Cours Mef

Méthode des éléments-finis par l’exemple
Daniel Choı̈ 1
LMNO
Groupe Mécanique Modélisation Mathématique et Numérique
Université de Caen, Bld Maréchal Juin, 14032 Caen Cedex, France
Version Janvier 2016
1. daniel.choi@unicaen.fr
Méthode des éléments-finis
Ce document est inspiré d’un cours enseigné en Master Ingénierie Mécanique à l’univer-
sité de Caen. Il s’inspire de nombreux ouvrages bien plus complets tels que [Bat96] et [ZT00],
ainsi que divers documents de collègues universitaires. Il est destiné aux étudiants en Master de
Mathématiques appliquées et Mécanique ainsi qu’aux élèves ingénieur.
Ce document est bien sur incomplet : il manque des chapitres entiers, des démonstrations,
des exemples, etc. Toute remarque est la bienvenue, même en ce qui concerne les problablement
nombreuses fautes d’orthographes et de Français.
Daniel
c Choı̈ 2010-- 2 Université de Caen
Table des matières
1 Introduction 7
1.1 Problème aux limite et formulation variationnelle, quelques exemples . . . . . . 11
1.1.1 Problème modèle 1d . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.2 Problème modèle 2d ou 3d : problème de Poisson . . . . . . . . . . . . . 12
1.1.3 Problème 2d : élasticité plane linéaire . . . . . . . . . . . . . . . . . . . 12
1.1.4 Problème 2d/3d : problème de Stokes . . . . . . . . . . . . . . . . . . . 13
1.1.5 Problèmes non-linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1.6 Problèmes dynamiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 Cadre théorique : espaces de Hilbert et espaces de Sobolev 15

2.1 Espace vectoriel normés de fonctions . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Espaces de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Espaces de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
L
2.4 Exemples : 2 et les espaces de Sobolev . . . . . . . . . . . . . . . . . . . . . . 17
L
2.4.1 Espace des fonctions de carré intégrable 2 . . . . . . . . . . . . . . . . 17
2.4.2 Espaces de Sobolev H m . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Représentation de Riesz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.6 Théorèmes de projection dans un Hilbert . . . . . . . . . . . . . . . . . . . . . 20
2.7 Régularité des Espaces de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.7.1 Notion de trace dans un espace de Sobolev . . . . . . . . . . . . . . . . 21
2.7.2 Inégalité de sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 Formulation variationnelle 25
3.1 Problème variationnel abstrait : théorème de Lax-Milgram . . . . . . . . . . . . 25
3.2 Méthode de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Méthode de Galerkin en dimension finie . . . . . . . . . . . . . . . . . . . . . . 29
3.3.1 Premier exemple et exercices . . . . . . . . . . . . . . . . . . . . . . . . 30
Daniel
3.3.2 Elément-finis et méthode de Galerkin . . . . . . . . . . . . . . . . . . . 31
4 Éléments-finis par l’exemple : Eléments-finis isoparamétriques 33

4.1 Problème 1D, interpolation P 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.1 Maillage SEG2 et interpolation linéaire par morceaux : élément P 1 de
Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.2 Éléments-finis P 1 , le système linéaire . . . . . . . . . . . . . . . . . . . 36
4.1.3 Technique d’assemblage . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.1.4 Application numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.1.5 Estimation d’erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.1.6 Programme Scilab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Élément-finis 1D dans le plan, structures en treillis . . . . . . . . . . . . . . . . 44
4.3 Exemple 2D sur maillage triangulaire : Problème de Poisson . . . . . . . . . . . 46
4.3.1 Maillage triangulaire à 3 nœuds et interpolation P 1 de Lagrange . . . . 47
4.3.2 Matrice de rigidité élémentaire . . . . . . . . . . . . . . . . . . . . . . . 49
4.3.3 Calcul du second membre . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.3.4 Prise en compte des conditions aux limites et résolution . . . . . . . . . 51
4.4 Exemple 2D sur maillage quadrangulaire : Problème de Poisson avec condition
de Dirichlet et condition de Neuman . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4.1 Maillage quadrangulaire à 4 noeuds et interpolation linéaire . . . . . . . 53
4.4.2 Interpolation linéaire sur un quadrangle . . . . . . . . . . . . . . . . . . 54
4.4.3 Elément de réference et formule de Jacobi . . . . . . . . . . . . . . . . . 55
4.5 Exemple 3D : Mécanique des milieux continus . . . . . . . . . . . . . . . . . . 58
4.5.1 Élément tétrahèdriques à 4 nœuds . . . . . . . . . . . . . . . . . . . . . 59
4.5.2 Élément prisme à 6 noeuds . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.5.3 Élément cubique à 8 nœuds . . . . . . . . . . . . . . . . . . . . . . . . 64
5 Exemples non-isoparamétrique 65
5.1 Poutre en flexion, interpolation P 3 sur maillage SEG2 . . . . . . . . . . . . . . 65
5.1.1 Le modèle de Bernouilli . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.1.2 Principe des travaux virtuels . . . . . . . . . . . . . . . . . . . . . . . . 66
5.1.3 Maillage SEG2 et Interpolation P 3 . . . . . . . . . . . . . . . . . . . . 67
5.1.4 Calcul de la matrice rigidité à la flexion . . . . . . . . . . . . . . . . . . 68
5.2 Element MITC4 pour les plaques en flexion . . . . . . . . . . . . . . . . . . . . 69
6 Annexes : Rappels de Mathématiques 73

6.1 Rappels en algèbre linéaire, analyse matricielle . . . . . . . . . . . . . . . . . . 73
6.2 Rappels d’optimisation quadratique . . . . . . . . . . . . . . . . . . . . . . . . 73
6.3 Théorèmes de projection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.4 Intégration numérique de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Daniel
6.4.1 3 noeuds d’intégration de Gauss sur un triangle de référence . . . . . . . 75

6.4.2 7 noeuds d’intégration de Gauss sur un triangle de référence . . . . . . . 75
6.4.3 4 noeuds d’intégration de Gauss sur un quadrangle de référence . . . . . 76
Daniel
Daniel
CHAPITRE 1
Introduction
La méthode des éléments-finis (MEF) est une méthode d’approximation numérique de solu-
tions de problèmes aux limites statiques ou dynamiques tels que
— diffusion thermique
— mécanique des milieux continus (solides et fluides)
— électromagnétisme et electrostatique
— Problèmes multi-physiques (couplage thermo-mécanique ou piézo-électrique)
mais en fait, absolument tous les problèmes d’équations aux dérivées partielles (EDP) aux limites
dans des domaines divers tels que la finance.
Il s’agit, comme dans toutes les méthodes numériques, de trouver une approximation discrète.
Pour faire bref, d’un problème différentiels aux limites linéaire, on trouve une formulation
variationnelle associée équivalente, dont on calcule une approximation de la solution en projetant
sur un espace de dimension finie, ce qui revient à résoudre au final un système linéaire, chose que
les ordinateurs savent très bien faire.
Bien que construit sur des problèmes linéaires statiques, les problèmes dynamique et non-
linéaires peuvent également être traités par la méthodes des éléments-finis via en linéarisant et
procédant pas à pas ou par des méhodes de réduction.
L’appellation éléments finis vient de la décomposition du domaine d’étude en éléments : ils
sont souvent représentés par un maillage, voir figure 1.1
Historiquement, l’origine de la méthode peut se trouver dans les travaux de Fermat et Ber-
nouilli (1743) avec le calcul des variations, puis il faut attendre le début du XXème siècle avec les
progrès en analyse avec la méthode de Galerkin se basant sur des théorèmes de projection dans
Daniel
F IGURE 1.1 – Maillages
les espaces de Hilbert.

En 1943 Robert Courant introduit le principe variationnel avec des fonctions de base à sup-
port locaux ouvrant la voie à une division d’un domaine considéré en ”éléments”. Cependant ce
n’est qu’avec le développement des ordinateurs que ces travaux trouve leurs applications avec les
travaux pionniers de Zienckiewiz et Argyris qui définiront la méthode en 1960.
Ce qui amène le succès de la méthode et sa puissance est l’apport du calcul matriciel, in-
troduit par un ingénieur civil anonyme. La méthode connaı̂t alors un développement fulgurant
accompagné par les progrès de l’informatique.
La méthode des éléments-finis est une méthode puissante basée sur une théorie mathématique
rigoureuse.
Aujourd’hui, les éléments-finis sont un outil majeur, incontournable en mécanique (fluides
et solides, interactions, structures), et applicable dans de nombreux domaines impliquant des
problèmes d’EDP aux limites comme par exemple en mathématiques financières ou l’électromagnétisme.
De nombreux codes industriels (solveurs) existent et sont généralement couplés à un logiciels
de CAO 1 ou Computer Aided Design (CAD) en Anglais. Citons Ansys, Abaqus, Robot, LS-dyna,
Feap, Code-Aster, Cast3M et bien d’autres.
Notation et conventions
Dans ce document, nous serons parfois amené à utiliser quelques conventions de notations
propres à la mécanique. En particulier nous utiliserons la convention de sommation par rapport
aux indices répétés (on lit également convention d’Einstein) et nous noterons souvent les dérivées
partielles à l’aide d’un indice précédé d’une virgule.
Nous commençons toutefois par quelques notations utilisés dans ce document qui sont du
reste tout à fait usuel.
1. Conception assistée par Ordinateur
Daniel
Notations
Nous n’avons pas cherché à faire dans l’originalité, ainsi dans tout le document R désigne
C
l’espace des nombres réels tandis que sera l’espace des nombres complexes.
Les quantités scalaire seront systématiquement noté en italique, tandis que les objets vecto-
riels seront noté soit avec une flèche soit en caractère gras :
On désigne généralement par f ou g une fonction scalaire
Les objets vectoriels seront souvent désigné par u dont les composantes ui sont des quan-
tités scalaires.
Le symbole Ω représentera généralement un domaine à bord régulier de Rn , où n en mécanique
désigne souvent les nombres 2 ou 3.
Convention de sommation suivant les indices répétés

La convention d’Einstein sur la sommation sur les indices ou exposants répétés est une conven-
tion destiné à alléger les écritures dans les formules mathématiques sans pour autant les rendre
ambigu.
La convention implique une sommation sur des termes produits dés lors qu’ils présentent des
indice répétés :
Ainsi, par exemple, pour x = [x1 , x2 , . . . , xn ]> et y = [y1 , y2 , . . . , yn ]> , deux vecteurs de
R n
, le produit scalaire :
n
X
x.y = xi yi ,
i=1
où l’on remarque l’indice i qui apparaı̂t répété, sera noté plus simplement :
x.y = xi yi .
De même pour un produit de matrices C = BA :

m
X
ckj = bki aij −→ ckj = bki aij .
i=1
Si un vecteur x a pour composantes (x1 , x2 , ..., xn ) dans la base e1 , e2 , . . . , en , on écrit

n
X
x= xi e i −→ x = xi ei
i=1
Si on note, dans R3 le produit mixte des vecteurs de la base canonique :

εijk = (ei , ej , ek ) = ei .(ej ∧ ek )
Daniel
On peut écrire le produit mixte de trois vecteurs a, b et c par
3 X
X 3 X
3
(a, b, c) = εijk ai bj ck −→ (a, b, c) = εijk ai bj ck ,
i=1 j=1 k=1
où on a appliqué la convention sur les trois indices répétés i, j et k.
Notation des dérivées partielles

En mécanique et en mathématiques en général, nous avons souvent affaire à des systèmes
d’équations aux dérivées partielles. Ainsi pour alléger les notations on préférera utiliser la nota-
tion en indice précédé d’une virgule :
∂f
= f,x
∂x
∂ui
= ui,j
∂xj
∂ 2 ui
= ui,jk .
∂xj ∂xk
R
Si on considère une fonction scalaire f défini sur Ω ⊂ n (à valeur dans ) alors pour touteR
direction h = [h1 , h2 , . . . , hn ]> , on écrit la dérivée de f dans la direction h :
n
X ∂f
∇f (x)(h) = (x)hi −→ ∇f (x)(h) = f,i (x)hi .
i=1
∂xi
où on a également utilisé la convention de sommation suivant les indices répétés.
Indices et exposant Grecs ou Latins

Bien que la plupart des théories mathématique soit présenté dans un espace abstrait de dimen-
sion n, en Mécanique les problèmes sont généralement posés dans les variables d’espace. C’est à
dire qu’on travaille en dimension 3 en général et en dimension 2 pour des problèmes plans.
Alors, il est une façon bien commode si un problème est en dimension 2 ou 3 :
— l’utilisation réservée des indices et exposants Grecs en dimension 2,
— l’utilisation réservée des indices et exposants Latins en dimension 3.
Ainsi le système
σij,j + fj = 0 i = {1, 2, 3}
identifie immédiatement un problème à trois dimension (avec une sommation sur j), tandis que
dans
σαβ,β + fα = 0 α = {1, 2}
Daniel
on reconnait un problème en dimension 2 (avec une sommation sur β) .
1.1 Problème aux limite et formulation variationnelle, quelques

exemples
Dans cette section nous présentons sans les résoudre quelques problèmes typiques pouvant
être résolus par la MEF. Il s’agit systématiquement de problèmes aux limites dont on peut trou-
ver une formulation variationnelle équivalente. Les problèmes de Cauchy ne sont a priori pas
résoluble par la MEF, du moins pas de façon directe.
1.1.1 Problème modèle 1d
Soit le problème aux limites pour une fonction scalaire définie sur [0, 1] :
−ku00 + αu = f [0, 1]
u(0) = 0 (1.1)
u(1) = 0
que l’on réécrit sous sa forme variationnelle équivalente :


1
 Trouver u ∈ H0 ([0, 1]) telle que

(1.2)
Z Z
0 ∗0 ∗

 ku u + αuu = f u∗ ∀u∗ ∈ H01 ([0, 1])
[0,1] [0,1]
On précisera plus tard cette équivalence et l’espace de Sobolev H01 ([0, 1]), qui correspond à un es-
pace de fonctions pour lesquelles les intégrales de (1.2) ont un sens et qui satisfont aux conditions
aux limites u(0) = u(1) = 0, voir la section 2.4 et plus précisément la proposition 2.7.4.
Ce problème peut modéliser l’équilibre thermique d’une barre chauffée à ses extrémités et
plongée dans une pièce maintenue à une température donnée, k désignant alors le coefficient de
diffusion thermique de la barre et α est un coefficient de perte de chaleur due à la convection de
l’air.
Pour k = 1, α = 1 et f = 1, nous traçons sur la figure 1.2 la solution éléments-finis avec une
interpolation polynomiale de degré 1 sur une subdivision de [0, 1] en 3 intervalles (éléments) en
comparaison de la solution exacte uexact du problème (1.1) :
1 x e −x
uexact = 1 + e + e .
e−1 e+1
Daniel
0.1
exact
MEF
0.0
0.0 0.5 1
F IGURE 1.2 – La solution exacte et une solution EF (3 éléments) du problème (1.2)
1.1.2 Problème modèle 2d ou 3d : problème de Poisson
Soit le problème aux limites pour une fonction scalaire définie sur Ω ⊂ R2 :
−∆u = f Ω
(1.3)
u = 0 ∂Ω


1
 Trouver u ∈ H0 (Ω) telle que

Z Z (1.4)

 ∇u∇u∗ = f u∗ ∀u∗ ∈ H01 (Ω)
Ω Ω
Ce problème peut modéliser par exemple l’équation d’une membrane d’une membrane soumise
à une pression f et des conditions d’encastrement au bord de la membrane. Ce problème peut
également modéliser un problème thermique sans convection, un problème d’électrostatique, ou
même un problème d’écoulement d’un fluide irrotationel incompressible.
1.1.3 Problème 2d : élasticité plane linéaire
On considère le principe des puissances virtuelles d’un solide élastique en équilibre statique,
dont l’une des dimensions étant petite permet une approximation en contrainte approximative-
ment plane, réduisant le problème 3D en un problème 2D. Le solide représenté par un domaine
R
Ω ⊂ 2 est soumis à une densité surfacique d’effort f , est encastré sur une partie Γ du bord,
Daniel
tandis que le reste est libre de contrainte :


 Trouver u ∈ Vadm tel que

Z
∗
Z (1.5)

 σ(u) : ε(u ) = f .u∗ ∀u∗ ∈ Vadm
Ω Ω
où on reconnaı̂t dans le terme de gauche la puissance virtuelles des efforts intérieurs. u désigne
un déplacement sur Ω, il se décompose en deux composantes.
Le tenseur des contraintes σ est défini par la loi de comportement élastique qui le relie au
tenseur des déformations (linéarisés) ε :
1
∇(u) + ∇(u)T .

ε(u) =
2
Dans le cas d’un matériau isotrope la loi de comportement est la loi de Hooke et s’écrit :
νE E
σ= tr(ε(u))I + ε(u),
1 − ν2 1+ν
où E désigne le module d’Young (rigidité) et ν est le coefficient de Poisson.

L’espace Vadm désigne l’espace des déplacement cinématiquement admissible, i.e. satisfai-
sant aux conditions d’encastrement sur le bord Γ, nous verrons qu’il s’agit d’un sous-ensemble
d’un espace de Sobolev :
Vadm = u ∈ [H 1 (Ω)]2 / u|Γ = 0 .

On note que la condition de bord libre n’apparaı̂t pas explicitement dans la formulation (1.5) :
elle est implicite.
La formulation (1.5) est équivalente au problème aux limites :
div σ + f = 0 Ω
u=0 Γ
σn = 0 ∂Ω − Γ
Pour des raisons de simplicité nous avons présenté le cas de contrainte plane, mais il est clair
que ce n’est en aucun cas une hypothèse nécessaire pour la MEF.
1.1.4 Problème 2d/3d : problème de Stokes
On considère un fluide Newtonien visqueux et incompressible à faible nombre de Reynolds

R
occupant une surface/volume Ω ∈ n , n = 2, 3. Si la vitesse est imposée égale à v0 à la frontière
Daniel
∂Ω. La vitesse v et la pression p à l’état stationnaire satisfait au problème aux limites :
−∆v + ∇p = 0 Ω
div v = 0 Ω
v = v0 ∂Ω
dont la formulation variationnelle s’écrit :



 Trouver (v, p) ∈ Vadm tel que

 Z Z

∇v : ∇v∗ + v∗ .∇p = 0 ∀(v∗ , p∗ ) ∈ Vadm

Ω Ω
(1.6)

Z

p∗ div v = 0



Ω
où
L2 (Ω) / v|∗
n o
Vadm = v∗ ∈ [H 1 ω]n , p∗ ∈ Γ
= v0 .
1.1.5 Problèmes non-linéaires

Tous les problèmes précédents sont des problèmes linéaires et en effet la MEF est définie à
partir des problèmes linéaires puisqu’en pratique, il revient à résoudre un système linéaire.
Naturellement, il est tout à fait possible d’utiliser la MEF pour des problèmes non-linéaires
(Navier-Stokes, grandes déformations, élasto-plasticité, contacts) mais ces derniers passeront
systématiquement par un processus de linéarisation et la résolution se fera de façon itérative et
non plus directe.
1.1.6 Problèmes dynamiques

Les problèmes précédemment présentés sont tous statiques. C’est parce que la méthode des
éléments finis est définie à partir d’un problème aux limites, différent d’un problème de valeurs
initiales (problème de Cauchy). Néanmoins, dans un cadre dynamique, la MEF peut encore mise
à contribution soit de façon directe avec des calculs de modes propres, soit de façon indirecte et
itérative avec un incrément de temps avec un algorithme de différence-finie comme l’algorithme
de Newmark qui résout un problème au limite à chaque pas de temps.
Daniel
CHAPITRE 2
Cadre théorique : espaces de Hilbert et

espaces de Sobolev
Nous rappelons ici quelques éléments d’analyse fonctionnelle permettant de définir la méthode
de Galerkin qui est la base théorique incontournable de la méthode des éléments-finis.
Ces connaissances sont nécessaires pour maı̂triser la base mathématique mais il est tout à
fait possible de n’en retenir que les principaux résultats de projections et en omettant la partie
analyse des espaces de Sobolev pour une pratique élémentaire des éléments-finis. Les élèves non-
mathématiciens pourront alors passer directement aux chapitre suivant, ne retenant que la section
sur la méthode de Galerkin.
Cependant, il est impossible de comprendre l’essence de la méthode et surtout ses limitations

sans une connaissance profonde de ces questions, notamment en ce qui concerne les théorèmes
de traces et sans lesquelles il est tout à fait possible dans la pratique d’essayer de résoudre par la
MEF des problèmes qui n’ont pas de sens mathématiques (et donc potentiellement pas de sens du
tout).
Nous nous bornerons aux résultats principaux éventuellement sous une forme simplifié et
généralement sans démonstration pour lesquelles nous renvoyons à un cours vrai d’analyse fonc-
tionnelle tel que [Bre80, LM68].
Daniel
2.1 Espace vectoriel normés de fonctions

En Analyse, les fonctions sont classés par ensemble : fonctions mesurables, fonctions conti-
nues, fonctions dérivables, fonctions bornées, fonctions intégrables, fonctions de carré intégrables,
fonctions dérivable à dérivée intégrables, etc . . .
Dans la suite, on voudra souvent comparer les fonctions entres elles. Il est assez naturel de
définir l’égalité entre deux fonctions, mais comment définir qu’une fonction est “voisine” d’une
autre ?
En effet, si on veut trouver, par exemple, des approximations à une solution d’un problème
d’EDP aux limites, il faut nécessairement définir la notion d’approximation. On choisit alors de
définir un nombre définissant la distance entre deux fonctions, un nombre nul si et seulement si
les deux fonctions sont égales, autrement dit une norme.
2.2 Espaces de Banach

Avant de présenter les espaces de Hilbert, il convient de définir une classe de fonctions plus
générale, qui les contient :
Définition 2.2.1. Soit E un espace vectoriel normé. On dit que E est un Banach s’il est complet
pour sa norme.
Autrement dit E est un Banach si toute suite de Cauchy y converge. Cette propriété fonda-
mentale est à la base de tout résultat d’existence dans ces espaces. Notons que c’est une propriété
qu’il faut distinguer de la notion de fermeture. La différence étant subtile.
Voyons quelques exemples d’espaces de Banach
— L’espace des nombres réels . R
— L’espace des nombres complexes . C
R
— Les espaces n pour tout entier naturel n ∈ N∗ .
2.3 Espaces de Hilbert

Définition 2.3.1. Un espace de Hilbert est un espace vectoriel muni d’un produit scalaire (., .)H
et qui est complet pour la norme induite, k.kH .
Dans toute la suite de ce chapitre, H désigne un espace de Hilbert muni de son produit scalaire
(., )H et sa norme k.kH :
2
kukH = (u, u)H .
Pour simplifier l’exposé, nous nous bornerons aux espaces de Hilbert réels.
Daniel
Les espaces de Hilbert sont donc un cas particulier d’espace de Banach. Ce qui est remar-
quable avec les espaces de Hilbert est qu’on y retrouve la plupart propriétés des espaces de di-
mensions finies : théorème de décomposition, projection orthogonale, base orthonormée et surtout
identification de l’espace dual. Cela permet de transposer naturellement un problème continu à sa
discrétisation à partir de ces espaces.
Commençons par quelques définitions et propriétés triviales.
Définition 2.3.2. Soient u, v ∈ H, on dit que u et v sont orthogonaux dans H si
(u, v)H = 0.
Théorème 2.3.3. (théorème de décomposition) – Soit V un sous-espace vectoriel fermé de H.

on note l’espace orthogonal à V :
V > = {u ∈ H/(u, u∗ ) = 0 ∀u∗ ∈ V }.
On a alors
H = V ⊕ V >.
Exercice : Montrez le théorème de décomposition à partir du théorème 2.6.1 de projection sur

un convexe fermé
Proposition 2.3.4. (Identité du parallélogramme) – ∀u, v ∈ H,
2 2 2 2
ku + vkH + ku − vkH = 2kukH + 2kvkH .
Définition 2.3.5. Le dual de H est l’ensemble des formes linéaires continues 1 sur H. Le dual est
noté H 0 : ∀L ∈ H 0 , il existe c > 0 telle que
|L(u)| ≤ ckukH .
2.4 Exemples : L2 et les espaces de Sobolev
2.4.1 Espace des fonctions de carré intégrable L2

Soit Ω est un domaine ouvert mesurable de Rn . L’exemple fondamental est l’espace des
fonctions de carré intégrable
Z
2
L (Ω) =
2
f mesurable sur Ω / |f | < ∞ .
Ω
1. On parle ici de dual topologique puisqu’on demande la propriété de continuité. Notons que dans un espace de
vectoriel de dimension finie, la notion de dual topologique est confondue avec celle de dual algebrique puisque dans de
tels espaces, toutes les normes sont équivalentes.
Daniel
Le produit scalaire est naturellement défini par

Z
(u, v)L2 = uv.
Ω
Le produit scalaire induit bien une norme si on quotiente les fonctions de L 2 (Ω) par les fonctions
nulles presque partout dans Ω :
2
L
(Ω) = L 2 (Ω)/ ∼
où on identifie
u=v dans L2 ⇐⇒ u(x) = v(x) pour presque tout x ∈ Ω.
R
Théorème 2.4.1. Soit Ω ⊂ n , un domaine ouvert, muni de son produit scalaire naturel, l’espace
L2
(Ω) est un espace de Hilbert.
L
L’intégrale de Lebesgue assurant la complétude de l’espace 2 (Ω) est bien un espace de
Hilbert. Notons cependant que cette complétude se paye par la définition des fonctions presque
partout seulement. Elles ne sont donc a priori pas continues (au sens classique) et leur dérivées
sont définies au sens généralisés ou au sens des distributions. Malgré cela ces fonctions s’avèrent
applicables en pratique, en grande partie grâce au résultat de densité suivant :
R
Théorème 2.4.2. Soit Ω un domaine ouvert de n , l’espace des fonctions continues infiniment
dérivable à support compact D = Cc∞ (Ω) est dense dans 2 (Ω) 2 : L
∀u ∈ L2 (Ω), ∃un ∈ D(Ω) telle que un → u dans L2 (Ω).
Le principe de la preuve repose sur une technique de suite régularisante basée sur un produit
de convolution, voir [Bre80].
Un autre résultat de densité très ressemblant mais différent des espaces de fonctions infiniment
dérivables sur un domaine fermé Ω, noté C ∞ (Ω), sera présenté au sous-paragraphe suivant.
2.4.2 Espaces de Sobolev H m

A partir de L2 (Ω), on définit des espaces de Sobolev 3
Définition 2.4.3.
H 1 (Ω) = v ∈

L2 (Ω) / v,i ∈ L2 (Ω), i = 1, ..., n .
2. Le résultat reste vrai dans Lp (Ω) pour tout 1 ≤ p ≤ ∞.
3. La famille des espaces de Sobolev est plus large que celle que nous présentons ici :
Wpm (Ω) = {u ∈ Lp (Ω)/Dα u ∈ Lp (Ω), ∀ |α| ≤ m}
Autrement dit nous nous restreignons aux cas p = 2, seuls cas correspondants à des espaces de Hilbert.
Daniel
on le munit du produit scalaire

Z Z
(u, v)H 1 = uv + u,i v,i
Ω Ω
et on note la norme correspondante

Z
2 2 2
kukH 1 = (u, u)H 1 . = |u| + |∇u |
Ω
Théorème 2.4.4. L’espace H 1 (Ω) est un espace de Hilbert.
Démonstration. Comme H 1 (Ω) est pré-hilbertien par définition, il reste à démontrer qu’il est
complet.
Soit un une suite de Cauchy dans H 1 (ω). L2 (Ω) étant complet, il existe u et vi tels que
un → u L2 (Ω)
un,i → vi L2 (Ω).
Ces convergences ont également lieu dans l’espace des distributions D 0 (Ω), puisque les éléments
L
de 2 (Ω) s’y injecte continument. Comme la dérivation est une opération continue dans D 0 (Ω),
on a
un,i → u,i D 0 (Ω),
si bien que vi = u,i par unicité de la dérivée, qui prouve que u,i ∈ L2 (Ω), et donc que v ∈ H 1 .
On a donc montré
un → u H 1 (Ω).
Théorème 2.4.5. Soit Ω un domaine ouvert de Rn à bord régulier 4 , pour tout m, l’espace
C ∞ (Ω) est dense dans H m (Ω).
Ce dernier théorème de densité est très important en analyse fonctionnelle car elle permet
d’étendre aux fonctions des Sobolev, des propriétés qui n’y ont pas de sens a priori comme la
notion de trace, qui nous permet de jusitfier la notion de conditions aux limites dans les problèmes.
2.5 Représentation de Riesz

On a alors le résultat fondamental :
4. à préciser
Daniel
Théorème 2.5.1. Représentation de Riesz – Soit L une forme linéaire continue définie sur un
Hilbert H. Il existe un unique u ∈ H tel que
(u, v)H = L(v) ∀v ∈ H.
Démonstration. Si L est identiquement nul, alors on a trivialement que u = 0.

On peut donc supposer désormais que L n’est pas identiquement nul et donc que le sous-
espace Ker(L)> est non réduit à {0}. Il existe alors un élément u0 ∈ Ker(L)> qu’on peut
choisir de norme (dans H) égale à 1.
Pour tout v ∈ H, on remarque que (L(u0 )v − L(v)u0 ) ∈ Ker(L), si bien qu’on a
(u0 , L(u0 )v − L(v)u0 )H = 0 =⇒ L(v) = (L(u0 )u0 , v)H .
On remarque alors qu’on peut prendre u = L(u0 )u0 .

Supposons désormais que u1 et u2 satisfont à la représentation de L, alors
(u1 , v)H = (u2 , v) ∀v ∈ H =⇒ u1 = u2 dans H.
Ce qui montre l’unicité de la représentation de L.
La signification du théorème de Riesz est que dans les espaces de Hilbert comme dans les
espaces vectoriels de dimension finie, il y a un isomorphisme naturel entre l’espace et son dual.
Il faut toutefois se méfier car en dimension infinie, les normes n’étant généralement pas
équivalentes, des confusions sont possibles : bien souvent dans les applications on se trouve
plutôt dans des situations où l’espace de travail est un espace de Hilbert V qui s’injecte conti-
L
nument dans un espace plus grand H (par exemple V = H01 et H = 2 ) et l’identification est
pratique dans H mais pas dans V . On a alors la situation
V ,→ H ∼ H 0 ,→ V 0 .
2.6 Théorèmes de projection dans un Hilbert

On considère dans cette section les théorèmes de projection dans un espace de Hilbert qui
forment la base théorique de la MEF, dont on verra qu’elle est essentiellement une méthode
d’approximation par projection.
Théorème 2.6.1. – (Projection sur un convexe) – Soit H un espace de Hilbert et K un convexe

fermé de H, alors ∀u ∈ H, ∃!uk ∈ K tel que
ku − u∗ kH ≥ ku − uk kH ∀u∗ ∈ K.
Daniel
De plus, on a
(u − uk , u∗ − uk ) ≤ 0 ∀u∗ ∈ K.
C’est un théorème de projection : uk est l’unique projeté de u sur K. On renvoie la preuve en

annexe. Un corollaire immédiat est le résultat suivant :
Corollaire 2.6.2. Soit H un espace de Hilbert et K un convexe fermé de H, et a(., .) une forme
bilinéaire continue et coercive sur H, alors ∀u ∈ H, ∃!uk ∈ K tel que
ku − u∗ ka ≥ ku − uk ka ∀u∗ ∈ K.
De plus, on a
a(u − uk , u∗ − uk ) ≤ 0 ∀u∗ ∈ K.
où on a noté
2
kuka = a(u, u).
2.7 Régularité des Espaces de Sobolev
2.7.1 Notion de trace dans un espace de Sobolev

La notion de trace dans les espaces de Sobolev est une notion difficile mais très importante
pour les applications à la méthode des éléments finis.
La méthode des éléments finis est censé donner des approximations de solutions de problème
aux limites, or les espaces de Sobolev sont a priori définis à partir de de la notion de fonctions me-
surables, où des fonctions peuvent être identiques à un ensemble de mesure nulle près. Ainsi, pour
un domaine, les bords étant d’une dimension inférieure, elles sont de mesure nulle. Autrement dit
la restricition d’une fonction d’un espace de Sobolev à une partie du bord du domaine n’est pas
défini a priori. C’est une difficulté subtile qui peut échapper à un utilisateur de la méthode des
éléments-finis non averti, mais qui est très importante pour définir exactement quels chargements
sont admissibles et nous verrons que certains chargements sont non admissibles mais réalisables
numériquement ce qui engendrent des calculs qui n’ont pas de sens.
On commence par une remarque sur un sous espace très important qui est l’adhérence ou la
fermeture de D(Ω) dans H 1 (Ω). on note :
H01 (Ω) = D(Ω). (2.1)
On rappelle que l’adhérence ou la fermeture d’un espace est l’espace contenant toute les limites
de toutes les suites de Cauchy de l’espace considéré. Ainsi, si un espace vectoriel normé est
complet, il est confondu avec sa fermeture ou son adhérence.
Proposition 2.7.1. Dans le cas où Ω = Rn , on a H01 (Rn ) = H 1 (Rn ).

Daniel
Remarque 2.7.2. D’après le théorème 2.4.2, on pourrait penser que puisque l’espace D(Ω) est
L
dense dans 2 , il doit être dense dans H 1 (Ω). Qui peut le plus peut le moins... Sauf que les
L
topologies dans 2 et dans H 1 sont différentes et ne doivent pas être confondues ; c’est un point
subtil et important. Ainsi, si Ω est un domaine borné, une fonction de H 1 peut être approchée par
L
une une suite de fonction de D convergente au sens 2 , mais pas nécessairement au sens H 1 , on
renvoie à l’annexe (à rédiger...) pour un contre-exemple.
La définition 2.1 n’est pas du tout pratique, il est temps d’introduire les opérateurs traces sans
lesquelles on ne pourrait définir mathématiquement les conditions aux limites.
Pour fixer les idées, posons Ω = [0, 1]2 et définissons pour toute fonction uc de classe C 1 sur
Ω, l’opérateur trace par la restriction de uc sur le bord Γ = {(x1 , x2 ) ∈ Ω / x1 = 0} :
γ(uc ) = uc|Γ .
A priori pour une fonction de H 1 , la trace sur Γ n’a pas de sens Cependant, on va montrer qu’il est
possible de prolonger, à tout l’espace H 1 , l’opérateur trace définie pour les fonctions continues :
On a : Z x1
uc (0, x2 ) = uc (x1 , x2 ) − uc,1 (s, x2 )ds,
0
d’où Z 1
2 2
kγ(uc )kL2 (Γ) = |uc (0, x2 )| dx2
0
Z 1 Z x1 2

= uc (x1 , x2 ) − uc,1 (s, x2 )ds dx2

0 0
Z 1 Z
2 2
≤ |uc (x1 , x2 )| dx2 + |uc,1 (s, x2 )| dsdx2
0 Ω
d’où, en intégrant de nouveau sur x1

Z Z
2 2 2
kγ(uc )kL2 (Γ) ≤ |uc | + |uc,1 |
Ω Ω
2
≤ kuc kH 1 (Ω)
si bien que, d’après le théorème de Hahn-Banach, l’opérateur trace peut être prolongé par conti-
nuité dans H 1 . On généralise sans démonstration :
R
Théorème 2.7.3. Soit Ω un domaine ouvert borné de d à bord régulier (C ∞ par morceaux) et
soient Γ ⊂ ∂Ω et l’application trace, γ, définie pour les fonctions de classe C 1 sur Ω.
γ(u) = u|Γ .
Alors l’opérateur trace γ se prolonge continument dans tout l’espace H 1 (Ω) et il existe c > 0,
Daniel
∀u ∈ H 1 (Ω) :
kγ(u)kL2 (Γ) ≤ ckukH 1 (Ω) .
Le théorème de traces (2.7.3) est fondamental : il va nous permettre de définir des conditions
aux limites dans les espaces de Sobolev. Sans ce résultat, rien ne serait jusitifié.
L’opérateur trace nous permet alors de caractériser facilement l’espace H01 :
Proposition 2.7.4. Soit Ω un domaine ouvert borné de Rn à bord régulier, alors

H01 (Ω) = {u ∈ H 1 (Ω) / u|∂Ω = 0}.
2.7.2 Inégalité de sobolev

Nous pouvons aller plus loin que la notion de trace. En fait, les espaces de Sobolev H m sont
de plus en plus régulier à mesure que m augmente.
R
Soit Ω un domaine borné et régulier (de classe C 1 ) de n , si k > n/2 alors il existe C tel
que quel que soit u ∈ H k (Ω) = W k,2 (Ω),
kukC k−n/2 ≤ kukH k
Théorème 2.7.5. Reillich-Kondrachov Soit Ω un domaine borné et régulier (de classe C 1 ) de

R2
,
H 1 (Ω) ⊂ C0 (Ω)
avec injection compactes.
A compléter et préciser...
Daniel
Daniel
CHAPITRE 3
Formulation variationnelle
On a vu dans les exemples de l’introduction, que les problèmes aux limites possèdent une
formulation variationnelle équivalente. Ce sont sur ces formulations qu’on se base pour établir
non seulement les résultats d’existence et d’unicité (pour les problèmes linéaires) mais aussi ce
sont ces formulations qui sont à la base de la MEF.
3.1 Problème variationnel abstrait : théorème de Lax-Milgram
Espace de Hilbert, sous-espace affine et sous-espace vectoriel associé

On considère dans cette section un espace de Hilbert V et un sous-espace affine fermé Vadm ⊂
V . On note V0 l’espace vectoriel associé à Vadm , i.e.
∀u, u∗ ∈ Vadm , (u∗ − u) ∈ V0 .
On a naturellement V0 ⊂ V . Comme V0 est un sous-espace fermé de V , il possède également une

structure d’espace de Hilbert pour le produit scalaire induit.
On peut également écrire, si u ∈ Vadm :
Vadm = u + V0 .
Remarque 3.1.1. Travailler dans un espace affine signifie que le problème aux limites n’est pas
homogène. En général, les formulations variationelles sont présentées avec un espace vectoriel
Daniel
plutot qu’affine (i.e. Vadm est confondu avec V0 ), nous avons fait le choix de faire une présentation
directement plus générale.
Théorème d’existence et unicité

Théorème 3.1.2. (Lax-Milgram) – Soit a(., .) une forme bilinéaire continue sur V et soit L une
forme linéaire définie et continue sur V , définissant le problème variationnel abstrait suivant :
(
Trouver u ∈ Vadm tel que
(3.1)
a(u, u∗ − u) = L(u∗ − u) ∀u∗ ∈ Vadm
ce qui revient à écrire : (

(3.2)
a(u, u∗ ) = L(u∗ ) ∀u∗ ∈ V0
Si a est coercive sur V0 , i.e. ∃c > 0 telle que
a(v, v) ≥ ckvkV ∀v ∈ V0 ,
alors (3.2) est un problème bien posé,

Si de plus a est symétrique, alors l’unique solution de (3.2) minimise dans Vadm la fonction-
nelle dite d’énergie :
1
J(v) = a(v, v) − L(v).
2
Autrement dit :
J(u) ≤ J(u∗ ) ∀u∗ ∈ Vadm .
Démonstration. Remarquons que lorsque u∗ parcourt tout Vadm , (u∗ − u) parcourt tout V0 . La
formulation variationnelle (3.2) entraı̂ne :
(
a(u, v ∗ ) = L(v ∗ ) ∀v ∗ ∈ V0
Soit u0 ∈ Vadm arbitraire, posons v = u − u0 ∈ V0 . Le problème (3.2) se réécrit donc

(
Trouver v ∈ V0 tel que
a(v, v ∗ ) = L̃(v ∗ ) ∀u∗ ∈ V0
avec
L̃(v ∗ ) = L(v ∗ ) − a(u0 , v ∗ ).
La coercivité dans V0 signifie simplement que la forme bilinéaire a(., .) définit un produit sca-
laire induisant une norme équivalente à la norme de V dans V0 . Le théorème 2.5.1 de représentation
Daniel
de Riesz indique simplement que puisque L ∈ V 0 ⊂ V00 , il existe un unique représentant v ∈ V0

tel que
a(v, u∗ ) = L(u∗ ) ∀u∗ ∈ V0 .
On en déduit simplement u = v + u0 , l’unique solution de (3.2).

Considérons maintenant la fonctionnelle J et développons pour tout u∗ ∈ Vadm :
J(u∗ ) = J(u + u∗ − u)
1
= J(u) + [a(u, u∗ − u) + a(u∗ − u, u)] − L(u∗ − u) + a(u∗ − u, u∗ − u)
2
Ainsi, si a(., .) est symétrique, il vient :
J(u∗ ) = J(u) + a(u, u∗ − u) − L(u∗ − u) + a(u∗ − u, u∗ − u)

| {z } | {z }
=0 ≥0
≤ J(u).
On remarque au passage que
1
(∇J(u), v) = [a(u, v) + a(v, u)] − L(v)
2
(∇2 J(u), v 2 ) = a(v, v)
d’où on déduit notamment que la coercivité de a entraı̂ne que J est strictement convexe sur Vadm .
Réciproquement, si u ∈ Vadm minimise J dans Vadm , alors les conditions d’optimalité (sur
un ensemble convexe), voir le théorème 6.2.1, s’écrivent :
∇J(u)(u∗ − u) ≥ 0 ∀u∗ ∈ Vadm
C’est à dire que

∇J(u)(u∗ ) ≥ 0 ∀u∗ ∈ V0
Comme V0 possède une structure d’espace vectoriel, on a aussi l’inégalité inverse en prenant
−u∗ :
∇J(u)(−u∗ ) ≥ 0 ∀u∗ ∈ V0 .
On en déduit que
∇J(u)(u∗ ) = 0 ∀u∗ ∈ V0 .
Autrement dit, u est l’unique solution de (3.2).
Remarque 3.1.3. Si la forme bilinéaire a est corecive dans V0 , elle y définit une norme équivalente
à la norme dans V0 :
kvka v kvkV ∀v ∈ V0
Daniel
Il faut remarquer qu’en général ce n’est pas vrai pour dans l’espace V . Souvent dans les exemples
comme, (problème de Poisson, problème d’élasticité), la forme bilinéaire a possède un noyau non-
réduit à {0} dans V (constantes, déplacements rigides). Un des effets des conditions aux limites
est d’éliminer ces éléments.
3.2 Méthode de Galerkin
Soit u l’unique solution du problème variationnel (3.2) bien posé

(
a(u, u) = L(u) ∀u∗ ∈ V0
dans le cadre du théorème de Lax-Milgram 3.1.2, i.e. la forme bilinéaire a(., .) est continue et
coercive.
Soit un sous-espace fermé V h ⊂ V , on définit
h
Vadm = V h ∩ Vadm
et
V0h = V h ∩ V0 .
La forme bilinéeaire a(., .) est trivialement coercive sur V0h , puisque V0h ⊂ V0 , alors le théorème
de Lax-Milgram s’applique également pour le problème variationnel de Galerkin :
(
Trouver uh ∈ Vadm
h
tel que
(3.3)
a(uh , u∗ ) = L(u∗ ) ∀u∗ ∈ V0h
et il existe une unique solution uh au problème (3.3), c’est la solution de Galerkin dans le sous-
h
espace Vadm .
Ce qui est naturellement intéressant, c’est la relation liant les solutions u et uh . C’est le résultat
à la base des théorèmes de convergence de la MEF :
Théorème 3.2.1. La solution uh du problème de Galerkin (3.3) dans Vadm

h
est la meilleure ap-
h
proximation de la solution u de (3.2) dans V au sens de la norme induite par a(., .), i.e. ,
ku − uh ka ≤ ku − u∗ ka ∀u∗ ∈ Vadm
h
.
h
La solution de Galerkin s’interprète aussi comme la projection orthogonale de u sur Vadm au
sens produit scalaire a(., .).
Daniel
Démonstration. On évalue pour tout u∗ ∈ Vadm

h
:
a(u∗ − u, u∗ − u) = a(u∗ − uh + uh − u, u∗ − uh + uh − u)
= a(u∗ − uh , u∗ − uh ) + 2a(u∗ − uh , uh − u) + a(uh − u, uh − u),
or
a(u∗ − uh , uh − u) = a(u∗ − uh , uh ) − a(u∗ − uh , u)
= L(u∗ − uh ) − L(u∗ − uh )
=0
d’où
a(u∗ − u, u∗ − u) = a(u∗ − uh , u∗ − uh ) +a(uh − u, uh − u)
| {z }
≥0
≥ a(uh − u, uh − u).
Exercice : Montrer, sous les hypothèse du théorème 3.1.2, une généralisation pour tout convexe
fermé K ⊂ Vadm : la solution du problème
(
Trouver uk ∈ K tel que
(3.4)
a(uk , u∗ − uk ) ≥ L(u∗ − uk ) ∀u∗ ∈ K
est la projection orthogonal de u sur K suivant le produit scalaire a(., .).
3.3 Méthode de Galerkin en dimension finie

Dans le cadre du théorème 3.2.1, si le sous-espace V h est de dimension finie, alors nous allons
voir que la solution de Galerkin peut être obtenue en résolvant un système linéaire discret :
Plaçons nous tout d’abord dans le cas où Vadm est un sous-espace vectoriel, de dimension n,
h h
il existe alors une base φi de Vadm . Comme tout élément de Vadm se décompose de façon unique
dans cette base, le problème de Galerkin 3.3 revient à trouver les composantes de uh , représenté
par le vecteur û= [u1 , u2 , . . . , un ]T , dans cette base :
Rn tel que
(
Trouver ûh ∈
a(uh , u∗ ) = L(u∗ ) ∀u∗ ∈ Vadm
h
ou encore
Rn tel que
(
Trouver û ∈
a(ui φi , φj ) = L(φj ) j = 1, .., n
Si bien que nous avons :
Daniel
h
Proposition 3.3.1. Dans l’espace vectoriel Vadm de dimension égale à n, le problème de Galer-
kin 3.3 revient à trouver les composantes û = [u1 , u2 , . . . , un ]T de uh en résolvant le problème
matriciel
K û = L,
où K est une matrice carrée symétrique de dimension n × n et L un vecteur de dimension n dont
les composantes sont :
Kij = a(φi , φj ), et Lj = L(φj )
Le problème continu est ainsi approché par un problème discret. La discrétisation se fait dans
h
le choix de l’espace : plus Vadm sera proche de Vadm et meilleure sera l’approximation.
n
Supposons qu’on ait une suite d’espaces Vadm ⊂ Vadm tels que quel que soit v ∈ Vadm , il
n n
existe une suite v ∈ Vadm telle que
v n −→ v V
alors le théorème 3.2.1 garantit que la suite des solutions un des solutions des problèmes de
Galerkin 3.3 converge vers la solution du problème continu.
3.3.1 Premier exemple et exercices

Reprenons le problème (1.1) et sa formulation variationnelle associée,
(
Trouver u ∈ H01 ([0, 1]) telle que
(3.5)
a(u, u∗ ) = L(u∗ ) ∀u∗ ∈ H01 ([0, 1])
avec Z
a(u, u∗ ) = ku0 u∗0 + αuu∗
[0,1]
Z
∗
L(u ) = f u∗
[0,1]
1. Montrer qu’une solution du problèmes au limites (1.1) est nécessairement une solution du
problème variationnel (4.2) (la réciproque, plus difficile est renvoyée en annexe).
2. Montrer que si k et α sont de même signe , alors le problème (3.5) est bien posé.
3. Qu’en est il lorsque k et α sont de signes opposés ?
4. Fixons k = 1, α = 1 et posons
1
Vadm = V ect {sin(πx)} .
Trouvez la solution de Galerkin du problème (4.2) dans Vadm .

5. Répétez la question précédente avec
2
Vadm = V ect {sin(πx), sin(2πx)} .
Daniel
6. Comparez les deux solutions précédentes avec la solution exacte à calculer.

7. Soit la suite d’espaces
n
Vadm = V ect {sin(πx), sin(2πx), . . . , sin(nπx)} .
montrer que la suite de solutions de Galerkin correspondantes, un , converge vers la solu-

tion de (4.2).
3.3.2 Elément-finis et méthode de Galerkin

h
La méthode des éléments finis dérive de la méthode de Galerkin en choisissant Vadm sur la
base d’une décomposition du domaine sur lequel un problème aux limites est posé. Ainsi, un
R R
intervalle de est divisé en segments, une géométrie simple de 2 est décomposé en triangle,
en quadrangles,...
Daniel
Daniel
CHAPITRE 4
Éléments-finis par l’exemple :

Eléments-finis isoparamétriques
Il assez délicat de ’théoriser’ la méthode des éléments-finis. La pratique pouvant facilement

s’écarter du cadre théorique rigoureux. Dans un premier temps nous nous concentrerons sur des
MEF dérivant du principe de Galerkin, voir le théorème 3.2.1, à savoir que nous projetons les
solutions sur un sous-espace caractérisé par une interpolation polynomiale par morceaux.
Même si le principe de la méthode est essentiellement très simple : discrétisation, choix d’une
base, calcul des matrices puis résolution d’un système linéaire, la pratique recèle une bonne quan-
tité de techniques qu’il n’est pas aisé de théoriser et de présenter d’un seul coup.
Suivant les cas considérés, des difficultés apparaissent dans le choix de la discrétisation,
le choix de l’interpolation polynomiale par morceaux, la technique d’intégration numérique,
la façon dont on implémente les conditions aux limites qui peuvent être homogènes ou non-
homogènes, il faut aussi pouvoir implémenter des conditions de périodicité.
Nous choisissons donc de présenter des exemples génériques à partir desquels il devrait être
facile d’adapter la plupart des problèmes aux limites rencontrés dans les applications : on com-
mence par un exemple scalaire 1d où la discrétisation du domaine est triviale : un intervalle réel
est subdivisé en sous-intervalles consécutifs. Puis viennent les problèmes plus complexes à plu-
sieurs degrés de liberté par noeuds et à 2 ou 3 variables d’espaces.
Ce qui va caractériser les exemples de ce chapitre est la notion d’élément isoparamétrique :
on va utiiser la même interpolation polynomiale par morceaux pour décrire à la fois la géometrie
du problème (maillage) et pour décrire les inconnues du problème.
Daniel
4.1 Problème 1D, interpolation P 1

Reprenons le problème le problème aux limites (1.2), présenté en introduction, pour une fonc-
L
tion scalaire définie sur [0, 1] , f ∈ 2 , mais dans un cadre plus général avec des conditions aux
limites non-homogènes a priori :
−u00 + u = f [0, 1]
u(0) = u0 (4.1)
u(1) = u1
que l’on réécrit sous sa forme variationnelle équivalente, voir la preuve de l’équivalence en an-
nexe : (
Trouver u ∈ Vadm telle que
(4.2)
a(u, u∗ ) = L(u∗ ) ∀u∗ ∈ V0
où
Vadm = {v ∈ H 1 ([0, 1]) / u(0) = u0 , et u(1) = u1 }
et
V0 = {v ∈ H 1 ([0, 1]) / u(0) = 0, et u(1) = 0}
avec Z
∗
a(v, v ) = v 0 v ∗0 + vv ∗
[0,1]
Z
∗
L(v ) = f u∗
[0,1]
4.1.1 Maillage SEG2 et interpolation linéaire par morceaux : élément P 1

de Lagrange
Pour un intervalle la seule subdivision raisonnable est une décomposition en segments suc-
cessifs : nous subdivisons l’intervalle Ω = [0, 1] en n − 1 segments :
n−1
[
Ω = [0, 1] = Ei , Ei = [xi , xi+1 ]
i
avec les nœuds

0 = x1 < x2 < · · · < xi < xi+1 < · · · < xn = 1.
On appelle cette subdivision maillage par analogie au cas 2D exposée un peu plus tard. Les
segments sont les éléments du maillage. Chaque éléments étant ici délimités par leurs extrémités
qui constituent les nœuds du maillage. Ce type de maillage est communément nommé ’SEG2’,
en référence à un maillage constitués de segments définis par leurs deux nœuds extrémités.
Daniel
Un maillage du domaine Ω est donc défini par deux tableaux : un tableau de noeuds et un
tableau d’éléments :
   
1 x1 1 1 2
 2 x2   2 2 3
   
noeud = 
 ..
 element =  .
  .


.   . 
n xn n−1 n−1 n
Remarquons que les premières colonnes respectives de ces tableaux correspond à la numérotation
des noeuds et des éléments. Cette numérotation peut tout à fait être implicite même si la plupart
des logiciels de maillage utilisent une numérotation explicite.
La MEF que nous allons développer est la méthode de Galerkin appliquée à une interpolation
polynomiale par morceaux, on définit le sous-espace discrétisé :
V n = {v ∈ C0 (Ω) / v|El est polynomial de degré 1 sur El , l = 1, . . . , n − 1}.
C’est à dire l’espaces des fonctions continues sur Ω et dont la restriction à chaque élément El est
un polynôme de degré 1.
On définit une base de V n avec une famille de fonctions polynomiales de degré 1 sur chaque
éléments Ei et qu’on caractérise par :
φi (xj ) = δi,j .
C’est à dire que φi est l’unique fonction continue sur Ω polynomiale sur chaque El et qui vaut
1 au noeud de coordonnées xi et 0 sur tous les autres noeuds. Il y a autant de fonctions φi que
de noeuds et toutes les fonctions de V n peuvent être engendrées par elles. Les fonctions φi sont
souvent appelées fonctions ”chapeaux” à cause de leur forme (voir la figure 4.1.1 ) et forment une
base de l’espace V n qui est donc de dimension n.
0
x i−1 x i x i+1
F IGURE 4.1 – Fonction φi polynomiale par morceaux, valant 1 en xi et 0 sur les autres nœuds.
Daniel
Dans cette base, pour chaque v ∈ V n , on a la décomposition

n
X
v(x) = vi φi (x).
i=1
Le choix de cette base est vraiment naturel car une composante vi représente la valeur de v
au nœuds xi . C’est ce qui rend ce choix pratique dans l’interprétation de la solution éléments-
finis qu’on obtient. Ainsi, dans le problème (4.2), les inconnues à déterminer, qu’on nomme
généralement degré de liberté (ddl) sont les valeurs de u aux nœuds du maillage considéré.
Puisque chaque fonction de V n peut être représentée de façon unique par sa valeurs aux noeuds,
on a l’isomorphisme
V n ' n. R
Il faut remarquer que l’espace V n ne tient pas compte de conditions aux limites. Cest la
procédure habituelle avec la méthode des éléments-finis qui va pouvoir s’adapter à toutes les si-
tuations : les conditions aux limites vont pourvoir s’eprimer sous la forme de contraintes imposées
aux inconnues, qui revient à éliminer certains ddls.
4.1.2 Éléments-finis P 1 , le système linéaire
Revenons au problème (4.2). Il faut pouvoir tenir compte des conditions aux limites : À l’es-
pace dicrétisé V n , nous associons l’espace
n
Vadm = V n ∩ Vadm
= {v ∈ V n / v(0) = u0 et v(1) = u1 }
R
Comme V n est isomorphe à n , une possibilité pour tenir compte de ces conditions aux limites
R
est d’indroduire une contrainte sur les vecteurs de n représentant une fonction de V n :
n
Vadm v = [v1 , v2 , . . . , vn ]T ∈
' {b Rn / v1 = u0 et vn = u1 }
v = [v1 , v2 , . . . , vn ]T ∈ Rn / Cb
' {b v = g}
avec la matrice C de dimension 2 × n :

" #
1 0 ... 0
C=
0 0 ... 1
" #
u0
g= .
u1
Daniel
et où le symbole ' correspond à isomorphe. L’espace vectoriel associé
V0n = {v ∈ V n / Cb
v = 0} 1 .
En terme de méthode d’éléments-finis cela revient à résoudre un problème d’optimisation

quadratique sous contrainte. Pour différente raisons que nous présentons en annexe nous ecartons
cette possibilité car ce ne sera pas la méthode recommandée, ni pour les conditions aux limites
de type Dirichlet, ni les conditions de type périodicité, même si cette méthode est utilisée par
certains codes d’éléments finis. La méthode que nous recommandons pour la prise en compte des
conditions aux limites de type Dirichlet ou de périodicité, parcequ’elle est la plus simple et la
plus efficace est la méthode de substitution.
Nous verrons dans les exemples plus complexes comment traiter cette difficulté technique de
façon générale, mais pour le moment nous nous bornerons à remarquer que
V0n = vect{φ2 , φ3 , . . . , φn−1 } ' Rn−2

Nous nous plaçons pour le moment, pour simplifier, dans le cas où Vadm = V0 , c’est à
dire lorsque les conditions aux limites sont homogènes. En effet si u ∈ V0n alors les valeurs
représentatives de u sont :[0, u2 , u3 , . . . , un−1 , 0], on a la décomposition :
n−1
X
ui ∀u ∈ V0
j=2
Dans ce paragraphe nous noterons

 
u2
Rn−2
 . 
. 
 . ∈
û = 
un−1
Alors nous pouvons réécrire le problème variationnel de la méthode de Galerkin associée au

probleme (4.2) : ( n
a(u, u) = L(u) ∀u∗ ∈ V0n
sous la forme
Rn−2 tel que
( n
Trouver û ∈ Vadm '
a(u, u) = L(u) ∀u∗ ∈ V0n ' Rn−2
1. ici V0n = H01 ([0, 1])
Daniel
Or puisque u, u∗ ∈ V0 , on peut décomposer
n−1
X n−1
X
a(u, u∗ ) = a( φi ui , φj u∗j )
i=2 j=2
n−1
X n−1
X
= ui a(φi , φj )u∗i = û> K2 û∗
i=2 j=2
où K2 est une matrice de dimension n − 2 × n − 2 dont les composantes sont a(φi , φj ) pour
i, i = 2 . . . , n − 1. C’est à dire
Rn−2 tel que

(
Trouver û ∈
û> Aû∗ = b> û∗ ∀u∗ Rn−2
Autrement dit, on a le système linéaire à résoudre
Aû = b (4.3)
Le système (4.3) est de Crammer avec une matrice symétrique définie positive : C’est une
conséquence directe de la corecivité de la forme bilinéaire a dans V0 et donc dans V0n ⊂ V0 .
Il suffit alors de l’inverser avec un solveur tel que la méthode du gradient conjugué ou par une
factorisation de Choleski pour obetenir l’approximation de Galerkin du problème (4.2) dans le
sous espace V0 . La proposition (??) nous indique alors que c’est la meilleure approximation au
sens de la norme induite par a.
Les notations A et b sont arbitraires et peuvent laisser perplexes, elles seront justifiées par
la prise en compte génerale des conditions aux limites dans une méthode d’éléments-finis, voir
section ??.
4.1.3 Technique d’assemblage
Le probléme à résoudre étant un simple système linéaire, une difficulté pouvant apparaitre est
le calcul des coefficients du système. Pour n ddl on a environ n2 coefficients à calculer a priori.
Cela peut devenir rédhibitoire très rapidement : 1 millions de ddl = 1000 milliards de coefficients
à calculer et à stocker. C’est tout l’intérêt de la méthode des éléments-finis par rapport à une
méthode de Galerkin toute bête : Le choix de l’espace V0 est jusitifé tant par sa simplicité que par
le fait que les matrices qui en découlent sont extrêmement creuses : dans notre exemple (4.2) elle
devient même tridiagnonale.
Oublions un instant les conditions aux limites, et construisons les matrices de dimension n×n,
Daniel
K et M , telles que ∀v, v ∗ ∈ V n :

Z
v 0 v ∗0 = v̂ > K v̂ ∗
[0,1]
Z
vv ∗ = v̂ > M v̂ ∗ .
[0,1]
La construction pratique des matrice K et M passe par une technique dite d’assemblage qui
calcule les matrices élément par élément : on tire avantage du fait que les fonctions d’interpo-
lations de V n sont à support nul sauf sur deux éléments, ou ce qui revient au même que sur un
élément du maillage El , défini par les noeuds l et l + 1, seules les deux fonctions φl et φl+1 sont
non-nullles :
φl φl+1
0
xl El xl+1
On décompose le calcul des matrices K et M sur tous les éléments, et on introduit les matrices
élémentaires Kl et Ml :
n−1
XZ
v̂ > K v̂ ∗ = v 0 v ∗0
l=1 El
n−1
XZ
v̂ > M v̂ ∗ = vv ∗
l=1 El
Considérons un élément isolé El = [xl , xl+1 ] rappelons que seules les fonctions φl et φl+1
sont non-nulles, par conséquent, sur un éléments El , la décomposition de toute fonction v ∈ V n
se réduit à
v(x) = φl (x)xl + φl+1 xl+1
" #> " #
φl (x) xl
=
φl+1 (x) xl+1
On a de même :
v 0 (x) = (φl (x)xl + φl+1 xl+1 )0
" #> " #
φ0l xl
= 0
φl+1 xl+1
Daniel
si bien qu’il est pratique de réduire les expressions, en faisant un abus de notation sans ambiguı̈té :
 
0
 ... 
 
 
 0 
  " # " #
 φ (x) 
l φ l 1 x l+1 − x
φ(x) =  −→ φb = = ∀x ∈ El .
b  
φl+1 (x) φl+1 h l x − xl
 
 0 
 
 ... 
 
de même, 

0
 ... 
 
 
 0 
  " # " #
 φ0  φ0i 1 −1
 i 
B =  0  −→= 0 =
φi+1  φi+1 hi +1
 
 0 
 
 ... 
 
où hi = |Ei |. Ainsi, le calcul effectifs des matrices élémentaires est réduit au calcul des compo-
santes non-nulles :
" #
Z
1 h i −1
Ki ([xi , xi+1 ], [xi , xi+1 ]) −→ Ki = 2 −1, +1 dx,
Ei hi +1
" #
Z
1 h 0 i φ0
0 i
Mi ([xi , xi+1 ], [xi , xi+1 ]) −→ Mi = 2 φi φi+1 dx.
Ei hi φ0i+1
Exercice : Montrer que pour chaque élément Ei :

" # " #
1 +1 −1 hi 2 1
Ki = et Mi = .
hi −1 1 6 1 2
4.1.4 Application numérique

Dans ce paragraphe nous allons détailler numériquement l’exemple précédent. On se donne
une subdivision en 3 éléments de longueurs égales :
E1 E2 E3
0 1
x1 x2 x3 x4
Daniel
on définit les 4 nœuds par un tableau ’nœud’ contenant les abscisses des nœuds :
 
0
1/3
noeud = 
 

2/3
1
correspondant à
x1 = 0, x2 = 1/3, x3 = 2/3, x4 = 1.
Les 3 éléments sont définis selon un tableau de nœuds :

 
1 2
element = 2 3 ,
 
3 4
ce qui correspond bien à
E1 = [x1 , x2 ], E2 = [x2 , x3 ], E3 = [x3 , x4 ].
Alors, puisque h1 = h2 = h3 = 1/3, on a (avec un abus d’écriture) :

" #
1 −1
K1 = K2 = K3 = 3 .
−1 1
d’où l’assemblage
K1 K2 K3
z }| { z }| { z }| {
     
1 −1 0 0 0 0 0 0 0 0 0 0
−1 1 0 0 1 −1 0
0 0 0 0 0
   
K = 3 +3 +3
 
−1 1 −1

 0 0 0 0  0 1 0 0 0
0 0 0 0 0 0 0 0 0 0 −1 1
 
1 −1 0 0
−1 2 −1 0
= 3 .
 
 0 −1 2 −1
0 0 −1 1
Daniel
De façon analogue, on calcule

 
2 1 0 0
1 1
 4 1 0
M= .

18 0

1 4 1
0 0 1 2
D’où  
56 −53 0 0
1  −53 112 −53 0
KM = K + M = .
 
18  0 −53 112 −53

0 0 −53 56
Le second membre se calcule de même :
 
1
f 2

L =  ,

6 2
1
si bien que le système linéaire du problème éléments-finis (4.3) devient :

" #" # " # " #" #
1 112 −53 u2 2 1 56 0 u0
= −
18 −53 112 u3 2 18 0 56 u1
0.1
u
exact
MEF
0.0
0.0 0.5 1
F IGURE 4.2 – Solution exacte et solution EF à 3 éléments du problème (4.2) pour f = 1, u0 =

0, u1 = 0.
Daniel
4.1.5 Estimation d’erreur

Sur la figure 4.2, nous voyons qu’une solution Éléments-finis par interpolation P 1 de La-
grange donne déjà d’assez bon résultats même pour 3 éléments seulement. Nous le voyons bien
car une solution exacte est disponible, il est alors facile de comparer. En général cependant (si-
non à quoi bon se fatiguer) les solutions exactes sont inaccessibles. Lorsqu’on fait un calcul par
éléments-finis, il faut s’assurer de la validité du calcul (cela est vrai pour n’importe quel méthode)
4.1.6 Programme Scilab

Voici un programme scilab (compatible version 4.2 – 5.2) résolvant le problème (4.2) par la
méthode des éléments finis pour f = 1, u0 = 0, u1 = 0 :
clear(); clf();
// Première partie : Préprocesseur
// Définition du maillage et
// Tableau Element/Noeuds
n = 4 ;
noeud = linspace(0,1,n)’ ; // numérotation des noeuds implicite
// noeud contient les abscisses des noeuds
element = [1:n-1 ; 2:n]’ ; // Les éléments sont constitués de noeuds successifs
nombre_element = size(element,1) ;
// Deuxieme partie construction de la matrice de rigidité

// Boucle sur les éléments = assemblage
K = zeros(n,n); // Initialisation
for i=1:nombre_element
N = element(i,1:2) ;
x = noeud(N) ;
xa = x(1) ; xb = x(2);
h = abs(xb -xa) ;
B = [ -1. 1.] ;
Kel = h*[2 1
1 2]/6 ;
Kel = Kel + B’*B /h ;
K(N,N) = K(N,N) + Kel ;
end
// Troisième partie : Second membre
L = zeros(n,1); // Initialisation
for i=1:nombre_element
N = element(i,:) ;
x = noeud(N) ;
xa = x(1) ; xb = x(2);
h = abs(xb -xa) ;
Lel = [ 1 ; 1 ] * h /2;
L(N) = L(N) + Lel ;
end
// Quatrième partie : Prise en compte des CL par substitution

L1 = [ 1 n] ; // Liste des noeuds sur lesquels
// la solution est imposée
Daniel
L2 = [ 2:(n-1)] ; // Liste complémentaire à L1

U = zeros(n,1) ; // Initialisation de la solution
// Les conditions aux limites sont implicites
// Cinquième partie Résolution par factorisation de Choleski

KM = sparse(K(L2,L2)) ;
spcho = chfact((KM)) ;
U(L2) = chsolve(spcho,L(L2)) ;
Exercice : Modifier le programme précédent pour prendre en compte les cas non-homogènes, puis
pour f une fonction non-constante arbitraire.
4.2 Élément-finis 1D dans le plan, structures en treillis

Un treillis est une structure mécanique constitué de nb barres élastiques reliés en leurs extrémités
par des liaisons rotules parfait (sans frottements), voir figure 4.3. C’est un exemple où la méthode
des éléments finis est confondue avec une résolution exacte du problème par la méthode matri-
cielle : les barres constituant naturellement les éléments de discrétisation de la structure.
Pour nous fixer les idées considérons le treillis constitué de 7 barres élastiques définies à partir
de 6 nœuds, soumis à une charge ponctuelle au nœud 2, Fig 4.3 :
F
2 4 4
1 2 6 7
3 5
1 3 5 6
F IGURE 4.3 – Treillis constitué de 7 barres
Considérons une barre Bk de longueur lk dont les extrémités sont les nœuds Ni et Nj sont
de coordonnées (xi , yi ) et (xj , yj ). Le vecteur tangent à la barre, en supposant que l’abscisse
curviligne va de Ni vers Nj , est définie par
" #
1 xj − xi
[t] =
lk yj − yi
Posons u le déplacement de la barre sous l’action de force extérieure. On note par ut le

déplacement tangentiel :
ut = u.t
Daniel
Chaque barre se déforme en traction compression uniquement et sur chaque barre nous avons
une tension Nk qui entraine une déformation via la loi de comportement (loi de Hooke)
dut
Nk = ES (4.4)
ds
où E est le module d’Young et S la section des barres, s désigne une abscisse curviligne et
ut est le déplacement tangentiel, s, autrement dit le déplacement dans la direction de la barre
(déformation uniquement en traction compression).
L’énergie de déformation élastique de la barre Bk est alors donné par
Z
1 1
Wk (u) = N2
2 Bk ES k
L’énergie de déformation élastique structure treillis est simplement la somme des énergies de
toutes les barres : X
W (u) = Wk .
k
En théorie des treillis les seules forces non-négligées sont les forces ponctuelles s’appliquant
aux nœuds de la structures, c’est à dire aux extrémités des barres. En conséquence, les tensions
dans les barres sont toutes constantes, si bien que d’après la loi de Hooke (4.4), on obtient, en
notant ∆x = xj − xi , et ∆y = yj − yi :
" #
ES h x i ∆
x
Nk = uj − uxi − uyj uyi
lk ∆y
" #
ES h i ux − ux
j i
= ∆ x ∆y
lk uyj − uyi
 x
ui
ES h i  uy 
 i
= −∆x −∆y ∆x ∆y  x 
l
|k } ujy
 
{z
B uj
D’où l’expression de la matrice (symétrique) de rigidité élémentaire de la barre bk :

Z
1 0
Kk = B ∗B
Bk ES
 2
−∆2y

∆x ∆ x ∆y −∆x ∆y
ES  ∆2y −∆x ∆y −∆2y 
= .
 
lk  ∆2x

∆x ∆y 
∆2y
On construit la matrice de rigidité par assemblage, en sommant sur toutes les barres :
Daniel
 1+√8 1 −1 −1 − 8
√
0 0 0 0 0 0 0

1 −1
√ −1 0 0 √0 0 0 0 0 0
4+ 8 0 0 √0 − 8 0 −1 1 0 0
 √

0 − 8 −1
 4+ 8 0 0

 √ √1 0 0 
 2+ 8 1
√ −1 −1 − 8 0 0 0 
ES  1+ 8 −1 −1 0 0 0 0

K= √  √
4+ 8 0 0 −1

l 8 √ √0 1 
4+ 8 0 − 8 √1 −1
 
 √ 
 2+ 8 −1 √ − 8 0 
 1+ 8 0
√ 0 
1+ 8 −1
1
En tenant compte des conditions aux limites (les nœuds 1 3 5 et 6 sont fixes), seuls quatre ddls (3,
4, 7 et 8) restent inconnus représentant les déplacements des nœuds 2 et 4. On a noté en rouge les
composantes de la matrice de rigidité correspondantes.h i
fx
Il reste alors à résoudre si l’unique charge F = fy est appliquée au nœud 2 :
 √ √   x  
4+ 8 0 − 8 0 u2 fx
√ √   uy   f 
ES  4+ 8 − 8 0   2  y
√ 
 √   x =  
l 8 4+ 8 0  u4   0 
√
4+ 8 uy4 0
4.3 Exemple 2D sur maillage triangulaire : Problème de Pois-

son
Considérons le problème de poisson suivant
−∆u = f Ω
(4.5)
u = 0 ∂Ω


1
 Trouver u ∈ H0 (Ω) telle que

Z Z (4.6)

 ∇u∇u∗ = f u∗ ∀u∗ ∈ H01 (Ω)
Ω Ω
Théorème 4.3.1. Le problème (4.6) possède une unique solution dans H01 (Ω). De plus la solution
minimise, dans H01 (Ω), la fonctionnelle J(v) :
Z Z
1
J(v) = ∇v.∇(v) − f v.
2 Ω Ω
Interprétation physique : Ce problème peut modèliser plusieurs problèmes, modulo des coef-
ficients correpondants :
Daniel
— L’équilibre thermique d’un milieu représenté par Ω soumis à une source de chaleur f et
dont les températures aux bords sont imposés nulles.
— L’équilibre d’une membrane élastique sous l’action de force f , fixée tout le long de son
bord.
Pour fixer les idées nous considérons un domaine carré Ω = [0, 1]2 .
Le problème (4.5) modélise une diffusion, les conditions aux limites sont appelées ici condi-
tion de Dirichlet homogène. On lit aussi parfois problème de Dirichlet, voir par exemple [Bre80]
pour une analyse fonctionnelle complète du problème.
4.3.1 Maillage triangulaire à 3 nœuds et interpolation P 1 de Lagrange

La discrétisation se base sur une subdivision du domaine en triangles. Cette subdivision est
appelé maillage, qu’on qualifie ici de triangulaire.
F IGURE 4.4 – 3 exemples de maillages triangulaires du carré Ω.
Sur la figure 4.4, nous avons tracé 3 maillages triangulaires différents du domaine carré Ω.
Le premier à gauche est constitué de 2 éléments triangulaires construits à partir de 4 nœuds
définissant les sommets des triangles ; chaque triangle (élément) étant défini par ses 3 sommets.
La topologie des triangle peut être arbitraire à la seule condition que les noeuds définissant les
triangles, et donc les éléments du maillage, soient exclusivement des sommets d’un triangle, au-
trement dit qu’un noeud ne doit pas re retrouver à l’intérieur d’une arête.
Naturellement la subdivision en triangles peut être une source d’erreur dépendant de la géométrie
du domaine. Par exemple, un disque ne peut pas être exactement subdivisé en triangles ou même
en quadrangle. Ceci est un autre problème, nous verrons ultérieurement comment estimer l’erreur
qui peut résulter de l’approximation de la géométrie.
On désire maintenant choisir une interpolation polynomiale de degré 1 sur chaque élément
(triangle) du maillage. Ce choix de fonctions de base vient d’abord du fait que c’est le choix le
plus simple possible, à la fois dans sa définition mathématique et dans la pratique réelle.
Sur un triangle, un polynôme φ de degré 1 est défini par trois constantes :
φ(x, y) = a + bx + cy.
Il suffit donc de connaitre sa valeurs en trois points pour le déterminer. On procède comme en
Daniel
F IGURE 4.5 – Un maillage triangulaire d’un disque.
dimension 1 : si le maillage est constitué de n nœuds sommets, notés Nj et de coordonnées

Nj = (xj , yj ), on définit n fonctions φi polynomiales de degré 1 sur chaque élément par les
relations :
φi (xj , yj ) = δij .
Ainsi définies, les fonctions φi sont continues le maillage tout entier et sont des polynômes de
F IGURE 4.6 – Fonction chapeau sur un maillage triangulaire.
degré 1 sur chaque élément ; elles sont donc incluses dans l’espace H 1 (Ω).
V = vect{φi , i = 1, . . . n} ⊂ H 1 (Ω).
Pour toute fonction u ∈ V , nous avons la décomposition :
u(x, y) = uj φj (x, y),
Daniel
Soit u ∈ V et soit û sa représentation matricielle dans la base des fonctions φi :

 
u1
 u2 
i
h 
u = ui φi = φ1 φ2 ... φn  . 

.
 .. 
un
| {z }
û
les composantes uj représentent la valeur de u au nœud Nj = (xj , yj ).
4.3.2 Matrice de rigidité élémentaire
Comme dans le cas 1D, sur un éléments seuls trois fonctions de base sont non-nuls, ainsi la
matrice de rigidité se construit par assemblage des matrices de rigidité élémentaire :
yk k
yi
i
j
xi xj
F IGURE 4.7 – Un élément triangulaire à 3 nœuds sommets
Sur un triangle El constitué par ses 3 nœuds sommets Ni , Nj et Nk (dans cet ordre), voir Fig
4.7, nous pouvons préciser les expressions de ces fonctions de base, par exemple

1 1 1

x x i xj

y yi yj (xi − x)(yj − yi ) − (xj − xi )(yi − y)
φk (x) = = ,
1 1 1
(x i − xk )(yj − yi ) − (xj − xi )(yi − yk )
xk xi xj

yk yi yj
φi et φj se déduisant par permutation circulaire.
Daniel
On a donc la décomposition de u ∈ V qui se réduit à

 
h i ui
u = φi φj φk  uj  .
 
uk
| {z }
û
d’où " #
u,1
∇u =
u,2
" #
φi,1 φj,1 . . . φk,1
= û
φi,2 φj,2 . . . φk,2
| {z }
B
Exercice : Montrer que

" #
1 yj − yk yk − yi yi − yj
B= .
A xk − xj xi − xk xj − xi
avec
A = (xi − xk )(yj − yi ) − (xj − xi )(yi − yk ).
Remarquons qu’on a |A| = 2 |El | et que la matrice B est constante.

On a alors la matrice de rigidité élémentaire
Z
Kl = B 0 B. = |El | B 0 B
El
Afin d’illustrer plus en détail cet exemple, considérons un maillage du domaine carré Ω = [0, 1]2
défini dans la figure 4.8
4 3 Élément nœuds
3
1 1,2,5
2 2,3,5
3 3,4,5
4 5 2 4 1,4,5
1 F IGURE 4.8 – Un maillage triangulaire du carré

en 4 éléments et 5 nœuds et le tableau de cor-
1 2 respondance élément/nœuds.
Exercice : Montrer que pour le maillage décrit en Fig 4.8, on a avec les abus d’écriture
Daniel
habituels  
1 0 −1
1
K1 = K2 = K3 = K4 =  1 −1

2
2
Soit après assemblage :
 
1 0 0 0 −1
1 0 0 −1
 

 
K = K1 + K2 + K3 + K4 = 
 1 0 −1

1 −1
 

4
4.3.3 Calcul du second membre

Supposons pour simplifier et pour nous épargner pour le moment le tracas du calcul par qua-
drature des intégrales que f est uniforme sur Ω dans le problème (4.2).
Le second membre se calcule également par assemblage sur tout les éléments du maillage.
Sur un élément El , on a  
Z φi
Ll = f  φj 
 
El
φk
En se rappelant que la première colonne (resp. ligne) correspond au ddl associé au nœud i Dans
le cas particulier du maillage décrit dans la figure 4.8, avec l’abus d’écriture habituel :
 
1/3
L1 = L2 = L3 = l4 = |El | 1/3
 
1/3
Soit au final, par assemblage  

2/3
2/3
 
1  
L=  .
2/3
4
2/3

 
4/3
4.3.4 Prise en compte des conditions aux limites et résolution

Dans le problème (4.2) l’espace des solutions admissibles Vadm = H01 (Ω), c’est à dire que
les solutions doivent être nul sur le bord de Ω. Dans le maillage considéré, voir Fig. 4.8, seul le
nœud 5 n’appartient pas au bord. Si que bien le problème élément-finis se réduit dans ce cas à
Daniel
F IGURE 4.9 – Isovaleurs de la solution élément-finis par interpolation P 1 du problème (4.2) avec
un maillage triangulaire régulier de 200 éléments définis sur 121 nœuds.
une équation linéaire à une inconnue :
[4] [u5 ] = [1/3]
Cela donne bien entendu une approximation grossière de la solution exacte. Pour avoir de
meilleurs résultats, il faut raffiner le maillage, voici un résultat avec un maillage plus fin où nous
avons tracé les isovaleurs de la solution éléments-finis :
4.4 Exemple 2D sur maillage quadrangulaire : Problème de

Poisson avec condition de Dirichlet et condition de Neu-
man
Nous reprenons le même problème que précédemment, mais avec des conditions de Diri-
chlet non-homogène sur une partie Γ1 du bord ∂Ω une condition de type Neumann sur la partie
complémentaire Γ2 :
−∆u = f Ω
u = uΓ1 Γ1 (4.7)
u,n = F Γ2

 Trouver u ∈ Vadm telle que

(4.8)
Z Z Z
∗ ∗

 ∇u.∇(u − u) = f (u − u) + F (u∗ − u) ∀u∗ ∈ Vadm
Ω Ω Γ2
où
Vadm = {u∗ ∈ H 1 (Ω) telles que u∗ |Γ1 = uΓ1 }
Daniel
Remarquons que l’espace des solutions admissible Vadm n’est pas un espace vectoriel. Nous
définissons également l’espace vectoriel associé à Vadm :
V0 = {u∗ ∈ H 1 (Ω) telles que u∗ |Γ1 = 0}
Si bien que le problème (4.8) peut se réécrire sous la forme :



Z Z Z
∗ ∗

 ∇u.∇(u ) = f (u ) + F (u∗ ) ∀u∗ ∈ V0 (Ω)
Ω Ω Γ2
Théorème 4.4.1. Le problème (4.8) possède une unique solution dans Vadm . De plus la solution
minimise dans Vadm la fonctionnelle J(v) :
Z Z Z
1
J(v) = ∇v.∇(v) − fv + F v.
2 Ω Ω Γ2
Interprétation physique : pour reprendre la modélisation d’un problème thermique à l’équilibre,

Γ1
u s’interprète comme une température imposée sur Γ1 et F est un flux de chaleur imposée sur
Γ2 .
4.4.1 Maillage quadrangulaire à 4 noeuds et interpolation linéaire

La discrétisation se base sur une décomposition du domaine en quadrangles, comme sur la
figure 4.10, où nous présentons differents maillages quadrangulaires du carré Ω :
F IGURE 4.10 – 3 exemples de maillages quadrangulaire du carré Ω.
Chaque élément quadrangulaire est donc simplement défini par une liste de 4 noeuds représentant
les 4 sommets.
Un maillage sera donc typiquement défini par une liste de noeuds, défini par leur coordonnées,
et une liste d’éléments définis chacun par 4 numéros représentant les 4 noeuds sommets, voir par
exemple la figure 4.12.
Comptes tenu des conditions aux limites, nous établissons plusieurs listes de noeuds corres-
pondants :
Daniel
On notera
— L1 = la liste des noeuds appartenant à la frontière Γ1 ,
— L2 = la liste des noeuds appartenant à la frontière Γ2 ,
— L3 = la liste des noeuds n’appartenant pas à la frontière.
4.4.2 Interpolation linéaire sur un quadrangle
On choisit de chercher une approximation de la solution de (4.8) par la méthode des éléments-
finis avec une interpolation linéaire, engendré par 1, x, y, xy, sur un maillage quadrangulaire.
S
Soit une décomposition ou maillage quadrangulaire de Ω = k Ek où les éléments Ek sont
tous des quadrangles, ne désigne le nombre d’éléments du maillage et n le nombre de noeuds. On
dit inteprolation linéaire, bien que qu’ils’agisse de polynômes de dégré 2, car nous verrons que
les fonctions de bases sont choisies linéaires aux arêtes.
On désigne les noeuds du maillage par Nj , avec j = 1, 2, . . . , n, ou plus simplement par leur
numéro. Soit Φi la fonction P 2 définie sur Ω, combinaison linéaire de 1, x, y, xy sur chacun des
éléments Ek et telle que
Φi (Nj ) = δij , (4.9)
où δij désigne le symbole de Kronecker. Il est clair que sur chaque élément Ek , les fonctions Φj
sont uniquement définies par (4.9).
On remarque plusieurs propriétés importantes :
— Une fonction Φi est nulle sur chaque élément de la décomposition (ou maillage) sauf sur
les éléments dont le noeud Nj est un des quatres sommets.
— Les fonctions Φi sont des fonctions affines le long des arêtes des éléments.
— Les fonctions Φi sont continues sur tout Ω, mais leur dérivées sont discontinues aux arêtes.
— les fonctions Φi forment une partition de l’unité :
i=n
X
Φi = 1 sur Ω.
i=1
On désigne par V h l’espace vectoriel engendré par les fonctions Φi . Il est clair que V h ⊂
H 1 (Ω) et que V h est de dimension n.
Toute fonction v ∗ ∈ Vh se décompose alors de façon unique dans la base des Φi :
v ∗ = vi∗ Φi ,
On note de façon vectorielle :

[v ∗ ] = Φ̂> v̂ ∗ ,
Daniel
où h i>
v̂ ∗ = v1∗ . . . vi∗ . . . vn∗ ,
h i>
Φ̂ = Φ1 . . . Φi . . . Φn .
On note également
h
Vadm = Vadm ∩ V h , V0h = V0 ∩ V h ,
autrement dit :
h
Vadm = {v ∗ ∈ V h tel que vi∗ = uΓ1 (Ni )}
= {v ∗ ∈ V h tel que C v̂ ∗ = ûΓ1 }.
4.4.3 Elément de réference et formule de Jacobi

Contrairement au cas des éléments trianglulaires à trois noeuds, les fonctions Φi sont déterminés
à partir de leur définition, notée φ, sur un élément de référence, ce qui reflète la pratique habituelle
avec la méthode des éléments finis
1 s
4 3
r
−1 0 1
1 −1 2
1 1
φ1 = (1 − r)(1 − s) φ3 = (1 + r)(1 + s)
4 4
1 1
φ2 = (1 + r)(1 − s) φ4 = (1 − r)(1 + s)
4 4
Pour une fonction f definie sur El , on a :
fα (x, y) = fi Φi (x, y) + fj Φj (x, y) + fk Φk (x, y) + fm Φm (x, y)

= fi φ1 (r, s) + fj φ2 (r, s) + fk φ3 (r, s) + fm φ4 (r, s)
où fi , fj , fk , fm désignent respectivement les valeur de f aux noeuds Ni , Nj , Nk , Nm .

De même, pour un quadrangle El défini par quatres noeuds sommets Ni , Nj , Nk , Nm , on
définit le changement de variable par l’application T :
(
x = xi φ1 (r, s) + xj φ2 (r, s) + xk φ3 (r, s) + xm φ4 (r, s)
T (r, s) =
y = yi φ1 (r, s) + yj φ2 (r, s) + yk φ3 (r, s) + ym φ4 (r, s)
Daniel
Remarque 4.4.2. Il est important de souligner que dans cet exemple, ainsi que dans le cas d’une
interpolation linéaire pour un maillage en triangle à trois noeuds, les mêmes fonctions d’inter-
polations Φi sont utilisées pour représenter une approximation de la solution cherchée et pour
représenter la géométrie du maillage. On dit que ce sont des éléments isoparamétriques.
4 1 3
s y
4
y3 3
T
r
−1 0 1
y1 x2
x
1 x1
2
1 −1 2
F IGURE 4.11 – T relie un élément quelconque à l’élément de référence
Rappelons la formule de changement de variable (formule de Jacobi) pour le calcul d’une

intégrale :
Z Z
f (r, s)dxdy = f (r, s) |det JT | drds
E=T (Er ) Er
où JT est la matrice Jacobienne du changement de variable

" #
x,r y,r
JT =
x,s y,s
On remarque que " #

φ̂> >
,r x̂ φ̂,r ŷ
JT = > ,
φ̂,s x̂ φ̂>
,s ŷ
où on a désigné
    
xi yi φ1
x  y  φ 
 j  j  2
x̂ =   , ŷ =   , φ̂ =   ,
xk  yk  φ3 
xl yl φ4
Dans un problème scalaire la numérotation des noeuds et des ddl coı̈ncident.
Le gradient de la fonction scalaire u est représenté sous la forme d’un vecteur :
" #
u,1
[∇(u)] =
u,2
Sur un élément quadrangulaire El dont les sommets sont les noeuds Ni , Nj , Nk , Nm seuls les
quatres fonctions Φi , Φj , Φk , Φm de V h sont non nuls, si bien que dans El :
Daniel
h i
[u] = Φi Φj Φk Φm û
h i
= φ1 φ2 φ3 φ4 û
où on note dans El :

ui
 
 uj 
û =  k 
 
u 
um
On a
[∇r,s (u)] = Br û
avec " #
φ1,r φ2,r φ3,r φ4,r
Brs =
φ1,s φ2,s φ3,s φ4,s
On montre facilement que
[∇r,s (u)] = JT [∇x,y (u)].
Si on note la matrice B telle que

[∇x,y (u)] = B û.
on a alors h i−1
B = JT Br .
La matrice (de rigidité) élémentaire Kl telle que pour tout u et u∗ de V h , on ait

Z
∇(u).∇(u∗ ) = û0 Kl û∗
El
est alors donné par Z

Kl = B 0 B |det JT | .
ER
On utilisera une intégration numérique de Gauss à 4 noeuds, voir Annexe 6.4.3
Exercice : Verifier que

h i
φb>
,r = s − 1 1 − s 1 + s −(1 + s) ,
h i
φb>
,s = r − 1 −(1 + r) 1 + r 1−r .
Daniel
Exercice : Déterminer le vecteur Ll tel que

Z
f u∗ = L0l û∗
El
6 5 4 Élément nœuds
1 1,2,5,6
2 2,3,4,5
1 2 F IGURE 4.12 – Un maillage quadrangulaire en
2 éléments et 6 nœuds et le tableau de corres-
pondance éléments/nœuds
1 2 3
4.5 Exemple 3D : Mécanique des milieux continus
On considère un problème général de la mécanique des milieux continus sous sa forme varia-
tionnelle : 

Z Z (4.10)

 σ : ε(u∗ − u) = f .(u∗ − u) ∀u∗ ∈ Vadm
Ω Ω
où
Vadm = {u∗ ∈ [H 1 (Ω)]3 /u|Γ = u0
et σ est le tenseur des contrainte lié au tenseur des déformations ε par la loi de comportement
qu’on écrit sous forme matricielle pour des raisons informatiques :
    
σ11 1−ν ν ν e11
σ22  1−ν ν   e22 
    

    
σ33 
 = E 
 1−ν   e33 
 
σ  (1 + ν)(1 − 2ν)  1
 12   2 (1 − 2ν)  2e 
  12 
1
σ23  2 (1 − 2ν)  2e23 
    

1
σ31 2 (1 − 2ν) 2e31
Daniel
4.5.1 Élément tétrahèdriques à 4 nœuds
On considère l’élément de référence : un tétraèdre à quatre nœuds dont les coordonnées sont
(0,0,0), (1,0,0), (0,1,0) et (0,0,1).
t
4
1 s
3
2
r
Sur cet élément de référence, nous définissons les 4 fonctions de base :
φ1 = 1 − (r + s + t)
φ2 = r
φ3 = s
φ4 = t
Si on considère un élément tétraèdrique arbitraire dont les sommets sont de coordonnées (xi , yi , zi ),
tout point de l’élément peut être défini par le paramétrage
   
x(r, s, t) φi (r, s, t)xi
y(r, s, t) =  φi (r, s, t)yi  = T (r, s, t)
   
z(r, s, t) φi (r, s, t)zi
T est le difféomorphisme qui envoie l’élément de référence à l’élément considéré. Nous avons la
formule de Jacobi (changement de variable) :
Z Z
f (x, y, z)dxdydz = f (x, y, z) |det JT | drdsdt
Ereel Eref
où JT est la jacobienne de T :  

x,r y,r z,r
JT = x,s y,s z,s 
 
x,t y,t z,t

En notant h i
φ̂> = φ1 φ2 φ3 φ4 ,
Daniel
on a  
x̂> h i
 >
JT = ŷ  φ̂,r φ̂,s φ̂,t
ẑ >
soit  
  −1 −1 −1  
x̂>  x2 − x1 x3 − x1 x4 − x1
  1 0 0 

JT = ŷ >    =  y2 − y1 y3 − y1 y4 − y1 

 0 1 0
ẑ > z2 − z1 z3 − z1 z4 − z1
0 0 1
Par ailleurs on a
f,r = x,r f,x + y,r f,y + z,r f,z
f,s = x,s f,x + y,s f,y + z,s f,z
f,t = x,t f,x + y,t f,y + z,t f,z
c’est à dire :
∇r,s,t f = JT> ∇x,y,z f,
ou encore
∇x,y,z f = JT> ∇r,s,t f =,
Notons    
ux,x ux,r
u  u 
 x,y   x,s 
   
ux,z   ux,t 
   
uy,x  uy,r 
   
∇x,y,z u = uy,y  et ∇r,s,t u = uy,s  = Br u
   
b
   
 uy,z   uy,t 
   
u  u 
 z,x   z,r 
   
 uz,y  uz,s 
uz,z uz,t
avec  
−1 0 0 1 0 0 0 0 0 0 0 0
−1 0 0 0 0 0 1 0 0 0 0 0
 
−1
 
 0 0 0 0 0 0 0 0 1 0 0

0
 −1 0 0 1 0 0 0 0 0 0 0

Br =  0 −1 0 0 0 0 0 1 0 0 0 0
 
 
0
 −1 0 0 0 0 0 0 0 0 1 0

0
 0 −1 0 0 1 0 0 0 0 0 0

−1
 
0 0 0 0 0 0 0 1 0 0 0
0 0 −1 0 0 0 0 0 0 0 0 1
Daniel
On a donc,  −1 
JT 0 0
∇x,y,z u =  0 JT−1 0  ∇r,s,t u
 
0 0 JT−1
 
ux,x
 uy,y
 

 
 uz,z 
ε̂x,y,z u + u  = BE ∇x,y,z u
= 
 x,y y,x 
 uy,z + uz,y 
 
ux,z + uz,x
with  
1 0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0
 
 
0 0 0 0 0 0 0 0 1
BE = 
0
.
 1 0 1 0 0 0 0 0
0 0 0 0 0 1 0 1 0
 
0 0 1 0 0 0 1 0 0
Ainsi, nous avons
ε̂x,y,z = Bb
u
avec  −1 
JT 0 0
B = BE ∗  0 JT−1 0  ∗ Br
 
0 0 JT−1
on a
JT−1 =] [
4.5.2 Élément prisme à 6 noeuds

On considère l’élément de référence dont les coordonnées sont (0,0,0),(1,0,0),(0,1,0),(0,0,1),(1,0,1),(0,1,1).
Sur cet élément de référence, nous définissons les 6 fonctions de base :
φ1 = (1 − r − s)(1 − t)
φ2 = r(1 − t)
φ3 = s(1 − t)
φ4 = (1 − r − s)t
φ5 = rt
φ6 = st
Daniel
Si on considère un élément prisme arbitraire dont les sommets sont de coordonnées (xi , yi , zi ),
tout point de l’élément peut être défini par le paramétrage
   
x(r, s, t) φi (r, s, t)xi
y(r, s, t) =  φi (r, s, t)yi  = T (r, s, t)
   
z(r, s, t) φi (r, s, t)zi
T est le difféomorphisme qui envoie l’élément de référence à l’élément considéré. Nous avons la
formule de Jacobi (changement de variable) :
Z Z
f (x, y, z)dxdydz = f (x, y, z) |det JT | drdsdt
Ereel Eref
où JT est la jacobienne de T :  

x,r y,r z,r
JT = x,s y,s z,s 
 
x,t y,t z,t

En notant h i
φ̂> = φ1 φ2 φ3 φ4 φ5 φ6 ,
on a  
x̂> h i
 >
JT = ŷ  φ̂,r φ̂,s φ̂,t
ẑ >
soit  
  −1 −1 −1  
>
x̂ x2 − x1 x3 − x1 x4 − x1
 >  1 0 0 
 
JT = ŷ    =  y2 − y1 y3 − y1 y4 − y1 

 0 1 0
ẑ > z2 − z1 z3 − z1 z4 − z1
0 0 1
Par ailleurs on a
f,r = x,r f,x + y,r f,y + z,r f,z
f,s = x,s f,x + y,s f,y + z,s f,z
f,t = x,t f,x + y,t f,y + z,t f,z
c’est à dire :
∇r,s,t f = JT> ∇x,y,z f,
ou encore
∇x,y,z f = JT> ∇r,s,t f =,
Daniel
Notons    
ux,x ux,r
u  u 
 x,y   x,s 
   
ux,z   ux,t 
   
uy,x  uy,r 
   
∇x,y,z u = uy,y  et ∇r,s,t u = uy,s  = Br u
   
b
   
 uy,z   uy,t 
   
u  u 
 z,x   z,r 
   
 uz,y  uz,s 
uz,z uz,t
On a donc,  −1 
JT 0 0
∇x,y,z u =  0 JT−1 0  ∇r,s,t u
 
0 0 JT−1
 
ux,x
 uy,y
 

 
 uz,z 
 = BE ∇x,y,z u
ε̂x,y,z =

ux,y + uy,x 

 uy,z + uz,y 
 
ux,z + uz,x
Ainsi, nous avons

ε̂x,y,z = Bb
u
avec  −1 
JT 0 0
B = BE ∗  0 JT−1 0  ∗ Br
 
0 0 JT−1
on a
JT−1 =] [
Daniel
4.5.3 Élément cubique à 8 nœuds

Pour un cube à 8 noeuds, on fait pareil on définit les huits fonctions dans un élément de
réference [0, 1]3 :
φ1 = (1 − r)(1 − s)(1 − t)
φ2 = r(1 − s)(1 − t)
φ3 = rs(1 − t)
φ4 = (1 − r)s(1 − t)
φ5 = (1 − r)(1 − s)t
φ6 = r(1 − s)t
φ7 = rst
φ8 = (1 − r)st
on a
h i
φb,r = (s − 1)(1 − t) (1 − s)(1 − t) s(1 − t) s(t − 1) (s − 1)t (1 − s)t st −st
h i
φb,s = (r − 1)(1 − t) r(t − 1) r(1 − t) (1 − r)(1 − t) (r − 1)t −rt rt (1 − r)t
h i
φb,s = (r − 1)(1 − s) r(s − 1) −rs (r − 1)s (1 − r)(1 − s) r(1 − s) rs (1 − r)s
Daniel
CHAPITRE 5
Exemples non-isoparamétrique
5.1 Poutre en flexion, interpolation P 3 sur maillage SEG2

On considère le problème des poutre en flexion, sous l’action normale d’une densité linéique
f , encastrée à une extrémité, libre à l’autre.
−fy
a
a
l
F IGURE 5.1 – Poutre encastré à une extrémité soumise à une force normale.
5.1.1 Le modèle de Bernouilli

Selon le modèle de Bernouilli l’équilibre d’un tel système s’écrit
T0 + f = 0
M0 + T = 0
où T désigne l’effort tranchant, M le moment de flexion relié à un déplacement normal v (flèche)
via la loi de comportement, pour une poutre en flexion homogène isotrope de module d’Young E
Daniel
et de moment quadratique d’inertie I :
M
w0 =
EI
v0 = w
v est la flèche ou déplacement normal, w est la rotation.

Les conditions aux limites s’écrivent à l’extrémité encastrée
v(0) = 0, w(0) = 0
et à l’extrémité libre :
T (l) = 0, M (l) = 0.
Il est possible de réécrire tout le problème sous la forme d’un problème différentiel aux limites
d’ordre 4 en v :
(EIv 00 )00 = f [0, l]
v(0) = 0
v 0 (0) = 0 (5.1)
v 00 (l) = 0
v 000 (l) = 0
5.1.2 Principe des travaux virtuels
Exercice :
1. Montrer qu’une solution du problème au limite (5.1) est également une solution de la for-
mulation variationnelle (5.2), Cette formulation s’interprète également comme le principe
des travaux virtuels.
2. Montrer que (5.2) possède une solution unique.
(
Trouver v ∈ Vadm tel que
(5.2)
af (v, v ∗ ) = L(v ∗ ) ∀v ∗ ∈ Vadm
où
Vadm = {u ∈ H 2 ([0, l]) / u(0) = u0 (0) = 0},
et avec la forme bilinéaire d’énergie de déformation en flexion af

Z Z
af (v, v ∗ ) = EIv 00 v 00∗ , et L(v ∗ ) = f v∗ .
[0,l] [0,l]
Daniel
5.1.3 Maillage SEG2 et Interpolation P 3
Comme dans dans l’exemple 4.1, nous considérons un maillage SEG2 de l’intervalle [0, l],
i.e. une subdivision en n − 1 segments :
n−1
[
[0, l] = Ei , Ei = [xi , xi+1 ]
i
avec les nœuds

0 = x1 < x2 < · · · < xi < xi+1 < · · · < xn = l.
Associé à le type de maillage, il est possible de définir une interpolation plus riche qu’une inter-
polation P 1 . On définit le sous-espace discrétisé :
V n = {v ∈ H 1 / v|Ei est polynomial de degré 3 sur Ei , i = 1, . . . , n − 1}.
dont on définit une base avec deux familles de fonctions polynomiales de degré 3 sur chaque
éléments Ei et qu’on définit par :
φi (xj ) = δi,j , φ0i (xj ) = 0,

∀i, j ∈ {1, 2, . . . , n − 1} (5.3)
ψi (xj ) = 0, ψi0 (xj ) = δi,j .
1 φi φi+1
ψi
0 x x i+1
i
ψi+1
F IGURE 5.2 – Fonctions d’interpolation P 3 définies par (5.3).
Les conditions (5.3) sont suffisantes pour déterminer les fonctions φ et ψ sur chaque élément
Ei .
Daniel
Exercice : Montrer que sur Ei = [xi , xi+1 ] et h = xi+1 − xi , on a
1 1
φi (x) = (x − xi+1 )2 (2x + xi+1 − 3xi ) ψi (x) = (x − xi )(x − xi+1 )2
h3 h2
1 1
φi+1 (x) = 3 (x − xi )2 (3xi+1 − xi − 2x) ψi+1 (x) = (x − xi )2 (x − xi+1 ).
h h2
Soit v ∈ V n , on peut le décomposer dans cette base :
v(x) = vi φi (x) + wi ψi (x).
Comme dans le cas précédent, cette base est très pratique : les composantes vi et wi représentent
respectivement la valeur de v et la valeur de v 0 au nœud xi . Nous notons que pour chaque nœud
xi , il est défini deux degrés de liberté vi et wi . Ainsi, si la discrétisation est définie par n nœuds,
alors il y aura 2n degrés de liberté.
On note de façon matricielle
 
v1
w 
1
h i
 . 
v(x) = φ1 ψ1 ... φn .
ψn  . 

,
 
 vn 
wn
| {z }
v̂
alors on a  
v1
w 
1
i
00  ..  .
h
v 00 = φ001
 
ψ100 ... φ00n ψn  . 
| {z } 
B
 vn 
wn
| {z }
v̂
Remarque 5.1.1. Si nous avions choisi une interpolation P 1 , alors le problème de Galerkin
associé donne simplement un problème nul, puisque la dérivée seconde d’une fonction linéaire
par morceaux est nulle sur chaque morceaux. D’un point de vue plus théorique, les fonctions
polynomiale de degré 1 par morceaux n’appartiennent pas en général à l’espace H 2 , qui contient
l’espace des fonctions de classe C 1 .
5.1.4 Calcul de la matrice rigidité à la flexion

On procède toujours par assemblage, puisque sur un élément Ei toutes les fonctions d’inter-
polations sont nulles sauf quatre : φi , φi+1 , ψi et ψi+1 .
Daniel
On calcule donc les matrices élémentaires de façon exacte :

 
12 −6h −12 −6h
EI −6h 4h2 2h2 
Z  6h
Ki = EIB 0 ∗ B = 3 

h −12

Ei  6h 12 6h 
2
−6h 2h 6h 4h2
Exercice : Calculer par assemblage la matrice de rigidité d’une poutre discrétisée en 3 éléments
de longueurs égales. Appliquer au cas d’une densité de force linéique uniforme.
5.2 Element MITC4 pour les plaques en flexion

Soit un problème de plaque en flexion dont les déplacements sont donnés par
 
−zβx
u = −zβy 
 
les déformations en flexions sont caractérisés par le tenseur

   
11 βx,x
 22  = −z  βy,x
   

212 βx,y + βy,x
et le cisaillement est défini par " # " #

γ13 w,x − βx
=
γ23 w,y − βy
Pour un matériau homogène et isotrope cela correspond à des contraintes
    
σ11 1 ν 0 βx,x
−zE 
σ22  = ν 1 0   βy,x
   
(1 − ν 2 )
 
1−ν
σ12 0 0 2 βx,y + βy,x
et " # " #
σ13 E w,x − βx
=
σ23 2(1 + ν) w,y − βy
Considérons un quadrangle quelconque :

Nous définissons la famille de fonctions d’interpolation polynomiale de degré 2 telle que
φi (j) = δij i, j = 1, 2, 3, 4.
Daniel
1 s
4 3
r
−1 0 1
1 −1 2
F IGURE 5.3 –
soit
1
φ1 = (r − 1)(s − 1)
4
1
φ2 = (r + 1)(1 − s)
4 (5.4)
1
φ3 = (r + 1)(s + 1)
4
1
φ1 = (1 − r)(s + 1)
4
si bien qu’on peut définir un point de la plaque sur la base de ce quadrangle par
 
φi (r, s)xi
x =  φi (r, s)yi 
 
Sur un quadrangle quelconque, définissons la base covariante
gr = x,r
gs = x,s
g3 = x,z
On définit la base contravariante (duale) gj :
gi gj = δij i, j = r, s, 3.
Daniel
On définit alors les composantes covariantes du tenseur de déformation
γx3 = γrz (gr .ex )(gz ez ) + γsz (gs .ex )(gz ez )

γy3 = γrz (gr .ey )(gz ez ) + γsz (gs .ey )(gz ez )
or puisque gz = ez , on a simplement,
γx3 = γrz (gr .ex ) + γsz (gs .ex )

.
γy3 = γrz (gr .ey ) + γsz (gs .ey )
On définit l’interpolation du tenseur des contraintes de cisaillement sur la base de leur valeur aux
nœuds A, B, C, D :
1 A 1 C
γr3 = (1 + s)γr3 + (1 − s)γr3
2 2 .
1 D 1 B
γs3 = (1 + r)γs3 + (1 − r)γs3
2 2
D’après l’interpolation choisie, il vient
A 1 3 1 3 1 3
γr3 = (w − w4 ) + (β + βx4 )(x3 − x4 ) + (β + βy4 )(y3 − y4 )
2 2 x 2 y
B 1 1 1 1 1
γs3 = (w4 − w1 ) + (β + βx4 )(x4 − x1 ) + (β + βy4 )(y4 − y1 )
2 2 x 2 y
C 1 1 1 1 1
γr3 = (w2 − w1 ) + (β + βx1 )(x2 − x1 ) + (β + βy2 )(y2 − y1 )
2 2 x 2 y
D 1 1 2 1 2
γs3 = (w3 − w2 ) + (β + βx3 )(x3 − x2 ) + (β + βy3 )(y3 − y2 )
2 2 x 2 y
autrement dit on a
w1
 
β1 
 x
 βy1 
 A  
γr3 0 0 0 0 0 0 1 x3 − x4 y3 − y4 −1 x3 − x4 y3 − y4  
γ B   w 
 2
 s3  1 −1 x4 − x1 y4 − y1 0 0 0 0 0 0 1 x4 − x1 y4 − y1  
 C=   . 
γr3  2  −1 x2 − x1 y2 − y1 1 x2 − x1 y2 − y1 0 0 0 0 0 0   .. 
D
γs3 0 0 0 −1 x3 − x2 y3 − y2 1 x3 − x2 y2 − y2 0 0 0
 
w 4 
| {z } 4

Bc  βx 
βy4
Soit au final
Daniel
 
w1
 1
 βx 
 
β1 
 y
" # " #" #  2
γx3 1 gr .ex gs .ex s+1 0 s−1 0 w 
= BC 
 .. 

γy3 2 gr .ey gs .ey 0 r−1 0 r+1  . 
| {z }w4 

Bs  
 4
 βx 
βy4
Daniel
CHAPITRE 6
Annexes : Rappels de Mathématiques
Dans cette annexe, nous présentons les outils de calculs de variation et d’optimisation om-
niprésent dans la pratique des éléments finis.
6.1 Rappels en algèbre linéaire, analyse matricielle

Commençons par un résultat fondamental sur les matrices symétriques
R
Théorème 6.1.1. Soit A ∈ n × n une matrice carrée symétrique, n × n, alors il existe une
matrice orthogonale U et une matrice diagonale D telles que
A = U 0 DU.
Autrement dit, les matrices symétriques sont toujours diagonalisables dans une base de vecteurs
propres orthonormée.
6.2 Rappels d’optimisation quadratique

Théorème 6.2.1. (Condition d’optimalité sur un convexe) – Soit J une fonctionnelle deux fois
différentiable sur un espace de Banach E. Soit K ⊂ E un sous-ensemble convexe et fermé sur
lequel J est strictement convexe.
Daniel
u minimise J sur K si et seulement si
(∇J(u), u∗ − u) ≤ 0 ∀u∗ ∈ K.
6.3 Théorèmes de projection

Théorème 6.3.1. – (Stampacchia) – Soit H un espace de Hilbert et K un convexe fermé de H,
alors ∀u ∈ H, ∃!uk ∈ K tel que
ku − u∗ kH ≥ ku − uk kH ∀u∗ ∈ K.
De plus, on a
(u − uk , u∗ − uk ) ≤ 0 ∀u∗ ∈ K.
Démonstration. Commençons par montrer l’existence.

Soit
2
d = inf
∗
ku − u∗ kH ,
u ∈K
alors il existe une suite un ∈ K telle que
2 1
ku − un kH ≤ d + .
n
On va simplement montrer que la suite un est de Cauchy. Grâce à l’identité du parallélogramme :
(x + y, x + y) + (x − y, x − y) = 2(x, x) + 2(y, y)
on écrit :
2 2 2 2
2ku − un kH + 2ku − um kH = kun − um kH + k2u − un + um kH .
D’où, en reportant :
2 2 2 un + um 2
kun − um kH = 2ku − un kH + 2ku − um kH − 4ku − k .
2 H
Comme K est convexe, (un + um )/2 appartient également à K et donc
un + um 2
ku − k ≥ d.
2 H
Ainsi,
2 1 1 1 1
kun − um kH ≤ 2(d + ) + 2(d + ) − 4d ≤ 2( + ),
n m n m
ce qui prouve que la suite un est de Cauchy. On en déduit qu’il existe une limite uk ∈ K puisque
Daniel
K est fermé.
Montrons maintenant que la limite uk est unique : Supposons qu’on ait également ul tel que
2 2
ku − uk kH = ku − ul kH = d,
alors en faisant le même calcul que précédemment, on aurait
2
kuk − ul kH ≤ 2d + 2d − 4d = 0.
6.4 Intégration numérique de Gauss

Une intégrale est approchée numériquement par une formule de quadrature :
Z X
f (x)dx ≈ wi f (xi )
Ω i
où xi sont les noeuds d’intégration et wi sont les poids.
6.4.1 3 noeuds d’intégration de Gauss sur un triangle de référence
r1 = 1/6 s1 = 1/6 w1 = 1/3

r2 = 2/3 s2 = 1/6 w2 = 1/3
r3 = 1/6 s3 = 2/3 w3 = 1/3
6.4.2 7 noeuds d’intégration de Gauss sur un triangle de référence
Daniel
r1 = 0.1012865073235 s1 = r1 w1 = 0.1259391605448
r2 = 0.7974269863531 s2 = r1 w2 = w1
r3 = r1 s3 = r2 w3 = w1
r4 = 0.4701420641051 s4 = r6 w4 = 0.1323941527885
r5 = r4 s5 = r4 w5 = w4
r6 = 0.0597158717898 s6 = r4 w6 = w4
r7 = 1/3 s7 = r7 w7 = 0.225
6.4.3 4 noeuds d’intégration de Gauss sur un quadrangle de référence
r1 = −0.577350296189626 s1 = r1 w1 = 1/4
r2 = r1 s2 = r3 w2 = 1/4
r3 = 0.577350296189626 s3 = r1 w3 = 1/4
r4 = r3 s4 = r3 w4 = 1/4
Daniel
Bibliographie
[Bat96] Klaus-Jürgen Bathe. Finite Element Procedures. Prentice Hall, 1996.

[Bre80] Haı̈m Brezis. Analyse fonctionnelle. Masson, 1980.
[LM68] Jacques-Louis Lions and Enrico Magenes. Problèmes aux limites non-homogènes et
applications. Dunod, 1968.
[ZT00] O.C. Zienkiewicz and R.L. Taylor. The finite element method. Butterworth Heinemann,
fifth edition, 2000.
Daniel

Cours Mef

Transféré par

Droits d'auteur :

Formats disponibles

Cours Mef

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Mef

Transféré par

Droits d'auteur :

Formats disponibles

Méthode des éléments-finis par l’exemple

Version Janvier 2016

Table des matières

2 Cadre théorique : espaces de Hilbert et espaces de Sobolev 15

3.3.2 Elément-finis et méthode de Galerkin . . . . . . . . . . . . . . . . . . . 31

4 Éléments-finis par l’exemple : Eléments-finis isoparamétriques 33

6 Annexes : Rappels de Mathématiques 73

6.4.1 3 noeuds d’intégration de Gauss sur un triangle de référence . . . . . . . 75

F IGURE 1.1 – Maillages

les espaces de Hilbert.

Convention de sommation suivant les indices répétés

De même pour un produit de matrices C = BA :

Si un vecteur x a pour composantes (x1 , x2 , ..., xn ) dans la base e1 , e2 , . . . , en , on écrit

Si on note, dans R3 le produit mixte des vecteurs de la base canonique :

On peut écrire le produit mixte de trois vecteurs a, b et c par

où on a appliqué la convention sur les trois indices répétés i, j et k.

Notation des dérivées partielles

où on a également utilisé la convention de sommation suivant les indices répétés.

Indices et exposant Grecs ou Latins

on reconnait un problème en dimension 2 (avec une sommation sur β) .

1.1 Problème aux limite et formulation variationnelle, quelques

1.1.1 Problème modèle 1d

que l’on réécrit sous sa forme variationnelle équivalente :

F IGURE 1.2 – La solution exacte et une solution EF (3 éléments) du problème (1.2)

1.1.2 Problème modèle 2d ou 3d : problème de Poisson

que l’on réécrit sous sa forme variationnelle équivalente :

1.1.3 Problème 2d : élasticité plane linéaire

tandis que le reste est libre de contrainte :

où E désigne le module d’Young (rigidité) et ν est le coefficient de Poisson.

Vadm = u ∈ [H 1 (Ω)]2 / u|Γ = 0 .

1.1.4 Problème 2d/3d : problème de Stokes

On considère un fluide Newtonien visqueux et incompressible à faible nombre de Reynolds

∂Ω. La vitesse v et la pression p à l’état stationnaire satisfait au problème aux limites :

dont la formulation variationnelle s’écrit :

1.1.5 Problèmes non-linéaires

1.1.6 Problèmes dynamiques

Cadre théorique : espaces de Hilbert et

Cependant, il est impossible de comprendre l’essence de la méthode et surtout ses limitations

2.1 Espace vectoriel normés de fonctions

2.2 Espaces de Banach

2.3 Espaces de Hilbert

Définition 2.3.2. Soient u, v ∈ H, on dit que u et v sont orthogonaux dans H si

Théorème 2.3.3. (théorème de décomposition) – Soit V un sous-espace vectoriel fermé de H.

V > = {u ∈ H/(u, u∗ ) = 0 ∀u∗ ∈ V }.

Exercice : Montrez le théorème de décomposition à partir du théorème 2.6.1 de projection sur

Proposition 2.3.4. (Identité du parallélogramme) – ∀u, v ∈ H,

2.4 Exemples : L2 et les espaces de Sobolev

2.4.1 Espace des fonctions de carré intégrable L2

Le produit scalaire est naturellement défini par

u=v dans L2 ⇐⇒ u(x) = v(x) pour presque tout x ∈ Ω.

2.4.2 Espaces de Sobolev H m

on le munit du produit scalaire

et on note la norme correspondante

Théorème 2.4.4. L’espace H 1 (Ω) est un espace de Hilbert.

2.5 Représentation de Riesz

(u, v)H = L(v) ∀v ∈ H.

Démonstration. Si L est identiquement nul, alors on a trivialement que u = 0.

(u0 , L(u0 )v − L(v)u0 )H = 0 =⇒ L(v) = (L(u0 )u0 , v)H .