A monotone iterative reconstruction method for an inverse drift problem in a two-dimensional parabolic equation

1. Problématique Mathématique

L'article s'intéresse à un problème inverse associé à une équation parabolique bidimensionnelle définie sur le carré unité $\Omega = (0, 1) \times (0, 1)$. L'équation gouvernante est :

$$(\partial_t - \Delta + q(x)\partial_{x_1} + C_p)u(x, t) = f(x)$$

avec des conditions aux limites mixtes (Dirichlet sur les bords supérieur et inférieur, Neumann sur les bords gauche et droit) et une condition initiale $u(x, 0) = u_0(x)$.

• Inconnue : Le coefficient de dérive $q(x)$, qui dépend uniquement de la variable spatiale $x_1$.
• Données connues : Le terme source $f$, la condition initiale $u_0$, la constante de potentiel $C_p$, et les données aux limites.
• Données de mesure : L'observation finale (à l'instant $T$) de la solution, notée $g(x) = u(x, T)$.
• Objectif : Reconstruire le coefficient $q(x)$ à partir de la donnée $g(x)$.

Ce type de problème est intrinsèquement mal posé (instable par rapport aux perturbations des données) et non linéaire, ce qui rend la reconstruction difficile.

2. Méthodologie

Les auteurs proposent une approche basée sur la théorie des opérateurs monotones et les principes du maximum, évitant ainsi les méthodes de régularisation classiques (comme Tikhonov) au profit d'un schéma itératif constructif.

A. Construction de l'Opérateur $K$

L'idée centrale est de définir un opérateur $K$ tel que ses points fixes correspondent exactement au coefficient de dérive inconnu $q$. L'opérateur est défini par :

$$K\psi = \frac{f(x) - \partial_t u(x, T; \psi) + \Delta g(x) - C_p g(x)}{\partial_{x_1} g(x)}$$

où $u(x, T; \psi)$ est la solution de l'équation directe avec un coefficient de dérive test $\psi$. La validité de cette définition repose sur le fait que le dénominateur $\partial_{x_1} g(x)$ est strictement positif, une propriété démontrée grâce à des résultats de positivité forts.

B. Propriétés Clés de l'Opérateur

1. Existence et Unicité du point fixe : Les auteurs prouvent que si $q$ est une solution du problème inverse, alors $Kq = q$. Inversement, tout point fixe de $K$ dans une classe admissible est la solution unique du problème inverse.
2. Monotonie : L'opérateur $K$ préserve l'ordre : si $\psi_1 \le \psi_2$, alors $K\psi_1 \le K\psi_2$. Cette propriété découle des principes du maximum pour les équations paraboliques et elliptiques, appliqués aux équations différentielles satisfaites par les dérivées de la solution.
3. Convergence Monotone : En partant d'une estimation initiale $q_0$ (choisie comme borne supérieure de l'ensemble admissible), la suite définie par $q_{n+1} = K q_n$ converge monotonement décroissante vers la solution exacte $q$.

C. Algorithme Numérique

L'algorithme proposé (Algorithme 1) suit les étapes suivantes :

1. Initialisation de $q_0$ via la formule explicite de l'opérateur $K$ (en utilisant les données $g$).
2. Résolution du problème direct parabolique pour obtenir $u(\cdot, t; q_k)$.
3. Calcul de la dérivée temporelle $\partial_t u$ à l'instant final $T$.
4. Mise à jour de $q_{k+1}$ via l'opérateur $K$.
5. Arrêt lorsque la différence entre deux itérations successives est inférieure à une tolérance donnée.

Pour les données bruitées, une stratégie de lissage (dénosing) est appliquée aux données terminales $g$ avant d'appliquer l'opérateur $K$, car la formule implique des dérivées spatiales et temporelles sensibles au bruit.

3. Résultats Principaux

Résultats Théoriques

• Théorème d'Unicité : Le problème inverse admet une solution unique dans la classe des coefficients admissibles (fonctions $C^1$ satisfaisant certaines bornes).
• Convergence : La suite itérative générée converge vers la solution unique. La preuve repose sur l'analyse de la régularité des solutions (classes de De Giorgi) et des estimations d'énergie.

Résultats Numériques

Des expériences numériques ont été menées sur trois types de coefficients $q(x)$ :

1. Coefficient lisse : $q(x, y) = 1 + \sin(\pi x)\sin(\pi y)$.
2. Coefficient par morceaux constants : Une inclusion carrée avec un contraste net.
3. Coefficient complexe : Une forme rappelant un caractère chinois avec des trous internes et des coins aigus.

Performances observées :

• Données sans bruit : La méthode converge rapidement (en quelques itérations) avec une erreur relative $L^2$ très faible. La reconstruction est précise même pour les géométries complexes.
• Données bruitées : La méthode reste efficace même avec un bruit allant jusqu'à 3% sur les données terminales, à condition d'utiliser une stratégie de lissage.
• Comportement monotone : Les itérations successives montrent une amélioration progressive de la reconstruction, confirmant la propriété de monotonie théorique. Les itérations initiales capturent déjà la forme globale, et les itérations suivantes affinent les détails et réduisent les distorsions.

4. Contributions et Signification

• Extension dimensionnelle : Ce travail étend les résultats antérieurs (souvent limités à 1D) aux équations paraboliques en deux dimensions avec des conditions aux limites mixtes.
• Approche constructive : Contrairement à de nombreuses méthodes inverses qui prouvent l'unicité de manière abstraite, cette méthode fournit un algorithme explicite pour reconstruire le coefficient.
• Robustesse : La méthode démontre une bonne stabilité face au bruit grâce à la stratégie de lissage, ce qui est crucial pour les applications pratiques où les mesures sont imparfaites.
• Cadre théorique rigoureux : L'article établit des résultats de régularité fins (continuité des dérivées spatiales et mixtes) nécessaires pour justifier la définition de l'opérateur et la convergence de l'algorithme.

En conclusion, cet article propose une méthode robuste et théoriquement fondée pour résoudre un problème inverse difficile en 2D, offrant à la fois une preuve d'unicité et un schéma numérique efficace pour la reconstruction de coefficients de dérive.