Thèse soutenue

Analyse numérique d'équations dispersives oscillatoires à faible régularité

FR  |  
EN
Auteur / Autrice : María Cabrera Calvo
Direction : Katharina Schratz
Type : Thèse de doctorat
Discipline(s) : Mathématiques
Date : Soutenance le 20/03/2023
Etablissement(s) : Sorbonne université
Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire Jacques-Louis Lions (Paris ; 1997-....)
Jury : Président / Présidente : Antoine Gloria
Examinateurs / Examinatrices : Brynjulf Owren, Weizhu Bao
Rapporteur / Rapporteuse : Elena Celledoni, Claire Scheid

Résumé

FR  |  
EN

Dans cette thèse, nous étudions trois équations aux dérivées partielles dans le contexte des approximations uniformément exactes. Nous proposons tout d'abord une nouvelle classe de méthodes de splitting uniformément exactes pour l'équation de Benjamin-Bona-Mahony qui convergent uniformément en le paramètre de dispersion ε. Les schémas proposés sont en outre asymptotiquement convergents et préservent la limite KdV. Nous conduisons une analyse rigoureuse de la convergence des schémas de splitting en exploitant les propriétés de régularisation du système. Cela nous permettra d'établir de meilleures bornes d'erreur avec un gain soit en régularité (pour les solutions non lisses) soit en le paramètre dispersif ε, le dernier cas étant intéressant dans les régimes de petit paramètre dispersif. Nous montrerons en particulier que, dans le cas classique BBM où P(∂x) = ∂x, le schéma de Lie splitting ne requiert aucune régularité spatiale, c'est-à-dire que la convergence temporelle du premier ordre se vérifie dans Hr pour les solutions dans Hr sans aucune perte de dérivée. Cette estimation est uniforme en ε. Dans des régimes régularisants ε = O(1), nous gagnons même une dérivée avec notre discrétisation temporelle au prix d'une perte en termes de 1/ε. Nous traitons ensuite un problème hautement oscillatoire qui nécessite des schémas numériques ciblés. Nous proposons une nouvelle classe de méthodes numériques uniformément exactes pour l'équation de Klein-Gordon qui capturent les régimes classiques c=1 ainsi que les régimes non-relativistes hautement oscillatoires c>>1 et, en même temps, permettent des approximations de régularité faible. Plus particulièrement, les schémas convergent avec un ordre en τ et τ2, respectivement, sous des hypothèses de régularité plus faibles que celles requises par les schémas classiques. Les nouveaux schémas préservent en outre la limite vers l'équation non linéaire de Schrödinger (NLS) au niveau discret. Plus précisément, nous concevons nos schémas de telle sorte que dans la limite c->∞ ils convergent vers une classe récemment introduite d'intégrateurs de faible régularité pour NLS. En appliquant les concepts développés ici, nous présentons une classe de méthodes numériques, asymptotiquement consistantes de type exponentiel pour des systèmes de Klein-Gordon-Schrödinger qui capturent tous les régimes depuis le régime classique de variation lente jusqu'au régime limite non relativiste hautement oscillatoire. Nous obtenons une convergence d'ordre un et deux qui est uniforme en c sans aucune restriction de taille du pas de temps. {En particulier, nous établissons une relation explicite entre le gain en termes de puissances négatives du paramètre potentiellement grand c dans la constante d'erreur et la perte en dérivée). Enfin, en sus de l'approximation uniforme de régularité réduite, nous introduisons une classe d'intégrateurs en temps pour les équations dispersives qui nous permettent de reproduire la dynamique de la solution depuis le régime classique ε=1 jusqu'au régime limite des ondes longues ε << 1 à l'échelle de temps naturelle de l'EDP t = O(1/ε). Plus particulièrement {l'erreur globale de nos nouveaux schémas est d'ordre τε (pour le schéma du premier ordre) et τ2ε (pour le schéma du second ordre) sur des intervalles de temps de longueur O(1/ε). Pour les quatre schémas que nous proposons, nous illustrerons nos résultats théoriques par des simulations numériques.