Méthode de construction de bases spectrales généralisées pour l'approximation de problèmes stochastiques

Abstract

Les méthodes éléments finis stochastiques de type Galerkin conduisent généralement à la résolution de problèmes de très grande taille. Les coûts de calcul et de stockage mémoire engendrés limitent encore leur utilisation à une faible dimension stochastique. Nous proposons ici une technique d'approximation pour la résolution d'équations aux dérivées partielles stochastiques qui tente de répondre à ces difficultés. Cette technique, basée sur une décomposition spectrale généralisée de la solution, nécessite la résolution d'un faible nombre de problèmes déterministes et d'équations stochastiques. Elle conduit à la génération automatique d'une base réduite déterministe (ou stochastique) dont on peut prouver l'optimalité vis-à-vis de l'opérateur et du second membre du problème stochastique.