See discussions, stats, and author profiles for this publication at: [Link]

net/publication/30517879

Identification des Paramètres Caractéristiques d’un Phénomène Mécanique

ou Thermique Régi par une Equation Différentielle ou aux Dérivées Partielles

Article
Source: OAI

CITATIONS READS

9 202

1 author:

Kossi Atchonouglo
University of Lomé
50 PUBLICATIONS 218 CITATIONS

SEE PROFILE

All content following this page was uploaded by Kossi Atchonouglo on 19 December 2013.

The user has requested enhancement of the downloaded file.

 Numéro d’ordre :

THESE
pour l’obtension du Grade de
DOCTEUR DE L’UNIVERSITE DE POITIERS
(Faculté des Sciences Fondamentales et Appliquées)
(Diplôme National - Arrêté du 7 août 2006)
Ecole Doctorale Sciences pour l’Ingénieur & Aéronautique
Spécialité : Mécanique des Solides, des Matériaux, des Structures et des Surfaces

Thèse présentée par

Kossi ATCHONOUGLO

Identification des Paramètres Caractéristiques d’un

Phénomène Mécanique ou Thermique Régi par une Equation
Différentielle ou aux Dérivées Partielles.

Claude VALLEE
Directeurs de Thèse :
Magolmèèna BANNA

Date de Soutenance : 25 Octobre 2007

Devant la Commision d’Examen :

JURY

A. CHRYSOCHOOS Professeur, Université Montpellier II - France Président

Z.-Q. FENG Professeur, Université d’Evry - France Rapporteur

K. NAPO Professeur, Université de Lomé - Togo Rapporteur

M. BANNA Maître de Conférences, Université de Lomé - Togo Examinateur

J.-C. DUPRE Chargé de recherches CNRS, Université de Poitiers - France Examinateur
S. Ya STEPANOV Professeur, Russian Academy of Sciences - Russie Examinateur
C. VALLEE Professeur, Université de Poitiers - France Examinateur
ii
 À ma Famille
À toi, Ablam Albert
iv
 REMERCIEMENTS

Cette thèse a été effectuée en grande partie au Laboratoire de Mécanique des Solides de l’Uni-
versité de Poitiers, dirigé par Monsieur le Professeur Olivier Bonneau. Je lui suis très reconnaissant
pour tous ses appuis qui ont facilités mes conditions de travail.

Je remercie vivement tout particulièrement Monsieur le Professeur Claude Vallée, qui m’a
proposé ce sujet de recherche. Je lui exprime ma gratitude pour sa confiance, sa permanente
disponibilité et son soutien qui m’ont été d’un encouragement et une aide pertinente tout au long
de mes travaux. Il est, à mon avis, le directeur de thèse rêvé de tout doctorant !

Mes remerciements vont également à Monsieur le Professeur Fabrice Bremand, qui m’a accueilli
au sein de l’Equipe Photomécanique et Rhéologie et m’a permis de participer à plusieurs congrès.

Je remercie Monsieur Magolmèèna Banna, Maître de Conférences à l’Université de Lomé (Togo)

qui a accepté de co-encadrer cette thèse. Je ne saurais lui être suffisamment gré, pour la qualité
et la précision de ses conseils sur mes travaux en thermique, sans oublier ses efforts inlassables en
vue de m’obtenir de parfaites conditions de travail lors de mes séjours au Laboratoire sur l’Energie
Solaire à Lomé.

Je tiens à exprimer toute ma gratitude à Monsieur Jean-Christophe Dupré, Chargé de Recherches-

CNRS à Poitiers pour ses conseils et sa sollicitude lors des manipulations expérimentales, mais aussi
pour son sens du partage de ses connaissances en thermographie infrarouge.

Très sensible à l’attention qu’ils ont déjà apporté à mes travaux et à l’honneur que me font
Messieurs Zhi-Qhiang Feng, Professeur à l’Université d’Evry et Kossi Napo, Professeur à l’Univer-
sité de Lomé, en acceptant de juger mes travaux et d’en être rapporteurs, je leur exprime ma très
respectueuse gratitude. Le Professeur Napo s’est déjà illustré à plusieurs reprises par un soutien
sans faille et une sollicitude à toute épreuve lors de mes séjours à l’Université de Lomé.

Je remercie vivement Monsieur André Chrysochos, Professeur à l’Université de Montpellier

II, pour avoir accepté de consacrer du temps dans l’examination de ce manuscrit et de diriger le
Jury de cette thèse. Mes vifs remerciements vont à Monsieur Serguei Ya Stepanov, Professeur à "
Russian Accademy of Sciences ", pour avoir accepté d’examiner mes travaux et de participer au
jury de cette thèse.

Je remercie Messieurs les Professeurs Messan Gbéassor et Claude Templier respectivement

Directeur de la Formation Doctorale de la Faculté Des Sciences de l’Université de Lomé et Directeur
de la formation Doctorale Sciences pour l’Ingénieur & Aéronautique de l’Université - ENSMA de
Poitiers dont leurs aides m’ont été très précieuses pour régler les difficultés administratives.

Je remercie Messieurs H. Quadjovie et A. d’Almeida du département de Mathématiques de

Lomé pour toutes leurs contributions tout au long de cette thèse.

Que Madame Danielle Fortuné d’une part, Maître de Conférences à l’université de Poitiers, qui
a été ma tutrice pédagogique en enseignement et qui m’a guidé pendant mes travaux et Monsieur le
Professeur Valérie Valle, qui a pu me faire passer de théoricien en praticien d’autre part, trouvent
vi

ici mes sincères remerciements.

Une mention spéciale pour Monsieur le Professeur Saïd Zeghloul, aux informaticiens Franck et
Mathieu, Jean-Jacques de la reprographie, Madame Françoise Foures de la Bibliothèque SP2MI,
Djam, Lolotte et Nath de l’administration ; ils savent à quel point le présent travail doit à leurs
efforts.

Mes remerciements vont à tous les membres du Laboratoire de Mécanique des Solides de
l’Université de Poitiers et du Laboratoire sur l’Energie Solaire de l’Université de Lomé pour la
contribution que chacun d’eux m’a apporté.

L’esprit d’équipe entre les doctorants du laboratoire a favorisé considérablement des échanges
très constructifs. Sincères remerciements à Arnaud, Armel, Camélia, Claude, Eric, Khalil, Inès,
Jean-Claude, Lilia, Marie-Eve, Mathieu, Paul, Stephen, Tony, ...

Mes remerciements vont enfin à ma famille et à toutes ces personnes chères à mon cœur (Atchez,
Christophe, Verdier,...) qui n’ont ménagé aucun effort pour m’apporter leur soutien moral constant,
leur appui logistique et financier, sans lesquels ce travail n’aurait pas été possible. Puisse Dieu les
combler de sa grâce et rendre à chacun selon son mérite.
TABLE DES MATIÈRES vii

Table des matières

Notations et abréviations xv

Introduction Générale 1

Introduction Générale 1
Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

I Problèmes Inverses en Mécanique 7

I Un problème Type d’Identification 9

I.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
I.2 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
I.3 Définitions et notations en algèbre linéaire . . . . . . . . . . . . . . . . . 11
I.4 Identification de la matrice A . . . . . . . . . . . . . . . . . . . . . . 14
I.5 Identification de A symétrique . . . . . . . . . . . . . . . . . . . . . . . 17
I.5.1 Multiplicateurs de Lagrange . . . . . . . . . . . . . . . . . . . . 17
I.5.2 Elaboration de l’algorithme d’identification de A symétrique . . . . 19
I.5.3 Algorithme de projection pour les matrices symétriques . . . . . . 21
I.6 Identification de A symétrique tridiagonale . . . . . . . . . . . . . . . 21
I.6.1 Elaboration de la procédure d’identification de A symétrique tri-
diagonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
I.6.2 Algorithme de la Méthode de Projection des Matrices symétriques
Tridiagonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
I.7 Méthode intermédiaire . . . . . . . . . . . . . . . . . . . . . . . . . . 28
I.7.1 Elaboration de la méthode d’identification . . . . . . . . . . . . . 28
viii TABLE DES MATIÈRES

I.7.2 Algorithme d’identification . . . . . . . . . . . . . . . . . . . . 31

I.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

II Application à l’Identification des Coefficients d’une Equation Dif-

férentielle Linéaire 33
II.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
II.2 Problème direct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
II.2.1 Formulation variationnelle . . . . . . . . . . . . . . . . . . . . . 36
II.2.2 Dérivée de Gateaux de la fonctionnelle J(v) . . . . . . . . . . 38
II.2.3 Formulation faible . . . . . . . . . . . . . . . . . . . . . . . . . 39
II.2.4 Résolution du problème direct . . . . . . . . . . . . . . . . . . . 41
II.2.4.1 Approximation par méthode des éléments finis . . . . . 41
II.3 Problème inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
II.3.1 Hypothèse de détermination de la matrice A . . . . . . . . . . . . 44
II.3.2 Procédure de détermination de la matrice A . . . . . . . . . . . . 44
II.3.3 Procédure d’identification de p et de q . . . . . . . . . . . . . . . 45
II.4 Application à un cas simple . . . . . . . . . . . . . . . . . . . . . . . . 48
II.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

III Identification des Caractéristiques d’Inertie d’un Solide Rigide 51

III.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
III.2 Position d’un solide dans l’espace . . . . . . . . . . . . . . . . . . . . . 53
III.2.1 Vecteur vitesse et vecteur accélération . . . . . . . . . . . . . . . 55
III.2.2 Principes fondamentaux de la dynamique . . . . . . . . . . . . . 55
III.2.2.1 Torseur dynamique . . . . . . . . . . . . . . . . . . . . 55
III.2.2.2 Torseur des efforts extérieurs . . . . . . . . . . . . . . . 56
III.2.2.3 Principes fondamentaux de la dynamique . . . . . . . . 56
III.2.3 Calcul de la résultante dynamique χ . . . . . . . . . . . . . . . 57
III.2.4 Calcul du moment dynamique δ(A) . . . . . . . . . . . . . . . . 57
III.3 δ(A) et χ dans une matrice antisymétrique 4 × 4 . . . . . . . . . . . . . 58
III.4 Formulation matricielle des équations . . . . . . . . . . . . . . . . . . 61
III.4.1 Travail virtuel des efforts . . . . . . . . . . . . . . . . . . . . . . 61
III.4.2 Travail virtuel des accélérations . . . . . . . . . . . . . . . . . . 62
III.4.3 Travail virtuel des liaisons "rotation" . . . . . . . . . . . . . . . 63
III.4.4 Equation matricielle du mouvement du solide rigide . . . . . . . . 63
TABLE DES MATIÈRES ix

III.5 Identification de la matrice J . . . . . . . . . . . . . . . . . . . . . . . 66

III.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

II Problèmes Inverses en Thermique 71

IV Introduction aux Problèmes Direct et Inverse en Thermique 73

IV.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
IV.2 Problème direct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
IV.2.1 Généralités et définitions . . . . . . . . . . . . . . . . . . . . . . 75
IV.2.2 Equation de la chaleur dans un matériau . . . . . . . . . . . . . . 78
IV.2.3 Condition initiale et conditions aux limites . . . . . . . . . . . . . 80
IV.2.3.1 Condition initiale . . . . . . . . . . . . . . . . . . . . 81
IV.2.3.2 Conditions aux limites . . . . . . . . . . . . . . . . . . 81
IV.2.4 Résolution du problème direct par la méthode des éléments finis
(MEF) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
IV.2.4.1 Formulation de Galerkin . . . . . . . . . . . . . . . . . 86
IV.3 Problème inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
IV.3.1 Techniques de mesures de champs de température . . . . . . . . . 90
IV.3.2 Méthodes de résolution des problèmes inverses . . . . . . . . . . . 91
IV.3.2.1 Méthodes fréquentielles . . . . . . . . . . . . . . . . . 91
IV.3.2.2 Méthodes instationnaires comme la méthode flash . . . . 91
IV.3.2.3 Méthode à fil chaud . . . . . . . . . . . . . . . . . . . 92
IV.3.2.4 Méthode à plan chaud . . . . . . . . . . . . . . . . . . 93
IV.3.2.5 Technique numérique de résolution : gradient conjugué . 94
IV.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

V Construction d’un Algorithme d’Identification de Paramètres Ther-

mophysiques 95
V.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
V.2 Problème direct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
V.2.1 Equation de conduction de la chaleur . . . . . . . . . . . . . . . 97
V.2.2 Formulation du problème direct . . . . . . . . . . . . . . . . . . 98
V.3 Résolution du problème direct . . . . . . . . . . . . . . . . . . . . . . 98
V.3.1 Discrétisation en espace par MEF . . . . . . . . . . . . . . . . . 98
V.3.2 Intégration dans le temps . . . . . . . . . . . . . . . . . . . . . 101
x TABLE DES MATIÈRES

V.3.3 Algorithme de résolution du problème direct . . . . . . . . . . . . 102

V.4 Choix des pas temporel et spatial . . . . . . . . . . . . . . . . . . . . . 103
V.4.1 Stabilité de l’algorithme du problème direct . . . . . . . . . . . . 103
V.4.2 Tests de stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . 105
V.5 Formulation du problème inverse . . . . . . . . . . . . . . . . . . . . . 106
V.6 Procédure d’identification des paramètres thermophysiques . . . . . . . . 106
V.6.1 Méthode des moindres carrés . . . . . . . . . . . . . . . . . . . . 106
V.6.2 Calcul de précision sur les paramètres identifiés . . . . . . . . . . 110
V.6.3 Construction d’un algorithme de résolution du problème inverse . . 113
V.7 Validation de l’algorithme . . . . . . . . . . . . . . . . . . . . . . . . . 113
V.7.1 Simulation du champ de température . . . . . . . . . . . . . . . 114
V.7.2 Exploitation du champ de température simulé . . . . . . . . . . . 115
V.7.2.1 Influence du schéma d’intégration ou de dérivation . . . 115
V.7.2.2 Influence de la finesse du maillage par éléments finis et
du temps de contrôle du flux . . . . . . . . . . . . . . . 116
V.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

VI Identification de Paramètres Thermophysiques de Polymères 121

VI.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
VI.2 Méthodes de mesures de champ de température . . . . . . . . . . . . . . 123
VI.3 Dispositifs expérimentaux . . . . . . . . . . . . . . . . . . . . . . . . . 124
VI.3.1 Mesure de la température par caméra infrarouge . . . . . . . . . . 124
VI.3.2 Conditions expérimentales . . . . . . . . . . . . . . . . . . . . . 125
VI.4 Montage expérimental . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
VI.5 Polymères translucide, semi-amorphe et amorphe étudiés . . . . . . . . . 127
VI.6 Traitement des images infrarouges . . . . . . . . . . . . . . . . . . . . . 128
VI.6.1 Historique des types de lissage . . . . . . . . . . . . . . . . . . . 128
VI.6.1.1 Lissage par moindre carré . . . . . . . . . . . . . . . . 128
VI.6.1.2 Filtrage par convolution . . . . . . . . . . . . . . . . . 128
VI.6.2 Logiciel utilisé . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
VI.6.2.1 Filtrage passe-bas . . . . . . . . . . . . . . . . . . . . 129
VI.6.2.2 Filtrage temporel . . . . . . . . . . . . . . . . . . . . 129
VI.7 Exploitation des données expérimentales . . . . . . . . . . . . . . . . . . 129
VI.7.1 Calcul du flux de chaleur linéique . . . . . . . . . . . . . . . . . 130
VI.7.2 Paramètres thermophysiques du polyméthylméthacrylate . . . . . 131
TABLE DES MATIÈRES xi

VI.7.2.1 Cartographies expérimentales . . . . . . . . . . . . . . 131

VI.7.2.2 Identification des paramètres thermophysiques du plexi-
glass . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
VI.7.3 Paramètres thermophysiques du polyéthylène transparent . . . . . 134
VI.7.3.1 Champs de température exploités . . . . . . . . . . . . 134
VI.7.3.2 Identification des paramètres thermophysiques du
polyéthylène transparent . . . . . . . . . . . . . . . . . 136
VI.7.4 Paramètres thermophysiques du polyéthylène amorphe . . . . . . 138
VI.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142

Conclusion Générale 143

Bibliographie 146

ANNEXE A Calcul des Composantes des Matrices C et K Issues de la

Discrétisation par Eléments Finis de l’Equation de Conduction de
la Chaleur 157

ANNEXE B Calcul des Incertitudes sur les Paramètres Thermophy-

siques 163
xii TABLE DES MATIÈRES
TABLE DES FIGURES xiii

Table des figures

II.1 Poutre étirée par une force P et soumise à une force transversale . . . 34
II.2 Génération de fonctions linéaires par morceaux . . . . . . . . . . . . . 41

III.1 Solide rigide en mouvement de rotation et de translation . . . . . . . 53

III.2 Simulation du mouvement d’un parrallélépipède . . . . . . . . . . . . 66
III.3 La force ponsctuelle f appliquée en A, et les composantes de la force
F et du déplacement suivant les trois axes sont enregistrées. . . . . . 67

IV.1 Densité locale du flux thermique . . . . . . . . . . . . . . . . . . . . . 75

IV.2 Eprouvette expérimentale de la méthode à plan chaud . . . . . . . . . 92

V.1 Conduction unidimensionnelle . . . . . . . . . . . . . . . . . . . . . . 98

V.2 Génération de fonctions linéaires par morceaux . . . . . . . . . . . . 99
V.3 Profil du champ de température au cours du temps . . . . . . . . . . 106
V.4 Champ de température simulée suivant une ligne . . . . . . . . . . . 115
V.5 Profil de la température au cours du temps . . . . . . . . . . . . . . . 115
V.6 Profil comparatif du vecteur dérivées des trois méthodes . . . . . . . 115
V.7 Ecarts entre valeur simulée et valeurs identifiées pour la chaleur volu-
mique ; nombre d’intervalles et durée de contrôle du flux nécessaires
pour une bonne estimation . . . . . . . . . . . . . . . . . . . . . . . . 116
V.8 Ecarts entre valeurs simulées et valeurs identifiées pour la conduc-
tivité thermique ; nombre d’intervalles et durée de contrôle du flux
nécessaires pour une bonne estimation . . . . . . . . . . . . . . . . . 117

VI.1 Conduction unidimensionnelle . . . . . . . . . . . . . . . . . . . . . . 122

VI.2 caméra Infrarouge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
VI.3 Eprouvette témoin et éprouvette étudiée . . . . . . . . . . . . . . . . 125
xiv TABLE DES FIGURES

VI.4 Schéma du principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

VI.5 Montage Expérimental . . . . . . . . . . . . . . . . . . . . . . . . . . 126
VI.6 Carte Thermique du Plexiglass . . . . . . . . . . . . . . . . . . . . . 131
VI.7 Champs de température pour le Plexiglass . . . . . . . . . . . . . . . 132
VI.8 Profils de température dans le Plexiglass pour q = 256W/m ; seuls les
champs de température relevés sur la partie [0, 20] mm ont été exploités.133
VI.9 Champs de température pour le PET transparent . . . . . . . . . . . 134
VI.10 Profils de température du PET transparent pour q = 435, 15W/m. . 135
VI.11 Profils du gradient de température du PET transparent pour q =
104, 83W/m ; seuls les champs de température relevés sur la partie
[0, 20] mm ont été exploités. . . . . . . . . . . . . . . . . . . . . . . . 137
VI.12 Champs de température pour le PET amorphe . . . . . . . . . . . 139
VI.13 Profils de température pour le PET amorphe pour q = 227W/m ;
seuls les champs de température relevés sur la partie [0, 20] mm ont
été exploités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
Notations et abréviations

t : temps
x : coordonné cartésienne
xi : coordonnés cartésiennes (i = 1, 2, 3)
y : coordonné cartésienne
z : coordonné cartésienne
φi : Fonction élémentaires
ζ : pas de discrétisation spatiale
Mécanique
a(M ) : Vecteur accélération du solide
F : Forces extérieures à l’exclusion du poids du solide
I : Matrice inertielle classique
J 0 : Matrice d’inertie de Poinsot généralisée calculée à l’instant initial
J : Matrice d’inertie de Poinsot généralisé
Mex : Moment des forces extérieures
m : masse
R : Matrice rotation 3 × 3
R0 : Repère fixe de R3
R00 : Repère fixe de R4
R : Repère lié au solide de R3
R0 : Repère lié au solide de R4
T : Vecteur translation
V(M ) : Vecteur vitesse d’un point M du solide
xvi

χ : Résultante dynamique
Υ : Torseur des forces et des moments : matrice 4 × 4
contenant les composantes des forces extérieures et des moments
Θ : Matrice des accélérations dans R00
Ω : Matrice des rotations 4 × 4
δ : Moment dynamique
Thermique
c : Chaleur spécifique
C : Matrice de Capacité
e : Energie interne spécifique
E : Energie interne spécifique
F : Vecteur résultant des conditions aux limites
K : Matrice de conductivité
h : Coefficient d’échange de chaleur par convection
hr : Coefficient d’échange de chaleur par rayonnement
k : Conductivité thermique
−
→
n : Vecteur tnormal unitaire, orienté vers l’extérieur
q : Flux de chaleur constant
s : Entropie sécifique
S : Entropie
T (x, t) : fonction température
Ta : Température ambiante
TΣ : Température de la surface Σ
(α0 , ..., αn ) : n + 1 variables d’état définissant les propriétés du système
Ω : Domaine géométrique occupé par le matériau
Σ : Bord de Ω
σ : Constante de Stefan-Boltzmann
 : Emissivité : facteur de forme gris
ψ : Flux thermique
Notation xvii

Φ : Densité de flux thermique

Ψ : Energie libre : transformée de Legendre de l’énergie
interne spécifique e
θ : Vecteur température
ρc : Chaleur volumique
α = k/ρc : Diffusivité thermique
p
kρc : Effusivité thermique
θ̇ : Vecteur température dérivé
ρ : Masse volumique
Abréviations
i.e. : du latin id est, c’est-à-dire
EDP : Equation aux dérivées partielles
EDO : Equation différentielle ordinaire
FIG : Figure
MDF : Méthode des différences finies
MEF ou MEF : Méthode des éléments finis
resp. : Respectivement
TAB : Tableau
Une lettre écrite en gras désigne un vecteur : vecteur u
xviii
Introduction Générale

Problématique

Les lois physiques reliant la température aux flux de chaleur ou les déformations
aux contraintes font intervenir des paramètres thermiques et mécaniques (conducti-
vité thermique, module d’Young, etc,...) qui dépendent de la nature des matériaux ;
ce sont les lois de comportement. Si les gradients de température ou les déforma-
tions sont petites, les lois de comportement sont en général linéaires. De ces lois de
comportement et des bilans énergétiques, on déduit des équations d’évolution. Ces
équations d’évolution sont décrites par des équations différentielles ordinaires (EDO)
ou aux dérivées partielles (EDP). La linéarité des lois de comportement conduit à
la linéarité des équations d’évolution. Les équations aux dérivées partielles linéaires
que nous aborderons sont du type
∂2y ∂y ∂2y ∂y
a + b + c + d = f (x, t). (1)
∂x2 ∂x ∂t2 ∂t
Les constantes a, b, c et d caractérisent le matériau. Les fonctions y et f dépendent
des variables d’espace x et du temps t.
Chercher à exprimer y en fonction de x et t connaissant les constantes a, b, c, d
et la fonction f c’est résoudre le problème direct.
Le problème inverse se pose de deux manières.
Une première branche porte sur la recherche de la fonction f qui conduit pour des
constantes a, b, c et d connues, à une fonction y souhaitée. C’est le cas de la recherche
du flux de chaleur conduisant à un champ de température souhaité.
Une seconde branche concerne la recherche des constantes a, b, c et d lorsque y et f
sont connues. Par exemple, on cherche la valeur de la conductivité thermique d’un
matériau, le flux de chaleur et les températures étant connues.
Le but de notre travail est de développer des approches numériques permettant
de résoudre les problèmes de la seconde branche. Ces approches sont appliquées à
2 Introduction

une situation mécanique et à une situation thermique faisant intervenir des équa-
tions du type (1).
La situation mécanique concerne l’identification des dix caractéristiques d’inertie
(masse, position du centre d’inertie et tenseur d’inertie) d’un solide rigide.
Dans l’analyse du mouvement d’un solide rigide, le calcul de la quantité de mouve-
ment et du moment cinétique nécessite l’identification préalable de ses caractéris-
tiques inertielles. De plus, en statique, un système est en équilibre si la projection
de son centre d’inertie sur le sol est dans son polygone de sustentation. La finalité
de ces recherches est l’identification des caractéristiques d’inertie d’un athlète dans
le souci d’améliorer ses performances. En supposant l’athlète composé de 16 troncs
de cône rigides, il s’agit donc d’identifier 160 caractéristiques d’inertie. C’est dans
ce cadre que j’ai effectué des travaux de recherche en collaboration avec l’équipe du
Geste Sportif de notre Laboratoire.
La situation thermique concerne les études thermomécaniques des matériaux,
spécialement les polymères. Ces études, réalisées au sein de l’équipe Photoméca-
nique et Rhéologie dont je fais partie, nécessitent la connaissance préalable de la
conductivité thermique et de la chaleur volumique des matériaux. Notre travail est
de développer et de valider une nouvelle méthode d’identification des paramètres
thermophysiques. Pour cela, nous avons élaboré une méthode d’optimisation globale
dans le cas unidimensionnel. Les paramètres thermophysiques sont identifiés à partir
des champs de température obtenus expérimentalement pour des flux de chaleur de
chauffe fixés. Ce travail est lié aux recherches menées au « Laboratoire sur l’Ener-
gie Solaire de l’Université de Lomé » sur la caractérisation de capteurs hybrides
photovoltaïques intégrés aux bâtiments.
Une étape préliminaire à la résolution du problème inverse est la modélisation du
phénomène : c’est le problème direct qui décrit comment les paramètres du modèle
se traduisent en effets observables expérimentalement. Ensuite, à partir de mesures
expérimentales, la démarche va consister à approcher au mieux les paramètres qui
permettent de rendre compte de ces mesures.
Avant d’envisager la résolution d’un système d’équations aux dérivées partielles
c’est-à-dire la résolution du problème direct, il convient d’analyser les équations
du modèle. À ce niveau, on doit se poser des questions sur l’existence, l’unicité
de la solution, la sensibilité des solutions aux perturbations, la croissance ou la
décroissance des solutions en fonction du temps, etc. Cette analyse conduit à la
résolution de problèmes mathématiques extrêmement complexes, qui cependant sont
Introduction 3

des éléments de validation des modèles élaborés.

Ces études préliminaires sur les équations décrivant le problème direct, sont gé-
néralement suivies de sa résolution numérique.
La méthode des différences finies (MDF), la méthode des éléments finis (MEF), la
méthode des volumes finis, etc., sont les techniques numériques utilisées de nos jours.
La méthode des différences finies [25], [58], [59], [70] et [76] est très utilisée en
mécanique des fluides. Elle consiste à remplacer les dérivées partielles par des diffé-
rences finies. La méthode des différences finies est l’une des plus anciennes méthodes
de résolution numérique qui est encore utilisée dans certaines applications, comme la
propagation d’ondes (sismiques ou électromagnétiques) ou la mécanique des fluides
compressibles. Notons que de nombreux concepts des différences finies se retrouvent
dans plusieurs méthodes numériques. Ainsi, on remarquera que certains schémas nu-
mériques combineront la méthode des éléments finis pour la discrétisation spatiale
et la méthode des différences finies pour la discrétisation temporelle.
Son principal avantage est sa simplicité de conception et de mise en œuvre infor-
matique. Elle présente cependant un certain nombre de défauts qui lui font préférer
d’autres méthodes de discrétisation pour de nombreux problèmes complexes. Une
des principales limitations de cette méthode est qu’elle n’est efficace que pour des
maillages réguliers, dits rectangulaires [58]. Or, il n’est pas facile de paver un do-
maine quelconque de l’espace par des maillages rectangulaires. Il est tès difficile de
raffiner localement le maillage pour avoir une meilleure précision en un endroit précis
du domaine de calcul par la MDF. Notons enfin que la théorie comme la pratique des
différences finies se compliquent singulièrement lorsque les coefficients des équations
aux dérivées partielles sont variables et lorsque les problèmes sont non-linéaires.
La technique la plus utilisée aujourd’hui, est la méthode des éléments finis [3],
[5], [58] et [67] en raison :
– de la généralité de ses domaines d’application : thermique, électromagnétisme,
mécanique du solide, etc.,
– de son aptitude à traiter des problèmes présentant des géométries complexes,
– de sa facilité de mise en œuvre.
Historiquement, les premiers développements de la méthode des éléments finis ont
été proposés par le mathématicien Richard Courant (sans l’utilisation de la déno-
mination "éléments finis") dans les années 1940. Les mécaniciens ont développé et
démontré l’efficacité de cette méthode dans les années 1950-1960 (en plus de lui
donner son nom actuel). Après ces premiers succès pratiques, les mathématiciens
4 Introduction

ont développé les fondations théoriques de la méthode et proposé des améliorations

significatives [58].
Une partie de notre travail a consisté à résoudre numériquement les problèmes
directs par une méthode basée sur celle des éléments finis. Elle permet comme en
différences finies d’avoir les valeurs discrètes de la solution du problème direct en
plusieurs points. En plus, la solution peut être approchée en tout point par utili-
sation des fonctions élémentaires de discrétisation. Les matrices mises en jeu dans
la discrétisation spatiale sont calculées préalablement sans aucune approximation.
Nous avons simulé le champ de température dans un matériau isotrope après discré-
tisation en éléments finis suivi d’intégration en temps par la technique des trapèzes
généralisées.
Rappelons qu’en plus des méthodes des différences finies et des éléments finis,
qui seront les seules utilisées dans nos travaux, il existe bien d’autres méthodes
numériques de résolution d’équations aux dérivées partielles comme les méthodes de
volumes finis, d’éléments finis de frontière, de Fourier, etc. (voir par exemple [58]).
Pour plus de détails sur la méthode des éléments finis, le lecteur pourra consulter
les livres de Ciarlet [25], Bergheau et al. [67] ou de Allaire [58].

Plan

Le rapport concerne essentiellement deux thématiques : méthode inverse appli-

quée à la mécanique et méthode inverse appliquée à la thermique.
La première partie composée de trois chapitres porte sur l’identification des pa-
ramètres en mécanique.
Au chapitre I, nous commençons par le traitement d’un problème type d’identifi-
cation qui se pose dans le domaine des équations linéaires. Traiter au préalable ce
problème simple d’identification est important car dans les domaines d’identification
de paramètres en mécanique et en thermique que nous développons par la suite, une
étape intermédiaire consiste à identifier les coefficients Aij d’une matrice A mise en
jeu dans un système linéaire AX = b connaissant un ou plusieurs couples (X, b).
Très souvent, la discrétisation par éléments finis des équations régissant les phéno-
mènes mécaniques et thermiques conduit à un système linéaire mettant en jeu une
matrice A symétrique ou symétrique tridiagonale.
Deux algorithmes sont développés afin de déterminer la matrice A dans ces deux
cas.
Introduction 5

Les algorithmes élaborés au chapitre I sont validés dans la suite en les appliquant à
deux situations mécaniques :
1. chapitre II : Application à l’identification de la matrice tridiagonale symétrique
issue de la modélisation par élements finis d’une équation différentielles linéaire
du second ordre à coefficients variables. Il s’agit d’identifier les coefficients de
cette équation différentielle. Les coefficients variables se retrouvent incorporés
dans des intégrales permettant de calculer les coefficients d’une matrice qui
se révèle symétrique tridiagonale. Dans une première étape, les valeurs appro-
chées des coefficients de la matrice symétrique tridiagonale sont identifiées par
application de l’algorithme élaborés au chapitre I. Nous développons ensuite un
algorithme permettant d’en déduire une approximation linéaire par morceaux
des coefficients variables de l’équation différentielle de départ.
2. chapitre III : Identification des dix caractéristiques d’inertie d’un solide rigide.
Nous regroupons les composantes du moment dynamique et de la résultante
dynamique dans une matrice 4 × 4 antisymétrique. Nous faisons de même pour
la résultante dynamique et le moment résultant des efforts extérieurs. Les
caractéristiques d’inertie du solide se retrouvent dans une matrice 4 × 4 symé-
trique défini-positive J . L’équation du mouvement est ramenée à une équation
dans l’espace des matrices 4 × 4 antisymétriques. Elle exprime l’égalité entre
le torseur dynamique et le torseur des efforts extérieurs sous une forme ma-
tricielle appropriée à l’identification de la matrice J . Une formulation directe
des équations du mouvement du solide rigide dans l’espace des matrices 4 × 4
est établie par application des travaux virtuels. L’identification de la matrice
J restitue la masse, la position du centre d’inertie et le tenseur d’inertie du
solide.
Dans la deuxième partie, nous commençons par rappeler au chapitre IV la fromu-
lation de l’équation aux dérivées partielles de Fourier régissant la conduction de la
chaleur dans un solide. La discrétisation spatiale par éléments finis de l’équation aux
dérivées partielles nous conduit à remplacer le problème direct par la résolution d’une
équation différentielle linéaire. C’est cette équation qui sera utilisée pour résoudre
les problèmes inverses, c’est-à-dire pour identifier paramètres thermophysiques mis
en jeu (conductivité thermique k et chaleur volumique ρc).
Au chapitre V, nous avons développé une nouvelle technique d’identification si-
multanée de la conductivité thermique k et de la chaleur volumique ρc. Une première
6 Introduction

étape consiste à élaborer un algorithme de résolution du problème direct. Dans une

deuxième étape, nous proposons un algorithme d’identification des paramètres ther-
mophysiques. Cette résolution du problème inverse est validé à partir d’un champ
de température simulé par utilistaion de notre algorithme de résolution du problème
direct.
La procédure d’identification de paramètres thermophysiques proposé au cha-
pitre V est appliquée au chapitre VI à des champs de température mésurés expé-
rimentalement dans notre laboratoire (L.M.S.). L’algorithme a permis d’identifier
les paramètres k et ρc de plusieurs polymères. Les conditions expérimentales et le
dispositif expérimental sont décrits avec précision. Les images thermographiques
sont acquises par caméra infrarouge dont l’utilisation est bien maîtrisée par l’équipe
Photomécanique et Rhéologie du L.M.S.
 7

Première partie

Problèmes Inverses en Mécanique

Chapitre I

Un problème Type d’Identification

Sommaire
I.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 10
I.2 Position du problème . . . . . . . . . . . . . . . . . . . . . 11
I.3 Définitions et notations en algèbre linéaire . . . . . . . . 11
I.4 Identification de la matrice A . . . . . . . . . . . . . . . . 14
I.5 Identification de A symétrique . . . . . . . . . . . . . . . . 17
I.5.1 Multiplicateurs de Lagrange . . . . . . . . . . . . . . . . 17
I.5.2 Elaboration de l’algorithme d’identification de A symétrique 19
I.5.3 Algorithme de projection pour les matrices symétriques . 21
I.6 Identification de A symétrique tridiagonale . . . . . . . . 21
I.6.1 Elaboration de la procédure d’identification de A symé-
trique tridiagonale . . . . . . . . . . . . . . . . . . . . . . 24
I.6.2 Algorithme de la Méthode de Projection des Matrices sy-
métriques Tridiagonales . . . . . . . . . . . . . . . . . . . 26
I.7 Méthode intermédiaire . . . . . . . . . . . . . . . . . . . . 28
I.7.1 Elaboration de la méthode d’identification . . . . . . . . . 28
I.7.2 Algorithme d’identification . . . . . . . . . . . . . . . . . 31
I.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
10 I. Un problème Type d’Identification

I.1 Introduction

De nombreux phénomènes mécaniques sont régis par des équations différentielles

ou aux dérivées partielles. Ces équations mettent en jeu des paramètres ou des
fonctions caractérisant les propriétés des matériaux étudiés.
De la discrétisation par éléments finis ou différence finie de l’équation différen-
d
tielle : dx (p(x)u0 (x)) + q(x)u(x) = f (x), régissant le moment fléchissant u d’une
poutre soumise à une force f et étirée selon ses deux extrémités conduit à un sys-
tème linéaire [25] :
AX = b (I.1)
où A est une matrice symétrique tridiagonale. On verra plus loin que les coefficients
de la matrice A sont :
Z L
p(x)φ0i (x)φ0j + q(x)φi (x)φj (x) dx


Aij =
0

D’une manière générale, les matrices issues de la discrétisation par éléments finis
ou différences finies mettent en jeu les caractéristiques mécaniques du matériau.
Les matrices symétriques tridiagonales sont aussi très courantes dans la résolution
numériques des problèmes du type Sturm-Liouville [17].
Rappelons que l’espace des matrices symétriques et l’espace des matrices tridia-
gonales et symétriques sont deux sous-espaces vectoriels de l’espace vectoriel des
matrices carrées.
Dans le cas du système (I.1), le problème direct consiste à déterminer le vecteur X
pour A et b connus. Dans la pratique, il s’agit de déterminer le moment fléchissant
d’une poutre connaissant les caractéristiques d’inertie et les forces. Le problème
inverse consiste à identifier la matrice A de l’équation (I.1). Lorsque cette matrice
est de faible taille, les méthodes habituelles de résolution de système linéaire sont
bien adaptées. Pour des matrices de grande taille ( matrices de taille supérieure à
4), certaines méthodes restituent difficilement la matrice attendue.
Le but de ce chapitre est de tenir compte de la symétrie et de la tridiagonalité
de la matrice A lors de la résolution numérique et de chercher à réduire le coût des
opérations.
Nous décrirons des procédure d’identification basée sur la la méthode des moindres
carrés tenant compte de la symétrie ou de la tridiagonalité de A par introduction
I.2. POSITION DU PROBLÈME 11

des multiplicateurs de Lagrange. La résolution se fait ensuite par élimination des

multiplicateurs de Lagrange.
Rappelons tout de même que des recherches sont menées sur la recherche de la
matrice A du système (I.1) : gradient conjugué de Polak-Ribière [84], les méthodes
de décomposition polaire de Higham [60], [61] et Erhel [40]. La méthode développée
par Higham utilise les caractéristiques de la matrice A dans la résolution pour des
systèmes linéaires. La plupart de ces méthodes de résolution numériques recherchent
la matrice A dans l’espace des matrices carrées alors qu’avec un calcul dans le sous-
espace vectoriel des matrices symétriques ou symétriques et tridiagonales pourrait
réduire le nombre de coefficients recherchés.

I.2 Position du problème

Considérons le système linéaire

AX = b, (I.2)
où A est une matrice n × n, b et X sont des vecteurs à n composantes.
Le problème inverse est le suivant :
considérons plusieurs mesures couples (X, b) satisfaisant le système linéaire (I.2),
peut-on identifier l’application linéaire A ?
Nous considérerons dans ce chapitre trois cas de figures :
– dans le premier cas la matrice A est quelqconque ;
– dans le second cas la matrice A est symétrique ;
– dans le troisième cas la matrice A est symétrique et tridiagonale.
Après avoir défini certaines notions algébriques utilisées par la suite, nous abor-
derons les méthodes d’identification des matrices symétriques et des matrices symé-
triques tridiagonales. Nous utiliserons certaines propriétés de Jean-Marie Souriau
qui nous permettront de simplifier des calculs.
Remarque I.2.1
Jean-Marie Souriau, Mécanicien, Normalien, est surtout connu pour ses travaux en
mécanique symplétique, dont il est un des pères fondateurs. Il a publié plusieurs
ouvrages dont deux manuels de calcul liéaire [92] et [93]

I.3 Définitions et notations en algèbre linéaire

Définition I.3.1 Trace d’une matrice

12 I. Un problème Type d’Identification

Nous désignons par Mn l’espace des matrices carrées réelles de tailles n × n.

Soit A une matrice carrée de composantes (Aij )1≤i,j≤n (les indices i et j désignent
respectivement la ligne et la colonne).
La trace de la matrice A est la somme des éléments de la diagonale :
n
X
tr(A) = Aii .
i=1

Définition I.3.2 Transposée d’une matrice

La transposée de la matrice A de Mn de composantes (Aij )1≤i,j≤n est la matrice
B de Mn définie par :
Bij = Aji , 1 ≤ i, j ≤ n.

Définition I.3.3 Matrice symétrique

Si une matrice A coïncide avec sa transposée, elle est dite symétrique et cela
signifie que
Aij = Aji , 1 ≤ i, j ≤ n.

Définition I.3.4 Matrice symétrique tridiagonale

Si une matrice A coïncide avec sa transposée et Aij = 0, 1 ≤ i ≤ n; i+2 ≤ j ≤ n,
alors elle est symétrique tridiagonale.

Définition I.3.5 Produit tensoriel

Soit u et v deux vecteurs de Rn . Le produit tensoriel de u par v est la matrice
de composantes
(u ⊗ v)ij = ui vj , 1 ≤ i, j ≤ n.

Proposition I.3.1
Pour u et v deux vecteurs de Rn , on a :

u ⊗ v = uvT

Définition I.3.6 Produit scalaire de vecteurs

Soient u et v deux vecteurs de Rn . Le produit scalaire de u et v est le réel
n
X
hu, vi = ui vi
i=1
I.3. DÉFINITIONS ET NOTATIONS EN ALGÈBRE LINÉAIRE 13

Proposition I.3.2
Soient u et v deux vecteurs de Rn . Le produit scalaire de u et v est le réel

hu, vi = tr(u ⊗ v)
Proposition I.3.3
Soient A une matrice de Mn et deux vecteurs u et v de Rn . Le produit scalaire de
Au et v est
hAu, vi = tr(A(u ⊗ v)).

Définition I.3.7 Produit scalaire dans Mn

Soient U et V deux matrices carrées. Le produit scalaire de U par V est le réel
n X
X n
T
hU, V i = tr(U V ) = Uij Vij
i=1 j=1

Proposition I.3.4
Soient P et Q deux matrices n × n :
(i) le produit scalaire est symétrique : tr(P Q)= tr(QP ) ;
(ii) une matrice et sa transposée ont la même trace : tr(P T )= tr(P )

Définition I.3.8 Produit d’une matrice et d’un vecteur

Soient la matrice U de Mn et le vecteur v de Rn . Le produit de U par v est le
vecteur u défini par
X n
ui = Uij vj .
i=1

Définition I.3.9 Soit U une matrice de Mn . U est dite défini-positive si

(i) pour tout vecteur v de Rn , hU v, vi ≥ 0,
(ii) hU v, vi = 0 implique v = 0.
Proposition I.3.5
La trace du produit de deux matrices symétriques positives de Mn est un nombre
positif.

Preuve. Soient U et V deux matrices symétriques positives de Mn . La matrice

symétrique et positive U est diagonalisable. Soient λi , i = 1, ..., n ses valeurs propres
(elles sont positives), et ui les vecteurs propres associés. Alors
n
X
U= λ i ui ⊗ ui ,
i=1
14 I. Un problème Type d’Identification

et
n
X
UV = λi (ui ⊗ ui )V
i=1
Xn
= λi ui ⊗ (V ui )
i=1

Par suite
n
X
tr(U V ) = λi hui , V ui i.
i=1

C’est positif puisque la matrice V est positive. 

I.4 Identification de la matrice A : Méthode des moindres carrés

Nous allons élaborer une méthode pour identifier la matrice A du système li-
néaire :
AX = b (I.3)

lorsque les vecteurs X et b sont connus. Plus précisement, nous allons construire
une procédure pour résoudre le problème inverse suivant :
"plusieurs couples (X(i) , b(i) ), indescés de i = 1 à m ont été mesurés, peut-on iden-
tifier l’application linéaire A ?
Notre procédure d’identification est basée sur la méthode des moindres carrés
Pour déterminer la matrice A, nous minimiserons donc la forme quadratique

m
1X
F (A) = kAX(i) − b(i) k2 (I.4)
2 i=1

Les couples (X(i) , b(i) ) satisfont AX(i) = b(i) et m est le nombre de couples connus.
La matrice A sera identifiée par annulation du gradient de la forme quadratique
F , i.e. en résolvant le système linéaire

−−→
gradF (A) = 0

Les propositions (I.3.2) et (I.3.4) permettent de développer la forme quadratique

I.4. IDENTIFICATION DE LA MATRICE A 15

F (A) de la manière suivante :

m
1X
F (A) = hAX(i) − b(i) , AX(i) − b(i) i
2 i=1
m m m
1 X (i) 2 1 X X
= kb k + hAX(i) , AX(i) i − hAX(i) , b(i) i
2 i=1 2 i=1 i=1
m
! ! m m
1 X X 1 X (i) 2
= tr A X(i) ⊗ X(i) AT − tr(A X(i) ⊗ b(i) ) + kb k
2 i=1 i=1
2 i=1

Définissons les matrices carrées suivantes :

m
X m
X
(i) (i)
B= b ⊗X H= X(i) ⊗ X(i) (I.5)
i=1 i=1

La matrice H est symétrique et positive. La matrice B n’a pas de propriétés parti-

culières.
La détermination de la matrice A revient à la minimisation de la forme quadra-
tique
m
1 T T 1 X (i) 2
F (A) = tr(A AH) − tr(AB ) + kb k
2 2 i=1

Il nous reste à calculer la dérivée de la forme quadratique F (A). Pour cela, il est utile
de rendre euclidien l’espace des matrices n × n en le munissant du produit scalaire
des matrices (I.3.7). La généralisation du gradient est alors

∂F
[(gradF )(A)]ij =
∂Aij

Remarque I.4.1
Pour calculer la dérivée de la forme quadratique F , nous allons utiliser la remarque
suivante de Jean-Marie Souriau.

Si δA est une petite variation de la matrice A et si α est un réel alors,

F (A + αδA) − F (A)
lim = hgradF (A), δAi
α→0 α
Annuler le gradient de F en A revient à annuler la dérivée par rapport à α de
F (A + αA) pour toute variation δA.
16 I. Un problème Type d’Identification

Dans le cas (I.4)

m
1  T T
 1X
kb(i) k2
 
F (A + αδA) = tr (A + αδA) (A + αδA)H − tr (A + αδA)B +
2 2 i=1
1  1
= α2 tr (δA)T (δA)H + αtr (δA)T AH + (AT δAH)
  
2 2
m
T 1 T T 1 X (i) 2
− αtr(δAB ) + tr(A AH) − tr(AB ) + kb k
2 2 i=1

La proposition (I.3.4) permet de simplifier le trinôme du second degré F (A+αδA)

en :

F (A + αδA) = 12 α2 tr H(δA)T (δA) + αtr (δA)T AH − B(δA)T

   

+ 21 tr AT AH − AB T + 12 m
  P (i) 2
i=1 kb k
 
Les matrices H et δA(δA)T sont symétriques et positives. Le réel tr H(δA)T δA
est donc positif d’après la proposition (I.3.5). Par suite le trinôme F (A + αδA) est
convexe en α.
La dérivée de F (A + αδA) en α égale à zéro vaut

tr((δA)T (AH − B)).

Ce réel est nul pour toute matrice δA si et seulement si :

AH = B (I.6)

Dans l’espace des matrices carrées, le gradient de la forme quadratique F (A) est[96]

∂F
= (AH − B)ij .
∂Aij

Remarque I.4.2
Nous pouvons obtenir directement l’équation (I.6) en multipliant AX(i) = b(i) ten-
soriellement par le vecteur X(i) puis en sommant sur le nombre de mesures :
m
X m
X
(i) (i)
A X ⊗X = b(i) ⊗ X(i) (I.7)
i=1 i=1

Nous retrouvons bien l’équation AH = B en identifiant les expressions des matrices

H et B.
I.5. IDENTIFICATION DE A SYMÉTRIQUE 17

On identifiera la matrice A en résolvant le système linéaire

AH = B

par tout algorithme de résolution de système linéaire, exemple des alogorithmes du

gradient ou du gradient conjugué [96].

Remarque I.4.3
Bien qu’elle soit basée sur la méthode des moindres carrés, notre procédure d’identi-
fication se révèlera donc exacte lorsque la matrice H sera inversible.
Remarque I.4.4
Si m est supérieur ou égal à n, la matrice H est attendue défini-positive, et donc
inversible [99]. Et expérimentalement ceci revient à faire plusieurs mesures "indé-
pendantes". Pour une poutre en flexion pure par exemple, il faut plusieurs mesures
du moment fléchissant pour des forces distinctes.

Dans la section suivante, nous adapterons notre procédure au cas où la matrice

A est symétrique. Un algorithme d’identification sera élaboré en fin de section I.5.

I.5 Identification de la matrice symétrique A

Une matrice symétrique n × n possède n(n + 1)/2 indépendantes puisque la sy-

métrie n(n − 1)/2 conditions de symétries. Il faut tenir compte des conditions de
symétrie dans l’élaboration de la procédure d’identification. Nous élaborons une pro-
cédure tenant compte des conditions de symétrie par introduction de multiplicateurs
de Lagrange.

I.5.1 Multiplicateurs de Lagrange

Nous allons forcer la matrice A à être symétrique. Il suffit pour cela de reprendre
la minimisation de (I.4) en respectant les conditions linéaires

A = AT

Considérons la fonction f (A) = (A − AT )/2. Il faut tenir compte de la symétrie de la

matrice A. Elle devient symétrique lorsque f (A) = 0. On peut imposer la symétrie
lors du calcul de la variation de F (A).
On y arrive en introduisant une matrice antisymétrique Λ de multiplicateurs de
18 I. Un problème Type d’Identification

−−→
Lagrange (ΛT = −Λ). La variation DF (A)δA = hgradF (A), δAi, δA ∈ Mn ne doit
plus être nulle mais égale à hδf (A), Λi.
 
1 T
hδf (A), Λ = tr Λ (δA − δA )
2
1 1
= tr(ΛδA) − tr(ΛδAT )
2 2
= tr(δAΛ)

Ainsi on conclura à
AH = B + Λ (I.8)

Commentaire I.5.1
La méthode que nous développons ici est est inspirée de la technique de
minimisation avec des contraintes, à la différence que nous restons dans
l’espace des matrices.
On pourrait chercher à déterminer la matrice symétrique A directe-
ment par la minimisation de la fonction
m n
1X X
F (A) = kAXi − bi k + λj (aij − aji )2 ,
2 i=1 j=1

les réels λj , j = 1, ..., n sont appelés multiplicateurs de Lagrange.

Si la matrice Λ est connue, alors la résolution de l’équation (I.7.1) permettrait

de déterminer la matrice A ; on arrive à deux inconnues : la matrice A et la matrice
Λ.
Déterminons la matrice A de (I.7.1) par élimination de la matrice Λ. On y arrive
par projection de la matrice AH − B − Λ sur une base des matrices symétriques.
Le sous-espace des matrices symétriques n × n est un espace vectoriel de di-
mension n(n + 1)/2. Pour construire une base, nous considérons la base canonique
{ej , j = 1, ..., n} de Rn . Nous construisons n(n + 1)/2 matrices symétriques de la
façon suivante :
ej ⊗ ej , j = 1, ..., n
1
√ (ej ⊗ ei + ei ⊗ ej ), 1 ≤ i < j ≤ n
2
L’ensemble {Sj , j = 1, ..., n(n + 1)/2} est une base unitaire du sous-espace des ma-
trices symétriques n × n.
I.5. IDENTIFICATION DE A SYMÉTRIQUE 19

I.5.2 Elaboration de l’algorithme d’identification de A symétrique

Pour trouver la matrice A solution de AH = B + Λ, nous procédons à l’ élimi-

nation de Λ par projection de AH − B − Λ sur la base {Sj , j = 1, ..., n(n + 1)/2} de
matrices n × n symétriques

tr(Sj AH) = tr(Sj B) + tr(Sj Λ) = tr(Sj B) car tr(Sj Λ) = 0,

soit n(n + 1)/2 équations permettant de déterminer les n(n + 1)/2 composantes
indépendantes de la matrice symétrique A.
Sur la base des matrices symétriques, A peut se décomposer :
n(n+1)/2
X
A= ak S k ,
k=1

ak , k = 1, ..., n(n + 1)/2 étant des réels. En fait ce sont les composantes de la matrice
A.
Remplaçons dans l’équation de projection, la matrice A par sa décomposition
sur la base Sj ; alors l’identification de la matrice A revient à la détermination des
réels ak dans
n(n+1)/2
X
ak tr(Sj Sk H) = tr(Sj B) j = 1, ..., n(n + 1)/2. (I.9)
k=1

Montrons que le système (I.9) est résoluble.

Proposition I.5.1
La matrice M du système linéaire (I.9) de composantes

Mjk = tr(Sj Sk H)

est une matrice symétrique et défini-positive.

Preuve. La matrice M est symétrique.

En effet,
Mjk = tr(Sj Sk H)
= tr(HSk Sj ) car tr(U ) = tr(U T )
= tr(Sj HSk ) car tr(U V ) = tr(V U )
= tr(Sk Sj H)
= Mkj
20 I. Un problème Type d’Identification

La matrice M est défini-positive.

Soit v un vecteur de Rn(n+1)/2 de composantes vi = ai , alors
XX
hv, M vi = aj ak tr(Sj Sk H)
j h
" ! ! #
X X
= tr aj S j ak Sk H
j k
 !2 
X
= tr  aj S j H
j
P 2
La matrice carrée j aj S j est une matrice positive de Mn , donc décomposable
en une somme
!2 n
X X
aj S j = λl Vl VlT , avec λl ≥ 0 et Vl 6= 0
j l=1

Remarque I.5.1
Toute matrice symétrique et positive de Mn est toujours diagonalisable et admet n
valeurs propres réelles positives.
P 2
Cette expression de j a j S j est injectée dans celle de hv, M vi :
XX n
X
aj ak tr(Sj Sk H) = λl tr(Vl VlT H)
j k l=1
Xn
= hλl Vl , HVl i
l=1

C’est positif en tant que somme de nombres positifs puisque H est positive.
Puisque H est défini-positive, la somme ne peut être nulle que si tous les λl sont
nuls. Et dans ce cas puisque H est défini-positive on aurait ( j aj Sj )2 = 0, c’est-
P
P
à-dire j aj Sj = 0. Et comme les Sj constituent la base de l’espace des matrices
symétriques, donc les aj sont nuls.
La matrice du système linéaire de composantes tr(Sj Sk H) est défini-positive. 
La résolution de (I.9) tient bien compte de la symétrie imposée sur A.
Ainsi donc pour identifier la matrice symétrique A connaissant plusieurs couples
(X, b), il revient à résoudre le système linéaire AH = B + Λ, où Λ est une ma-
trice antisymétrique. La résolution se fait par projection sur l’espace des matrices
symétriques.
I.6. IDENTIFICATION DE A SYMÉTRIQUE TRIDIAGONALE 21

I.5.3 Algorithme de projection pour les matrices symétriques

Pour déterminer la matrice symétrique A de l’équation linéaire AH = B + Λ, il

faut
1. calculer les matrices H et B ;
2. construire la base Sj des matrices symétriques n × n ;
3. calculer composantes Mjk = tr(Sj Sk H) de la matrice symétrique M de com-
posantes ;
4. calculer les n(n + 1)/2 composantes du vecteur z :

zj = tr(Sj B) ;

5. résoudre algébriquement l’équation M a = z ;

6. calculer la matrice
n(n+1)/2
X
A= aj S j .
j=1

Remarque I.5.2
On vient de résoudre l’équation AH = B+Λ pour A inconnue. La différence est qu’en
utilisant cet algorithme solution, on est sûr d’avoir la matrice A dans le sous-espace
des matrices symétriques.

La section suivante porte sur l’identification de la matrice symétrique tridiagonale A

du système linéaire AX = b pour plusieurs valeurs connues des vecteurs X et b. Un
algorithme d’identification sera présenté dans la section suivante après description
de la procédure d’identification.

I.6 Identification de la matrice symétrique tridiagonale A

Une matrice symétrique tridiagonale possède moins de composantes indépen-

dantes qu’une matrice symétriques. Autrement dit, la recherche de la matrice symé-
trique tridiagonale est moins coûteuse qu’une matrice symétrique. La démarche que
nous proposons ici tiens compte des critères de la symétrie et tridiagonalité de la
matrice à identifier.
La procédure d’identification de la matrice symétrique tridiagonale est identique
à celle décrite pour arriver à la construction de l’algorithme solution pour déterminer
la matrice symétrique de AX = b.
22 I. Un problème Type d’Identification

Nous allons mettre en évidence quelques propriétés des matrices tridiagonales et

symétriques pour arriver à l’algorithme de résolution.
Forçons la matrice A à être symétrique tridiagonale par introduction de multiplica-
teurs de lagrange.
Forcer une matrice n × n à être symétrique tridiagonale, donc de la forme
 
α1 β1 0 0 ··· ··· ··· ··· 0
 
 β1 α2 β2 0 · · · · · · · · · · · · 0 
.. .. .. .. .. .. .. .. 
 
 0 . . . . . . . . 

 . .. 
 . ... ... ... ... ... ... ...
 . . 

 . . .. 
A= . .. ... ... ... ... ... ..
. (I.10)
 . . 
 . . .. 
 .. .. ... ... ... ... ... .. 
 . . 
 .. . . . .. . .. . .. . .. . .. . .. 
 .
 . 0  
 0 ··· ··· ··· ··· 0 β α β 
 n−2 n−1 n−1 
0 ··· ··· ··· ··· 0 0 βn−1 αn
peut se faire en imposant :
- les n − 1 conditions de symétrie imposées aux βi (Aii+1 = Ai+1i i = 1 à n − 1,
- les (n − 2)(n − 1)/2 conditions de nullité au-dessus de la diagonale,
-les (n − 2)(n − 1)/2 conditions de nullité en dessous de la diagonale,
soit en tout (n − 1)2 conditions linéaires à respecter.
Une manière d’écrire matriciellement ces (n − 1)2 conditions scalaires est
tr(AT Λ) = 0.
Proposition I.6.1
– (i) La matrice Λ est de la forme
 
0 λ1 × × ··· ··· ··· ··· ×
 
 −λ1 0 λ2 × ··· ··· ··· ··· × 
.. .. .. .. .. .. .. ..
 
 × . . . . . . . .
 

 . ..
.. .. .. .. .. .. ..

 . . . . . . . .
 . .


 . . . . ... ... ... ... ..

Λ= . .. .. .. (I.11)
 . .


 . ... ... ... ... .. .. .. ..
 ..

 . . . 
.
 .. .. .. .. .. .. .. .. 
 .
 . . . . . . . × 
 × ··· ··· ··· ··· × −λn−1 0 λn 
 
× ··· ··· ··· ··· × × −λn 0
I.6. IDENTIFICATION DE A SYMÉTRIQUE TRIDIAGONALE 23

où les valeurs en ” × ” sont des réels quelconques.

Ces matrices sont orthogonales aux matrices tridiagonales symétriques.
– (ii) Toute matrice n × n peut se décomposer en somme d’une matrice tridia-
gonale symétrique (n + n − 1 coefficients indépendants) et d’une matrice Λ
((n − 1)2 coefficients). Cette décomposition est orthogonale.

Preuve. (i) L’orthogonalité se vérifie par le calcul du produit scalaire de A par Λ.

Supposons Λ écrite sous la forme (I.11). Pour toute matrice tridiagonale symétrique
A de la forme (I.10), le produit scalaire de Λ et A est :

 


 −β1 λ1 × ··· · ··· × 

 



 × β1 λ1 − β2 λ2 × · ··· ··· × 


. . . . . ..
 
.. .. .. .. ..
 
× .

 

 

. .. 
. . . . .
 




 .. .. .. .. .. .. .



 
 .
.. . .. . .. . .. . .. . .. .. 
tr(AΛ) = tr 
 . 

. . . . . . ..

.. .. .. .. .. ..
 
.

 


 


 .
.. . .. . .. . .. . .. . ..


×

 


 

 





 × ··· · · × × −βn λn + βn−1 λn−1 



 
 × ··· ··· ··· × × βn λn 

= −β1 λ1 + (β1 λ1 − β2 λ2 ) + ... + (βn−1 λn−1 − βn λn ) + βn λn

= 0.

Signalons que nous n’avons représenté que les termes diagonaux du produit AΛ
indispensables pour le calcul de la trace.

(ii)Une matrice n × n antisymétrique possède (n − 1)2 coefficients indépendants ;

de même une matrice n × n tridiagonale a (2n − 1) coefficients indépendants. On
vérifie bien que n2 = (2n − 1) + (n − 1)2 .
24 I. Un problème Type d’Identification

La somme des matrices A et Λ vaut

 
α1 β1 + λ1 × × ··· ··· ··· ··· ×
 β1 − λ1 α2 β2 + λ2 × ··· ··· ··· ··· ×
 

 .. .. .. .. .. .. .. .. 

 × . . . . . . . . 

 .
.. .. .. .. .. .. .. .. .. 

 . . . . . . . . 

 .
.. ... ... ... ... ... ... ... .. 
 . 
.. ..
 
... ... ... ... .. .. ..
. . .
 
 . . 
.. .. .. .. .. .. .. .. ..
 
. . . . . . . . .
 
 
 .. .. .. .. .. .. .. .. .. 

 . . . . . . . . .


 .. ... ... ... ... ... ... ... 

 . × 

× ··· ··· ··· ··· × βn−2 − λn−2
 
 αn−1 βn−1 + λn−1 
× ··· ··· ··· ··· × × βn−1 − λn−1 α1
qui est l’écriture générale d’une matrice carrée.
Pour la réciproque, il suffit de trouver λi et βi tels que

A = βi + λi
ii+1
Ai+1i = βi − λi ,

c’est-à-dire 
β = (Aii+1 + Ai+1i )/2
i
λi = (Aii+1 − Ai+1i )/2.
La décomposition est orthogonale car tr(ΛA) = 0. 

I.6.1 Elaboration de la procédure d’identification de A symétrique tridiago-

nale

Le système linéaire (I.6) ne permet pas de déterminer la matrice A. Au lieu

−−→
d’imposer hgradF (A), δAi = 0, on impose
−−→
hgradF (A), δAi = hδAT , Λi

c’est-à-dire
tr(δA(HAT − B T ) = tr(δAΛT )
ou encore
AH = B + Λ. (I.12)
I.6. IDENTIFICATION DE A SYMÉTRIQUE TRIDIAGONALE 25

Pour trouver la matrice A solution de AH = B + Λ, on peut éliminer la matrice

Λ en projetant sur une base {Tm , m = 1, ..., 2n − 1} de matrices n × n symétriques
tridiagonales.
Considérons {ej , j = 1, ..., n} la base canonique de Rn . Nous construisons une
base {Tm , m = 1, ..., 2n − 1} du sous-espace des matrices symétriques tridiagonales
de la manière suivante :
Tm = em ⊗ em , m = 1, ..., n
1
Tm+n = √ (em ⊗ em+1 + em+1 ⊗ em ), m = 1, ..., n − 1
2
La matrice A peut se décomposer sur la base Tm des matrices symétriques tridiago-
nales :
2n−1
X
A= γp Tp
p=1

où les γp sont des réels. Ce sont les composantes de la matrice symétrique tridiagonale
A. multiplions l’équation (I.12) par Tm et prennons la trace :

tr(Tm AH) = tr(Tm B) + tr(Tm Λ). (I.13)

Utilisant le fait que tr(Tm Λ) = 0 et en incorporant l’expression de la décompostion

de A sur cette base dans (I.13), on obtient le système linéaire
2n−1
X
γp tr(Tm Tp H) = tr(Tm B), m = 1, ..., 2n − 1 (I.14)
p=1

Proposition I.6.2
La matrice symétrique M de composantes Mmp = tr(Tm Tp H) du système (I.14) est
défini-positive.

Preuve. En effet
2n−1
" ! ! #
X 2n−1
X X X
γp γp tr(Tm Tp H) = tr γm Tm γp Tp H
m=1 p=1 m p
 !2 
X
= tr  γm Tm H
m

La matrice symétrique !2
X
γm Tm
m
26 I. Un problème Type d’Identification

est positive, donc décomposable en une somme

n
X
µl Wl WlT , avec µl ≥ 0 et Wl 6= 0
l=1

Ainsi
XX n
X
γm γp tr(Tm Tp H) = µl tr(Wl WlT H)
m p l=1
Xn
= µl (WlT HWl )
l=1

c’est positif comme somme de nombres positifs.

Puisque H est positive, cette somme ne peut être nulle que si tous les µl sont
nuls ou si ( m γm Tm )2 = 0 ou si m γm Tm = 0 ou si tous les γm sont nuls.
P P

Ainsi la matrice (2n − 1) × (2n − 1) du système est donc défini-positive. 

On peut donc déterminer la matrice A par la résolution du système (I.14). Par
cette procédure, nous tenons compte de la symétrie et de la tridiagonalité de la
matrice A.

I.6.2 Algorithme de la Méthode de Projection des Matrices symétriques

Tridiagonales

Pour déterminer la matrice A de AX = b, on procède ainsi numériquement :

1. Calculer les matrices H et B ;
2. Construire la base des matrices symétriques {Tm , m = 1, ..., 2n − 1} ;
3. Calculer les n(2n − 1) composantes de la matrice M ;
4. Calculer les 2n − 1 composantes Mmp = tr(Tm Tp H) du vecteur z :

zj = tr(Tj B)

5. Résoudre algébriquement l’équation M a = z ;

6. Calculer la matrice
2n−1
X
A= aj Tj
j=1

Cet algorithme tient compte de la symétrie et de la tridiagonalité de la matrice A.

I.6. IDENTIFICATION DE A SYMÉTRIQUE TRIDIAGONALE 27

Exemple I.6.1
Des couples (Xi , bi ), i = 1, ..., 4 sont obtenus d’un système linéaire AX = b, où A
est une matrice 4 × 4 symétrique tridiagonale.
Notons par
 
−20, 3328 −16, 6024 0, 630162 −25, 4173
  −31, 2656 −24, 5509 −1, 53237 −16, 4179 

c = X1 X2 X3 X4 = 


−31, 7648 −19, 4545 −3, 58713 0, 456126 
−21, 89 −11, 054 −0, 927636 −0, 590235
la matrice obtenue par les vecteurs X
 
200 200 −100 1100
 400
 400 40 0 
d = b1 b2 b3 b4 = 
 

600 400 200 −400
800 200 −100 100
la matrice obtenue par les vecteurs b.

Déterminons la matrice A par la résolution des systèmes AH = B et AH = B + Λ.

Λ est la matrice des multiplicateurs de Lagrange. Les matrices H et B données par
les formules (I.5) sont respectivement
 
1335, 5 1459, 65 955, 005 643, 026
4
X
i i T
 1852, 18 1468, 78 966, 902 
H= X ⊗ X = c.c = 
 

i=1
 1400, 56 913, 44 
602.572
 
−35409, 1 −29069, 8 −9383, 41 −7145, 29
4
X
i i T
 −14748, 9 −22387, 9 −20631, 2 −13214, 7 
B= b ⊗ X = d.c = 
 

i=1
 −8547, 69 −22319 −27740, 6 −17505 
−22191, 5 −31411, 2 −28898, 4 −19689, 1
Du système linéaire AH = B, on suppose les matrices H et B connues.
Le déterminent de la matrice H vaut 1, 09 107 , donc elle est inversible. La détermi-
nation de la matrice A par inversion de la matrice H donne
 
−67, 5005 37, 5006 −0, 000208773 0, 000123783
 −57, 5007 20, 0003 −0, 000140429 
A=
 

 −79, 7503 59, 7504 
−123, 251
28 I. Un problème Type d’Identification

Si on considère les résultats à 10−4 près, la matrice A n’est pas tridiagonale.

Recherchons la matrice A par la deuxième méthode d’identification qui consiste à
chercher A directement dans l’espace des matrices symétriques tridiagonales. Par
cette procédure, la matrice A identifiée est :
 
−67, 5004 37, 5004 0 0
 −57, 5004 20 0 
A=
 

 −79, 75 59, 7502 
−123, 25
La matrice A obtenue est symétrique tridiagonale, et elle est la plus proche de la
matrice recherchée.

I.7 Autre méthode d’identifiaction de la matrice A symétrique ou symé-

trique tridiagonale

I.7.1 Elaboration de la méthode d’identification

Nous proposons dans ce paragraphe une autre manière d’identifier la matrice A

de l’équation (I.2).
Il revient encore à considérer le problème de minimisation suivante :
1X
min kAX(k) − b(k) k2 . (I.15)
A =A 2
T
i

Nous nous limiterons dans ce paragraphe au cas des matrices symétriques.

Si E est le sous-espace des matrices n × n symétriques, alors sa dimension est
n(n + 1)/2. Ce problème d’optimisation plus précis tient bien compte des n(n + 1)/2
conditions de symétrie.
Nous avions montré dans le sous paragraphe I.5.1 qu’on arrive à tenir compte
de ces conditions sur A en y introduisant la matrice Λ. Par suite, la matrice est
déterminée par la résolution du système

AH = B + Λ

Au lieu d’éliminer Λ de l’équation (I.7.1), cherchons plutôt à la déterminer premiè-

rement.
L’équation (I.7.1) est résoluble si la matrice H est inversible, alors nous supposons
H inversible. De AH = B + Λ, on en déduit la matrice A par

A = (B + Λ)H −1 .
I.7. MÉTHODE INTERMÉDIAIRE 29

La matrice Λ s’élimine par utilisation du critère AT = A. En effet

AT = A =⇒ H −1 (B T − Λ) = (B + Λ)H −1
=⇒ (B T − Λ)H = H(B + Λ) en multipliant à gauche et à droite par H

De ces implications, on peut déterminer Λ en résolvant le système linéaire

HΛ + ΛH = B T H − HB. (I.16)

Si les mesures ne sont pas entachées d’erreurs, on aurait AH = B puis A = BH −1 ;

par suite AT = H −1 B T et BH −1 = H −1 B T ou HB = B T H. A cause des erreurs
sur les mesures, la matrice antisymétrique B T H − HB n’est pas surément nulle. On
corrige le défaut de symétrie de A (calculée par AH = B ) par

AH = B + Λ

avec Λ solution de
HΛ + ΛH = B T H − HB.
En procédant de cette manière, la symétrie de A est assuré.
En effet, d’une part, nous avons

AH = B + Λ =⇒ HAT = B T − Λ, par transposition.

Et comme AT = A, donc

AH + HAT = B + B T (1)

D’autre part, de l’implication

 
AH = B + Λ HAH = HB + HΛ
=⇒ ,
HΛ + ΛH = B T H − HB AH 2 = BH + ΛH

on obtient

(HA + AH)H = (HB + BH) + (B T H − HB) =⇒ HA + AH = B + B T (2)

Par soustraction des relations (1) et (2), on a : H(AT − A) = 0 puis AT = A si H

est inversible.
Il reste à vérifier qu’il est possible de déterminer Λ par résolution de (I.16).
30 I. Un problème Type d’Identification

Pour cela, considérons l’application linéaire LH de l’espace vectoriel E des ma-

trices n × n antisymétriques dans lui-même et définie par :

LH = HΛ + ΛH.

L’équation (I.16) est résoluble si l’application LH est inversible. Ceci peut se vérifier
par le calcul du déterminent de LH .
En effet, soit {ei , i = 1, ..., n} une base de vecteurs propres de la matrice H
choisie orthonormée (l’existence de cette base est assurée par la défini-positivité de
la matrice H).
Choisissons ensuite dans E la base orthonormée (i < j par exemple)
1
√ (ei ⊗ ej − ej ⊗ ei )
2
Dans cette base nous déterminons la matrice de LH par le calcul des images des
éléments de la base de E :
 
1 1
LH √ (ei ⊗ ej − ej ⊗ ei ) = √ [(Hei ) ⊗ ej − (Hej ) ⊗ ei + ei ⊗ (Hei ) − ej ⊗ (Hei )]
2 2
1
= √ (hj + hi )(ei ⊗ ej − ej ⊗ ei )
2
où hi (resp. hj ) est la valeur propre de la matrice H correspondant au vecteur propre
ei (resp. ej ).
Alors dans la base choisie, la matrice de Lh est la matrice diagonale de composantes
diagonales hi + hj .
Montrons à présent que l’application LH est auto-adjointe.
Soit W une autre matrice antisymétrique de E ; l’espace E est rendu euclidien par
le produit scalaire
hΛ, W i = −tr(HW ).
Calculons alors hLH Λ, W i :

−tr[(LH Λ)W ] = −tr[(HΛ + ΛH)W ]

= −tr((HΛ)W ) − tr(Λ(HW ))
= −tr(W HΛ) − tr(HW Λ) par permutation
= −tr[(W H + HW )Λ] par factorisation
= −tr[(LH W )Λ].
I.8. CONCLUSION 31

Ceci prouve que l’application LH est auto-adjointe dans E. C’est pourquoi la mé-
thode du gradient conjugué peut s’appliquer. La matrice de LH est diagonalisable
puisqu’elle est auto-adjointe ; il existe donc une base où LH est diagonalisable.
Les valeurs propres de la matrice de LH sont les (n−2)(n−1)/2 réels positifs hi +hj .
Les réels hi + hj sont strictement positifs si la matrice H est défini-positive.
Q
le réel détLH = i<j (hi + hj ) étant strictement positif, l’application LH est donc
auto-adjointe et positive dans l’espace E.
On peut donc déterminer la matrice Λ de l’équation (I.16).

I.7.2 Algorithme d’identification

Numériquement :
1. résoudre le système linéaire de n(n + 1)/2 équations à n(n + 1)/2 inconnues

HΛ + ΛH = B T H − HB

2. résoudre ensuite le système linéaire

AH = B + Λ

La détermination de Λ peut se faire facilement par la méthode du gradient conju-

gué, et une fois qu’elle est déterminée, on peut appliquer la même méthode pour
déterminer enfin la matrice symétrique A.
Remarque I.7.1
(i) Si A est une matrice symétrique tridiagonale, la procédure d’identification reste
la idem.
(ii) Cette méthode intermédiaire paraît plus rapide en temps d’écriture du pro-
gramme. En effet, pour les algorthmes de projections élaborées, il faut définir soi-
même une base de matrices symétriques ou symétriques tridiagonales. Alors qu’avec
la méthode interméaire, il s’agit de deux sous programmes de détermination de Λ et
de A. Toutefois, lorsqu’on peut construire plus rapidement une base, les algorithmes
de projetions sout préférables.

I.8 Conclusion

La discrétisation des équations aux dérivées partielles (EDP) et des équations

aux dérivées ordinaires (EDO) conduit, lorsqu’elles sont linéaires à des équations
32 I. Un problème Type d’Identification

du type AX = b. Nous avons proposé dans ce chapitre deux méthodes permet-

tant d’identifier la matrice A pour plusieurs valeurs connues de X et b, suivi d’une
troisième considérée comme méthode intermédiaire. Les matrices attendues par les
deux algorithmes proposés sont dans le sous-espace des matrices dans lequel elles
sont cherchées.
Les deux algorithmes de projection nécessitent la construction d’une base des
matrices symétriques ou symétriques tridiagonales. Cette opération risque d’être
coûteuse en temps de calcul. Le troisième algorithme consiste à trouver d’abord la
matrice des multiplicateurs de Lagrange par la méthode du gradient conjugué et
ensuite déterminer la matrice symétrique ou symétrique tridiagonale.
Les méthodes développées dans ce chapitre seront exploitées dans la suite. D’abord
dans le cadre de l’identification des coefficients variables d’une équation différentielle
linéaire du second ordre, puis dans le cadre de l’identification des caractéristiques
d’inertie d’un solide rigide.
Chapitre II

Application à l’Identification des

Coefficients d’une Equation
Différentielle Linéaire

Sommaire
II.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 33
II.2 Problème direct . . . . . . . . . . . . . . . . . . . . . . . . 35
II.2.1 Formulation variationnelle . . . . . . . . . . . . . . . . . . 36
II.2.2 Dérivée de Gateaux de la fonctionnelle J(v) . . . . . . . . 38
II.2.3 Formulation faible . . . . . . . . . . . . . . . . . . . . . . 39
II.2.4 Résolution du problème direct . . . . . . . . . . . . . . . . 41
II.3 Problème inverse . . . . . . . . . . . . . . . . . . . . . . . . 44
II.3.1 Hypothèse de détermination de la matrice A . . . . . . . . 44
II.3.2 Procédure de détermination de la matrice A . . . . . . . . 44
II.3.3 Procédure d’identification de p et de q . . . . . . . . . . . 45
II.4 Application à un cas simple . . . . . . . . . . . . . . . . . 48
II.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

II.1 Introduction

Une équation différentielle est une relation entre une ou plusieurs fonctions incon-
nues et leurs dérivées. Les équations différentielles interviennent dans la modélisation
34 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire

mathématique de phénomènes physiques et biologiques. Ces équations régissant un

phénomème d’évolution physique mettant en jeu des paramètres ou des fonctions
caractérisant les propriétés des matériaux étudiés.
Un des exemples est le fléchissement d’une poutre de longueur L, étirée selon son
axe par une force P , soumise à une charge transversale de densité f (x) par unité de
longueur, et simplement appuyée à ses extrémités 0 et L . Le moment fléchissant de
la poutre vérifie une équation différentielle faisant intervenir le module d’Young E
et le moment principal d’inertie I(x) de la section de la poutre :

−u00 (x) + P u(x) = f (x)
EI(x)
(II.1)
u(0) = 0, u(L) = 0.

Fig. II.1 – Poutre étirée par une force P et soumise à une force transversale

Pour ce type de problème, nous nous intéresserons plutôt à la recherche du mo-

ment principale d’inertie et du module d’Young.
Plus généralement, il s’agit des équations différentielles du type :

 d (p(x)u0 (x)) + q(x)u(x) = f (x)
dx
(II.2)
u(0) = ξ, u(L) = η

L est la longueur du système unidimensionnel considéré ; p(x) , q(x) et f (x) sont

données en fonction de x ∈ [0, L] ; les fonctions p et q sont supposées continues ; q est
positive nulle à l’origine et p est strictement positive ; f est dans l’espace de Hilbert
L2 ([0, L]).
La situation inverse qui nous intéresse est la recherche des fonctions p et q pour u
et f connues.
Pour résoudre ce problème d’identification, nous étudierons le problème direct
qui consite à déterminer la fonction u en considérant les autres fonctions connues.
La méthode des éléments finis est utilisée pour la discrétisation de l’équation diffé-
rentielle (II.3).
La recherche des fonctions p et q reviendra à la recherche de la matrice symétrique
tridiagonale issue de l’application de la méthode des éléments finis. Cette matrice
sera identifiée par application de l’algorithme de projection sur l’espace des matrices
symétriques tridiagonales (I.6.2).
II.2. PROBLÈME DIRECT 35

II.2 Problème direct

Considérons le problème direct suivant :

Trouver u satisfaisant l’équation différentielle ordinaire avec conditions non ho-
mogène de Dirichlet

 d (p(x)u0 (x)) + q(x)u(x) = f (x)
dx
(II.3)
u(0) = ξ, u(L) = η

L est la longueur du système unidimensionnel considéré ; p(x), q(x) et f (x) sont

données en fonction de x ∈ [0, L] ; les fonctions p et q sont supposées continues ; q
est négative nulle à l’origine et p est strictement positive ; f est dans l’espace de
Hilbert L2 ([0, L]).
Un tel problème est appelé problème aux limites [25].
Pour résoudre le problème direct, nous allons successivement le formuler sous sa
forme variationnelle puis sous sa forme faible.
Afin de rendre ce document aussi "autonome" que possible, nous rappelons
quelques notions sur les espaces de Sobolev qui sont des espaces naturels de fonctions
permettant de résoudre les formulations variationnelles d’équations aux dérivées par-
tielles. Physiquement, les espaces de Sobolev s’interprètent comme des espaces de
fonctions d’énergie finie. Ils se construisent à partir de la notion de fonctions mesu-
rables et de l’espace L2 des fonctions de carrées sommables.

Définition II.2.1 Soit Ω un ouvert de RN muni de la mesure de Lebesgue.

L’ensemble L2 (Ω) est l’espace des fonctions mesurables de carrées sommables dans
Ω. Muni du produit scalaire
Z
hf, gi = f (x)g(x)dx
Ω
2
L (Ω) est un espace de Hilbert.

L’espace Cc∞ (Ω) est l’espace des fonctions de classe C ∞ à support compact dans Ω.

Définition II.2.2 Soit v une fonction de L2 (Ω).

On dit que v est dérivable au sens faible dans L2 (Ω) s’il existe des fonctions wi ∈
L2 (Ω), pour i ∈ {1, ..., N }, telles que, pour toute fonction φ ∈ Cc∞ (Ω), on a
Z Z
∂φ
v(x) (x)dx = − wi (x)φ(x)dx.
Ω ∂xi Ω
36 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire

Chaque wi est appelée la i-ème dérivée partielle faible de v et notée ∂v/∂xi .

Définition II.2.3 Soit Ω un ouvert de RN .

L’espace de Sobolev H 1 (Ω) est défini par

H 1 (Ω) = v ∈ L2 (Ω) tel que ∀i ∈ {1, ..., N }, ∂v/∂xi ∈ L2 (Ω)


(II.4)

où ∂v/∂xi est la dérivée partielle faible de v au sens de la définition précédente.

Muni de l’application
Z  21
1 0 2 2
v ∈ H (Ω) −→ kvkH 1 = |v | + |v| )dx ,
Ω

cet espace vectoriel est normé (c’est même un espace préhilbertien).

Définition II.2.4 Soit Cc∞ (Ω) l’espace des fonctions de classe C ∞ à support com-
pact dans Ω. L’espace de Sobolev H01 (Ω) est défini comme l’adhérence de Cc∞ (Ω)
dans H 1 (Ω).

La généralisation de la définition des espaces de Sobolev est la suivante.

Définition II.2.5 Pour un entier m ≥ 0, l’espace de Sobolev H m (Ω) est défini par

H m (Ω) = v ∈ L2 (Ω) tel que, ∀α avec |α| ≤ m, ∂ α v ∈ L2 (Ω) ,


(II.5)

où la dérivée partielle

∂αv ∂ α1 +...αn
∂αv = = v, α1 + ...αn = α
∂xα ∂xα1 1 ...∂xαnn

est à prendre au sens faible.

II.2.1 Formulation variationnelle

Les méthodes variationnelles sont utilisées pour la résolution des problèmes de

physique mathématique. Nombre de ces méthodes consistent à ramener le problème
à chercher la solution u comme réalisant le minimum (généralemnt l’extrémum)
d’une fonctionnelle. La difficulté est de trouver la fonctionnelle. Ensuite on cherche
une suite minimisante. La solution de (II.3) est obtenue comme limite de cette suite.
Aussi pour bien comprendre le fond des méthodes variationnelles, se propose-t-on
II.2. PROBLÈME DIRECT 37

d’illustrer l’équivalence du problème de mécanique avec problème variationnnel.

Cherchons la fonctionelle J telle que
Z L
J(v) = Π(x, v(x), v 0 (x))dx (II.6)
0

où Π est une fonction continue du triplet (x, v, v 0 ) ainsi que ses dérivées première et
seconde par rapport à x, v et.
Supposons que la fonction v soit continue, qu’elle possède une dérivée continue
0
v sur ]0, L[ et qu’elle prenne aux bornes de l’intervalle [0, L] les valeurs données

v(0) = ξ, v(L) = ζ. (II.7)

Dans ces conditions, une fonction u minimisant J(v) satisafait l’équation d’Euler-
Lagrange
d ∂Π ∂Π
− = 0. (II.8)
dx ∂v 0 ∂v
Nous supposons que u satisfait les conditions nécessaires (de régularité) pour réaliser
le minimum de J(v) [17] et [69].
Le théorème d’Euler-Lagrange assure que si u minimise J(v), alors elle est solu-
tion de l’équation (II.3).
Théorème II.2.1
Si u minimise la fonctionnelle J(v) alors u est solution de l’équation différentielle
(II.3)

Il est facile de voir que le système (II.8) coïncide avec le système (II.3) en choisissant
1 2 1
Π(x, v(x), v 0 (x)) = (p(x)v 0 (x)) + q(x) (v(x))2 − f (x)v(x).
2 2
Puisque la fonction v est supposée continue et dérivable de dérivée v 0 continue, alors
le problème direct peut donc être formulé de manière équivalente sous la forme
variationnelle :
Minimiser dans H 1 ([0, L]) sous la condition v(0) = 0 et v(L) = 0 la fonctionnelle
[17], [29] et [30]
Z L 
1 0 2 1 2
J(v) = (p(x)v (x)) + q(x) (v(x)) − f (x)v(x) dx (II.9)
0 2 2
les fonctions p, q et f sont respectivement dans C 1 ([0, L]), C([0, L]) et L2 ([0, L]).
Elles sont données ; la fonction p est strictement positive et la fonction q est positive
et nulle à l’origine ; la fonction p peut être regardée comme un élément de H 1 ([0, L]).
38 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire

En résumé, si la fonction u réalise l’extrémum de la fonctionnelle J(v), alors elle

remplit la condition (II.3) , c’est-à-dire que u est solution du problème aux limites

−(pu0 )0 + qu = f u(0) = ξ, u(L) = η. (II.10)

La réciproque est aussi vraie : si u (supposée suffisamment régulière) est solution du

problème (II.10), alors elle réalise l’extrémum de la fonctionnelle J(v) sur le domaine
de définition de cette dernière [17] et [25]. On montre que la fonction u est un élément
de H01 ([0, L]).

II.2.2 Dérivée de Gateaux de la fonctionnelle J(v)

Définition II.2.6 Soit J une fonctionnelle définie sur un Hilbert V = H01 ([0, L]) à
valeurs dans R.
– (i) J admet une dérivée directionnelle en u ∈ V dans la direction v ∈ V si la
limite
J(u + v) − J(u)
lim−→0

existe. Elle est notée J 0 (u, v).
– (ii) J est dérivable au sens de Gateaux en u si elle admet une dérivée direc-
tionnelle dans toutes les directions et si l’application

v ∈ V −→ J 0 (u, v)

est linéaire continue. La dérivée de J en u (au sens de Gateaux) est notée

J 0 (u).

On vérifie facilement que

L
J(u + v) − J(u)
Z
lim−→0 = [p(x)u0 (x)v 0 (x) + q(x)u(x)v(x) − f (x)v(x)] dx.
 0

u réalise le minimum de J sur V si

Z L
[p(x)u0 (x)v 0 (x) + q(x)u(x)v(x) − f (x)v(x)] dx = 0.
0

Mais on aurait pu le voir directement par multiplication de l’équation différentielle

II.2. PROBLÈME DIRECT 39

(II.3) par v ∈ H01 ([0, L]) suivie d’une intégration par partie :
Z L
((p(x)u0 )0 (x)v(x) + q(x)u(x)v(x) − f (x)v(x))dx
0
Z L
= (p(x)u0 (x)v 0 (x) + q(x)u(x)v(x) − f (x)v(x))dx − (v(L)u0 (L) − v(0)u0 (0))
0
Z L
= (p(x)u0 (x)v 0 (x) + q(x)u(x)v(x) − f (x)v(x))dx car v ∈ V = H01 ([0, L])
0

Il peut y arriver qu’il n’y ait pas de formulation variationnelle du problème direct,
et dans ce cas, on procède par la formulation faible.

II.2.3 Formulation faible

On se ramène à u(0) = 0 et u(L) = 0 avec la fonction u(x) + ξx + (x − L)η

Considérons la fonction v de l’espace convexe fermé

K = H01 ([0, L]) = v ∈ H 1 ([0, L])/ v(0) = 0 et v(L) = 0 .


(II.11)

On a montré qu’en multipliant l’équation différentielle (II.3) par v et en procédant

à une intégration par partie, on obtient
Z L
((p(x)u0 )0 (x)v(x) + q(x)u(x)v(x) − f (x)v(x))dx =
0
Z L
(p(x)u0 (x)v 0 (x) + q(x)u(x)v(x) − f (x)v(x))dx.
0

Le théorème de Stampacchia [17] permet une troisième formulation du problème

direct considéré.
Introduisons la forme bilinéaire symétrique définie dans K × K par
Z L 
1 0 0 1
a(u, v) = p(x)u (x)v (x) + q(x)u(x)v(x) dx. (II.12)
0 2 2

L’inégalité de Poincaré assure la continuté et la stricte coercivité de la forme bili-

néaire a(., .) [17] et [25].
Une formulation faible du problème direct est alors :
Trouver u dans l’espace K telle que
Z L
∀v ∈ K, a(u, v) = f (x)v(x)dx (II.13)
0
40 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire

La coercivité de la forme bilinéaire implique l’existence et l’unicité de la solution

de l’équation (II.13) [17]. C’est dans le cadre de cette troisième formulation dite
formulation faible que nous proposerons une méthode d’identification des fonctions
p et q dans le problème inverse que nous développerons plus tard.
Continuons la résolution du problème direct par la détermination de la matrice
de l’application linéaire de (II.13). Pour ce faire, nous considérons les applications
A : H 1 ([0, L]) −→ H 1 ([0, L])∗ et F : H 1 ([0, L]) −→ R
définies par
Z L
(Au, v) = a(u, v) et F(v) = (f, v) = f (x)v(x)dx.
0
Identifions l’espace de Hilbert H 1 ([0, L]) à son dual H ([0, L])∗ .
1

La formulation du problème direct peut se transcrire [18] :

Trouver u dans K H 2 ([0, L]) telle que
T

(Au, v) = F(v) ∀v ∈ K. (II.14)

Le passage de la formulation variationnelle à la formulation faible ou vice versa est
assuré par le théorème suivant emprunté de Ciarlet [25] :
Théorème II.2.2
(1) Si u est une fonction du problème aux limites (II.3), alors u vérifie
a(u, v) = F(v) pour tout v ∈ K,
où la forme bilinéaire a : K × K −→ R et la forme linéaire F : K −→ R ont
respectivement pour expressions
Z L Z L
0 0
a(u, v) = (p(x)u (x)v (x) + q(x)u(x)v(x))dx, F(v) = (f, v) = f (x)v(x)dx
0 0
pour des fonctions quelconques u, ∈ K.
(2) On suppose p > 0 et q ≥ 0. Une fonction u ∈ K est solution des équations
a(u, v) = F(v) pour tout v ∈ K si et seulement si
1
J(u) = inf J(v), où J(v) = a(v, v) − F(v).
v∈K 2
Ce théorème que nous ne démontrerons pas fournit la preuve de l’unicité de la
solution.
Pour la résolution numérique de notre problème direct, on construit un sous-
espace de dimension finie de l’espace H 1 ([0, L]) et on définit le problème discret
associé par la méthode des éléments finis.
II.2. PROBLÈME DIRECT 41

II.2.4 Résolution du problème direct

Procédons à la discrétisation de l’équation différentielle (II.3) par la technique

des éléments finis.
L’idée de base de la méthode des éléments finis à " pas constant ζ " consiste à
remplacer l’espace H 1 ([0, L]) de dimension infinie dans lequel est cherchée la solution
u par un sous-espace Vζ de H 1 ([0, L]) de dimension finie [25] et [58].

II.2.4.1 Approximation par méthode des éléments finis

Nous résolvons le problème direct avec les conditions u(0) = u(L) = 0 ; pour
se ramener aux conditions u(0) = ξ, u(L) = η, il suffit de faire un changement de
fonction inconnue en soustrayant la fonction ξ(L − x) + ηx.
On construit Vζ de manière à ce qu’il soit une bonne approximation de H 1 ([0, L]) et
que la solution uζ dans Vζ de la formulation faible soit la plus "proche" possible de
la solution exacte u dans H 1 ([0, L]).
Pour ce faire, on découpe l’intervalle [0, L] en n morceaux égaux de longueur ζ = Ln
(n est supposé supérieur ou égal à 1).
Le sous-espace Vζ est engendré par les fonctions de base φi , i = 1, ..., n [58] et
[87] : 
1
ζ x + 1 − i si (i − 1)ζ ≤ x ≤ iζ



φi (x) = − ζ1 x + 1 + i si iζ ≤ x ≤ (i + 1)ζ


0

sinon.

Les fonctions φi sont dans L2 ([0, L]), leurs dérivées au sens des distributions sont

Fig. II.2 – Génération de fonctions linéaires par morceaux

dans L2 ([0, L]), donc les fonctions φi sont dans H 1 ([0, L]).
Le sous-espace Vζ de base{φi , i = 1, ..., n} est donc un sous-espace de dimension
finie de H 1 ([0, L]), sa dimension est n.
Soit uζ ∈ Vζ , alors elle est définie de manière unique par ses valeurs cj = uζ (xj ) aux
n nœuds xj = jζ, 1 ≤ j ≤ n
n
X
uζ (x) = cj φj (x). (II.15)
i=1
42 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire

La méthode des éléments finis consiste à remplacer l’équation (II.14) par sa projec-
tion sur le sous-espace Vh [30]

(Auζ , φi ) = F(φi ) (II.16)

On a alors le résultat très simple d’existence, d’unicité, de caractérisation de la

solution approchée uζ , et enfin de comparaison avec la solution "exacte" [25] :

Théorème II.2.3
On suppose la fonction q positive et p strictement positive.
(1) Étant donné un sous-espace Vζ de dimension finie de l’espace H 1 ([0, L]), il existe
un et un seul élément uζ ∈ Vζ qui vérifie

(Auζ , φi ) = F(φi ) pour tout uζ ∈ Vζ .

(2) Cet élément est également caractérisé comme la solution unique du problème :
trouver uζ ∈ Vζ tel que
J(uζ ) = inf J(vζ ).
vζ ∈Vζ

(3) Enfin, il existe une constante C, indépendante du sous-espace considéré et de la

solution u telle que
ku − uζ kH 1 ≤ C inf ku − uζ kH 1 .
vζ ∈Vζ

Outre la démonstration de Ciarlet, on peut trouver une autre démonstration de la

partie (3) de ce théorème dans le livre de Davies [30] avec un exemple.
On a alors l’équivalent du problème aux limites en dimension finie, propice pour
une résolution numérique.
Incorporons l’expression (II.15) de uζ dans l’équation (II.16) :
n
X
(Aφj , φi )cj = F(φi ) (II.17)
j=1

Proposition II.2.1
La matrice n × n A de composantes
Z L
Aij = (Aφi , φj ) = [p(x)φ0i (x)φ0j + q(x)φi (x)φj (x)]dx (II.18)
0

du système (II.17) est symétrique, tridiagonale et défini-positive.

II.2. PROBLÈME DIRECT 43

Preuve. La matrice A est symétrique par définition.

Montrons qu’elle est tridiagonale : pour tout j > i+1, φi (x)φj (x) = 0 et φ0i (x)φ0j (x) =
0. On en déduit que Aij = 0 pour j > i + 1 et par suite que la matrice A est
tridiagonale.
Puisque les fonctions p et q sont positives, le scalaire
X Z l X X
Aij ci cj = [p(x)( ci φ0i )2 + q(x)( ci φi (x))2 ]dx
ij 0 i i

est positif pour toutes valeurs des coefficients c1 , c2 , ..., cn .

La matrice A est donc positive. Mais est-elle défini-positive ?
L’intégrale d’une fonction positive ne peut être nulle que si cette fonction est
nulle presque partout (p.p.).
P
Le scalaire ij Aij ci cj n’est nul que si

P c φ0 (x) = 0 p.p.
i i i
P
 ci φi (x) = 0
i si q(x) = 0

Ce n’est possible que si tous les coefficients ci sont nuls. La matrice A est donc
défini-positive. 
Commentaire II.2.1
La matrice A hérite sur le sous-espace Vζ de la symétrie et de la positivité
de A. La coercivité de A entraîne la défini-positivité de A.

Posons Z L
bi = f (x)φi (x)dx (II.19)
0
et interprétons les ci comme valeurs de la fonction uζ aux nœuds d’abscisse xi .
Les valeurs optimales des composantes ci sont obtenues en résolvant le système
linéaire X
Aij cj = bi .
j

Introduisons les vecteurs

c = [c1 ...cn ]T
b = [b1 ...bn ]T ,
et la matrice A de coefficients Aij . Alors le système devient

Ac = b. (II.20)
44 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire

La solution c de ce système est unique puisqu’étant défini-positive, la matrice A est

inversible.
Remarque II.2.1
RL
La matrice A de composantes Aij = 0 [p(x)φ0i (x)φ0j + q(x)φi (x)φj (x)]dx est la ma-
trice de l’application linéaire régissant le problème direct.

La résolution du problème direct est la détermination du vecteur c du système

linéaire (II.20).

II.3 Problème inverse

Connaissant les couples (u(x), f (x)), peut-on trouver deux fonctions p stricte-
ment positive et q positive telles que l’équation différentielle (II.3) soit vérifiée.
La procédure que nous allons suivre consiste à déterminer l’application linéaire
A ou sa version discrétisée A à partir de plusieurs données de couples (uk , F k )
solutions de (II.16). Ensuite les informations sur les fonctions p et q seront déduites
de la connaissance des composantes de la matrice A.

II.3.1 Hypothèse de détermination de la matrice A

Connaissant les solutions uk (x) pour diverses excitations f k (x), nous souhaitons
en extraire des informations sur les fonctions p et q.
Dans une situation expérimentale, les f k (x) peuvent être les forces exercées sur
une poutre, les uk (x) sont les flèches. Au cours de m expériences indexées par k,
f k (x) et uk (x) sont mesurées aux points xi = iζ.
La question devient plus réaliste : connaissant plusieurs couples (uk (iζ), f k (iζ)) de
flèches et de forces aux nœuds, peut-on en déduire les valeurs de p(x) et de q(x) ?
Dans la suite, nous noterons cki la valeur approchée de uk (x) au nœud xi = iζ et bki
l’intégrale (II.19) calculée pour f = f k .

II.3.2 Procédure de détermination de la matrice A

Nous connaissons donc plusieurs couples (ck , bk ) solutions de

Ack = bk . (II.21)

Nous pouvons espérer en déduire les composantes de la matrice symétrique A.

II.3. PROBLÈME INVERSE 45

La procédure développée dans le chapitre I est suivie pour déterminer la matrice

A de composantes
Z l
Aij = [p(x)φ0i (x)φ0j (x) + q(x)φi (x)φj (x)]dx (II.22)
0

Rappelons brièvement qu’il s’agit de multiplier à droite l’équation (II.21) à droite

par la transposée du vecteur ck et de sommer ensuite sur le nombre de mesures. Ces
opérations conduisent au système d’équations
m
X m
X
Aij cki ckj = bki ckj .
k=1 k=1

L’espace des matrices carrées Mn×n est euclidien pour le produit scalaire

∀Q, P ∈ Mn×n hQ, P i = tr(QP T )

Introduisons les matrices H et B de composantes

X (k) (k) X (k) (k)
Hij = ci cj , Bij = bi c j . (II.23)
k k

On déduit du système linéaire (II.21) l’équation

AH = B (II.24)

Si la matrice symétrique H est inversible alors la matrice A est obtenue comme

solution du système linéaire (II.21). L’inversibilité de la matrice H est assurée si les
n vecteurs c(k) sont indépendants [99].
Et par suite la matrice A s’obtient par l’algorithme de projection (I.6.2) sur l’espace
des matrices tridiagonales symétriques.

II.3.3 Procédure d’identification de p et de q

Pour identifier les fonctions p et q, nous regarderons le système (II.22) à l’envers,

les Aij étant déterminés.

Remarque II.3.1
Pour faciliter les calculs, nous chercherons à déterminer les approximations des fonc-
tions p et q aux points xi = iζ, i = 1, ..., n où u et f ont été mesurées et nous
conserverons les fonctions de bases φi définies précédemment.
46 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire

Nous allons donc chercher une approximation des fonctions p et q dans l’espace Vζ :

n
X n
X
pζ (x) = Pk φk (x), qζ (x) = Qk φk (x) (II.25)
k=1 k=1

Pk et Qk étant respectivement les valeurs aux nœuds des fonctions p et q.

La recherche de p et q revient à l’estimation de Pk et Qk .
En reportant ces approximations de p et q dans l’équation (II.22), nous obtenons le
système
Z l
[pζ (x)φ0i (x)φ0j + qζ (x)φi (x)φj (x)]dx = Aij .
0

Pour obtenir un système linéaire en Pk et Qk , nous devons au préalable calculer les

intégrales

R
 l [p (x)φ0 (x)φ0 + q (x)φ (x)φ (x)]dx = A , 1 ≤ i ≤ n
0 ζ i i ζ i i ii
(II.26)
R l [pζ (x)φ0 (x)φ0 + qζ (x)φi (x)φi+1 (x)]dx = Aii+1 , 1 ≤ i ≤ n − 1
0 i i+1

En effectuant les intégrations, nous aboutissons au système d’équations


1 ζ

2ζ
(Pi−1 + 2Pi + Pi+1 ) + 12
(Qi−1 + 6Qi + Qi+1 ) = Aii
(II.27)
 − 1 (Pi + Pi+1 ) + ζ
2ζ 12
(Qi + Qi+1 ) = Aii+1

Introduisant les matrices

 
1 1 0 ··· ··· ··· ··· ···
1 2 1 0 ··· ··· ··· ··· 
 

 

 0 1 2 1 ··· ··· ··· ···  
 .. ... . . . . . . . . . . . . . . . .. 
 . . 
M = .. .. .. .. .. .. .. .. 

. . . . . . . 

 .
 

 ··· ··· ··· 0 1 2 1 0  
··· ··· ··· ··· 0 1 2 1 
 

··· ··· ··· ··· ··· 0 1 1
II.3. PROBLÈME INVERSE 47

 
3 1 0 ··· ··· ··· ··· ···
1 6 1 0 ··· ··· ··· ··· 
 

 

 0 1 6 1 ··· ··· ··· ···  
 .. .. .. .. .. .. .. .. 
 . . . . . . . . 
N = .. .. .. .. .. .. .. .. 

. . . . . . . 

 .
 

 ··· ··· ··· 0 1 6 1 0  
··· ··· ··· ··· 0 1 6 1 
 

··· ··· ··· ··· ··· 0 1 3
 
1 1 0 ··· ··· ··· ··· ···
0 1 1 0 ··· ··· ··· ··· 
 

 

 0 0 1 1 ··· ··· ··· ···  
 .. ... . . . . . . . . . . . . . . . .. 
 . . 
R=
 .. ... . . . . . . . . . . . . . . . .. 

 . . 
 

 ··· ··· ··· 0 0 1 1 0  
··· ··· ··· ··· 0 0 1 1 
 

··· ··· ··· ··· ··· 0 0 0
et les vecteurs
v = [P1 , ..., Pn ]T , w = [Q1 , ..., Qn ]T
y = [A11 , A22 , ..., Ann ]T , z = [A12 , A23 , ..., An−1n , 0]T ,
le système (II.27) peut devient

M v + ζ 2 N w = 2ζy
6
2
(II.28)
ζ
Rv − Rw = −2ζz.
6

Une condition nécessaire pour que ce système admette des solutions v et w est
l’existence d’un vecteur s = [s1 , ..., sn ]T de Rn tel que

Rs = z.

Introduisons la matrice (n − 1) × (n − 1) inversible D obtenue par la suppression de

la dernière colonne et de la dernière ligne de R, les vecteurs s1 = [s1 , ..., sn−1 ]T et
en−1 de Rn .
La condition d’existence de solution devient
" #" # " #
D en−1 s1 Ds1 + sn en−1
Rs = = =z
0n−1 0 sn 0
48 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire

Il se trouve qu’on peut toujours déterminer une solution particulière s = [s1 , ..., sn ]T
de Rs = z. Le noyau de R étant
 
−1
 
 1 
 
 −1 
KerR = R  .  ,
 
 .. 
 
 −1 
 
1

nous avons pour tout vecteur r0 ∈ KerR,

M r0 = 0n .

Le système est donc résoluble.

Nous avons donc identifier les fonctions p et q par leurs approximations dans Vζ .

Remarque II.3.2
La précision d’informations à avoir sur les fonctions p et q est liée au nombre de
morceaux dont le matériau est découpé. La matrice A déterminée contient 2n + 3
coefficients ; On connaît la valeur de q à l’origine, donc il faut trouver 2n + 3 valeurs
pour identifier les fonctions p et q.

II.4 Application à un cas simple

Considérons l’équation différentiel du second ordre

 
d du
(1 + x) = f (x), x ∈ [0, 1] (II.29)
dx dx
u(0) = 0, u(1) = 0.

Pour résoudre ce problème numériquement, nous découpons la longueur unité en 7

morceaux égaux : ζ = 1/7. Ce découpage donne 8 nœuds et les deux extrmités ne
sont pas exploitées. Dans ce choix, la matrice A définie par l’expression (II.18) pour
q = 0 est une matrice 6 × 6 symétrique et tridiagonale :
Z L
Aij = p(x)φ0i (x)φ0j dx
0
II.5. CONCLUSION 49

Le problème inverse suppose les fonctions u et f connue et la fonction p non connue.

Pour chercher la fonction p, nous avons considéré différentes fonctions f , et à chaque
fonction nous déterminons la solution u du problème directe. L’intervalle [0, 1] est
coupé en sept morceaux égaux. Pour que la matrice H donnée par l’expression (II.23)
soit inversible, il faut au moins sept couples de fonctions (u, f ).
Par exemple pour f (x) = −x, la solution calculée algébriquement est
x2 x ln(1 + x)
u(x) = − + − .
4 2 4ln2
La recherche des valeurs discrètes de la fonction p par l’algorithme nous a conduit aux
mêmes résultats. Les résultats obtenus par l’algorithme de projection sont donnés
dans le tableau (II.1).

x = iζ i=0 i=1 i=2 i=3 i=4 i=5 i=6 i=7

P identifiée 1 8/7 9/7 10/7 11/7 12/7 13/7 2
1 1, 1428 1, 2857 1, 4285 1, 5174 1, 7142 1, 8571 2
p algébrique ? 1, 142 1, 282 1, 429 1, 57 1, 718 1, 854 ?
Ecarts 0, 0008 0, 0037 0, 004 0, 0014 0, 0037 0, 0031

Tab. II.1 – Les valeurs réelles de la fonction p en différents points et les résultats
obtenus par l’algorithme de projection

II.5 Conclusion

Ce chapitre présente la résolution d’un problème inverse vu comme un problème

d’identification de coefficients d’une équation différentielle linéaire du second ordre.
La méthode des moindres carrés classique, i.e. la minimisation de fonction coût qui
est la somme de la différence des carrés d’une solution analytique et d’une solution
obtenue par mesure n’est pas utilisée. La matrice A est obtenue par l’algorithme de
projection de matrice tridiagonale développé au chapitre I.
La difficulté à mettre en place un dispositif répondant à ce genre de problème
est l’accès aux valeurs des excitations aux mêmes points que les réponses. L’exemple
de la poutre pour l’accès au moment d’inertie et au module d’Young n’a pas assez
d’intérêt en dimension 1. Nous envisageons développer cette approche en dimension
2, avec l’espoir de pouvoir mesurer les valeurs discrètes des excitations et leurs
réponses expérimentalement.
50 II. Application à l’Identification des Coefficients d’une Equation Différentielle Linéaire
Chapitre III

Identification des Caractéristiques

d’Inertie d’un Solide Rigide

Sommaire
III.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 51
III.2 Position d’un solide dans l’espace . . . . . . . . . . . . . . 53
III.2.1 Vecteur vitesse et vecteur accélération . . . . . . . . . . . 55
III.2.2 Principes fondamentaux de la dynamique . . . . . . . . . 55
III.2.3 Calcul de la résultante dynamique χ . . . . . . . . . . . . 57
III.2.4 Calcul du moment dynamique δ(A) . . . . . . . . . . . . . 57
III.3 δ(A) et χ dans une matrice antisymétrique 4 × 4 . . . . . 58
III.4 Formulation matricielle des équations . . . . . . . . . . . 61
III.4.1 Travail virtuel des efforts . . . . . . . . . . . . . . . . . . 61
III.4.2 Travail virtuel des accélérations . . . . . . . . . . . . . . . 62
III.4.3 Travail virtuel des liaisons "rotation" . . . . . . . . . . . . 63
III.4.4 Equation matricielle du mouvement du solide rigide . . . 63
III.5 Identification de la matrice J . . . . . . . . . . . . . . . . 66
III.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

III.1 Introduction

Le travail développé dans ce chapitre a été effectué en collaboration avec l’équipe

Geste Sportif du LMS. Il concerne l’identification des caractéristiques d’inertie du
52 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

corps humain.
L’identification des caractéristiques d’inertie d’un athlète peut contribuer à l’amé-
lioration de ses performances, or ces caractéristiques sont généralement mal connues.
Auparavant, les caractéristiques d’inertie des segments du corps humain étaient ob-
tenues par régression linéaire à partir des paramètres inertiels d’une certaine popu-
lation.
On décompose l’athlète en un système composé de 16 troncs de cônes rigides
reliés entre eux par des articulations. L’identification des caratéristiques d’inertie de
l’athlète nécessite donc l’identification de 160 paramètres, un seul solide rigide étant
caractérisé par 10 paramètres.
Afin d’identifier les caractéristiques d’inertie d’un système composé de plusieurs
solides rigides, nous commençons par identifier celles d’un seul solide rigide. Ensuite
nous identifierons celles d’un système de deux solides rigides en tenant compte des
liaisons.
De nombreux auteurs ont identifié les dix caractéristiques d’inertie d’un solide
rigide en les regroupant dans un même vecteur colonne 10 × 1. Ils utilisent ensuite
pour déterminer ce vecteur 10 × 1, le formalisme récursif de Newton-Euler.
Nous avons cherché à améliorer les techniques existantes en commençant par for-
muler matriciellement les équations du mouvement. Dans cette formulation, les 10
caractéristiques d’inertie du solide sont regroupées dans une matrice symétrique 4×4
où la matrice du tenseur d’inertie de Poinsot occupe un bloc 3 × 3. Cette matrice fut
définie antérieurement par Fayet [42] qui la nomma " la matrice du tenseur d’iner-
tie global" ; pour notre part, nous la nommerons "matrice de Poinsot généralisée".
Une première formulation matricielle des équations du mouvement fut introduite en
1996 par Legnani et al.[72]. Dans leur formulation, la matrice de Poinsot généralisée
n’est pas constante, elle varie suivant la position du solide. Nous faisons le choix
d’exprimer la matrice de Poinsot dans le repère lié au solide, ainsi ses composantes
sont constantes et nous pouvons appliquer plus facilement notre méthode d’identifi-
cation. Le mouvement est dans R4 en ajoutant une quatrième coordonnée fixe aux
trois coordonnées d’un point du solide.
Les équations du mouvement sont alors formulées dans l’espace des matrices 4 × 4
antisymétriques.
Pour identifier la matrice 4×4 généralisée de Poinsot, nous avons utilisé l’algorithme
de projection exposé au chapitre I. La méthode a été validée à partir de plusieurs
mouvements simulés. Les simulations du mouvement du solide rigide ont été bruitées
III.2. POSITION D’UN SOLIDE DANS L’ESPACE 53

afin de tester la performance de notre procédure d’identification.

III.2 Position d’un solide dans l’espace

Considérons un système mécanique composé d’un seul solide rigide. Il est repéré
dans un référentiel R0 (O ; x0 , y0 , z0 ). Le vecteur unitaire k0 est choisi vertical
ascendant et la base B0 (x0 , y0 , z0 ) est choisie orthonormée directe. Nous désignons
par S0 le solide en sa position initiale et par S le solide en sa position à l’instant
t. Soit M0 un point générique du solide S0 . À tout instant t, ce point occupe une
position M dans S. Soit A un point particulier de S qui se trouve en A0 à l’instant
initial. Un second référentiel d’origine A, R(A ; x, y, z), de base orthonormée directe
B(x, y, z), est lié au solide S lors de son mouvement. Les référentiels considérés sont
schématisé sur la figure III.1. Les seules transformations pouvant agir sur le solide

Fig. III.1 – Solide rigide en mouvement de rotation et de translation

sans le déformer sont les rotations et les translations. Pour passer de sa position
initiale S0 à la position courante S, le solide subit une rotation composée avec une
translation. A l’instant t, nous noterons
 
T1
→
−  −→
T (t) =  T2  = OA (III.1)


T3
le vecteur translation et
 
R11 R12 R13
R(t) =  R21 R21 R23  (III.2)
 

R31 R32 R33

la matrice rotation.
→
−
Les composantes du vecteur T et de la matrice rotation R sont exprimées dans la
base B0 .
−−−→
Le vecteur A0 M0 subit la rotation du solide et se transforme en :
−−→ −−−→
AM = R(t)A0 M0 . (III.3)

La relation qui définie à tout instant la position d’un point quelconque M du solide
à partir de sa position initiale M0 est donc :
−−→ →
− −−−→
OM (t) = T (t) + R(t)A0 M0 . (III.4)
54 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

Dans la suite, nous écrirons simplement :

−−→ −−−→
OM = T + RA0 M0 (III.5)

en omettant la variable t.
Une matrice rotation R est une matrice qui possède les deux propriétés fonda-
mentales suivantes :
(i) RT R = RRT = I3
(ii) détR = 1.
I3 , RT et dét désignant respectivement la matrice unité de M3 , la matrice transposée
de R et le déterminant.
De la propriété (i) découle la proposition suivante.

Proposition III.2.1
L’inverse d’une matrice étant unique, la matrice transposée d’une matrice rotation
est son inverse :
RT = R−1 .

Les trois colonnes de la matrice rotation R sont les composantes des vecteurs
unitaires x, y, z de la base B exprimées dans la base B0 [35] :
 
hx, x0 i hy, x0 i hz, x0 i
R = hx, y0 i hy, y0 i hz, y0 i (III.6)
 

hx, z0 i hy, z0 i hz, z0 i

Les produits scalaires apparaissant dans les composantes de la matrice rotation s’in-
terpètent comme les cosinus directeurs des vecteurs de la base B par rapport à la
base B0 . La matrice rotation, appelée dans ces circonstances matrice des cosinus
−−→
directeurs, permet de calculer les composantes du vecteur AM à partir des compo-
−−−→
santes du vecteur A0 M0 .
La matrice rotation R fait passer de la base orthonormée directe du référentiel fixe
B0 (x0 , y0 , z0 ) à la base orthonormée directe B(x, y, z) du référentiel attaché au solide
S.
Soit u un vecteur de R3 ; nous noterons j(u), l’application linéaire antisymétrique,
qui à tout vecteur v de R3 , associe le produit vectoriel

j(u)v = u ∧ v, u ∈ R3 .
III.2. POSITION D’UN SOLIDE DANS L’ESPACE 55

Si dans une base orthonormée, u1 , u2 , u3 désignent les trois composantes du vecteur

u et v1 , v2 , v3 les trois composantes du vecteur v, alors :
   
u2 v3 − u3 v2 0 −u3 u2
u ∧ v =  u3 v1 − u1 v3  , i.e. j(u) =  u3 0 −u1  . (III.7)
   

u1 v2 − u2 v1 −u2 u1 0

III.2.1 Vecteur vitesse et vecteur accélération

Dérivons l’expression (III.5) de la position d’un point M par rapport au temps ;

nous obtenons sa vitesse :
−−→
dOM −−−→
V(M ) = |R0 = Ṫ + Ṙ A0 M0 . (III.8)
dt
En dérivant une seconde fois par rapport au temps, nous obtenons son accélération :
−−→
d2 OM −−−→
a(M ) = 2
|R0 = T̈ + R̈ A0 M0 . (III.9)
dt

III.2.2 Principes fondamentaux de la dynamique

III.2.2.1 Torseur dynamique

La résultante dynamique χ et le moment dynamique δ(A) en A sont définis par

les intégrations par rapport à la masse de l’accélération et du moment en A de
l’accélération :
−−→
Z Z
χ= a(M )dm, δ(A) = AM ∧ a(M )dm.
S S

Le moment dynamique peut être aussi regardé comme une matrice 3 × 3 antisymé-
triques. Ceci est légitime puisqu’une matrice 3 × 3 antisymétrique a 3 composantes
indépendantes comme un vecteur.
En effet si y, v, et w sont trois vecteurs, nous pouvons remarquer que la formule du
double-produit vectoriel

hw, yiv − hv, yiw = (w ∧ v) ∧ y = y ∧ (v ∧ w)

implique
v ⊗ w − w ⊗ v = j(w ∧ v), (III.10)
56 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

où j est l’application définie par la relation (III.7).

R −−−→
Le vecteur δ(A) = S A0 M0 ∧ a(M )dm peut donc être remplacé par la matrice
antisymétrique
−−→ −−→ −−→
Z h i Z  
a(M ) ⊗ AM − AM ⊗ a(M ) dm = j AM ∧ a(M ) dm
S S
Z 
−−→
=j AM ∧ a(M )
S

= j (δ(A))

La résultante dynamique χ et le moment dynamique δ(A) en A sont donc tels que :

 Z
χ = a(M )dm


S
(III.11)
−−→ −−→
Z h i
 j (δ(A)) = a(M ) ⊗ AM − AM ⊗ a(M ) dm


S

III.2.2.2 Torseur des efforts extérieurs

Notons F(M ) la densité massique des forces extérieures agissant sur le solide
S autres que la pesanteur et −gz0 la densité massique de la pesanteur (g désigne
l’intensité de la pesanteur) ; alors la résultante des forces extérieures et le moment
dynamique Mex (A) résultant en A sont tels que :
 Z
 Fex =

 (F(M ) − gz0 ) dm
S
(III.12)
−−→ −−→
Z h i
 j (Mex (A)) = (F(M ) − gz0 ) ⊗ AM − AM ⊗ (F(M ) − gz0 ) dm


S

III.2.2.3 Principes fondamentaux de la dynamique

Les principes fondamentaux de la dynamique expriment l’égalité entre le torseur

dynamique et le torseur des efforts extérieurs :
(
χ = Fex
δ(A) = Mex (A).

Nous allons préférer la forme équivalente

(
χ = Fex
(III.13)
j (δ(A)) = j (Mex (A)) .
III.2. POSITION D’UN SOLIDE DANS L’ESPACE 57

III.2.3 Calcul de la résultante dynamique χ

Notons m, la masse du solide et, G, le centre de masse du solide. En portant

l’expression (III.9) de l’accélération a(M ) dans l’expression (III.11) de la résultante
dynamique, nous obtenons :
−−−→i
Z h
χ= T̈ + R̈ A0 M0 dm
S0
(III.14)
−−−→
Z 
= mT̈ + R̈ A0 M0 dm.
S0

Par définition du centre de masse

−−−→ −−−→
Z 
A0 M0 dm = mA0 G0 , (III.15)
S0

ainsi
−−−→
χ = mT̈ + R̈ mA0 G0 (III.16)

III.2.4 Calcul du moment dynamique δ(A)

En portant l’expression (III.9) de l’accélération dans l’expression (III.11) du mo-

ment dynamique , nous obtenons :
−−−→  −−−→i
Z h
j (δ(A)) = T̈ + R̈ A0 M0 ⊗ RA0 M0 dm−
ZS0 h
−−−→  −−−→i
RA0 M0 ⊗ T̈ + R̈ A0 M0 dm (III.17)
S0

En utilisant
 −−−→de  nouveau l’équation (III.15) et la propriété du produit tensoriel :
 −−−→ T
T̈ ⊗ RA0 M0 = T̈ ⊗ A0 M0 R (ou RT est la transposée de R), nous pouvons
reécrire l’équation (III.17) sous la forme :
Z  
 −−−→ T  −−−→  −−−→ −−−→
j (δ(A)) = T̈ ⊗ mA0 G0 R − R mA0 G0 ⊗ T̈ + R̈ A0 M0 ⊗ A0 M0 dm RT
S0
Z  
−−−→ −−−→ 
−R A0 M0 ⊗ A0 M0 dm R̈T ,
S0
(III.18)
R −−−→ −−−→
Nous reconnaissons dans l’intégrale S0 A0 M0 ⊗ A0 M0 dm le tenseur d’inertie de
Poinsot en A0 du solide S dans sa position initiale ; nous le notons J 0 , ainsi :
 −−−→  −−−→ 
j (δ(A)) = T̈ ⊗ mA0 G0 RT − R mA0 G0 ⊗ T̈ + R̈J 0 RT − RJ 0 R̈T . (III.19)

.
58 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

Remarque III.2.1
La résultante dynamique χ calculée par la formule(III.16) est une fonction linéaire
−−−→
des caractéristiques d’inertie m et mA0 G0 du solide. De même, le moment dyna-
mique δ(A) calculé par la formule (III.19) est une fonction linéaire des caractéris-
−−−→
tiques d’inertie mA0 G0 et J 0 .

Remarque III.2.2
(i) Le tenseur d’inertie de Poinsot défini par

−−−→ −−−→
Z
0
J = A0 M0 ⊗ A0 M0 dm
S0

est différent du tenseur d’inertie classique

−→
Z
I= −[j(0M )]2 dm.
S

On montre que J 0 est relié à I par [35]

trI
J0 = I − I. (III.20)
2

(i) La positivité de J 0 équivaut à celle de I. J 0 et I sont positifs et même

défini-positifs.

III.3 Regroupement des composantes du moment dynamique et de la ré-

sultante dynamique dans une matrice 4 × 4 antisymétrique

Les principes fondamentaux de la dynamique se résument en :

  −−−→


m T̈ + R̈ m A0 G 0 = Fex
−−−→ T  −−−→
 
T̈ ⊗ mA0 G0 R − R mA0 G0 ⊗ T̈ + (III.21)


R̈J 0 RT − RJ 0 R̈T = j (Mex (A))



Si M(A) est le moment des forces extérieures autre que la pesanteur, alors
(
Fex =F − mgz0
−→ −→ (III.22)
j (Mex (A)) =j (M(A)) − gz0 ⊗ mAG + mAG ⊗ gz0
III.3. δ(A) ET χ DANS UNE MATRICE ANTISYMÉTRIQUE 4 × 4 59

Le mouvement du solide S est régi par les équations :

    −−−→


 m T̈ + gz 0 + R̈ m A0 G 0 = F
−−−→i h −−−→ 
h  i
T̈ + gz0 ⊗ mA0 G0 RT − R mA0 G0 ⊗ T̈ + gz0 + R̈J 0 RT − RJ 0 R̈T



 = j (M(A))
(III.23)
Nous pouvons remarquer que les équations qui régissent le mouvemement de S
peuvent s’exprimer sous la forme d’une égalité entre matrices 4 × 4 antisymétriques :
"  # " −−−→# " #
R̈ T̈ + gz0 J0 m A0 G 0 R T 0
−−−→ −
0T 0 m A0 G 0 T m 0T 1
" #" −−−→#

T
 " # (III.24)
R 0 J 0
mA0 G0  R̈ 0 j (M(A)) F
−−−→T T = ,
T
0 1 m A0 G 0 m T̈ + gz0 0 −FT 0

où 0 représente le vecteur nul.

Dénotons par Λ et Θ les matrices 4 × 4
" # "  #
R 0 R̈ T̈ + gz0
Λ= T Θ=
0 1 0T 0
.
Ces deux matrices contiennent les données cinématiques du solide. Dans un cadre
expérimental, elles s’obtiennent à l’aide d’un ensemble de caméras enregistrant le
mouvement du solide sur lequel sont positionnés des marqueurs rétro-réflechissants.
Les composantes de la matrice
" #
j (M(A)) F
Υ(A) =
−FT 0

sont obtenues des efforts autres que la pesanteur agissant sur le solide au point A.
Des matrices 4 × 4 Λ et Θ contenant les données cinématiques du solide et de
la matrice antisymétrique Υ(A) regroupant la résultante et le moment résultant des
efforts extérieurs, nous formulons matriciellement l’équation régissant à tout instant
t le mouvement du solide :

ΘJ ΛT − ΛJ ΘT = Υ. (III.25)
60 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

Les dix caractéristiques d’inertie du solide S sont contenues dans la matrice

"
0 −−−→#
J m A0 G 0
J = −−−→T .
m A0 G 0 m

Elle correspond au tenseur d’inertie global défini par Fayet [42] pour un solide rigide
isolé.
Cette formulation des équations du mouvement écrite sous forme de produit et
somme de matrices 4 × 4 est linéaire en J . On espère donc que la matrice J sera
facilement identifiable.

Remarque III.3.1
(i) Les six équations du mouvement sont exprimées en termes d’égalité entre matrice
4 × 4 antisymétrique. Une matrice 4 × 4 antisymétrique a six composantes indépen-
dantes, ceci montre que nous avons traduit exactement les équations du mouveme-
ment.
(i) La matrice Υ rassemble des forces et des moments, ses coefficients ne sont
pas homogènes entre eux. De même la matrice J rassemble des moments d’inertie,
des masses et des vecteursproduits d’une masse par une longueur, ses coefficients ne
sont pas homoène non plus. Soit l une longueur de l’ordre de la dimension du solide.
Les matrices Υ, J et Θ peuvent être rendues homogènes respectivement à des mo-
ments, à des moments d’inertie et des inverses de temps au carré :
" #
j (M(A)) lF
Υ(A) =
−lFT 0
" −−−→#
J0 mlA0 G0
J = −−−→
mlA0 G0 T ml2
"   #
R̈ T̈ + gz0 /l
Θ= .
0T 0

La matrice Λ était déjà sans dimension. La formulation (III.25) reste inchangée.

Procédons à la formulation directe de l’équation (III.25) en se mettant dans un

repère de R4 où la quatrième composante de la position du solide est toujours égale
à l.
III.4. FORMULATION MATRICIELLE DES ÉQUATIONS 61

III.4 Génération des équations du mouvement par le principe des travaux

virtuels

Soit l une longueur de l’ordre de la dimension

"−−−→# du solide.
A0 M 0
Introduisons le vecteur position généralisé de A et M .
l
La formule (III.3) peut se transcrire :
"−−→# " # "−−−→#
AM R 0 A0 M 0
= T . (III.26)
l 0 1 l
" #
R 0
Nous nommerons la matrice 4 × 4 T , matrice rotation généralisée.
0 1
De même, la formule (III.5) peut se transcrire :
"−−→# "−→# "−−→# " # "−−−→#
OM OA AM R T A0 M 0
= + = . (III.27)
l 0 l 0 1 l

Les vecteurs vitesses généralisés et accélérations généralisés

" # "−−→# " # "−−−→#
V(M ) d OM Ṙ Ṫ/l A0 M0
= = T (III.28)
0 dt l 0 0 l
" # "−−→# " # "−−−→#
a(M ) d2 OM R̈ T̈/l A0 M0
= 2
= T (III.29)
0 dt l 0 0 l
"−−−→#
A0 M 0
dépendent donc linéairement du quadrivecteur .
l

III.4.1 Travail virtuel des efforts

Soient F(M ) la densité des forces extérieures autres que la pesanteur et g l’in-
tensité de la pesanteur. Le travail virtuel des efforts extérieurs qui agissent sur le
R
solide S : τ = S (F (M ) − gz0 ) .δM peut se transcrire :

Z " # "−−→#!
F(M ) − gz0 OM
τ= .δ dm
S 0 l
62 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

Il vaut donc grâce à l’expression (III.27) :

Z " # " #" # "−−→#
F(M ) − gz0 δR δT/l RT 0 AM
τ= . T dm
S 0 0 0 0T 1 l
(Z " # "−−→# " #" #)
F(M ) − gz0 AM R 0 δRT 0
= tr ⊗ dm T
S 0 l 0 1 δTT /l 0
" # "−−→# " # " #
D Z F(M ) − gz AM R 0 δR δT/l E
0
= ⊗ dm T , T
S 0 l 0 1 0 0

III.4.2 Travail virtuel des accélérations

Le travail virtuel des accélérations peut aussi se transcrire :

Z " # "−−→#!
0 a(M ) OM
τ = .δ dm
S 0 l
Z " # "−−−→# " # "−−−→#
R̈ T̈/l A0 M0 δR δT/l A0 M0
= T
. T dm
S0 0 0 l 0 0 l
(" # Z "−−−→# "−−−→# " #)
T
R̈ T̈/l A0 M 0 A0 M 0 δR 0
= tr T
⊗ dm T
0 0 S0 l l δT /l 0

Nous allons calculer la somme du produit tensoriel du vecteur position généralisé

par lui-même :

R −−−→ −−−→ R −−−→ 

Z "−−−→# "−−−→# A M ⊗ A0 M0 dm S lA0 M0 dm
A0 M 0 A0 M 0 S0 0 0
⊗ dm =  R −−−→ T R 2 
S0 l l S0
l A 0 M 0 dm S0
l dm
 −−−→ 
J0 mlA0 G0
=  −−−→  T 
mlA0 G0 ml2

On reconnaît le tenseur de Poinsot généralisé J .

L’expression du travail virtuel des accélérations devient :
" # " #
D R̈ T̈/l δR δT/l E
τ0 = J ,
0T 0 0T 0
III.4. FORMULATION MATRICIELLE DES ÉQUATIONS 63

III.4.3 Travail virtuel des liaisons "rotation"

"
#
R 0
La matrice rotation généralisée T vérifie la relation
0 1
" #" #
R 0 RT 0
= I4 .
0T 1 0T 1

C’est donc une matrice rotation de R4 .

La variation de cette identité conduit à
" #" # " #" #
δR 0 RT 0 R 0 δRT 0
+ T = 04
0T 0 0T 1 0 1 0T 0

Il existe donc une matrice 3 × 3 symétrique L de multiplicateur de Lagrange telle

que la différence entre le travail virtuel des efforts extérieurs et le travail virtuel des
quantités d’accélération soit égale à
" #" # " # " #" # " #
D L 0 R 0 δR 0 E D L 0 R 0 δR δT/l E
, T ou encore , T
0T 0 0T 1 0 0 0T 0 0T 1 0 0

Nous nommerons le travail virtuel des liaisons "rotation" :

" #" # " #
D L 0 R 0 δR δT/l E
τ” = , T
0T 0 0T 1 0 0

III.4.4 Equation matricielle du mouvement du solide rigide

Le Principe des travaux virtuels impose que : " Le travail virtuel des quantités
d’accélérations est égal au travail virtuel des efforts extérieurs pour tout déplacement
virtuel rigidifiant. Le caractère rigidifiant du déplacement virtuel peut se résumer
par τ ” = 0. D’après la technique des multiplicateurs de Lagrange,

τ0 = τ + τ”

pour tout déplacement virtuel c’est-à-dire pour toute variation δR de la rotaion et

toute variation δT de la translation. Nous en déduisons
" # Z " # "−−→# " # " #" #
R̈ T̈/l F(M ) − gz0 AM R 0 L 0 R 0
T
J = ⊗ dm T + T
0 0 S 0 l 0 1 0 0 0T 1
64 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

Puisque l’inverse de la rotation généralisée est égale à sa transposée, nous obtenons :

" # " # Z " # "−−→# " #
R̈ T̈/l RT 0 F(M ) − gz0 AM L 0
J = ⊗ dm + T .
0T 0 0T 1 S 0 l 0 0

Nous allons maintenant éliminer la matrice L de multiplicateurs de Lagrange en

utilisant la symétrie " # " #
L 0 LT 0
= T ,
0T 0 0 0
il vient que
" # " # " # " #
R̈ T̈/l RT 0 RT 0 R̈T 0
J − T J =
0T 0 0T 1 0 1 T̈T /l 0
Z " # "−−→# Z "−−→# " #
F(M ) − gz0 AM AM F(M ) − gz0
⊗ dm − ⊗ dm.
S 0 l S l 0

Retranchons gz0 aux forces extérieurs revient au même que de rajouter gz0 aux
accélérations selon l’expérience de pensée d’Einstein dite de l’ascenseur en chute
libre. " #
gz0 /l
Si on ajoute à l’accélération généralisée (III.28), on obtient
0
" # " #
a(M ) + gz0 /l R̈ T̈/l + gz0 /l
= T .
0 0 0
" # "−−→# "−−→# " #!
R F(M ) AM AM F(M )
La matrice S ⊗ − ⊗ dm
0 l l 0
se développe successivement en
"R h −−→ −−→ i R #
S
F(M ) ⊗ AM − AM ⊗ F(M ) dm l S
F(M )dm
R T
−l S F(M )dm 0
" R −−→  R #
j S AM ∧ F(M )dm l S F(M )dm
= R T
−l S F(M )dm 0
" R #
j (M(A)) l S F(M )dm
= R T . (III.30)
−l S F(M )dm 0
III.4. FORMULATION MATRICIELLE DES ÉQUATIONS 65

On reconnaît la matrice Υ(M ).

Finalement
"   #" −−−→# " #
R̈ T̈ + gz0 /l J0 mlA0 G0 RT 0
−−−→ −
0T 0 mlA0 G0 T ml2 0T 1
−−−→#
  "
T
" #" #
R 0 J 0
mlA0 G0  R̈ 0 j (M(A)) lF
−−−→ T = ,
0T 1 mlA0 G0 T ml2 T̈ + gz0 /l 0 −lFT 0

et nous retrouvons l’équation du mouvement (III.24).

Proposition III.4.1
Le tenseur de Poinsot généralisé J est une matrice défini-positive

Preuve. La forme intégrale du tenseur J est :

Z "−−−→# "−−−→#!
A0 M 0 A0 M 0
J = ⊗ dm
S0 l l
" #
U
Soit V un vecteur de R4 décomposé sous la forme V = avec U dans R3 et v
v
dans R, alors le produit scalaire

−−−→
Z  2
hV, J Vi = hA0 M0 , Ui + lv dm
S0

est positif comme intégrale d’une fonction positive.

−−−→
De plus hV, J Vi ne peut être nul que si hA0 M0 , Ui + lv est nul pour tout point
M0 de S0 . En choisissantA0 = M0 , on en déduit v = 0.
Ensuite puisque le solide S est tridimensionnel, on peut choisir trois points M0 , M00
−−−→ −−−→ −−−→
et M000 de façon que les trois vecteurs A0 M0 , A0 M00 et A0 M000 soient indépendants.
−−−→ −−−→ −−−→
La nullité des trois produits scalaires hA0 M0 , Ui, hA0 M00 , Ui et hA0 M000 , Ui implique
alors la nullité du vecteur U.
Ainsi hV, J Vi ne peut être nul que si le vecteur V est nul. 

Remarque III.4.1
La positivité de la matrice J généralise la positivité du tenseur d’inertie de Poinsot
J 0.
66 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

III.5 Identification de la matrice J

Considérons le problème :
Á partir des matrices 4 × 4 Λ et Θ obtenues par l’enregistrement du mouvement
d’un solide à différents instants, et de la matrice antisymétrique Υ composée des
forces et moments externes, trouvons la matrice 4 × 4 symétrique et défini-positive
J telle que :
ΘJ ΛT − ΛJ ΘT = Υ. (III.31)

L’algorithme de projection développé dans le chapitre premier est utilisé pour

identifier la matrice J .
En effet, on construit une base S = {Si , i = 1, ..., 10} de matrices 4 × 4 symé-
triques. La matrice J se décompose sur cette base
10
X
J = hi Si
i=1

où les hi représentent les dix composantes indépendantes de la matrice J .

L’expression (III.25) est projetée sur la base des matices 4 × 4 symétriques et la
décomposition de H est incorporée dans la projection :

10 X
X 10 10
 T T
 X
hi tr Sj ΘSi Λ − ΛSi Θ = tr [Sj Υ] . (III.32)
j=1 i=1 j=1
 
La matrice de composantes Sj ΘSi ΛT − ΛSi ΘT est défini-positive.
Différents types de mouvements ont été simulés à l’aide du logiciel Solid Dyna-
mics. Les simulations représentaient des cas simples : un parrallélépipède de masse
m = 0, 8kg et de côtés 0, 4m, 0, 3m et 0, 5m est soumis à une force ponctuelle agis-
sant en f en A (voir figure III.2). Les composantes des forces et des déplacements
enregistrés sont données par la figure III.3. Ainsi,
" à chaque
# instant et pour chaque
[0] Fex
simulation, la matrice Υ(A) est de la forme : . Seule la valeur de de la
−FT ex 0
force ponctuelle f en A varie d’une simulation à l’autre.

Fig. III.2 – Simulation du mouvement d’un parrallélépipède

III.5. IDENTIFICATION DE LA MATRICE J 67

Fig. III.3 – La force ponsctuelle f appliquée en A, et les composantes de la force F

et du déplacement suivant les trois axes sont enregistrées.

Le logiciel nous permet également d’obtenir la cinématique de tous les points du

solide. Nous avons enregistré la position à chaque instant des points M1 , A et M2 .
Ainsi, nous pouvons définir un nouveau repère lié au solide R (A, x, y, z) et nous
pouvons calculer les matrices Λ et Θ à chaque instant.
La matrice de Poinsot généralisée calculée pour le solide est
 
0, 1067 0, 060 0, 1000 0, 4000
 0, 0600 0, 0750 0, 3000
J =
 

 0, 1667 0, 5000
2, 0000

Pour passer de la matrice d’inertie de Poinsot identifié à la matrice d’inertie classique,

nous utilisons la relation suivante : I(A) = tr(J 0 )I − J 0 . Ensuite, pour passer de
en A, I(A) 
l’inertie calculée h à l’inertie
−→calculée en G, I(G) , nous utilisons la relation :
−→T −→ −→T i
I(G) = I(A) − m AG AG I − AGAG . Ainsi, après ces calculs effectués, les
caractéristiques attendues du parallélépipède sont les suivantes :

masse 0, 8 kg
 
0, 20
−→ 
position du centre de masse AG = 0, 15 m


0, 25
 
0, 02267 0 0
matrice d’inertie en G I(G) =  0 0, 02733 0  m2 kg
 

0 0 0, 01667

Cinq mouvements sont simulés : pour deux mouvements, les forces extérieures
agissant au point A sont restées relativement faible, et pour trois autres mouvements
simulés, les variations des forces extérieures sont importantes.
Les résultats sont dans les tableaux suivants. Les analyses portent sur les résultats
obtenus des données bruitées.

Nous avons examiné les rapports kJ − Jid k/kJ k afin d’apprécier les résultats,
Jid étant la matrice du tenseur d’inertie identifiée. Pour :
68 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

Données non bruitées Données bruitées

0,1073 0,0621 0,1029 0,4039 0,1094 0,0780 0,1203 0,4283
0,0600 0,0772 0,3027 0,0557 0,0859 0,3029
0,1675 0,5046 0,1356 0,4653
2,0184 1,9935

Tab. III.1 – Résultats de la simulation avec une force maximale de 91,6N ; la norme
de l’écart entre la matrice identifiée et la matrice calculée J est 0, 0708

Données non bruitées Données bruitées

0,1067 0,0607 0,1009 0,4007 0,0997 0,0709 0,1035 0,3886
0,0598 0,0757 0,3003 0,0505 0,0740 0,2754
0,1666 0,5007 0,1518 0,4781
2,0029 1,9390

Tab. III.2 – Résultats de la simulation avec une force maximale de 49.26N ; la norme
de l’écart entre la matrice identifiée et la matrice calculée J est 0.0782

Données non bruitées Données bruitées

0,1066 0,0602 0,1002 0,4000 0,1134 0,0596 0,0537 0,3440
0,0599 0,0752 0,3000 0,0398 0,0467 0,2589
0,1666 0,5000 0,1668 0,3450
2,0000 1,8854

Tab. III.3 – Résultats de la simulation avec une force maximale de 21.15N ; la norme
de l’écart entre la matrice identifiée et la matrice calculée J est 0.2893

Données non bruitées Données bruitées

0,1067 0,0612 0,1016 0,4009 0,1115 0,0724 0,0991 0,3942
0,0593 0,0761 0,2998 0,0510 0,0773 0,2950
0,1667 0,5014 0,1333 0,4508
2,0004 1,9334

Tab. III.4 – Résultats de la simulation avec une force maximale de 57.3N ; la norme
de l’écart entre la matrice identifiée et la matrice calculée J est 0.1022
III.5. IDENTIFICATION DE LA MATRICE J 69

Données non bruitées Données bruitées

0,1066 0,0601 0,1001 0,4000 0,1126 0,0690 0,0773 0,3689
0,0600 0,0752 0.3002 0,0455 0,0578 0,2721
0,1667 0,5001 0,1142 0,4160
2,0004 1,8621

Tab. III.5 – Résultats de la simulation avec une force maximale de 23.6N ; la norme
de l’écart entre la matrice identifiée et la matrice calculée J est 0.2018

les 5 mouvements bruités deux premiers mouvements bruités

0,1049 0,0727 0,1055 0,3945 0,1034 0,0745 0,1126 0,4041
0,0516 0,0789 0,2878 0,0539 0,0829 0,2917
0,1352 0,4527 0,1475 0,4787
1,9260 1,9696

Tab. III.6 – Résultats obtenus par explotation simultanée des données bruitées des 5
simulations et par explotation simultanée des données bruitées des forces de 49,26N
et de 91,6N
70 III. Identification des Caractéristiques d’Inertie d’un Solide Rigide

1. Fmax = 91, 6N , l’incertitude relative est : 1, 4%

2. Fmax = 49, 26N , l’incertitude relative est : 1, 6%
3. Fmax = 21, 15N , l’incertitude relative est : 6, 9%
4. Fmax = 57, 3N , l’incertitude relative est : 2, 17%
5. Fmax = 23, 6N , l’incertitude relative est : 4, 7%
6. tous le mouvements bruités, nous identifions la matrice du tenseur d’inertie
de Poinsot généralisé avec une incertitude relative de 2, 24%, alors qu’elle est
identifiée avec 1% en exploitant les données simulées avec des forces Fmax =
91, 6N et Fmax = 49, 26N.
Les résultats obtenus avec des incertitudes de 6, 9% et 4, 7% sont dus au fait que
les données sont noyées dans les bruits, i.e le rapport données sur bruits est trop
faible. Les résultats s’améliorent en effectuant plusieurs mouvements avec des forces
produisant des déplacements remarquables.
Remarque III.5.1
Ces résultats sont obtenus en imposant les critères de défini-positivité de la matrice J
lors de la résolution. Elle se fait par projection sur l’espace des matrices symétriques
et défini-positives

III.6 Conclusion

Ce chapitre présente la résolution d’un problème inverse vu comme un problème

d’identification des caractéristiques d’inertie d’un solide rigide. La démarche condui-
sant au succès de l’identification repose sur la formulation matricielle et l’utilisation
directe de l’équation matricielle pour formuler le problème inverse.
La formulation matricielle des équations du mouvement permet de regrouper les
dix caractéristiques d’inertie du solide dans une matrice. Cette manière d’écrire les
équations du mouvement facilite l’identification des caractéristiques d’inertie du so-
lide rigide S. La matrice de Poinsot identifiée est très proche de celle attendue pour
des forces extérieures conséquentes. Les solutions sont relativement identiques pour
des données non entachées d’erreurs. Les incertitudes relatives obtenues permettent
de valider cette approche d’identification des caractéristiques d’inertie d’un solide
rigide isolé.
L’application expérimentale de la partie mécanique de ce manuscrit a été réalisée
par T. Monnet, dans le cadre de sa thèse de doctorat de notre laboratoire.
 71

Deuxième partie

Problèmes Inverses en Thermique

Chapitre IV

Introduction aux Problèmes Direct

et Inverse en Thermique

Sommaire
IV.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 73
IV.2 Problème direct . . . . . . . . . . . . . . . . . . . . . . . . 75
IV.2.1 Généralités et définitions . . . . . . . . . . . . . . . . . . . 75
IV.2.2 Equation de la chaleur dans un matériau . . . . . . . . . . 78
IV.2.3 Condition initiale et conditions aux limites . . . . . . . . . 80
IV.2.4 Résolution du problème direct par la méthode des éléments
finis (MEF) . . . . . . . . . . . . . . . . . . . . . . . . . . 84
IV.3 Problème inverse . . . . . . . . . . . . . . . . . . . . . . . . 88
IV.3.1 Techniques de mesures de champs de température . . . . . 90
IV.3.2 Méthodes de résolution des problèmes inverses . . . . . . 91
IV.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

IV.1 Introduction

Avant d’aborder le problème inverse, nous commençons par une étude prélimi-
naire du problème direct. Au cours de cette étude, nous décrirons le type de transfert
considéré dans nos travaux et définirons les paramètres thermophysiques caracté-
risant les matériaux homogènes et isotropes. Nous introduirons quelques notions
essentielles relatives à la conduction de la chaleur dans un solide opaque.
74 IV. Introduction aux Problèmes Direct et Inverse en Thermique

Le problème direct traité dans la deuxième partie de ce chapitre est restreint

à la recherche du profil de température en tout point de la surface d’une plaque
soumise à un flux de chaleur à une de ses surfaces. Il s’avère indispensable de décrire
clairement les différents mécanismes responsables du phénomène de conduction de
chaleur et de préciser les conditions physiques extérieures de température ou/et de
flux de chaleur auxquelles un solide opaque peut être soumis.
Dans un solide opaque la conduction est le seul mode de transfert de chaleur. Elle
est modélisée par la loi phénoménologique de Fourier. La conservation de l’énergie
calorifique est traduite localement en tout point par une équation aux dérivées par-
tielles (EDP) satisfaite en tout point du solide. Cette équation est dite équation de la
chaleur. Cette équation fait intervenir les propriétés intrinsèques du matériau comme
la conductibilité thermique k et chaleur volumique ρc. Dans le cas unidimensionnel
elle se réduit sous certaines conditions à

∂2T 1 ∂T
2
=
∂x a ∂t

où a = k/ρc est la diffusivité thermique. A l’équation de la chaleur, il est indispen-

sable d’adjoindre les conditions aux limites déterminant la valeur de la température
et/ou la continuité de flux de chaleur aux frontières du matériau. On suppose aussi
connue la répartition de température dans le matériau à l’instant initial. La résolu-
tion de l’équation de la chaleur munie des conditions aux limites et initiale, revient
à exprimer T en fonction des variables d’espace (x1 , x2 , x3 ) et du temps t : c’est
résoudre le problème direct.
Pour résoudre le système d’équations comprenant l’équation de la chaleur et
les équations de conditions aux limites et initiales, il existe plusieurs techniques
numériques : les différences finies, les volumes finis, les éléments finis, etc. Nous
nous intéressons essentiellement à la technique des éléments finis et nous montrerons
comment l’équation aux dérivées partielles de la chaleur se réduit à un système
différentiel ordinaire en appliquant la méthode de Galerkin.
Le problème inverse introduit dans la deuxième partie de ce manuscrit sera bien
posé et nous donnerons quelques uns des aspects abordés par des recherches scien-
tifiques.
Même si nos travaux sont développés en dimension 1, nous posons les deux
problèmes dans le cadre de dimension 3 sur les matériaux homogènes et isotropes.
IV.2. PROBLÈME DIRECT 75

IV.2 Problème direct

Nous allons procéder à la description du phénomène thermique et aux diffé-

rents principes conduisant à l’équation de la conduction. Le principe de conservation
d’énergie conduira à la formulation de l’équation de la chaleur. Nous présenterons
ensuite quelques modèles de conditions aux limites.

IV.2.1 Généralités et définitions

Avant d’aborder les généralités, donnons quelques définitions des notions fonda-
mentales [52] :
(i) Variable d’état : L’ensemble des propriétés physiques que l’on peut repré-
senter par une série de grandeurs macroscopiques α (volume, masse, température,
déformations...) caractérisent l’état d’un système.
(ii) Fonction d’état : Une fonction d’état décrit les propriétés du système et
traduit par des égalités ou inégalités des lois de la thermodynamique.
(iii) Température : La température T est une variable d’état permettant de
définir la notion d’équilibre thermique. C’est une fonction scalaire des coordonnées
des points du domaine et du temps t.
(iv) Capacité thermique : La capacité thermique cα d’un corps est une gran-
deur permettant de quantifier la possibilité qu’a un corps d’absorber ou de restituer
de l’énergie par échange thermique au cours d’une transformation pendant laquelle
sa température varie.
(v) Flux thermique et densité de flux thermique : Considérons un matériau
parallélépipédique occupant un domaine Ω et chauffé de manière uniforme sur une
de ses surfaces Σ. Soit Q la quantité de chaleur reçue par un élément de surface dΣ.
On définit [86] :

Fig. IV.1 – Densité locale du flux thermique

– le flux thermique comme la puissance échangée ψ par la surface Σ du domaine :

dQ
ψ= . (IV.1)
dt
– la densité de flux thermique comme la puissance échangée par unité de surface
dΣ
dQ ψ
Φ= = . (IV.2)
Σdt Σ
76 IV. Introduction aux Problèmes Direct et Inverse en Thermique

De manière générale si on considère une surface élémentaire dΣ de normale uni-

taire extérieure −
→
n (voir figure IV.1), le flux élémentaire dΦ est considéré comme le
→
−
flux de vecteur densité ψ à travers dΣ i.e.
→→
−
dΦ = ψ .− n dΣ. (IV.3)

où le point "." symbolyse le produit scalaire.

(vi) Conductivité thermique : La conduction de chaleur est un mode d’échange
de chaleur qui tend vers une distribution homogène au sein du milieu, de l’énergie
cinétique moyenne de diverses particules par diffusion. Cette diffusion se fait des
zones où la valeur moyenne de cette énergie, i.e. la température, est élevée vers les
zones où elle est la plus faible.
La loi correspondant à ce processus particulier de diffusion de chaleur est telle que
→
−
la diffusion de chaleur ou la densité de flux ψ (quantité de chaleur qui traverse une
unité de surface pendant une unité de temps) en un point est une fonction linéaire
du gradient de température en ce point :
→
− −−→
ψ = −k̄¯ grad(T ).

Cette loi qui traduit la relation linéaire entre la densité de flux thermique et le
gradient de température est dite Loi de Fourier (1882).
L’opérateur k̄¯, qui définit la conductivité thermique du milieu considéré, est un
tenseur du second ordre dépendant de la température T du point M . Par exemple,
pour une conduction anisotrope comme dans les matériaux fibreux, k n’a pas la
même valeur dans toutes les directions. Pour un milieu isotrope et homogène, la
conductivité thermique se caractérise simplement par un scalaire k dépendant de la
→
− −−→
température T : ψ = −k grad(T ). De plus, si les écarts de température ne sont pas
trop élevés alors on peut considérer la conductivité k constante pour le milieu.
→
−
Par convention [86], ψ est compté positivement dans le sens d’écoulement de la
chaleur, donc dans le sens des températures décroissantes.
Pour un milieu unidimensionnel x, la loi de Fourier est traduite par :
dT
ψ = −k où k est la conductivité thermique.
dx
(vii) Energie interne : L’énergie interne E d’un système de domaine d’extension
Ω est reliée à son énergie interne spécifique e par la relation :
Z
E= ρedΩ.
Ω
IV.2. PROBLÈME DIRECT 77

(viii) Entropie : En thermodynamique, l’entropie est une fonction d’état introduite

au milieu du XIX e siècle par Rudolf Clausius dans le cadre du second principe,
d’après les travaux de Carnot. Clausius a montré que le rapport δQ/T , Q étant la
quantité de chaleur échangée par un systéme à la température T correspond, en
thermodynamique classique, à la variation d’une fonction d’état qu’il a appelée en-
tropie, S.
En thermodynamique statistique, l’entropie mesure le degré de désordre d’un sys-
tème au niveau microscopique : plus l’entropie du système est élevée, moins ses
éléments sont ordonnés, liés entre eux et plus grande est la part de l’énergie inutili-
sée ou utilisée de façon incohérente.
En général, l’entropie d’un système ne se conserve pas. Elle peut augmenter sponta-
nément lors d’une transformation irréversible. En effet, selon le second principe de la
thermodynamique, l’entropie d’un système isolé ne peut pas diminuer, elle augmente
ou elle reste constante si la transformation est réversible.

De la même manière que la fonction énergétique, nous pouvons exprimer l’entro-

pie S en fonction de l’entropie spécifique exprimant une variation d’énergie associée
s. Pour tout système de domaine d’extension Ω, l’entropie se définit par :

Z
S= ρsdΩ (IV.4)
Ω

où ρ est la masse volumique du corps du système considéré.

(ix) État d’équilibre et évolution d’un système thermique : Un système,

initialement en état d’équilibre, soumis à certaines sollicitations extérieures peut se
mettre en état de déséquilibre.
La conduction de la chaleur est le cas particulier ou la non-uniformité de la tempéra-
ture entraîne un transfert d’énergie d’un point à un autre du système sans transport
macroscopique de matière.
En "contact" avec des sources de chaleur externes, le champ de température d’un
domaine d’extension Ω peut évoluer dans le temps et dans l’espace. La variation
de la température dépend des valeurs instantanées des sources et des évolutions
antérieures.
78 IV. Introduction aux Problèmes Direct et Inverse en Thermique

IV.2.2 Equation de la chaleur dans un matériau

L’équation de la chaleur est obtenue en appliquant le premier principe de la

thermodynamique à un volume fini. Cette équation traduit la conservation d’énergie
[58] :
dans un volume du domaine Ω, la variation de l’énergie interne est égale
à la somme des travaux et de la chaleur échangée entre le domaine Ω et
son environnement. En d’autres termes, la variation de l’énergie interne
d’un domaine est le bilan des énergies sources internes et des flux entrant
et sortant du domaine à travers les parois.
Sous les hypothèses suivantes :
abscence de sources ou puits de chaleur dans le domaine ;
l’énergie cinétique des particules en déformation, les travaux des forces de pression
et des contraintes ainsi que les travaux des forces volumiques de pesanteur sont
négligeables ;
le bilan s’écrit :
→−
−
Z Z
d
ρedΩ = ψ .→
n dΣ (IV.5)
dt Ω Σ

où Σ est la surface de frontière du domaine Ω (d’élément de surface dΣ), − →n est la

→
−
normale unitaire extérieure à cette surface et ψ est le vecteur flux de chaleur.
Par application du théorème de Gauss, on obtient :
→−
− →
−
Z Z
→
ψ . n dΣ = div ψ dΩ. (IV.6)
Σ Ω

Alors des équations (IV.5) et (IV.6), on obtient successivement [39] :

→
−
Z Z
d
div ψ dΩ = ρedΩ
Ω dt Ω
Z
de
= ρ dΩ principe de conservation de la masse.
Ω dt

L’énergie interne spécifique e et la densité d’entropie spécifique s sont fonctions

des variables définissant l’état d’une particule assimilée localement à un système
thermodynamique. On pose :
∂e
e = e(s, αj ), j = 1, ..., n les αj sont choisies telles que : T =
∂s.
On définit une fonction d’état Ψ appelée énergie libre. C’est la transformée de Le-
gendre de l’énergie interne spécifique e par rapport à la variable d’état s faisant
IV.2. PROBLÈME DIRECT 79

apparaître la température comme variable d’état et disparaître l’entropie :


Ψ = e − T.s



Ψ = Ψ(T, αj )


s = − ∂Ψ

j = 1, ..., n
∂T

 
−
→
Z Z
dΨ ds dT
div ψ dΩ = ρ +T + s dΩ
Ω Ω dt dt dt
∂ 2 Ψ dT
Z  
dΨ dT ∂Ψ
= ρ −T − dΩ
Ω dt ∂T 2 dt dt ∂T
∂ 2 Ψ dT
Z  
∂Ψ dαj dT ∂Ψ
= ρ −T − dΩ, j = 1, ..., n
Ω ∂αj dt ∂T 2 dt dt ∂T
αj , j = 1, ..., n sont les variables d’état définis plus haut.
La capacité calorifique c définie à αj constant est

∂2Ψ
c = −T .
∂T 2
dT /dt représente la dérivée particulaire de la température. C’est la dérivée suivant
le mouvement de déformation et de l’évolution temporelle du matériau. Elle s’écrit :

dT −−→ ∂T
=−
→
u .grad(T ) + ,
dt ∂t
où −
→u est la vitesse des volumes élémentaires du matériau en déformation.
Certaines études [89] ont montré que dans le cas de solicitations uniaxiales homo-
gènes à faible vitesse de déformation dans les matériaux malgré la faible conductivité
−−→
thermique, par exemple comme les polymères, le terme − →u .grad(T ) est négligeable
devant ∂T /∂t.
De même pour des variations très faible de température, les déformations et les effets
sur la microstructure (énergie bloquée) sont négligeables.
De ces hypothèses réductrices, le bilan d’équilibre devient
→
−
Z Z
∂T
div ψ dΩ = ρc dΩ.
Ω Ω ∂t

La relation étant valable quel que soit le domaine Ω, l’équation de conduction de

la chaleur dans Ω s’écrit
∂T →
−
ρc + div ψ = 0. (IV.7)
∂t
80 IV. Introduction aux Problèmes Direct et Inverse en Thermique

L’équation (IV.7) représente donc l’équation générale de conduction de la chaleur

dans un solide opaque sans source de chaleur.
La loi de Fourier fournit une relation qui relie le flux de conduction au gradient de
température :
→
− −−→
ψ = −k grad(T ) (IV.8)
où la constante positive k est la conductivité thermique qui dépend du type de ma-
tériau.
En combinant les équations (IV.7) et (IV.8), on obtient l’équation générale de
conduction de la chaleur valable pour un matériau homogène et isotrope de conduc-
tivité thermique positive et constante k :
∂T −−→
ρc = k div(grad(T )), (IV.9)
∂t
ρc est la chaleur volumique qui dépend aussi du type de matériau comme la conduc-
tivité thermique k.
L’équation (IV.9) ainsi obtenue est une équation aux dérivées partielles en T .
En cordonnées cartésiennes (x1 , x2 , x3 ), et dans le cas d’un matériau isotrope dont
la conductivité thermique k et la chaleur volumique ρc sont indépendantes de la
température, l’équation de conduction s’écrit :
 2
∂2T ∂2T

∂ T ∂T
k 2
+ 2
+ 2
−ρc = 0 valable en tout instant et en tout point de Ω.
∂x1 ∂x2 ∂x3 ∂t

Cette équation aux dérivées partielles linéaires, du deuxième ordre, admet mathéma-
tiquement une infinité de solutions faisant intervenir des constantes arbitraires. Elle
n’a de sens physique que pour des conditions, appliquées à un domaine d’espace-
temps. Ces conditions sont ici les causes qui déterminent l’évolution du phénomène.
Pour déterminer l’évolution physique de la température dans Ω, il est indispen-
sable de connaître la répartition initiale de la température en tout point du domaine
et aussi la loi de variation de la température T et/ou de sa dérivée normale sur
la frontière du domaine. Ces conditions interprétées par des équations sont dites
condition initiale et conditions aux limites.

IV.2.3 Condition initiale et conditions aux limites

Pour résoudre l’équation (IV.9) traduisant le bilan thermique dans le matériau,

il est nécessaire d’y adjoindre des conditions aux limites et une condition initiale.
IV.2. PROBLÈME DIRECT 81

Ces conditions indiquent ce qui se passe à la frontière ou au bord du domaine et

l’état initial de la température.

IV.2.3.1 Condition initiale

Par convention, on choisit l’instant t = 0 pour être le temps initial, et on impose

une condition initiale
T (x1 , x2 , x3 , 0) = T0 (xi ), (IV.10)

où T0 est la fonction de distribution initiale de température dans le domaine Ω.

IV.2.3.2 Conditions aux limites

Ce sont des conditions que l’on impose sur la surface frontière ou limite Σ. Elles
traduisent mathématiquement les conditions physiques réelles imposées. En ther-
mique, il existe différents types de conditions aux limites. Les plus fréquentes ren-
contrées sont les suivantes :
Température imposée
Ce sont des problèmes dits de Dirichlet, où la température est une fonction donnée
d’un point M et du temps t. Elle est dite condition d’isothermie et réalisée par
contacte du domaine avec des thermostats :
TΣ = f (MΣ , t) en tout point MΣ de la frontière de Σ.
Flux de chaleur imposé
La densité de flux thermique est une fonction donnée du point à la frontière et/ou
du temps : ces problèmes sont dits de Neumann et
− −
→ −−→
ψ .→
n = −k grad(T ).−
→
n = f (MΣ , t) en tout point MΣ de la frontière Σ. (IV.11)

o Si le domaine est thermiquement isolé, le flux est nul en tout point de la

frontière ; on parle d’adiabaticité :
− −
→
ψ .→
n = 0 en tout point de la frontière Σ. (IV.12)

o Condition de transfert par convection

Si le flux à la surface frontière est un flux de transfert convectif, ces problèmes sont
dits mixtes ou de Fourier. Dans ces cas la densité de flux de chaleur traversant la
frontière est proportionnelle à la différence de température entre la surface frontière
et le milieu environnant : c’est la condition courante de transfert de chaleur par
82 IV. Introduction aux Problèmes Direct et Inverse en Thermique

convection dite loi de Newton (condition mixte de Fourier).

La continuité des flux aux interfaces conduit à la relation :
−−→
−k grad(T ).−
→
n = h(TΣ − Ta ) en tout point de la frontière Σ. (IV.13)

Ta désigne la température ambiante et h est une constante positive appelée coefficient

d’échange.
o Condition de transfert par rayonnement
Si les transferts de chaleur se font par rayonnement, la densité de flux n’est plus
linéaire. Le flux radiatif entre la surface frontière et l’environnement s’écrit sous la
forme :
→−
−
ψ .→
n = σF (TΣ4 − Ta4 ) (IV.14)

où σ est la constante de Stefan-Boltzmann (σ = 5, 67.10−8 W/m2 /K 4 ), F est un

paramètre appelé facteur de forme gris qui tient compte des propriétés radiatives,
d’émissivité des corps en présence et de la géométrie du domaine, notamment des
positions relatives des diverses surfaces. Cette relation n’est pas linéaire, mais dans
de nombreux cas où la différence de température TΣ − Ta est inférieure à environ
100◦ C, la densité de flux rayonné peut alors être " linéarisée " en fonction de TΣ et
Ta et s’écrire :
− −
→
ψ .→
n = hr (TΣ − Ta ) où hr = g(T ) = 4σF Tm3 avec Tm ≈ Ta ≈ TΣ ≈ (TΣ + Ta )/2.

Par analogie avec la loi de Newton, hr est appelé coefficient d’échange thermique par
rayonnement.
En utilisant la loi de Fourier et la continuité de flux à l’interface d’échange, la
condition de transfert par rayonnent s’écrit :
−−→
−k grad(T ).−
→
n = σF (TΣ4 − Ta4 ) ≈ hr (TΣ − Ta ) (IV.15)

Si la surface frontière rayonne de la chaleur dans un environnement supposé très

grand par rapport à sa surface d’échange, alors le facteur de forme gris vaut simple-
ment F =  où  est l’émissivité de la frontière Σ.
Remarque IV.2.1
Les équations de conduction de la chaleur que nous aurons à traiter sont linéaires
au sens où les solutions T dépendent linéairement de la condition initiale T0 . En
physique, cette propriété de linéarité est souvent utilisée sous la forme d’un principe
IV.2. PROBLÈME DIRECT 83

de superposition : une combinaison linéaire de T0 conduit à une solution T qui est

la même combinaison linéaire des solutions correspondant à chaque terme de la
décomposition des données.
D’un point de vue physique, la linéarité n’est qu’une hypothèse parmi d’autres. En
effet, pour les problèmes à forte variation de température, la loi de Fourier n’est pas
valable ; il faut la corriger en supposant que la conductivité thermique k dépend de la
−−→
température T et de son gradient grad(T ). Ceci rend le problème non-linéaire. Dans
la suite, nous supposons le paramètre k constant.

On peut scinder la surface Σ en deux surfaces disjointes Σ1 et Σ2 :

Σ1 ∪ Σ2 = Σ et Σ1 ∩ Σ2 = ∅
−−→
Imposons alors sur la frontière Σ1 la condition de flux imposé : −k grad(T ).−→n =q
−−→ →
−
et sur Σ2 une condition de tranfert par convection : −k grad(T ). n = h(T − Ta ).
Dans ce cas, si on adjoint la condition initiale à ces conditions, on peut décrire un
phénomène de transfert de chaleur dans un matériau par les équations
−−→
pour (− →


 ρc ∂T
∂t
− k div(grad(T )) = 0 x , t) ∈ Ω × R+
−k − −→

grad(T ).− →


n =q en tout point de Σ1 , t > 0
−− → (IV.16)
 −k grad(T ). →
−
n = h(T − T ) en tout point de Σ t > 0

 a 2

 −
T (→x , 0) = T0 (−→ pour − →

x) x ∈Ω

Remarque IV.2.2
Nous avons choisi ces conditions aux limites plutôt que celles de Dirichlet (T (x, t)
connues sur Σ2 ) car nous voulons faire apparaître les termes de convection h.

Le problème (IV.16) est donc constitué d’une équation aux dérivées partielles
munies de conditions aux limites et d’une condition initiale. A cause de la présence
de conditions aux limites, on dit que le problème (IV.16) est un problème aux limites ;
mais on dit aussi que c’est un problème de Cauchy à cause de la donnée initiale en
temps.
Dans le cadre de la résolution du problème (IV.16), on peut y procéder directement
pour déterminer le champ de trempérature T (− →
x , t). Ceci peut se faire de façon
analytique, ou en utilisant la transformation de Laplace. Néanmoins, la plupart du
temps on ne peut en déterminer qu’une solution approchée. Il existe de nos jours
des méthodes numériques donnant plus d’informations sur le champ de température
84 IV. Introduction aux Problèmes Direct et Inverse en Thermique

T (−
→
x , t). Parmi ces méthodes numériques, la méthode des éléments finis est la plus
utilisée.

IV.2.4 Résolution du problème direct par la méthode des éléments finis

(MEF)

La MEF est une des méthodes les plus efficaces et les plus populaires pour ré-
soudre numériquement des problèmes aux limites. Le principe de cette méthode
peut être basé sur l’approximation variationnelle. La formulation variationnelle
est posée dans un espace de Hilbert (dans ce document c’est l’espace de Sobolev
H 1 (Ω) [58]). Rappelons que les espaces de Sobolev qui sont des espaces "naturels"
de fonctions permettant de résoudre les formulations variationnelles d’équations aux
dérivées partielles. Le lecteur intéressé, ou tout simplement curieux, trouvera les
idées et les arguments clés qui lui permettront de bien comprendre la structure et
l’intérêt des espaces de Sobolev dans le second chapitre ou plus en détail dans les
ouvrages [58] et [25].
L’idée de base est de remplacer l’espace H 1 (Ω) de dimension infinie par un sous-
espace Vζ de dimension finie de H 1 (Ω). Il faut d’une part construire une base φi des
fonctions à support borné, c’est-à-dire des fonctions non nulles uniquement sur une
petite partie du domaine de définition, et d’autre part, la réunion des supports des
fonctions φi doit recouvrir Ω. Ces fonctions sont généralement appelées fonctions
"test".

Remarque IV.2.3
Dans la pratique, il faut que la réunion des supports des fonctions φi soit la plus
proche possible du domaine Ω. Cependant, il est difficile voire impossible dans le
cas des figures à géométrie très complexe de reconstituer tout le domaine Ω par la
réunion des supports des fonctions test.
Cette difficulté s’élimine dans les cas unidimensionnels et la méthode des éléments
finis conduit à des solutions exactes [30].

La formulation variationnelle consiste à trouver une forme bilinéaire a(., .), une forme
linéaire L(.), et un espace de Hilbert V = Vζ tels que le problème de conduction de
la chaleur soit équivalent à :

Trouver T ∈ Vζ tel que a(T, φi ) = L(φi ) pour tout φi ∈ Vζ .

IV.2. PROBLÈME DIRECT 85

En général, on multiplie l’équation de conduction de la chaleur par une fonction test

régulière φi et on intègre par partie. Ce calcul est principalement formel au sens où
l’on suppose l’existence et la régularité de la solution T (x, t) afin que tous les calculs
soient licites.
Exploitant le fait que les variables x = (x1 , x2 , x3 ) et t jouent des rôles très différents,
nous pouvons séparer ces variables en considérant désormais T (x, t) comme une
fonction du temps t à valeurs dans un espace de fonctions définies sur Ω. Plus
précisément, si l’on se donne un temps final tf , on considère que T est définie par
[58]

T : ]0, T [ −→ H 1 (Ω)
t −→ T (t),

et T (x, t) est la valeur de T (t)(x).

On choisit un sous-espace qui convient pour la formulation variationnelle du
problème stationnaire étudié. En choisissant la fonction test dans le sous espace
de H 1 (Ω), on arrive à mettre l’équation de conduction de la chaleur sous la forme
d’équation différentielle ordinaire en t. On peut consulter les autres points de la
formulation variationnelle du problème de conduction dans l’ouvrage d’Allaire [58].
Dans ce rapport, la solution "approchée" cherchée dans le sous-espcae Vz eta de
dimension finie n+1 est la fonction température T (x, t) de la forme
n
X
T (x, t) = θi (t)φi (x) (IV.17)
i=0

Les coefficients θi (t) s’interprètent comme valeur numérique "approchée" de T (x, t)

au point xi . Dans le cadre expérimental, θi (t) est la mesure de la température en un
point xi .
La méthode des éléments finis est basée sur la formulation de volume de contrôle
[70] qui consiste à délimiter un volume élémentaire du domaine, dit "volume de
contrôle", pour lequel sont appliquées les équations aux dérivées partielles. Le bilan
énergétique et massique aboutit à deux équations algébriques, non linéaires, couplées,
résolues grâce à une technique numérique simple, en l’occurrence.
Elle est aussi basée sur la formulation de Galerkin [70]. Nous présentons dans
le paragraphe suivant la formulation de Galerkin sur l’équation de conduction de la
chaleur.
86 IV. Introduction aux Problèmes Direct et Inverse en Thermique

Nous faisons le choix de la formulation de Galerkin, car contrairement aux autres

formulations qui passent par la construction d’une application bilinéaire et d’une
application linéaire continues, la formulation de Galerkin revient à la multiplication
de l’équation de conduction de la chaleur par les fonctions φi , puis passer à une
intégration par partie.

IV.2.4.1 Formulation de Galerkin

La formulation de Galerkin est définie par deux intégrales représentant les poids
résiduels [3] et [70]. La méthode résiduelle pondérée se traduit en choisissant un
élément φj de Vζ par :
 
−−→  −−→
Z Z
∂T
φj k grad(T ).−
→

φj k div(grad(T )) − ρc dΩ − n + q dΣ = 0 (IV.18)
Ω ∂t Σ

Par intégration par partie, l’équation (IV.18) devient [70]

−−→ −−→  −−→

Z Z Z
∂T
− k grad(T ).grad(φj )dΩ − ρc dΩ − φj k grad(T ).− →

n + q dΣ (IV.19)
Ω Ω ∂t Σ

Ces équations sont généralement écrites sur chaque domaine élémentaire, et après
les intégrations, on passe à l’assemblage de chaque élément pour obtenir un système
linéaire [58] et [67]. Nous définirons des fonctions élémentaires φi (x) permettant
d’avoir directement le système linéaire attendu.
Parmis les équations de conduction que nous utiliserons, une condition aux li-
mites de Dirichlet sera imposée. Les conditions aux limites de type Dirichlet peuvent
correspondre à la situation où des phénomènes physiques différents agissent sur des
portions distinctes de la frontière. Si nous reprenons Σ2 et Σ1 comme définis précé-
demment, et nous imposons les conditions
−−→
−k grad(T ).−
→
n =q sur Σ1
−−→
k grad(T ).−
→
n = h(T − Ta ) sur Σ2 ,

alors l’équation (IV.19) peut s’écrire

−−→ −−→ −−→

Z Z Z
∂T
− k grad(T ).grad(φj )dΩ − ρc φj (x)dΩ − φj k grad(T ).− →
n dΣ
Ω Ω ∂t
Z Z Σ
− φj qdΣ − φj h(T − Ta )dΣ = 0. (IV.20)
Σ1 Σ2
IV.2. PROBLÈME DIRECT 87

En injectant l’expression (IV.17) de T (x, t) dans l’équation (IV.20), on peut écrire

matriciellement le système obtenu de la discrétisation spatiale :

C θ̇ + Kθ = F (IV.21)

où
– (i) θ̇ désigne le vecteur dérivé temporaire du vecteur température θ,
– (ii) C désigne la matrice de capacité, aussi appelée matrice d’amortissement,
– (iii) K est la matrice de conductance, encore appelée matrice de raideur,
– (iv) F est le vecteur flux résultant des conditions aux limites.
Les composantes des matrices C, K et du vecteur F sont données par
Z
Cij = ρcφj φi dΩ (IV.22)
Ω
−−→ −−→ −−→
Z Z Z
Kij = →
−
k grad(φj ).grad(φi )dΩ − φj k grad(φi ). n dΣ + φj hφi dΣ (IV.23)
Ω Σ Σ2
Z Z
Fj = − φj qdΣ + φj hTa dΣ (IV.24)
Σ1 Σ2

Remarque IV.2.4
La matrice C est symétrique et défini-positive ; la matrice K est symétrique et posi-
tive. Les matrices C et K sont tridiagonales.

La résolution d’un problème de conduction en régime transitoire nous amène donc

à la résolution d’un système différentiel du premier ordre par rapport au temps t
(IV.21).
Notons que ce système différentiel ne prend pas en compte les conditions initiales,
par exemple la température connue sur le bord, qu’il faut incorporer au fur et à
mesure de la résolution. L’incorporation de la condition initiale se fait de la même
manière que dans le cas stationnaire.
Remarque IV.2.5
Dans la suite, on pourra, de manière analogue, discrétiser des problèmes aux limites
munis de toutes les conditions aux limites considérées précédemment ; en fait nous
ne considérerons que les conditions aux limites de Dirichlet homogènes.
Un calcul sera donné sur les composantes de C, K et F dans les chapitres sur l’iden-
tification des paramètres thermophysiques.

En résumé, en se servant d’un algorithme variationnel avec des fonctions à support

borné, on est conduit à un système d’équations qui est un système d’équations aux
88 IV. Introduction aux Problèmes Direct et Inverse en Thermique

différences, proche de celui de la méthode des différences finies.

Il faut noter que les fonctions de base à support borné se révèlent facilement "adap-
tables" à la géométrie du domaine ce qui écarte des difficultés rencontrées dans la
méthode des différences finies.
La méthode d’identification de paramètres thermiques repose donc sur le système
(IV.21) que nous rappelons :
C θ̇ + Kθ = F.

La résolution du différentielle (IV.21) avec condition initiale

θ(0) = [θ1 (0) θ2 (0) ... θn (0)] = [T0 (0) T0 (ζ) ... T0 (iζ) ... T0 (L)]

par n’importe quel algorithme d’intégration conduit à la résolution du problème

direct.
Remarque IV.2.6
L’existence de solutions, l’unicité, la perturbation des solutions en fonction du temps,
etc., de l’équation de conduction de la chaleur ont fait l’objet de plusieurs recherhes :
Martinet [77], [76], Sacadura [86], Wang et al. [102], Bergheau et al. [67], Allaire
[58] etc. Nous considérerons leurs résultats comme acquis dans ce document.

IV.3 Problème inverse

Les échanges de chaleur interviennent dans de multiples procédés industriels. Ils

interviennent directement, par exemple dans les processus d’induction, de refroidis-
sement, d’utilisation de l’énergie solaire, d’isolation thermique, ou indirectement de
façon inévitable dans les chocs thermiques, les pertes thermiques, le rayonnement,
lors des déformations sollicitations mécaniques, etc. L’ingénieur ou le technicien a
donc besoin des connaissances de base pour :
? comprendre les phénomènes physiques qu’il observe,
? maîtriser le procédé et donc la qualité des produits,
? prédire certains phénomènes thermiques qui peuvent apparaître.
Afin de mieux comprendre, prédire ou expliquer ces phénomènes, l’expérimentateur a
besoin de connaître les paramètres thermophysiques du matériau sur lequel les études
vont porter. Ces propriétés sont caractérisées par des paramètres thermophysiques
mis en jeu dans la conduction de la chaleur et dans les conditions aux limites de flux
thermiques surfaciques.
IV.3. PROBLÈME INVERSE 89

Les études relatives à l’identification des paramètres thermophysiques des maté-

riaux par des méthodes de mesure en régime permanent et en régime instationnaire
connaissent un élan considérable depuis quelques années. L’élaboration de nouveaux
matériaux de hautes performances thermophysiques a accéléré le développement des
méthodes thermiques en régimes instationnaires. Les techniques récentes utilisant
des mesures sans contact telle que la thermographie, présentent beaucoup d’intérêt
sur le plan de la qualité et elles sont moins destructives par rapport aux méthodes
anciennes.
Nous pouvons globalement distinguer deux directions de recherche dans les problè-
mes inverses d’identification en thermique :
– le premier axe regroupe les travaux de recherche destinés à trouver
? le flux de chaleur [21] et [59]
? la température initiale [78]
? le flux de chaleur et les coefficients convectifs [4], [5] et [81].
qui conduisent à un champ de température souhaité.
Les problèmes étudiés sont dits mal posés [8], c’est-à-dire que les seules ob-
servations expérimentales ne suffisent pas à déterminer parfaitement tous les
paramètres du modèle. Il est donc nécessaire d’ajouter des contraintes ou des
hypothèses qui permettent de réduire l’espace des possibles de façon à aboutir
à une solution unique.
– le deuxième axe de recherche porte sur l’estimation des paramètres thermophy-
siques telles que la diffusivité thermique, la conductivité thermique, la chaleur
spécifique, etc. [7], [12], [26], [54], [32] et [33].
Les deux axes sont en fait liés : en général on suppose soit les conditions aux
limites et initiales connues, et on cherche à identifier les paramètres thermophysiques,
ou inversement ; soit ce sont les paramètres qui sont supposés connus et on cherche
à déterminer les conditions aux limites ou initiales.
Toutefois, dans certains travaux, les deux axes sont abordés simultanément [56] et
[70].
Notre travail s’inscrit dans le second axe de recherche où de nombreuses méthodes
d’identification de paramètres thermophysiques ont été élaborées. Nous aborderons
une étude sur les deux axes en théorie. L’intérêt de la présente étude repose sur
le fait que les caractéristiques thermiques des nouveaux matériaux composites ou
polymères : chaleur volumique, conductivité et diffusivité thermiques, coefficients
d’échange sont souvent inconnues. Or, ces caractéristiques sont nécessaires dans le
90 IV. Introduction aux Problèmes Direct et Inverse en Thermique

modèle de connaissance pour la résolution des problèmes thermomécaniques.

L’approche que nous proposons consiste à identifier par un modèle réduit linéaire
le comportement thermique instationnaire des matériaux solides opaques. En effet
la méthode des éléments finis est utilisée pour réécrire l’équation aux dérivées par-
tielles de conduction de la chaleur sous forme d’un système différentiel ordinaire plus
propice à la résolution numérique. La méthode des moindres carrés est développée
afin d’identifier simultanément les paramètres inconnus de conductivité thermique
et de chaleur volumique.
L’algorithme d’identification est mise en œuvre pour la détermination de la conduc-
tivité thermique et de la chaleur volumique de polymères et validé à partir des
données temporo-spatiales de température simulées. Il a permis ensuite d’estimer
des paramétres thermophysiques de polymères à partir des données de mesures ex-
périmentales de température à l’aide d’une caméra infrarouge.
Avant de cloturer ce chapitre de rappels, nous avons jugé important de rappeler
quelques techniques de mesures de champs de température expérimentaux et les
méthodes les plus utilisées dans l’estimation des paramètres thermophysiques.

IV.3.1 Techniques de mesures de champs de température

Les méthodes d’identification des sources de chaleur, du flux de chaleur ou des

paramètres thermophysiques nécessitent expérimentalement un instrument de me-
sure de température (appelé capteurs) en régime transitoire ou permanent en des
points précis sur la surface arrière ou avant des échantillons. Divers moyens sont
utilisés suivant les moyens et les besoins des chercheurs ou des ingénieurs.
Parmi les instruments de mesure avec contact, les plus utilisés sont le thermocouple,
les sondes de platine et thermistance. Ceux-ci ne fournissent que des informations lo-
cales. Le thermocouple comme les deux autres capteurs sont faciles d’emploi ; de plus
il permet une exploitation rapide des mesures et beaucoup moins coûteux qu’une
caméra infrarouge. Néanmoins son utilisation nécessite un contact avec l’échantillon
étudié ; ce contact peut modifier la géométrie du matériau et engendrer la présence
d’une résistance de contact due à une fixation du thermocouple (colle, graisse,...).
Les techniques sans contact sont souvent préférées, basées sur le rayonnement
émis par les corps étudiés. La radiométrie par caméra infrarouge (IR) est de nos
jours utilisée pour la mesure de température de surface. Elle permet la réalisation
sans contact de cartographies multidimensionnelles et transitoires de température
IV.3. PROBLÈME INVERSE 91

contrairement aux mesures ponctuelles effectuées par les thermocouples. A côté de

ces avantages de la Caméra IR, elle est très onéreuse et nécessite un étalonnage de
l’ensemble de la chaîne de mesure.

IV.3.2 Méthodes de résolution des problèmes inverses

Pour la détermination des paramètres thermophysiques, différentes techniques et

méthodes de mesures ont été utilisées par plusieurs auteurs. Nous avons résumé ici
les principaux travaux.

IV.3.2.1 Méthodes fréquentielles

Les premières investigations sur les phénomènes thermiques furent celles de A.

G. Bell en 1881 [13] qui analysa les phénomènes photo-acoustiques engendrés par
l’excitation d’un échantillon par un faisceau lumineux modulé périodiquement. Ses
études concernent essentiellement la détermination de la conductivité et de la diffu-
sivité thermiques.
La diffusivité thermique , qui caractérise l’aptitude d’un matériau à diffuser la cha-
leur, est une propriété intervenant dans tous les processus de transfert de chaleur
en régime instationnaire , c’est-à-dire pour lesquels la température varie avec le
temps. La connaissance de ce paramètre est essentielle pour résoudre de nombreux
problèmes de transfert thermique.

IV.3.2.2 Méthodes instationnaires comme la méthode flash

Les travaux de Bell ont été repris en 1961 par Parker et al. [103] en mettant
au point la méthode flash. La méthode flash dans son principe, est une technique
impulsionnelle qui consiste à soumettre la face avant d’un échantillon plan à une
impulsion de flux de chaleur de courte durée et à observer l’évolution temporelle de
la température en un ou plusieurs points de la face arrière de l’échantillon. Outre
l’identification de la diffusivité thermique, elle permet d’accéder indirectement à la
conductivité thermique lorsque la capacité massique et la masse volumique sont
connues.
Les méthodes d’estimation de paramètres liées à la méthode flash ont fait l’objet
de nombreuses études [11] et [100]. Ces méthodes ont été revisitées en tenant compte
des outils liés aux méthodes d’estimation de paramètres (méthodes inverses). Les
trois principaux types de méthodes flash sont présentées ci-après :
92 IV. Introduction aux Problèmes Direct et Inverse en Thermique

1. estimation à partir de quelques points du thermogramme (méthode des temps

partiels),
2. somme pondérée du thermogramme (méthode des moments temporels par-
tiels),
3. méthode itérative visant à minimiser l’écart quadratique moyen entre théorie
et expérience.
Relativement peu destructive au départ (collage de thermocouple, impact du si-
gnal sur le matériau, etc.), la méthode flash a depuis quelques dizaines d’années
subi des améliorations grâce au développement des méthodes d’exploitation et de
traitement des thermogrammes et à l’apparition de nouvaux détecteurs thermiques :
détecteurs photovoltaïques (In Ga As , Si ou Ge ), détecteurs infrarouges centrés sur la
bande 2 à 6 µm ou détecteurs infrarouges centrés sur la bande 8 à 14 µm. L’ap-
parition de nouvelles sources d’énergie (faisceaux lasers, faisceaux d’électrons), de
méthodes performantes de traitement du signal (détecteurs synchrones) et d’ordi-
nateurs puissants a permis d’améliorer la précision sur l’estimation de la diffusivité
thermique.
Toutefois, quel que soit le matériau, l’incertitude de mesure de la diffusivité
thermique est comprise entre 3% et 5% en fonction de la température.
Les résultats des différentes recherches montrent qu’il est difficile de réaliser des
mesures de diffusivité thermique avec une incertitude inférieure à 3% sur un matériau
opaque, homogène et isotrope. Une telle incertitude de mesure nécessite impérative-
ment, d’une part une bonne maîtrise du processus de mesure et des conditions ex-
périmentales, et d’autre part une exploitation du thermogramme prenant en compte
les effets parasites.
De plus cette technique n’est pas très pratique sur les polymères. L’énergie en-
voyée par rayon laser afin d’observer une cartographie thermique exploitable est
forte. On aboutit généralement à la destruction de la géométrie du matériau.

IV.3.2.3 Méthode à fil chaud

Fig. IV.2 – Eprouvette expérimentale de la méthode à plan chaud

Dans les années 1930, B. Stalhane et S. Pyk [95] développent la méthode du

fil chaud pour estimer la conductivité thermique. La technique permet d’identifier
IV.3. PROBLÈME INVERSE 93

directement la conductivité thermique à partir du comportement asymptotique de

l’évolution de la température du fil chaud aux temps longs et du formalisme quadri-
pôlaire.
Le principe de la méthode du fil chaud est le suivant : on dispose un fil résistif sur
l’axe d’un échantillon cylindrique de grande longueur et d’extension radiale suppo-
sée infinie. L’échantillon, initialement isotherme, est soumis à un créneau en flux,
délivré sous forme d’effet Joule par le fil résistif (voir la figure IV.2). Si le fil est sup-
posé infiniment long et de rayon négligeable, le transfert est radial et la condctivité
thermique peut être identifiée à partir de l’évolution de la température en un point
donné [6], [54] et [107].
La conductivité des matériaux caractérisés avec ce dispositif doit être comprise entre
0.1 et 10 W/m/K pour espérer une précision meilleure que 5%.

IV.3.2.4 Méthode à plan chaud

La méthode du plan chaud est une extension de la méthode du fil chaud à une
géométrie plane. Elle permet d’identifier l’effusivité thermique du matériau [38].
Le principe est le suivant : un flux de chaleur uniforme est imposé à l’interface de
deux échantillons symétriques de section quelconque et d’extension infinie dans la
direction perpendiculaire à l’interface. Ceci est réalisé par la mise en place d’un élé-
ment chauffant mince occupant toute la section de l’interface. Les échantillons sont
assimilables à un milieu infini si le rapport de leur longueur à l’épaisseur de l’élément
chauffant est supérieur à 20. Par ailleurs, les faces latérales des deux échantillons
sont isolées et le transfert peut être considéré comme unidirectionnel. La réponse
en température au cours du temps est mesurée dans le plan du chauffage par un
thermocouple. Le comportement asymptotique aux temps longs, du thermogramme
ainsi obtenu, est proportionnel à la racine carrée du temps, le coefficient de propor-
tionnalité étant directement lié à l’effusivité des échantillons. Le comportement aux
temps courts est influencé par l’inertie thermique de la sonde (élément chauffant +
thermocouple) et par la résistance de contact sonde-milieu.
Cette méthode permet de mesurer l’effusivité thermique avec une précision de l’ordre
de ±6% pour peu que l’intervalle de temps sur lequel est réalisée l’identification soit
correctement choisi de sorte que puissent être négligés les effets inertiels de la sonde
aux temps courts et les éventuelles pertes thermiques aux temps longs.
94 IV. Introduction aux Problèmes Direct et Inverse en Thermique

IV.3.2.5 Technique numérique de résolution : gradient conjugué

La plupart des méthodes utilisent la technique du gradient conjugué pour éva-

luer les paramètres. La forme quadratique minimisée par la technique du gradient
conjugué est une somme des carrés de la différence de la solution théorique ou expé-
rimentale et de l’expression analytique du problème direct. Cette expression analy-
tique est, dans la plupart des cas, une série illimitée solution du problème direct de
conduction considérée. La difficulté réside dans le fait qu’un programme ne peut pas
calculer une série illimitée. Faisant ainsi on augmente les erreurs. En effet, il existe
une erreur sur la discrétisation du domaine, une deuxième erreur sur la solution ap-
prochée et il y aura une troisième erreur sur la méthode de minimisation elle-même.
La démarche que nous présentons dans ce document évite l’utilisation d’une série
numérique comme solution.

IV.4 Conclusion

La méthode des éléments finis qui est basée sur la technique des projections,
permet donc d’adapter le mieux possible le maillage au domaine géométrique. Elle
conduit à une réduction considérable des erreurs de résolution numérique. La for-
mulation de Galerkin nous a emmené à écrire l’équation aux dérivées partielles de
conduction en une équation différentielle du premier ordre en dimension finie. Ces
circonstances expliquent notre engouement manifesté pour l’application de la mé-
thode des éléments finis pour la résolution de l’équation de conduction de la chaleur.
Quelle que soit la méthode utilisée, les différentes techniques relient le modèle
théorique à l’observable physique c’est-à-dire aux paramètres de contrôle comme la
température. Les mesures de température sur un échantillon sont ensuite injectées
dans les équations régissant la conduction afin de remonter aux grandeurs inconnues
recherchées. Toutes ces méthodes conduisent obligatoirement à la minimisation d’une
fonction coût.
 95

Chapitre V

Construction d’un Algorithme

d’Identification de Paramètres
Thermophysiques

Sommaire
V.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 96
V.2 Problème direct . . . . . . . . . . . . . . . . . . . . . . . . 97
V.2.1 Equation de conduction de la chaleur . . . . . . . . . . . . 97
V.2.2 Formulation du problème direct . . . . . . . . . . . . . . . 98
V.3 Résolution du problème direct . . . . . . . . . . . . . . . . 98
V.3.1 Discrétisation en espace par MEF . . . . . . . . . . . . . . 98
V.3.2 Intégration dans le temps . . . . . . . . . . . . . . . . . . 101
V.3.3 Algorithme de résolution du problème direct . . . . . . . . 102
V.4 Choix des pas temporel et spatial . . . . . . . . . . . . . . 103
V.4.1 Stabilité de l’algorithme du problème direct . . . . . . . . 103
V.4.2 Tests de stabilité . . . . . . . . . . . . . . . . . . . . . . . 105
V.5 Formulation du problème inverse . . . . . . . . . . . . . 106
V.6 Procédure d’identification des paramètres thermophy-
siques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
V.6.1 Méthode des moindres carrés . . . . . . . . . . . . . . . . 106
V.6.2 Calcul de précision sur les paramètres identifiés . . . . . . 110
 V.6.3 Construction d’un algorithme de résolution du problème
inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
V.7 Validation de l’algorithme . . . . . . . . . . . . . . . . . . 113
V.7.1 Simulation du champ de température . . . . . . . . . . . . 114
V.7.2 Exploitation du champ de température simulé . . . . . . . 115
V.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

V.1 Introduction

L’élaboration de nouveaux matériaux utilisés dans les technologies de hautes per-

formances thermiques (matériaux d’isolation, thermoéléments, etc.), de matériaux
composites à particules, mousse en fibres minérales ou végétales et de polymères est
suivie de processus de caractérisation de leurs propriétés thermiques d’une part.
D’autre part, les processus de déformation induisent des effets énergétiques (méca-
nique et thermique) qui doivent être correctement prédits afin de bien modéliser le
comportement mécanique. Pour des essais quasi-statiques, les variations de tempéra-
ture induites par la déformation restent souvent faibles. Le fait de négliger les varia-
tions élimine toute possibilité d’effectuer un bilan d’énergie complet, bilan de toutes
les énergies mises en jeu, puisque les petites variations de température induisent de
grandes variations d’énergie. Des travaux de recherches développés ces dernières an-
nées indiquent que la prise en compte systèmatique des phénomènes dissipatifs et de
couplages thermocinétique contribue à l’amélioration des modèles de comportement
[23]. Pour obtenir ces informations complémentaires à la réponse mécanique, il est
nécessaire d’effectuer un bilan énergétique en s’appuyant sur la thermodynamique
des processus irréversibles. Le bilan énergétique nécessite la connaissance des valeurs
de la conductivité k et de la chaleur volumique ρc intervenant dans la conduction
de la chaleur [52].
Plusieurs études théoriques et expérimentales ont été développées pour la mesure
des propriétés thermophysiques. Elles incluent, entre autres, la méthode équilibrée,
la méthode de sonde, la méthode de chauffage périodique, la méthode des moindres
carrés et la méthode de chauffage par impulsion.
Dans ce chapitre, la forme quadratique à minimiser sera définie à partir de l’équa-
tion différentielle linéaire qui est obtenue de l’équation de conduction de la chaleur
par la méthode des éléments finis (MEF). La solution du problème direct s’obtient
V.2. PROBLÈME DIRECT 97

par l’intégration (avec la technique des trapèzes généralisées) de l’équation différen-

tielle linéaire. Les intégrales élémentaires mises en jeu dans la MEF sont calculées
sans approximation.
Après la définition du phénomène et des concepts relatifs à la conduction de
la chaleur dans un solide opaque, la méthode des moindres carrés est utilisée pour
l’élaboration de l’organigramme d’évaluation des paramètres thermophysiques k et
ρc. La méthode inverse à développer utilise un champ de température simulé numé-
riquement à partir d’un problème direct de conduction de chaleur dans un matériau
homogène et isotrope. Nous avons ensuite effectué un bruitage des données par un
ajout d’erreurs de type random dans le champ de température simulé afin de tester
la sensibilité du modèle aux bruits.
Les étapes de base dans l’analyse incluent la recherche de solution du problème
direct, et d’un problème inverse en passant par la construction d’algorithmes de
résolution et d’identification.

V.2 Problème direct

V.2.1 Equation de conduction de la chaleur

Considérons une plaque solide rectangulaire de homogène d’épaisseur e, de lar-

geur l et de longueur L. La distribution de température dans la plaque est évaluée en
3-D par la fonction température T (x, y, z, t). En supposant la plaque homogène avec
une faible épaisseur et la longueur trè grande devant la largeur (l << L), on peut
valablement considérer une conduction de façon unidimensionnelle où la distribution
de température dans la plaque est donnée par T (x, t).
Supposons donc que cette plaque occupe l’intervalle [0, L] de l’axe Ox et qu’à l’ins-
tant t = 0, la distribution de température soit connue en tout point x ∈ [0, L] et
égale à T0 (x). Supposons en outre avoir placé à la surface limitée par x = 0 un flux
de chaleur constant q. La quantité q représente la puissance par unité de longueur
fournie au point x = 0 et à l’instant t > 0. La surface à x = L est supposée iso-
lée. Les autres surfaces sont bien protégées contre tout courant convectif, radiatif et
conductif.
La figure Fig.V.1 illustre la forme géométrique et les cordonnées unidimensionnelles
du problème physique considéré.
Si ρ, c et k sont des constantes positives données, représentant respectivement la
densité volumique, la chaleur spécifique massique et la conductivité thermique, la
98 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

Fig. V.1 – Conduction unidimensionnelle

distribution de température de la plaque au point x et à l’instant t est donnée par

l’équation aux dérivées partielles :

∂T ∂2T
ρc =k 2, x ∈ [0, L], t ≥ 0. (V.1)
∂t ∂x
À cette équation, on adjoint les conditions aux limites de flux
∂T
−k = q, x=0 t>0 (V.2a)
∂x
∂T
k = 0, x=L t>0 (V.2b)
∂x
et la condition initiale

T (x, 0) = T0 (x), x ∈ [0, L]. (V.3)

Dans une condition expérimentale, T0 (x) est la température de la plaque à l’air

ambiant.

V.2.2 Formulation du problème direct

Connaissant la masse volumique ρ et les paramètres thermophysiques k et c

ainsi que les conditions aux limites et initiales données par les équations (V.2-V.3),
le problème direct consiste à déterminer une fonction T (x, t) dépendant des variables
du temps t et de l’espace x dans la plaque.
Pour la résolution numérique du problème direct, la technique des éléments finis est
utilisée pour la discrétisation en espace et la méthode des trapèzes généralisées pour
l’intégration dans le temps.

V.3 Construction d’un algorithme de résolution du problème direct

V.3.1 Discrétisation en espace par MEF

Rappelons que la technique des éléments finis nous a permis de transformer

l’équation aux dérivées partielles de conduction en un système différentiel linéaire
du premier ordre. Le système différentiel obtenu par la MEF est donné par l’équa-
tion (IV.21). Remarquons que tous les termes multipliés par h sont nuls.
V.3. RÉSOLUTION DU PROBLÈME DIRECT 99

Cependant, pour connaître les composantes des matrices C, K et du vecteur F

de (IV.21), il faut définir les fonctions élémentaires φi , base du sous-espace Vζ de
H 1 ([0, L]) dans lequel nous allons chercher la fonction température T (x, t).
Le segment [0, L] est découpé en n morceaux égaux à ζ = L/n, n > 1. Les coordon-
nées des nœuds sont xi = iζ ; i = 0, ..., n. La méthode de Galerkin est alors appliquée
avec les fonctions φi repésentées sur la figure V.2

Fig. V.2 – Génération de fonctions linéaires par morceaux

Remarque V.3.1
Les fonctions test ainsi définies sont bien dérivables au sens des distributions et leurs
dérivées sont continues. Donc les fonctions φi sont des éléments de Vζ .

Les composantes des matrices C, K et du vecteur flux F du système différentiel

(IV.21) sont respectivement :
Z L
Cij = ρc φj (x)φi (x)dx
0
Z L
Kij = k φ0i (x)φ0j (x)dx
0

Fi = qφi (0).

Le vecteur température θ dans le cadre unidimensionnel a pour composantes :

θi (t) = T (xi , t) θi (0) = T0 (xi ) i = 0, ..., n. (V.4)

La détermination du champ de température dans le matériau revient à chercher les

valeurs de la température aux n + 1 nœuds au cours du temps. La reformulation du
problème direct en dimension finie s’écrit :
Trouver à chaque instant t le vecteur de température θ(t) solution du système
différentiel linéaire :

C θ̇(t) + Kθ(t) = F (V.5)

θ(0) = [T0 (0) ... T0 (iζ) ... T0 (L)]T (V.6)

où θ̇(t) désigne le vecteur dérivé temporaire du vecteur température θ(t) mesuré

aux nœuds du [Link] résolution numérique du système ordinaire (V.5) permet
100 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

de déterminer l’évolu-tion de la température dans le matériau pour les paramètres

thermophysiques connus.
Quand les intégrales mises en jeu dans les composantes des matrices C et K et le
vecteur F sont calculées sans aucune approximation, nous obtenons :
 
2 1 0 0 ··· ··· ··· ··· 0
 
 1 4 1 0 · · · · · · · · · · · · 0 
. . . . . . . . . . . . . . . . . . . . . .. 
 
 0 . 

 .
 . . . . . . . . . . . . . . . . . . . . . . .. 

 . . 
ρcζ  .. . . . . . . . . . . ... 

C = ρcC =  . . .. .. .. .. ..
6 
 
.
 .. . .. . .. . .. . .. . .. . .. . .
. . .. 

 
 .. . . . . . . . . . . . . . . 
 .
 . . . . . . . 0 

 0 ··· ··· ··· ··· 0 1 4 1 
 
0 ··· ··· ··· ··· 0 0 1 2
 
1 −1 0 0 ··· ··· ··· ··· 0
 
 −1 2 −1 0 · · · · · · · · · · · · 0 
... ... ... ... .. .. .. .. 
 
 0 . . . . 

 .
 . . . . . . . . . . . . . . . . . . . . . . .. 

 . . 
k . .
. . . . . . . . . . . . . . . . . . . . ...  .

K = kK =  ..
ζ . .

 .. . . . . . . . . . . . . . . . . . . . . ... 

 
 .. . . . . . . . . . . . . . . 
 .
 . . . . . . . 0  
 0 · · · · · · · · · · · · 0 −1 2 −1 
 
0 ··· ··· ··· ··· 0 0 −1 1

Remarque V.3.2
La somme des composantes de la matrice K suivant chaque ligne est nulle. On peut
en conclure que le noyau de la matrice K est composé des vecteurs colinéaires au
vecteur de composantes toutes égales à 1 ([1 1 ... 1 1]T ) de Rn+1 .

La détermination du champ de température une fois les paramètres thermophysiques,

les conditions initiales et aux limites connues, revient à la recherche du vecteur θ(t)
solution de 
ρcC θ̇(t) + kKθ(t) = F
(V.7)
θ(0) = [T0 (0)...T0 (iζ)...T0 (L)]T
V.3. RÉSOLUTION DU PROBLÈME DIRECT 101

Remarque V.3.3
On peut obtenir l’équation (V.7) par la formulation variationnelle et dan ce cas.
Les calculs des composantes des matrices C et K et du vecteur F sont détaillés dans
l’annexe A.

V.3.2 Intégration dans le temps

Les algorithmes d’intégration directe permettent d’intégrer une équation différen-

tielle telle que (V.5) pas à pas dans le temps [67]. Pour calculer les grandeurs θ à
l’instant t + ∆t, on supposse connues toutes les autres grandeurs aux instants précé-
dents (t, t − ∆t, etc.) et on applique un schéma numérique pour remplacer l’équa-
tion différentielle par une équation algébrique dont les inconnues sont les grandeurs
à l’instant t + ∆t par introdution d’un réel ν, 0 < ν ≤ 1, appelé coefficient de
relaxation.
Il existe plusieurs schémas pour intégrer le système (V.5). Nous avons opté pour
la méthode des trapèzes généralisées. Elle consiste à supposer qu’au cours du temps,
le vecteur température θ(t) est connu, et que le vecteur dérivé de température θ̇ est
constant sur chaque intervalle de temps [t, t + ∆t], et égal à un instant intermédiaire
t + ν∆t
θ(t + ∆t) − θ(t)
= θ̇(t + ν∆t)
∆t
= (1 − ν)θ̇(t) + ν θ̇(t + ∆t)
Le vecteur θ̇(t + ∆t) est calculé de l’expression précédente :
1−ν 1
θ̇(t + ∆t) = − θ̇(t) + [θ(t + ∆t) − θ(t)]
ν ν∆t
L’intégration du système (V.5) revient à la détermination à l’instant t + ∆t, pour
θ̇(t) et θ(t) connus, du vecteur θ(t + ∆t) du système :

 (C + ν∆tK)θ(t + ∆t) = ν∆tF + Cθ(t) + (1 − ν)∆tC θ̇(t)
(V.8)
 θ0 (t + ∆t) = θ0

Remarque V.3.4
Si les matrices C et K et le vecteur F dépendent de la variable t du temps, il faut les
calculer aussi à chaque instant.
Le vecteur dérivé température θ̇(t) est obtenu directement par l’équation différen-
tielle (V.7).
102 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

Finalement, en utilisant une telle procédure, on part d’une condition initiale à t = 0

(c’est-à-dire la tempéraure θ(0)), puis on estime la solution à chaque instant par
incrémentation successive de ∆t. La solution obtenue est une solution approchée en
espace (par la méthode des éléments finis) et en temps (par la méthode des trapèzes
généralisées). On est libre de choisir le pas d’intégration constante ou non.

V.3.3 Algorithme de résolution du problème direct

Pour simplifier les écritures, définissons les matrices

S(θ) = (C + ν∆tK)θ(t + ∆t) − ν∆tF − Cθ(t) − (1 − ν)∆tC θ̇(t)

et
N = C + ν∆tK

Nous avons utilisé l’algorithme du gradient conjugué pour la résolution de (V.8).

C’est un algorithme à pas descents résumé en six étapes :
1. choisir θ(0) conformément aux conditions initiales, initialiser θ par θ0 , calculer
le gradient R0
R0 = −S(θ0 ),

puis choisir la première direction

D 0 = R0 .

S’il n’est pas nul, continuer

2. calculer
hDi , Ri i
µi = .
hN Di , Di i
Tant que ν i > , pour un  bien choisi,
3. calculer
θi+1 = θi + µi Di

4. calculer le gradient Ri+1 = −S(θi+1 ), puis évaluer hRi+1 , Ri+1 i. S’il n’est pas
nul, continuer
5. calculer
h(Ri+1 − Ri ), Ri i
γi =
hRi , Ri i
V.4. CHOIX DES PAS TEMPOREL ET SPATIAL 103

6. Calculer la nouvelle direction Di+1 = Ri+1 + γ i Di et Ri = Ri+1 puis retourner

à l’étape 2.

Remarque V.3.5
La matrice N étant défini-positive, l’algorithme converge au plus en (n+1)-itérations
[84].
Le vecteur θ̇(t) = C −1 (F − Kθ(t)) est calculé avant le calcul de S(θ). Autrement dit,
chaque fois qu’une solution θ(t) est déterminée, il faut calculer θ̇(t) avec (V.5) afin
de pouvoir l’incorporer dans (V.8) pour la détermination de θ(t + ∆t).

V.4 Choix des pas temporel et spatial

V.4.1 Stabilité de l’algorithme du problème direct

La déterminantion du critère de stabilité est basée sur un développement de

Greenberg [57].
L’intégration du système (V.7) conduit à l’obtention du champ de température avec
des valeurs fixes des paramètres thermophysiques. Même si l’algorithme converge
du point de vue mathématique, il faut étudier le comportement physique des solu-
tions obtenues. Les paramètres thermophysiques du matériau étant fixés, l’analyse
physique des solutions repose sur le pas spatial de discrétisation et le pas de temps
d’intégration.
Pour ne pas alourdir les notations, nous considérerons l’intégration avec le coef-
ficient de relaxation ν = 1 et nous écrirons exclusivement dans ce paragraphe

∂lf
= fu...u f est indicée en u l fois
∂ul
De la formule de Taylor avec le reste de Lagrange appliquée à T (x, t) pour (1 ≤ i ≤
n − 1) et (1 ≤ j ≤ n − 1), on a :
? d’une part à l’ordre 2 en t

1
T (xi , tj+1 ) = T (xi , tj ) + Tt (xi , tj )∆t + Ttt (xi , τ )(∆t)2 , τ ∈ [tj , tj+1 ] (V.9)
2
ou encore
T (xi , tj+1 ) − T (xi , tj ) 1
Tt (xi , tj ) = − Ttt (xi , τ )∆t, τ ∈ [tj , tj+1 ]
∆t 2
104 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

? d’autre part avec ζ = xi − xi−1 à l’ordre 4 en x

T (xi+1 , tj ) = T (xi , tj ) + Tx (xi , tj )ζ + 2!1 Txx (xi , tj )ζ 2 + 3!1 Txxx (xi , tj )ζ 3

+ 4!1 Txxxx (ξ, tj ), ξ ∈ [xi , xi+1 ]
T (xi−1 , tj ) = T (xi , tj ) − Tx (xi , tj )ζ + 2!1 Txx (xi , tj )ζ 2 − 3!1 Txxx (xi , tj )ζ 3
+ 4!1 Txxxx (ζ, tj ), ζ ∈ [xi−1 , xi ].

Le laplacien de T (x, t) peut s’écrire avec la formule de Taylor

T (xi+1 , tj ) − 2T (xi , tj ) + T (xi−1 , tj ) 2

Txx (xi , tj ) = 2
− Txxxx (ς, tj ) ; ς ∈ [xi−1 , xi+1 ]
ζ 4!
(V.10)
Remarquons qu’avec la MEF nous avions obtenu
ζ
hTt (x, t), φi (x)i = (Tt (xi−1 , t) + 4Tt (xi , t) + Tt (xi+1 , t)) (V.11)
6
De l’équation (V.9), on peut avoir les expressions de Tt (xi−1 , t)+4Tt (xi , t)+Tt (xi+1 , t) :

T (xi−1 , tj+1 ) − T (xi−1 , tj ) 1

Tt (xi−1 , tj ) = − Ttt (xi−1 , τ )∆t, τ ∈ [tj , tj+1 ]
∆t 2
T (xi , tj+1 ) − T (xi , tj ) 1
Tt (xi , tj ) = − Ttt (xi , τ )∆t, τ ∈ [tj , tj+1 ]
∆t 2
T (xi+1 , tj+1 ) − T (xi+1 , tj ) 1
Tt (xi+1 , tj ) = − Ttt (xi+1 , τ )∆t, τ ∈ [tj , tj+1 ]
∆t 2
En remplaçant Tt (xi−1 , tj ), Tt (xi , tj ), Tt (xi+1 , tj ) et Txx (xi , tj ) par leurs expressions
ci-dessus dans l’équation (V.7) et en tenant compte du fait que

Txxxx (ς, tj )ζ 2 = Txxxx (xi , tj )ζ 2 + O(ζ 3 )

Ttt (xi , τ )(∆t) = Ttt (xi , tj )(∆t) + O(∆t)2 ,

il restera la fonction reste R(x, t) définie par

R(x, t) = − ρc[Ttt (xi−1 , tj )(∆t) + Ttt (xi , tj )(∆t) + Ttt (xi+1 , tj )(∆t)]+
O(∆t)2 + kTxxxx (xi , tj )ζ 2 + O(ζ 2 )

De l’équation différentielle ρcTt = kTxx , on peut déduire l’équation différentielle

ρcTtt = kTxxxx , et la fonction reste devient

R(xi , tj ) = Txxxx (xi , tj )(−6ρc + kζ 2 ) + O(∆t)2 + O(ζ 3 ) (V.12)

V.4. CHOIX DES PAS TEMPOREL ET SPATIAL 105

Il convient donc de choisir le pas de temps ∆t et le pas spatial ζ tels que −6ρc +
kζ 2 < 0 pour réduire le reste R(xi , tj ) de l’équation (V.12) inférieure ou égale à
O(∆t)2 + O(ζ 3 ).
Pour le calcul de dθ/dt dans l’équation (V.7) avec la formule de Crank-Nicolson, il
faut que ∆t et ζ vérifient
6k∆t
1< . (V.13)
ρcζ 2
Si la condition (V.13) n’est pas respectée, alors la solution de l’équation (V.7) pré-
sentera des oscillations spatiales contraires à la physique. Cette condition concerne
généralement l’épaisseur ζ de la première maille concernée par le choc thermique.
Cette contrainte donne la longueur maximale en fonction de l’incrément de temps
utilisé : s
6k∆t
ζ ≤ ζmax = .
ρc
Avec la formule des trapèzes généralisées, l’algorithme d’intégration converge si
s
6νk∆t
ζ ≤ ζmax = . (V.14)
ρc

On retrouve une autre démonstration de ce critère faite par J.-M. Bergheau et al.
[67].

V.4.2 Tests de stabilité

Pour valider le critère de stabilité (V.14), nous avons effectué deux applications
numériques. Nous avons choisi les valeurs fixes suivantes :
– longueur de la plaque : L = 0.04 m,
– pas de discrétisation : ζ = 6.6 10−4 m,
– conductivité thermique : k = 0.45 W/m/◦ C,
– température initiale : T0 = 20◦ C,
– chaleur volumique : ρc = 1.74 106 J/m3 /◦ C
– puissance de chauffage constante : q = 427.355 W/m.
2
Pour ces valeurs choisies, le pas de temps (seuil inférieur) est de ∆ts = ρcζ 6k
≈
0.57 s. Nous avons choisi deux pas de temps d’intégration : dans un premier temps,
un pas de temps supérieur au pas de temps seuil puis un second pas de temps inférieur
au pas de temps seuil. On constate sur les figures (Fig.V.3) que les solutions obtenues
dépendent du pas de temps choisi. Avec ∆t = 1 s, la solution est relativement
106 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

Fig. V.3 – Profil du champ de température au cours du temps

conforme à la physique, alors qu’avec le pas de temps ∆t = 0.01 s, la solution

présente des oscillations contraires à la physique. En effet, la surface limitée en
x = 0 étant continuellement chauffée par une source continue non périodique, il
devrait y avoir une évolution de la température dans le matériau conformément à la
figure V.3(b).

V.5 Formulation du problème inverse

Un champ de température est enrégistré pendant une durée tf . Peut-on trouver

des paramètres k et ρc d’un matériau pour lesquels le système linéaire (V.7) est
satisfait ?
Dans les calculs inverses considérés, les mesures de température sont supposées pro-
venir de la simulation numérique. Une fois la fonction T (x, t) obtenue, il existe des
quantités inconnues mais fixées de paramètres thermophysiques telles que la valeur
du coefficient de conductivité k et celle de la chaleur volumique ρc satisfaisant l’équa-
tion de conduction de Fourier qui permet d’avoir la distribution de température.
Le problème inverse vise alors l’évaluation des paramètres thermophysiques k et
ρc à partir des mesures de température prises en une série de points sur une direction
à la surface d’une plaque et ceci en plusieurs instants.

V.6 Procédure d’identification des paramètres thermophysiques

V.6.1 Méthode des moindres carrés

Le problème inverse peut être considéré comme un problème d’optimisation qui

vise à trouver le vecteur inconnu de paramètres thermophysiques u = [ρc k]T qui
réduise au minimum la fonction [18]
Z tf
1 dθ
J(ρc, k) = kρcC + kKθ − Fk2 dt (V.15)
2 0 dt

où k .k est la norme associée au produit scalaire h., .i dans Rn+1 , tf est la durée des
mesures.
En utilisant la définition de la norme et la linéarité du produit scalaire, la fonction
 PROCÉDURE D’IDENTIFICATION DES PARAMÈTRES
V.6.
THERMOPHYSIQUES 107

J(., .) peut s’écrire

Z tf Z tf
1 2 tf
Z
1 2 dθ dθ dθ
J(ρc, k) = (ρc) hC , C idt + ρck hC , Kθidt + k hKθ, Kθidt
2 0 dt dt 0 dt 2 0
Z tf Z tf
1 tf
Z
dθ
− ρc hC , Fidt − k hKθ, Fidt + hF, Fidt.
0 dt 0 2 0
On peut s’arranger à mettre en évidence le vecteur de paramètres thermophysiques
inconnu u
   
dθ dθ dθ
i tf
Z hC dt
, C dt
i hC dt
, Kθi ρc
1h
J(u) = ρc k  dt 
   
2
 
0 dθ
hC dt , Kθi hKθ, Kθi k
 
dθ
h i Z tf hC dt , Fi 1 tf
Z
− ρc k  dt + hF, Fidt
 
2 0

0
hKθ, Fi

Le gradient de J(u) au point u noté ∇J(u) est la variation de J en ce point et il

s’obtient de la façon suivante :

J(u + ∆u) − J(u) = h∇J(u), ∆ui + (termes nonlinéaires en k∆uk) (V.16)

où  est un réel supposé très petit.

Le vecteur u qui réalise le minimum de J s’obtient par annulation du gradient de J,
i.e. ∇J(u) = 0. Ce vecteur u réalisant le minimum serait donc solution du système
linéaire tel que :
      
Z tf hC dθ
dt
, C dθ
dt
i hC dθ
dt
, Kθi ρc Z tf hC dθ
dt
, Fi
 dt  =  dt.
      
  
0 dθ 0
hC dt , Kθi hKθ, Kθi k hKθ, Fi
Nous noterons la matrice 2 × 2 symétrique A et le vecteur du second membre f de
R2 du système linéaire précédent
   
Z tf hC dθ dt
, C dθ
dt
i hC dθ
dt
, Kθi Z tf
hC dθ
dt
, Fi
A=  dt f=  dt
   
 
0 dθ 0
hC dt , Kθi hKθ, Kθi hKθ, Fi
Ainsi, trouver les paramètres thermophysiques k et ρc revient à trouver le vecteur
u du système linéaire
Au = f . (V.17)
108 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

La résolution du système (V.17) permet d’estimer les valeurs des paramètres ther-
mophysiques k et ρc.
Remarque V.6.1
On peut avoir directement le système linéaire (V.17) en multipliant l’équation

dθ
ρcC + kKθ(t) = F
dt
à droite par la transposée du vecteur θ(t) puis on intègre sur la durée des mesures et
on obtient
Z tf Z tf Z tf
dθ
ρc hC , θ(t)idt + k hKθ(t), θ(t)idt = hF, θ(t)idt
0 dt 0 0

ou encore en se référant à (V.17)

A11 u1 + A12 u2 = f1 .

Ensuite on multiplie l’équation

dθ
ρcC + kKθ(t) = F
dt
à droite par le vecteur transposé de dθ/dt puis on intègre sur la durée des mesures :
Z tf Z tf Z tf
dθ dθ dθ dθ
ρc hC , idt + k hKθ(t), idt = hF, idt
0 dt dt 0 dt 0 dt
ou en utilisant encore la matrice A et les vecteurs u et f :

A21 u1 + A22 u2 = f2

On retrouve bien le système linéaire

Au = f .
Remarque V.6.2
L’équation (V.17) est mal conditionnée. En effet,
(i) les composantes A11 , A12 et A22 de la matrice A sont respectivement homo-
gènes à (m.◦ C/s)2 , (◦ C)2 /s et (◦ C/m)2 ,
(ii) u1 et u2 du vecteur u sont respectivement homogènes à J/m3 /◦ C et W/m/◦ C
(iii) f1 et f2 du vecteur f sont respectivement homogènes à W.◦ C/s et W.◦ C/m2 ,
alors qu’une matrice ou un vecteur doit être homogène.
 PROCÉDURE D’IDENTIFICATION DES PARAMÈTRES
V.6.
THERMOPHYSIQUES 109

Par changement d’échelle, nous avons rendu homogène la matrice A, les vecteurs u
et f . Le conditionnement donne :
 
1 dθ dθ 1 dθ
hC i hC
 
Z tf L2 dt , C dt tf dt
, Kθi Z tf hC dθ
dt
, Fi
 
A=  dt f =  dt
  
  
0 1 dθ L2 0 L2
tf
hC dt , Kθi t2 hKθ, Kθi tf
hKθ, Fi
f

et le vecteur u = [ρcL2 ktf ]T

Examinons l’existence et l’unicité de solution du système linéaire (V.17), ce qui

assure la possibilité de déterminer les paramètres thermophysiques simultanément.
Le système linéaire (V.17) est résoluble si la matrice A de ce système est inversible ;
cette propriété est assurée par la défini-positivité de la matrice A.
Proposition V.6.1
La matrice A du système (V.17) est défini-positive.

Preuve. Nous allons illustrer la démonstration de cette proposition par un exemple.

La fonction température
x2
T (x, t) = d(αt + )
2
est une solution de l’équation de conduction de la chaleur.
En découpant la longueur L du matériau en deux morceaux égaux suivant un axe
(0, x), le vecteur température donné par l’expression (V.4) est ici
   
1 1
  L2  
θ(t) = dαt  1  +  1 
8
1 1

et le vecteur dérivé du vecteur température est

 
1
dθ
= dα  1  .
 
dt
1

On vérifie facilement que

  
−3 3
L Ldα  
Kθ =  −2  et Cθ =  6 .

4 12
3 3
110 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

On montre qu’une matrice n × n symétrique M est défini-positive si et seulement

si pour tout vecteur v ∈ Rn

hv, M vi = 0 ⇒ v = 0.

Pour se faire, soit V = [V1 V2 ]T , alors V1 Cdθ/dt + V2 Kθ = 0 implique


−3V1 + dαV2 = 0



−2V1 + 2αV2 =0 soit V1 = V2 = 0.


3V2 + dαV2

=0

On peut étendre ce calcul à une dimension plus grande. 

Nous venons de décrire les différentes étapes pour la détermination simultanée
des paramètres k et ρc. La méthode sera complète une fois qu’on peut préciser les
incertitudes sur chacun des paramètres identifiés.

V.6.2 Calcul de précision sur les paramètres identifiés

Toute mesure d’une grandeur physique quelconque étant nécessairement enta-

chée d’erreurs, les valeurs des paramètres thermophysiques k et ρc ne sont que des
approximation respectivement des coefficients de la conductivité thermique et de la
chaleur volumique.
Afin de prendre conscience du degré d’approximation de ces paramètres, nous es-
timons les erreurs commises sur les mesures de température et de flux de chaleur
et nous calculons leurs conséquences sur les résultats obtenus. Ces conséquences
peuvent être estimées par calcul d’erreurs, ou calcul d’incertitude.
Puisque les intégrales introduites par MEF ont été calculées sans aucune ap-
proximation, nous ne tiendrons compte que des incertitudes sur les données de tem-
pérature et du flux de chaleur. Nous supposons que les erreurs sur le champ de
température sont additives, indépendantes, de moyenne nulle et d’écart-type σ.
L’erreur absolue d’une grandeur mesurée est l’écart qui sépare la valeur mesurée
expérimentalement de la valeur que l’on a de bonne raison de considérer comme
"valeur vraie".
L’erreur relative est le quotient de l’erreur absolue à la valeur vraie.
Remarque V.6.3
(i) L’erreur absolue et la valeur vraie ont même unité alors que l’erreur relative
s’exprime en pourcentage (%).
 PROCÉDURE D’IDENTIFICATION DES PARAMÈTRES
V.6.
THERMOPHYSIQUES 111

(ii) On ne peut parler d’erreur que si l’on dispose d’une valeur de référence que l’on
peut considérer comme valeur vraie. Le calcul d’erreur est possible lorsqu’il s’agit de
résultats obtenus par simulation numérique, et dans ce cas, est considérée comme
valeur vraie, toute valeur d’entrée.

Vu que pour la plupart des mesures, exemple des mesures de caractérisation de ma-
tériaux, on ne dispose pas souvent de valeur de référence, par des analyses objectives
des moyens utilisés tout au long des calculs, nous pouvons nous faire une idée de
l’erreur maximale commise : c’est l’incertitude.
Une mesure est complètement indiquée par la valeur estimée et l’intervalle à l’in-
térieur duquel on est à peu près certain que se situe la valeur vraie. L’incertitude
absolue est, par définition, la demi-longueur de cet intervalle. Il existe deux manière
de procéder au calcul d’incertitude absolue.
Lorsque la distribution du bruit est supposée faiblement aléatoire, on calcule des
incertitudes maximales, alors qu’on calcule des incertitudes probables lorsque la dis-
tribution est supposée fortement aléatoire et indépendantes.

Remarque V.6.4
Les incertitudes sont calculées à partir des écarts types sur les données ou mesures.
Les incertitudes probables δprob calculées en prennant 2σ sur les mesures expriment
68% de chance d’être dans l’intervalle de confiance déterminé. Avec une incerti-
tude 2δprob , on a 95% de chance pour que la valeur estimée soit dans l’intervalle de
confiance.

Des hypothèses faites sur la distribution des bruits, il est souhaitable de calculer les
incertitudes probables.
Les composantes de la matrice A et du vecteur f étant obtenues par produit
scalaire de vecteurs, nous calculerons les incertitudes probables sur le réel

Z tf
a= hx, yidt.
0

R tf
Par exemple, la première composante de la matrice A est A11 = 0
hCdθ/dt, Cdθ/dtidt,
et donc x = y = Cdθ/dt.
112 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

Avec la formule des trapèzes, nous avons successivement

m−1
X Z tj+1
a= hx, yidt avec t0 = 0, tm = tf
j=0 tj

m−1
X
(tj+1 − tj )
= hxj , yj i + hxj+1 , yj+1 i , avec xj = x(tj )
j=0
2

Notons ensuite par

(tj+1 − tj )
aj = hxj , yj i + hxj+1 , yj+1 i
2
Des égalités
p
δ(hxj , yj i) = (hδxj , yj i)2 + (hxj , δyj i)2 et δ(hxj , yj i) = δ(hxj+1 , yj+1 i),

nous obtenons la formule d’incertitude probable sur aj :

p
j 2 [(hδxj , yj i)2 + (hxj , δyj i)2 ] (tj+1 − tj )2
δ(a ) =
2
et par suite celle de a
√ um−1
v
2u X
δa = t [(hδxj , yj i)2 + (hxj , δyj i)2 ] (tj+1 − tj )2 (V.18)
2 j=1

De la formule (V.18), on calcule les incertitudes probables sur chacunes des compo-
santes de A et f .
Remarque V.6.5
Des hypothèses faites sur les mesures de température, les incertitudes relatives sur
chaque mesure de température en tout point i est δθ i.e. δ(T (xi , t) = δθ. Il vient que
δ(A22 ) = 0 puisque tout vecteur colinéaire au vecteur de composantes toutes égales
à 1 est dans le noyau de la matrice K.

Des égalités

(δf1 )2 = (A11 δu1 )2 + (u1 δA11 )2 + (A12 δu2 )2 + (u2 δA12 )2

(δf2 )2 = (A12 δu1 )2 + (u1 δA12 )2 + (A22 δu2 )2 ,
on obtient les incertitudes probables sur le vecteur u par
" #" # " # " #" #
2 2 2 2
A11 A12 δu1 δf1 δA11 δA12 u1 2
2 2
= − . (V.19)
A212 A222 δu2 2 δf2 2 δA212 0 u2 2
V.7. VALIDATION DE L’ALGORITHME 113

Par exemple, l’incertitude probable δ(k) est ainsi obtenue avec un niveau de confiance
de 95%, c’est-à-dire que nous sommes certains 95 fois sur 100 que notre meilleure
valeur estimée pour la conductivité thermique est comprise dans l’intervalle [k −
δ(k), k + δ(k)]. Il en est de même pour le coefficient de la chaleur volumique.
Finalement les résultats seront présentées de la façon suivante :

k = kid ± δ(k) ρc = ρcid ± δ(ρc)

où kid et ρcid sont respectivement les valeurs estimées de la conductivité thermique

et de la chaleur volumique par la méthode inverse.
Remarque V.6.6
Confère l’annexe B pour les calculs détaillés des incertitudes sur la matrice A ou le
vecteur F

V.6.3 Construction d’un algorithme de résolution du problème inverse

Après avoir établi les étapes informatiques de base requises pour la solution du
problème inverse ci-dessus, nous présentons maintenant l’algorithme permettant sa
résolution.
Pour déterminer simultanément les paramètres thermophysiques k et ρc à partir
d’un champ de température, il faut :
1. calculer par intégration numérique les troix coefficients de la matrice A ;
2. calculer par intégration numérique les deux coefficients du vecteur f ;
3. déterminer algébriquement la solution u de l’équation Au = f .
Remarque V.6.7
Les mesures n’étant pas continues, on peut remplacer les intégrales par des sommes.
Nous avons opté pour la méthode des trapèzes pour calculer les intégrales. Il existe
d’autres méthodes d’intégration pour pouvoir calculer les composantes de la matrice
A et du vecteur f .
La matrice A et le vecteur v sont appelés généralement matrice de mesures et
vecteurs de mesures.

V.7 Validation de l’algorithme

Pour démontrer la validité et l’exactitude de la méthode inverse considérée, nous

choisissons des valeurs numériques réalistes des paramètres thermophysiques pour
114 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

une simulation numérique du champ de température. Le champ de température est

obtenu de la résolution du système (V.8) avec ajout de bruit aléatoire.

V.7.1 Simulation du champ de température

Pour la simulation numérique, ont été choisis,

la longueur de la plaque
L = 0.04 m

le coefficient de conductivité thermique

ksi = 0, 45 W/m/◦ C

et le coefficient de chaleur volumique

ρcsi = 1, 74 106 J/m3 /◦ C.

La température initiale est T0 (x) = 20◦ C et le flux de chaleur auquel est soumis la
plaque est choisi constant qs = 397W/m.

Remarque V.7.1
Les moyens expérimentaux dont nous disposons ne nous permettront pas d’évaluer
le flux de chaleur variable dans le temps. Le flux de chaleur sera, dans les condi-
tions expérimentales, la puissance électrique par unité de longueur fournie par un
générateur.

Pour se mettre dans les conditions expérimentales, un bruit aléatoire de type

random aω est introduit dans le champ de température de la manière suivante

θi = Θi + aω

où Θi est obtenu de la résolution de (V.8). La fonction C++ Rand génère le nombre

ω dans l’intervalle [−1 1]. Un bruit aléatoire d’écart type 0.05 est imposé sur le flux
de chaleur q.
Les figures V.4 et V.5 donnent respectivement le champ de température exploité et
le profil de la température. Pour la figure V.4, le point x = 40 repésente la surface
chauffée, et la cartographie illustre la variation de la température en temps sur le
matériau réduit en une ligne.
V.7. VALIDATION DE L’ALGORITHME 115

Fig. V.4 – Champ de température simulée suivant une ligne

Fig. V.5 – Profil de la température au cours du temps

V.7.2 Exploitation du champ de température simulé

La résolution numérique des problèmes inverses est extrêmement sensible à des

petits écarts sur les données ; nous étudierons dans les sous sections suivantes, l’effet
du bruit, du choix du schéma d’intégration, du choix du pas de discrétisation par
éléments finis et du temps de contrôle du flux (durée des mesures) sur l’estimation
des valeurs des paramètres thermophysiques.

V.7.2.1 Influence du schéma d’intégration ou de dérivation

Le schéma d’intégration peut amplifier les bruits du champ de température.

Schémas numériques :

Fig. V.6 – Profil comparatif du vecteur dérivées des trois méthodes

Les mesures de température ont été effectuées pendant une durée tf . Supposons
enregistrer m mesures de température à intervalle de temps constant ∆t c’est-à-dire
tf = m∆t. Le vecteur θ(t) n’est donc connu qu’aux instants 0, ∆t, ... i∆t, ..., tf .
Nous définissons trois méthodes de dérivation première, et à titre d’exemple pour
a = 0.02◦ C (c’est l’écart-type des mesures effectuées par les caméras infrarouges
actuelles), nous avions analysé les profils des vecteurs dérivés de chaque méthode.
? dérivée première décentrée à droite

dθ(t) θ(t + ∆t) − θ(t)

=
dt ∆t
Remarque V.7.2
Cette formule ne permet pas de calculer la dérivée de θ en t = tf .

? dérivée première décentrée à gauche

dθ(t) θ(t − ∆t) − θ(t)

=
dt −∆t
116 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

Remarque V.7.3
Cette formule ne permet pas de calculer la dérivée de θ en t = 0.

? dérivée première centrée

dθ(t) θ(t + ∆t) − θ(t − ∆t)

=
dt 2∆t
Remarque V.7.4
Cette formule ne permet pas de calculer la dérivée de θ en t = 0 et en t = tf .

La figure Fig.V.6 illustre l’allure des courbes dθ(t)/dt obtenues à partir de champs
de température bruité et non bruité pour un même instant t. Il ressort des analyses
que la dérivée centrée conviendrait mieux dans les techniques d’intégration et de
dérivation numérique. Pour ne pas perdre des informations, la dérivée à l’instant
t = 0 est recupérée par la dérivée centrée à gauche alors que la dérivée à t = tf est
obtenue par la dérivée centrée à droite. Le graphe "Les trois Dérivées" correspond
aux courbes obtenues par dérivation des données non brutées ; elles sont identiques.

V.7.2.2 Influence de la finesse du maillage par éléments finis et du temps de

contrôle du flux

Le rapport ζ 2 /∆t est homogène au coefficient de diffusivité α = k/ρc ; de plus la

stabilité de l’algorithme d’intégration (V.8) impose pour ν = 0.5 le critère

3k∆t
> 1.
ρcζ 2

Pour k et ρc spécifiés plus haut, nous avons choisi le pas d’intégration ∆t = 1 s et

des pas de discrétisation spatiale ζ tels le critère (V.13) soit toujours vérifié.
La précison des caméras infrarouges actuelles étant de l’ordre de 2%, nous avions
donc bruité les valeurs de température simulées de β ◦ C, pour β ∈ [−0.02 0.02]
ρcsi (resp. ksi ) est la valeur simulée de la chaleur volumique (resp. conductivité
thermique) et ρcid (resp kid ) est la valeur identifiée de la chaleur volumique (resp.
conductivité thermique). La figure V.7 donne le profil de ρcid − ρcsi pour diverses

Fig. V.7 – Ecarts entre valeur simulée et valeurs identifiées pour la chaleur volu-
mique ; nombre d’intervalles et durée de contrôle du flux nécessaires pour une bonne
estimation
V.7. VALIDATION DE L’ALGORITHME 117

Fig. V.8 – Ecarts entre valeurs simulées et valeurs identifiées pour la conductivité
thermique ; nombre d’intervalles et durée de contrôle du flux nécessaires pour une
bonne estimation

valeurs de tf et n. On constate que ρc est sensible au temps de contrôle du flux

de chaleur et du pas de discrétisation éléments finis. Quelle que soit la finesse du
maillage, on peut toujours arriver à approcher au mieux la valeur ρcsi pourvu qu’on
soit capable de contrôler pour un temps relativement long le flux. Même pour n = 30,
on peut avoir une incertitude de l’ordre de 2.29% si on est capable de contrôler le
flux pendant 45 minutes.
La figure V.8 repésente le profil de kid − ksi pour diverses valeurs de tf et n.
Contrairement à ρc, quel que soit le temps de contrôle du flux, kid −ksi reste constant
pour un pas ζ fixé. On n’améliore donc pas les résultats en augmentant la durée du
test. La finesse du maillage permet d’avoir de très bons résultats.
Des deux courbes, il ressort que pour n = 60 et pendant un temps de contrôle rela-
tivement court (entre 2mn 20s et et 5mn 40s), on peut estimer les deux paramètres
avec de très bonnes précisions.
Signalons que les écarts entre les valeurs simulées et les valeurs identifiées ne sont
pas sensibles à la variation des incertitudes sur les flux de chaleur mais évoluent avec
les incertitudes sur la température.
Notons enfin que le critère de stabilité ζ ≤ 6νk∆t/ρc nous impose le choix de n ≥ 30.
La limite supérieure est donnée par la résolution de la caméra et le grandissement
utilisée. Cette limite est dans notre cas de 60, donc prendre un maillage plus fin
reviendrait à faire du suréchantillonage.
Les valeurs des paramètres estimés pour n = 60 et les incertitudes sur ces paramètres
sont repertoriées dans le tableau (V.1).

Pour des données de température et de flux de chaleur bruitées conformement

aux conditions expérimentales, la conductivité thermique et la chaleur volumique
permettant de les avoir sont :

kid = 0, 438 ± 0, 034 W/m/◦ C

ρcid = (1, 739 ± 0, 07) 106 J/m3 /◦ C.

Autrement dit, nous sommes certains 95 fois sur 100 que la conductivité thermique et
118 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques

Paramètres Simulation Données non bruités Données bruitées

Estimation Ecart Estimation Ecart δprob
k(W/m/◦ C) 0, 45 0, 449 0, 001 0, 438 0, 012 0, 017
ρc(J/m3 /◦ C) 1, 74 106 1, 75 106 0, 01 106 1, 739 106 0, 011 106 0, 039 106

Tab. V.1 – Résultats des paramètres estimés à partir d’un champ de température
simulé

la chaleur volumique estimées se situent respectivement dans les intervalles [0, 404 −
0, 472] et [1669000 − 1809000].

V.8 Conclusion

La MEF est utilisée pour écrire l’équation aux dérivées partielles de conduction
en un système différentiel ordinaire. Puis la technique des trapèzes généralisées est
utilisée pour les intégrations numériques dans le temps. Il ressort de l’analyse de
stabilité de l’algorithme de résolution du problème direct qu’il existe une relation
étroite entre le pas spatial de discrétisation et le pas d’intégration.
La défini-positivité de la matrice caractérisant le système linéaire du problème in-
verse assure qu’on peut identifier simultanément les deux paramètres thermophy-
siques.
Le champ de température et le vecteur flux de chaleur qui constituerait les donnés
d’entrée pour la méthode inverse sont générés dans les mêmes conditions que les
données d’entrée dans le cadre expérimental.
Les analyses statistiques des résultats pour divers pas spatiaux ont permis de choisir
un pas spatial proche d’un pixel. Puisque les valeurs des coefficients de conductivité
thermique des polymères sont faibles, nous choisirons un pas de temps supérieur
ou égale au pas de temps lors de la simulation numérique. Le fait que les valeurs
d’entrée pour la simulation se trouvent dans les intervalles de confiance permet de
valider l’algorithme.
Le coût de calcul de cet algorithme est très réduit par rapport à l’algorithme du
gradient conjugué.
Dans l’algorithme présenté pour identifier les paramètres thermophysiques, les vec-
teurs température sont directement incorporés dans le système différentiel ordinaire
obtenu par la MEF
V.8. CONCLUSION 119

L’algorithme d’identification est basé sur des techniques des moindres carrés.
Notre méthode des moindres carrés n’as pas consisté à minimiser des carrés des
différences des solutions obtenues par séries et des solutions obtenues expérimenta-
lement. Nous avions cherché directement à déterminer la conductivité et la chaleur
volumique qui rendent le système linéaire résoluble. Faisant ainsi, nous avons utilisé
la linéarité de ces paramètres. L’équation de conduction de la chaleur et sa forme
discrétisée par éléments finis sont linéaires par rapport à la conductivité thermique
et la chaleur volumique. Cet algorithme d’identification sera exploité dans le cha-
pitre suivant pour identifier les paramètres thermophysiques k et ρc de polymères à
partir de mesure de champs de température expérimentaux.
120 V. Construction d’un Algorithme d’Identification de Paramètres Thermophysiques
Chapitre VI

Identification de Paramètres
Thermophysiques de Polymères

Sommaire
VI.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 122
VI.2 Méthodes de mesures de champ de température . . . . . 123
VI.3 Dispositifs expérimentaux . . . . . . . . . . . . . . . . . . 124
VI.3.1 Mesure de la température par caméra infrarouge . . . . . 124
VI.3.2 Conditions expérimentales . . . . . . . . . . . . . . . . . . 125
VI.4 Montage expérimental . . . . . . . . . . . . . . . . . . . . 126
VI.5 Polymères translucide, semi-amorphe et amorphe étudiés127
VI.6 Traitement des images infrarouges . . . . . . . . . . . . . 128
VI.6.1 Historique des types de lissage . . . . . . . . . . . . . . . 128
VI.6.2 Logiciel utilisé . . . . . . . . . . . . . . . . . . . . . . . . 129
VI.7 Exploitation des données expérimentales . . . . . . . . . 129
VI.7.1 Calcul du flux de chaleur linéique . . . . . . . . . . . . . . 130
VI.7.2 Paramètres thermophysiques du polyméthylméthacrylate . 131
VI.7.3 Paramètres thermophysiques du polyéthylène transparent 134
VI.7.4 Paramètres thermophysiques du polyéthylène amorphe . . 138
VI.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
122 VI. Identification de Paramètres Thermophysiques de Polymères

VI.1 Introduction

Pour valider expérimentation notre algorithme d’identification, nous avons choisi

des matériaux solides dont les propriétés thermiques sont relativement bien connues
et qui présente un intérêt d’études pour notre équipe. L’algorithme d’identification
développé dans le chapitre précédent est appliqué pour caractériser trois types de
polymères : le polyéthylène semi-amorphe, le polyéthylène transaprentet le polymé-
thacrylate de méthyl (PMMA) ou le plexiglass dont les paramètres thermophysiques
tels que la conductivité thermique k et la chaleur volumique ρc sont bien connues.
Le problème direct considéré est relatif aux transferts de chaleur dans une plaque
rectangulaire de polymère d’épaisseur e, de largeur l et de longueur L. En suppo-
sant la plaque homogène et isotrope de faible épaisseur, nous pouvons considérer la
conduction unidimensionnelle.
Sur la surface définie en x = 0, est placée une résistance chauffante allimentée par un
générateur électrique. Cette résistance fournie au matériau une quantité de chaleur
constante q. La quantité q repésente la puissance par unité de longueur fournie au
point x = 0 et à l’instant t > 0 par le générateur. La surface en x = L est supposée
isolée. Les autres surfaces sont bien protégées contre tout courant convectif. La tem-
pérature suivant l’axe (O, x) de la plaque avant la chauffe est donnée par la fonction
T0 (x).
La figure Fig.V.1 exprime la forme géométrique et les cordonnées unidimensionnelles
du problème physique. ρ, c et k étant des constantes positives données, représentant

Fig. VI.1 – Conduction unidimensionnelle

respectivement la densité volumique, la chaleur spécifique massique et la conducti-

vité thermique du matériau, la température de la plaque au point x et à l’instant t
vérifie l’équation aux dérivées partielles :

∂T ∂2T
ρc =k 2, x ∈ [0, L]. (VI.1)
∂t ∂x

A cette équation on adjoint les conditions aux limites de flux traduisant les
VI.2. MÉTHODES DE MESURES DE CHAMP DE TEMPÉRATURE 123

effets sur les surfaces

∂T
−k = q, x=0 t>0 (VI.2a)
∂x
∂T
k = 0, x=L t>0 (VI.2b)
∂x
et la condition initiale décrivant l’état initial du matériau suivant une ligne

T (x, 0) = T0 (x), x ∈ [0, L]. (VI.3)

La discrétisation spatiale de l’équation de conduction de la chaleur conduit au sys-

tème différentiel ordinaire (confère chapitre V)

dθ
ρc + kKθ(t) = F.
dt
La caractérisation des polymères passent donc pour l’estimation des paramètres
thermophysiques k et ρc dans (V.7). Ceci revient à poser le problème inverse qui
rappelons-le, consiste à déterminer ρc et k à partir de champ de température mesuré
sur des polymères. Il a été montré dans le chapitre précédent que la détermination
de ces paramètres thermophysiques de l’équation (V.7) revient à la recherche du
vecteur u de (voir section V.6)
Au = f .

Le calcul de la matrice A et du vecteur f nécessite outre les matrices C et K, les

meures du flux de chaleur et les variations de température suivant l’axe (O, x) de la
plaque.
Avant la mise en œuvre du montage du dispositif expérimental, décrivons les
moyens utilisés pour le réaliser. Ensuite, nous exposons les méthodes de mesures
de champ de température et la technique retenue pour effectuer les mesures et les
traitements des images acquises afin de caractériser de trois polymères.

VI.2 Méthodes de mesures de champ de température

Il est très difficile de classer les méthodes de mesure du champ de température ;

la classification la plus naturelle consiste à considérer deux grands groupes :
– les méthodes en régime permanent,
– les méthodes en régime variable.
124 VI. Identification de Paramètres Thermophysiques de Polymères

En régime permanent, le temps n’intervient pas et les mesures effectuées permettent

d’atteindre uniquement la conductivité thermique. Alors qu’en régime variable, les
mesures sont effectuées en fonction du temps. Cette dernière permet d’identifier
plusieurs paramètres : conductivité, diffusivité, effusivité ou d’autres groupements
de k et ρc.
L’algorithme d’identification développé au chapitre V porte sur l’estimation des
paramètres thermophysiques k et ρc, donc nous nous plaçons dans les méthodes en
régime variable.
Les méthodes en régime variable sont actuellement les plus utilisées. Elles consistent
toutes à appliquer sur un échantillon à l’équilibre une perturbation thermique, et à
mesurer une ou plusieurs températures (ou flux de chaleur) en fonction du temps.
Une méthode en régime variable se différencie de l’une à l’autre par :
– le type de perturbation,
– le type de mesure ou le lieu de mesure,
– la géométrie du problème.
L’apport de chaleur, qui peut s’effectuer à partir de diverses sources se caractérise
par son évolution temporelle. les sources de chaleur peut être [31], [33] :
– des perturbations de type échelon (flux constant),
– des perturbations de type Dirac (flux impulsionnel),
– des perturbations périodiques,
– des perturbations de formes quelconques mais finies.
La température est la grandeur mesurée à la surface des éprouvettes testées avec
une perturbation de type échelon.

VI.3 Dispositifs expérimentaux

VI.3.1 Mesure de la température par caméra infrarouge

Nous utilisons une caméra infrarouge avec laquelle on peut avoir accès aux
champs de température locaux ou une cartographie complète du matériau.
La mesure par rayonnement infrarouge émis par un corps opaque placé dans un
environnement correspond :
– au rayonnement de l’objet qui est affecté par la traversée de l’atmosphère,
– au rayonnement émis par l’atmosphère elle-même,
– au rayonnement émis par l’environnement, réfléchi par l’échantillon et modifié
par la traversée de l’atmosphère.
VI.3. DISPOSITIFS EXPÉRIMENTAUX 125

Une caméra de type FLIR SC3000 à matrice de détecteurs QWIP refroidie par
cycle Stirling dont le domaine spectral est de 8 à 9 µm ([Link].2) est utilisées pour la
prise des images. D’après les données techniques, données vérifiées par les travaux en

Fig. VI.2 – caméra Infrarouge

D.E.A de A. Germanau [52], la sensibilité de la caméra est inférieure à 0.02 ◦ C. Ici, en

chaque pixel est enregistrée une information qui contient toutes les caractéristiques
thermiques du matériau. Un traitement statistique de l’ensemble des informations
disponibles et un modèle inverse performant nous permettent d’extraire les mesures
du bruit. Pour étalonner la caméra, des essais ont été effectués au sein de l’équipe.
Il a été constaté une légère dérive et une légère évolution de la température dans le
temps. Cette dernière ne provient pas forcément de la caméra mais peut-être de la
variation de la température de l’enceinte dans laquelle se déroule la manipulation.
Pour éliminer tout problème provenant d’une éventuelle dérive de la caméra ou
d’une variation de la température ambiante, on place dans le même plan à côté de
l’échantillon étudié un échantillon identique qui va servir de témoin ([Link].3). La

Fig. VI.3 – Eprouvette témoin et éprouvette étudiée

température est mesurée sur les deux échantillons. La différence des mesures sur
les deux éprouvettes donne la température relative en procédant de telle façon que
l’éprouvette témoin ne soit soumise à aucun flux de chaleur pouvant faire varier sa
température.

VI.3.2 Conditions expérimentales

Afin d’avoir les meilleurs résultats possibles, nous devons nous placer dans de
bonnes conditions expérimentales :
– l’échantillon est peint en noir mat afin de le considérer comme un corps noir
avec une émissivité voisine de 1.
– la caméra infrarouge est placée le plus proche possible de l’échantillon et per-
pendiculairement à celui-ci.
– des obstacles sont mis en place de part et d’autre de la caméra pour minimiser
les réflexions.
126 VI. Identification de Paramètres Thermophysiques de Polymères

– l’éprouvette est suffisamment longue pour respecter la nullité du flux sur la

face non chauffée.
– la puissance de chauffe est contrôlée par un générateur électrique. Afin d’éviter
les pertes de flux et de fortes variations de température dans les polymères,
nous imposerons de très faibles intensités de courant.

VI.4 Montage expérimental

L’objectif étant de créer un champ de température, il va falloir chauffer l’échan-

tillon étudié afin de relever les variations de température.
Le spécimen est constitué de deux plaques de propriétés thermiques, de nature et de
dimensions identiques. Une résistance chauffante est confinée entre les deux plaques.
Le spécimen est constitué de deux plaques de polymères identiques dans l’esprit
d’utiliser toute la puissance électrique fournie par le générateur. Dans ces condi-
tions, on suppose que le flux imposé se répartit de façon égale dans les deux plaques.
De ces esprits de conception, une seule des deux plaques constituant le spécimen
sera étudiée pour la détermination des paramètres thermophysiques.
Les éprouvettes sont suffisamment longues pour que le flux en x = L soit considéré
nul. Confère le schéma du principe donné par la figure (VI.4). La chauffe est contrôlée

Fig. VI.4 – Schéma du principe

par un voltmètre et un ampèremètre. Les pas de temps et de l’espace pour l’acquisi-

tion sont choisis conformement aux analyses faites lors de la simulation numérique.
Un moniteur vidéo reliant à la caméra infrarouge permet de suivre l’évolution de la
cartographie thermique. Cette visualisation permet d’observer la condition de nullité
du flux sur la surface x = L. En fait, si une variation de température est engendrée
par un apport de chaleur , alors on peut conclure qu’il n’y a pas d’apport de flux de
chaleur si la température reste constante et égale à T (L, 0) en x = L.
Le montage expérimental pour les mesure des champs de température est donné par
la figure (VI.5).

Fig. VI.5 – Montage Expérimental

VI.5. POLYMÈRES TRANSLUCIDE, SEMI-AMORPHE ET AMORPHE
ÉTUDIÉS 127

VI.5 Polymères translucide, semi-amorphe et amorphe étudiés

La caractérisation sur trois polymères pour lesquels les paramètres thermophy-

siques sont connus. L’objectif est donc de retrouver ces valeurs fournies par les
fabricants à partir des mesures de champs de température.
Les polymères homogènes et isotropes étudiés sont : le polyméthylméthacrylate de
méthyl (PMMA) d’appelation courante plexiglass et le polyéthylène.
Au moins deux essais ont été effectués sur chacune des éprouvettes de polyéthylène
d’épaisseurs différentes de formes parallélépipédiques. La géométrie de l’échantillon
et l’axe des coordonnées sont bien choisies afin de décrire le problème de conduction
en cordonnées cartésiennes en dimension un.
Notons que les dimensions des échantillons sont telles que les pertes latérales et sur-
faciques peuvent être négligeables, comme le suppose le modèle théorique.
Enfin, ces échantillons présentent les caractéristiques physiques suivantes : homogé-
néité et isotropie.
Voici les caractéristiques fournies par les fabricants. Seule la masse volumique de ces
matériaux est précise. La conductivité thermique k et la capacité thermique c ne
sont pas précises. L’épaisseur de l’éprouvette est notée e.
? polyéthylène semi-amorphe (transparent) d’épaisseur e = 1 mm, de longueur
L = 9,4 cm et de largeur l = 6,4 cm :
ρ = 1300 kg/m3
c = 1200 à 1350 J/kg/◦ C
k = 0, 15 à 0, 4 W/m/◦ C
? polyéthylène d’épaisseur e = 2,25 mm, de longueur L = 9,1 cm et de largeur l
= 2,75 cm
ρ = 940 kg/m3
c = 1900 à 1350 J/kg/◦ C
k = 0, 42 à 0, 51 W/m/◦ C
? plexiglas (PMMA) amorphe d’épaisseur e = 6.12 mm, de longueur L = 14.5
cm et de largeur l = 4.5 cm :
ρ = 1190 kg/m3
c = 1400 à 1500 J/kg/◦ C
k = 0, 17 à 0, 19 W/m/◦ C
128 VI. Identification de Paramètres Thermophysiques de Polymères

VI.6 Traitement des images infrarouges

VI.6.1 Historique des types de lissage

Le bruit des images infrarouges (±0, 02◦ C sur la température relative) peut pro-
venir du type de détecteur, des réflexions parasites à la surface du matériau ou du
matériau lui-même. Le fait de calculer les dérivées successives engendre du bruit
supplémentaire. Un lissage devient donc indispensable. Il existe plusieurs méthodes
permettant d’améliorer les images afin d’obtenir les meilleures informations pos-
sibles.

VI.6.1.1 Lissage par moindre carré

Cette méthode consiste à approcher la carte de température par un polynôme

du second degré en x à l’instant t. Le lissage du champ de température est tout à
fait convenable, en revanche les dérivées successives sont mal estimées.

VI.6.1.2 Filtrage par convolution

Les hautes fréquences constituant le bruit sont éliminées en multipliant dans le

domaine spectral la transformée de Fourier de la température par un filtre donné.
Cette multiplication dans le domaine spectral correspond à un produit de convolution
dans le domaine réel.
Une fenêtre de convolution φ est définie (fenêtre de Hamming, fenêtre de Gauss,etc.) ;
elle introduit une fréquence de coupure. L’opération suivante permet d’effectuer le
filtrage de la température θ :

θf = Re T F −1 (N.T F (θ).T F (φ))

 

T F et T F −1 correspondent respectivement à la transformée de Fourier et à la trans-

formée de Fourier inverse du signal considéré. N définit la dimension des données
filtrées, Re est la partie réelle de la transformée de Fourier inverse calculée.
Le laplacien et la dérivée par rapport au temps de la température peuvent être lissés
de la même manière.
Le filtrage par convolution supprime les hautes fréquences du signal ; il permet d’évi-
ter les effets de crénelage. Cependant, la fréquence de coupure ne doit pas être trop
proche de la fréquence du signal. Si le rapport signal sur bruit est trop faible, cette
méthode devient inutilisable.
VI.7. EXPLOITATION DES DONNÉES EXPÉRIMENTALES 129

VI.6.2 Logiciel utilisé

Notre logiciel d’acquisition repose sur deux types de filtrage : filtrage passe-bas
et filtrage temporel. Ce logiciel de filtrage est développé au sein de l’équipe Pho-
tomécanique et Rhéologie du Laboratoire de Mécanique des Solides de l’Université
de Poitiers. Il permet d’avoir la position, les valeurs de la température, les dérivées
temporelles et spatiales (les gradients de température), le temps, etc.

VI.6.2.1 Filtrage passe-bas

Pour éliminer le bruit provenant des dérivées spatiales, un filtre passe-bas clas-
sique peut être appliqué sur la température et ses dérivées spatiales. En dimension
un, le principe du filtrage passe-bas de dimension ν est :
Pν
θ(i, j, t)
θi (t) = l=1 , j = 1, ..., ν ; i = 0, ..., n
ν
L’utilisation d’un filtrage passe-bas avec une taille de filtre trop grande entraîne un
écrasement des valeurs maximales.

VI.6.2.2 Filtrage temporel

En général pour atténuer le bruit engendré par la dérivation par rapport au

temps, un filtrage temporel peut être la solution. L’image filtrée correspond à la
moyenne des ν images précédentes :
Pt
l=t−j θ(i, l)
θi (t) = .
j
Ainsi, les fluctuations entre deux images successives sont atténuées. La taille du filtre
temporel ne doit pas être trop grande non plus car il pourrait y avoir un décalage
et une atténuation par rapport aux phénomènes étudiés.

VI.7 Exploitation des données expérimentales

Les paramètres thermophysiques sont supposés indépendants de la température.

Des études dans la litérature ont montré que l’hypothèse d’indépendance n’est pos-
sible que pour de faibles variations de température.
Pour illustrer cette hypothèse, trois expériences ont été effectuées sur chaque éprou-
vette avec des flux de chaleur différents.
130 VI. Identification de Paramètres Thermophysiques de Polymères

Dans les paragraphes suivants, les carthographies et les champs de température

obtenus pour chaque polymère seront dépouillés pour l’estimation des paramètres
thermophysiques.
Rappelons que l’algorithme d’identification développé dans le chapitre précédent
est utilisé pour retrouver les paramètres thermophysiques à partir des champs de
température enregistrés.

VI.7.1 Calcul du flux de chaleur linéique

Dans les conditions expérimentales, le flux de chaleur est la puissance du géné-

rateur électrique. Pour effectuer ce calcul, on dénote par
– R la résistance du fil chauffant,
– r le rayon du fil chauffant,
– l la largeur de la plaque suivant laquelle le fil est placé,
– N le nombre d’enroulement du fil chauffant,
– s = πrN l la surface de contact,
– e l’épaisseur sur laquelle la température a été moyennée.
La puissance par unité de surface qs est donnée par la relation

P Ri2
qs = =
s πrN l

La puissance qM fournie à l’épaisseur sur laquelle la température est moyennée et

s’identifie par
Pe Ri2 e
qM = =
s πrN l
La puissance du générateur est supposée répartie de manière égale dans les deux
plaques. Finalement la puissance q fournie à une seule plaque est la moitié de la
puissance moyenne
Ri2 e
q= (VI.4)
2πrN l
La puissance réelle fournie à chaque plaque est ainsi calculée. Nous venons de déter-
miner la puissance par unité de longueur puisque les champs de température sont
unidimensionnels.
Les travaux de DEA de A. Germaneau [52] donnent une précision de l’ordre de
5% du flux de chaleur.
VI.7. EXPLOITATION DES DONNÉES EXPÉRIMENTALES 131

VI.7.2 Paramètres thermophysiques du polyméthylméthacrylate

Le polyméthylméthacrylate de méthyl (PMMA ou le plexiglass) souvent nommé

"acrylique", est utilisé notamment dans la fabrication d’éviers, de baignoires, de
systèmes d’affichage, de lentilles et de vitrages, en particulier pour l’aviation.
Ces propriétés lui confèrent de nombreuses utilisations :
– enseignes, bandeaux lumineux, panneaux signalétiques et publicitaires,
– PLV, présentoir, gravure, ameublement, agencement de magasin, décoration,
– pièces industrielles,
– accessoires de sécurité,
– balle de contact,
– prothèse dentaire,
– membranes pour hémodialyseurs.
Il peut remplacer le verre dans la fabrication de vitres car il permet une excellente
transmission de la lumière. Il transmet jusqu’à 92% de la lumière visible, soit plus
que le verre. Pour sa résistance aux ultra-violets, il est utilisé pour les vitrages, les
protections de tuiles ou certains éléments de voiture (feux arrières).
Les surfaces de PMMA montrent une grande dureté, difficilement rayable, ainsi
qu’une bonne résistance aux produits chimiques. C’est aussi le matériau idéal pour
les parois transparentes des grands aquariums devant supporter la pression de plu-
sieurs tonnes d’eau.
Malgré ces avantages, le PMMA est assez fragile et brûle très facilement. Il a une
faible résistance aux solvants, particulièrement aux carburants.
Deux tests ont été effectués à des puissances différentes. Les cartographies ther-
miques sont annalysées afin d’estimer les paramètres thermophysiques k et ρc.

VI.7.2.1 Cartographies expérimentales

Fig. VI.6 – Carte Thermique du Plexiglass

L’éprouvette constituée de deux plaques identiques est chauffée avec des intensi-
tés de courant différentes. La carte thermique (VI.6) prise au cours du temps donne
la température à la surface de l’éprouvette. La température initiale du spécimen
enregistrée par la caméra infrarouge est de l’ordre de 20◦ C.
132 VI. Identification de Paramètres Thermophysiques de Polymères

VI.7.2.2 Identification des paramètres thermophysiques du plexiglass

Les champs de température exploités pour estimer les paramètres thermophy-

siques sont donnés par la figure VI.7. Les températures sont relevées suivant un

Fig. VI.7 – Champs de température pour le Plexiglass

axe (O, x) en se plaçant au milieu de l’éprouvette. Les champs de température

sont des écarts ou des variations de température suivant l’axe (O, x). La condi-
tion k∂T /∂x = 0 pour x = L ; si tel n’était pas le cas, on devrait avoir une variation
de la température en x = L et qui serait visible sur la figure VI.8 par une variation
de température.
 VI.7.

Fig. VI.8 – Profils de température dans le Plexiglass pour q = 256W/m ; seuls les champs de température relevés sur
la partie [0, 20] mm ont été exploités.
EXPLOITATION DES DONNÉES EXPÉRIMENTALES
133
134 VI. Identification de Paramètres Thermophysiques de Polymères

Paramètres k(W/m/◦ C) ρc(J/m3 /◦ C)

Valeurs Fabricants 0, 17 − 0, 19 (1, 666 − 1, 785) 106
Valeurs Identifiées q = 396, 99 W/m 0, 181 ± 0, 007 (1, 692 ± 0, 068)106
q = 256, 35 W/m 0, 1806 ± 0, 004 (1, 685 ± 0, 06)106

Tab. VI.1 – Valeurs identifiées des paramètres thermophysiques du plexiglass

Comme le montre le tableau VI.1, les valeurs estimées pour les paramètres thermo-
physiques ρc et k du plexiglass sont concordantes avec les données du fabricant. La
sensibilité de ρc et k n’est pas importante à la variation de température. Ceci peut
confirmer l’hypothèse selon laquelle les paramètres thermophysiques ρc et k pour de
faibles variations de température sont des constantes.

VI.7.3 Paramètres thermophysiques du polyéthylène transparent

VI.7.3.1 Champs de température exploités

Le polyéthylène transparent est inerte, facile à manier et résistant au froid. Le

polyéthylène est thermoplastique ; c’est le plastique le plus employé dans la vie quo-
tidienne. Il compose notamment la moitié des emballages plastiques. L’utilisation la
plus visible du polyéthylène, abrégé PET, est la fabrication de sacs plastiques.
Il est aussi très apprécié par de très grandes entreprises. Par exemple, la fonte grise
a été utilisée à partir des années 1940, et jusqu’à la fin des années 1960, pour consti-
tuer le réseau de distribution du gaz.
Depuis 1980, Gaz de France remplace systématiquement les canalisations en fonte
grise par des canalisations en polyéthylène. Ce matériau présente en effet toutes les
qualités requises pour la distribution du gaz : solidité et souplesse.
Les champs de température expérimentaux exploités sont donnés par la figure
VI.9. Il s’agit des écarts de température suivant un segment [0, L] à la surface de
l’éprouvette en fonction du temps.

Fig. VI.9 – Champs de température pour le PET transparent

 VI.7.

Fig. VI.10 – Profils de température du PET transparent pour q = 435, 15W/m.

EXPLOITATION DES DONNÉES EXPÉRIMENTALES
135
136 VI. Identification de Paramètres Thermophysiques de Polymères

VI.7.3.2 Identification des paramètres thermophysiques du

polyéthylène transparent

Paramètres k(W/m/◦ C) ρc(J/m3 /◦ C)

Valeurs Fabricants 0, 42 − 0, 51 1, 786 106
q = 435, 35W/m 0, 422 ± 0, 012 (1, 787 ± 0, 053)106
Valeurs Identifiées q = 104, 83W/m 0, 153 ± 0, 06 (1, 558 ± 0, 32)106
q = 1749, 35W/m 0, 51 ± 0, 017 (1, 747 ± 0, 074)106

Tab. VI.2 – Valeurs identifiées des paramètres thermophysiques du PET transparent

Les résultats obtenus sur trois essais sur polyéthylène transparent sont dans le ta-
bleau VI.2.
Pour une quantité de chaleur linéique q = 104, 15 W/m, les valeurs estimées des pa-
ramètres thermophysiques sont très mauvaises. Nous expliquons cette situation par
la très faible variation de la température qui rend le système (V.17) non résoluble.
En effet, d’une part, la première composante A11 de la matrice A est calculée avec
le vecteur gradient de température :
Z tf
dθ dθ
A11 = hC , C idt.
0 dt dt
Le profil du gradient de température est donné par la figure VI.11 ; le produit scalaire
hCdθ/dt, Cdθ/dti est de l’ordre de 10−6 , donc la composante A11 presque nulle.
D’autre part, nous avons
Z tf
A22 = hKθ(t), Kθ(t)idt,
0

et le produit de K par tout vecteur colinéaire au vecteur de composantes toutes

égales à 1 est le vecteur nul. La quantité de chaleur q étant très faible, la variation
de la température d’un instant t à un instant t + ∆t est presque nulle (même sans
passer par un lissage du gradient), du coup le vecteur θ(t) a presque ses composantes
identiques. On a encore dans ces conditions la deuxième composante A22 nulle. SiA11
et A22 sont nulles, il en est de même pour la composante A22 .
 VI.7.

Fig. VI.11 – Profils du gradient de température du PET transparent pour q = 104, 83W/m ; seuls les champs de
température relevés sur la partie [0, 20] mm ont été exploités.
EXPLOITATION DES DONNÉES EXPÉRIMENTALES
137
138 VI. Identification de Paramètres Thermophysiques de Polymères

Rappelons que les paramètres sont obtenus par la résolution de Au = f . Mais la

matrice A étant presque nulle donc non inversible, on ne peut pas résoudre l’équation
Au = f afin d’avoir les paramètres k et ρc.
Le champ de température du polyéthylène transparent obtenu pour le flux de chaleur
linéique q = 104, 83W/m (voir figure VI.9) est très fortement bruté. En effet, les
variations de température étant relativement faibles, le champ de température est
dominé par les bruits des mesures. Ceci peut expliquer aussi les mauvais résultats
obtenus par l’algorithme d’identification.
Pour des flux de chaleur linéiques q = 435, 15 W/m et q = 1739, 25 W/m, la
chaleur volumique ρc est presque invariante. Par contre la conductivité thermique
a beaucoup varié pour ces deux expériences. Cela peut s’expliquer par des pertes
au cours des mesures. En effet, la variation de température est de l’ordre de 5, 1◦ C
pendant une durée de 224, 87s pour q = 435, 15 W/m alors qu’elle est de 20, 21◦ C
pendant 160, 24s pour q = 1739, 25 W/m. La variation de la conductivité thermique
serait due alors à la forte diffusion pouvant entraîner des pertes de chaleur au niveau
de la zone de chauffe par la relation
∂T
−k = q.
∂x
Cette perte n’a pas d’effet significatif sur l’estimatimation de la chaleur volumique
ρc.
Ces résultats montrent comment le rapport signal sur bruit joue beaucoup dans
dans l’exploitation des données expérimentales. Par calcul symbolique, nous avions
constaté (voir V.5) que les paramètres thermophysiques k et ρc sont simultanément
identifiables. Des résultats obtenus dans ce paragraphe, nous concluons que cette
hypothèse n’est vrai que pour des variations considérables de température.

VI.7.4 Paramètres thermophysiques du polyéthylène amorphe

Il a presque les mêmes utilités que le polyéthylène transparent. Ajoutons que ce

polymère est largement connu sous forme de film orienté biaxialement et stabilisé
thermiquement, appelé plus couramment sous les noms commerciaux Mylar, Melinex
ou Hostaphan. A proprement parlé, ces appellations sont utlisées uniquement quand
il s’agit du film dont les propriétés sont différentes et même supérieures aux PET
"ordinaires".
La figure VI.12 illustre les champs de température expérimentaux suivant une ligne
exploités pour l’estimation des paramètres thermophysiques k et ρc.
VI.7. EXPLOITATION DES DONNÉES EXPÉRIMENTALES 139

Fig. VI.12 – Champs de température pour le PET amorphe

Fig. VI.13 – Profils de température pour le PET amorphe pour q = 227W/m ; seuls les champs de température 140

relevés sur la partie [0, 20] mm ont été exploités.

VI. Identification de Paramètres Thermophysiques de Polymères
VI.7. EXPLOITATION DES DONNÉES EXPÉRIMENTALES 141

Les résultats obtenus de l’explotation des champs de température expérimentaux

sont présentés dans le tableau VI.3.
Les valeurs de k (respectivement de ρc) sont presque identiques pour les trois flux
de chaleur.
Pour un flux de chaleur linéique de 1148 W/m, la diffusion est de l’ordre de 9◦ C ; mais
ceci n’a pas influencé sur la conductivité k, contrairement à ce qui a été constaté
pour le polyéthylène amorphe. L’épaisseur des éprouvettes joue beaucoup dans le
contrôle de la puissance électrique envoyée. Plus l’épaisseur est grande, mieux on
arrive à poser la résistance chauffante entre les deux plaques de polymère.

Paramètres k(W/m/◦ C) ρc(J/m3 /◦ C)

Valeurs Fabricants 0, 15 − 0, 4 (1, 56 − 1, 755) 106
q = 285, 36W/m 0, 316 ± 0, 012 (1, 632 ± 0, 07)106
Valeurs Identifiées q = 1148W/m 0, 302 ± 0.012 (1, 658 ± 0, 07)106
q = 641, 25W/m 0, 310 ± 0, 008 (1, 617 ± 0, 04)106

Tab. VI.3 – Valeurs identifiées des paramètres thermophysiques du PET amorphe

Des tableaux VI.1, VI.2 et VI.3, nous pouvons résumer les incertitudes relatives
obtenues sur les paramètres identifiés dans le tableau VI.4

PMMA ∆k/k 2, 7% 1, 2%
∆ρc/ρc 3, 01% 2, 6%
PET transparent ∆k/k 1, 8% 2, 9% 2, 3%
∆ρc/rhoc 2% 19, 5% 3, 2%
PET Amorphe ∆k/k 2, 8% 3% 1, 6%
∆ρc/rhoc 3, 3%% 3, 2% 1, 5%

Tab. VI.4 – Incertitudes relatives sur la caractérisation des polymères

Nous constatons que les paramètres thermophysiques k et ρc sont déterminés à

partir de champs de température expérimentaux avec des incertitudes relatives de
142 VI. Identification de Paramètres Thermophysiques de Polymères

l’ordre de 3%. Les incertitudes relatives calculées sur k sont beaucoup plus faibles
dans le cas expérimental que dans le cas simulé. Selon une loi édictée par Fourier,
le flux de chaleur est proportionnel au gradient de température et le coefficient
de proportionnalité est égal à la conductivité thermique. Le bruit extrême sur les
données de température non réalistes dans la simulation pourrait se répercuter sur
la conductivité therùique et il en est de même pour le buit sur le flux de chaleur.

VI.8 Conclusion

L’identification des paramètres thermophysiques k et ρc à partir de champs de

température que nous proposons se compose des étapes suivantes :
(i) Fabrication des éprouvettes et mise au point d’un dispositif expérimental conforme
au modèle élaboré,
(ii) Maîtrise de l’utilisation d’une caméra infrarouge permettant d’acquérir suffisam-
ment de données très légèrement bruitées,
(iii) Capacité d’exploitation de ces données,
(iv) Mise en œvre d’un algorithme permettant d’identifier simultanément les deux
paramètres thermophysiques.
L’algorithme d’identification développé dans le chapitre V permet donc la caractéri-
sation des polymères homogènes et isotropes. Cette caractérisation peut s’effectuer
sur d’autres matériaux isotropes et homogènes.
Il est très important de bien contrôler le flux de chaleur à la surface de chauffe, et
d’avoir une variation assez raisonnable de la température dans le matériau : cas du
polyéthylène transparent.
Ces travaux expérimentaux ont permis de valider notre approche d’identification
simultanée de k et ρc. Cette approche est basée sur des techniques d’analyse du
modèle direct, du modèle inverse, de filtrage et de moindres carrés.
Cet algorithme d’identification peut être appliqué aux matériaux isotropes et ho-
mogènes soumis à n’importe quelle source de chaleur pourvu qu’on soit capable
d’estimer la quantité de chaleur de la source et la quantité de chaleur réellement
absorbée par le matériau.
Son application sur des matériaux non homogènes nécessite le développement en 2D.
Conclusion Générale

Dans nos travaux sur les problèmes inverses en mécanique et en thermique, nous
avons présenté les problèmes d’identification de paramètres. Nous avons traité en
particulier l’identification des caractéristiques d’inertie d’un solide rigide en méca-
nique et l’identification de la conductivité thermique et de la chaleur volumique de
matériaux homogènes isotropes en thermique.
Dans le cas de la mécanique, les caractéristiques d’inertie du solide interviennent
linéairement dans les équations du mouvement sans aucune approximation. En ther-
mique, la chaleur volumique intervient linéairement ainsi que la conductivité ther-
mique dans le cas de la loi linéaire isotrope de Fourier.
La procédure qui a conduit aux identifications se résume en quatre étapes :
(i) Etudier théoriquement le caractère identifiable des paramètres mécaniques ou
thermophysiques du problème inverse.
(ii) Tenir compte des propriétés des matrices et vecteurs décrivant le problème
inverse : si les paramètres à identifier se regroupent dans une matrice symétrique
et positive, il faut tenir compte de la positivité de la matrice dans le processus de
minimisation par la technique des moindres carrés.
(iii) Valider le modèle inverse à partir des simulations des données conformes à
des conditions expérimentales.
(iv) Filtrer les mesures expérimentales afin de ne retenir que des matrices et des
vecteurs de mesure peu bruités.
L’application de ces démarches nous a permis d’identifier les caractéristiques
d’inertie d’un solide rigide. L’identification de ces paramètres est facilitée par la
formulation matricielle des équations du mouvement du solide. Les caractéristiques
d’inertie regroupées dans une matrice 4 × 4 symétrique (tenseur d’inertie de Poinsot
généralisé) sont identifiées par application d’un algorithme du type gradient conjugué
projeté.
144

En thermique, nous avons commencé par résoudre le problème direct par la

technique des éléments finis afin de réduire l’équation aux dérivées partielles de
conduction de la chaleur à un système différentiel ordinaire, facilement résolvable
numériquement à cause de sa linéarité. L’algorithme de résolution du problème direct
en dimension 1 combine la discrétisation spatiale par la technique des éléments finis
et l’intégration temporelle par la technique des trapèzes généralisées.
Le problème inverse est posé indirectement : au lieu de chercher à identifier les
paramètres thermophysiques sur l’équation aux dérivées partielles de Fourier, nous
avons cherché à identifier les paramètres thermophysiques sur l’équation différentielle
ordinaire obtenue après discrétisation par éléments finis.
L’algorithme d’identification est basé sur des techniques des moindres carrés. Notre
méthode des moindres carrés n’a pas consisté à minimiser des carrés des différences
des solutions obtenues par séries et des solutions obtenues expérimentalement. Nous
avions cherché directement à déterminer la conductivité et la chaleur volumique qui
rendent le système linéaire résoluble. Faisant ainsi, nous avons utilisé la linéarité de
ces paramètres. L’équation de conduction de la chaleur et sa forme discrétisée par
éléments finis sont linéaires par rapport à la conductivité thermique et la chaleur
volumique. L’efficacité de cet algorithme est validée sur des champs de température
simulés. La simulation est faite par l’algorithme de résolution du problème direct.
La mesure de champs de température expérimentaux utilise un dispositif com-
posé essentiellement d’une caméra infrarouge, d’un générateur électrique et de deux
éprouvettes. Une première éprouvette sur laquelle est effectuée les mesures est com-
posée de deux blocs de matériaux identiques séparés par une résistance chauffante,
et une seconde éprouvette, appelée éprouvette temoin permet la régularisation des
fluctuations dans la salle. Ce dispositif nous a permis un suivi en temps réel de la
diffusion dans le matériau et une acquisition importante d’images sans détruire la
géométrie des éprouvettes.
Nous avons bénéficié du savoir-faire de notre équipe Photomécanique et Rhéolo-
gie dans le filtrage des données expérimentales par des programmes de traitement
d’images. Ainsi, les matrices de mesures et les vecteurs de mesures obtenus après
ces filtrages sont très peu bruités.
L’algorithme de résolution du problème inverse en thermique nous a permis d’iden-
tifier la conductivité thermique et la chaleur volumique à partir des champs de
température mesurés expérimentalement.
Nos travaux numériques et expérimentaux valident notre approche d’identifica-
Conclusion Générale 145

tion :
1. Modélisation du phénomène mécanique ou thermique
2. Etude et construction d’un algorithme de résolution du problème direct
3. Etude et construction d’un algorithme de résolution du problème inverse
4. Validation de l’algorithme du problème inverse à partir de simulations
5. Application de l’algorithme du problème inverse à des mesures expérimentales.
En mécanique les perspectives concernent l’extension d’identification des carac-
téristiques d’inertie d’un solide à l’identification des caractéristiques d’inertie d’un
système multicorps tel qu’un robot ou un athlète.
En thermique, toujours dans le cadre des lois de Fourier linéaires, nous envisageons
d’étendre notre approche d’identification de paramètres thermophysiques des ma-
tériaux homogènes et isotropes aux matériaux homogènes non isotropes, puis aux
matériaux non homogènes et non isotropes. Nous pensons que cette future approche
pourra se tranférer directement à la caractérisation des capteurs hybrides photovol-
taïques intégrés aux batiments.
146
BIBLIOGRAPHIE 147

Bibliographie

[1] S. Abbasbandy, A. Jafarian et R. Ezzati : Conjugate gradient method

for fuzzy symmetric positive definite system of linear equations. Applied Ma-
thematics and Computation, 171(2):1184–1191, décembre 2005.
[2] Refahi Abou khachfe et Yvon Jarny : Determination of heat sources and
heat transfer coefficient for two-dimensional heat flow - numerical and experi-
mental study. International Journal of Heat and Mass Transfer, 44(7):1309–
1322, avril 2001.
[3] N. E. Aksan : A numerical solution of burgers’ equation by finite element
method constructed on the method of discretization. Appl. Math. Comput.,
170:895–904, 2005.
[4] Nehad Al-Khalidy : On the solution of parabolic and hyperbolic inverse
heat conduction problems. International Journal of Heat and Mass Transfer,
41(23):3731–3740, décembre 1998.
[5] Nehad Al-Khalidy : Analysis of boundary inverse heat conduction problems
using space marching with savitzky-gollay digital filter. International Com-
munications in Heat and Mass Transfer, 26(2):199–208, février 1999.
[6] Ahmed Al-Salaymeh et Moh’d Sami Ashhab : Modelling of a novel hot-
wire thermal flow sensor with neural nets under different operating conditions.
Sensors and Actuators A : Physical, 126(1):7–14, janvier 2006.
[7] Fethi Albouchi, Mourad Fetoui, Fabrice Rigollet, Mohamed Sassi et
Sassi Ben Nasrallah : Optimal design and measurement of the effective
thermal conductivity of a powder using a crenel heating excitation. Interna-
tional Journal of Thermal Sciences, 44(11):1090–1097, novembre 2005.
[8] M. O. Alifanov : Inverse Heat Transfer Problems. Springer-Verlag, 1990.
148 BIBLIOGRAPHIE

[9] Anis Ammous, Faycal Sellami, Kaicar Ammous, Herve Morel, Bruno Al-
lard et Jean-Pierre Chante : Developing an equivalent thermal model for
discrete semiconductor packages. International Journal of Thermal Sciences,
42(5):533–539, mai 2003.
[10] Dominique Baillis et Jean-Fran¸cois Sacadura : Thermal radiation proper-
ties of dispersed media : theoretical prediction and experimental characteriza-
tion. Journal of Quantitative Spectroscopy and Radiative Transfer, 67(5):327–
363, décembre 2000.
[11] D. Balageas, L. : Nouvelle méthode d’interprétation des thermogrammes
pour la détermination de la diffusivité thermique par la méthode impulsionnelle
(méthode "flash"). Revue [Link]., 17(4):227–237, 1982.
[12] D. L. Balageas : Nouvelle méthode d’interprétation des thermogrammes
pour la détermination de la diffusivité thermique par la méthode impulsionelle.
Rev. Phys. Appl., 17:227–237, 1982.
[13] A.G. Bell : Upon the production of sound by radiant energy. Phil Mag,
11:510 – 528, 1881.
[14] Rachid Bennacer, Abdelwahab Tobbal, Hassen Beji et Patrick Vasseur :
Double diffusive convection in a vertical enclosure filled with anisotropic porous
media. International Journal of Thermal Sciences, 40(1):30–41, janvier 2001.
[15] MaItine Bergounioux et Fulbert Mignot : Contrôle dans les inéquations
et multiplicateurs de lagrange. Comptes Rendus de l’Académie des Sciences -
Séries I - Mathematics, 329(7):607–612, octobre 1999.
[16] S. Boyd et L. Vandenberghe : Convex Optimization. Cambridge University
Press, 2004.
[17] Haïm Brezis : Analyse fonctionnelle : Théories et applications. 1983.
[18] Jean Cea : Optimisation : théories et algorithmes. DUNOD, 1971.
[19] F. Cernuschi, P.G. Bison, A. Figari, S. Marinetti et E. Grinzato :
Thermal diffusivity measurements by photothermal and thermographic tech-
niques. International Journal of Thermophysics, 25(2):439–457, 2004.
[20] Karine Champion-Réaud : Méthode d’étude des vibrations d’un système
mécanique non basée sur le calcul de ses modes propres. Thèse de doctorat,
École Normale Supérieure de l’Aéronautique et de l’Espace, 2002.
BIBLIOGRAPHIE 149

[21] H.-T. Chen, S.-Y. Lin, H.-R. Wang et L.-C. Fang : Estimation of two-sided
boundary conditions for two-dimensional inverse heat conduction problems.
International Journal of Heat and Mass Transfer, 45(1):15–23, 2002.
[22] Y. Chen et J.E. McInroy : Estimating symmetric, positive definite ma-
trices in robotic control. In Proceedings - IEEE International Conference on
Robotics and Automation, volume 4, pages 4269–4274, Dept. of Comp. Sci.
and Engineering, Penn. State University, University Park, PA 16801, United
States, 2002.
[23] André Chrysochoos* et Robert Peyroux : Analyse expérimentale et modé-
lisation numérique des couplages thermomécaniques dans les matériaux solides.
Rev. Gén. Therm., 37:582–606, 1998.
[24] King-wah Eric Chu : Symmetric solutions of linear matrix equations by matrix
decompositions. Linear Algebra and its Applications, 119:35–50, juillet 1989.
[25] P. G. Ciarlet : Introduction a l’analyse numérique matricielle et à l’optimi-
sation. MASSON, 1982.
[26] Damien Claire, Stephane Roux et Fran¸cois Hild : Identification de conduc-
tivités thermiques et de propriétés élastiques locales par analyse de champs :
Identification of thermal conductivities and elastic properties by field analyses.
Mecanique & Industries, 4(6):655–665, 2003.
[27] R. Coquard, D. Baillis et D. Quenard : Experimental and theoretical
study of the hot-wire method applied to low-density thermal insulators. Inter-
national Journal of Heat and Mass Transfer, 49(23-24):4511–4524, novembre
2006.
[28] S. André D. Maillet et A. Degiovanni : Les erreurs sur la diffusivité
thermique mesurée par méthode flash : confrontation théorie-expérience. J.
Phys. III France, 3:883–809, 1993.
[29] B. Daccorogna : Introduction au calcul des variations. Presses Polytech-
niques et Universitaires Romandes, 1992.
[30] A. J. Davies : Finite Element methods : A First Approch. Clarendon Press.
Oxford, 1980.
[31] A. Degiovanni : Correction de longueur d’impulsion pour la mesure de la
diffusivité thermique par méthode flash. International Journal of Heat and
Mass Transfer, 30(10):2199–2200, octobre 1987.
150 BIBLIOGRAPHIE

[32] A. Degiovanni et C. Moyne : Conductivité thermique de matériaux poreux

humides : évaluation théorique et possibilité de mesure : Thermal conductivity
of porous wet bodies : Theoretical examination and measurement feasibility.
International Journal of Heat and Mass Transfer, 30(11):2225–2245, novembre
1987.
[33] Alain Degiovanni : Conductuvité et diffusivité thermique des solides, 2002.
[34] Y.-B. Deng, X.-Y. Hu et L. Zhang : Least squares solution of bxat = t over
symmetric, skew-symmetric, and positive semidefinite x. SIAM Journal on
Matrix Analysis and Applications, 25(2):486–494, 2004.
[35] Dan Dimitriu : Modélisation dynamique des systèmes articulés par des vec-
teurs translations et des matrices rotation. Prise en compte des rigidité par
des multiplicateurs de Lagrange. Simulation du mouvement à l’aide d’un code
C ++ . Thèse de doctorat, Université de Poitiers, 2003.
[36] A. P. Donald : Optimization theory with applications. Dover Publications,
INC, 1986.
[37] Gregory A. Dorai et Daniel A. Tortorelli : Transient inverse heat conduc-
tion problem solutions via newton’s method. International Journal of Heat and
Mass Transfer, 40(17):4115–4127, octobre 1997.
[38] Wilson Nunes dos Santos : Thermal properties of melt polymers by the hot
wire technique. Polymer Testing, 24(7):932–941, octobre 2005.
[39] Jean-Christophe Dupré : Traitement et analyse d’images pour la mesure de
grandeurs cinématiques, déplacements et déformations à partir de la granula-
rité laser et de réseaux croisés, et pour l’étude de couplages thermomécaniques.
Thèse de doctorat, Université de Poitiers, 1992.
[40] J. Erhel et F. Guyomarc’h : An augmented conjugate gradient method for
solving consecutive symmetric positive definite linear systems. SIAM Journal
on Matrix Analysis and Applications, 21(4):1279–1299, 2000.
[41] M. Fayet et F. Pfister : Analysis of multibody systems with direct coor-
dinates and global inertia tensor. European Journal Of Mechanics, A/Solids,
13:431–457, 1994.
[42] Michel Fayet et Marc Renaud : Quasi-minimal computation under an explict
form of the inverse dynamic model of a robot manipulator. Mechanism &
Machine Theory, 24(3):165–174, 1989.
BIBLIOGRAPHIE 151

[43] Cristina Ferreira et Fernando C. Silva : Inertia theorems for pairs of ma-
trices. Linear Algebra and its Applications, 381:37–52, avril 2004.

[44] Cristina Ferreira et Fernando C. Silva : Inertia theorems for pairs of ma-
trices, ii. Linear Algebra and its Applications, 413(2-3):425–439, mars 2006.

[45] Ali Fguiri, Naouel Daouas, Naceur Borjini, M-Sassi Radhouani et Ha-
bib Ben Aissia : Experimental inverse analysis for the determination of boun-
dary conditions in the parallel hot wire technique. Experimental Thermal and
Fluid Science, 31(3):209–220, janvier 2007.

[46] R. Fletcher : Semi-definite matrix constraints in optimization. SIAM Jour-

nal on Control and Optimization, 23(4):493–513, 1984.

[47] Mauri Fortesa et Wanyr Romero Ferreirab : The one-dimensional tran-

sient diffusional method : finite element adaptive solutions to convection-
diffusion problems. International Journal of Thermal Sciences, 38(9):780–796,
octobre 1999.

[48] Alessandro Franco : An apparatus for the routine measurement of thermal

conductivity of materials for building application based on a transient hot wire
method. Applied Thermal Engineering, In Press, Accepted Manuscript:–.

[49] S. Lima Frederico, R., Guts Saulo, R. Alisson, Machado et Guimarães

Glimar : An inverse heat transfer problem for restoring the temperature field
in a polymer melt flow through a narrow channel. International Journal of
Thermal Sciences, 41(6):528–535, mai 2002.

[50] T. Gallouet et R. Herbin : Convergence of linear finite elements for diffu-

sion equations with measure data. Comptes Rendus Mathematique, 338(1):81–
84, 2004.

[51] V.A. Garanzha : Quasi-isometric surface parameterization. Applied Nume-

rical Mathematics, 55(3):295–311, novembre 2005.

[52] Arnaud Germaneau : étude des dissipations thermiques - application aux

polymères. Mémoire de D.E.A., Université de Poitiers, 2004.

[53] Manuel Girault, Stephanie Derouineau, Jacques Salat et Daniel Petit :

Reduction de modele en convection naturelle par une methode d’identification.
Comptes Rendus Mecanique, 332(10):811–818, octobre 2004.
152 BIBLIOGRAPHIE

[54] Claire Gobbé, Sébastien Isernaa et Bruno Ladevie : Hot strip method :
application to thermal characterisation of orthotropic media. International
Journal of Thermal Sciences, 43(10):951–958, octobre 2004.
[55] G Golub, H. et F. Van Loan, C. : Matrix Computations, Third Edition.
The Johns Hopkins University Press, 1996.
[56] C. Goncalves, V., O. L. VILARINHO, A. SCOTTI et GUIMARÃES :
Estimation of heat ant thermal efficiency in gtaw process bys using inverse
techniques. Journal of Materials Processing Technology, 172:42–51, 2006.
[57] M.D. Greenberg : Foundation of applied mathematics. CPrentice-Hall, Inc.,
Englewood Cliffs, New York 07632, 1978.
[58] Allaire Gregoire : Analyse numérique et optimisation. 2005.
[59] E. Hensel : Inverse Theory and Applications for Engineers. Prentice Hall,
Englewood Cliffs, New Jersey 07632, 1990.
[60] Nicholas J. Higham : Computing a nearest symmetric positive semidefinite
matrix. Linear Algebra and its Applications, 103:103–118, mai 1988.
[61] Nicholas J. Higham : Symmetric procrustes problem. BIT (Copenhagen),
28(1):133–143, 1988.
[62] Dai Hua : Completing a symmetric 2 x 2 block matrix and its inverse. Linear
Algebra and its Applications, 235:235–245, mars 1996.
[63] Cheng-Hung Huang et Yan Jan-Yuan : An inverse problem in simulta-
neously measuring temperature-dependent thermal conductivity and heat ca-
pacity. International Journal of Heat and Mass Transfer, 38(18):3433–3441,
décembre 1995.
[64] Peter Ireman et Quoc-Son Nguyen : Using the gradients of temperature
and internal parameters in continuum thermodynamics. Comptes Rendus Me-
canique, 332(4):249–255, avril 2004.
[65] Kazufumi Ito et Karl Kunisch : Parabolic variational inequalities : The
lagrange multiplier approach. Journal de Mathematiques Pures et Appliques,
85(3):415–449, mars 2006.
[66] Y. Jarny, M. N. Ozisik et J. P. Bardon : A general optimization method
using adjoint equation for solving multidimensional inverse heat conduction.
International Journal of Heat and Mass Transfer, 34(11):2911–2919, novembre
1991.
BIBLIOGRAPHIE 153

[67] Bergheau Jean-Michel et Fortunier Roland : Simulation numérique des

transferts thermiques par éléments finis. Lavoisier, 2004.
[68] L. Jódar, J. Pérez et R. Villanueva, J. : Analytic and numerical solution
of coupled implicit semi-infinite diffusion problems. Computers & Mathematics
with Applications, 41(3-4):447–459, février 2001.
[69] N. Kikuchi : Finite elemant methods in mechanics. Cambridge University
Press, 1986.
[70] K. Kurpisz et J. A. Nowak : Inverse Thermal Problems. Computational
Mechanics Publications, 1995.
[71] Patrick Lacoste : La condensation de la matrice masse, ou mass-lumping,
pour les éléments finis mixtes de raviart-thomas-nedelec d’ordre 1. Comptes
Rendus Mathematique, 339(10):727–732, novembre 2004.
[72] G. Legnani, F. Casolo, P. Righettini et B. Zappa : A homogeneous
matrix paproach to 3d kinematics and dynamics - i. theory. Mech. Mach.
Theory, 31(5):573–587, 1996.
[73] A.N.-P. Liao, Z.-Z. Bai et Y. Lei : Best approximate solution of matrix
equation axb + cyd = e. SIAM Journal on Matrix Analysis and Applications,
27(3):675–688, 2005.
[74] H. L. Lynn et S. Shlomo : Advanced Calculs. Addison-Wesley Publishing
Company, 1968.
[75] O.L. Mangasarian : Knowledge-based linear programming. SIAM Journal
on Optimization, 15(2):375–382, 2005.
[76] J. Martinet : Contribution a l’étude de la thermocinétique : les méthodes
transitoires et leurs applications. Publications Scientifiques et Techniques du
Ministère de l’Air, 1962.
[77] J. Martinet : Thermocinétique approfondie. Lavoisier, 1990.
[78] A. D. Murio : On the estimation of the boundary temperature on a sphere
from measurement at its center. Journal of Comput. and Appl. Math., 8:111–
119, 1982.
[79] Diego A. Murio : On the characterization of the solution of the inverse heat
conduction problem. In American Society of Mechanical Engineers (Paper),
pages –, Univ of Cincinnati, Dep of, Mathematical Sciences, Cincinnati„ OH,
154 BIBLIOGRAPHIE

USA, Univ of Cincinnati, Dep of Mathematical Sciences, Cincinnati, OH, USA,

1985.
[80] Diego A. Murio : Parameter selection by discrete mollification and the nu-
merical solution of the inverse heat conduction problem. Journal of Compu-
tational and Applied Mathematics, 22(1):25–34, avril 1988.
[81] Diego A. Murio : Solution of inverse heat conduction problems with phase
changes by the mollification method. Computers & Mathematics with Appli-
cations, 24(7):45–57, octobre 1992.
[82] Alberto Muscio, Paolo G. Bison, Sergio Marinetti et Ermanno Grin-
zato : Thermal diffusivity measurement in slabs using harmonic and one-
dimensional propagation of thermal waves. International Journal of Thermal
Sciences, 43(5):453–463, mai 2004.
[83] W.J. Parker, R.J. Jenkins, C.P. Butler et G.L. Abbett : Flash method
of determination thermal diffusivity, heat capacity and thermal conductivity.
J. Appl. Phys., 32:1679–1684, 1961.
[84] E. Polak : Computational methods in optimization - a Unified Approch.
Academic Press, New York and London, 1971.
[85] P. A. Raviart et J. M. Thomas : Introduction à l’analyse numérique des
equations aux dérivées partielles. MASSON, 1983.
[86] J.F. Sacadura : Initiation aux transferts thermiques. 1978.
[87] Lionnel Sainsaulieu : Calcul scientifique : Cours et exercices corigés. Edition
2, Dunod, Paris, 2000.
[88] J.B. Saulnier, P. Dauron et J. Martinet : [quelques aspects nouveaux de
la methode flash.]. Entropie, 11(64):44–51, 1975.
[89] J.L. Saurel : Etude thermomécanique d’une famille d’élastomères thermo-
plastiques. Thèse de doctorat, Université de Montpellier II, 1999.
[90] A. J. Silva Neto et M. N. Ozisik : An inverse problem of simultaneous
estimation of radiation phase function, albedo and optical thickness. Journal
of Quantitative Spectroscopy and Radiative Transfer, 53(4):397–409, avril 1995.
[91] Janusz Skorek : Applying the least squares adjustment technique for solving
inverse heat conduction problems, 1991.
[92] J.-M. Souriau : Calcul Linéaire, Tome 1. Presses Universitaires de France,
1964.
BIBLIOGRAPHIE 155

[93] J.-M. Souriau : Calcul Linéaire, Tome 2. Presses Universitaires de France,

1964.
[94] Tatiana Sramkova et Torgrim Log : Using non-linear [chi]2 fit in flash
method. International Journal of Heat and Mass Transfer, 38(15):2885–2891,
octobre 1995.
[95] Pyk S. Stalhane, B. : New method of measuring thermal conductivity coef-
ficients. Teknish Tidskrift, Volume 61:339–393, 1931.
[96] Charles Sylvain : Mise en place d’un dispositif expérimental de caractérisation
du comportement des lames fluides, identification des coefficients dynamiques.
Thèse de doctorat, Université de Poitiers, 2004.
[97] C. Vallée et D. Dumitriu : The lagrange multipliers associated with the
rotation matrix characterizing the motion of a rigid body about its centre of
mass. Journal of Applied Mathematics and Mechanics, 65(5):731–739, 2001.
[98] C. Vallée, A. Hamdouni, F. Isnard et D. Fortuné : The equations of
motion of a rigid body without parametrization of rotations. Journal of Applied
Mathematics and Mechanics, 63(1):25–30, 1999.
[99] C. Vallée, [Link]. Stepanov et S. Charles : Evaluation of the determinant
of identification equations for a linear model of a mechanical vibratory system.
Journal of Applied Mathematics and Mechanics, 69(3):351–357, 2005.
[100] L. Vozar, J. Gembarovic et V. Majernik : New method for data reduction
in flash method. International Journal of Heat and Mass Transfer, 34(4-5):
1316–1318, 1991.
[101] Libor Vozar et Tatiana Sramkova : Two data reduction methods for eva-
luation of thermal diffusivity from step-heating measurements. International
Journal of Heat and Mass Transfer, 40(7):1647–1655, mai 1997.
[102] Jingbo Wang et Nicholas Zabaras : Simulation numérique des transferts
thermiques par éléments finis. International Journal of Heat and Mass Trans-
fer, 48(1):15–29, janvier 2005.
[103] C.P. Butler G.L. Abbett W.J. Parker, R.J. Jenkins : Flash method of
determination thermal diffusivity, heat capacity and thermal conductivity. J.
Appl. Phys, 32:1679 – 1684, 1961.
[104] H. Wong, Y. : Handbook of essential formulae and data on Heat Transfert
for Engineers. Longman Inc., New York, 1977.
156 BIBLIOGRAPHIE

[105] Yongxin Yuan et Hua Dai : Inverse problems for symmetric matrices with a
submatrix constraint. Applied Numerical Mathematics, –:–, –.
[106] S. Zagatti : On the minimum problem for nonconvex scalar functionals.
SIAM Journal on Mathematical Analysis, 37(3):982–995, 2006.
[107] Xing Zhang, Hua Gu et Motoo Fujii : Effective thermal conductivity and
thermal diffusivity of nanofluids containing spherical and cylindrical nanopar-
ticles. Experimental Thermal and Fluid Science, In Press, Corrected Proof:–
4524.
ANNEXE A Calcul des Composantes
des Matrices C et K Issues de la
Discrétisation par Eléments Finis de
l’Equation de Conduction de la
Chaleur

L’équation générale de diffusion de la chaleur dans le matériau est :

∂T (x, t) ∂ 2 T (x, t)
ρc =k (VI.5)
∂t ∂x2
avec condition initiale
T (x, 0) = T0 (x) donnée (VI.6)

et conditions aux limites

∂T
−k = q, x=0 t>0 (VI.7a)
∂x
∂T
k = 0, x = L t > 0. (VI.7b)
∂x
Pour la résolution numérique du problème, la méthode des élélments finis de
Lagrange est utilisée. On considère les fonctions φi définies sur [0, l] à valeurs réelles.
Autrement dit, les fonctions φi sont de la seule variable d’espace x à support compact.
Les fonctions φi correspondant aux graphes de la figure (V.2) sont :

− 1 x + 1 si 0 ≥ x ≥ ζ
ζ
φ0 (x) =
0 sinon
158


1
ζ x + 1 − i si (i − 1)ζ ≤ x ≤ iζ



φi (x) = − ζ1 x + 1 + i si iζ ≤ x ≤ (i + 1)ζ


0

sinon

 1 x − (n − 1) si (n − 1)ζ ≥ x ≥ nζ
φn (x) = ζ
0 sinon
Pour obtenir les matrices C et K et le veteur F, on multiplie directement l’équa-
tion aux dérivées partielles VI.5 par φi (x) puis on l’intègre sur [0, l].
Z l Z l 2
∂T (x, t) ∂ T (x, t)
ρc φi (x)dx = k φi (x)dx (VI.8)
0 ∂t 0 ∂x2
R l 2 T (x,t)
Calculons alors pour tout i compris entre 0 et n, l’intégrale k 0 ∂ ∂x 2 φi (x)dx
Le vecteur temérature θ dans le cadre unidimensionnel a pour composantes :
θi (t) = T (xi , t) θi (0) = T0 (xi ) i = 0, ..., n.
Pour i = 0, par intégration par partie on obtient :
Z l Z l 2
∂T (x, t) ∂ T (x, t)
ρc φ0 (x)dx = k φ0 (x)dx
0 ∂t 0 ∂x2
Z ζ 2
∂ T (x, t)
=k φ0 (x)dx
0 ∂x2
∂T (0, t) k
= −k + (θ1 (t) − θ0 (t))
∂x ζ
De même pour 1 ≤ i ≤ n − 1, l’intégration par parties conduit à :
Z l Z l 2
∂T (x, t) ∂ T (x, t)
ρc φi (x)dx = k φi (x)dx
0 ∂t 0 ∂x2
Z (i+1)ζ 2
∂ T (x, t)
=k φi (x)dx
(i−1)ζ ∂x2
k k k
= θi−1 (t) − 2 θi (t) + θi−1 (t)
ζ ζ ζ
Enfin pour i = n, on obtient :
Z l Z l 2
∂T (x, t) ∂ T (x, t)
ρc φn (x)dx = k φn (x)dx
0 ∂t 0 ∂x2
Z l
∂ 2 T (x, t)
=k φn (x)dx
(n−1)ζ ∂x2
∂T (l, t) k
=k + (θn−1 (t) − θn (t))
∂x p
ANNEXE 159

Ainsi l’équation de diffusion de la chaleur et les conditions aux limites peuvent

s’écrire sous la forme matricielle
 ∂T (0,t) 
 Rζ 
∂x T (x, t)φ0 (x)dx
0
0
 
 R 2ζ
T (x, t)φ1 (x)dx 
  
 .
..
  0
   .. 

.
  . 
..
   



 ∂ 
 .
..


k 0 +
   R 
 (i+1)ζ
 ∂t  (i−1)ζ T (x, t)φi (x)dx 

 .
.. ..
   
.
   
 ..   
 .   .. 
.
   
0
   
  Rl
T (x, t)φn (x)dx
− ∂T∂x (l,t) (n−1)ζ
  
−1 1 0 0 ··· ··· ··· ··· 0 θ0 (t)
  
 1 −2 1 0 ··· ··· ··· ··· 0    θ1 (t) 
 
.. .. .. .. .. .. .. ..   ..

 0 . . . . . . . .  .
 

 . . .
. . . . . . .
 
 . .. .. .. .. .. .. . . ..  ..
 .
 
 
k . .
 . . . . . . .   . 
=  .. .. .. .. .. .. .. . . ..   .. 
ζ  
 ... . . . . . . . . . . . . . . . . . . . . . ...   ..
  
  . 

 .. . . . . . . . . . . . . . .  .
. 
 .
 . . . . . . . 0 
 . 

 0 ··· ··· ··· ··· 0 1 −2 1   θn−1 (t) 
 
 
0 ··· ··· ··· ··· 0 0 1 −1 θn (t)
Pn
Soit T (x, t) = i=0 θi (t)φi (x) ; pour terminer la formulation variationnelle du pro-
Rl
blème, nous allons calculer les intégrales 0 T (x, t)φi (x)dx.

Z l Z l
T (x, t)φ0 (x)dx = T (x, t)φ0 (x)dx
0 0
Z ζ Z ζ
2
= θ0 (t) (φ0 ) (x)dx + θ1 (t) φ1 (x)φ0 (x)dx
0 0
ζ
= [2θ0 (t) + θ1 (t)]
6
Z l Z (i+1)ζ
T (x, t)φi (x)dx = T (x, t)φi (x)dx
0 (i−1)ζ
ζ
= [θi−1 (t) + 4θi (t) + θi+1 (t)]
6
160

Z l Z l
T (x, t)φn (x)dx = T (x, t)φn (x)dx
0 (n−1)ζ
ζ
= [2θn (t) + θn−1 (t)]
6

Le résultat de ces calculs en forme matricielle donne :

 Rζ 
0
T (x, t)φ0 (x)dx
 R 2ζ
T (x, t)φ1 (x)dx

 0 
 .. 

 . 

 .. 
∂  R . 

 (i+1)ζ
∂t  (i−1)ζ T (x, t)φi (x)dx


..
 
.
 
 
 .. 
.
 
 
Rl
(n−1)ζ
T (x, t)φn (x)dx
  
2 1 0 0 ··· ··· ··· ··· 0 θ0 (t)
  
 1 4 1 0 ··· ··· ··· ··· 0   θ1 (t) 
. ... ... ... ... ... ... .   . ..
  
 0 .. .  .
 

 .
 . ... ... .. .. .. .. . . ..   ..
 
 . . . . . . .  .


ζ d  ... . . . . . . .. .. .. .. . . ..   .. 
= ρc . . . . . .   . 
6 dt 
 . .
 
 .. . . . . . . . . . . . . . . . . . . . . ..   ..
 . 

 .

 .. . . ..
. ... ... ... .. .. ..   
 .
 . . . 0 
 .


 0 ··· ··· ··· ··· 0 1 4 1   θn−1 (t) 
  
0 ··· ··· ··· ··· 0 0 1 2 θn (t)
ANNEXE 161

En définissant les matrices carrées (n + 1) × (n + 1)

 
2 1 0 0 ··· ··· ··· ··· 0
 
 1 4 1 0 ··· ··· ··· ··· 0 
.. .. .. .. .. .. . . .. 
 
 0 . . . . . . . . 

 .
 . ... ... ... ... ... .. . . .. 

 . . . . 
ζ .. . . . . . . . . .. 
C = ρc  . . ... ... ... ... . 
6 . .

 .. . . . . . . . . . . . . . . .. . . .. 
 . . . 
 .. . . .. .. .. .. .. .. 
 .
 . . . . . . . 0 
 0 ··· ··· ··· ··· 0 1 4 1 
 
0 ··· ··· ··· ··· 0 0 1 2
 
−1 1 0 0 ··· ··· ··· ··· 0
 
 1 −2 1 0 ··· ··· ··· ···
 0
.. .. .. .. .. .. .. ..
 
 0 . . . . . . . .
 

 . ..
 . ... ... ... ... ... .. ..

 . . 
 . .
k .. . . ..
. ... ... ... ... ... ...

K=−  .  .
ζ . .

 .. .. ... ... ... ... .. ..
 ..
 . 
 . .
 .. . . .. .. .. .. .. ..

 .
 . . . . . .
0  .
 0 ··· ··· ··· ··· 0 1 −2 1 
 
0 ··· ··· ··· ··· 0 0 1 −1
 
q
 
 0 
 .. 
 
 . 
 
et le vecteur n + 1 lignes F = 
 0 

 .. 
 . 
 
 0 
 
0
On peut écrire finalement l’équation générale de diffusion et les conditions aux li-
mites, sous la forme matricielle :
dθ
C + Kθ = F (VI.9)
dt
θ(0) = [T (0, 0), T (ζ, 0) ...T (iζ, 0) ...T (L, 0)]
162
ANNEXE B Calcul des Incertitudes
sur les Paramètres Thermophysiques

Notons par δθ[1 ... 1]T l’incertitude sur le vecteur de température θ(t) et par
δ θ̇[1 ... 1]T l’incertitude sur le vecteur dérivé de température θ̇(t) à tout instant t.
Calcul des incertitudes sur la matrice A et le vecteur f .
Sur la composante A11 , x = y = C θ̇(t) et xj = yj = C θ̇(tj ), j = 1, ..., m − 1.

 
j j
δhx , x i = δ hC θ̇(tj ), C θ̇(tj )i
  
1
  . 
  
  
C  .  , θ̇(tj )i
= 2δ θ̇hC   
  . 
  
1

Pour les composantes A12 et A21 qui sont égales, posons xj = C θ̇(tj ) et yj = Kθ(tj )

 
δhxj , yj i = δ hC θ̇(tj ), Kθ(tj )i
      
1 1 0
  .   .   .
      

      
= δ θ̇hK  C  .  , θ(tj )i car K  .  = 
      . 

.  .   .
      
   
1 1 0

Les composantes des matrices C et K ont été calculées dans la section V.3.1. On
 164

peut vérifier facilement les calculs algébriques

         
1 4 1 −1
  1   11  1 3
         
    
         
  .   12    .   0 
         
  .  3p2  .    .  1  . 
C C   =  = v et K C   =  =w
         
36  .   2 

  .    . . 
         
  .   12    .   0 
         
  1   11  1 3
         
    
1 4 1 −1
De ces calculs, on en déduit les expressions simplifiées des précisions sur les
composantes de la matrice A :
v
um−1
δ θ̇ u X
δA11 = 2 t (hv, θ̇(tj )i)2 (tj+1 − tj )2
L j=1

√ um−1
v
δ θ̇ 2 u X
δA12 = δA21 = t (hw, θ(tj )i)2 (tj+1 − tj )2
tf 2 j=1

δA22 = 0 puisque le noyau de K contient les vecteurs colinéaires au vecteur [1 1 ... 1]T .
Calculons les incertitudes sur les composantes du vecteur f .
Rt
De l’expression f1 = 0 f hC θ̇(t), [q 0 ... 0]T idt, posons xj = C θ̇(tj ) et yj = [q 0 ... 0]T
Rt
et de de f2 = L2 /tf 0 f hKθ, [q 0 ... 0]T i, posons xj = Kθ(tj ) et yj = [q 0 ... 0]T .
En procédant de la même manière que pour les composantes de la matrice A, nous
obtenons
√ um−1 h
v
2u X i
δf1 = t qδ θ̇(hCr, e1 i)2 + δq(hθ̇(tj ), Ce1 i)2 (tj+1 − tj )2
2 j=1
√ 2 um−1
v
2 L δq u X
δf2 = t (hθ(tj ), Ke1 i)2 (tj+1 − tj )2
2 tf j=1
   
1 1
0 1
   
   
. 1
e1 =   et r = 
  
.
 
.
 
   
. .
0 1

View publication stats