.2.1 Fa torisation d'Arnoldi
L'algorithme d'Arnoldimodié parGram-S hmidt [120,p. 146-148℄est une autreméthode pourfa toriser et
orthonormaliserunespa e.Leprin ipede etalgorithmeestdedé omposerlamatri e
A ∈ R
n×n
enunematri e
H
m
∈ R
m×m
Hessenbergsupérieuregrâ eàlabase deKrylovV
m
∈ R
n×m
.AV
m
= V
m
H
m
+ w
m
e
T
m
= V
m+1
H
m
V
T
m
AV
m
= H
m
(2.39)où
w
m
est un oe ient réel,V
m+1
∈ R
n×m
la base de Krylov àl'itération
m + 1
etH
m
∈ R
(m+1)×m
une
Algorithme4Pro éduredefa torisationd'ArnoldimodiéeparGram-S hmidt[120,p.147-148℄ Entrées:
X ∈ R
m×n
basedeve teur Sorties:Q ∈ R
m×n
basedeve teursorthonormaux
hoixarbitraire
v
1
telquekv
1
k= 1
Forj = 1, . . . , m
Do:q = Av
j
Fori = 1, . . . , j
Do:h
ij
= q, v
i
q = q − h
ij
v
i
End forh
j+1,j
= kqk
v
j+1
= q/h
j+1,j
End forGram-S hmidtaapporté une modi ationdans labou le interne qui permet une meilleure orthogonalisation
dans le as d'une résolution numérique. Alors que dans l'algorithme original d'Arnoldi [120, p. 146-148℄ le
nouveauve teur
q
est al uléen deux bou les diérentes, dans l'algorithmemodié parGram-S hmidt, il estal ulé enuneseule.Soulignonsparailleursl'existen edel'algorithmede Householderqui permet d'améliorer
l'orthogonalisationdelabaseet,de efait,deréduireleserreursnumériques.Cependant,étantdonnélesur roît
entempsde al ul [120,p. 149-151℄, etteappro hen'apasétéretenuedansle adrede ette étude.
2.2.2 Méthode de résolution gmres
LaméthodederésolutionduGlobalMinimalResidual(gmres),proposéeparSaad[118℄,s'appuieessentiellement
surl'algorithmed'orthogonalisationd'Arnoldi.Par onstru tion,leve teursolutionest al ulé ommesuit:
x
m
= x
0
+ V
m
y
(2.40)où
y ∈ R
m
est unve teurdéniparlafon tionsuivante:
J (y) = kb − Ax
m
k= kb − A x
0
+ V
m
y
k
(2.41)Dansle adredelaméthodegmres, leve teur
y
est déterminédetelle sortequ'ilminimiselesrésidus, 'est-à-direqu'ilminimiselafon tionJ (y)
(Eq.2.41).Leve teurrésidus
b − Ax
m
peuts'é rireàpartirdelarelation(2.39),delafaçonsuivante:b − Ax
m
=
b − A x
0
− V
m
y
=
r
0
− AV
m
y
=
βv
1
− V
m+1
H
m
y
=
V
m+1
βe
1
− H
m
y
(2.42) oùβ = kb − Ax
0
k
estlanormedesrésidusinitiaux.Etantdonnélastru turedelamatri eV
m
quiest omposée deve teursorthonormaux,lafon tionJ (y)
peutseréé rire:J (y) = kb − Ax
m
k= kV
m+1
βe
1
− H
m
y
k= kβe
1
− H
m
yk
(2.43)Andeminimiser
J (y)
,ilfauttrouverleve teury
m
quiannulelanormekβe
1
− H
m
yk
.Pour ela,nousdevons résoudrelesystèmelinérairesuivant:βe
1
− H
m
y = 0
(2.44)La solution du problèmede minimisation est ainsi ramené àrésoudre un système linéaire de taille beau oup
plusfaible ar
m ≪ n
.delabasedeKrylov.Pourremédierà eproblème,l'algorithmegmres_restartedaétédéveloppé.C'est-à-dire
qu'à landupro essusitératif, sila onvergen edésirée n'apasété atteinte,l'algorithmeest redémarréave
ommeve teurinitialleve teursolution al uléàlandupro essusgmrespré édent.Nousavonsainsibesoin
desto kerenmémoireunepartieseulementdel'ensembledelabasedeKrylovné essaireàlarésolution.Mais
alorsquelepro essusgmres lassique,grâ eàlaminimisationdesrésidus,estassuréde onvergeren
n
itérations quel quesoit letypede matri e,lepro essusgmres_restarted peut donnerlieu àlastagnationdes résidussilamatri eduproblèmen'est, ommei i,pasdénie positive.L'algorithmegmres_restarted proposéparSaad
[118℄peutserésumer ommesuit:
Algorithme5Algorithmegmres_restarted[118℄
Entrées:
A ∈ R
n×n
matri e,x
0
∈ R
n
ve teurd'initialisation,b ∈ R
n
ve teuràdroite Sorties:x
m
∈ R
n
ve teursolutionaprèsm
itérationsgmresr
0
= b
− Ax
0
,β = kr
0
k
,etv
1
= r
0
/β
Forj = 1, . . . , m
Do:w
j
= Av
j
Fori = 1, . . . , j
Do:h
ij
= w
j
, v
i
w
j
= w
j
− h
ij
v
i
End forh
j+1,j
= kw
j
k
v
j+1
= w
j
/h
j+1,j
End for Cal uldey
m
quiminimisekβe
1
− H
m
yk
Cal uldex
m
= x
0
+ V
m
y
m
Ifkb − Ax
m
k ε
thenx
0
= x
m
et redémarragedel'algorithme End ifLa matri e d'orthogonalisation
H
m
n'étant plus tridiagonale, nous ne pouvons plus al uler à haqueitéra-tion lanouvellevaleurduve teursolutionsansunsur oût importanten tempsde al ul.Dèslors,l'erreurde
onvergen e ne peut pas être apriori onnue au furet àmesure desitérations mais seulement avant haque
redémarrage.Cependant,uneimplémentationnumériqueintelligentepermetd'avoirlanormeduve teurerreur
sans avoir à al uler leve teursolution à haque itération.Pour ela, nous devonsréaliser desrotations
su - essivesdes olonnesde lamatri es rendantla matri e
H
m
triangulairesupérieure. Cetteimplémentation est avantageuseentermesdetempsde al ul arellepermetdedénir omme ritèresd'arrêtdupro essusitératifunnombred'itérationsmaximalet unediminutiondesrésiduspréalablementdénie.
En reprenantl'é rituredelafon tion
J (y)
(Eq.2.43),nouspouvonsé rire:J (y) = kb − Ax
m
k = kβe
1
− H
m
yk
= kQ
m
βe
1
− H
m
y
k
= kg
m+1
− S
m
yk
= |g
m+1
|+kg
m
− S
m
y
k
(2.45) oùQ
m
∈ R
m×m
est lamatri ederotationqui annulelasous-diagonaledeH
m
,g
m+1
∈ R
m+1
, est unve teur
issu desrotationsduve teur
βe
1
.Laminimisationsetraduitalorsparlarésolutionduproblèmesuivant:
trouver
y
telquekg
m
− S
m
yk= 0
(2.46)qui orrespondàlarésolution d'unsystème linéairedontlamatri e est triangulaireet dedimensions
m × m
. Deplus,lanormedesrésidusàl'itérationm
s'obtientalorspar:2.2.3 Méthode de résolution mgmres
Certaines méthodologiesrelevantpar exempledu adrede l'optimisation deformes [71℄ peuventné essiterla
résolution de plusieurs systèmes linéaires ave la même matri e mais diérents ve teurs de se ond membre.
C'estnotammentle asdesproblèmesd'optimisationdire te,ave plusieursparamètresde ontrle,oude
l'op-timisation adjointe ave des gradientsde ontraintes aérodynamiques [136℄. Il peut être intéressant d'utiliser
les méthodes de Krylov dites méthodes de Krylovpar blo Multiple (mgmres) qui exploitent ette
pro-priété [119, 122,127℄.Dansle adrede etteétude,nousnoussommesintéressésàuneextensionproposéepar
Ruhe [116℄ de l'algorithmed'Arnoldi. Cet algorithme [116℄ aété initialement développépour larésolution de
systèmeslinéairesave desmatri essymétriquesetaétéétenduparSaad[120,p.196-200℄àdesproblèmesnon
symétriques.Notonsqu'illimitelaparallélisationmaissone a itéresteindépendantedunombredesystèmes
linéaires àrésoudre.
Ces méthodes onsistentàrésoudresimultanément
p
systèmes linéaires:Ax
(l=1,...,p)
= b
(l=1,...,p)
|
{z
}
Formeve torielle⇐⇒
AX = B
| {z }
Formematri ielle (2.48) SoitX
0
=
h
x
(1)
0
, x
(2)
0
, . . . , x
(p)
0
i
∈ R
n×p
unensembledeve teurinitiaux, lesrésidus orrespondantss'é rivent:
R
0
≡
h
r
(1)
0
, r
(2)
0
, . . . , r
(p)
0
i
=
v
1
, v
2
, . . . , v
p
R
(2.49) oùR
0
∈ R
n×p
désignel'ensemble des résidus initiaux tel que
r
(l)
0
= b
(l)
− Ax
(l)
0
,v
1
, v
2
, . . . , v
p
∈ R
n×p
, estla fa torisation
QR
deR
0
formantlesp
premiers ve teurs delabase de KrylovetR ∈ R
p×p
est une matri e
triangulairesupérieure.
L'approximationdelasolutions'é rit delamanièresuivante:
x
(l=1,...,p)
= x
(l=1,...,p)
0
+ V
m
y
(l=1,...,p)
⇐⇒ X = X
0
+ V
m
Y
(2.50) Andepro éderparanalogieave laméthodegmres lassique,leseulélémentmanquantestl'analogieave leve teur
βe
1
(Eq.2.42):B − AX
m
=
B − A (X
0
+ V
m
Y )
=
R
0
− AV
m
Y
=
v
1
, v
2
, . . . , v
p
R − V
m+p
H
m
Y
=
V
m+p
E
1
R − H
m
Y
(2.51) oùE
1
∈ R
(m+p)×p
estunematri edontleblo supérieur
p×p
estlamatri eidentité,leve teurβe
1
estrempla é parlamatri eE
1
.Lesfon tionsàminimiser
J
(l)
(y)
(Eq.2.41)relativesà haquesystèmelinéairesontalorsdonnéespar:
J
(l)
(y) = kb
(l)
− Ax
(l)
m
k= kE
1
Re
l
− H
m
y
(l)
m
k
(2.52)Dans e asde gure, lamatri e
H
m
devientune matri etriangulaire supérieure àp
sous-diagonales3 . Il est
don né essaire d'ee tuer
p
rotationsà haque itérationmgmres pourobtenir une matri eH
m
triangulairesupérieure.Deplus,grâ eà es
p
rotations,lesnormesdeserreursde haquesystèmepeuventêtreévaluéessans avoirà al ulerexpli itementl'ensembledesve teurssolutions:J
(l)
(y) =
kb
(l)
− Ax
(l)
m
k = min
y
(l)
kE
1
Re
(l)
− H
m
y
(l)
k
=
min
y
(l)
kQ
m
E
1
Re
(l)
− H
m
y
(l)
k
=
min
y
(l)
kˆg
(l)
m
− S
m
y
(l)
k
=
kg
(l)
m+p
, . . . , g
(l)
m+1
k+min
y
(l)
kg
(l)
m
− S
m
y
(l)
k
(2.53)L'erreurde haquesystèmelinéaires'obtientdon àl'itération