Vincent Manet

Méthode des
éléments finis

Vulgarisation des aspects mathématiques

et illustration de la méthode
Vincent Manet — 2013 (Ceci est la version « livre » de ce document)
Ce document est sous licence Creative Commons 3.0 France :
— paternité ;
— pas d’utilisation commerciale ;
— partage des conditions initiales à l’identique ;
[Link]
 Introduction

Dans ce (de moins en moins court) document, plutôt à destination d’ingénieurs mécaniciens
connaissant déjà la méthode des éléments finis, nous allons essayer de faire une présentation un
peu plus théorique que ce qui leur est généralement proposé (et qui est quand même souvent de
type « preuve par les mains », ce qui occulte trop de points).
Nous ne ferons appel qu’à des notions mathématiques de bases généralement déjà vues pour la
plupart en taupe (ou en tout début de cycle d’ingénieur)... bien que des compléments que l’on peut
qualifier d’élémentaires nous aient été demandés et aient été inclus.
Nous espérons, grâce à cette présentation théorique montrer toute la souplesse et la puissance
de la méthode, afin de permettre au lecteur d’envisager d’autres simulations que celles qu’il a pu
déjà réaliser par le passé.
Pourquoi un ingénieur pratiquant déjà les éléments finis devrait-il s’intéresser plus en profondeur
aux mathématiques derrière la méthode ?
Tout d’abord parce que c’est beau et intéressant : deux raisons parfaitement licites et suffisantes.
Mais surtout parce que le monde change ! On souhaite des modélisations toujours plus proches
du réel, toujours plus détaillées, toujours plus complexes, toujours plus couplées... Par ailleurs un
constat s’impose : si la physique d’hier était essentiellement celle du continu, celle d’aujourd’hui
est le règne du discontinu. Ainsi, connaître l’intégrale de Riemann et savoir intégrer par parties
étaient autrefois des outils suffisants, alors qu’aujourd’hui il faut en passer par les dérivées au sens
des distributions, les espaces de Sobolev, l’intégrale de Lebesgue...
Rester sur les outils d’hier c’est se condamner à résoudre les problèmes d’hier ! C’est pourquoi
ce document a vu le jour, pour essayer de présenter et d’expliquer « simplement » (nous l’espérons)
les mathématiques derrière la méthode, mais sans demander au lecteur de se transformer en
mathématicien.

But du document
Le but initial était de présenter brièvement la théorie mathématique derrière les éléments finis afin
que les ingénieurs utilisant cette méthode puisse en envisager toutes les applications, ainsi que de
couvrir les aspects qui, selon nous, devraient être connus de tout ingénieur mécanicien impliqué ou
intéressé par le calcul numérique.
Toutefois, il s’envisage comme support de référence à plusieurs cours, cours qui ne portent pas
sur tous les aspects traités dans ce document, et pendant lesquels les aspects pratiques sont plus
développés (avec mise en situation sur machine).
Même si nous avons voulu rester le plus succinct possible, l’introduction de notions de proche
en proche à conduit à un document qui fait aujourd’hui une certaine taille (par exemple, nous avons
besoins des espaces de Sobolev, mais comment les introduire sans parler des espaces de Lebesgue,
mais comment les introduire sans parler...).
Aussi le document a-t-il finalement été découpé en plusieurs parties : un survol des notions
mathématiques, puis le traitement du problème continu constituent l’ossature théorique nécessaire
à assoir la méthode des éléments finis sur un socle solide. La discrétisation par éléments finis
à proprement parler n’est aborder qu’ensuite, et d’ailleurs un seul chapitre suffirait à en faire le

3 But du document
tour... sauf à entrer plus dans le détail concernant « ce qui fâche » : homogénéisation, non linéarité,
dynamique, ce qui est fait dans des chapitres séparés.
Enfin, d’autres méthodes sont abordées car également très employées aujourd’hui. Aussi est-il
indispensable selon nous d’en avoir entendu parlé et d’en connaître les principales notions (BEM,
FEEC...).
En annexes, se trouve un petit fourre-tout comprenant des choses censées être maîtrisées depuis
la taupe (mais qui parfois nous sont demandées) et les compléments qui alourdiraient encore les
propos précédents.
Certaines notions (essentiellement de topologie) ne sont pas présentées dans ce document. Il
nous a semblé que le lecteur devait avoir quelques souvenirs de ce qu’est un ouvert, un fermé,
l’adhérence, la densité... Par ailleurs, leur nom peut être suffisamment évocateur pour se passer
d’une définition formelle dans le contexte de ce document.
Attention, ce document n’est pas un document de mathématiques, il ne contient d’ailleurs
aucune preuve. C’est, dans ces deux premières parties, un document de vulgarisation de notions
mathématiques nécessaires à une bonne compréhension de la méthode des éléments finis.
Nous avons voulu réaliser un survol des notions importantes, mais malgré tout, afin de ne pas
être parfois trop laconique, nous avons un peu débordé.
En fin de document, un petit index des noms propres permettra au lecteur de replacer les divers
développements mentionnés dans l’histoire... Il se peut qu’il subsistent quelques erreurs, notamment
au niveau des nationalités mentionnées, car il n’est pas toujours aisé de déterminer rapidement cette
information (et nous ne connaissons pas toutes les biographies des personnes citées).
Ce document a été réalisé très rapidement, et de manière extrêmement hachée. Il comporte
forcément encore beaucoup de fautes : merci de m’en faire part.

Démarche de l’ingénieur numéricien

En préambule à ce document, nous tenions à synthétiser la démarche complète de l’ingénieur
numéricien :
— Modélisation / mise en équations – Construction du problème continu (système d’équations
aux dérivées partielles).
— Analyse mathématique du problème posé – Existence, unicité, propriétés des solutions.
— Conception d’une méthode numérique – Construction d’un problème discrétisé.
— Analyse numérique – Questions de stabilité, convergence, précision.
— Algorithmique – Choix de méthodes de résolution en dimension finie.
— Mise en œuvre sur ordinateur – Programmation.
— Pre et Post Traitement (maillages / visualisation) – Interpolation, extrapolation, outils de la
CAO.
Tous ces points ne seront évidemment pas abordés dans ce document !

Remerciements :
Nous remercions Mathias Legrand pour ses conseils avisés et sa relecture pertinente.
Notre collaboration a permis une très nette amélioration de la qualité typographique générale du
document, et a conduit à la coexistence de deux versions, issues du même code source : l’une que
nous appelons « version cours » correspond à ce que nous proposons en cours (couleurs, notations) ;
l’autre que nous nommons « version livre », plus classique et sage dans sa forme, est plus proche
d’un ouvrage.

Démarche de l’ingénieur numéricien 4

 Table des matières

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
But du document 3
Démarche de l’ingénieur numéricien 4

Table des matières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

I SURVOL MATHÉMATIQUE

1 Les espaces de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.1 Panorama non exhaustif des espaces 17
1.1.1 Point de vue topologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.1.2 Point de vue métrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.3 Point de vue algébrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2 Tribu, mesure, espaces mesurable et mesuré 22
1.3 Tribu borélienne, mesures de Dirac et Lebesgue 23
1.4 Propriétés de la mesure de Lebesgue 25
1.5 Petit exemple amusant d’injection dans un Hilbert 26

2 Applications et morphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1 Fonction, application, injection, surjection, bijection 28
2.2 Morphismes 29
2.2.1 Présentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2 Cas des espaces vectoriels : application et forme linéaires . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.3 Endo, iso, auto -morphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.4 Espace dual d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.5 Noyau et image . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3 Opérateur 32

3 Continuité et dérivabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.1 Continuité et classe C0 33
3.2 Continuité de Hölder et Lipschitz 35
3.3 Dérivée 35
3.4 Fonctions de classe Ck 37
3.5 Différentielle 37
3.6 Dérivées partielles 37
3.7 Retour sur les classes Ck pour une fonction de plusieurs variables 39

5 TABLE DES MATIÈRES

3.8 Nabla et comparses 40
3.8.1 Champs de vecteurs et de scalaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.8.2 Gradient, divergence, rotationnel, Laplacien et D’Alembertien . . . . . . . . . . . . . . . . . . . . . 40
3.8.3 Normale et dérivée normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.8.4 Potentiel d’un champ vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.8.5 Signification « physique » . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.9 Quelques théorèmes sur les intégrales 43

4 Espaces de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1 Présentation des espaces de Lebesgue Lp 48
4.2 Construction de Lp 49
4.3 Espace L0 50
4.4 Espace L1 et dualité avec L1 50
4.5 Espace L2 50
4.6 Compléments et retour sur les fonctions continues et différentiables 51

5 Espaces de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.1 Distributions 56
5.2 Dérivées au sens des distributions 58
5.3 Espaces Wm;p ./ 59
5.4 Espaces Hm ./, Hm
0 ./ et H
m ./ 60
5.5 Prise en compte du contour du domaine 61
5.5.1 Trace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.5.2 Espace trace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.6 Espaces H1 ./, H10 ./ et H 1 ./ 63
5.7 Espaces [Link]/ et [Link]/ 65
5.8 Inégalités utiles 66

II PROBLÈME CONTINU

6 Problèmes physiques : équations différentielles et aux dérivées par-

tielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6.1 Introduction 75
6.2 Conditions aux limites 77
6.2.1 Dirichlet – valeurs aux bords . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.2.2 Neumann – gradients aux bords . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.2.3 Robin – relation gradient/valeurs sur le bord . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2.4 Condition aux limites dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2.5 Condition aux limites mêlée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.3 Types d’équation aux dérivées partielles 78
6.4 Phénomènes de propagation et de diffusion 78
6.4.1 Équations de Laplace et Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.4.2 Équation d’onde, phénomènes vibratoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.4.3 Équation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

TABLE DES MATIÈRES 6

 6.5 Mécanique des fluides 83
6.5.1 Équation de Navier-Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.5.2 Équation de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6.5.3 Équation d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6.6 Équations de la mécanique des milieux continus des solides 86
6.6.1 Notions générales conduisant aux équations de la mécanique . . . . . . . . . . . . . . . . . . . . . . 86
6.6.2 Formulation générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.6.3 Dynamique / statique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.6.4 Grands / petits déplacements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.6.5 Loi de comportement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.7 Équations de l’acoustique 91
6.8 Multiplicateurs de Lagrange 92

7 Formulations faible et variationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

7.1 Principe des formulations faible et variationnelle 95
7.2 Théorème de représentation de Riesz-Fréchet 98
7.2.1 Cas des formes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
7.2.2 Extension aux formes bilinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
7.3 Théorème de Lax-Milgram 98
7.4 Théorème de Babuška et condition inf-sup 100
7.5 Théorèmes de Brezzi et condition BBL 100
7.6 Multiplicateurs de Lagrange 102

8 Problèmes physiques : formulations faibles et variationnelles . . . 105

8.1 Phénomènes de propagation et de diffusion 105
8.1.1 Équations de Laplace et Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
8.1.2 Équation d’onde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
8.1.3 Équation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
8.2 Mécanique des fluides 109
8.2.1 Équation de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
8.2.2 Équation de Navier-Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
8.2.3 Équation d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
8.3 Équations de la mécanique des milieux continus des solides 111
8.3.1 Formulation générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
8.3.2 Choix des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
8.4 Équations de l’acoustique 114
8.4.1 Équation de Helmholtz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
8.4.2 Conditions aux limites en acoustique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
8.4.3 Formulation faible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

9 Exemple de formulation variationnelle d’un problème de Neumann

117
9.1 Étude directe de l’existence et l’unicité de la solution 117
9.2 Formulation variationnelle 117
9.3 Formulation mixte duale 119

7 TABLE DES MATIÈRES

 III ÉLÉMENTS FINIS

10 La méthode des éléments finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

10.1 Introduction 127
10.2 Problèmes de la modélisation « réelle » 129
10.2.1 Problèmes géométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
10.2.2 Problèmes d’échelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
10.2.3 Couplage géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
10.2.4 Couplage intrinsèque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
10.3 Principe de la méthode : résolution d’un système matriciel 131
10.4 Approximation conforme et lemme de Céa 133
10.4.1 Cas Lax-Milgram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
10.4.2 Cas Babuška . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
10.4.3 Cas Brezzi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
10.5 Approximations non conformes et lemmes de Strang 135
10.5.1 Approximation interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
10.5.2 Approximation externe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
10.6 Convergence de la méthode des éléments finis en approximation conforme interne136
10.6.1 Calcul de la majoration d’erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
10.6.2 Majoration de l’erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

11 Choix d’un Modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

11.1 La mécanique, un problème à plusieurs champs 140
11.2 Plusieurs modélisations d’un même problème 143
11.3 Exemple : retour sur le calcul de poutre du paragraphe 11.1 avec C AST 3M 147
11.3.1 Modélisation 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
11.3.2 Modèle 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
11.4 Interpolation des champs et de la géométrie 149

12 Formulation pratique d’éléments finis . . . . . . . . . . . . . . . . . . . . . . . . . 151

12.1 Éléments de Lagrange 151
12.1.1 Unisolvance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
12.1.2 Éléments finis de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
12.1.3 Famille affine d’éléments finis et élément de référence . . . . . . . . . . . . . . . . . . . . . . . . . . 154
12.1.4 Construction de la base globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
12.2 Éléments d’Hermite 156
12.2.1 Classe d’un élément fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.2.2 Éléments finis d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.2.3 Éléments uni- et bidimensionnels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.3 Traitement de plusieurs champs 157
12.4 Validation pratique et indicateurs d’erreur 159
12.4.1 Modes rigides et parasites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
12.4.2 Modes associés aux déformations constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
12.4.3 Patch-tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
12.4.4 Test de précision d’un élément . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
12.5 Exemple : quelques variations sur le thème des éléments unidimensionnels 161
12.5.1 Élément de référence unidimensionnel linéaire à deux nœuds . . . . . . . . . . . . . . . . . . . . . 161
12.5.2 Rappels sur la jacobienne et le jacobien d’une transformation . . . . . . . . . . . . . . . . . . . . . 162
12.5.3 Éléments de référence unidimensionnels linéaires à n nœuds . . . . . . . . . . . . . . . . . . . . . . 163

TABLE DES MATIÈRES 8

 12.5.4 Élément de référence unidimensionnel infini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
12.5.5 Élément fini de barre unidimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
12.5.6 Assemblage de trois éléments unidimensionnels linéaires à deux nœuds . . . . . . . . . . . . . . 165
12.5.7 Élément de barre unidimensionnel de type Hermite (élément subparamétrique) . . . . . . . . . . 166
12.5.8 Élément mixte unidimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
12.6 Sur les déplacements imposés 168
12.6.1 Problème considéré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
12.6.2 Retour sur la résolution de systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
12.6.3 Complément de Schur et déplacements imposés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
12.6.4 Multiplicateurs de Lagrange et déplacements imposés . . . . . . . . . . . . . . . . . . . . . . . . . . 169
12.6.5 Actions extérieures et déplacements imposés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
12.6.6 Retour sur notre exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
12.6.7 Relations linéaires entre degrés de liberté . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

13 Calcul efficient : qualité des résultats et efforts de calcul . . . . . . . 173

13.1 Amélioration d’un modèle : méthodes r, h et p 173
13.2 Post-traitement 173
13.3 Exemple d’implémentation d’un post-traitement dans A NSYS 174
13.3.1 Macro dans A NSYS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
13.3.2 Poutre en U . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
13.3.3 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
13.4 Sous-structuration et simulation multi-échelles 186
13.4.1 Condition de périodicité – méthodes multi-niveaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
13.4.2 Couplage des cellules microscopiques – méthodes de décomposition de domaine . . . . . . . . 189
13.5 Super-éléments 190
13.5.1 Condensation statique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
13.5.2 Remonter aux degrés de liberté internes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
13.6 Pseudo-inversion et réanalyse 192
13.6.1 Modification du chargement uniquement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
13.6.2 Modification de la matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
13.6.3 Modification des conditions cinématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
13.6.4 Deux mots de statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
13.7 Dérivées d’ordre supérieur 194
13.7.1 Dérivées par rapport à la géométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
13.7.2 Calcul des dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196

14 Le maillage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
14.1 Maillage de Delaunay 198
14.1.1 Maillage simplexial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
14.1.2 Maillage de Delaunay-Voronoï . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
14.1.3 Remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
14.2 Maillage par avancement de fronts 202
14.3 Maillage par transformation 202
14.4 Remarques sur le maillage quadrangulaire et hexaédrique 204

15 Homogénéisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
15.1 Méthodes d’homogénéisation 206
15.1.1 Méthode de développement régulier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
15.1.2 Méthode de la couche limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
15.1.3 Méthode de développement asymptotique infini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
15.1.4 Cas des coefficients discontinus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208

9 TABLE DES MATIÈRES

15.2 Homogénéisation simplifiée pour les matériaux composites 209
15.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
15.2.2 Loi des mélanges, bornes de Voigt et de Reuss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
15.3 Homogénéisation des matériaux poreux 210
15.4 Homogénéisation des problèmes non stationnaires 211
15.5 Changement de dimension et raccord de maillage 212

16 Problèmes non stationnaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213

16.1 Équation non stationnaire de la dynamique 213
16.2 Schéma explicite : différences finies centrées 214
16.3 Schéma implicite : schéma de Newmark classique 214
16.4 Comparaison des méthodes explicite et implicite 215
16.5 Exemple : un calcul de propagation avec F REE F EM ++ 216
16.6 Décomposition modale 218

17 Les ondes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221

17.1 Introduction 221
17.2 Notions de valeur, vecteur, mode et fréquence propres 223
17.3 Vibration des structures 224
17.3.1 Vibrations libres non amorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
17.3.2 Vibrations libres amorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
17.3.3 Vibrations périodiques forcées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
17.3.4 Régimes transitoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
17.3.5 Calcul des modes propres et méthodes de réduction modale . . . . . . . . . . . . . . . . . . . . . . 230
17.4 Remarques sur l’amortissement 231
17.5 Pour aller plus loin : cas des chocs large bande 233
17.5.1 Approches temporelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
17.5.2 Approches fréquentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
17.5.3 Remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238

18 L’acoustique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
18.1 Introduction à l’acoustique physique 240
18.1.1 Émission . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
18.1.2 Transmission . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
18.1.3 Réception . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
18.2 Calculs acoustiques par éléments finis 252
18.2.1 Modèles simplifiés pour valeurs de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
18.2.2 Constitution d’un modèle éléments finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
18.2.3 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
18.2.4 Vers l’infini... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
18.2.5 ... et au-delà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
18.2.6 Post-Traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
18.3 Quelques illustrations avec F REE F EM ++ 260
18.3.1 Un exemple en acoustique des salles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
18.3.2 Un silencieux automobile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
18.3.3 Deux mots de statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
18.3.4 Sur les conditions aux limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
18.3.5 Un peu d’amortissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
18.3.6 Un obstacle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
18.3.7 Transmission entre deux milieux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266

TABLE DES MATIÈRES 10

 18.3.8 Interaction fluide-structure semi-forte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267

19 Les non linéarités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271

19.1 Tenseurs, décomposition des tenseurs 271
19.1.1 Tenseur des contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
19.1.2 Tenseur des déformations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
19.2 Non linéarité géométrique 276
19.3 Non linéarité matérielle 277
19.3.1 Modèles rhéologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
19.3.2 Visoélasticité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
19.3.3 Visoplasticité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
19.3.4 Plasticité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
19.3.5 Les élastomères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
19.3.6 Les composites, l’anisotropie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
19.4 Le contact 287
19.4.1 Lois de contact et de frottement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
19.4.2 Algorithme local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
19.4.3 Algorithme global . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
19.5 Exemple : une toute première approche du contact avec C AST 3M 291
19.5.1 Contact sur une surface infiniment rigide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
19.5.2 Contact entre deux solides . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
19.5.3 Résolution pas à pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294

20 La rupture en mécanique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297

20.1 Approches globale et locale 297
20.2 Mécanique linéaire de la rupture 299
20.2.1 Concentrations de contraintes des défauts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
20.2.2 Équilibre énergétique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
20.2.3 Taux d’énergie libre G . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
20.2.4 Facteur d’intensité de contrainte K . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
20.2.5 Intégrale J . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
20.3 Mécanique élastoplastique de la rupture 305
20.3.1 Détermination de la zone plastique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
20.3.2 Modèle d’Irwin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
20.3.3 Autres modèles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
20.4 Modélisation numérique de la rupture 306
20.4.1 Par la méthode des éléments finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
20.4.2 Par les méthodes sans maillage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
20.4.3 Par les éléments étendus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
20.5 Fatigue et durée de vie 309
20.5.1 Courbe et limite de fatigue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
20.5.2 Cumul des dommages : principes de Miner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
20.5.3 Propagation : loi de Paris . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
20.5.4 Prédiction de la durée de vie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
20.5.5 Sur la fatigue des composites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312

21 Stochastique : prise en compte de la variabilité . . . . . . . . . . . . . . . . 313

21.1 Introduction 313
21.2 Représentation des processus stochastiques 315
21.2.1 Variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
21.2.2 Espace de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
21.2.3 Processus ou champ aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316

11 TABLE DES MATIÈRES

21.2.4 Discrétisation de champs aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
21.2.5 Développement en série de Karhunen-Loève . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
21.2.6 Chaos polynomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
21.3 Éléments finis stochastiques 320
21.3.1 Développement en séries de von Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
21.3.2 Un exemple en statique linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
21.3.3 Projection sur la base du chaos polynomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
21.3.4 Obtention des coefficients du système matriciel à résoudre . . . . . . . . . . . . . . . . . . . . . . . 322
21.3.5 Synthèse et remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
21.4 Post-traitement : moments statistiques 325
21.5 Fiabilité des structures 325
21.5.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
21.5.2 Méthodes FORM/SORM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
21.5.3 Tirages d’importance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329

22 Quelques méthodes dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331

22.1 Méthode des éléments frontières 331
22.2 Méthodes particulaires ou sans maillage 332
22.3 Partition de l’unité 333
22.4 Méthode des éléments finis étendue 333
22.5 Méthodes de treillis de Boltzmann 334
22.6 FEEC 335
22.7 Systèmes multi-corps 335

23 Quelques mots sur les singularités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337

23.1 Qu’est-ce qu’une singularité ? 337
23.2 Singularités et éléments finis 337
23.3 Quand les singularités se produisent-elles ? 338
23.4 Comment éviter les singularités 338
23.5 Singularités et pertinence d’un résultat 339
23.6 Conclusion 339
Sur la fiabilité des résultats 341
Quelques perspectives 342

IV ANNEXES

A Interpolation et approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345

A.1 Quelques bases polynomiales 347
A.1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
A.1.2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
A.1.3 Base naturelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
A.1.4 Polynômes de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
A.1.5 Polynômes d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
A.1.6 Polynômes de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
A.1.7 Polynômes de Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
A.1.8 Polynômes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
A.1.9 Polynômes de Bernstein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353

TABLE DES MATIÈRES 12

 A.2 Interpolation polynomiale 354
A.2.1 Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
A.2.2 Interpolation par Spline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
A.2.3 Interpolation d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
A.3 Méthodes d’approximation 355
A.3.1 Courbe de Bézier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
A.3.2 B-Spline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
A.3.3 B-splines rationnelles non uniformes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357

B Intégration numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359

B.1 Méthodes de Newton-Cotes 359
B.2 Méthodes de quadrature de Gauß 361

C Résolution des équations différentielles ordinaires . . . . . . . . . . . . . 365

C.1 Résolution exacte des équations différentielles linéaires 365
C.1.1 Équation différentielle linéaire scalaire d’ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
C.1.2 Équation différentielle du premier ordre à variables séparées . . . . . . . . . . . . . . . . . . . . . . 367
C.1.3 Équation différentielle linéaire d’ordre deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
C.2 Résolution numérique 370
C.2.1 Méthode d’Euler, Runge-Kutta d’ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
C.2.2 Méthode de Runge-Kutta d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
C.2.3 Méthode de Runge-Kutta d’ordre 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
C.2.4 Méthode de Crank-Nicolson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
C.2.5 Méthode de Newmark . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372

D Méthode de Newton Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373

D.1 Présentation 373
D.2 Algorithme 374

E Schémas numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377

E.1 Les propriétés d’un schéma numérique 377
E.1.1 Problème bien posé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
E.1.2 Conditionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
E.1.3 Stabilité ou robustesse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
E.1.4 Consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
E.1.5 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
E.2 Théorèmes de convergence 379

F Index des noms propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381

G Index des concepts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387

H Références bibliographiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391

13 TABLE DES MATIÈRES

 I SURVOL MATHÉMATIQUE

15 SURVOL MATHÉMATIQUE I
 Chapitre 1

Les espaces de base

Résumé — Dans les problèmes que nous envisageons de traiter in fine, il n’est finalement
besoin que d’espaces vectoriels normés finis sur le corps des réels. On pourrait rapidement
en donner les principales propriétés qui sont sans doute encore en mémoire des lecteurs
tant elles sont « naturelles ».
Mais en faisant cela, nous ne respecterions pas nos engagements de présenter un peu
plus avant les fondements mathématiques.
Sans toutefois aller trop loin dans les notions topologiques générales, nous allons
essayer dans ce chapitre de passer en revue la liste des espaces depuis les espaces
topologiques jusqu’aux espaces de Hilbert, de manière succincte et didactique (nous
l’espérons) en relevant les points importants essentiellement du point de vue de leur
utilité.

1.1 Panorama non exhaustif des espaces

Histoire

Le mot « topologie » vient de la contraction des noms grecs « topos » (lieu) et « logos » (étude),
c’est donc l’étude du lieu. On a d’ailleurs commencé par l’appeler Analysis Situs, le terme « topolo-
gie » n’étant introduit qu’en 1847, en allemand, par Johann Benedict Listing dans Vorstudien zur
Topologie.
La topologie vise à définir ce qu’est un lieu (i.e. un espace) et quelles peuvent être ses propriétés
(je dirais uniquement en tant que tel, sans autre ajout). Elle s’intéresse plus précisément à ce que
l’on appelle aujourd’hui espaces topologiques et aux applications, dites continues, qui les lient, ainsi
qu’à leurs déformations (“A topologist is one who doesn’t know the difference between a doughnut
and a coffee cup”).
En analyse, elle fournit des informations sur l’espace
considéré permettant d’obtenir un certain nombre de résultats
(existence et/ou unicité de solutions d’équations au dérivées
partielles, notamment). Les espaces métriques ainsi que les
espaces vectoriels normés sont des exemples d’espaces topo-
logiques. L’origine de la topologie est l’étude de la géométrie
dans les cultures antiques. Le travail de Leonhard Euler da- Euler Poincaré Hausdorff
tant de 1736 sur le problème des sept ponts de Königsberg
est considéré comme l’un des premiers résultats de géométrie qui ne dépend d’aucune mesure, i.e.
l’un des premiers résultats topologiques.
Henri Poincaré publia Analysis Situs en 1895, introduisant les concepts d’homotopie et d’homo-
logie. Bien d’autres mathématiciens ont contribué au sujet parmi lesquels nous citerons : Cantor,
Volterra, Arzelà, Hadamard, Ascoli, Fréchet, Hausdorff...
Finalement, une dernière généralisation en 1922, par Kuratowski, donna le concept actuel
d’espace topologique.

17 1. Les espaces de base SURVOL MATHÉMATIQUE I

 1.1.1 Point de vue topologique
E, un ensemble
Cela suffit déjà pour pouvoir s’intéresser par exemple à des fonctions, à des relations d’équiva-
lence (donc au quotient)... décomposition canonique, permutation...
On peut ensuite définir un ensemble ordonné...
Une topologie T est un ensemble de parties de E que l’on définit comme les ouverts de .E; T/,
vérifiant les propriétés suivantes :
— L’ensemble vide et E appartiennent à T.
— Toute réunion quelconque d’ouverts est un ouvert, i.e. si .Oi /i 2I est une famille d’élé-
ments de T, indexéeSpar un ensemble I quelconque (pas nécessairement fini ni même
dénombrable) alors i 2I Oi 2 T.
— Toute intersection finie d’ouverts est un ouvert, i.e. si O1 ; :::; On sont des éléments de T
(avec n > 0), alors O1 \ : : : \ On 2 T.
Espace topologique
À partir des ouverts, on définit les fermés, l’adhérence, l’intérieur, l’extérieur, voisinage...
Séparation :
deux points distincts quelconques admettent toujours des voisinages disjoints.
Espace séparé (ou de Hausdorff)
Intérêts :
— Unicité de la limite de tout filtre convergent.
— Une suite convergente a une limite unique.
— Une topologie plus fine qu’une topologie séparée est séparée.
— Tout sous-espace d’un espace séparé est séparé.
— Deux applications continues à valeurs dans un séparé qui coïncident sur une partie dense
sont égales.
Régularité :
Il est possible de séparer un point x et un fermé F ne contenant pas x par deux ouverts
disjoints.
On peut même alors choisir ces deux ouverts de manière à ce que leurs adhérences respec-
tives soient disjointes.
Espace régulier
Application :
— Tout point admet une base de voisinages fermés.
— Tout fermé est l’intersection de ses voisinages fermés.
Compacité (recouvrement fini) :
Un espace séparé est compact (vérifie la propriété de Borel-Lebesgue), si chaque fois qu’il
est recouvert par des ouverts, il est recouvert par un nombre fini d’entre eux.
Espace compact
L’intérêt des compacts est de pouvoir étendre des propriétés trivialement vérifiées par des appli-
cations définies sur un ensemble fini à des applications définies sur des espaces topologiques
infinis, à condition bien sûr qu’elles soient continues.
Tout produit de compacts est compact.
R est compact
Un espace peut ne pas être compact, mais une de ses parties l’être :
— R n’est pas fermé, mais tout ŒaI b fermé borné l’est.
— Rn n’est pas compact, mais tout pavé fermé l’est (voir théorème 6).

Notons bien que rien n’est dit sur les éléments de l’ensemble E. Ce peuvent être des éléments
discrets, des scalaires, des vecteurs, des fonctions...

I SURVOL MATHÉMATIQUE 1.1 Panorama non exhaustif des espaces 18

 1.1.2 Point de vue métrique
Comme nous le mentionnions au paragraphe précédent, lorsque l’on parle d’espace on a intuitive-
ment envie de parler de « distance ».
Histoire

Unifiant les travaux de ses prédécesseurs sur les espaces de fonctions, c’est en 1906 que Maurice
Fréchet introduit le concept d’espace métrique.
La métrique qui nous est la plus usuelle est évidemment la métrique
euclidienne, qui est celle que nous utilisons en géométrique « classique »
(euclidienne) : la distance entre deux points est égale à la longueur du
segment les reliant. La structure métrique fournit beaucoup plus d’infor-
mation sur la forme géométrique des objets que la structure topologique.
Enfin nous redonnerons le si important critère de Cauchy (qui est va-
lable pour tout espace uniforme, dont notamment les espaces métriques) Fréchet Cauchy
qui permet de définir la toute aussi importante notion de complétude.

E, un ensemble
Une distance ou métrique d est une application de E  E ! RC telle que :
— d.x; y/ D d.y; x/ (symétrie) ;
— d.x; y/ > 0 si x ¤ y, et d.x; x/ D 0 (positivité) ;
— d.x; z/ 6 d.x; y/ C d.y; z/ (inégalité triangulaire).
Espace métrique
On peut réexprimer les notions d’ouvert, fermé, adhérence... densité, continuité... avec la
métrique (les "...).
Deux normes sont équivalentes si elles définissent la même topologie.
Deux normes k
k1 et k
k2 sont équivalentes s’il existe deux constantes strictement positives k 0
et k 00 telles que 8x 2 E, kxk1 6 k 0 kxk1 et kxk2 6 k 00 kxk1 .
Critère de Cauchy :
Soit E un espace métrique et soit x0 , x1 , ..., xn , ... une suite d’éléments de E. Cette suite est
de Cauchy de E si :
8" > 0; 9N 2 N; .8n 2 N; 8m 2 N; n > N; m > N/ W [Link] ; xn / 6 " (1.1)
ou encore : [Link] ; xn / tend vers 0 quand m et n tendent vers l’infini.
Espace métrique complet
Toute suite convergente est de Cauchy.
Réciproque : si x0 , x1 , ..., xn , ... est de Cauchy sur R ou C, alors elle converge.
Cette propriété est fondamentale car elle permet de reconnaître si une suite converge sans
connaître sa limite.
Attention, la notion d’espace complet est une notion métrique et non topologique (elle peut donc
être vraie pour une métrique et fausse pour une autre).
L’importance de la complétude tient à ce que la solution d’un problème passe souvent par une
solution approchée. Si la suite des solutions approchées est de Cauchy d’un espace convenable,
et si cet espace est complet, alors la convergence vers une solution du problème est assurée.

1.1.3 Point de vue algébrique

Jusqu’à présent, nous n’avons pas vraiment parlé d’opérations que nous pourrions effectuer à
l’intérieur des espaces que nous avons définis, ou entre ces espaces. Pour une présentation des
structures algébriques on se reportera au cours homonyme. Elles sont riches et nombreuses. Dans le cadre de
ce document, nous ne nous intéresserons qu’au cas de la structure d’espace vectoriel, le but étant, comme
mentionné en introduction, d’en arriver aux espaces de Hilbert, fondements de l’analyse fonctionnelle.

19 1. Les espaces de base SURVOL MATHÉMATIQUE I

 Lorsque l’on demande de citer l’un des grands mathématiciens du XXe siècle, Henri Poincaré et
Histoire David Hilbert se partagent souvent la première place, aussi bien pour l’éventail considérable des
sujets qu’ils ont abordés que pour avoir fait émerger de nombreuses idées fondamentales.
Hilbert reste célèbre pour ses 23 problèmes (dits problèmes de
Hilbert) qu’il présenta au deuxième congrès international des mathéma-
ticiens à Paris en 1900, qui tenaient jusqu’alors les mathématiciens en
échec et devaient marquer le cours des mathématiques du XXe siècle (et
il avait raison ; tous ne sont pas résolus à ce jour). Notons que c’est von
Neumann, reprenant les travaux de Hilbert, qui formalise et nomme ces
espaces les espaces de Hilbert en 1927. Hilbert Banach
Nous croiserons également un autre fondateur de l’analyse fonction-
nelle, Stephan Banach qui a généralisé entre autre les travaux de Hilbert sur les équations intégrales,
notamment en approfondissant la théorie des espaces vectoriels topologiques.

E, un ensemble
Structure d’espace vectoriel :
C’est une structure comportant une loi de composition interne et une loi de composition
externe sur un corps K permettant d’effectuer des combinaisons linéaires (voir cours sur les
structures algébriques).
La loi de composition interne, notée C en fait un groupe abélien, la loi de composition
externe est la multiplication par un scalaire, scalaire pris sur le corps K considéré.
Espace vectoriel (topologique)
Sur un espace vectoriel de dimension finie sur R ou C, deux normes quelconques sont équiva-
lentes.
Une norme sur un espace vectoriel E est une fonction, x 7! kxk possédant les propriétés :
— positivité : kxk > 0 pour x ¤ 0, k0k D 0 ;
— transformation par les homothéties : kxk D jjkxk;  2 K ;
— inégalité de convexité : kx C yk 6 kxk C kyk.
La distance issue de la norme est la distance définie par d.x; y/ D kx yk.
Espace vectoriel normé
Tout espace vectoriel normé est automatiquement un espace métrique (avec la distance issue de
sa norme). De plus :
— la distance est invariante par translation : d.x a; y a/ D d.x; y/.
— une homothétie de rapport  multiplie la distance par jj : d.x; y/ D jjd.x; y/.
Tout espace vectoriel normé de dimension finie est localement compact (i.e. tout point possède
au moins un voisinage compact), car toute boule fermée est compacte.
L’intérêt des distances issues d’une norme est qu’elles rendent continues les opérations de
l’espace vectoriel et qu’en particulier les translations sont des homéomorphismes.
Comme un espace vectoriel normé muni de la distance issue de sa norme est un espace mé-
trique, on peut se demander si cet espace métrique vérifie le critère de Cauchy (voir paragraphe
précédent) afin d’en faire un espace complet.
Espace de Banach
C’est donc finalement un espace vectoriel normé sur un sous-corps K de C (en général, K D R
ou C), complet pour la distance issue de sa norme.
Comme la topologie induite par sa distance est compatible avec sa structure d’espace vectoriel,
c’est un espace vectoriel topologique. p
Une norme k
k découle d’un produit scalaire ou hermitien h
;
i si l’on a : kxk D hx; xi.
Espace de Hilbert
C’est donc un espace préhilbertien complet, i.e. un espace de Banach dont la norme découle
d’un produit scalaire ou hermitien unique.
Un espace de Hilbert est la généralisation en dimension quelconque d’un espace euclidien ou
hermitien (Un espace vectoriel euclidien est un espace vectoriel réel de dimension finie muni
d’un produit scalaire).

I SURVOL MATHÉMATIQUE 1.1 Panorama non exhaustif des espaces 20

 Le plus important est de disposer d’un produit scalaire, car on va alors pouvoir déterminer des
parties orthogonales de l’espace, donc en somme directe (voir théorème 3).
On rappelle, si besoin, qu’un produit scalaire est une forme bilinéaire (i.e. une application
de E  E dans R, linéaire pour chacune des deux variables) possédant les propriétés :
— symétrie : 8x; y 2 E, hx ; yi D hy ; xi
— positivité : 8x 2 E, hx ; xi > 0

— définie : 8x 2 E, hx ; xi D 0 ) x D 0
ce qui se traduit pas la définition : « Un produit scalaire sur un espace vectoriel réel E est une forme
bilinéaire symétrique définie positive ».

Théorème 1 Tout sous-espace vectoriel fermé d’un espace de Hilbert est un espace de Hilbert.

Voici quelques espaces de Banach couramment utilisés :

— Les espaces euclidiens Rn et les espaces hermitiens Cn munis de la norme :
v
u n
uX
k.x1 ; : : : ; xn /k D t xi xi (1.2)
i D1

où xi désigne le conjugué de xi .
— L’espace des fonctions (dans R ou C) continues et bornées sur un espace topologique X,
muni de la norme kf k D supx2X .jf .x/j/. En particulier, l’espace des fonctions continues
sur un espace X compact, comme un intervalle réel Œa I b.
— Pour tout réel p > 1, l’espace Lp des classes de fonctions mesurables, dans R ou C, sur un
espace mesuré X.
Voici quelques espaces de Hilbert classiques :
— L’espace euclidien Rn muni du produit scalaire usuel est hilbertien,
— L’espace L2 des fonctions de carré intégrable (voir chapitre 4).
— Certains espaces de Sobolev (voir chapitre 5) sont des espaces de Hilbert (ceux qui nous
intéresserons en général, ça tombe bien).

Théorème 2 — Théorème de complétion sur un espace de Banach. Soit E un espace vectoriel

normé incomplet. Alors E est isomorphe, en tant qu’espace vectoriel, et isométrique à un sous-
espace vectoriel dense dans un espace de Banach E.
Cet espace de Banach E est unique à un isomorphisme isométrique près.

Ce théorème de complétion répond par l’affirmative à la question : si l’espace normé E n’est

pas complet, existe-t-il un espace de Banach minimal E le contenant ?

Théorème 3 — Théorème de projection dans un espace de Hilbert. Soit F un sous-espace

vectoriel fermé d’un espace de Hilbert H (il est alors lui-même un espace de Hilbert d’après le
théorème 1). Alors :
— son orthogonal F? , qui est l’ensemble des vecteurs orthogonaux à chaque vecteur de F, est
un sous-espace vectoriel fermé (donc est aussi un espace de Hilbert, toujours en vertu du
théorème 1) ;
— et est également le supplémentaire de F : tout h 2 H s’écrit de façon unique h D h0 C h00
où h0 est le projeté orthogonal de h sur F, et h00 le projeté orthogonal de h sur F? .
Ainsi, F? est l’orthogonal et le supplémentaire de F, et ces deux sous-espaces sont donc en
sommes directe. On a donc H D F ˚ F? (on utilise parfois le terme de « somme hilbertienne »).

Ce résultat subsiste si l’on suppose seulement que H est un espace préhilbertien et que F est un
sous-espace vectoriel complet de H.

21 1. Les espaces de base SURVOL MATHÉMATIQUE I

 1.2 Tribu, mesure, espaces mesurable et mesuré
En complément à l’aspect métrique (Fréchet 1906), nous allons maintenant aborder l’aspect mesure.
Le but, à travers la notion de mesure, est d’étendre la notion usuelle de longueur pour les
ensembles de R, ou de volume pour ceux de Rn , et ceci de deux manières :
— on veut d’une part pouvoir considérer des espaces de base plus généraux (plus « abstraits » :
espaces de dimension infinie, espaces sur lesquels on définit les probabilités...) ;
— et d’autre part on veut englober dans le même cadre mathématique les notions de longueurs,
surface, volume, mais aussi de masses ou charges ponctuelles issues de la mécanique, de
l’électricité... car toutes ces quantités possèdent une même propriété évidente : l’additi-
vité (i.e. si l’on désigne par .A/ le volume, la masse, la charge électrique... d’une partie
« raisonnable » A, alors .A \ B/ D .A/ C .B/ dès que les parties A et B sont disjointes).
Afin de réaliser cela, il faut en passer par quelques complications mathématiques, et cela
essentiellement pour deux raisons :
— Il nous faut tout d’abord définir ce qu’est une partie « raisonnable » d’un ensemble E (s’il est
aisé de définir le volume d’un polyèdre par exemple, il existe des parties dont la « frontière »
est si complexe qu’elles ne possèdent pas de notion de volume).
— Ensuite, la propriété d’additivité si dessus est un peu trop naïve et se révèle insuffisante pour
avoir de bonnes propriétés pour les mesures.
En effet, la classe des mesures additives a une structure mathématique extrêmement pauvre,
ne permettant pas, en particulier, de définir une notion satisfaisante d’intégrale par rapport
à ces mesures additives. On est donc conduit à utiliser les mesures possédant la propriété
de -additivité (voir définition d’une mesure ci-dessous), ce qui nous oblige à considérer
comme classe d’ensembles « mesurables » une tribu (voir définition 2) au lieu de la notion
plus simple d’algèbre.

Définition 1 — Algèbre. Une algèbre (de Boole) E sur un ensemble X est un ensemble non
vide de parties de X, stable par passage au complémentaire et par union finie (donc aussi par
intersection finie), i.e. :
1. E 6D ¿
2. 8A 2 E, c A 2 E, où c A désigne le complémentaire de A dans X. (donc X 2 A)
3. si A1 ; : : : ; An 2 E alors A1 [ ::: [ An 2 E

Définition 2 — Tribu. Une tribu A sur un ensemble X est un ensemble non vide de parties de X,
stable par passage au complémentaire et par union dénombrable (donc aussi par intersection
dénombrable), i.e. :
1. A 6D ¿
2. 8A 2 A, c A 2 A S
3. si 8n 2 N, An 2 A alors n2N An 2 A

Ces deux dernières définitions étant placées l’une sous l’autre, leur différence doit apparaître
clairement : dans le cas d’une algèbre, on a à faire à un nombre fini d’intersections ou de réunions,
dans celui d’une tribu, on prend en compte un ensemble dénombrable (donc fini ou non).
Il est donc évident que toute tribu est une algèbre, la réciproque étant fausse.

Définition 3 — Espace mesurable. Le couple .X; A/ est appelé espace mesurable ou espace
probabilisable en fonction du contexte. Sur les espaces mesurables on définit des mesures (voir
ci-après) ; sur les espaces probabilisables, on appelle ces mesures des probabilités.

I SURVOL MATHÉMATIQUE 1.2 Tribu, mesure, espaces mesurable et mesuré 22

 Histoire
La théorie de la mesure s’occupe de regarder un peu plus en détail ce qui se passe à l’intérieur des
espaces dits mesurés (définis plus bas) : il s’agit de mesurer les différentes parties existant dans un
tel espace, parties en lien avec la topologie, ce qui reboucle le sujet...
Lorsque l’on évoque le concept de mesure, on en arrive assez rapidement à se demander : Est-ce
que l’on peut tout mesurer ? Est-ce que l’on doit tout mesurer ? Qu’est-ce qui est négligeable ?
En 1894, Émile Borel énonce la première définition
d’ensemble négligeable. En 1897, il définit les ensembles
mesurables. En 1901, Henri-Léon Lebesgue introduit la
notion de mesure. La théorie se développe jusque dans les
années 1950.
Andreï Kolmogorov proposera une axiomatisation du
calcul des probabilités basée notamment sur l’intégrale Borel Lebesgue Kolmogorov
définie à partir d’une mesure.

Les parties de X qui appartiennent à la tribu A sont appelées ensembles mesurables. Dans
un contexte probabiliste, on les appelle événements (il suffit que .X/ D 1 pour que  soit une
probabilité).
Une mesure  sur un ensemble X est une fonction qui associe à chaque élément d’une tribu
d’un ensemble X un scalaire positif (une longueur, un volume, une probabilité...).

Définition 4 — Mesure. Soit .X; A/, un espace mesurable. Une application  définie sur A, à
valeurs dans Œ0; C1 est appelée mesure lorsque les deux propriétés suivantes sont satisfaites :
1. L’ensemble vide a une mesure nulle :  .¿/ D 0
2. L’application  est -additive : si E1 , E2 , ... est une famille dénombrable de parties de X
appartenant à A et si ces parties sont deux à deux disjointes, alors la mesure .E/ de leur
réunion E est égale à la somme des mesures des parties :
1 1
!
[ X
 Ek D .Ek /:1 (1.3)
kD1 kD1

On appelle espace mesuré un triplet .X; A; /, où X est un ensemble, A une tribu sur X et 
une mesure sur A.
Complément sur le produit d’espaces mesurables. Soient .X; T/ et .Y; U/ deux espaces mesurables. On
appelle rectangle mesurable du produit  D X  Y, toute partie de  de la forme A  B où A et B sont
des éléments respectivement T et U-mesurables.
On appelle produit tensoriel des deux tribus T et U, la tribu engendrée par l’ensemble des rectangles
mesurables. Cette tribu est notée T ˝ U, et est la plus petite tribu de  qui contient toutes les parties de la
forme A  B, A 2 T, B 2 U.
Le produit des espaces mesurables est .X  Y; T ˝ U/ et est un espace mesurable :
Z Z Z
f d. ˝ / D f .x; y/d.x/d.y/ (1.4)

1.3 Tribu borélienne, mesures de Dirac et Lebesgue

Définition 5 — Tribu borélienne. On appelle tribu borélienne sur un espace topologique donné
la tribu engendrée par les ensembles ouverts. Dans le cas simple et fondamental de l’espace usuel
à n dimensions, la tribu borélienne de Rn est engendrée par une famille dénombrable de parties,
les pavés, dont les sommets sont à coordonnées rationnelles.

On aura besoin de ces notions (dont la tribu borélienne) pour l’intégrale de Lebesgue et
par extension toute la théorie de l’intégration qui est à la base de l’analyse numérique (et oui,
formulation faible, quand tu nous tiens) ainsi notamment que pour le théorème de représentation de
Riesz fondamental en éléments finis.

23 1. Les espaces de base SURVOL MATHÉMATIQUE I

 Notons que tout intervalle ouvert, fermé ou semi-ouvert appartient à la tribu borélienne de R. Il
en est de même de toute réunion finie ou dénombrable de ces intervalles.
Il n’est pas possible de donner une description plus concrète de la tribu borélienne de R que
ce qui a été fait. Toutes les réunions finies ou dénombrables d’intervalles sont des boréliens, mais
certains boréliens ne sont pas de cette forme. En fait, toutes les parties de R que l’on rencontre dans
la pratique sont des boréliens. Il existe des parties de R qui ne sont pas boréliennes, mais il faut un
peu de sueur pour les construire.
Les tribus sont des familles de parties qui sont destinées à être mesurées. Pour pouvoir mesurer
des parties suffisamment compliquées comme celles qui ne peuvent être définies que par des
passages à la limite (comme l’ensemble triadique de Cantor), les tribus doivent être assez fines pour
être stables par des opérations relativement générales comme le passage au complémentaire, les
réunions et intersections dénombrables. Néanmoins, elles ne doivent pas être trop fines afin de ne
pas contenir de parties non mesurables.
Rappelons également deux mesures simples et importantes :
— la mesure de comptage, qui donne le nombre d’éléments d’un ensemble.
— la mesure de Dirac ou masse de Dirac, qui est une mesure supportée par un singleton et de
masse totale 1.

Définition 6 — Mesure de Dirac. Pour un espace mesurable .X; A/ et un point a de X, on

appelle mesure de Dirac au point a la mesure notée ıa sur .X; A/ telle que :

8A 2 A; .ıa .A/ D 1 si a 2 A et ıa .A/ D 0 si a … A/ (1.5)

Le support de ıa est réduit au singleton fag.

Les masses de Dirac sont très importantes, notamment dans la pratique car elles permettent par
exemple de construire des mesures par approximations successives.

Définition 7 — Mesure complète. Soit .X; A; / un espace mesuré, on dit que  est une
mesure complète lorsque tout ensemble négligeable pour  appartient à la tribu A sur laquelle 
est définie, i.e. :

8M; N 2 P.X/; .N  M; M 2 A et .M/ D 0/ ) N2A (1.6)

La mesure de Lebesgue a permis de bâtir une théorie de l’intégration palliant les insuffisances
de l’intégrale de Riemann (il suffit de vouloir intégrer 1Q sur Œ0 I 1 avec Riemann pour être dans
l’impasse). Nous détaillerons cela un peu plus au chapitre 4 sur les espaces de Lebesgue.
Parmi les définitions de cette mesure, nous présentons la plus intuitive, celle qui consiste à
généraliser la notion de volume en gardant les mesures sur les pavés de Rn .

Définition 8 — Mesure de Lebesgue. Il existe une plus petite mesure définie sur une tribu de
parties de Rn qui soit complète et coïncide sur les pavés avec leur volume (i.e. avec le produit
des longueurs de leurs côtés).
Cette mesure est appelée la mesure de Lebesgue (notée n ) et sa tribu de définition la
tribu de Lebesgue (notée Ln et que nous ne définissons pas ici, et dont les éléments sont dits
Lebesgue-mesurables).

Cette restriction aux boréliens de la mesure de Lebesgue est parfois dénommée mesure de
Borel-Lebesgue.
Si pour la mesure de Lebesgue  sur R, la notion de « presque partout » correspond bien à
l’intuition, ce n’est pas vrai en général. Par exemple, pour  D ıa sur la tribu de l’ensemble des
parties de X, une propriété est vraie -pp simplement si elle est vérifiée en a.
Si la mesure  est nulle, toute propriété est vérifiée pp (ainsi que sa négation).

I SURVOL MATHÉMATIQUE 1.3 Tribu borélienne, mesures de Dirac et Lebesgue 24

 « Construire une mesure », c’est montrer qu’il existe une unique mesure qui vérifie certaines
propriétés. Pour cela, on utilise le théorème (ou lemme) de la classe monotone (dû à Wacław
Sierpiński et popularisé par Dynkin) pour montrer l’unicité et le théorème de Carathéodory pour
montrer l’existence.

1.4 Propriétés de la mesure de Lebesgue

On appelle mesure de Lebesgue sur un espace euclidien E la mesure image de la mesure de
Lebesgue sur Rn par n’importe quelle isométrie de Rn dans E.
Soit A une partie Lebesgue-mesurable d’un espace euclidien E. On appelle mesure de Lebesgue
sur A la restriction à A de la mesure de Lebesgue de E.

Théorème 4 La mesure de Lebesgue est invariante sous toutes les isométries. Elle est en
particulier invariante sous les translations : c’est une mesure de Haar du groupe topologique Rn .

Oui, la mesure de Lebesgue peut être vue comme une mesure de Haar. Mais, historiquement, la
mesure de Haar est définie plus tard (on parle souvent de la mesure de Haar, alors que l’on devrait
parler d’une mesure de Haar). Elle généralise celle de Lebesgue.

Définition 9 — Mesure régulière. Une mesure (positive)  définie sur une tribu contenant la
tribu borélienne d’un espace topologique X est dite régulière lorsque elle est à la fois intérieure-
ment régulière et extérieurement régulière :
1. 8A  X de la tribu, .A/ D supf.K/ j K compact contenu dans Ag ;
2. 8A  X de la tribu, .A/ D inff.O/ j O ouvert contenant Ag.

Théorème 5 La mesure de Lebesgue est finie sur tout compact ; chaque compact, qui est borné,
pouvant être enfermé dans un cube.

Elle est par voie de conséquence régulière, Rn étant métrisable, localement compact et sépa-
rable.
— Rn est métrisable : un espace topologique est un espace métrisable lorsqu’il est homéomorphe
à un espace métrique (un homéomorphisme est une application bijective continue entre deux
espaces topologiques dont la réciproque est continue) ;
— Rn est localement compact : un espace localement compact est un espace séparé qui, sans
être nécessairement compact lui-même, admet des voisinages compacts pour tous ses points
(De plus, on a la propriété : Tout espace localement compact est régulier) ;
— Rn est séparable : un espace séparable est un espace topologique contenant un sous-ensemble
fini ou dénombrable et dense, i.e. contenant un ensemble fini ou dénombrable de points dont
l’adhérence est égale à l’espace topologique tout entier.

Théorème 6 — Théorème de Borel-Lebesgue. On retiendra de ce théorème que dans Rn , les

compacts sont les ensembles fermés bornés.

25 1. Les espaces de base SURVOL MATHÉMATIQUE I

 Histoire
En complément à la première note historique de ce chapitre, nous vous proposons une illustration
très concrète de l’application de la topologie, que vous avez très certainement rencontrée : la carte
du métro.
La représentation schématique généralement utilisée
pour représenter un réseau de métro a été mise au point,
la première fois, en 1931 par Henry Beck, alors dessina-
teur industriel de 29 ans et engagé comme intérimaire
par la société du métro londonien. Facile à comprendre
et à utiliser, esthétique... elle est pourtant fausse à tous
Carte du métro Beck
les égards sauf deux.
Elle n’est pas à l’échelle, donc toutes les distances
sont fausses ; les lignes droites reliant les stations ne traduisent absolument pas le cheminement réel
du métro sous les rues ; les orientations sont fausses (une ligne verticale ne signifie pas que le trajet
s’effectue selon l’axe nord-sud).
Le premier aspect exact est que si une station de métro est représentée au nord de la Tamise,
alors il en est de même pour la station réelle. Le second aspect exact est la description du réseau :
l’ordre des stations sur chaque ligne et les interconnexions entre les lignes sont fidèles à la réalité.
C’est d’ailleurs ce second aspect qui est finalement le seul dont les voyageurs ont effectivement
besoin.
Notons enfin que cette illustration permet de comprendre aisément comment la notion de
distance peut être appréhendée en topologie.

1.5 Petit exemple amusant d’injection dans un Hilbert

Soient V et H deux espaces de Hilbert sur R et V inclus dans H avec injection continue et V dense
dans H.
Comme V est inclus dans H, l’injection est tout bêtement i W x 7! x.
Dans ces conditions, H est un espace de Hilbert avec un produit scalaire . j /H , et V muni du
produit scalaire induit est un sous-espace dense, donc ne peut pas être un espace de Hilbert par
restriction du produit scalaire . j /H . La structure hilbertienne de V est définie par un produit scalaire
. j /V propre à V.
Il y a donc deux topologies sur V : la topologie hilbertienne propre à V et la topologie héritée
de la structure hilbertienne de H. La continuité de l’injection i impose donc une condition sur
ces topologies : la topologie hilbertienne de V est plus fine que la trace sur V de la topologie
hilbertienne de H.
... et maintenant que le terme « injection » a été prononcé, il est temps de passer au chapitre
suivant...

I SURVOL MATHÉMATIQUE 1.5 Petit exemple amusant d’injection dans un Hilbert 26

 Chapitre 2

Applications et morphismes

Résumé — Au chapitre précédent, des espaces ont été définis, mais on ne s’est pas
intéressé beaucoup aux relations entre eux ou au sein d’eux.
Des distances, normes... ont été introduites, sans utiliser plus que ça le vocable de
fonction. Le terme d’injection a été prononcé à la fin du chapitre précédent comme fil
conducteur pour introduire celui-ci...
Dans ce chapitre, nous ne présenterons pour le coup que des choses extrêmement
« rudimentaires » et toutes vues en taupe ou avant. Il s’agit uniquement d’un aide-mémoire.

L’univers mathématiques du début du XVIIIe siècle est dominé par Leonhard Euler et par ses apports
Histoire

tant sur les fonctions que sur la théorie des nombres, tandis que Joseph-Louis Lagrange éclairera la
seconde moitié de ce siècle.
Euler a introduit et popularisé plusieurs conventions de notation par
le biais de ses nombreux ouvrages largement diffusés. Plus particulière-
ment, il a introduit la notion de fonction (dans L’Introductio in analysin
infinitorum, premier traité dans lequel le concept de fonction est à la
base de la construction mathématique, et dont les premiers chapitres
lui sont consacrés) et a été le premier à écrire f .x/ pour désigner la
fonction f appliquée à l’argument x, en 1734 (bien que le terme de Euler Lagrange
« fonction » apparaisse pour la première fois dans un manuscrit d’août
1673 de Leibniz, resté inédit, et intitulé la Méthode inverse des tangentes ou à propos des fonctions).
Il a également introduit la notation moderne des fonctions trigonométriques, la lettre e pour la
base du logarithme naturel (également connue sous le nom de nombre d’Euler) en 1727, la lettre
grecque † pour désigner une somme en 1755 et la lettre i pour représenter l’unité imaginaire, en
1777. L’utilisation de la lettre grecque  pour désigner le rapport de la circonférence d’un cercle à
son diamètre a également été popularisée par Euler, mais celui-ci n’est pas à l’origine de la notation.
Les différentes techniques mises au point (par exemple pour la résolution des équations différen-
tielles, le développement en séries entières ou asymptotiques, applications aux réels négatifs, aux
complexes...) conduisent à s’intéresser à la « fonction » en tant que sujet d’étude.
À la fin du XVIIIe siècle, les mathématiciens croient encore, pour
peu de temps, que la somme infinie de fonctions continues est continue,
et (pour plus longtemps) que toute fonction continue admet une dérivée...
(sur ces notions, voir chapitre suivant).
C’est Cauchy qui met un peu d’ordre dans tout cela en montrant que
la somme d’une série numérique n’est commutativement convergente que
Cauchy Abel
si la série est absolument convergente. Mais Cauchy, qui pourtant n’est
qu’à un doigt de la notion de convergence uniforme, énonce un théorème
faux de continuité d’une série de fonctions continues qu’Abel contredit par un contre-exemple
le 16 janvier 1826 : Cauchy affirme en 1821 que la somme d’une série de fonctions continues
est toujours continue. Cinq ans plus tard, Abel propose un contre-exemple en considérant la suite
.fn /n>1 d’applications continues de R dans R de terme général fn .x/ D . 1/n =n: [Link]/.

27 2. Applications et morphismes SURVOL MATHÉMATIQUE I

 2.1 Fonction, application, injection, surjection, bijection
Si ça c’est pas du rappel de base, je ne m’y connais pas...

Fonction Un « truc » qui met en relation certains éléments de E

avec certains élément de F.

Application Fonction définie partout :

(plus d’étoile verte dans E)
Une fonction f est une application si son ensemble de
départ est égal à son ensemble de définition.

Injection Application telle que tout élément de F a au plus 1

antécédent.
F a au moins autant d’éléments que E.
(plus d’étoile verte dans E et plus d’étoile rouge dans F)
Soit 8x; y 2 E2 ; x ¤ y ) f .x/ ¤ f .y/,
ou 8x; y 2 E2 ; f .x/ D f .y/ ) x D y
Surjection Application telle que tout élément de F a au moins 1
antécédent.
F a au plus autant d’éléments que E.
(plus d’étoile verte dans E et plus d’étoile verte dans F)
Soit 8y 2 F; 9x 2 E; f .x/ D y , ou f est surjec-
tive si son ensemble image est égal à son ensemble
d’arrivée.
Bijection C’est une injection ET une surjection :
chaque élément de l’ensemble de départ correspond à
un seul élément de l’ensemble d’arrivée et vice-versa.

= élément n’ayant pas de relation ; = élément ayant 1 relation ; = élément ayant plus d’une
relation.
Tableau 2.1: Types de fonctions

Une étoile rouge dans E n’a pas de sens, cela voudrait dire qu’un élément de E peut avoir
plusieurs valeurs différentes par la relation considérée...
En fait, on sait donner un sens à cela. C’est ce que l’on appelle une fonction multivaluée
ou fonction multiforme ou fonction multivoque ou multifonction. L’exemple le plus simple d’un
fonction multiforme est la fonction réciproque d’une application non injective (penser simplement
aux fonctions circulaires).
On trouve les fonctions multiformes en analyse complexe : lorsque l’on veut utiliser le théorème
des résidus pour calculer une intégrale réelle, on peut être amené à considérer des restrictions
(déterminations) qui font de ces fonctions multiformes des fonctions (univoques), par exemple en
utilisant la théorie des revêtements qui considère des fonctions sur des surfaces de Riemann.
En restreignant une fonction à son domaine de définition, on en fait une application. En la
restreignant en plus à son ensemble d’arrivée on en fait une surjection (une surjection, c’est un
« truc » défini partout sur E et F).
Quand on a une surjection, on est sûr que tout élément de l’ensemble de départ à une image, et

I SURVOL MATHÉMATIQUE 2.1 Fonction, application, injection, surjection, bijection 28

 que tout élément de l’ensemble d’arrivée a un antécédent (au moins un même).
Dans la pratique, on ne fait pas de distinction formelle entre fonction et application...
p
f W R ! R; x 7! x est une fonction, pas une application, car la racine carrée n’est
p
pas définie sur R mais sur RC . f W RC ! R; x 7! x est une application ! Mais pourquoi
p
s’intéresserait-on à f là où elle n’est pas définie... De plus, f W RC ! RC ; x 7! x est une
surjection par définition (puisque l’on considère f de son ensemble de définition jusqu’à son
ensemble image). C’est évidemment une bijection (il ne reste que l’injectivité à prouver...).

Définition 10 — Support. On appelle support d’une fonction f l’adhérence (ou la fermeture,

i.e. le plus petit fermé) du lieu où la fonction n’est pas nulle :

supp.f / D fx 2 Rn ; f .x/ ¤ 0g (2.1)

2.2 Morphismes
Cette section est extraite du cours sur les structures algébriques. Nous l’avons toutefois sérieusement
amputée pour coller à l’objectif de ce document.

2.2.1 Présentation
Histoire

Mort au cours d’un duel à l’âge de vingt ans (ce qui en fait un héros romantique), il laisse un
manuscrit élaboré trois ans plus tôt, dans lequel il établit qu’une équation algébrique est résoluble
par radicaux si et seulement si le groupe de permutation de ses racines a une certaine structure,
qu’Emil Artin appellera justement résoluble.
Son Mémoire sur les conditions de résolubilité des équations par radicaux, publié
par Joseph Liouville quatorze ans après sa mort, a été considéré par ses successeurs,
en particulier Sophus Lie, comme le déclencheur du point de vue structural et
méthodologique des mathématiques modernes.
Toutefois, pour être tout à fait exact, Lagrange, reprenant une idée de d’Alembert
en vue de prouver qu’un polynôme de degré n possède n racines (i.e. que C est
algébriquement clos), utilise des résultats sur les fonctions semblables des racines, Galois
i.e. des fonctions rationnelles des racines qui restent invariantes par les mêmes
permutations. Ce résultat, qu’il a établi dans son fameux mémoire de 1771 Réflexions sur la
résolution algébrique, inspirera Abel et Galois et peut être considéré comme le tout premier de la
théorie des groupes.

Soient deux ensembles G et G0 munis d’un même type de structure (topologique, groupe,
anneau, espace vectoriel, algèbre...). Un morphisme (ou homomorphisme) de G ! G0 est une
application f qui respecte cette structure.
Pour ce faire, cette application doit vérifier certaines conditions, notamment une certaine
« linéarité » vis-à-vis des lois des G et G0 (on pourrait également remplacer le terme linéarité par
« capacité à faire sortir de la fonction »).
Un morphisme entre deux espaces topologiques est tout simplement une application continue
(voir chapitre suivant sur la continuité). C’est d’ailleurs ce dernier terme qui est utilisé en topologie,
pas celui de morphisme (mais cela revient bien au même).
Un morphisme de groupe entre .G; / et .G0 ; ?/ satisfait à l’égalité suivante qui est bien une
« condition de linéarité par rapport à la loi » : 8.x; y/ 2 G; f .x  y/ D f .x/ ? f .y/. En particulier,
si e et e 0 sont les éléments neutres de G et G0 , alors : f .e/ D e 0 . Une autre conséquence directe est
que : 8x 2 G; f .x 1 / D Œf .x/ 1 .

29 2. Applications et morphismes SURVOL MATHÉMATIQUE I

 2.2.2 Cas des espaces vectoriels : application et forme linéaires
Définition 11 — Morphisme d’espace vectoriel. Soient .E; C; :/ et .F; C; :/ deux espaces
vectoriels sur un corps K. Un morphisme d’ev f entre E et F est une application qui respecte
la condition de linéarité par rapport aux lois C (en fait qui est un morphisme de groupe entre
les groupes .E; C/ et .F; C/) et qui conserve la « linéarité par rapport à la multiplication par un
scalaire » :
8.x; y/ 2 E2 ; f .x C y/ D f .x/ C f .y/ condition d’additivité

(2.2)
8x 2 E; 8 2 K; f .
x/ D 
f .x/ condition d’homogénéité

Ceci est équivalent à la condition suivante (on parle de « préservation des combinaisons
linéaires ») :

8.x; y/ 2 E2 ; 8 2 K; f .
x C y/ D 
f .x/ C f .y/ (2.3)

et on utilise plutôt le terme d’application linéaire ou d’opérateur linéaire ou encore de transformation

linéaire.
Dans le cas où F D K, on ne parle pas d’application linéaire mais de forme linéaire. Une forme
linéaire est donc une application linéaire définie sur E et à valeurs dans K (supposé commutatif).
En d’autres termes, on parle de forme au lieu d’application, mais c’est la même chose !
Si ' et sont des formes linéaires et a et b des éléments de K :

8x 2 E; .a' C b /.x/ D a
'.x/ C b
.x/ (2.4)

L’application constante de valeur 0K s’appelle la « forme linéaire nulle ».

2.2.3 Endo, iso, auto -morphismes

Un endomorphisme est un morphisme d’une structure dans elle-même.
Un isomorphisme est est un morphisme f entre deux ensembles munis de la même espèce de
structure, tel qu’il existe un morphisme f 0 dans le sens inverse, tels que f ı f 0 et f 0 ı f sont les
identités des structures. Un isomorphisme est un morphisme bijectif.
Deux ensembles munis du même type de structure algébrique sont dits isomorphes s’il existe
un isomorphisme entre les deux ensembles.
L’isomorphie présente un intérêt majeur, car elle permet de transposer des résultats et propriétés
démontrés sur l’un des deux ensembles à l’autre.
Un automorphisme est un isomorphisme d’une structure dans elle-même, i.e. à la fois un
isomorphisme et un endomorphisme. Un automorphisme est un endomorphisme bijectif.
L’identité d’un ensemble est toujours un automorphisme, quelle que soit la structure considérée.
On note :
— LK .E; F/ l’espace vectoriel des applications linéaires de E dans F ;
— IsomK .E; F/ l’ensemble des isomorphismes de E dans F ;
— LK .E/ l’espace vectoriel des endomorphismes de E ;
— GLK .E/ le « groupe linéaire », i.e. le groupe des automorphismes de E.

2.2.4 Espace dual d’un espace vectoriel

Définition 12 — Espace dual. On appelle espace dual d’un espace vectoriel E l’ensemble des
formes linéaires sur E. Il est lui-même un K-espace vectoriel, et on le note E ou hom.E; K/.

La structure d’un espace et celle de son dual sont très liées. Nous allons détailler quelques
points en nous restreignant aux cas qui nous intéressent (cas réel, dimension finie).

I SURVOL MATHÉMATIQUE 2.2 Morphismes 30

 Remarque. Si l’on dispose, sur l’espace vectoriel considéré E, d’un produit scalaire h
;
i (voir chapitre
1), alors il existe un moyen « naturel » de plonger E dans E , i.e. d’associer à chaque élément de E un
élément du dual, et ce de manière à former un isomorphisme entre E et un sous-espace de E : à chaque
élément x 2 E on associe la forme linéaire 'x W E ! KI y 7! hx; yi. Alors l’application f W E !
E I x 7! 'x est une application linéaire injective, donc l’espace E est isomorphe au sous-espace f .E/
de E .

Si l’espace E est de dimension finie n, alors l’espace dual E est isomorphe à E et est donc lui
aussi de dimension n. On a alors le théorème de la base duale (que je ne présente pas, car je n’ai
pas parlé de base... mais peut-être pourrons-nous nous passer de ces rappels dans ce document).
Pour x 2 E, on note h'; xi pour '.x/. Cette notation est appelée crochet de dualité.

Définition 13 — Dual topologique. Soit E un espace vectoriel topologique sur le corps K. Le

dual topologique E0 de E est le sous-espace vectoriel de E (le dual algébrique de E) formé des
formes linéaires continues.
Si l’espace est de dimension finie, le dual topologique coïncide avec le dual algébrique, puisque dans
ce cas toute forme linéaire est continue. Mais dans le cas général, l’inclusion du dual topologique
dans le dual algébrique est stricte.
Remarques topologiques. En complément, quelques mots sur les topologies faible et faible-*, afin de
pouvoir faire dans de bonnes conditions une remarque sur leur usage.

Définition 14 — Topologies faible et faible-*. Soient E un espace vectoriel topologique

et E0 son dual topologique, i.e. l’espace vectoriel des formes linéaires continues sur E.
On appelle topologie forte sur E la topologie initiale de E ;
On appelle topologie faible sur E la topologie la plus grossière qui rende continus tous les éléments
de E0 ;
On appelle topologie faible-* sur E0 la topologie la plus grossière qui rendue continus tous les éléments
de E.

Notons que si E est réflexif, i.e. si E00 D E alors la topologie faible et la topologie faible-* coïncident.
Les topologies faibles ne sont en général pas métrisables, et ne peuvent donc se définir par la seule
donnée des notions de convergence de suites. Cependant, c’est bien la notion de convergence faible de
suites qui est utile en pratique.
On place ici des remarques faisant appel aux espaces de Lebesgue définis au chapitre 4.
Soit  un ouvert de Rn . Pour 1 < p < 1, les topologies faible et faible-* sur Lp ./ coïncident, et
la notion de convergence associée (convergence contre des fonctions test dans Lp ) est :
Z Z
8g 2 Lp 0 ./; fn g ! fg
 
Pour p D 1, la topologie faible-* correspond à la convergence contre des fonctions test dans L1 ;
pour p D 1, la topologie faible correspond à la convergence contre des fonctions test dans L1 . On
s’interdira en revanche de considérer la convergence faible-* dans L1 , ou la convergence faible dans L1
(la question de savoir si L1 est le dual de L1 touche à de subtiles questions d’axiomatique, et la réponse
est négative si l’on admet l’axiome du choix...)
Quel est l’intérêt d’appauvrir la topologie ? Une des motivations majeures est que moins il y a
d’ouverts, plus il y a de compacts. Il est beaucoup plus facile d’être compact pour la topologie faible que
pour la topologie forte.

2.2.5 Noyau et image

Définition 15 — Noyau. Le noyau du morphisme f est l’ensemble des antécédents de l’élément
neutre :
1
ker.f / D fx 2 E; f .x/ D 0g D f .f0g/ (2.5)

et f est injectif si et seulement si son noyau est réduit à f0g.

31 2. Applications et morphismes SURVOL MATHÉMATIQUE I

 Définition 16 — Image. L’image du morphisme f est l’image par f de E :

im.f / D ff .x/; x 2 Eg D f .E/ (2.6)

et f est surjectif si et seulement si son image est égale à F.

Dans le cas d’espaces vectoriels, l’ensemble ker.f / est un sous-espace vectoriel de E et
l’ensemble im.f / est un sous-espace vectoriel de F.

Théorème 7 — Théorème du rang. Il est assez visible que (théorème de factorisation) f induit
un isomorphisme de l’espace vectoriel quotient E= ker.f / sur l’image im.f /. Deux espaces
isomorphes ayant même dimension, il s’en suit la relation, valable pour un espace E de dimension
finie, appelée théorème du rang :

[Link].f // C [Link].f // D dim.E/ (2.7)

Le nombre [Link].f // est aussi appelé rang de f et est noté rg.f /.

On a également :
— l’image réciproque d’un sous-espace vectoriel de F par f est un sous-espace vectoriel de E ;
— l’image directe d’un sous-espace vectoriel de E par f est un sous-espace vectoriel de F.

2.3 Opérateur
Le terme « opérateur » a été utilisé au paragraphe précédent... regardons d’un peu plus près.
D’une manière générale, un opérateur est une application entre deux espaces vectoriels topolo-
giques.
Un opérateur O W E ! F est linéaire si et seulement si :

8.; / 2 K2 ; 8.x1 ; x2 / 2 E; O.x1 C x2 / D O.x1 / C O.x2 / (2.8)

où K est le corps des scalaires de E et F.

Lorsque F D R, un opérateur est une fonctionnelle sur E.
Un opérateur est continu s’il est continu en tant qu’application (pour la définition de la continuité,
voir chapitre suivant).
Un opérateur différentiel est un opérateur agissant sur des fonctions différentiables au sens des
dérivés ordinaires ou partielles : voir définition au chapitre suivant.
On définit également les opérateurs différentiels elliptiques et hyperboliques. Mais pour cela, il
faut introduire les notions de symbole et symbole principale d’un opérateur... et cela ne nous semble
ni adapté à ce document, ni suffisamment « naturel » pour cet exposé. Nous nous contenterons
de définir plus loin les notions d’équations aux dérivées partielles linéaires et homogènes du
second-ordre dites elliptiques, hyperboliques et paraboliques.

I SURVOL MATHÉMATIQUE 2.3 Opérateur 32

 Chapitre 3

Continuité et dérivabilité

Résumé — Dans ce chapitre, nous nous intéresserons aux notions de continuité et de

dérivabilité, les espaces nécessaires ayant été définis précédemment, ainsi que les notions
d’application...
Dans la mesure où les problèmes que nous souhaitons aborder, i.e. ceux issus de la
physique, sont généralement décrits par des équations différentielles ou des équations aux
dérivées partielles, on comprend bien que la notion de dérivation est centrale.
Mais n’oublions pas que ces notions de continuité et de différentiabilité n’ont pas
toujours été définies de manière précise au cours de l’histoire et ont donné lieu à de bien
terribles affrontements entre nos glorieux anciens.

3.1 Continuité et classe C0

Histoire

Dans le manuscrit de 1673 la Méthode inverse des tangentes ou à propos des fonctions, Leibniz
dit : « J’appelle fonctions toutes les portions des lignes droites qu’on fit en menant des droites
indéfinies qui répondent au point fixe et aux points de la courbe ; comme sont abscisse, ordonnée,
corde, tangente, perpendiculaire, sous-tangente, sous-perpendiculaire... et une infinité d’autres d’une
construction plus composée, qu’on ne peut figurer. » Finalement, au terme d’une correspondance
nourrie entre Leibniz et Jean Bernoulli, celui-ci donne en 1718 la définition suivante : « On appelle
fonction d’une grandeur variable une quantité composée, de quelque manière que ce soit, de cette
grandeur variable et des constantes. ». Il propose la notation x.
La continuité est en quelque sorte contenue, sous-jacente à ces définitions car les fonctions
considérées sont « physiques » et ne présentent au plus qu’un nombre fini de discontinuités.
Dans son Introductio in analysin infinitorum de 1748,
Euler définit une fonction d’une quantité variable comme
« une expression analytique composée d’une manière quel-
conque de cette quantité variable et de nombres ou de
quantités constantes ». Le mot « analytique » n’est pas
davantage précisé. En fait, pour Euler, une fonction est
une combinaison quelconque d’opérations prises dans le Euler Bolzano Heine
stock des opérations et des modes de calcul connus de
son temps, et applicables aux nombres : opérations classiques de l’algèbre, exponentielle, logarithme,
passage d’un arc à ses lignes trigonométriques..., certaines de ces opérations pouvant être itérées un
nombre illimité de fois...
Dans ce même ouvrage, Euler dit qu’une fonction est continue si elle est définie par une seule
expression anlytique (finie ou infinie) et mixte ou discontinue si elle possède plusieurs expression
analytiques suivant ses intervalles de définition.
La définition actuelle est celle due à Bernard Bolzano dans sa théorie des fonctions en 1816 : « La
fonction f .x/ varie suivant la loi de continuité pour la valeur x si la différence jf .x C w/ f .x/j
peut-être rendue plus petite que toute valeur donnée. » Il existe une notion de continuité uniforme
qui est plus forte que la simple continuité et fixée par Heinrich Eduard Heine en 1872.

33 3. Continuité et dérivabilité SURVOL MATHÉMATIQUE I

 La continuité est une propriété topologique (donc indépendante de la métrique).

Définition 17 — Continuité d’une fonction en un point (version topologique). Soit f une

application d’un espace topologique E dans un espace topologique F. On dit que f est continue
en un point a de E si, quelque soit le voisinage W de f .a/ dans F, il existe un voisinage V de a
dans E tel que 8x 2 V, f .x/ 2 W, c’est-à-dire que l’image réciproque de tout voisinage de f .a/
est un voisinage de a.

Cette définition est donnée pour la culture, car nous n’avons pas rappelé la notion de voisinage dans
ce document. Cela n’a pas d’importance dans ce contexte puisque nous travaillerons sur des cas
moins généraux.
Évidemment, une application de E dans F est continue si elle est continue en tout point de E.
Ramenons nous à des choses plus connues et plus en lien avec ce document. Dans le cas des espaces
métriques, la continuité se définit comme suit.

Définition 18 — Continuité d’une fonction en un point (version métrique). Soient .E; d /

et .E0 ; d 0 / deux espaces métriques, f W E ! E0 et a 2 E. On dit que l’application f est continue
en a si :
h i
8" > 0; 9 > 0; 8x 2 E; d.x; a/ <  H) d 0 .f .x/; f .a// < " (3.1)

Ainsi f est continue en a si et seulement si la limite de f en a existe (elle vaut alors nécessaire-
ment f .a/).

Considérons la fonction f définie sur R2 par :

8 xy
< si .x; y/ ¤ .0; 0/
f .x; y/ D x2 C y2 (3.2)
0 si .x; y/ D .0; 0/
:

Elle n’a pas de limite en .0; 0/.

En effet, f .x; y/ est continue partout sur R2 nf.0; 0/g. Elle est continue sur l’axe des abscisses et des
ordonnées où elle est  0. Elle est donc séparément continue à l’origine, et par suite dans tout le plan. Mais
elle n’est pas continue par rapport à l’ensemble des variables à l’origine, car sur la droite y D mx, elle prend
m
la valeur m=.1 C m2 / en dehors de l’origine ; or 1Cm 2 ¤ 0 dès que m ¤ 0, et par conséquent elle ne tend

pas vers 0 lorsque .x; y/ tend vers l’origine. Une telle fonction est dite partiellement continue.
Pour une fonction réelle, on peut définir une fonction continue comme une fonction dont on
peut tracer le graphe sans lever le crayon. Si l’on exclut certains fonctions très particulières (comme
les fractales), alors l’idée générale de la continuité est bien traduite par cette phrase (la fonction ne
présente pas de « saut »).

Définition 19 — Continuité d’une fonction réelle en un point. Une fonction f W I  R ! R

sera dite continue au point a 2 I si :
h i
8" > 0; 9 > 0; 8x 2 I; jx aj <  H) jf .x/ f .a/j < " : (3.3)

La classe des fonctions continues est notée C0 . Elle inclut par exemple les fonctions continues
par morceaux ainsi que les constantes (dont la fonction nulle).
Attention à ne pas confondre la classe des fonctions continues C0 avec C0 l’ensemble des
fonctions continues qui s’annulent à l’infini (sous-espace de l’espace des fonctions continues).

I SURVOL MATHÉMATIQUE 3.1 Continuité et classe C0 34

 3.2 Continuité de Hölder et Lipschitz
Remarque : Dans le cas des espaces métriques, nous avons vu qu’il était possible de redéfinir la
continuité à l’aide des " plutôt que par les voisinages.
Avec Hölder et Lipschitz, la notion de « continuité uniforme »
nous est proposée. La distinction entre continuité et continuité uni-
forme est la même que celle entre la convergence simple et la conver-
gence uniforme dans le cas des séries (pour le lecteur qui s’en sou-
viendrait). En effet, cette continuité uniforme ne regarde pas comment
(quel ") la fonction est continue en chaque point, mais comment elle
est continue dans sa globalité, i.e. lorsque ce fameux " n’est plus lié Hölder Lipschitz
à la position sur la courbe, mais est fixé pour la fonction entière.
La continuité höldérienne ou condition de Hölder est une condition suffisante (mais non
nécessaire) pour qu’une application définie entre deux espaces métriques soit continue.
La définition s’applique en particulier pour les fonctions d’une variable réelle.

Définition 20 — Fonction a-höldérienne. Si .E; d / et .F; d 0 / sont deux espaces métriques,

une fonction f W E ! F est dite a-höldérienne s’il existe une constante C > 0 telle que :

8.x; y/ 2 E2 ; d 0 .f .x/; f .y// 6 C d .x; y/a (3.4)

La continuité höldérienne d’une fonction dépend donc d’un paramètre réel strictement positif a 2
0 I 1, et prend en compte toutes les variations de la valeur de la fonction sur son ensemble de
définition. Si 0 < a 6 1 est fixé, l’ensemble des fonctions réelles a-höldériennes est un espace
vectoriel, conventionnellement noté C 0;a .E; R/.

Théorème 8 Toute application f qui est a-höldérienne est continue. Mieux, elle est uniformé-
ment continue, dans le sens suivant :

Si " > 0, alors pour  D ."=C/1=a ; d .x; y/ <  ) d .f .x/; f .y// < " (3.5)

Le réel  dépend de " mais est indépendant de la variable x parcourant l’espace de définition de
l’application.

Définition 21 — Fonction lipschitzienne. Lorsque a D 1, l’application est dit lipschitzienne.

Une application lipschitzienne est plus « régulière » qu’une fonction simplement continue.

Toute fonction lipschitzienne (en tant que fonction höldérienne) est uniformément continue. Toute
fonction réelle lipschitzienne est (absolument continue donc à variation bornée donc) dérivable
presque partout pour la mesure de Lebesgue et sa dérivée est essentiellement bornée.

3.3 Dérivée
Le nombre dérivé en un point d’une fonction à variable et valeurs réelles est le coefficient directeur
de la tangente au graphe de cette fonction en ce point, ou aussi le coefficient directeur de l’approxi-
mation affine de cette fonction en ce point : ce nombre n’est donc défini que si cette tangente, ou
cette approximation, existe. La dérivée d’une fonction f est une fonction qui, à tout nombre pour
lequel f admet un nombre dérivé, associe ce nombre dérivé.

Définition 22 — Dérivée d’une fonction. Soit f une application d’un ouvert  du corps K
(resp. un intervalle de R) dans un espace affine normé F (resp. R), alors on peut donner un sens,

35 3. Continuité et dérivabilité SURVOL MATHÉMATIQUE I

 pour a 2 , à la quantité :

f .a C h/ f .a/
f 0 .a/ D lim 2F (3.6)
h¤0;h!0 h
aCh2

que l’on appelle le vecteur dérivé ou simplement la dérivée de f en a.

Au XVIIe siècle, la compréhension mais surtout la modélisation (i.e. la mise en équations) de

Histoire

phénomènes physiques et techniques conduit à la création au siècle suivant de l’analyse en tant que
branche des mathématiques abordant les notions de dérivation, intégration et équations différentielles.
Les échanges, les conceptions et la compréhension des infinité-
simaux ont animé le monde scientifique pendant bien longtemps, la
discussion était tout autant philosophique que mathématique, ce qui est
somme toute assez normal compte tenu du sujet... Les fondateurs incon-
testés de l’analyse sont Newton et Leibniz. La portée de leurs travaux est
considérable car ils vont permettre non seulement la compréhension des
courbes (puis le calcul des aires), mais aussi celle du mouvement des Newton Leibniz
corps. C’est véritablement une révolution où l’on passe d’une science de
la statique à une science de la dynamique.
Un débat houleux sur la paternité du calcul différentiel entre mathématiciens britanniques et
allemands fit rage, mais Newton et Leibniz s’en tinrent à l’écart. Toutefois, cette polémique entre les
deux camps ne sera pas sans effet. Celle-ci fera que les anglais resteront à l’écart du développement
général des mathématiques au XVIIIe siècle, la tradition newtonienne dominante ayant abouti à une
certaine stagnation scientifique. Au début du XIXe siècle, avec la diffusion des notations symboliques
leibniziennes du calcul infinitésimal, un petit groupe de mathématicien de Cambridge se mettra à
réfléchir sur le rôle et l’importance de la symbolique.
L’opinion générale est aujourd’hui que Leibniz s’est presque certainement inspiré de certaines
des idées de Newton (dont les travaux sont antérieurs, mais non publiés au moment où Leibniz
publie), mais que sa contribution reste suffisamment importante pour que le mérite de l’invention du
calcul différentiel soit accordé aux deux hommes.
L’approche de Newton est proche de la physique : il parle en termes de mouvement physique et
ses notations ne sont employées que très rarement en dehors de la sphère des physiciens.
L’approche de Leibniz en revanche est plus géométrique et conduit à une présentation plus natu-
relle, encore utilisée aujourd’hui, et qui va rapidement être adoptée en Europe. C’est lui également
qui introduit la notation dy=dx encore utilisée.
Avant Newton et Leibniz, Descartes s’était intéressé au pro-
blème des tangentes à une courbe et Fermat avait introduit une
notion assez proche de la dérivée lors d’une recherche d’extremum.
En remontant encore plus dans l’Histoire, on peut dire que la mé-
thode d’exhaustion, telle qu’elle a été développée et utilisée par
Archimède (i.e. avec toute la rigueur nécessaire, en usant du procédé
Archimède Oresme
d’encadrement évitant le recourt aux ") est réellement la première
utilisation des infinitésimaux. Malgré, ou peut-être à cause de, la
grande originalité de ses travaux, Archimède n’a été que peu suivi dans le monde grec et n’a pas eu
de disciple direct. Les savants arabes commenceront d’ailleurs dès le IXe siècle à s’intéresser aux
procédés infinitésimaux mis en œuvre par le génial Alexandrin.
Notons également que le plus grand progrès théorique réalisé au Moyen-Âge est l’étude quanti-
tative de la variabilité par Nicole Oresme. Éveillé par la diffusion des méthodes infinitésimales des
Anciens, et d’Archimède en particulier, nourri par les spéculations scolastiques sur l’infini, le goût
des mathématiciens pour les considérations infinitésimales se développe peu à peu. Ils s’appliquent
d’abord à imiter le modèle archimédien, puis s’émancipent et essaient de trouver des substituts pour
la méthode d’exhaustion, jugée trop lourde.
En 1748, Euler définit les deux nouvelles opérations que sont la différentiation et l’intégration
dans Introductio in analysin infinitorum ; puis dans Calculi differentialis (1755) et Institutiones
calculi integralis (1770) il essaie de mettre au point les règles d’utilisation des infiniment petits et
développe des méthodes d’intégration et de résolution d’équations différentielles.
Enfin, dans la seconde moitié du XIXe siècle, on s’intéressera aux propriétés des fonctions

I SURVOL MATHÉMATIQUE 3.3 Dérivée 36

 dérivées, et de nombreux contre-exemples défiant l’intuition seront introduits, qui conduiront à bien
cerner cette délicate notion.

La dérivabilité est elle-aussi une notion topologique et non métrique (même si on sait l’écrire
en termes métrique comme ci-dessus), elle ne dépend donc pas de la norme choisie (du moment
que celle-ci est compatible avec la topologie choisie...).

3.4 Fonctions de classe Ck

Il est évident que si la dérivée (telle que définie au dessus) existe partout dans , alors on peut à
nouveau considérer sa dérivée... et ainsi de suite.
On définit donc les classes C1 , C2 , ... Ck , ... C1 de fonctions 1 fois, 2 fois, ..., k fois continûment
dérivables ou même indéfiniment dérivables. Pour k D 0, on retombe sur la définition de l’ensemble
des fonctions continues. Pour être très clair, une fonction est de classe Ck signifie que toutes ses
dérivées jusqu’à l’ordre k sont continues dans . Toutes les fonctions polynomiales sont C1 , car à
partir d’un certain rang leur dérivée est identiquement nulle.

3.5 Différentielle
Il s’agit de généraliser la formule (3.6) à des applications de Rn dans Rp . La variable étant mainte-
nant un vecteur de Rn , il n’est plus question de diviser par h... il faut donc modifier la définition
pour supprimer le dénominateur. Et cela est très facile : il suffit d’approcher l’accroissement de la
fonction par une application linéaire.

Définition 23 — Différentielle. Soient E et F deux espaces normés sur le corps K D R ou C,

et U un ouvert de E. Une application f W U ! F est dite différentiable au point a 2 U s’il existe
une application linéaire L 2 L.E; F/ telle que :

f .a C h/ f .a/ D L.h/ C R.h/ (3.7)

où le reste R.h/ est un [Link]/ lorsque h tend vers 0 dans E.

Si elle existe, l’application L est unique et on l’appelle la différentielle de f en a. On la note
L D Df .a/, ou f 0 .a/ ou df .a/ ou Da f ou dfa , selon les auteurs et les circonstances.

Cela signifie qu’au voisinage de a, l’application f se comporte à peu près comme l’application
affine x 7! f .a/ C Df .a/.x a/, pour laquelle on pourra utiliser les outils de l’algèbre linéaire.
Géométriquement, on retrouve l’idée qu’une courbe est, au voisinage d’un point, à peu près
confondues avec sa tangente 1 (droite tangente, plan tangent...). C’est pourquoi l’application
linéaire Df .a/ est également appelée application linéaire tangente à f en a.
Évidemment, dans le cas où E D R et F D R, tout ce qui a été dit coïncide avec ce que nous
avions vu avec la dérivée classique.

3.6 Dérivées partielles

Nous nous intéressons maintenant au cas où une fonction dépend de plusieurs variables, i.e. au cas
d’une fonction numérique d’une variable vectorielle. Avec les notation du paragraphe précédent,
cela correspond au cas où E D Rn et F D R.
La dérivée partielle d’une fonction de plusieurs variables est la dérivée par rapport à l’une de
ses variables, les autres étant gardées constantes. La dérivée partielle de la fonction f par rapport à
1. tangente, du latin « tangerer » : toucher

37 3. Continuité et dérivabilité SURVOL MATHÉMATIQUE I

 @f
la variable x est notée @x
ou @x f ou encore fx0 . De la même manière, on peut noter des dérivés
@2 f 0 D @ f D @2 f ,
secondes,... k-ièmes par rapport à différentes variables. Par exemple @x 2
D fxx xx x
@2 f0 D @ f , ou @2 f 0 D @ f , mais également @i Cj Ck f
mais également @x @y D fyx yx @y @x
D fxy xy @x i @y j @z k
D
0
fkzjyix D @kzjyix f .

Définition 24 — Dérivée partielle d’ordre 1 en un point. Soient  un ouvert de Rn et f une

fonction de n variables :
 ! R
f W (3.8)
x D .x1 ; : : : ; xn / 7! f .x/ D f .x1 ; : : : ; xn /

On définit la dérivée partielle d’ordre 1 de f au point a D .a1 ; : : : ; an / 2  par rapport à

la i -ème variable xi par :

@f f .a1 ; : : : ; ai 1 ; ai C h; ai C1 ; : : : ; an / f .a1 ; : : : ; an /
.a/ D lim (3.9)
@xi h!0 h

Remarques. Pour en revenir au cadre général qu’est celui de la différentielle, on parle ici des dérivées
partielles pour désigner les dérivées dans la direction des vecteurs de base, ou plus exactement des dérivées
selon les vecteurs de base.
@f
Nous utiliserons, comme tout le monde, la notation @x , bien qu’elle présente quelques défauts : tout
i
d’abord elle est typographiquement lourde, ensuite elle a les apparences trompeuses d’un quotient, et
enfin la mention de la variable xi peut être source de confusions dans les calculs de dérivées de fonctions
composées. On devrait donc toujours préférer la notation @i f ou fi0 .
La formulation générale de la différentielle donnée au paragraphe 3.5 permet de retrouver tous les
cas :
— le cas « classique » d’une fonction d’une variable réelle à valeur réelle correspond au cas E D R
et F D R ;
— le cas d’une fonction numérique d’une fonction vectorielle correspond au cas E D Rn et F D R
et vient d’être présenté. Dans ce cas, la différentielle Df .a/ est la forme linéaire sur Rn de
composantes T @1 f.a/; :::; @n f.a/ dans la base canonique.
Si Rn est muni d’un produit scalaire, alors il existe un unique vecteur, appelé gradient de f en a et
noté grad f .a/ 2 Rn tel que : Df .a/h D grad f .a/:h. Pour une définition plus opérationnelle du
gradient, on se réfèrera au paragraphe 3.8. Celui-ci a pour composantes les dérivées partielles par
rapport à la base considérée ;
— le cas d’une fonction vectorielle d’une variable réelle correspond au cas E D R et F D Rp . Il est à
nouveau possible de diviser par h. La différentiabilité 2 de f équivaut alors à la dérivabilité de ses
composantes fi .
— le cas d’une fonction vectorielle d’une variable vectorielle correspond au cas le plus général E D Rn
et F D Rp . La différentielle est l’application linéaire définie dans les bases canoniques de Rn
et Rp par la matrice jacobienne. La ligne i de la matrice jacobienne correspond à la différentielle
de la composante fi de f . La colonne j de la matrice jacobienne correspond à la dérivée de f
dans la direction du j e vecteur de la base. Nous y reviendrons de manière plus pragmatique au
paragraphe 12.5.2.

@f @f
Attention : Même si toutes les dérivées partielles @x1
.a/; : : : ; @x n
.a/ existent en un point a, la
fonction peut ne pas être continue en ce point. Si l’on considère à nouveau la fonction f définie
sur R2 par :
8 xy
<
2 2
si .x; y/ ¤ .0; 0/
f .x; y/ D x C y (3.10)
0 si .x; y/ D .0; 0/
:

@f @f
on voit qu’elle vérifie @x
.0; 0/ D @y
.0; 0/ D 0 mais elle n’a pas de limite en .0; 0/ comme nous
l’avons vu avant.
2. On ne confondra pas « différencier » et « différentier »

I SURVOL MATHÉMATIQUE 3.6 Dérivées partielles 38

 Si toutes les dérivées partielles (d’ordre 1) existent et sont continues dans un voisinage de a,
alors f est différentiable dans ce voisinage et la différentielle est continue. Dans ce cas, on dit
que f est une fonction de classe C1 sur ce voisinage de a.
Si toutes les dérivées partielles secondes de f existent et sont continues sur l’ouvert , on dit
que f est une fonction de classe C2 ./. L’ordre de dérivation peut alors être changé sans que cela
modifie le résultat. C’est le théorème de Schwarz (Il s’agit de Hermann Amandus Schwarz (sans
« t »), pas de Laurent Schwartz).

Théorème 9 — Théorème de Schwarz. Si f 2 C2 ./, alors :

@2 f @2 f
D (3.11)
@xi @xj @xj @xi

Définition 25 — Différentielle totale. On appelle différentielle totale de f l’expression :

@f @f X @f
df D dx1 C


C dxn D dxi (3.12)
@x1 @xn @xi
i

3.7 Retour sur les classes Ck pour une fonction de plusieurs variables
Ce paragraphe met l’accent sur le cas multi-dimensionnel des classes Ck (ce qui est le cas avant,
mais peut-être moins visiblement). Nous en profitons également pour introduire des notations et
notions dont nous nous servirons plus loin.

Définition 26 — Fonctions k fois différentiables. Si  est un ouvert de Rn , on définit l’en-

semble des fonctions k fois différentiables dans , à valeurs dans R dont toutes les dérivées
jusqu’à l’ordre k sont continues dans  par :
 
k k 1 @f k 1
C ./ D f 2 C ./; 2C ./; i D 1; :::; n ; k > 1 (3.13)
@xi

Définition 27 — Multi-indice. On appelle multi-indice ˛ un n-uplet d’entiers ˛ D .˛1 ; :::; ˛n /,

˛j 2 N. Sa longueur est j˛j D ˛1 C ::: C ˛n , et on note @˛ la quantité (l’opération) :
 ˛1  ˛n
˛ @ @
@ D ::: (3.14)
@x1 @xn

Compléments sur Ck . Ck ./ est l’espace vectoriel des fonctions f W  ! R telles que 8˛, j˛j 6 k,
x 7! @˛ f .x/ existe et appartient à C0 ./.
Pour f et g dans Ck ./, on définit :
sup j@˛ f .x/ g.x/j
X
1
X 1 j˛j6k Ki
d.f; g/ D (3.15)
2i 1 C sup j@˛ f .x/ g.x/j
X
iD1
Ki
j˛j6k

qui est une distance sur Ck ./ qui en fait un espace complet.
L’espace C1 ./ peut se définir par :
C1 ./ D Ck ./
[
(3.16)
k2N
qui est également complet pour la même distance.
Cette définition permet de clairement voir les inclusions successives des espaces Ck .

39 3. Continuité et dérivabilité SURVOL MATHÉMATIQUE I

 On définit également Ckb ./ comme le sous-espace vectoriel des éléments de Ck .Rn / dont
toutes les dérivées jusqu’à l’ordre k sont bornées sur .
On définit alors :
X
kf kCk ./ D sup j@˛ f .x/j (3.17)
b
j˛j6k 

qui est une norme sur Ckb ./ et en fait un espace de Banach (i.e. normé complet pour cette norme).

Définition 28 On définit, pour k 2 N [ f1g, l’ensemble Ckc ./ par : f 2 Ckc ./ si f 2 Ck ./
et si f est de support compact inclus dans .

Pour tout ouvert  de Rn , et pour tout k 2 N [ f1g :

— Ckc ./ est dense dans Ck ./ ;
— C1 k
c ./ est dense dans C ./.

3.8 Nabla et comparses

3.8.1 Champs de vecteurs et de scalaires
Définition 29 — Champ de vecteurs. Soit E un espace vectoriel euclidien de dimension n et 
un ouvert de E. Un champ de vecteurs sur  est une application F de  dans E, définie par ses n
fonctions composantes :
0 1 0 1
x1 F1 .x1 ; : : : ; xn /
F W @ ::: A 7 ! @ :: (3.18)
B C B C
: A
xn Fn .x1 ; : : : ; xn /

C’est donc une fonction qui à un vecteur fait correspondre un vecteur.

Définition 30 — Champ de scalaires. Un champ de scalaires sur  est une application f de 

dans R ou C, i.e. une fonction qui à un vecteur fait correspondre un scalaire.

La dérivée d’un champ scalaire est un champ vectoriel appelé gradient (voir plus bas).
Nabla, noté r, est un pseudo-vecteur servant à noter un opérateur différentiel :
@
0 1
@
0 1 0
@
1
B @x C B @ C
B 1@r@ C
B C
B @ C
B1 @ C
B C
rDB C DB DB (3.19)
B C B C
B @y C B r @ C
C C
B  @' C
@ @ A @ @ A @ 1 @ A
@z cartésiennes @z polaires r sin  @' sphériques

3.8.2 Gradient, divergence, rotationnel, Laplacien et D’Alembertien

Les quantités présentées ci-après apparaîtront constamment dans les problèmes physiques.
Soient A un champ de vecteur et f un champ scalaire, on définit :
— Le gradient :

grad f  rf (3.20)

— La divergence :

div A  r
A (3.21)

I SURVOL MATHÉMATIQUE 3.8 Nabla et comparses 40

 — Le rotationnel :

rot A  r ^ A (3.22)

— Le Laplacien (scalaire et vectoriel) :

f D r 2 f (3.23)
2
A D r A (3.24)

— Le D’alembertien : il s’agit plus d’une « contraction d’écriture ». En coordonnées cartésiennes,

 s’écrit :
1 @2
 2
@2 @2 1 @2

@
D 2 2 C C D  (3.25)
c @t @x 2 @y 2 @z 2 c 2 @t 2

où c est la vitesse de la propagation considérée (ou la vitesse de la lumière).

En coordonnées cartésiennes,
0 1il vient explicitement :
@f
B @x C
— gradient : grad f D @ @f@y A
@f
@z
@A
— divergence : div A D @A@x
x
C @yy C @A @z
z

0 @A
z @Ay 1
@y @z
rotationnel : rot A D @ @A
B x @Az C
— @z @x A
@Ay @Ax
@x @y
@2 f 2 2
— Laplacien scalaire : f D @x 2 C @@yf2 C @@zf2
0 1
Ax
— Laplacien vectoriel : A D Ay A
@
Az
De plus :

div grad f D r
.rf / D r 2 f D f (3.26)

rot grad f D r ^ .rf / D 0 (3.27)
div rot A D r
.r ^ A/ D 0 (3.28)
rot rot A D r ^ .r ^ A/ D r.r
A/ r 2 A D grad div A A (3.29)
fg D f g C 2rf
rg C gf (3.30)

3.8.3 Normale et dérivée normale

Définition 31 — Normale. On appelle normale au domaine  un champ de vecteurs n.x/
défini sur le bord € D @ de  et tel qu’en tout point x 2 € où le bord est régulier, n.x/ soit
orthogonal au bord et de norme 1.

On appelle normale extérieure une normale qui pointe vers l’extérieur du domaine en tout point.

Définition 32 — Dérivée normale. On appelle dérivée normale d’une fonction régulière u

sur €, la fonction définie sur les points réguliers de € par :

@u
.x/ D ru.x/
n.x/ (3.31)
@n
Il s’agit d’un produit scalaire car ru est un vecteur, tout comme n.x/.

41 3. Continuité et dérivabilité SURVOL MATHÉMATIQUE I

 3.8.4 Potentiel d’un champ vectoriel
Le potentiel d’un champ vectoriel est une fonction scalaire ou vectorielle qui, sous certaines condi-
tions relatives au domaine de définition et à la régularité, permet des représentations alternatives de
champs aux propriétés particulières. Ainsi :
— Un champ vectoriel irrotationnel (de rotationnel nul) peut être identifié au gradient d’un
potentiel scalaire.
— Un champ vectoriel solénoïdal (de divergence nulle) peut être identifié au rotationnel d’un
potentiel vecteur.
Dans les deux cas, on dit que le champ d’origine dérive d’un potentiel (allusion entre une fonction
et sa primitive).
Ces potentiels permettent non seulement d’appréhender certains champs vectoriels sous un
angle complémentaire (pour un traitement parfois plus aisé), mais ils légitiment des abstractions
essentielles comme, par exemple en physique, l’énergie potentielle associée à un champ de forces
conservatives.
Un champ de vecteurs A continu et irrotationnel dérive d’un potentiel scalaire U :

AD grad U (3.32)

Le même résultat se vérifie dans l’espace entier à condition que, vers l’infini, le champ décroisse
« assez » rapidement.
Le potentiel scalaire n’est pas unique, il est défini à une constante près.
Un champ de vecteurs A régulier et de divergence nulle dérive d’un potentiel vectoriel B :

AD rot B (3.33)

Le même résultat se vérifie dans l’espace entier à condition que, vers l’infini, le champ décroisse
« assez » rapidement.
Le potentiel vecteur n’est pas unique, il est défini à un « gradient » près (i.e. B0 D B C grad f
convient également).

3.8.5 Signification « physique »

Un champ de scalaires, c’est un « truc », une application, qui à un vecteur associe un scalaire.
Typiquement, on peut penser à la température. Une application T.x; y; z/ qui à chaque point de
l’espace de coordonnées .x; y; z/ associe sa température T est un champ de scalaire.
Un champ de vecteurs, c’est un « truc », une application, qui à un vecteur associe un autre
vecteur. Typiquement, on peut penser à la vitesse. Une application V.x; y; z/ qui à chaque point de
l’espace de coordonnées .x; y; z/ associe son vecteur vitesse V est un champ de vecteurs.
Si f est une fonction de classe C1 , alors le gradient de f au point a, quand il est non nul,
s’interprète comme la direction selon laquelle f varie le plus vite, i.e. la ligne de plus grande pente.
La divergence d’un champ de vecteurs mesure comment son courant déforme un volume (on
devrait dire comment son flot déforme une forme volume au sens de la géométrie différentielle).
L’idée est un peu la suivante : imaginons un écoulement de fluide et intéressons-nous au courant en fonction
de la profondeur. Lorsque l’on est un peu en dessous de la surface et loin du sol, on peut imaginer que le
courant est à peu près constant, donc une section (ou un volume) de fluide perpendiculaire à l’écoulement
se retrouve, un instant plus tard, un peu plus loin, mais toujours perpendiculaire au sol, i.e. la section n’a
pas varié. Si l’on est proche du fond, on peut penser que le courant est plus faible très près du sol, par
exemple à cause du frottement. Si l’on considère à nouveau une section de fluide perpendiculaire au sol, alors
un instant plus tard, elle n’est plus perpendiculaire au sol : près du sol, les particules ont effectué un petit
déplacement, celles plus éloignées ont beaucoup plus avancé. La section n’a ni la même forme, ni la même

I SURVOL MATHÉMATIQUE 3.8 Nabla et comparses 42

 longueur qu’à l’instant précédent. La divergence mesure justement ce type d’écart. D’une manière plus
générale, la divergence traduit la conservation (si elle est nulle) ou non d’une grandeur physique en
un point : cela mesure donc, en chaque point si une grandeur (par exemple le volume comme avant)
est conservative ou non.
Le rotationnel exprime la tendance qu’ont les lignes de champ d’un champ vectoriel à tourner
autour d’un point : sa circulation locale sur un petit lacet entourant ce point est non nulle quand
son rotationnel ne l’est pas (nous n’avons pas défini la notion de lacet, nous compterons sur
l’imagination du lecteur). On rappelle que les lignes de champ sont les lignes qui, en première
approche, représentent le chemin que l’on suivrait en partant d’un point. Ce sont en fait les lignes
orthogonales aux équipotentielles, ou surfaces de niveau, du champ.
Concernant le Laplacien scalaire, la quantité f est une mesure de la différence entre la valeur
de f en un point quelconque P et la valeur moyenne f au voisinage du point P.
Le Laplacien scalaire d’une fonction peut aussi être interprété comme la courbure moyenne
locale de la fonction, que l’on visualise aisément pour une fonction à une seule variable f .x/. La
dérivée seconde (ou courbure) f 00 représente la déviation locale de la moyenne par rapport à la
valeur au point considéré.
Les notions de rotationnel, gradient, Laplacien... interagissent. Par exemple en mécanique
des fluides, le rotationnel de la vitesse décrit une rotation de la particule fluide. Si l’écoulement
est irrotationnel (son rotationnel est nul en tout point), alors le vecteur vitesse est le gradient du
potentiel (on dit alors que les vitesses dérivent d’un potentiel). Si le fluide peut être considéré
comme incompressible, la divergence de ce vecteur s’annule. Le laplacien du potentiel est donc
nul : il s’agit d’un potentiel harmonique qui satisfait l’équation de Laplace.

3.9 Quelques théorèmes sur les intégrales

Les relations ci-après permettent de passer d’intégrales sur un domaine à des intégrales sur le bord
de ce domaine.
Théorème 10 — Théorème du gradient. Ce théorème met en relation l’intégrale de volume
du gradient d’un champ scalaire et l’intégrale de surface de ce même champ :
Z Z
rf D f n.x/ (3.34)
 €

où € est le bord du domaine  et f un champ scalaire (i.e. une fonction régulière).

Théorème 11 — Théorème du rotationnel. Ce théorème met en relation l’intégrale de volume

du rotationnel d’un champ vectoriel et l’intégrale de surface du même champ :
Z Z
rot A D A ^ n.x/ (3.35)
 €

où € est la frontière de , ^ est le produit vectoriel et n.x/ est la normale dirigé vers l’extérieur.

Une autre identité remarquable met en relation l’intégrale de surface du rotationnel d’un champ
vectoriel et l’intégrale curviligne (ou circulation) du même champ sur la frontière. Elle découle du
théorème de Green qui, pour une surface S (généralement non fermée) de frontière C, implique :
“ I
rot A
ds D A
dl (3.36)
S C

Si S est fermée, C est vide (ou réduit à un point) et le membre de droite est nul.
L’orientation de la surface et celle de la courbe frontière sont liées puisque le changement d’une
orientation modifie le signe de l’intégrale correspondante. En fait, la relation est satisfaite lorsque

43 3. Continuité et dérivabilité SURVOL MATHÉMATIQUE I

 ces orientations sont telles que, sur un point frontière, le vecteur tangent à la surface dEs ^ dlE est
orienté en direction de la surface.
Théorème 12 — Théorème de Green–Riemann. Ce théorème donne la relation entre une
intégrale curviligne autour d’une courbe simple fermée C et l’intégrale double sur la région du
plan S délimitée par C.
Soit C, une courbe plane simple, positivement orientée et C1 par morceaux, S le domaine
compact lisse du plan délimité par C et Pdx C Qdy une 1-forme différentielle sur R2 . Si P et Q
ont des dérivées partielles continues sur une région ouverte incluant S, alors :
“  
@Q @P
Z
P dx C Q dy D dxdy (3.37)
C S @x @y

Il existe une autre façon de noter ce théorème. On se place sur un domaine compact lisse du
plan , de bord @, en notant la forme différentielle !. Alors la dérivée extérieure de ! s’écrit :
 
@Q @P
d! D dx ^ dy (3.38)
@x @y

On peut alors résumer le théorème de Green par la formule :

I “
!D d! (3.39)
@ 

(Le cercle sur l’intégrale précise que le bord décrit une courbe fermée).

Théorème 13 — Théorème de Green–Ostrogradsky. Soit  un domaine de R2 ou R3 de

frontière € et A un champ de vecteurs :
Z Z
div A D A
n (3.40)
 €

Ce théorème prend aussi le nom de théorème du flux-divergence ou plus simplement formule

de la divergence. « Ostrogradsky » peut s’écrire avec un « y » ou un « i » à la fin. Du théorème de
Green-Ostrogradsky, on peut déduire la formule de Green :

Théorème 14 — Formule de Green. Soient  un domaine de R2 ou R3 de frontière € et u

et v deux fonctions régulières :

@u
Z Z Z
.u/v D ru
rv C v (3.41)
  € @n

On en déduit certaines formules utiles du calcul vectoriel. Soit  un domaine de R2 ou R3

de frontière €, A et B des champ de vecteurs, f et g des fonctions régulières, et n.x/ la normale
extérieure au point considéré :
Z Z
.A
rf C f .r
A// D f A
n.x/ (3.42)
Z € Z
.B
.r ^ A/ A
.r ^ B// D .A ^ B/
n.x/ (3.43)
Z Z €

f r 2 g C rf
rg D


f rg
n.x/ (3.44)
 €

Ces formules sont exploitées pour obtenir des formulations faibles associées à des problèmes aux
dérivées partielles.

I SURVOL MATHÉMATIQUE 3.9 Quelques théorèmes sur les intégrales 44

 Chapitre 4

Espaces de Lebesgue

Résumé — Les espaces Lp sont indispensables à la définition des espaces de Sobolev

après lesquels nous courons depuis quelques chapitres.
La mesure de Lebesgue a été introduite, les notions d’application et de continuité ont
été rappelées... nous en avons plus qu’il ne nous en faut pour définir de tels espaces.

Comme promis au paragraphe 1.3, nous fournissons maintenant quelques compléments sur l’intégra-
tion. Nous avons mentionné la mise en défaut de l’intégrale de Riemann dans le cas de l’indicatrice
des rationnels. Ce contre-exemple a été historiquement fourni par [Link] toutefois
d’un peu plus près d’où tout cela provient.
Histoire

Dans le chapitre VI « Développement d’une fonction arbitraire en séries trigonométriques » de

sa Théorie analytique, Fourier considère une fonction f définie dans  =2; C=2Œ dont le
développement en série trigonométrique est de la forme :

f .x/ D a1 sin x C a2 sin 2x C : : : C ak sin kx C : : : (4.1)

Le problème est de calculer les coefficients ak dans le cas même, dit-il, où

« la fonction f .x/ représente une suite de valeurs ou ordonnées dont chacune est
arbitraire... On ne suppose point que ces coordonnées soient assujetties à une loi
commune ; elles se succèdent d’une manière quelconque et chacune d’elles est
donnée comme le serait une seule quantité ».
On notera au passage que la fonction considérée par Fourier n’est définie que
Fourier
par la donnée de ses points (si en plus ils sont en nombre fini, cela représente alors un
échantillonnage). Fourier conduit son calcul selon une voie nouvelle : en multipliant
l’expression précédente par sin kx et en intégrant terme à terme la série, mais sans justification, il
obtient :
2 
Z
ak D f .x/ sin kxdx (4.2)
 0
Fourier observe que dans tous les cas envisagés, ces intégrales ont un sens et en conclut que toute
fonction d’une variable peut-être représentée par une série trigonométrique.
Même manquant de rigueur, Fourier, aboutit à un résultat juste pour les fonctions qu’il considère.
Or les fonctions considérées en l’occurrence « vont bien » pour l’intégrale de Riemann telle qu’elle
est définie.

45 4. Espaces de Lebesgue SURVOL MATHÉMATIQUE I

 Définition 33 — Intégrale de Riemann. Soit f une fonction réelle définie sur un in-
tervalle Œa I b. On considère une suite .xi /, 0 6 i 6 n, de subdivisions de cet intervalle :
a D x0 < x1 < : : : < xn 1 < xn D b. Notons ıi D xi xi 1 et S D ı1 f .a C "1 ı1 / C
ı2 f .x1 C "2 ı2 / C : : : C ın f .xn 1 C "n ın /, où 0 6 ıi 6 1.
Si la somme S a la propriété, de quelque manière que les ı et les " puissent être choisis, de
s’approcher indéfiniment d’une limite fixe A, quand les ı tendent vers zéro, cette limite s’appelle
Rb
la valeur de l’intégrale définie a f .x/dx.

En termes modernes, on dira que pour qu’une fonction bornée soit Riemann-intégrable, il faut et il
suffit que l’ensemble des points de discontinuité de f soit de mesure nulle.
Le cadre classique le plus simple pour définir une intégrale est celui des fonctions en escalier
sur un intervalle Œa; b, ou sa complétion pour la topologie de la convergence uniforme, l’espace
des fonctions réglées (admettant une limite finie à droite et à gauche). La théorie de Riemann
permet d’atteindre une plus grande généralité. Cependant, Riemann lui-même a conscience que
l’intégrabilité « au sens de Riemann » impose encore des conditions relativement fortes : il démontre
qu’une fonction f W Œa; b ! R est intégrable si et seulement si, pour tout ˛ > 0 donné, on peut
choisir une décomposition de Œa; b en sous-intervalles suffisamment fins pour que la somme des
longueurs des sous-intervalles sur lesquels l’oscillation de la fonction dépasse ˛ soit arbitrairement
petite.
Les conditions énoncées au paragraphe précédent
peuvent sembler faibles, mais, dès la fin de son mémoire
de 1829 Sur la convergence des séries trigonométriques
qui servent à représenter une fonction arbitraire entre des
limites données, Dirichlet donne l’exemple, d’une nature
toute nouvelle, discontinue en tous ces points : la fonc-
tion f .x/ qui vaut une constante c si x est un rationnel Riemann Dirichlet Lebesgue
et qui vaut une autre constante d si x est irrationnel (on
appelle une telle fonction, « fonction de Dirichlet », bien que celui-ci l’ai toujours exhibée comme un
monstre, existant, mais non représentatif de ce que devrait être une fonction. Lorsque c D 1 et d D 0,
on parle alors plutôt de l’indicatrice de Q). On voit alors directement que la Riemann-intégrabilité
est mise à mal. Le travail consistera alors à définir précisément ce que l’on peut négliger, i.e. les
parties de mesure nulle.
Dans la théorie de Lebesgue, on va élargir la classe des fonctions intégrables (par exemple,
toute fonction bornée « raisonnable », disons qui peut être décrite par un énoncé mathématique, est
Lebesgue-intégrable). Pour cela, Lebesgue va commencer par définir un ensemble mesurable : c’est
un ensemble dont la mesure extérieure (i.e. la borne inférieure de la mesure des ouverts le contenant)
est égale à sa mesure intérieure (i.e. la borne supérieure de la mesure des fermés qu’il contient) :
est-il besoin de rappeler la différence entre borne inférieure et minimum et entre borne supérieure
et maximum ? La borne supérieure (ou le supremum) d’une partie d’un ensemble partiellement
ordonné est le plus petit de ses majorants. Une telle borne n’existe pas toujours, mais si elle existe
alors elle est unique. Elle n’appartient pas nécessairement à la partie considérée. Dualement, la borne
inférieure (ou l’infimum) d’une partie est le plus grand de ses minorants...
L’intégrale de Lebesgue peut être définie de manière géométrique : pour une fonction positive f
définie sur Œa I b, elle est égale à la mesure de dimension deux de l’ensemble f.x; y/ 2 R2 =a 6
y 6 f .x/; a 6 x 6 bg quand cette mesure existe. D’une manière analytique, cette définition de
l’intégrale de Lebesgue devient :

I SURVOL MATHÉMATIQUE 46
 Définition 34 — Intégrale de Lebesgue. soit f une fonction réelle, bornée, définie sur Œa I b.
Supposons m 6 f .x/ 6 M pour x 2 Œa I b. Pour tous ;  tels que  6 , on définit :
V; D fx 2 Œa I b= 6 f .x/ 6 g. Si pour tous , , V; est mesurable, alors f est mesurable.
En considérant la partition m D 1 < 2 < ::: < n < nC1 D M et Vi D fx=i 6 f .x/ 6
iC1 g, on définit les sommes
n
X n
X
i [Link] / et i C1 [Link] / (4.3)
iD1 iD1

où m.V/ est la mesure de l’ensemble V. L’intégrale de Lebesgue est la limite commune de ces
deux sommes, dont on peut montrer qu’elle existe lorsque f est mesurable.

Voici par quelle image Lebesgue expliquait la nature de son intégrale :

« Je dois payer une certaine somme ; je fouille dans mes poches et j’en sors des pièces et des billets de
différentes valeurs. Je les verses à mon créancier dans l’ordre où elles se présentent jusqu’à atteindre
le total de ma dette. C’est l’intégrale de Riemann. Mais je peux opérer autrement. Ayant sorti tout
mon argent, je réunis les billets de même valeur, les pièces semblables et j’effectue le paiement en
donnent ensemble les signe monétaires de même valeur. C’est mon intégrale. »
Poursuivons l’interprétation géométrique à laquelle nous invite Lebesgue dans la comparaison
des intégrales selon Riemann et Lebesgue. Comme dans le cas de l’intégrale de Riemann, il s’agit
d’approcher l’aire sous le graphe de la fonction par une union de rectangles. Mais ces rectangles sont
définis de manière différente. Dans le cas de Riemann, on s’intéresse aux variations de la fonction
sur son domaine de définition : une base étant donnée (l’axe des abscisses en général),on définit le
rectangle comme l’ensemble des points au-dessus de cette base, qui sont situés en-dessous de la
courbe. Au contraire, dans le cas de Lebesgue, on définit le rectangle en fonction des valeurs de la
fonction, sans jamais s’intéresser trop à l’espace de départ. Ce n’est donc pas la base du rectangle
que l’on se donnera au départ, mais une variation dans les valeurs atteintes (côté « vertical »).
Évidemment, on doit admettre que plusieurs rectangles partagent un même côté vertical. C’est ici
que l’intégrale de Lebesgue va gagner toute sa complexité : alors que dans l’intégrale de Riemann,
une brique élémentaire est un simple rectangle, dans celle de Lebesgue, il pourra s’agir de plusieurs
ou même d’une infinité de rectangles.
L’exemple de la fonction indicatrice de Q est révélateur : bien que discontinue partout, cette
fonction est très facile à décrire en fonction de ses valeurs. Dans la théorie de Riemann, on tenterait
vainement de découper le segment Œ0; 1 en tout petits intervalles où cette fonction ne varie guère ;
dans celle de Lebesgue, on partage Œ0; 1 en seulement deux morceaux qui sont assez complexes
(totalement discontinus) mais sur chacun desquels la fonction est effectivement constante.
Ainsi, l’intégration de Lebesgue prolonge bien celle de Riemann, et, en se « débarrassant » de
la référence à l’espace de base, peut être adaptée à un cadre extrêmement général, sans qu’aucune
hypothèse topologique ne soit faite sur l’espace d’intégration ; et l’expérience montre que l’on peut
construire ainsi des théories maniables.
La théorie de Lebesgue éclaire bien des difficultés des discussions du XIXe siècle (notamment
sur les propriétés de différentiabilité des fonctions continues) et fournit un cadre général simplifié à
de nombreux théorèmes alors que la théorie de Riemann multiplie les hypothèses et les conditions
restrictives.
De plus, toute cette évolution s’est accompagnée de l’idée qu’on doit manipuler les fonctions
comme des objets mathématiques en soi, des points de nouveaux espaces, les espaces fonctionnels.
Avec l’extension du langage ensembliste, il devient naturel d’employer un langage géométrique à
propos de ces espaces.
Malgré tout ce qui vient d’être dit, rendons quand même hommage à cette belle (et malgré tout
puissante) intégrale de Riemann, qui a de plus le bon goût d’être souvent très bien comprise des
élèves.
L’intégrale de Riemann nous apprend à nous poser la question « où se passent les choses
importantes ? », question qui n’a pas de sens pour l’intégrale de Lebesgue qui ne connaît pas la
question « où ? », mais seulement « combien souvent ? ».
De plus, les techniques riemanniennes consistant à localiser les problèmes et à découper l’inté-
grale sur plusieurs intervalles restent des outils indispensables pour aborder bien des problèmes.

47 4. Espaces de Lebesgue SURVOL MATHÉMATIQUE I

 Dans les années 50 a été mise au point l’intégrale de Kurzweil-
Henstock (ou KH-intégrale, ou intégrale de jauge) à partir de celle
de Riemann. On retravaille un peu les sous-intervalles et les points
de calcul de la fonction : chaque point est appelé « marque » et l’on
parle de « subdivision marquée » (pour plus de détails, il suffit faire
une recherche avec « lemme de Cousin ». Ce lemme est dû à Pierre
Kurzweil Henstock
Cousin qui fut un étudiant de Henri Poincaré).

Sans faire appel à la théorie de la mesure, on dispose alors d’une

intégrale aussi puissance que celle de Lebesgue (mais moins générale, car définie uniquement sur R).
Et l’on dispose même d’un très beau résultat : toute fonction dérivée est intégrable, et il n’est pas
nécessaire d’introduire la notion d’intégrale impropre. L’intégrale de Lebesgue sur R peut alors
être introduite comme un cas particulier de cette intégrale.
Pour puissante qu’elle soit, la théorie de Lebesgue est impuissante à traiter la « semi-convergence »
des intégrales, i.e. les situations où une fonction se trouve être intégrable du fait de compensations
entre valeurs positives et négatives, alors que sa valeur absolue n’est pas intégrable. D’autres
théories sont plus habiles à tirer parti des compensations : ainsi les intégrales de Denjoy ou de
Perron. Pourquoi alors n’enseigne-t-on pas ces théories alternatives plutôt que celle de Lebesgue ?
D’une part, parce que dans l’immense majorité des applications, le mauvais traitement des intégrales
semi-convergentes s’avère sans gravité (il s’agit en fait de situations relativement exceptionnelles) ;
d’autre part, parce que la théorie de Lebesgue dispose d’une grande souplesse qui lui permet de se
généraliser de manière abstraite, notamment par son insensibilité à la topologie, que nous avons
déjà mentionnée.

4.1 Présentation des espaces de Lebesgue Lp

Définition 35 — Ensemble des fonctions mesurables. Soit .E; A; / un espace mesuré. Si p 2

Œ1 I C1Œ, on note Lp D Lp .E; A; / l’ensemble de toutes les fonctions mesurables sur .E; A/,
à valeurs dans R, telles que la fonction jf jp soit -intégrable.
Si f 2 Lp , on pose :

1=p
kf kp D jf jp d (4.4)

Théorème 15 Chaque espace Lp est un espace vectoriel.

Définition 36 — Espace Lp . Soit .E; A; / un espace mesuré. Si p 2 Œ1 I C1Œ, on note Lp D

Lp .E; A; / l’ensemble des classes d’équivalence des fonctions de Lp pour la relation d’équiva-
lence « égualité -presque partout ».
Si f 2 Lp , on note kf kp la valeur commune des kgkp pour toutes les fonctions g apparte-
nant à la classe de f .

De manière équivalente, on peut également définir Lp comme étant le quotient de Lp par la

relation d’équivalence « égalité -presque partout ». Il est clair que chaque espace Lp est une classe
d’équivalence obtenue en identifiant les fonctions qui ne diffèrent que sur un ensemble négligeable.
Ainsi, si f 2 Lp , on appelle « représentant » de f , toute fonction mesurable g 2 Lp qui appartient
à la classe d’équivalence de f .
Comme, par construction, deux représentants d’une même classe auront la même intégrale, on
appelle (abusivement, mais sans confusion) tout f 2 Lp une fonction de Lp et non pas une classe
d’équivalence ou un représentant de la classe d’équivalence. En d’autres termes, on identifie une
classe à l’un quelconque de ses représentants.
En toute généralité, on aura bien remarqué que les définitions précédentes sont liées à la
mesure  utilisée. Si l’on considère simultanément deux mesures  et , les classes d’équivalences

I SURVOL MATHÉMATIQUE 4.1 Présentation des espaces de Lebesgue Lp 48

 ne sont pas les mêmes respectivement à chacune de ces mesures, et l’identification d’une classe à
l’un quelconque de ses représentant ne peut plus se faire.
Remarque. Sans l’identification des fonctions égales presque partout, les fonctions k:kLp ne sont que
des semi-normes. Cette identification est sans conséquence pour la plupart des problèmes concrets, mais
parfois désastreuse quand on veut étudier des propriétés fines de fonctions mesurables, par exemple si l’on
veut étudier la dimension de Hausdorff d’un ensemble de points de discontinuité de f ... De tels problèmes
ne relèvent pas de l’analyse fonctionnelle.

Théorème 16 Chaque espace Lp est un espace vectoriel.

Un espace Lp est un espace vectoriel (des classes) de fonctions dont la puissance d’exposant p
est intégrable au sens de Lebesgue, où p est un nombre réel strictement positif. Le passage à la
limite de l’exposant aboutit à la construction des espaces L1 des fonctions bornées.

Théorème 17 Chaque espace Lp est un espace de Banach lorsque son exposant p est > 1.

Théorème 18 Lorsque 0 < p < 1, l’intégrale définit une quasi-norme qui en fait un espace
complet.

Définition 37 — Exposants conjugués. Soient p et q 2 Œ1; C1. On dit que p et q sont des
exposants conjugués si :
1 1
C D1 (4.5)
p q

Théorème 19 Soient p et q des exposants conjugués, alors il existe une dualité entre les espaces
d’exposants p et q.

Il suffit en effet de considérer, à g 2 Lq fixé (de mesure ), l’application 'g W f 7!

R
fgd. Cette
dernière définie une forme linéaire continue sur Lp .

4.2 Construction de Lp
On considère  un ouvert de Rn . Les fonctions f seront considérées de  dans R ou C.
p
On appelle Lp D LM .; C/ pour p < 1 l’espace des fonctions f mesurables, de  ! C,
telles que .jf jp / < 1 où  est une mesure sur .
Comme une fonction s’annulant presque partout est d’intégrale nulle, on peut définir l’es-
pace Lp .X; A; / comme le quotient de l’espace des fonctions p intégrables Lp .X; A; / par le
sous-espace vectoriel des fonctions presque nulles.
Ce quotient identifie donc les fonctions qui sont presque partout égales, autrement dit qui ne
diffèrent que sur un ensemble de mesure nulle.

Définition 38 — Norme Lp . Pour p < 1, on appelle norme Lp et on note k
kp , l’application

définie par :
Z 1=p
kf kp D jf jp (4.6)


— Sur R, cela donne :

!1=p
Z b
kf kp D jf .t /jp dt (4.7)
a

49 4. Espaces de Lebesgue SURVOL MATHÉMATIQUE I

 — Sur un espace mesuré .X; A; / et à valeurs réelles ou complexes :
Z 1=p
p
kf kp D jf j d (4.8)
X

Théorème 20 Si l’espace X est fini et est muni d’une mesure finie .X/ < 1, alors tous les
espaces Lp (resp. Lp ), pour 1 6 p 6 1 sont les mêmes.

Définition 39 — Espace des suites. Soit X D N muni de sa tribu A D P.X/ et de sa mesure

de comptage . On note `p l’espace LP .X; A; / D Lp .X; A; /. Cet espace est l’espace des
suites .un /n2N telles que :
8 !1=p
ˆ X X
p p
Si 1 6 p < 1 W jun j < 1; et kun kp D jun j
<
(4.9)
ˆ n n
:
Si p D 1 W p
supn jun j < 1; et kun k1 D supn jun j

4.3 Espace L0
L’espace L0 est l’ensemble des fonctions mesurables. L0 est l’espace obtenu en quotientant L0 par
les fonctions nulles.
Soit ' une fonction mesurable strictement positive et -intégrable, alors :

kf gk
Z
.f; g/ D 'd (4.10)
1 C kf gk

définit une distance sur L0 qui redonne la topologie de la convergence en mesure.

Théorème 21 Muni de cette distance, l’espace L0 est complet.

Rappel : la notion de convergence (de suite) est une propriété topologique et non métrique
(l’écriture avec les " n’est que la traduction métrique de l’écriture topologique avec les boules).

4.4 Espace L1 et dualité avec L1

Dans le cas où l’exposant est infini, on procède de la même manière.
L’espace L1 .X; A; / est défini comme l’espace vectoriel des fonctions -essentiellement
bornées (i.e. des fonctions bornées presque partout).
L’espace L1 .X; A; / est l’espace vectoriel quotient de L1 .X; A; / par la relation d’équiva-
lence « f  g » ssi « f et g sont égales presque partout ».

Théorème 22 L’espace dual de L1 est L1 mais l’espace dual de L1 contient strictement L1 , et

d’ailleurs L1 n’est le dual d’aucun espace de Banach.

4.5 Espace L2
Par définition, si  est un ouvert donné de Rn , L2 ./ est l’espace des fonctions (réelles ou
complexes) qui sont de carré intégrable au sens de l’intégrale de Lebesgue.

I SURVOL MATHÉMATIQUE 4.3 Espace L0 50

 Théorème 23 L’espace L2 est un espace de Hilbert lorsqu’il est muni du produit scalaire :
Z
.f; g/ D f gN d (4.11)


La formule des exposants conjugués conduit dans le cas p D 2, à q D 2, i.e. que L2 s’identifie
à son dual.
Si l’on reprend la remarque précédente sur la dualité, cela devient dans L2 (et dans tout espace
de Hilbert H) : en associant à tout v 2 H l’application 'v .u/ D hu; vi, on peut identifier l’espace
de Hilbert H a son dual H0 .
Comme mentionné, l’intérêt d’avoir un espace de Hilbert est de disposer d’un produit scalaire,
donc de pouvoir décomposer un vecteur. Ce que l’on retrouve dans le théorème 3, que nous
réécrivons ci-dessous, et vrai dans L2 en tant qu’espace de Hilbert :

Théorème 24 — Théorème de projection dans un espace de Hilbert. Tout vecteur u d’un

espace de Hilbert H se décompose de manière unique en une somme u D v C w avec v 2 K
et w 2 K? , et les sous-espaces K et K? sont supplémentaires dans H.

On rappelle que :

Définition 40 — Orthogonal d’une partie. K étant une partie de H, on note K? l’ensemble

des vecteurs u 2 H qui sont orthogonaux à tous les vecteurs de K.

Théorème 25 L’orthogonal K? de toute partie de K d’un espace de Hilbert H est un sous-espace

vectoriel fermé de H, donc lui-même un espace de Hilbert (théorème 1).
On a .K? /? D K.

4.6 Compléments et retour sur les fonctions continues et différen-

tiables
Commençons par quelques exemples ultra classiques :
p
— La fonction 1= x est L1 mais pas L2 .
— La fonction 1=jxj est 2 1
p L mais pas L .
— La fonction e jxj = jxj est L1 mais pas L2
Poursuivons par quelques inégalités bien utiles.

Théorème 26 — Inégalité de Minkowski. Soient p 2 Œ1; 1, et f et g dans Lp , alors on a :

kf C gkp 6 kf kp C kgkp (4.12)

Théorème 27 — Inégalité de Hölder. Soient p, q et r des nombres de Œ1; 1 vérifiant ;

1 1 1
C D (4.13)
p q r

(avec la convention 1=1 D 0). Si f 2 Lp et g 2 Lq , alors le produit fg 2 Lr , et on a :

kfgkr 6 kf kp kgkq (4.14)

L’inégalité de Hölder conduit au théorème suivant :

51 4. Espaces de Lebesgue SURVOL MATHÉMATIQUE I

 Théorème 28 Si  est une mesure finie et si 1 6 p 6 q 6 1, on a :

Lq  Lp (4.15)

Terminons ce cours chapitre en revenant un peu aux fonctions continues et Ck , dont nous avons
déjà parlé au paragraphe 3.7. Nous commençons d’ailleurs par rappeler certaines définitions déjà
données.
Définition 41 Soit  un espace topologique. On définit Cb ./ comme l’espace des fonctions
continues bornées de  dans R ; C0 ./ comme l’espace des fonctions continues sur , tendant
vers 0 à l’infini ; Cc ./ comme l’espace des fonctions continues à support compact dans . Ces
trois espaces, munis de la norme sup :

kf k1 D sup jf j (4.16)


sont des espaces vectoriels topologiques ; les espaces Cb ./ et C0 ./ sont des espaces de
Banach, alors que Cc ./ ne l’est pas en général.

Si  D Rn , alors C0 ./ est l’adhérence de Cc ./.

Définition 42 Soient  un ouvert de Rn , et k 2 N, k > 1. On définit l’espace Ck ./ comme

l’espace des fonctions k fois dérivables dans , dont toutes les dérivées sont bornées jusqu’à
l’ordre k. C’est un espace de Banach quand on le munit de la norme :
X
kf kCk D kf k1 C kr ˛ f k1 (4.17)
j˛jDk

On note parfois cet espace Ck ./ pour insister sur le fait que l’on prend le supremum
jusqu’au bord. Une notation plus appropriée serait sans doute Ckb ./.

Définition 43 Soit  un ouvert de Rn . L’intersection des espaces Cc ./ et Ck ./, pour tout k,
est appelée espace des fonctions C1 à support compact ; on la note C1
c ./ ou D./. Nous en
reparlerons au chapitre suivant...

Puisque Cc ./ n’est déjà pas un espace de Banach, il semble inutile de tenter de normer D./.
On dispose des résultats de densité suivants :
— L’espace C0c ./ des fonctions continues à support compact est dense dans Lp ./ pour 1 6
p < 1 (mais n’est pas dense dans L1 ./)
Dans le cas p D 1, cela se traduit par : 8f 2 L1 ./; 8" > 0; 9g 2 C0c ./; tel que kf
gkL1 ./ 6 "
— L’espace C1 p
c ./ des fonctions infiniment dérivables à support compact est dense dans L ./
pour 1 6 p < 1 (mais n’est pas dense dans L ./)1

— L’espace C1 1
c ./ est dense dans le sous espace de L ./ des fonctions bornées qui tendent
vers 0 en l’infini.
— L’ensemble des fonctions continues à support compact de Lp .Rn / est dense dans Lp .Rn /,
pour p ¤ 1.
Les arguments de densité ont une importance pratique dans certaines démonstrations : si l’on
doit démontrer qu’une propriété est vérifiée sur Lp ./, alors on peut commencer par montrer que
cette propriété est vraie sur C1
c ./, avant de passer à la limite en utilisant l’argument de densité :
1 p
« Cc ./ est dense dans L ./ ».
L’espace C1 c ./ est également noté D./ et appelé espace des fonctions tests. Les distributions
sont définies comme les éléments de D0 ./, dual topologique de D./, muni d’une topologie

I SURVOL MATHÉMATIQUE 4.6 Compléments et retour sur les fonctions continues et différentiables 52
 adéquate. Nous allons les aborder dès a présent, au chapitre 5.

53 4. Espaces de Lebesgue SURVOL MATHÉMATIQUE I

 Chapitre 5

Espaces de Sobolev

Résumé — Les espaces de Sobolev sont des espaces fonctionnels. Plus précisément, un
espace de Sobolev est un espace vectoriel de fonctions muni de la norme obtenue par la
combinaison de la norme Lp de la fonction elle-même ainsi que de ses dérivées jusqu’à
un certain ordre. Les dérivées sont comprises dans un sens faible, au sens des distributions
afin de rendre l’espace complet.
Les espaces de Sobolev sont donc des espaces de Banach. Intuitivement, un espace
de Sobolev est un espace de Banach ou un espace de Hilbert de fonctions pouvant être
dérivées suffisamment de fois (pour donner sens par exemple à une équation aux dérivées
partielles) et muni d’une norme qui mesure à la fois la taille et la régularité de la fonction.
Les espaces de Sobolev sont un outil très important et très adapté à l’étude des
équations aux dérivées partielles. En effet, les solutions d’équations aux dérivées partielles,
appartiennent plus naturellement à un espace de Sobolev qu’à un espace de fonctions
continues dont les dérivées sont comprises dans un sens classique (mais rien n’empêche
d’avoir de la chance).

Le XXe siècle avait commencé par la thèse de Lebesgue intégrale, longueur, aire, qui constitue
Histoire

vraiment le début de la théorie de la mesure. La théorie de Lebesgue mène à l’étude des espaces Lp ,
qui permettront, sur les traces de Hilbert, Riesz et Banach, l’étude des opérateurs différentiels.
Cauchy avait publié nombre d’applications
de sa théorie dans des recueils d’exercices, no-
tamment concernant l’évaluation d’intégrales
réelles, qu’il n’hésita pas à généraliser en ce
qu’on appelle aujourd’hui la « valeur principale
de Cauchy », un peu moins d’un siècle avant
que Hadamard en ait besoin dans sa résolution Lebesgue Hadamard Schwartz Sobolev
des équations aux dérivées partielles dans un
problème d’hydrodynamique par les « parties finies » et que Laurent Schwartz n’en vienne aux
distributions.
L’étude des conditions de régularité des solutions des équations aux dérivées partielles permet à
Sergueï Sobolev et ses continuateurs de définir ses espaces de fonctions et les théorèmes de trace en
fonction des propriétés géométriques du domaine.
Quelques mots s’imposent au sujet de la théorie des distributions. Parmi tous les travaux ayant
valus à leur auteur la médaille Fields, la théorie des distributions de Laurent Schwartz est l’une des
très rares à être abordable par les étudiants dès leur premier cycle universitaire. C’est une partie
de l’explication du réel engouement pour les distributions, l’autre partie étant sa puissance, sa
commodité d’usage et surtout sa très grande beauté.
Si cette théorie fournit aux analystes un cadre général et un formalisme agréable pour l’étude
des espaces fonctionnels et des équations aux dérivées partielles dans lesquels ils aiment à se placer,
elle n’est pourtant pas indispensable. D’une part, les spécialistes d’équations aux dérivées partielles
parviennent toujours à trouver des formulations bien adaptées à leurs problèmes, en s’inspirant des
idées sous-jacentes à la théorie des distributions, mais sans y avoir recours explicitement. D’autre
part, on peut étudier la plupart des espaces fonctionnels intéressants sans la notion de distribution :

55 5. Espaces de Sobolev SURVOL MATHÉMATIQUE I

 par exemple, les espaces de Sobolev peuvent être définis en termes de distributions, ou bien en termes
de complétion de l’espace des fonctions C1 à support compact pour des normes bien choisies.
En utilisant uniquement des espaces de Sobolev et leurs espaces duals, on peut obtenir la grande
majorité des distributions que l’on rencontre en pratique : par exemple, la dérivée de la « fonction
de Dirac » peut être vue comme un élément de l’espace dual des fonctions C1 . Plus généralement,
quand on rencontre une distribution dans un problème concret, c’est presque à coup sûr un élément
du dual d’un espace de Sobolev bien choisi, au moins localement. La topologie des espaces de
Sobolev étant beaucoup plus simple que celle des distributions, on comprend que l’étude des espaces
de Sobolev soit plus populaire et certainement plus utile en pratique. De plus, les résultats que l’on
obtient en utilisant des méthodes plus terre-à-terre sont souvent meilleurs (plus constructifs, plus
quantitatifs...).
Pour autant, la théorie des distributions fournit un formalisme commode et élégant, qui apporte
de l’ordre dans le paysage fonctionnel, et facilite la communication entre mathématiciens d’horizons
très divers. En outre, les principes qui la sous-tendent, bien plus que les théorèmes principaux,
s’avèrent d’une importance capitale en pratique. Pour toutes ces raisons, une bonne familiarité
avec le langage des distributions est presque indispensable à un analyste. Schwartz lui-même
avait bien conscience que le principal mérite de son approche ne résidait pas dans l’introduction
d’outils nouveaux, mais dans une synthèse claire et accessible de recettes multiples qui étaient, déjà
auparavant, employées dans des contextes divers.

5.1 Distributions
Une distribution (également appelée fonction généralisée) est un objet qui généralise la notion de
fonction et de mesure. La théorie des distributions étend la notion de dérivée à toutes les fonctions
localement intégrables et au-delà.
Histoire

Généralisation de la notion de fonction :

Depuis le milieu des années 1920, les théoriciens de la physique quantique, et

en particulier Dirac, utilisaient des objets étranges qu’ils manipulaient comme des
fonctions. Le plus typique était la « fonction de Dirac », mystérieuse fonction qui vaut
0 partout, sauf en 0 où elle vaut C1, et dont l’intégrale est égale à 1 (en violation
de toutes les règles de la théorie de l’intégration de Lebesgue). Non seulement Dirac
utilisait cette fonction à des fins de calcul formel, mais encore il se permettait de la
dériver à volonté, se contentant de remarquer que les dérivées successives étaient « de Dirac
plus en plus singulières ».
L’utilité et le caractère intuitif de ces objets rendait presque indispensable leur incorporation
dans une théorie mathématique ; c’est ce qu’a réalisé la théorie des distributions. Leur interprétation
est d’ailleurs très simple, et cause beaucoup moins de maux de tête que les interrogations que l’on
peut avoir sur la nature des « fonctions » considérées par Dirac.
Réhabilitation de la dérivation :

Au début du vingtième siècle, la théorie de l’intégration de Le-

besgue a pris un essor rapide, et l’intégration apparaît désormais comme
l’opération reine de l’analyse. La plupart des fonctions sont intégrables,
alors que très peu sont dérivables. En outre, la théorie de Lebesgue
montre que l’intégration est souvent une opération continue vis-à-vis de
la convergence des fonctions, uniforme ou même simple (ponctuelle),
Lebesgue Schwartz
alors que la dérivation est une opération grossièrement discontinue.
Dans la théorie de Schwartz au contraire, ces problèmes disparaî-
tront : à toute fonction continue on pourra associer des « fonctions dérivées » à tous les ordres, selon
une notion qui prolongera celle de dérivée des fonctions continûment dérivables. De manière plus
générale, toute distribution sera dérivable à tout ordre, et on pourra définir une notion de convergence
qui prolongera la notion de convergence uniforme, et pour laquelle l’opération de dérivée sera
continue.
Extension des espaces de solutions acceptables :

I SURVOL MATHÉMATIQUE 5.1 Distributions 56

 Leray en 1934 et Sobolev en 1936 introduisent de nouvelles notions de solutions d’équations aux
dérivées partielles, appelées solutions faibles ou solutions généralisées, qui permettent de formuler
des équations aux dérivées partielles sans supposer nécessairement l’existence de dérivées au sens
classique. Leur approche préfigure très bien la théorie des distributions, qui ne sera mise au point
qu’une quinzaine d’années plus tard. Les contributions de Leray et Sobolev ne constituent pas les
seuls travaux précurseurs de la théorie des distributions. Dans les années 30 et 40, de nombreux
chercheurs vont utiliser les concepts de solutions généralisées pour étudier les solutions de diverses
équations aux dérivées partielles : Courant et Hilbert, Bochner, Friedrichs, Krylov...
Nous arrivons maintenant à l’idée majeure de la théorie des distribu-
tions, déjà présente dans les travaux de Sobolev et Leray. Du point de vue
physique, on peut la motiver comme suit. Le résultat ou l’interprétation
d’une expérience physique faisant intervenir une certaine grandeur, qui
varie en fonction du temps ou de l’espace, ne dépend que très rarement
des valeurs ponctuelles de cette grandeur, mais plus souvent de sa valeur
moyenne (ou intégrale) prise contre une fonction du temps ou de l’espace, Leray Sobolev
plus ou moins localisée. En d’autres termes, R plutôt qu’une fonction u,
c’est plutôt une « moyenne » de la forme u' qui sera accessible en pratique. Ainsi, un signal
électrique oscillant avec une période très élevée fournira, de manière apparemment paradoxale,
un signal plat quand on l’utilisera pour alimenter un oscilloscope : dans le processus de moyenne
inhérent à la mesure, les valeurs positives et négatives se compenseront.
Dans le cas de l’équation des ondes aussi bien que dans celui des équations de transport avec
données singulières, on résout ainsi le dilemme qui nous est proposé, en reformulant l’équation par
son action sur les fonctions-test.
Explicitons plus en détail la réflexion de Sobolev. Pour des raisons ayant trait à l’analyse
(fonctionnelle) de certaines classes d’équations aux dérivées partielles, il cherchait à étudier les
fonctions possédant une dérivée carré-intégrable, dans un cadre suffisamment général... et en
particulier, sans supposer la fonction dérivable ! Il montra que l’on pouvait donner une définition
utile et pratique du concept de « fonction dont la dérivée est de carré intégrable », qui ne présuppose
pas l’existence d’une dérivée au sens usuel. L’espace ainsi défini est aujourd’hui appelé espace de
Sobolev W1;2 ou H1 .
Simplification de problèmes non linéaires ardus :
L’utilisation de solutions généralisées peut venir d’une nécessité de modélisation, mais également
par l’incapacité à prouver l’existence de solutions classiques. L’exemple archétypal en la matière
est celui des équations de la mécanique des fluides, en particulier l’équation de Navier-Stokes
incompressible, dont la première étude mathématique moderne est due à Leray. L’écriture même de
l’équation de Navier-Stokes incompressible présuppose apparemment la dérivabilité de la fonction
inconnue u, mais rien ne semblait permettre d’affirmer l’existence de solutions dérivables pour des
données initiales assez générales. Ce problème est d’ailleurs toujours ouvert, et compte parmi les
sept problèmes du millénaire de l’Institut Clay, mais nous en reparlerons au paragraphe 6.5.1. Leray
eut l’idée de définir une solution de l’équation de Navier-Stokes incompressible par une formulation
duale qui ne présupposait pas de régularité. De telles solutions sont aujourd’hui appelées solutions
faibles.
La théorie des distributions exploite au maximum l’idée de moyenner les solutions contre des
fonctions-test qui se comportent bien : on définit au départ une classe agréable de fonctions-test,
à la fois très régulières et bien localisées, à savoir les fonctions indéfiniment dérivables, à support
compact. Toutes les propriétés des objets que l’on cherche à définir sont alors définies en fonction
des « intégrales » de ces objets contre les fonctions-test.

Définition 44 — Espace des fonctions tests D./. Soit  un sous-espace topologique de Rn

(ou Cn ). L’espace des fonctions tests D./ est l’ensemble des fonctions à valeurs réelles
indéfiniment dérivables de  à support compact inclus dans .
On munit cet espace vectoriel de la topologie suivante : un ensemble U  D./ est ouvert si
et seulement si 8K   compact et f 2 U dont le support est inclus dans K, il existe  > 0
et k > 0 tels que :

fg 2 D./ j supp.g/  K et 8x 2 K; jf .k/ .x/ g .k/ .x/j 6 g  U: (5.1)

57 5. Espaces de Sobolev SURVOL MATHÉMATIQUE I

 Muni de cette topologie, D./ est un espace vectoriel topologique non métrisable.

Définition 45 — Distribution. Une distribution est une forme linéaire continue sur D./.

L’ensemble des distributions est donc le dual topologique de D./ et est par conséquent
noté D0 ./.
Remarque. L’espace des distributions est extrêmement grand, et contient tous les espaces fonctionnels que
nous avons mentionnés jusqu’à présent et leur dual, y compris les espaces à poids et les espaces locaux
(non présentés dans ce document).

Complément topologique. L’espace D n’est pas métrisable. Définir sa topologie n’est pas équivalent à
définir la convergence des suites. Cependant, dans la pratique c’est presque la seule notion de convergence
que l’on utilise.
Soit  un ouvert de Rn . On muni D0 ./ de la topologie faible-* induite par D./. Alors :
0
– D ./ est un espace topologique complet (et un espace de Montel) ;
– Le dual topologique de D0 ./ s’identifie à D./, qui est donc réflexif ;
– La topologie de D0 ./ n’est pas métrisable.
Notons que la convergence dans le dual de n’importe quel espace de Sobolev implique la convergence
au sens des distributions.

Toujours aussi classiquement, si T est une distribution et ' une fonction test de D./ alors
on note T.'/ D hT; 'i. (où h
;
i désigne comme d’habitude le crochet de dualité). Dans D0 .R/,
l’application qui à ' associe '.0/ est une distribution et c’est la distribution de Dirac :
hı; 'i D '.0/ (5.2)
Une propriété fondamentales est que toute fonction localement intégrable f représente aussi une
distribution Tf définie par la forme intégrale suivante :
Z
hTf ; 'i D f .x/'.x/ dx; 8' 2 D./ (5.3)
R

5.2 Dérivées au sens des distributions

Pour définir la dérivée d’une distribution, considérons d’abord le cas d’une fonction différentiable
et intégrable f W R ! R. Soit ' une fonction test, supposée régulière et à support compact. Une
intégration par parties permet d’écrire :
Z Z
0
f .x/'.x/ dx D f .x/' 0 .x/ dx soit If 0 .'/ D I f .' 0 / (5.4)
R R
En effet, puisque la fonction ' est nulle en dehors d’un ensemble borné (elle est à support compact),
les termes de bords s’annulent.
Définition 46 — Dérivée d’une distribution. Si S est une distribution, cet exemple suggère
que l’on puisse définir sa dérivée S0 comme la forme linéaire qui à une fonction test ' fait
correspondre la valeur S.' 0 /. On pose donc :

hS0 ; 'i D hS; ' 0 i (5.5)

Cette définition étend la notion classique de dérivée : chaque distribution devient indéfiniment
dérivable et l’on peut montrer les propriétés usuelles des dérivées.

Cette notion peut aussi se définir comme la dérivée du produit de dualité hS; 'i. On note 'h W
x ! '.x h/ la translatée de ' par la valeur h 2 R, alors, en utilisant la linéarité et la continuité
par rapport au deuxième terme :
dS hS; 'h i hS; 'i 'h ' d'
h ; 'i D lim D hS; lim iD hS; i (5.6)
dx h!0 h h!0 h dx

I SURVOL MATHÉMATIQUE 5.2 Dérivées au sens des distributions 58

 Lorsque la distribution S modélise un phénomène physique, la fonction test ' peut s’interpréter
comme un instrument de mesure, hS; 'i en étant le résultat ; la définition ci-dessus représente
alors la mesure expérimentale (au moins de pensée) de la dérivée du phénomène S à l’aide de
l’instrument '.
Nous définirons dans un autre cours (sur le traitement du signal) les notions de distribution à
support compact, les distributions tempérées et la décroissance rapide utiles en analyse de Fourier
ainsi que les espaces de Schwartz.
Complément au sujet des opérations sur des distributions. L’addition, la soustraction et la multiplication
par un scalaire sont telles qu’on les imagine.
Le cas de la dérivation (pour lequel les distributions ont été inventées) a été traité ci-dessus à la
définition 46.
Les distributions permettent de changer momentanément l’ouvert  sur lequel on travaille. Pour cela,
on dispose des trois opérations suivantes :
– Opération de restriction : Soient  un ouvert de Rn , et 0 un ouvert de . Toute distribution T 2 D0 ./
définit une distribution sur 0 , simplement par restriction de l’espace des fonctions test : D.0 /  D./.
On peut donc restreindre une distribution à un ouvert plus petit que celui sur lequel elle était définie
initialement.
– Opération de localisation : Soient un compact K (au voisinage duquel on veut étudier la distribution),
O un ouvert contenant K, et T 2 D./ une distribution. On peut trouver une autre distribution T0 dont
le support est inclus dans O, et qui coïncide avec T dans un voisinage de K. Pour cela il suffit de définir
hT0 ; 'i D hT; ' i où ' est une fonction plateau identiquement 1 au voisinage de K,à support compact
inclus dans O.
– Opération de recollement : Soient .i /i2J une famille(éventuellement infinie) d’ouverts de Rn , et 
la réunion des i . Pour chaque i , on se donne une distribution Ti 2 D0 .i /. On peut définir dans 
une distribution T dont la restriction à chaque i soit Ti , sous la condition nécessaire que Ti D Tj
dans i \ j . On utilise le théorème de partition de l’unité pour construire cette distribution, et on montre
que celle-ci est indépendante de la partition choisie.
La multiplication des distributions pose des problèmes considérables et ne se résout que partiellement.

Exemples de calculs avec les distributions. Considérons la fonction f .x/ D jxj sur R. Alors f 0 est la
fonction « signe », f 00 D 2ı0 , f 000 vaut 2 fois l’application « évaluation de la dérivée en 0 ». Attention
donc à ne pas confondre ces dérivées au sens des distributions avec les dérivées presque partout, qui sont
nulles à partir du rang 2.
Soit f .x/ D x log jxj x dans R, alors on peut écrire, au sens des distributions, f 0 .x/ D log jxj,
00
f .x/ D v:p:.1=x/ (où v:p: est la valeur principale).
Soit .un / la suite de fonctions définie par un .x/ D .1=n/si [Link]/. Alors la famille .u0n / converge au
sens des distributions vers 0.

5.3 Espaces Wm;p ./

Définition 47 — Espace Wm;p ./. Soient   Rn un ouvert quelconque, p un réel tel

que 1 6 p 6 1 et m un entier naturel positif. On définit l’espace de Sobolev Wm;p ./ par :

Wm;p ./ D fu 2 Lp ./I D˛ u 2 Lp ./g (5.7)

où ˛ est un multi-indice tel que 0 6 j˛j 6 m , D˛ u est une dérivée partielle de u au sens faible
(i.e. au sens des distributions) et Lp un espace de Lebesgue.

La norme sur Wm;p ./ est :

8 !1=p
ˆ
p
kD˛ ukLp
ˆ P
; 1 6 p < C1I
ˆ
<
kukWm;p D 06j˛j6m (5.8)
˛
ˆ
: max kD ukL1 ; p D C1I
ˆ
ˆ
06j˛j6m

59 5. Espaces de Sobolev SURVOL MATHÉMATIQUE I

 où k
kLp désigne la norme des espaces de Lebesgue. Muni de cette norme Wm;p ./ est un espace
de Banach. Dans le cas où p < 1, c’est aussi un espace séparable. La norme :

kD˛ ukLp ; 1 6 p < C1I

8 P
ˆ
<
06j˛j6m
kukWm;p D (5.9)
kD˛ ukL1 ; p D C1:
P
ˆ
:
06j˛j6m

est une norme équivalente à la précédente. On utilisera donc indifféremment l’une de ces normes,
et on notera la norme employée k
kWm;p ou plutôt k
km;p .
Si p < 1, alors Wm;p ./ est identique à la fermeture de l’ensemble fu 2 Cm ./I kukm;p <
1g par rapport à la norme k
km;p où Cm ./ désigne l’espace de Hölder des fonctions de classe m
sur .
Remarque. Le théorème de Meyers-Serrin dit « H D W » (qui est le titre de leur article de 1964 [57])
montre l’équivalence de deux définitions des espaces de Sobolev Wm;p ./ D Hm;p ./, i.e. dans notre
cas, donne une définition équivalente, par complétion de l’espace vectoriel normé :
0 11=p
1 ˛ p
X
fu 2 C ./I kukHm;p < 1g avec kukHm;p WD @ kD ukLp A (5.10)
j˛j6m
où D˛ u est une dérivée partielle de u au sens classique (u 2 C1 ./).

5.4 Espaces Hm ./, Hm

0 ./ et H
m
./

Définition 48 — Espace Hm ./. Dans le cas p D 2, on note Hm ./ l’espace Wm;2 ./, défini
par la relation (5.7).

Les espaces de Sobolev Hm ont un intérêt particulier car il s’agit alors d’espaces de Hilbert.
Leur norme est induite par le produit intérieur suivant :
X
D˛ u; D˛ v


.u; v/m D (5.11)
06j˛j6m

où :
Z
.u; v/ D u.x/v.x/ dx (5.12)


est le produit intérieur dans L2 ./ ; produit scalaire dans le cas réel, hermitien dans le cas complexe.

Théorème 29 Si  est Lipschitzien, alors l’ensemble C1 ./ des fonctions régulières jusqu’au
bord de  est dense dans Hm ./.

Complément. De plus, dans le cas où la transformation de Fourier peut être définie dans L2 ./, l’es-
pace Hk ./ peut être défini de façon naturelle à partir de la transformée de Fourier (voir cours sur le
traitement du signal). Par exemple si  D Rn , si b u est la transformée de Fourier de u :
Z
Hm Rn D fu 2 L2 Rn I juO ./  ˛ j2 d < 1



(5.13)
Rn
pour j˛j 6 mg, ou ce qui est équivalent :
 Z  m 
Hm Rn D u 2 L2 Rn I juO ./ j2 1 C  2



d < 1 (5.14)
Rn
et que :
Z  m
.u; v/m D O v./
u./ O 1 C 2 d (5.15)
Rn
est un produit hermitien équivalent à celui défini plus haut. Encore, si  D 0 I 1Œ, on vérifie que :
C1
( )
m 2 2 4 2m 2
X
H .0 I 1Œ/ D u 2 L .0 I 1Œ/I .1 C n C n C


C n /jb un j < 1 (5.16)
nD 1

I SURVOL MATHÉMATIQUE 5.4 Espaces Hm ./, Hm

0 ./ et H
m ./ 60
 un est la série de Fourier de u. On peut aussi utiliser la norme équivalente :
où b
C1
kuk2 D .1 C jnj2 /m jb
un j2
X
(5.17)
nD 1

Définition 49 — Espace Hm m m
0 ./. On définit H0 ./ comme l’adhérence dans H ./ de D./,
ensemble des fonctions de classe C1 et à support compact dans .
m;p
Plus exactement et de manière générale, W0 est l’adhérence de D./ dans l’espace Wm;p . La
définition ci-dessus correspond donc au cas p D 2.
Remarque. Il faut bien comprendre que cela signifie quelque chose de simple : c’est l’ensemble constitué
des fonctions qui sont à la fois D./ et Hm ./. Comme on s’intéresse à la frontière (puisque l’on prend
l’adhérence), et que  est un ouvert, la valeur que prennent les fonctions de cet ensemble sur la frontière
est celle que prennent les fonctions de classe C1 et à support compact dans , soit 0 !

Ainsi, « physiquement » les espaces Hm m

0 ./ sont les fonctions de H ./ qui sont nulles
sur € D @, ainsi que leurs dérivées « normales » jusqu’à l’ordre m 1. Plus mathématiquement,
on dit que ces fonctions sont de trace nulle sur la frontière, comme par exemple :
 
2 2 @v
H0 ./ D v=v 2 H ./; vj€ D 0; j€ D 0 (5.18)
@n

Les espaces trace sont définis plus loin.. Les espaces Hm

0 ./ sont des espaces de Hilbert.

Définition 50 — Espace H m ./. Il est possible de caractériser le dual topologique de Hm

0 ./
de la façon suivante. Pour tout m > 1, on définit l’espace des distributions suivant :
8 9
< X =
H m ./ D f 2 D0 ./; f D @˛ f˛ ; avec f˛ 2 L2 ./ (5.19)
: ;
j˛j6m

muni de la norme :
0 1 12
X
kf kH m D inf @ kf˛ kL22 A (5.20)
j˛j6m

l’infimum étant pris sur toutes les décompositions possibles de f sous la forme intervenant dans
la définition de H m .
Ainsi défini, l’espace H m ./ est un espace de Hilbert isomorphe au dual topologique de Hm
0 ./,
et le crochet de dualité s’écrit :
X Z
˛
hf; uiH m ;H0 D
m . 1/ f˛ @˛ udx; 8f 2 H m ./; 8u 2 Hm 0 ./ (5.21)

j˛6m

Cette formule ne dépend pas de la décomposition de f en somme des @˛ f˛ . Remarquons que le

dual de Hm ./ n’est pas un espace de distribution et ne possède donc pas de caractérisation aussi
simple.

5.5 Prise en compte du contour du domaine

5.5.1 Trace
Dans ce paragraphe, nous essayons de présenter la notion de trace de manière simple et intuitive.

61 5. Espaces de Sobolev SURVOL MATHÉMATIQUE I

 Afin de pouvoir parler de la valeur d’une fonction sur la frontière de , il nous faut définir le
prolongement (la trace) d’une fonction sur ce bord.
Cas n D 1 : on considère un intervalle ouvert I DaI bŒ borné. On a vu que H1 .I/  C0 .I/.
Donc, pour u 2 H1 .I/, u est continue sur ŒaI b, et u.a/ et u.b/ sont bien définies.
Cas n > 1 : il nous faut définir la trace lorsque l’on n’a plus H1 .I/  C0 .I/. On procède ainsi :
— On définit l’espace :

C1 ./ D ' W  ! R=9O ouvert contenant ; 9 2 C1 .O/;

˚
j D' (5.22)

C1 ./ est donc l’espace des fonctions C1 sur , prolongeables par continuité sur @ et
dont le gradient est lui-aussi prolongeable par continuité. Il n’y a donc pas de problème pour
définir la trace de telles fonctions.
— On montre que, si  est un ouvert borné de frontière @ « assez régulière », alors C1 ./ est
dense dans H1 ./.
— L’application linéaire continue, qui à toute fonction u de C1 ./ associe sa trace sur @, se
prolonge alors en une application linéaire continue de H1 ./ dans L2 .@/, notée 0 , qu’on
appelle application trace. On dit que 0 .u/ est la trace de u sur @.
Pour une fonction u de H1 ./ qui soit en même temps continue sur , on a évidemment 0 .u/ D
uj@ . C’est pourquoi on note souvent par abus simplement uj@ plutôt que 0 .u/.
De manière analogue, on peut définir 1 , l’application trace qui permet de prolonger la définition
usuelle de la dérivée normale sur @. Pour u 2 H2 ./, on a @i u 2 H1 ./, 8i D 1; : : : ; n et on
peut donc définir 0 .@i u/. La frontière @ étant « assez régulière » (par exemple, idéalement, de
classe C1 ), on peut définir la normale n D .n1 ; : : : ; nn /T en tout point de @. On pose alors :

n
X
1 .u/ D 0 .@i u/ni (5.23)
i D1

Cette application continue 1 de H2 ./ dans L2 .@/) permet donc bien de prolonger la définition
usuelle de la dérivée normale. Dans le cas où u est une fonction de H2 ./ qui soit en même temps
dans C1 ./, la dérivée normale au sens usuel de u existe, et 1 .u/ lui est évidemment égale. C’est
pourquoi on note souvent, par abus, @n u plutôt que 1 .u/.

5.5.2 Espace trace

Dans le cas d’exposant entier, on note souvent l’ordre avec la lettre m, dans le cas non-entier, on
utilisera la lettre s, et donc les espaces seront notés : Ws;p ou Hs .

Cas p D 2 et  D Rn

Dans ce cas, l’espace de Sobolev Hs .Rn /, s > 0, peut être défini grâce à la transformée de Fourier :

 Z 
s n 2 n 2 s 2
H .R / D u 2 L .R /W .1 C jj / ju./j
O d < C1 : (5.24)
Rn

Hs .Rn / est un espace de Hilbert muni de la norme :

Z
kukH2 s D .1 C jj2 /s ju./j
O 2
d (5.25)
Rn

I SURVOL MATHÉMATIQUE 5.5 Prise en compte du contour du domaine 62

 Cas p D 2 et   Rn quelconque
On peut alors caractériser les espaces de Sobolev d’ordre fractionnaire Hs ./ grâce au produit
intérieur donné par :
X Z Z .D˛ u.x/ D˛ u.y//.D˛ v.x/ D˛ v.y//
.u; v/Hs ./ D .u; v/Hk ./ C dxdy (5.26)
  jx yjnC2t
j˛jDk

où s D k C T, k est un entier tel que 0 < T < 1 et n est la dimension du domaine   Rn . La

norme induite est essentiellement l’analogue pour L2 de la continuité au sens de Hölder.

Cas p ¤ 2 et  D 0 I 1Œ
On définit un opérateur Ds de dérivation d’ordre fractionnaire s par :
1
X
s
D uD .i n/sb
u.n/ei nt (5.27)
nD 1

En d’autres mots, il s’agit de prendre la transformée de Fourier, de la multiplier par .i n/s et à

prendre la transformée de Fourier inverse (les opérateurs définis par la séquence : transformation
de Fourier — multiplication — transformation inverse de Fourier sont appelés des multiplicateurs
de Fourier). Cet opérateur permet de définir la norme de Sobolev de Hs .0 I 1Œ/ par : kuks;p D
kukp C kDs ukp et de définir l’espace de Sobolev Hs .0 I 1Œ/ comme l’espace des fonctions pour
lesquelles cette norme est finie.

Cas général des espaces Hs

Soit s > 21 . Si  est un ouvert dont la frontière @ est « suffisamment régulière », alors on peut
définir un opérateur de trace T qui à une fonction u 2 Hs ./ lui associe sa trace, i.e sa restriction
sur la frontière de  : Tu D uj@ .
Une hypothèse simple qui satisfasse la condition de régularité est que @ soit uniformément Cm
pour m > s. Ainsi défini, cet opérateur de trace T a pour domaine de définition Hs ./ et son image
est précisément Hs 1=2 .@/.
En fait, T est d’abord défini pour les fonctions indéfiniment dérivables et cette définition est
ensuite étendue par continuité à tout l’ensemble Hs ./. De façon intuitive, on peut dire que l’on
perd en régularité « une demi-dérivée » en prenant la trace d’une fonction de Hs ./.
Nous nous servirons de ces espaces dans le cas des éléments finis pour un problème de continuité
des contraintes à une interface entre deux milieux solides ayant des propriété matérielles différentes.
Ce problème sera abordé plusieurs fois dans ce document, et le paragraphe 12.3 fera une synthèse
des stratégies possibles pour le résoudre.

Cas général des espaces Ws;p

Définir la trace d’une fonction de Ws;p est très difficile et demande d’utiliser les techniques plus
compliqués (dont les espaces de Besov).
De façon plus intuitive, on peut dire que l’on perd en régularité 1=p-ème de dérivée en prenant
la trace d’une fonction de Ws;p ./.

5.6 Espaces H1 ./, H10 ./ et H 1 ./

Nous avons déjà défini les espaces Hm ./, Hm0 ./ et H
m ./. Toutefois, dans la pratique, nous

n’irons guerre au delà de m D 2, et même le plus souvent nous nous contenterons de m D 1. Nous
donnons ici quelques compléments dans ce dernier cas.

63 5. Espaces de Sobolev SURVOL MATHÉMATIQUE I

 En application de la définition 48, nous avons :
 
@u
H1 ./ D u 2 L2 ./I 8i D 1; : : : ; n; 2 L2 ./ (5.28)
@xi
Muni du produit scalaire :
N
!
@u @v
Z X
.u; v/1 D uv C (5.29)
 @xi @xi
i D1

H1 ./ est un espace de Hilbert.

En physique et en mécanique, l’espace H1 ./ est également appelé « espace d’énergie » au
sens où il est constitué des fonctions d’énergie finie (i.e. de norme finie).

Théorème 30 — Théorème de densité. Si  est un borné régulier de classe C1 , ou si  D Rn

C,
ou encore si  D Rn , alors C1 1
c ./ est dense dans H ./.

En pratique, il est très important de savoir si les fonctions régulières sont denses dans l’espace
de Sobolev H1 ./. Cela justifie en partie la notion d’espace de Sobolev qui apparaît ainsi très
simplement comme l’ensemble des fonctions régulières complétées par les limites des suites de
fonctions régulières dans la norme de l’énergie. Cela permet de démontrer facilement de nombreuses
propriétés en les établissant d’abord sur les fonctions régulières puis en utilisant un argument de
densité.
Par définition de H10 ./, et en prenant en compte une remarque précédente :

H10 ./ D v v 2 H1 ./; vj€ D 0

˚ ı
(5.30)

On voit que sur cet espace, la condition de Dirichlet est satisfaite automatiquement sur tout le
pourtour € D @. La frontière € est généralement partitionnée en deux sous-frontière €D et €N sur
lesquelles on satisfait les conditions de Dirichlet et de Neumann respectivement : € D €D [ €N

H10;D ./ D v v 2 H1 ./; vj€D D 0

˚ ı
(5.31)

et H10 ./  H10;D ./  H1 ./.

On rappelle que l’espace H 1 ./ est le dual de H10 ./. Or, grâce au théorème de représentation
de Riesz-Fréchet (théorème 38 du chapitre 7 portant sur les formulations faibles), on sait que l’on
peut identifier le dual d’un espace de Hilbert avec lui-même. Cependant en pratique, on n’identifie
pas H 1 ./ et H10 ./. En effet, ayant défini H10 ./ comme un sous-espace strict mais dense
de L2 ./, et ayant déjà identifié L2 ./ à son dual (muni du produit scalaire usuel, voir chapitre
précédent), on ne peut pas en plus identifier H 1 ./ et H10 ./ (avec un autre produit scalaire). On
a donc les inclusions strictes suivantes :

0
H10 ./  L2 ./  L2 ./  H 1 ./ (5.32)

Grâce à H 1 ./, on pourrait définir une nouvelle notion de dérivation pour les fonctions de L2 ./,
plus faible encore que la dérivée faible. Devant l’afflux de notions de dérivations, rassurons le
lecteur en disant qu’elles sont toutes des avatars de la dérivation au sens des distributions (c’est
l’intérêt de la théorie des distribution que d’avoir unifié ces divers types de dérivation).
L’exemple le plus simple à retenir, et le plus utile pour la suite, est que tout élément f
de H 1 ./ s’écrit, au sens des distributions, sous la forme :

f D u C div G (5.33)

avec u 2 L2 ./ et G 2 .L2 .//n .

I SURVOL MATHÉMATIQUE 5.6 Espaces H1 ./, H10 ./ et H 1 ./ 64

 Théorème 31 — Dérivation des fonctions composées dans les espaces de Sobolev. Soit 
un ouvert borné de Rn . Pour toute fonction u 2 H1 ./ et toute fonction T W R ! R de classe
C1 à dérivée bornée nous avons :

T.u/ 2 H1 ./ et rT.u/ D T0 .u/ru (5.34)

De plus, l’application u 2 H1 ./ 7! T.u/ 2 H1 ./ est continue.

On se contente ici de donner les résultats concernant l’espace H1 ./ même si des résultats
similaires peuvent êtres démontrés pour les espaces Hm ./ ou les espaces W1;p ./, avec p ¤ 2
(voir théorème 32). Soit  un ouvert borné Lipschitzien de Rn .
1
— si n D 1, on a une injection continue de H1 ./ dans l’espace de Hölder C0; 2 ./ ;
— si n D 2, on a une injection continue de H1 ./ dans l’espace Lp ./ pour tout p < 1 (et
donc pas dans L1 ./.
— si n > 3, on a une injection continue de H1 ./ dans l’espace Lp ./ avec p D n2n2 .
De plus les injection non critiques sont compactes.
Comme on va s’intéresser par la suite à la discrétisation de problème aux dérivées partielles, le
cadre de domaines bornés nous suffira.

5.7 Espaces [Link]/ et [Link]/

Définition 51 — Espace [Link]; /. L’espace [Link]; / est un espace intermédiaire entre L2 ./
et H1 ./, qui est défini par :

[Link]; / D f 2 L2 ./n I div f 2 L2 ./

˚
(5.35)

C’est un espace de Hilbert, muni du produit scalaire :

Z
hf; gi D .f .x/
g.x/ C div f .x/ div g.x// dx (5.36)

p
et de la norme kf [Link];/ D hf; f i. Un des intérêts de l’espace [Link]; / est qu’il permet
de démontrer un théorème de trace et une formule de Green avec encore moins de régularité que
dans H1 ./. En effet, si f 2 [Link]; /, on ne « contrôle » qu’une seule combinaison de ses
dérivées partielles, et non pas toutes comme dans H1 ./, mais on peut quand même donner un
sens à la trace normale f
n sur @.

Définition 52 — Espace [Link]; /. L’espace [Link]; / est défini par :

[Link]; / D f 2 .L2 .//2 I rot.f / 2 L2 ./

˚
(5.37)

[Link]; / est un espace de Hilbert muni de la norme :

 1=2
kf [Link];/ D kf kL22 ./ C k rot.f /kL22 ./ (5.38)

L’application trace tangentielle f 7! f ^ n est continue de [Link]; / sur un espace de Hilbert

de fonctions définies sur @ qui n’est pas précisé. On peut introduire l’espace H0 .rot; / des
fonctions de [Link]; / de trace tangentielle nulle. Cet espace peut être utiliser pour la modélisation
de phénomènes électromagnétiques par les équations de Maxwell.
En fait, il est possible de définir de nombreux espaces de Sobolev en fonction du problème
considéré et c’est tout l’intérêt.

65 5. Espaces de Sobolev SURVOL MATHÉMATIQUE I

 5.8 Inégalités utiles
Dans ce paragraphe, nous présentons quelques inégalités utilisées pour borner une fonction à partir
d’une estimation sur ses dérivées et de la géométrie de son domaine de définition. Nous en aurons
besoin pour les formulations faibles ainsi que pour les problèmes d’homogénéisation.

Définition 53 — Exposant conjugué de Sobolev. On s’intéresse à  un ouvert de Rn (qui peut

être Rn tout entier), ainsi qu’aux espaces de type Wm;p ./.
On appelle conjugué de Sobolev du nombre p, le nombre p  , défini par la relation :
1 1 m

D (5.39)
p p n

Théorème 32 — Injections continues de Sobolev. Soit  un ouvert de Rn . Si  est borné et

a une frontière Lipschitz-continue, alors, pour tout entier m > 0 et pour tout p 2 Œ1 I C1Œ, on
dispose des inclusions avec injections continues suivantes :
8 n
ˆ Wm;p ./ ,! Lp si m <
ˆ
ˆ
ˆ p
n
ˆ
<
m;p q
W ./ ,! L 8q 2 Œ1 I C1Œ; si m D (5.40)
ˆ p
n
ˆ
ˆ
: Wm;p ./ ,! C./ si < m
ˆ
ˆ
p

Théorème 33 — Inégalité de Poincaré. Soit p, tel que 1 6 p < 1, et  un ouvert de largeur

finie (i.e. borné dans une direction). Alors il existe une constante C, dépendant uniquement de 
1;p
et p, telle que, pour toute fonction u 2 W0 ./, on ait :

kukLp ./ 6 CkrukLp ./ (5.41)

Théorème 34 — Inégalité de Poincaré-Friedrichs. Si  est borné de diamètre d , alors la

constante de Poincaré précédente s’exprime en fonction de ce diamètre. On a, pour toute
k;p
fonction u 2 W0 ./ :
0 11=p
p
X
kukLp ./ 6 d p @ kD˛ ukLp ./ A (5.42)
j˛j6k

En particulier pour p D 2 :

8u 2 H10 ./; kukL22 ./ 6 d 2 krukL22 ./ (5.43)

Théorème 35 — Inégalité de Poincaré-Wirtinger. Soit p, tel que 1 6 p < 1 et  un

domaine (i.e. un ouvert connexe) lipschitzien (i.e. borné et « à frontière lipschitzienne ») de
l’espace euclidien Rn . Alors il existe une constante C, dépendant uniquement de  et p, telle
que, pour toute fonction u 2 W1;p ./, on ait :

ku u kLp ./ 6 CkrukLp ./ (5.44)

1
R
où u D jj  u.y/dy est la valeur moyenne de u sur , jj désignant la mesure de Lebesgue
du domaine .

I SURVOL MATHÉMATIQUE 5.8 Inégalités utiles 66

 Théorème 36 — Inégalité de Korn. Soit  un ouvert borné de Rn de la frontière est

« suffisam-
ment » régulière (par exemple C1 par morceaux). Notons ".v/ D 12 rv C .rv/T le linéarisé

n
n
du tenseur des déformations défini pour tout v 2 V D H1 ./ ou H10 ./ . Alors il existe
une constante (dite constante de Korn) CK > 0 telle que :
 
8v 2 V; kvkV 6 CK kvkL22 ./ C k".v/kL22 ./ (5.45)

Cette inégalité est assez puissante puisqu’elle contient, dans son membre de gauche, toutes les
dérivées partielles de v, alors que son membre de droite ne fait intervenir que certaines combinaisons
linéaires des dérivées partielles.
L’inégalité inverse de l’inégalité de Korn étant évidente, on en déduit que les deux membres
définissent des normes équivalentes.
Histoire

Arthur Korn a été un étudiant de Henri Poincaré.

Il est plus connu comme pionnier des té-
lécommunications, plus précisément comme
l’inventeur de la téléphotographie. Il met au
point un téléautographe, un système de trans-
mission des images fixes à distance, par le biais
du fil télégraphique, en recourant aux proprié-
tés photoélectriques du sélénium. Poincaré Friedrichs Wirtinger Korn

En mécanique, l’inégalité de Korn dit que l’énergie élastique (qui est proportionnelle à la norme
du tenseur des déformations dans L2 ./) contrôle (i.e. est supérieure à) la norme du déplacement
dans H1 ./ à l’addition près de la norme du déplacement dans L2 ./. Ce dernier point permet
de prendre en compte les « mouvements de corps rigides », i.e. les déplacements u non nuls mais
d’énergie élastique nulle.

67 5. Espaces de Sobolev SURVOL MATHÉMATIQUE I

 Résumé des outils d’analyse
fonctionnelle

Norme, produit scalaire, espaces

Soit E un espace vectoriel.
k
k W E ! RC est une norme sur E ssi elle vérifie :
1. .kxk D 0/ H) .x D 0/ ;
2. 8 2 R; 8x 2 E; kxk D jjkxk;  2 K ;
3. 8x; y 2 E; kx C yk 6 kxk C kyk (inégalité triangulaire).
La distance issue de la norme est la distance définie par d.x; y/ D kx yk.
Toute forme bilinéaire symétrique définie positive h:; :i W E  E ! R est un produit scalaire
sur E. Elle vérifie les propriétés :
1. bilinéarité : 8x; y; z 2 E; 8;  2 R; hx; y C zi D hx; yi C hx; zi ;
2. symétrie : 8x; y 2 E hx ; yi D hy ; xi ;
3. positivité : 8x 2 E hx ; xi > 0 ;

4. définie : 8x 2 E hx ; xi D 0 ) x D 0 .
p
La norme induite par le produit scalaire est kxk D hx; xi.
L’inégalité triangulaire donne alors l’inégalité de Cauchy-Schwarz : jhx; yij 6 kxkkyk.
Un espace vectoriel muni d’une norme est appelé espace normé.
Un espace vectoriel muni d’un produit scalaire est appelé espace préhilbertien, qui est donc
également un espace normé pour la norme induite.
Exemple : Pour E D Rn et x D .x1 ; :::; xn / 2 Rn , on a les normes :
v
X n u n
uX 2
kxk1 D jxi j kxk2 D t xi kxk1 D sup jxi j
i D1 i D1 i

n
X
Le produit scalaire défini par hx; yi D xi yi a pour norme induite la norme k
k2 .
i D1
Soit E un espace vectoriel et .xn /n une suite de E. .xn /n est une suite de Cauchy ssi 8" >
0; 9N; 8p > N; 8q > N W kxp xq k > ".
Toute suite convergente est de Cauchy. La réciproque est fausse.
Un espace vectoriel est complet si et seulement si toute suite de Cauchy y est convergente.
Un espace de Banach est un espace normé complet.
Un espace de Hilbert est un espace préhilbertien complet.
Un espace euclidien est un espace de Hilbert de dimension finie.

Espaces fonctionnels
Un espace fonctionnel est un espace vectoriel dont les éléments sont des fonctions.

69 Espaces de Sobolev SURVOL MATHÉMATIQUE I

 Dans la suite, nous considérons les fonctions définies sur un ouvert   Rn et à valeurs dans R
ou Rp .
Un fonction u est mesurable ssi fx=ju.x/j < rg est mesurable 8r > 0.
On définit les espaces Lp ./, pour 1 6 p < 1 par :
 Z 
p p
L ./ D u W  ! R; mesurable, et telle que juj < 1

Lp ./ est la classe d’équivalence des fonctions de Lp ./ pour la relation d’équivalence
« égalité presque partout » : on confondra deux fonctions dès qu’elles sont égales presque partout,
i.e. lorsqu’elles ne différent que sur un ensemble de mesure nulle.
Les formes :
Z 1=p
p
kukLp D juj ;1 6 p < 1 et kukL1 D sup juj
 

ne sont pas des normes sur LP ./

(en effet, kukLp D 0 implique que u est nulle presque partout
dans L ./ et non pas u D 0, d’où la définition des espaces Lp ./.
p

Ces formes sont des normes sur Lp ./ et en font des espaces de Banach (i.e. complets).
Dans le cas particulier p D 2, on ontientq l’espace L2 ./ des fonctions de carré sommable pp.
R
sur . On remarque que le norme kukL2 D 2
 u est induite par le produit scalaire .u; v/L2 D
2
R
 uv, ce qui fait de l’espace L ./ un espace de Hilbert.

Dérivée généralisée
Les éléments des espaces Lp ne sont pas nécessairement des fonctions très régulières. Leurs
dérivées partielles ne sont donc pas forcément définies partout. C’est pourquoi on va étendre la
notion de dérivation. Le véritable outil à introduire pour cela est la notion de distribution. Une idée
simplifiée en est la notion de dérivée généralisée (certes plus limitée que les distributions, mais
permettant de sentir les aspects nécessaires pour aboutir aux formulations variationnelles).

Fonctions tests
On note D./ l’espace des fonctions de  vers R, de classe C1 , et à support compact inclus
dans . D./ est parfois appelé espace des fonctions-tests.
Théorème : D./ D L2 ./

Dérivée généralisée
Soit u 2 C1 ./ et v 2 D./. Par intégration par parties (ou Green) on a l’égalité :
Z Z Z Z
@i u' D u@i ' C u' n D u@i '
  @ 
(car ' est à support compact donc nulle sur @).
Le terme  u@i ' a un sens dès que u 2 L2 ./, donc  @i u' aussi, sans que u ait besoin
R R

d’être C1 . Il est donc possible de définir @i u même dans ce cas.

Cas n D 1 : Soit I un intervalle de R, pas forcément borné. On dit 2
R que u 2R L .I/ admet une
2 2
dérivée généralisée dans L .I/ ssi 9u1 2 L .I/ telle que 8' 2 D.I/, I u1 ' D I u' 0 .
Par itération,Z on dit que u admet
Z une dérivée généralisée d’ordre k dans L2 .I/, notée uk ,
ssi : 8' 2 D.I/, uk ' D . 1/k u' .k/ .
I I
Ces définitions s’étendent au cas où n > 1.
Théorème : Quand elle existe, la dérivée généralisée est unique.
Théorème : Quand u est de classe C1 ./ la dérivée généralisée est égale à la dérivée classique.

I SURVOL MATHÉMATIQUE 5.8 Inégalités utiles 70

 Espaces de Sobolev
Espaces Hm
L’espace de Sobolev d’ordre m est défini par :

Hm ./ D u 2 L2 ./=@˛ u 2 L2 ./; 8˛ D .˛1 ; :::; ˛n / 2 Nn tel que j˛j D ˛1 C ::: C ˛n 6 m

˚

On voit que H0 ./ D L2 ./.

Hm ./ est un espace de Hilbert avec le produit scalaire et la norme induite :
X
.@˛ u; @˛ v/0 et kukm D .u; u/m
p
.u; v/m D
j˛j6m

Théorème : Si  est un ouvert de Rn de frontière « suffisamment régulière », alors on a

l’inclusion : Hm ./  Ck ./ pour k < m n2 .

Trace
Dans les problèmes physiques que nous rencontrerons (voir partie 2), nous devrons pouvoir imposer
des conditions aux limites. Ceci est vrai, que l’on s’intéresse aux formulations forte ou faible.
Pour cela, il faut que la valeur d’une fonction sur la frontière soit définie. C’est justement ce
que l’on appelle sa trace. La trace est le prolongement d’une fonction sur le bord de l’ouvert .
De manière analogue, il est possible de prolonger la définition de la dérivée normale sur le
contour de , ce qui permet de prendre en compte des conditions aux limites de type Neumann par
exemple.

Espace H10 ./

Soit  ouvert de Rn . L’espace H10 ./ est défini comme l’adhérence de D./ pour la norme k
k1
de H1 ./.
Théorème : Par construction H10 ./ est un espace complet. C’est un espace de Hilbert pour la
norme k
k1 .
H10 ./ est le sous-espace des fonctions de H1 ./ de trace nulle sur la frontière @ (on
a : H10 ./ D ker 0 où 0 est l’application trace).
Pour toute fonction u de H1 ./, on peut définir :
v v
u n uZ n
X u X
2
.@i u/2
u
juj1 D t k@i uk0 D t
iD1  i D1

Inégalité de Poincaré : Si  est borné dans au moins une direction, alors il existe une
constante C./ telle que 8u 2 H10 ./ ; kuk0 6 C./juj1 . On en déduit que j:j1 est une norme
sur H10 ./, équivalente à la norme k
k1 .
Corollaire : Le résultat précédent s’étend au cas où l’on a une condition de Dirichlet nulle
seulement sur une partie de @, si  est connexe.
On suppose que  est un ouvert borné connexe, de frontière C1 par morceaux. Soit V D
fv 2 H1 ./I v D 0 sur €0 g où €0 est une partie de @ de mesure non nulle. Alors il existe une
constante C./ telle que 8u 2 V ; kuk0;V 6 C./juj1;V , où k
k0;V et j:j1;V sont les norme
et semi-norme induites sur V. On en déduit que j:j1;V est une norme sur V équivalente à la
norme k
k1;V .

71 Espaces de Sobolev SURVOL MATHÉMATIQUE I

 II PROBLÈME CONTINU

73 PROBLÈME CONTINU II
 Chapitre 6

Problèmes physiques : équations

différentielles et aux dérivées partielles

Résumé — La première partie était uniquement des « rappels » de notions mathématiques

nécessaires pour disposer d’un certains nombre d’outils. Maintenant que nous avons ces
outils, nous allons nous intéresser à des problèmes concrets de la physique (au sens
général).
Cette deuxième partie va donc présenter des problèmes physiques, sous leur forme
forte (dans ce chapitre), puis sous forme faible et variationnelle ; la théorie de la formula-
tion faible étant exposée entre temps.

6.1 Introduction
Une équation différentielle est une relation entre une ou plusieurs fonctions inconnues et leurs
dérivées. L’ordre d’une équation différentielle correspond au degré maximal de dérivation auquel
l’une des fonctions inconnues a été soumise.
Pour les méthodes explicites de résolution des équations différentielles, on ira voir au chapitre C.
Histoire

Les problèmes posés ou menant à des équations différentielles sont aussi vieux que l’analyse elle-
même (XVIIe-XVIIIe, voir notes précédentes sur les fonctions et sur la continuité et la dérivabilité).
Avant même qu’on ait complètement élucidé la question des infiniment petits l’on se préoccupe déjà
de résoudre des problèmes de tangente, qui mènent invariablement à une équation différentielle. Dès
les débuts de la mécanique classique, dite newtonienne, on est confronté à l’intégration de systèmes
d’équations différentielles du second ordre (voir exemples ci-dessous).
On s’habitue progressivement à ce que l’inconnue d’une équation puisse être une fonction,
même si la fonction a encore à l’époque un statut flou.
On résout les équations différentielles
par la méthode des séries entières sans s’en-
combrer des notions de convergence, bien
que l’on entrevoit parfois certaines diffi-
cultés dues justement à ces problèmes de
convergence... et on en arrive presque aux
séries asymptotiques qui ne seront concep- Riccati Clairaut D’Alembert Euler
tualisées qu’au XIXe siècle.
Un autre problème reste d’écrire, à l’aide de fonctions simples, les solutions des équations
différentielles. La liste des équations différentielles que l’on sait résoudre de cette manière est plutôt
maigre : Leibniz et sa méthode de décomposition en éléments simples, les Bernouilli et les équations
différentielles linéaires du premier ordre, puis Riccati...
La découverte par Clairaut en 1734 de l’existence d’une solution singulière à l’équation y
xy 0 C f .y 0 / D 0 (à la famille de droites y D Cx C f .C/ qui est l’expression générale des courbes
intégrales, il faut adjoindre l’enveloppe de cette famille pour avoir toutes les solutions analytiques de
l’équation) relance la dynamique. D’Alembert, en 1748, trouve un second cas d’intégrale singulière.

75 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 Mais c’est Euler et Lagrange qui élucident ce qui se passe en général en exhibant la courbe qui est le
lieu des points singuliers.
Si l’on sait, dès la fin du XVIIe siècle intégrer les équations différentielles linéaires du premier et
du second ordre à coefficients constants par des sommes d’exponentielles, il faut attendre 1760 pour
que la théorie vienne à bout des équations différentielles linéaires à coefficients constants d’ordre
quelconque. En 1739, Euler rencontre une équation différentielle linéaire à coefficients constants
du quatrième ordre sur un problème de vibration des tiges qu’il ne sait pas intégrer. C’est en 1743
qu’il forme ce qu’on appelle aujourd’hui l’équation caractéristique, qu’il complète un peu plus tard
lorsqu’une racine de cette équation polynomiale est multiple.
D’Alembert remarque que pour les équa-
tions différentielles non homogènes, l’adjonc-
tion d’une solution particulière à la solution
générale de l’équation homogène donne la
solution générale de l’équation homogène.
Lagrange introduit la méthode de variation
des constantes pour résoudre par quadratures Lagrange Laplace Sturm Liouville
l’équation linéaire non homogène lorsque l’on
connaît la solution générale de l’équation homogène.
Clairaut, D’Alembert, Euler, Lagrange et Laplace consacrent de nombreux mémoires au pro-
blème des n corps. Le premier exemple du problème de Sturm-Liouville est donné par D’Alembert
à propos de la vibration d’une corde non homogène.
Les mathématiciens du XVIIIe siècle admettent sans discussion l’existence de solutions des
équations différentielles et des équations aux dérivées partielles sans chercher le domaine d’existence
de ces solutions. Il faut attendre Cauchy, vers 1820, pour que soit abordée l’existence d’une solution
à l’équation différentielle y 0 D f .x; y/, où f est supposée continument différentiable en chaque
variable. Sans connaître les travaux de Cauchy, Lipschitz, en 1868, retrouve le résultat de Cauchy
mais s’affranchit de l’hypothèse de différentiabilité de f au profit de la condition dite aujourd’hui
de Lipschitz. En 1837, Liouville utilise, pour le cas particulier d’une équation linéaire du second
ordre une méthode d’approximation successive : on construit une suite de fonctions convergeant
vers la solution.

Si l’on considère une fonction f , sa dérivée f 0 exprime sa variation : positive f est croissante
(et plus sa value est grande, plus la croissance est rapide), négative f est décroissante...
À partir de là on peut considérer une population de personnes. Le nombre de total de personnes à
un instant t est donné par f .t /. Plus la population est nombreuse, plus elle se reproduit : en d’autres
termes, la vitesse de croissance de la population est proportionnelle à la taille de la population. On
peut donc écrire :

f 0 .t / D k f .t / (6.1)

C’est une équation différentielle très simple, mais qui modélise le problème dit de dynamique de
population.
Un autre problème simple, toujours en dynamique des populations, est celui de deux populations
interdépendantes : les proies g.t / et le prédateurs m.t /. Les proies se reproduisent et sont mangées
par les prédateurs, alors que les prédateurs meurent sauf s’ils peuvent manger des proies.
Cela conduit au système de Lotka-Volterra :
(
g 0 .t / D A g.t / B g.t / m.t /
(6.2)
m0 .t / D C m.t / C D g.t / m.t /

où il est nécessaire de résoudre les équations simultanément (on dit que les équations sont couplées).
Pour revenir à des exemples plus connus des lecteurs, on n’oubliera pas que la relation fonda-
mentale de la dynamique de Newton :

mxR D f .x/ (6.3)

II PROBLÈME CONTINU 6.1 Introduction 76

 est une d’équation différentielle du second ordre. On pourrait multiplier les exemples comme
l’équation de l’oscillation d’une masse suspendue à un ressort :

xR D c xP !2x (6.4)

avec (c > 0) ou sans (c D 0) frottement.

Comme on le voit sur les exemples ci-dessus, et comme on s’en souvient sans doute, il est
nécessaire, pour déterminer complètement la solution d’une équation différentielle (ou d’une
équation aux dérivées partielles), de disposer de valeurs de la solution en certains points. On appelle
ces « contraintes », des conditions aux limites.
Histoire

Concernant les équations aux dérivées partielles, elles sont initialement résolues par des méthodes
ad-hoc, le plus souvent géométriques. On n’écrit pas l’équation aux dérivées partielles linéaires. On
ne s’étonnera donc pas que la première équation aux dérivées partielles n’apparaisse qu’assez tard.
La théorie de l’intégration des équa-
tions aux dérivées partielles du premier
ordre ne date que de 1734. L’idée d’Eu-
ler est de ramener ladite intégration à celle
des équations différentielles ordinaires. Eu-
ler montre qu’une famille de fonctions dé-
pendant de deux paramètres vérifie une Cauchy Lipschitz Dirichlet Neumann
équation aux dérivées partielles du premier
ordre en éliminant ces paramètres entre les dérivées partielles. Inversement, une telle équation admet
une solution dépendant d’une fonction arbitraire. Il parvient ainsi à intégrer plusieurs équations de
ce type.
Lagrange, dans un mémoire de 1785, résume les connaissances de l’époque sur ces questions. Il
ne sait intégrer que onze types d’équations aux dérivées partielles du premier ordre.
La solution de l’intégration de ces équations allait venir d’un mathématicien peu connu, mort en
1784, Paul Charpit. Son mémoire, présenté en 1784 à l’académie des sciences n’a jamais été publié
et est resté longtemps une énigme. Une copie de ce mémoire a été trouvée en 1928.

6.2 Conditions aux limites

Comme nous venons de le dire, les conditions aux limites sont des contraintes (des valeurs) que
l’on impose à la fonction solution (ou à certaines de ces dérivées) sur tout ou partie du domaine ,
et/ou sur toute ou partie de sa frontière € D @. D’un point de vue « vocabulaire », certains types
de conditions aux limites standard existent qui sont listées ci-après.

6.2.1 Dirichlet – valeurs aux bords

On parle de condition de Dirichlet imposée à une équation différentielle ou une équation aux
dérivées partielles, lorsque l’on spécifie les valeurs que la solution doit vérifier sur toute ou partie
de la frontière du domaine. Il peut s’agir par exemple d’un déplacement imposé (par exemple nul)
en des points d’une structure (points d’appuis rigides).

6.2.2 Neumann – gradients aux bords

On parle de condition de Neumann imposée à une équation différentielle ou une équation aux
dérivées partielles, lorsque l’on spécifie les valeurs des dérivées que la solution doit vérifier sur la
frontière du domaine (flux, contraintes...)

77 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 6.2.3 Robin – relation gradient/valeurs sur le bord
On parle de condition de Robin ou condition de Fourier ou condition d’impédance imposée à une
équation différentielle ou une équation aux dérivées partielles, lorsque l’on spécifie une relation
linéaire entre les valeurs de la fonction et les valeurs de la dérivée de la fonction qui est solution du
problème sur toute ou partie de la frontière du domaine. C’est donc une pondération de conditions
de Dirichlet et de Neumann.

6.2.4 Condition aux limites dynamique

On parle de condition aux limites dynamique imposée à une équation différentielle ou une équation
aux dérivées partielles, lorsque l’on spécifie une combinaison linéaire entre la dérivée temporelle et
la dérivée normale que la solution doit vérifier sur toute ou partie la frontière du domaine.

6.2.5 Condition aux limites mêlée

On parle de condition aux limites mêlée lorsque l’on juxtapose plusieurs conditions aux limites
différentes sur toute ou partie de la frontière du domaine.

6.3 Types d’équation aux dérivées partielles

La forme générale d’une équation aux dérivées partielles linéaire, scalaire, d’ordre 2 est :

au C cru C [Link]/ D f (6.5)

où a W  ! R, c W  ! Rn , A W  ! Rnn sont les coefficients de l’équation aux dérivées

partielles linéaire. Dans le cas où u est scalaire (n D 1) et les coefficients sont constants, on obtient :

@2 u @2 u @2 u @u @u
˛ 2
C ˇ C 2
Cı C C u D f (6.6)
@x @x@y @y @x @y
où ˛, ˇ, , ı, , sont des scalaires. Cette équation est dite :
— elliptique si ˇ 2 4˛ > 0 ;
— parabolique si ˇ 2 4˛ D 0 ;
— hyperbolique si ˇ 2 4˛ < 0.
On peut dire que :
— les problèmes elliptiques vont concerner les problèmes stationnaires tels que ceux de la
mécanique, la thermique, l’électrostatique, les membranes élastiques, l’écoulement potentiel ;
— les problèmes paraboliques vont concerner les modèles instationnaires tels que la diffusion
thermique (équation de la chaleur), chimique, neutronique, les fluide visqueux incompres-
sibles (on parlera d’irréversibilité, de décroissance, de principe du maximum, de propagation
à vitesse infinie) ;
— les problèmes hyperboliques vont concerner les modèles instationnaires tels que la propa-
gation des ondes, l’électromagnétisme, l’élastodynamique (on parlera de réversibilité, de
conservation de l’énergie, de propagation à vitesse finie).

6.4 Phénomènes de propagation et de diffusion

Dans ce paragraphe, nous avons regroupé les notions de propagation et de diffusion. La propagation
et la diffusion sont liées. La diffusion, c’est en quelque sorte l’homogénéisation d’une grandeur
dans un milieu et dans le temps. Or pour qu’il y ait diffusion, il faut bien que ledit phénomène se
propage.

II PROBLÈME CONTINU 6.3 Types d’équation aux dérivées partielles 78

 Nous nous placerons dans un cadre beaucoup plus macroscopique, où les interactions entre
particules sont quantifiées au travers de variables macroscopiques continues, comme par exemple
la température, la pression, mais également le frottement fluide, la conductivité thermique, la masse
volumique... L’analogie de formulation mathématique nous fera également considérer les cas de
propagation des ondes dans des milieux donnés. C’est d’ailleurs essentiellement via la propagation
des ondes que nous aborderons les formulations... l’équation de la chaleur constituant le liant idéal
pour illustrer les liens entre propagation et diffusion.
Histoire

Le déplacement des atomes, ions ou molécules dans un milieu, que celui-ci soit solide (cristallin ou
amorphe), liquide ou gazeux, est appelé de manière générale « migration ».
Au sens large la diffusion désigne des transferts obéissant aux lois de
Fick, i.e. dont la résultante macroscopique vérifie l’équation de diffusion.
La turbulence entraine ainsi une forte diffusion dans les fluides. La
diffusion moléculaire est la migration sous l’effet de l’agitation thermique,
à l’exception des autres phénomènes. Elle intervient par exemple dans des
procédés d’amélioration des caractéristiques mécaniques (traitements de
surface comme la nitruration ou cémentation), la résistance à la corrosion Brown Fick
et les procédés d’assemblage par brasage.
En 1827, le botaniste Robert Brown observe le mouvement erratique de petites particules de
pollen immergées dans de l’eau. Il ne s’agit pas d’un phénomène de diffusion, puisque ce qui bouge
est une particule macroscopique, mais cette « marche aléatoire », que l’on appellera « mouvement
brownien », servira de modèle pour la diffusion : Le mouvement brownien, ou processus de Wiener,
est le mouvement aléatoire d’une « grosse » particule immergée dans un fluide et qui n’est soumise à
aucune autre interaction que des chocs avec les « petites » molécules du fluide environnant. Il en
résulte un mouvement très irrégulier de la grosse particule. Ce mouvement, qui permet de décrire
avec succès le comportement thermodynamique des gaz (théorie cinétique des gaz), est aussi très
utilisé dans des modèles de mathématiques financières.
En 1855, Adolph Fick propose des lois phénoménologiques, empiriques, inspirées de la loi
de Fourier pour la chaleur (établie en 1822). C’est Albert Einstein qui démontrera les lois de Fick
en 1905 avec ses travaux sur la loi stochastique. La première loi de Fick énonce que « le flux de
diffusion est proportionnel au gradient de concentration ».

6.4.1 Équations de Laplace et Poisson

L’équation de Laplace, ou Laplacien est l’équation :

' D 0 (6.7)

Elle est elliptique. Elle apparaît dans de nombreux problèmes physiques : astronomie, électrosta-
tique, mécanique des fluides, propagation de la chaleur, diffusion, mouvement brownien, mécanique
quantique. Les fonctions solutions de l’équation de Laplace sont appelées les fonctions harmoniques.
Toute fonction holomorphe est harmonique.
L’équation de Poisson est l’équation :

' D f (6.8)

où f est une fonction donnée. Elle est elliptique. Par exemple, en électrostatique, on exprime le
potentiel électrique V associé à une distribution connue de charges  (dans le vide) par la relation :

V D (6.9)
0
En gravitation universelle, le potentiel gravitationnel ˆ est relié à la masse volumique  par la
relation :

ˆ D 4 G  (6.10)

79 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 6.4.2 Équation d’onde, phénomènes vibratoires
Il s’agit encore d’une extension de l’équation de Laplace. L’équation d’onde est l’équation générale
qui décrit la propagation d’une onde (sonore ou électromagnétique dont la lumière), qui peut être
représentée par une grandeur scalaire ou vectorielle. Dans le cas vectoriel, en espace libre, dans un
milieu homogène, linéaire et isotrope, l’équation d’onde s’écrit :
1 @2 u
u D ou u D 0 (6.11)
c 2 @t 2
où la fonction d’onde inconnue est notée u.x; y; z; t /, t représente le temps, et le nombre c
représente la célérité ou vitesse de propagation de l’onde u (rappel :  est le d’Alembertien). Elle
est hyperbolique.
Dans le cas de l’acoustique, alors cette équation est obtenue à partir des équations de la
mécanique ainsi que de l’hypothèse de fluide parfait :
— conservation de la masse : P C div.u/ D 0 avec  la masse volumique du milieux et u sa
vitesse ;
— conservation de la quantité de mouvement : div. / D u, P avec  le tenseur des contraintes
— le fluide est parfait, et sa relation de comportement est donc :  D p 0 I avec p 0 la pression
dans le fluide.
À partir de ces trois équations, on retrouve l’équation des ondes sous la forme :
1 0
p 0 pR D 0 (6.12)
c2
avec c la célérité de l’onde acoustique dans le milieu (vitesse du son).
L’équation des ondes permet également de modéliser le problème de l’évolution de la déforma-
tion d’une membrane tendue (peau de tambour). Dans ce cas là, on note plutôt :
u D uR dans  (6.13)
où  est notre domaine qui est une surface, donc   R2 .
La même équation en dimension deux ou trois modélise la plupart des phénomènes vibratoires.
En dimension 1, cette équation s’appelle l’équation des cordes vibrantes.

6.4.3 Équation de la chaleur

L’équation de la chaleur est une équation aux dérivées partielles parabolique, introduite au début du
XIX esiècle par Fourier pour décrire le phénomène physique de conduction thermique.
Histoire

En dépit des railleries de Hugo et Stendhal Joseph Fourier laissera son nom à la postérité à plus d’un
titre :
en tant qu’égyptologue, une spécialité qu’il bouleverse à la suite de sa
participation à l’expédition napoléonienne de 1798 (en 1810, il créera
l’Université Royale de Grenoble, dont il deviendra le recteur, et y re-
marquera Jean-François Champollion. Ils sont enterrés au cimetière
du Père-Lachaise à côté l’un de l’autre) ; en tant qu’homme politique
puisqu’il est préfet d’Isère sous Napoléon Bonaparte et sous la Restau-
ration ; en tant qu’administrateur, comme réorganisateur des statistiques Fourier Champollion
françaises ; et enfin en tant que scientifique, la consécration de sa car-
rière étant son élection au poste de secrétaire perpétuel de l’Académie des Sciences. Pour tous les
mathématiciens, il reste le fondateur de l’analyse de Fourier, qu’il crée au début du XIXe siècle pour
étudier mathématiquement la répartition de chaleur dans un corps conducteur.
Quelques repères chronologiques : En 1807, Fourier écrit l’équation de la chaleur. En 1808,
son mémoire est accepté par l’Académie des Sciences en dépit de sérieuses critiques concernant la
rigueur des démonstrations (Fourier a en particulier une controverse avec Poisson). En 1822 a lieu la
publication du Traité analytique de la chaleur, version remaniée et augmentée de son mémoire, qui
s’imposera comme l’un des ouvrages scientifiques majeurs du dix-neuvième siècle.

II PROBLÈME CONTINU 6.4 Phénomènes de propagation et de diffusion 80

 La lecture du Traité analytique est toujours profitable. La première phrase sonne comme une
profession de foi : « Les causes primordiales ne nous sont point connues ; mais elles sont assujetties à
des lois simples et constantes, que l’on peut découvrir par l’observation, et dont l’étude est l’objet de
la philosophie naturelle ». Fourier confesse donc son ambition de décrire des phénomènes physiques,
jusque là jugés inaccessibles, par le moyen des mathématiques ; il le confirme dans le choix d’une
devise en latin (attribuée par Fourier à Aristote, mais probablement inventée par lui-même) : Et
ignem regunt numeri (Même le feu est régi par les nombres).
L’idée maîtresse de Fourier, celle que l’on lui attribue le plus naturellement, consiste à décom-
poser une fonction périodique arbitraire sous forme de série trigonométrique déjà mentionnée à
l’équation (4.1). Des décompositions de ce style ne sont pas à proprement parler nouvelles : elles
faisaient partie du répertoire des analystes de la fin du XVIIIe siècle, à commencer par le plus im-
pressionnant d’entre eux, le Suisse Euler. Mais Fourier est le premier à avoir l’intuition du caractère
universel et particulièrement commode de cette décomposition trigonométrique.
Fourier donne quelques exemples frappants pour montrer que « n’importe quelle » fonction
est décomposable en série trigonométrique : une fonction « en dents de scie » et une autre « en
créneaux ». Ainsi, même des fonctions discontinues peuvent être exprimées en séries de Fourier,
pourvu que l’on définisse la fonction aux points de discontinuité en utilisant la « condition de
demi-somme » :
f .x C / C f .x /
f .x/ D (6.14)
2
Cela pouvait paraître surprenant à l’époque de Fourier, mais bien sûr ce n’est
pas contradictoire avec les théorèmes connus : une série de fonctions continues
n’est pas en général continue. L’acte de foi suivant consiste à admettre que des
décompositions similaires s’appliquent à des fonctions non périodiques (définies sur R
tout entier). Dans tous les cas, la formule donnant les coefficients de Fourier (4.2)
conduit immédiatement à quelques questions, et notamment : comment trouver les
Dirichlet
coefficients ? (problème de l’analyse) En quel sens faut-il comprendre la convergence
de ces séries ?
La convergence des séries de Fourier est reconnue dès le début comme un problème important
et délicat, sur lequel Fourier lui-même avait été attaqué. Le résultat qui fait référence en la matière
est le théorème de Dirichlet (1829) :

Théorème 37 — Théorème de Dirichlet. Soit f W T ! C, continue par morceaux, satisfai-

sant la condition de demi-somme (6.14) et C1 de part et d’autre de chaque point de discontinuité,
alors :
X
8x 2 T; ck .f /e 2i kx D f .x/ (6.15)
k2Z
Jusqu’en 1873 les spécialistes pensaient que l’hypothèse de conti-
nuité C1 de part et d’autre était superflue ; mais dans son article Eine
neue Theorie der Convergenz und Divergenz von Reihen mit positiven
Gliedern, du Bois-Reymond donna un contre-exemple sous la forme
d’une fonction continue périodique dont la série de Fourier diverge en
un point. Si l’on veut avoir la propriété de reconstruction ponctuelle,
on doit supposer une certaine régularité ; tout au mieux on peut relaxer du Bois-Reymond Gibbs
l’hypothèse C1 .
Même quand elle est vraie, la convergence ponctuelle des séries de Fourier peut être médiocre.
Un exemple bien connu est le phénomène de Gibbs, qui pose des problèmes pratiques : la série
de Fourier d’une fonction créneau présente des oscillations près des points de discontinuité, dont
l’ampleur ne s’atténue pas quand le nombre de fréquences tend vers l’infini.

Soit  un domaine de R3 de frontière € D @ et T.x; t / un champ de température sur ce

domaine (champ de scalaires). En présence d’une source thermique dans le domaine, et en l’absence
de convection, i.e. de transport de chaleur (i.e. on s’intéresse à la propagation de la température au
sein d’un milieu « stable », i.e. qui ne bouge pas ; on ne s’intéresse pas à la propagation de chaleur
due par exemple à l’existence d’un courant d’air, d’un courant de convection. La convection est

81 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 plutôt un problème de mécanique des fluides.), l’équation de la chaleur s’écrit :
@T.x; t / f
8x 2 ; D D T.x; t / C (6.16)
@t c
où :
—  est l’opérateur Laplacien ;
— D est le coefficient de diffusivité thermique (en m2 /s) ;
— f une éventuelle production volumique de chaleur (en W/m3 ) ;
—  est la masse volumique du matériau (en kg/m3 ) ;
— c la chaleur spécifique massique du matériau (en J/kg
K).
L’équation de la chaleur est donc une équation de la forme :

uP u D f (6.17)

Elle est [Link] que le problème soit bien posé, il faut spécifier :
— une condition initiale :

8x 2 ; T.x; 0/ D T0 .x/ (6.18)

— une condition aux limites sur le bord du domaine, par exemple :

— de Dirichlet :

8x 2 @; T.x; t / D 0 (6.19)

— de Neumann :
@T.x; t /
8x 2 @; D n.x/
rT.x; t / D 0 (6.20)
@n
où n.x/ est le vecteur normal unitaire au point x.
L’équation de la chaleur, introduite initialement pour décrire la conduction thermique, permet de
décrire le phénomène de diffusion. La diffusion est un phénomène de transport irréversible qui se
traduit à terme par une homogénéisation de la grandeur considérée (par exemple la température
dans un domaine, la concentration en produits chimiques dans une solution...). D’un point de vue
phénoménologique, et au premier ordre, ce phénomène est régi par une loi de Fick (par exemple
sorption d’eau dans les matériaux composites, diffusion d’actifs au travers de la peau). Dans
l’équation précédente, T représente alors la répartition de la grandeur considérée (eau dans un
composite, concentration d’un constituant chimique...) et le terme source dans  est souvent nul
(i.e. f D 0).
Histoire

À propos de l’effet régularisant de la chaleur :

L’équation de la chaleur a un « effet régularisant » : quelque soit la distribution initiale de la
température pour un problème donné, même discontinue, on aboutit rapidement à une distribution
continue et même lisse de la température.
En 1956, Louis Nirenberg propose un nouveau problème
à John Nash (qui est, selon Warren Ambrose, « aussi pressé
que X, aussi exaspérant que Y, quels que soient X et Y ») : la
continuité des solutions de l’équation de la chaleur dans les
milieux discontinus, i.e. lorsque le coefficient de conductivité
est quelconque, et peut même varier brutalement d’un point à
l’autre et que l’on ne dispose seulement que des bornes infé- Nirenberg Nash De Giorgi
rieure et supérieure sur la conductivité.
John Nash résout le problème, notamment à l’aide du concept d’entropie de Boltzmann, mais
n’obtiendra pas le triomphe escompté, le problème ayant été résolu, en même temps, mais par une
autre méthode, par l’italien De Giorgi, qui lui deviendra célèbre.
Mais John Nash est célèbre pour bien d’autres travaux... dont l’un d’eux lui a valu le prix Nobel
d’économie en 1994. On pourra regarder le film « un homme d’exception » (A Beautiful Mind) de

II PROBLÈME CONTINU 6.4 Phénomènes de propagation et de diffusion 82

 Ron Howard en 2001 sur John Nash.

6.5 Mécanique des fluides

La mécanique des fluides est l’une des deux composantes de la mécanique des milieux continus ;
l’autre composante étant la mécanique des solides qui sera traitée un peu plus loin.

6.5.1 Équation de Navier-Stokes

Les équations de Navier-Stokes sont des équations aux dérivées partielles non linéaires qui décrivent
le mouvement des fluides newtoniens (visqueux) dans l’approximation des milieux continus.
Elles modélisent par exemple les mouvements de l’air de l’atmosphère, les courants océaniques,
l’écoulement de l’eau dans un tuyau, et de nombreux autres phénomènes d’écoulement de fluides.
Nous considérons l’équation de Navier-Stokes sous la forme :
 
uP C .u
r/u u C [Link] u/ D f rp (6.21)
3
où :
— u est la vitesse du fluide ;
— p est la pression dans le fluide ;
—  est la masse volumique du fluide ;
—  est la viscosité dynamique en cisaillement du fluide ;
—  est la viscosité dynamique en compression du fluide ;
— f est une force massique s’exerçant dans le fluide (par exemple : pesanteur).
Si de plus le fluide est incompressible (bonne approximation pour les liquides), alors div u D 0
et l’équation se simplifie :

uP C .u
r/u u D f rp (6.22)

Histoire

Des 23 problèmes de Hilbert énoncés en 1900, la moitié est aujourd’hui complètement résolue, l’un
a été démontré indécidable, cinq ne le sont pas du tout, les autres étant partiellement traités.
Des sept problèmes de l’institut Clay
(ou problèmes du prix du millénaire, do-
tés chacun d’un million de dollars améri-
cains) énoncés en 2000, seule la conjecture
de Poincaré a été démontrée en 2003 par
Grigori Perelman (qui a refusé le prix, ainsi
que la médaille Field. D’ailleurs il n’a pas Navier Stokes Perelman Ricci
publié son travail dans un journal, mais l’a
rendu publique et gratuit sur internet...). Notons au passage que Grigori Perelman est analyste, i.e.
un spécialiste des équations aux dérivées partielles, un sujet que beaucoup de topologues avaient
l’habitude de regarder de loin. Ils ont changé d’avis depuis !

83 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 Pour information, la preuve de Perelman suit le programme
de Hamilton, qui le premier a pensé à utiliser le flot de Ricci pour
s’attaquer à ce problème. Deux mots en aparté sur le flot de Ricci
dont on entend beaucoup parler en ce moment...
Regardons se qui se passe dans le plan. On part d’une courbe
(au centre de l’image ci-contre) qui est « biscornue » et peut même
comporter des boucles. Si on la modifie de sorte que chacun de
ses points est bougé proportionnellement à sa courbure, alors on
obtient une seconde courbe, un peu plus lisse... et en itérant le
procédé, on finit par retomber sur un cercle (i.e. sur une sphère en
dimension 2), et donc on « voit » que la conjecture de Poincaré est vraie. En d’autres termes, le flot
de Ricci permet d’homogénéiser la courbure de la courbe (de la variété dans le cas général).
Le problème des équations de Navier-Stokes figure parmi ces sept problèmes, c’est dire si
le problème n’est pas simple. Et c’est, des sept problèmes du millénaire, le seul qui soit en lien
direct avec la physique (en lien très direct...). De plus, l’Institut Clay n’a pas fixé comme objectif la
démonstration de l’existence de solutions pour les équations de Navier-Stokes et la démonstration que
les solutions, si elles existent, sont uniques. Il a « simplement » proposé de récompenser des « progrès
essentiels » sur le sujet. Pourtant des calculs en mécaniques des fluides sont effectués chaque jour,
par exemple au sein de bureaux d’études pour dimensionner des voitures en aérodynamique.
On n’a pas pu prouver, pour ces équations, qu’il existe en toutes circonstances une solution
parfaitement déterminée par les conditions initiales. Pour expliquer sommairement où réside la
difficulté avec ces équations, on pourrait dire qu’avec les équations de Navier-Stokes, on passe du
discret au continu.
Le problème c’est que l’on n’est pas sûr que ce qui est calculé est réellement une solution
approchée et si le résultat est fidèle à la réalité : nous nous trouvons dans un cas où l’existence
et l’unicité des solutions n’est pas facile à prouver. S’il existe des cas où des solutions régulières
sont parfaitement déterminées à partir des conditions aux limites, cela n’est pas vrai en toutes
circonstances et pour tous temps (on ne sait pas si une solution régulière ne peut pas devenir
turbulente près un temps suffisamment long par exemple).
La non linéarité de ces équations joue
des tours conduisant à des solutions qui
peuvent par exemple ne pas se superposer
sans s’influencer (alors que ce n’est pas le
cas avec les équations linéaires). La visco-
sité n’est pas exempte de problème non plus,
puisqu’elle conduit aux turbulences (que Boltzmann Villani Desvillettes Toscani
l’on pourrait qualifier de problème de pas-
sage d’échelle). D’ailleurs une description à un niveau intermédiaire entre une description atomiste
(microscopique) et une description continue (macroscopique) a été faite par Boltzmann (niveau
mésoscopique, description statistique), mais nous ne la présenterons pas ici. Les travaux de Cédric
Villani (médaillé Fields 2010) ont répondu en grande partie au problème de la théorie cinétique
(qui décrit un système constitué d’un très grand nombre de particules en interaction). Il a également
prouvé des formes quantifiées du second principe de la thermodynamique : Boltzmann avait prouvé
la croissance de l’entropie, et Cédric Villani en collaboration avec Laurent Desvillettes et Giuseppe
Toscani a permis de quantifier la production d’entropie et le retour à l’équilibre. Ses travaux sur
l’effet Landau (phénomène de relaxation non collisionnelle) ont des répercussions théoriques et
pratiques, par exemple dans les modèles de mécanique classique en astrophysique.
La description faible du problème, qui sera présentée dans un autre chapitre, comporte elle-aussi
ses problèmes car on n’est pas sûr de la convergence vers la solution forte.
Bien que des résultats d’existences et d’unicité existent, aucun ne permet soit de conclure à
l’existence de solutions régulières pour tout temps, soit à l’apparition de singularité... On retrouve
ici la notion de chaos, déterministe ou non, que nous n’aborderons pas dans ce document, mais pour
lequel il est aisé de trouver de la documentation. Signalons quand même qu’il est identique de parler
de dynamique non linéaire ou de théorie du chaos. On pourra donc se servir de ces deux points
d’entrée pour toute recherche sur le sujet.
J’ajoute une dernière remarque prise dans le chapitre VIII «La géométrie des turbulences»
de l’ouvrage Les objets fractals de Benoît Mandelbrot : «P.-S. 1989. J’ai précisé ces idées dans
Mandelbrot 1976c [i.e. Géométrie fractale de la turbulence. Dimension de Hausdorff, dispersion

II PROBLÈME CONTINU 6.5 Mécanique des fluides 84

 et nature des singularités du mouvement des fluides. Comptes Rendus (Paris) : 282A, 119-120],
en émettant les conjectures que les singularités des équations de Navier-Stokes et d’Euler sont des
fractales. Ces conjectures paraissent être en bonne voie de se confirmer, au delà même de ce qui est
dit au chapitre 11 de Fractal Geometry of Nature.»

6.5.2 Équation de Stokes

Il s’agit d’un cas particulier de l’équation de Navier-Stokes (termes inertiels absents ou négligés).
Lorsqu’un fluide visqueux s’écoule lentement en un lieu étroit ou autour d’un petit objet, les effets
visqueux dominent sur les effets inertiels. Son écoulement est alors appelé écoulement de Stokes.
On parle aussi d’écoulement à faible nombre de Reynolds (le nombre de Reynolds mesure le poids
relatif des termes visqueux et inertiel dans l’équation de Navier-Stokes). Ce nombre de Reynolds
est alors beaucoup plus petit que 1.
L’équation de Stokes, qui décrit l’écoulement d’un fluide newtonien incompressible en régime
permanent et à faible nombre de Reynolds, s’écrit dans  :

u C rp D f (6.23)

On rappelle que si de plus le fluide est incompressible, alors on a également div u D 0 dans .
Contrairement à l’équation de Navier-Stokes, l’équation de Stokes est linéaire. Les écoulements
solutions de cette équation possèdent par conséquent des propriétés bien particulières :
unicité : pour des conditions aux limites données (valeur de la vitesse au niveau des parois et/ou à
l’infini), il existe un et un seul écoulement vérifiant l’équation de Stokes ;
additivité : les solutions de l’équation de Stokes vérifient le principe de superposition : si u1 et u2
sont solutions, alors toute combinaison linéaire 1 u1 C 2 u2 le sera aussi (ceci n’est pas
incompatible avec la propriété d’unicité : seul l’écoulement vérifiant les bonnes conditions
aux limites sera observé) ;
réversibilité : si un champ de vitesse u est solution de l’équation, alors u l’est aussi, à condition
de changer le signe des gradients de pression, ainsi que des vitesses aux parois et à l’infini ;
cette propriété est contraire à l’intuition, fondée sur notre expérience des écoulements
macroscopiques : la réversibilité des écoulements à bas nombre de Reynolds a ainsi poussé
les êtres vivants de très petite taille à développer des moyens de propulsion originaux.
paradoxe de Stokes : il faut prendre garde au fait que les solutions mathématiques de l’équation
de Stokes, dans un cas donné ou dans certaines régions du domaine de solution, peuvent
être physiquement fausses. Ceci est dû au « paradoxe de Stokes » à savoir que les conditions
physiques permettant de ramener l’équation de Navier-Stokes à l’équation de Stokes ne sont
pas nécessairement réalisées dans tout le domaine de solution, à priori. On aboutit alors à
des solutions présentant des comportements potentiellement aberrants dans certaines limites.
C’est le cas par exemple « à l’infini » où souvent le terme inertiel finit par l’emporter sur le
terme visqueux, sans qu’on puisse le préjuger à priori.

6.5.3 Équation d’Euler

L’équation d’Euler établie en 1755 en appliquant le principe fondamental de la dynamique à une
particule fluide (i.e. sous forme locale), s’applique dans le cas d’un fluide parfait, i.e. un fluide non
visqueux et sans conductivité thermique. Le fluide peut être incompressible ou compressible (à
condition, dans ce dernier cas, de se placer dans l’hypothèse de vitesses faibles). Il s’agit d’un cas
particulier de l’équation de Navier-Stokes.
Toujours avec les mêmes notations, elle s’écrit dans   RC :

uP C rp D f (6.24)

85 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 Et, si de plus le fluide est incompressible, alors on a également div u D 0 dans . Dans le cas où
la description du problème est une description eulérienne (i.e. le champ de vitesse est associé à
chaque point et est considéré de manière instantanée), on peut alors écrire :
 
1
f rp D uP D  .uP C .u
r/u/ D  uP C ru2 C .r ^ u/ ^ u (6.25)
2

Bien que ces équations correspondent à une simplification de l’équation de Navier-Stokes, elles
n’en sont pas plus stables... bien au contraire.

6.6 Équations de la mécanique des milieux continus des solides

La mécanique des milieux continus traite aussi bien de la déformation des solides que de l’écoule-
ment des fluides. Ce dernier point a déjà été abordé auparavant aux paragraphes sur les équation de
Navier-Stokes et de Stokes. Intéressons-nous maintenant au cas de la déformation des solides.

6.6.1 Notions générales conduisant aux équations de la mécanique

Comme ce document est initialement prévu pour un public d’ingénieurs mécaniciens, c’est dans
cette section que se trouve du « matériel » qui aurait pu être présenté avant. Il va nous permettre
de montrer que les équations de la mécanique comme celles de la chaleur, de Faraday, d’Ohm...
viennent toutes d’une équation d’équilibre (ou de conservation) et d’une équation de flux (ou loi de
comportement). Il est donné à titre de culture général.

Équation aux dérivées partielles elliptique linéaire

Si l’on considère le cas scalaire, i.e. celui d’une fonction inconnue u définie sur un domaine
ouvert   R2 , une équations aux dérivées partielles elliptique linéaire se met sous la forme :

a.x; y/uxx .x; y/Cb.x; y/uyy .x; y/Cc.x; y/ux .x; y/Cd.x; y/uy .x; y/Ceu.x; y/ D f .x; y/
(6.26)

avec a.x; y/b.x; y/ > 0.

Dans le cas où la fonction u est définie sur   Rn , une équation aux dérivées partielles
elliptique linéaire est définie par :

Lu.x/ D f .x/; 8x 2  (6.27)

où l’opérateur différentiel L est défini par :

n
X n
X
Lu D aij .x/uxi xj .x/ C bi .x/uxi .x/ C c.x/u.x/ (6.28)
i D1;j D1 i D1

avec les valeurs propres de la matrice A D aij qui sont toutes non nulles et de même signe. On
rappelle que le matrice A peut toujours être choisie symétrique du fait de la symétrie uxi xj D uxj xi
et donc que les valeurs sont réelles.
D’ailleurs, en dimension finie, le fait que toutes les valeurs propres sont strictement positives
est équivalent au fait que la matrice A est définie positive.

II PROBLÈME CONTINU 6.6 Équations de la mécanique des milieux continus des solides 86
 Flux conservatif

Les équations aux dérivées partielles elliptiques conduisent à la notion physique de flux conservatif
donné par un gradient. Considérons le cas scalaire. On associe à la fonction u.x/ un flux q.x/ qui
est nul vers l’extérieur :
Z
q.x/
nx ds D 0; 8 volume !   (6.29)
ı!
R
En utilisant la formule de divergence-flux, il vient : ! divx q.x/dx D 0, et en supposant la
fonction q.x/ suffisamment régulière on en déduit divx q.x/ D 0, 8x 2 .
En supposant que ce flux est une fonction linéaire du gradient ru, et qu’il est orienté dans
la direction opposée (physiquement, les flux se font souvent de façon opposée au gradient d’une
grandeur), on écrit q.x/ D a.x/ru et on obtient une loi de conservation à l’équilibre du type :

div.a.x/ru.x// D 0 (6.30)

Pour a.x/  1, on retrouve la plus simple des équations elliptiques, l’équation de Laplace :

div ru.x/ D u.x/ D 0 (6.31)

Équilibre des lois de conservation en comportement linéaire

Le raisonnement précédent peut être mené en considérant les lois de conservations dans les milieux
continus. Les ingrédients principaux qui vont nous conduire à une grande famille d’équations
elliptiques sont les suivants :
— Conservation d’une grandeur ;
— Milieu immobile et régime stationnaire ;
— Loi de comportement linéaire entre le flux de cette grandeur et le gradient.
Les deux premières notions sont souvent associées à l’équilibre d’un système.

Lois de conservation Soit   Rn , n D 1; 2 ou 3. Pour tout sous-domaine !.t /  , on définit,

d’une manière générale, une grandeur U.t / à partir de sa densité spécifique u.x; t / à l’aide de la
masse volumique du milieu  par :
Z
U.t/ D .x; t /u.x; t /dx (6.32)
!.t /

On suppose queRla variation de cette grandeur U.t / ne peut se faire

R que par un apport extérieur
volumique noté !.t / 'udv et/ou un apport extérieur surfacique @!.t / JU ds.
Le Lemme de Cauchy affirme alors l’existence d’un tenseur jU tel que JU D jU
n et que l’on
a la loi de conservation locale :

@
.u/ C div.uv/ D 'u div jU (6.33)
@t

Cette équation de conservation local peut, en utilisant la conservation de la masse, se mettre sous la
forme :

Du
 D 'u div jU (6.34)
Dt

87 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 Hypothèse de milieu immobile et de régime stationnaire Si le milieu est immobile, la vitesse
eulérienne (particulaire), v.x; t / est nulle et donc la dérivée particulaire se réduit à :

Du @u @u
 D C ru.x; t /
v.x; t / D  (6.35)
Dt @t @t

L’équation de conservation précédente devient alors :

@u
 D 'u div jU (6.36)
@t

@u
Si de plus, on est en régime stationnaire, i.e.  D 0, alors :
@t

'u div jU D 0 (6.37)

Hypothèse de loi de comportement linéaire On va maintenant introduire dans l’équation précé-

dente la loi de comportement du milieu. Le choix le plus simple est celui liant de manière linéaire
le flux et le gradient :

jU .x; t / D A.x; t /ru.x; t / (6.38)

En reportant cette loi dans l’équation de conservation, il vient div A.x; t /ru.x; t / D 'u, soit :

Au C rAru D 'u (6.39)

Cette équation est de type elliptique dès que l’opérateur A.x/ possède de bonnes propriétés de
positivité.

Équilibre général

Pour résumer, les modèles elliptiques se mettent sous la forme :

— Équation de flux (ou loi de comportement dans le cas vectoriel) :

j D A.x/ru (6.40)

— Équation d’équilibre ou de conservation :

div j D f c.x/u (6.41)

où :
— la fonction scalaire inconnue u W  2 Rn ! R est appelée un potentiel ;
— la fonction vectorielle inconnue j W  2 Rn ! Rn est appelée un flux ;
— la fonction scalaire connue f W  2 Rn ! R correspond au termes sources du potentiel ;
— les fonctions scalaires connues A.x/ et c.x/ sont les données du problème.
Dans le cas vectoriel :
— u devient une fonction vectorielle  2 Rn ! Rn ;
— j un tenseur d’ordre 2 ;
— A.x/ un tenseur d’ordre 4 ;
— et c.x/ une fonction vectorielle.

II PROBLÈME CONTINU 6.6 Équations de la mécanique des milieux continus des solides 88
 Retour sur les exemples précédents
Si u ! T est la température, j ! q le flux de chaleur, f la source de chaleur, A.x/ ! .x/
la conductivité du matériaux et c.x/  0, on retrouve l’équation de la chaleur.
Si u ! V est le potentiel électrostatique, ru ! E le champ électrostatique, j ! D le
déplacement électrique ou flux de densité de courant, f !  la densité de charge, A.x/ ! .x/
le tenseur diélectrique et c.x/  0, on retrouve la loi de Faraday.
Si u ! V est le potentiel électrique, ru ! E le champ électrique, j ! J la densité de
courant, f  0, A.x/ !  .x/ le tenseur de conductivité et c.x/  0, on retrouve la loi d’Ohm.
Si u ! C est la concentration, j le flux molaire, f !  le taux d’absorption ou le taux
de réaction, A.x/ ! D.x/ la constante de diffusion et c.x/ la coefficient de réaction, alors on
retrouve le cas de la diffusion moléculaire.
Si u est le déplacement orthogonal, ru ! " la déformation, j !  la contrainte dans le
plan, f la force volumique extérieure, A.x/ ! H.x/ le tenseur des rigidités et c.x/ D 0, on se
retrouve dans le cas de l’élasticité plane (n D 2) linéaire.

6.6.2 Formulation générale

En repartant du second principe de la dynamique, et en introduisant un terme de dissipation
visqueuse, on écrira le problème général sous la forme :

div  C f D uR C uP dans  équation de la dynamique
(6.42)
 D H." " t h / dans  loi de comportement
où f est une force de volume,  la masse volumique,  est un facteur traduisant l’amortissement
visqueux, " t h est la déformation d’origine thermique et H traduit la relation de Hooke, i.e. la loi de
comportement. Les inconnues sont donc les déplacements u, les déformations " et les contraintes  .
Nous allons maintenant faire quelques remarques concernant ces équations, notamment des
simplifications correspondant à certains cas courant d’étude.

6.6.3 Dynamique / statique

La formulation générale est celle de la dynamique avec amortissement.
Une structure est sans amortissement si  D 0.
Le problème est statique s’il ne dépend pas du temps, i.e. s’il n’y a plus les termes uR et u.
P

6.6.4 Grands / petits déplacements

La relation entre déformation et déplacement est donnée par :
 
1 1 @ui @uj @uk @uk
ru C .ru/T soit pour chaque composante : "ij D


"D C C
2 2 @xj @xi @xi @xj
(6.43)
Dans le cas des petits déplacements (termes d’ordre 2 négligés), elle devient :
 
1 @ui @uj 1
"ij D C que l’on note "ij D .ui;j C uj;i / (6.44)
2 @xj @xi 2
Dans le cas de grandes déformations, on décompose les différentes grandeurs en deux parties :
l’une symétrique, l’autre antisymétrique. On ne parle plus de contraintes de Cauchy (qui est
l’application linéaire reliant le vecteur contrainte à la normale unitaire au point considéré), mais de
contraintes nominales et de contraintes de Piola-Kirchhoff de seconde espèce (plus de contrainte
corotationnelle pour les poutres ou les coques). Pour les déformations, on remarque qu’elles
sont le produit d’une rotation pure par une déformation pure... Ces tenseurs sont présentés au
paragraphe 19.1.1, quant aux grandes déformation, elles sont exposées au paragraphe 19.2.

89 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 6.6.5 Loi de comportement
La loi de comportement, reliant contrainte et déformation, peut être relativement compliquée selon
les cas, et varie en fonction du niveau de chargement. On se reportera alors au paragraphe 19.3. Si
elle est linéaire, on parle alors d’élasticité linéaire. La figure 6.1 présente quelques lois types de
comportement pour différents matériaux.
σ
métal dur et fragile
céramique instabilité plastique

limite élastique

métal mou et ductile

composite

polymère

ε
F IGURE 6.1: Quelques lois types de comportement pour différents matériaux.

Dans le cas de matériaux isotropes (i.e. possédant les mêmes propriétés matérielles quelque
soit l’orientation), les relations constitutives s’écrivent à l’aide des coefficients de Lamé  et  :

 D 2" C  tr."/I (6.45)

i.e. ij D 2"ij C "kk ıij . On rappelle également que :

E E
D et D (6.46)
.1 2/.1 C / 2.1 C /
avec E le module d’Young et  le coefficient de Poisson, que l’on exprime, inversement :
.3 C 2/ 
ED et D (6.47)
C 2. C /
Pour assurer que la matrice H est définie positive, il faut que 0 <  < 0; 5.
Le cas  D 0; 5 correspond au cas d’un matériau incompressible, comme par exemple le
caoutchouc. Nous verrons que selon les formulations il est plus ou moins aisé de prendre en compte
ces matériaux. De plus, la littérature ne manque pas sur le sujet.
La signification physique du coefficent de Poisson est
simple : 2 traduit le pourcentage de déformation dans
le sens transverse à l’effort. En restant dans le cas plan,
quand on fait subir à une pièce un effort de compression
telle qu’elle subit une déformation (de compression) de
1, alors elle s’élargit de 2 dans la direction transverse
(a) Matériau compres- (b) Matériau incom-
sible pressible ( de chaque côté par symétrie).
Ainsi, il devient évident qu’un matériau incompres-
F IGURE 6.2: Déformation et coefficient sible est caractérisé par 2 D 1, i.e. lorsqu’il perd un
de Poisson volume 1 selon une direction, il reprend un volume 1 dans
la direction transverse : en d’autres termes, il ne varie
pas de volume, il est donc incompressible [ce qui ne veut pas dire « incomprimable » !].
Attention, cette signification physique du coefficient de Poisson n’est exacte que dans le cas de
matériaux non seulement isotropes mais pleins. Pour un assemblage de matériaux ou de géométries,
cette relation est mise en défaut, tout comme pour des matériaux orthotropes.

II PROBLÈME CONTINU 6.6 Équations de la mécanique des milieux continus des solides 90
 Si l’on considère un matériau constitué d’alvéoles (de
type hexagonal), mais dont les pointes sont rentrantes et
non sortantes (figure 6.3), alors le coefficient de Poisson
macroscopique de ce matériau est négatif : quand on le
comprime, il ne gonfle pas mais rétrécit.
On parle alors d’un matériau auxétique.
Matériau conventionnel Matériau auxétique
On voit bien que dans un tel cas, la différence de
comportement n’est due qu’à l’effet structurel, qu’à l’as- F IGURE 6.3: Matériau auxétique
semblage. Le matériau constituant les alvéoles lui, peut
(et est) tout à fait conventionnel : on trouve ce genre de
structures en carton, en aluminium et en acier, qui sont tous des matériaux homogènes isotropes.
Par exemple, la rigidité globale d’un assem-
Fibres
blage de couches de composites renforcés de fibres,
comme montré à la figure 6.4 peut conduire, selon
les orientations des plis, à des valeurs du coeffi-
cient de Poisson très variables, d’autant plus que
celles-ci sont fonctions du repère dans lequel elles
Plis
sont données (repère global, repère des fibres...)
Couche
Un stratifié unidirectionnel T300 fibre de car-
bone/résine époxyde 934 a un coefficient de Pois-
F IGURE 6.4: Matériau composite
son de seulement 12 D 0; 04.
Un stratifié unidirectionnel T300 fibre de car-
bone/résine N5208 a un coefficient de Poisson de 12 D 0; 3 dans le sens des fibres, mais de
12 D 0; 77 à 45˚.
En utilisant du verre (E D 69 GPa,  D 0; 25) et de la résine époxyde (E D 3; 5 GPa,  D 0; 4),
on peut réaliser un stratifié unidirectionnel verre-époxyde ayant pour propriétés El l D 45 GPa,
E t t D 12 GPa, Glt D 4; 5 GPa, lt D 0; 3 pour une fraction volumique de verre de 60%, et un
stratifié [0/90] ayant pour propriétés Ex D Ey D 20 GPa, Gxy D 2:85 GPa et xy D 0:13 pour
une fraction volumique de verre de 50%.
Notons également que si  ¤ 0 et 3 C 2 ¤ 0, alors on peut inverser la relation contrainte/dé-
placement :
 
1 
"ij D ij tr. /ıij (6.48)
2 3 C 2

Nous reviendrons plus tard sur ces aspects non linéaires au chapitre 19.

6.7 Équations de l’acoustique

L’acoustique, de manière la plus générale, a pour objet l’étude des sons et des ondes mécaniques.
Elle fait appel aux phénomènes ondulatoires et à la mécanique vibratoire.
C’est là tout « le problème » de la vibro-acoustique : elle met en jeu des échelles d’énergies très
différentes. Considérons l’étude vibro-acoustique d’un véhicule. Alors, on doit aussi bien prendre
en compte les effets mécaniques ayant une forte énergie (la rotation du moteur fait bouger tout le
véhicule), que des effets ayant une énergie comparativement très faible : la composante aérienne du
bruit. Dans le premier cas, vous êtes face à quelque chose capable de faire « sauter » une voiture sur
place, alors que dans le second vous êtes face au déplacement d’une feuille de papier lorsque vous
criez devant elle !
Il est clair qu’il sera nécessaire d’étudier chaque aspect :
— solidien/solidien : il s’agit d’une étude mécanique « classique », bien que l’on se trouve
dans le cas d’une sollicitation qui dépend du temps. Celle-ci est d’ailleurs généralement

91 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 périodique, d’où l’utilisation d’outils appropriés (en fréquence). On est dans le cas de
propagation solidienne d’onde ;
— aérien/aérien : il s’agit de la propagation d’une onde acoustique de sa source jusqu’au
récepteur. On est en présence d’un modèle purement de propagation d’onde ;
— solidien/aérien : il s’agit du cas du rayonnement. Une vibration mécanique fait vibrer un
élément qui se met à émettre une onde dans l’air ;
— aérien/solidien : dans le cas de sources acoustiques très puissantes, l’onde acoustique se
propageant dans l’air peut arriver à déformer et à faire vibrer une surface physique (par
exemple un tablier de voiture).
Les deux derniers cas sont typiquement des cas dits de couplage fluide/structure.
D’un point de vue de la formulation de ce problème sous forme d’équation aux dérivées
partielles, tout à été dit précédemment. Nous verrons plus loin, aux chapitres 17 et surtout 18,
comment prendre en compte tous ces aspects de manière plus appliquée.

6.8 Multiplicateurs de Lagrange

Les multiplicateurs de Lagrange ont une grande utilité, car leurs applications sont vraiment très
larges. Pour rester très général, on va dire qu’ils permettent de « faire des liens » entre des grandeurs.
Nous allons expliquer cela sur quelques exemples.
Si l’on reprend les équations de l’élasticité, on peut les réécrire en fonction uniquement des
déplacements. L’avantage est que l’on dispose qu’un problème qui ne dépend que d’un unique
champ inconnu, pour lequel les conditions aux limites correspondent à des choses très physiques :
les déplacements imposés (appui simple, encastrement, contact).
Lorsque l’on résout un problème avec uniquement le champ de déplacements, alors évidemment,
on obtient le champ de déplacements, mais uniquement lui ! Alors comment remonter aux autres
grandeurs ? En utilisant les relations existantes... mais : entre déplacement et déformation, on a
une dérivation, qui peut faire perdre en qualité d’approximation, d’autant plus lorsque l’on néglige
les termes du second ordre. Ensuite on se sert des relations entre déformation et contraintes, mais
encore faut-il être capable de mesurer ces grandeurs... et même si l’on sait le faire, que se passe-t-il
à l’interface entre deux matériaux distincts, comme par exemple entre l’une des peaux et l’âme
d’un matériau sandwich ? (sur le sujet, abordé en plusieurs fois dans ce document, voir synthèse au
paragraphe 12.3)
Le cas du calcul des contraintes à l’interface entre deux matériaux est un exemple typique
d’application des multiplicateurs de Lagrange. Si l’on considère chacun des deux matériaux comme
indépendant, alors au sein de chaque matériau, les relations fonctionnent. Si l’on impose maintenant
la continuité des déplacements à l’interface entre les deux matériaux (en écrivant que  (qui
représente les multiplicateurs de Lagrange) multiplié par la différence entre les déplacements de
part et d’autre de l’interface est nul : analogie immédiate avec les résidus pondérés – voir chapitre
suivant), alors on s’aperçoit (ce sera détaillé dans le chapitre sur les formulations variationnelles)
que les multiplicateurs de Lagrange s’interprètent comme les composantes des contraintes qui
doivent être continues à l’interface (on parle de trace... comme défini au chapitre sur les espaces de
Sobolev).
Si maintenant l’un des domaines est l’air et l’autre la structure considérée, alors on se doute
que les multiplicateurs de Lagrange peuvent servir à « faire le lien » entre ces deux domaines, à
les coupler en écrivant une équation liant la pression dans le fluide aux efforts de surface sur la
structure par exemple... On voit comment on peut résoudre les problèmes évoqués dans le court
paragraphe sur l’acoustique.
Mais les multiplicateurs de Lagrange peuvent également être utilisés directement afin d’amélio-
rer les méthodes numériques : ils permettent par exemple de « passer » les informations entre des
maillages incompatibles, permettant par exemple de circonscrire une zone de maillage raffiné (avec
raffinement automatique en plus si l’on veut) et une zone de maillage plus léger...

II PROBLÈME CONTINU 6.8 Multiplicateurs de Lagrange 92

 Une illustration de leur utilisation pour imposer des conditions aux limites en déplacement est
donnée en 12.6.
Les multiplicateurs de Lagrange peuvent être introduits partout où l’on veut créer un lien entre
des grandeurs, et cela sans se soucier de leur signification physique. Toutefois, dans de nombreux
cas, il se trouve que ces multiplicateurs représentent certaines grandeurs, permettant une analogie
entre différentes formulation d’un même problème.

93 6. Problèmes physiques : équations différentielles et aux dérivées partielles PROBLÈME CONTINU II

 Chapitre 7

Formulations faible et variationnelle

Résumé — Un problème physique est généralement décrit par la donnée d’équations

différentielles ou plus certainement aux dérivées partielles. Une telle formulation est
appelée formulation forte du problème.
Nous allons voir qu’il est possible d’exprimer ces équations différentielles ou équa-
tions aux dérivées partielles d’une manière « moins contraignante » pour les solutions
recherchées. Une telle formulation sera qualifiée de formulation faible, et ses solutions
appelées solutions faibles.
Évidemment, une solution forte du problème d’origine est également solution de la
formulation faible.

7.1 Principe des formulations faible et variationnelle

Quand on cherche la solution d’une équation aux dérivées partielles, on peut être confronté aux
problèmes suivants :
— La solution ou les coefficients de l’équation aux dérivées partielles linéaires peuvent ne pas
être assez réguliers pour donner un sens classique à l’équation ;
— La solution peut être régulière mais l’espace de régularité en question n’a pas les bonnes
propriétés pour obtenir directement l’existence de la solution dans cet espace.
On va donc essayer de donner un sens plus faible à la notion de solution, sans perdre de vue si
possible les notions les plus naturelles. Donner un sens faible à une équation aux dérivées partielles
signifie :
1. Chercher une solution dans un espace de régularité plus faible que souhaité ;
2. Établir, en général à l’aide de fonction tests et d’intégrations par parties « formelles », une
série d’équations que doit vérifier cette solution. Cette série d’équations doit être construite
(si possible) de telle sorte que les éventuelles solutions régulières soient aussi solutions
faibles et, a contrario, que des solutions faibles qui seraient régulières soient aussi solutions
classiques du problème initial.
Les difficultés d’une telle approche sont nombreuses :
— Le choix de l’espace fonctionnel dans lequel on va chercher la solution est crucial, pas
toujours unique et parfois non trivial.
— Si l’on affaiblit trop la notion de solution, il sera a priori plus facile de démontrer l’existence
mais les propriétés d’unicité seront plus difficiles à obtenir.
— Si l’on n’affaiblit pas suffisamment l’équation, l’existence sera ardue à prouver mais l’unicité
sera plus simple.
Il s’agit donc de trouver un juste équilibre...
Dans le cas des équations elliptiques, celles-ci ont pour propriété, en général, de mettre en jeu
des dérivées d’ordre pair de la solution dans le terme principal de l’équation. L’idée première pour
résoudre ces problèmes aussi bien d’un point de vue théorique que numérique va être de multiplier

95 7. Formulations faible et variationnelle PROBLÈME CONTINU II

 formellement l’équation par une fonction test régulière, puis d’intégrer sur le domaine et enfin
d’intégrer par parties un nombre suffisant de fois pour faire porter autant de dérivées sur la solution
que sur les fonctions tests. On pourra ainsi envisager d’utiliser le même espace fonctionnel pour la
solution et les fonctions tests.

Définition 54 — Formulations forte et faible. Étant donné un opérateur différentiel A.
/ et

une fonction f définie sur un domaine ouvert , la formulation forte du problème est la suivante :

Trouver la fonction u; définie sur ; vérifiant A.u/ D f en tout point de : (7.1)

Une solution u du problème précédent est alors également solution du problème suivant
appelé formulation faible (On appelle v une fonction test) :
Z Z
Trouver une fonction u; définie sur ; vérifiant A.u/v D f v 8v définie sur :
 
(7.2)

Justification. Tout réside dans le fait de « multiplier par une fonction test et d’intégrer ». Pourquoi peut-on
faire ça ?
Partons de l’équation forte :
A.u/ D f; 8x 2  (7.3)
Nous pouvons multiplier les deux membres de l’équation par une fonction v à condition que cette fonction v
ne soit pas identiquement nulle. Dans ce cas, la solution de
A.u/v D f
v; 8x 2  (7.4)
est la même 8v suffisamment sympathique. Comme cette seconde équation est vraie en tout point de ,
alors elle est encore vraie sous forme intégrale, i.e. sous forme faible, à condition que v soit suffisamment
régulière pour pouvoir être intégrée.
On entrevoit alors clairement la suite des opérations
R : si en plus d’être régulière, la fonction v est
différentiable, alors on va pouvoir réaliser sur le terme A.u/
v une intégration par parties pour diminuer
les conditions de dérivabilité portant sur u, mais en augmentant celles portant sur v.
Si l’ordre de dérivation de u est paire (disons 2k), alors on pourra faire en sorte par un nombre
suffisant de manipulations que u et v aient à être différentiables à l’ordre k... et on pourra essayer de faire
en sorte que u et v appartiennent au même espace fonctionnel...

Remarque. Petit aparté sur d’autres manières de présenter « la chose » : en mécanique, on parle également
du « principe du travail virtuel » (ou des puissances virtuelles), de « minimisation de l’énergie potentielle »,
ou encore de « méthode des résidus pondérés », Toutes ces méthodes sont « équivalentes » à celle exposée
ici, mais souvent leur démonstration se fait uniquement « par les mains », ce qui peut être frustrant.

Principe des puissances virtuelles Le Principe des travaux virtuels est un principe fondamental
en mécanique, qui postule un équilibre de puissance dans un mouvement virtuel. Il s’agit d’une
formulation duale du principe fondamental de la dynamique. On raisonne comme suit : si un solide
est à l’équilibre (statique du solide), la somme des efforts est nulle. Donc si l’on fait faire un
déplacement fictif (virtuel) à l’objet, la somme des puissances des forces et moments est nulle. Ce
principe constitue la base d’une démarche de modélisation pour les milieux continus (théorie du
premier gradient, théorie du second gradient). On parle parfois du principe des travaux virtuels
qui est sensiblement identique.
Histoire

L’origine de ce principe revient à Jean Bernoulli, qui énonce en 1725 le principe des vitesses
virtuelles, qui consiste à considérer la perturbation de l’équilibre d’un système mécanique par un
mouvement infinitésimal respectant les conditions de liaison du système, un mouvement virtuel, et
d’en déduire une égalité de puissance.

II PROBLÈME CONTINU 7.1 Principe des formulations faible et variationnelle 96

 Ce principe a été par la suite généralisé par D’Alembert
et Lagrange en ce qui est connu actuellement sous le nom
de principe de D’Alembert (1743).
Le principe des puissances virtuelles est une synthèse de
ces principes, ancrée dans un cadre beaucoup plus rigoureux
et mathématique (on parle alors de « dualisation » et non
plus de « perturbation » de l’équilibre ou du mouvement par J. Bernoulli D’Alembert Lagrange
un mouvement infinitésimal).

Minimisation de l’énergie potentielle L’énergie potentielle d’un système physique est l’énergie
liée à une interaction, qui a le « potentiel » de se transformer en énergie cinétique.
Cette énergie est une fonction de ce système, dépendant des coordonnées d’espace, et éventuel-
lement du temps, ayant la dimension d’une énergie et qui est associée à une force dite conservative
dont l’expression s’en déduit par dérivation (ce qui veut dire au passage que dans les cas où
toutes les forces ne sont pas conservatives, par exemple s’il y a du frottement, alors la méthode ne
fonctionne pas et doit être « adaptée »). La différence entre les énergies potentielles associées à
deux points de l’espace est égale à l’opposé du travail de la force concernée pour aller d’un point
à l’autre, et ce quel que soit le chemin utilisé.

Méthode des résidus pondérés Si l’on considère l’équation A.u/ D f; 8x 2  sur , on ap-
pelle résidu des équations d’équilibre la quantité R.x/ D A.u/ f . Aux bords, on a les conditions
B.u/ D h; 8x 2 € D @, et on appelle résidu des équations de bords la quantité R.x/ D B.u/ h.
En écrivant le problème dans  et sur son contour € de manière intégrale, on retombe sur une
formulation faible.
La méthode des résidus pondérés consiste à calculer les composantes de la solution approchée
par la projection sur des couples de fonctions de projection, appelées fonctions de pondération.
Selon les fonctions de pondération on retrouve les méthodes de collocation par sous-domaine
(fonctions constante sur chaque sous-domaine), de collocation par point (fonctions non nulles en
un seul point), des fonctions splines (en ajoutant des conditions des raccordements des fonctions et
des dérivées), de Galerkine (mêmes fonctions pour les fonctions de forme et de pondération).
Selon la nature du problème (donc selon la nature de l’opérateur A), la formulation faible (7.2)
peut être transformée (par exemple par intégration par parties), ce qui permet de faire apparaître une
forme symétrique ayant la nature d’un produit scalaire (ou d’un produit hermitien dans le cas de
fonctions complexes). Les deux fonctions u et v appartiennent alors à un même espace fonctionnel.
La formulation variationnelle d’un problème régi par des équations aux dérivées partielles
correspond à une formulation faible de ces équations qui s’exprime en termes d’algèbre linéaire
dans le cadre d’un espace de Hilbert.
Il n’y a donc fondamentalement pas de différence entre formulation faible et formulation
variationnelle, sauf que cette dernière appellation est généralement réservée à des cas « qui vont
bien »... et de manière très pragmatique aux cas où la formulation faible peut être transformée en
un problème de minimisation : on dit alors qu’il existe une fonctionnelle … dont la variation ı…
correspond au problème faible, d’où le terme de formulation variationnelle (d’un point de vue
physique, la fonctionnelle représente l’énergie du système, et le lieu où sa variation est nulle
ı… D 0 l’état recherché).
Par ailleurs, d’autres contraintes sur la frontière de  peuvent (doivent) être imposées à u (et
à v). Ce sont les conditions aux limites. Les conditions aux limites types ont été présentées au
paragraphe 6.2.

97 7. Formulations faible et variationnelle PROBLÈME CONTINU II

 7.2 Théorème de représentation de Riesz-Fréchet
Le théorème le plus fondamental pour la méthode des éléments finis sera le théorème de Lax-
Milgram, toutefois, nous aurons besoin du théorème de représentation de Riesz-Fréchet pour sa
démonstration. Ce magnifique théorème fait lui-aussi partie des outils de base d’analyse fonction-
nelle.
Pour tout vecteur y d’un espace de Hilbert H, la forme linéaire qui à x associe hy; xi est
continue sur H (sa norme est égale à celle de y, d’après l’inégalité de Cauchy-Schwarz). Le
théorème de Riesz énonce la réciproque : toute forme linéaire continue sur H s’obtient de cette
façon.

7.2.1 Cas des formes linéaires

Théorème 38 — Théorème de représentation de Riesz-Fréchet. Soient H un espace de
Hilbert (réel ou complexe) muni de son produit scalaire noté h
;
i et f 2 H0 une forme linéaire
continue sur H. Alors il existe un unique y dans H tel que pour tout x de H on ait f .x/ D hy; xi.
En d’autres termes :

9Š y 2 H; 8x 2 H ; f .x/ D hy; xi (7.5)

7.2.2 Extension aux formes bilinéaires

Si a est une forme bilinéaire continue sur un espace de Hilbert réel H (ou une forme sesquilinéaire
complexe continue sur un Hilbert complexe), alors il existe une unique application A de H dans H
telle que, pour tout .u; v/ 2 H  H on ait a.u; v/ D hAu; vi.
De plus, A est linéaire et continue, de norme égale à celle de a.

9Š A 2 L.H/; 8.u; v/ 2 H  H; a.u; v/ D hAu; vi (7.6)

7.3 Théorème de Lax-Milgram

Définition 55 — Continuité d’une forme linéaire. Une forme bilinéaire a est dite continue si
elle vérifie :

9 c > 0; 8.u; v/ 2 H2 ; ja.u; v/j  ckukkvk (7.7)

Définition 56 — Coercitivité d’une forme linéaire. Une forme bilinéaire a est dite coercitive
si elle vérifie :

9 ˛ > 0; 8u 2 H ; a.u; u/  ˛kuk2 (7.8)

Théorème 39 — Théorème de Lax-Milgram. Soit H un espace de Hilbert réel ou complexe

muni de son produit scalaire noté h
;
i, de norme associée k
k.
Soit a.
;
/ une forme bilinéaire (ou une forme sesquilinéaire dans le cas complexe) continue
et coercitive sur H  H, et soit f une forme linéaire continue sur H (i.e. f 2 H0 ).
Alors il existe un unique u dans H tel que l’équation a.u; v/ D f .v/ soit vérifiée 8v 2 H.

9Š u 2 H; 8v 2 H; a.u; v/ D f .v/ (7.9)

Démonstration. La continuité et la coercitivité de a permettent de dire que a définit un produit sca-

laire .
;
/a dont la norme associée k
ka est équivalente à la norme k
k. Le problème devient : trouver u
tel que 8v 2 H; .u; v/a D f .v/.

II PROBLÈME CONTINU 7.2 Théorème de représentation de Riesz-Fréchet 98

 Or f .v/ D hf; vi dans la dualité H H0 et le problème devient : trouver u tel que 8v 2 H; .u; v/a D
hf; vi.
Le théorème de représentation de Riesz-Fréchet permet de conclure à l’existence et à l’unicité de la
solution. 

Autre démonstration. Une autre voie consiste à étudier directement le problème de minimisation de
1
la fonctionnelle définie par J D 2 a.v; v/ f .v/ (ce qui est une façon de montrer le théorème de
Riesz) en considérant une suite minimisante et en montrant qu’elle est de Cauchy par l’identité du
parallélogramme. 

Ce théorème est l’un des fondements de la méthode des éléments finis dits « classiques » ou
« en déplacement ». Dans le cas d’éléments finis plus « exotiques » tels que les éléments mixtes,
hybrides, mixtes-hybrides et des multiplicateurs de Lagrange, on a besoin d’un peu plus... c’est ce
que nous allons voir aux paragraphes suivants.
La forme variationnelle du théorème de Lax-Milgram a déjà été abordée dans la seconde
« preuve » proposée du théorème de de Lax-Milgram. Il s’agit, dans les cas où cela est possible,
d’aborder le problème sous l’angle de la minimisation d’une fonctionnelle.

Théorème 40 — Forme variationnelle du théorème de Lax-Milgram. Si de plus la forme

bilinéaire a est symétrique, alors u est l’unique élément de H qui minimise la fonctionnelle
J W H ! R définie par J.v/ D 21 a.v; v/ f .v/ pour tout v de E :
 
1
9Š u 2 H; J.u/ D min J.v/ D min a.v; v/ f .v/ (7.10)
v2H v2H 2

Pour les problèmes issus de la mécanique des solides déformables, la quantité 12 a.v; v/ repré-
sente l’énergie de déformation du solide associé à un « déplacement virtuel » v, et f .v/ l’énergie
potentielle des forces extérieures appliquées au solide pour le même déplacement virtuel v.
Histoire

Nous venons de voir le théorème de Lax-Milgram, fondement de la méthode des éléments finis,
publié dans leur article Parabolic equations de 1954 (Contributions to the theory of partial differential
equations, Annals of Mathematics Studies, no. 33, Princeton University Press, Princeton, N. J., 1954, pp.
167–190).
Plusieurs améliorations ont permis
d’étendre encore la portée de celle-ci. En
1971, dans son article Error-bounds for
finite element method (Numerische Mathematik
16 : 322–333), Babuška a généralisé le
théorème de Lax-Milgram aux problèmes
non nécessairement coercitifs (i.e. la forme Lax Babuška Brezzi Ladyjenskaïa
bilinéaire n’est plus supposée coercitive),
élargissant le champ d’application de la méthode des éléments finis.
Puis, en 1974, dans On the existence, uniqueness and approximation of saddle-point problems
arising from lagrangian multipliers, Brezzi a traité le cas où le problème n’est plus décrit à l’aide
d’une seule variable (u jusqu’à présent), mais à l’aide de plusieurs variables, ouvrant ainsi la porte
aux formulations mixtes. Ce faisant, il a eu besoin d’imposer des conditions, connues sous le nom
de conditions inf-sup, ou conditions BBL pour Babuška-Brezzi-Ladyjenskaïa (voir par exemple : O.
[Link]ženskaya, On integral estimates, convergence, approximate methods, and solution in functionals for
elliptic operators. (Russian) Vestnik Leningrad. Univ. 13 1958 no. 7, 60–69).
Enfin, Brezzi a remplacé sa condition de V-ellipticité par des conditions de Babuška dans son
théorème généralisé.

99 7. Formulations faible et variationnelle PROBLÈME CONTINU II

 7.4 Théorème de Babuška et condition inf-sup
Théorème 41 — Théorème de Babuška. Soient H et M deux espaces de Hilbert. Soient a.
;
/
une forme bilinéaire continue sur H  M et f .
/ une forme linéaire continue sur M. On s’intéresse
au problème : Existe-t-il u 2 H tel que a.u; v/ D f .v/, 8v 2 M ?
Si a.
;
/ vérifie :
8
ˆ inf sup a.u; v/ > 0
ˆ
ˆ u2H v2M
< kukH D1 kvkM D1
ˆ
(7.11)
ˆ
ˆ
ˆ sup a.u; v/ > 0; 8v 2 Mnf0g
: u2H
ˆ
kukH D1

Alors 8f 2 M0 , le problème admet une unique solution u.

La première condition s’écrit aussi :

9ˇ > 0; sup a.u; v/ > ˇkukH ; 8u 2 H (7.12)
v2M
kvkM D1

Alors que le seconde s’écrit :

8v 2 Mnf0g; 9u 2 H; a.u; v/ > 0 (7.13)
Démonstration. La preuve du théorème de Babuška revient à montrer que l’opérateur A associé à la forme
bilinéaire a est un homéomorphisme. 

7.5 Théorèmes de Brezzi et condition BBL

Théorème 42 — Théorème de Brezzi (1974). Considérons le problème variationnel mixte
suivant : Trouver (u; / dans H  M tels que :

a.u; v/ C b.v; / D hf; vi 8v 2 H;
(7.14)
b.u; / D hg; i 8 2 M:

Si les conditions suivantes sont satisfaites :

— a.
;
/ est continue ;
— a.
;
/ est coercitive sur V ou V-elliptique (uniquement sur V et pas sur H tout entier)
(sur ker B) :

9˛ > 0 tel que : a.v; v/ > ˛kck2 ; 8v 2 V D fv 2 HI b.v; / D 0; 8 2 Mg (7.15)

— b.
;
/ est continue ;

— b.
;
/ vérifie la condition inf-sup suivante :

inf sup b.v; / > 0 (7.16)

2M v2H
kkM D1 kvkH D1

Alors, 8.f; g/ 2 H0  M0 , le problème précédent possède une unique solution .u; / 2 H  M.

Rappel : on parle de condition inf-sup ou condition de Brezzi, ou condition de Babuška-Brezzi-

Ladyjenskaïa, ou condition BBL.
La condition de V-ellipticité s’écrit également :
inf a.v; v/ > 0 (7.17)
v2Vnf0g

II PROBLÈME CONTINU 7.4 Théorème de Babuška et condition inf-sup 100

 et la condition BBL :
b.v; /
9ˇ > 0; sup > ˇkkM ; 8 2 M (7.18)
v2H kvkH

Nous allons écrire la démarche de la démonstration car elle est typique de la résolution de ce
genre de problème.
Démonstration. On va se servir de H D V ˚ V? avec V D ker B où évidemment B est l’opérateur définit
de H dans M0 tel que : hBu; iM D b.u; /, 8 2 M. Pour le produit scalaire induit, V et V? sont des
Hilbert.
La solution cherchée est u D u0 C u? .
Les inconnues seront donc u0 , u? et .
On a les équations pour v0 , v? et . Pour v? l’équation est :
< a.u? ; v? / C a.u0 ; v? / C b.v? ; / D hf; v? i 8v? 2 V?
8

a.u? ; v0 / C a.u0 ; v0 / C b.v0 ; / D hf; v0 i 8v0 2 V (7.19)

b.u? ; / C b.u0 ; / D hg; i 8 2 M
:

Or dans la seconde équation, b.v0 ; / D 0 car v0 2 ker b et dans l’équation 3, b.u0 ; / D 0 car u0 2 V.
On est ramené à 3 sous-problèmes :
— sous-problème 1 : chercher u? 2 V? tel que b.u? ; / D g./, 8 2 M, ce qui est effectivement
le cas d’après le théorème de Babuška ;
— sous-problème 2 : chercher u0 2 V tel que a.u0 ; v0 / D hf; v0 i a.u? ; v0 /, 8v0 2 V. Il suffit de
vérifier que le second membre définit un opérateur tel que l’on a bien les hypothèses du théorème
de Lax-Milgram ;
— sous-problème 3 : chercher  2 M tel que b.v? ; / D hf; v? i a.u; v? /, 8v? 2 V? . Il faut un
peu plus travailler pour vérifier que l’on est dans le cas d’application du théorème de Babuška, mais
ça se fait (une quinzaine de lignes en détail). 
On peut remplacer les conditions de V-ellipticité sur a.
;
/ par des conditions de Babuška.

Théorème 43 — Théorème généralisé de Brezzi. Considérons le problème variationnel mixte

suivant : Trouver (u; / dans H  M tels que :

a.u; v/ C b.v; / D hf; vi 8v 2 H;
(7.20)
b.u; / D hg; i 8 2 M:

Si les conditions suivantes sont satisfaites :

— a.
;
/ est continue ;
— a.
;
/ vérifie les deux conditions suivantes :

a.u; v/
9˛ > 0 tel que : sup > ˛kukH2 ; 8u 2 V D ker B (7.21)
v2Vnf0g kvk

8v 2 Vnf0g; 9u 2 V; a.u; v/ ¤ 0 ou de manière équivalente 8v 2 Vnf0g; sup a.u; v/ >

u
0
— b.
;
/ est continue ;
— b.
;
/ vérifie la condition inf-sup suivante :

inf sup b.v; / > 0 (7.22)

2M v2H
kkM D1 kvkH D1

Alors, 8.f; g/ 2 H0  M0 , le problème précédent possède une unique solution .u; / 2 H  M.

Pour vérifier la condition LBB, il est souvent plus simple de vérifier le critère suivant : la condition
inf-sup sur b.
;
/ est équivalente à :
1
8 2 M; 9v 2 H (uniquement dans V? ) tel que : b.v; / D kk2 et kvk 6 kk (7.23)
ˇ

101 7. Formulations faible et variationnelle PROBLÈME CONTINU II

 7.6 Multiplicateurs de Lagrange
Nous avons déjà présenté les multiplicateurs de Lagrange d’un point de vue pratique au chapitre
précédent. Regardons maintenant l’aspect mathématique.
Dans les paragraphes 7.3 et 7.4 sur les théorèmes de Lax-Milgram et de Babuška, nous avons
traité le cas d’un problème décrit par un seul champ inconnu. Dans le paragraphe 7.5 sur le théorème
de Brezzi, nous avons traité le cas d’un problème formulé avec deux champs inconnus (mais on
pourrait l’étendre à autant de champs que nécessaire). Dans ce paragraphe, nous allons traiter un
cas un peu « au milieu » : par exemple deux domaines possédant chacun leur formulation, mais
couplés. Il est donc nécessaire dans ce cas d’introduire une « équation de couplage » entre ces
formulations. C’est ce que l’on se propose de réaliser à l’aide des multiplicateurs de Lagrange.

Définition 57 — Formulation comme problème de minimisation sous contrainte. Soient H

et M deux espaces de Hilbert. Soient a.
;
/ W H  H ! R une forme bilinéaire symétrique et
continue et b.
;
/ W H  M ! R une forme bilinéaire continue. Soient enfin f 2 H0 et g 2 M0
deux formes linéaires. On notera h
;
iH et h
;
iM les produits de dualité entre H et H0 et entre M
et M0 respectivement.
On considère le problème suivant :

Trouver u 2 H tel que a.u; v/ D f .v/; 8v 2 H

(7.24)
et vérifiant les contraintes supplémentaires : b.v; / D g./; 8 2 M:

Ce problème est équivalent à :

Trouveru 2 H tel que J.u/ D minfJ.v/; v 2 H et b.v; / D hg; iM ;  2 Mg

(7.25)
avec J.v/ D 12 a.v; v/ hf; viH

On parle de problème de minimisation sous contrainte.

On introduit un Lagrangien : L.v; / D J.v/Cb.v; / hg; iM . Évidemment, 8; L.v; / D

J.v/ si v vérifie les contraintes. L’idée est de considérer minv2H L.v; :/. La question devient alors :
existe-t-il un multiplicateur particulier  2 M tel que minv2H L.v; / soit égale à u 2 H solution
de (7.25) ? On appelle parfois  pénalité ou fonction de pénalisation.
En notant que :
@L d
h .u; /; viH D L.y C t v; /j t D0 D a.u; v/ hf; viH C b.v; / (7.26)
@v dt
Alors .u; / 2 H  M est solution du problème mixte (7.14) :

a.u; v/ C b.v; / D hf; vi 8v 2 H;
(7.27)
b.u; / D hg; i 8 2 M:
et on se retrouve dans le cadre du théorème de Brezzi au paragraphe 7.5.
De plus, si a.v; v/ > 0, 8v 2 H, alors .u; / est solution de (7.14) correspond à .u; / est un
point-selle de L, i.e. :

8 2 M; L.u; / 6 L.u; / 6 L.v; /; 8v 2 H (7.28)

Remarquons enfin que si l’on note :

A..u; /; .v; // D a.u; v/ C b.v; / C b.u; / (7.29)

L..v; // D f .v/ C g./ (7.30)

et que l’on pose les nouvelles variables U D .u; / et V D .v; /, alors on revient à un problème
de type Lax-Milgram : trouver U 2 H  M tel que pour tout V 2 H  M, A.V; U/ D L.V/.

II PROBLÈME CONTINU 7.6 Multiplicateurs de Lagrange 102

 Histoire
Comme nous l’avons déjà mentionné, Lagrange est le fondateur du calcul des variations avec Euler.
Il est également le fondateur de la théorie des formes quadratiques, et démontre
le théorème de Wilson sur les nombres premiers et la conjecture de Bachet sur la
décomposition d’un entier en quatre carrés (connu aussi sous le nom de théorème
des quatre carrés de Lagrange). On lui doit un cas particulier du théorème auquel
on donnera son nom en théorie des groupes, un autre sur les fractions continues,
l’équation différentielle de Lagrange...
En physique, en précisant le principe de moindre action, avec le calcul des
variations, vers 1756, il invente la fonction de Lagrange, qui vérifie les équations
de Lagrange, puis développe la mécanique analytique, vers 1788, pour laquelle Lagrange
il introduit les multiplicateurs de Lagrange. Il entreprend aussi des recherches importantes sur le
problème des trois corps en astronomie, un de ses résultats étant la mise en évidence des points de
libration (dits points de Lagrange) en 1772.
En mécanique des fluides, il introduisit le concept de potentiel de vitesse en 1781, bien en
avance sur son temps. Il démontra que le potentiel de vitesse existe pour tout écoulement de fluide
réel, pour lequel la résultante des forces dérive d’un potentiel. Dans le même mémoire de 1781,
il introduisit, en plus, deux notions fondamentales : le concept de la fonction de courant, pour
un fluide incompressible, et le calcul de la célérité d’une petite onde dans un canal peu profond.
Rétrospectivement, cet ouvrage marqua une étape décisive dans le développement de la mécanique
des fluides moderne.

103 7. Formulations faible et variationnelle PROBLÈME CONTINU II

 Chapitre 8

Problèmes physiques : formulations

faibles et variationnelles

Résumé — Nous allons maintenant reprendre les problèmes types exposés sous forme
forte dans le chapitre 6, pour leur appliquer les méthodes du chapitre précédent. Nous
obtiendrons alors les formulations faibles et variationnelles des mêmes problèmes.

8.1 Phénomènes de propagation et de diffusion

8.1.1 Équations de Laplace et Poisson
Sur ce premier exemple, nous détaillerons plus la démarche et les étapes que dans la suite des cas
présentés.

Laplacien de Dirichlet
On considère l’équation de Poisson (Laplace si f D 0) avec les conditions aux limites de Dirichlet,
i.e. le problème suivant :
(
u D f dans 
(8.1)
uD0 sur € D @

Multiplier par une fonction test v et intégrer par parties (ou utiliser la formule de Green) conduit à :

@u
Z Z Z
ru
rv vD fv (8.2)
 € @n 

Comme, rappelons le, le but est de faire en sorte que u et v jouent un rôle symétrique, on veut donc
qu’ils aient même régularité et mêmes conditions aux limites. La régularité nécessaire est u et v
sont H1 ./, et la prise en compte des conditions aux limites conduit finalement à chercher u et v
dans H10 ./.
Le problème est donc :
Z Z
Trouver u 2 H10 ./ tel que 8v 2 H10 ./; ru
rv D fv (8.3)
 

dont le second membre n’a de sens que si f 2 L2 ./, ce qui sera supposé. Notons que le problème
est également bien défini dans le cas où f 2 H 1 ./, car v 2 H10 ./.
Avec cette formulation, le théorème de Lax-Milgram permet de conclure à l’existence et à
l’unicité de la solution.

105 8. Problèmes physiques : formulations faibles et variationnelles PROBLÈME CONTINU II

 Équivalence des solutions Nous avons construit un problème variationnel dont on sait qu’il a
une unique solution. Une question naturelle est alors de savoir en quel sens on a résolu le problème
initial.
Il est facile de voir que l’équation u D f est vérifiée au sens des distributions. Or f 2
L2 ./, donc u 2 L2 ./, et l’égalité a donc lieu presque partout. De la même manière, on
a u D 0 presque partout sur € (pour la mesure surfacique sur €).
On comprend pourquoi, parmi différentes formulations faibles, on en retient une plutôt qu’une
autre : afin d’obtenir une formulation variationnelle à partir de laquelle on raisonne rigoureusement,
i.e. existence et unicité du résultat, puis retour au problème initial.
Une autre formulation variationnelle. Afin d’illustrer la remarque précédente, construisons une autre
formulation variationnelle du même problème. Pour cela, intégrons une nouvelle fois par parties, afin de
chercher une solution encore plus faible. Le problème devient :
Z Z
Trouver u 2 L1 ./ tel que 8v 2 C1 c ./; uv D fv (8.4)
 
Tout d’abord, on peut remarquer que l’on ne peut plus appliquer le théorème de Lax-Milgram. Ensuite,
rappelons une remarque déjà faite : plus on cherche des solutions en un sens faible, plus il est facile de
prouver l’existence de solutions, mais plus il est difficile d’obtenir l’unicité de la solution.
En travaillant dans L1 ./, on ne pourrait pas, par exemple, donner de sens à u D 0 sur €.

Comme nous l’avons vu au chapitre précédent, l’intérêt des problèmes symétriques, c’est qu’ils
peuvent s’interpréter en terme de minimisation.
La solution du problème initial est également la fonction u qui réalise le minimum de :
1
Z Z
2
min jruj fu (8.5)
u2H10 ./ 2  

Laplacien de Dirichlet relevé

On considère l’équation de Laplace-Poisson avec les conditions aux limites suivantes :
(
u D f dans 
(8.6)
uDg sur € D @

où g 2 H1=2 .€/ est une fonction donnée.

L’idée est évidemment de se ramener au cas précédent en réalisant un relèvement d’espace.
Pour cela, on considère la fonction v D u u où u 2 H1 ./ est un relèvement de la condition
au bord, i.e. tel que u D g sur €.
On utilise ensuite la surjectivité de l’application trace, 0 (ce qui devrait malgré tout rester
compréhensible bien que la trace ait été définie de manière « un peu légère » au paragraphe 5.5.1).
La formulation variationnelle du problème est :
Z Z
Trouver u 2 v 2 H1 ./; v D g sur € tel que 8v 2 H10 ./;
˚
ru
rv D f v (8.7)
 

Laplacien de Neumann
On considère l’équation de Laplace-Poisson avec les conditions aux limites de Neumann, i.e. le
problème suivant :
8
< u D f dans 
(8.8)
: @u D g sur € D @
@n
On obtient immédiatement la formulation variationnelle suivante :
Z Z Z
Trouver u 2 H1 ./ tel que 8v 2 H1 ./; ru
rv D fv C gv (8.9)
  €

II PROBLÈME CONTINU 8.1 Phénomènes de propagation et de diffusion 106

 qui nécessite f 2 L2 ./ et g 2 L2 .€/.
On peut remarquer qu’ici une simple intégration par parties a suffi à intégrer les conditions
aux limites dans la formulation variationnelle, i.e. les conditions aux limites n’ont pas eu à être
introduites dans l’espace fonctionnel pour u, contrairement au cas du Laplacien de Dirichlet (en
même temps, demander à une fonction de H1 ./ d’avoir une dérivée normale égale à une fonction g
au bord n’a pas de sens).
Lorsque les conditions aux limites s’introduisent d’elles-mêmes comme dans le cas du Laplacien
de Neumann, on dit que l’on tient compte des conditions aux limites de manière naturelle. Lorsqu’il
faut les inclure, on dit qu’on en tient compte de manière essentielle.
Il faut remarquer que le problème variationnel ne peut avoir de solution que si f et g vérifient
une condition de compatibilité, i.e. si :
Z Z
f C gD0 (8.10)
 €
Il faut aussi remarquer que si u est une solution du problème, alors u C c, où c est une constante,
est également solution. On ne peut donc pas espérer prouver qu’il existe une unique solution au
problème sans restreindre l’espace fonctionnel pour u. Pour éliminer l’indétermination due à cette
constante additive, on introduit, par exemple, V D fu 2 H1 ./;  u D 0g et on pose le problème
R

sous la forme :
Z Z Z
Trouver u 2 V tel que 8v 2 V; ru
rv D fv C gv (8.11)
  €
En utilisant l’inégalité de Poincaré-Wirtinger, on montre que le problème est bien coercitif et
donc qu’il admet une unique solution.
Remarquons que si la condition de compatibilité n’est pas vérifiée, alors la solution de la
dernière formulation résout bien le problème initial avec un f ou un g modifié d’une constante
additive, de manière à vérifier la condition de compatibilité.
Il y aurait lieu à quelques discussions sur l’interprétation des résultats, mais celle-ci serait
beaucoup plus abstraite que dans le cas du Laplacien de Dirichlet. Le lecteur désireux de rentrer
(à raison) dans ce genre de détails trouvera aisément un cours de M2 sur le sujet. Cela dépasse le
cadre que nous nous sommes fixé dans ce document.

Laplacien avec conditions mixtes

On considère l’équation de Laplace-Poisson avec les conditions aux limites mixtes suivantes :
8
< u D f dans 
(8.12)
: @u C ˛u D 0 sur € D @
@n
On obtient la formulation variationnelle :
Z Z Z Z
1 1
Trouver u 2 H ./; tel que 8v 2 H ./; ru
rv C ˛uv D f v C gv (8.13)
 €  €

Laplacien avec conditions mixtes en formulation mixte

On considère le problème précédent général comportant des conditions de Dirichlet et de Neumann
sur les parties €D et €N respectivement. Ce problème est exprimé sous forme mixte, i.e. à l’aide de
deux variables u et p, par :
8
ˆ
ˆ rp C u D 0 dans 
ˆ
r:u D u dans 
ˆ
ˆ
<
p D gD sur €D (8.14)
ˆ
ˆ
ˆ
ˆ @u
D gN :n sur €N
ˆ
:
@n

107 8. Problèmes physiques : formulations faibles et variationnelles PROBLÈME CONTINU II

 On obtient la formulation variationnelle : Touver u et p tels que :
8 Z Z
ˆ
ˆ
ˆ 8v 2 X; pr:v D gD :n
ˆ
ˆ
ˆ  €D
< Z Z
8q 2 L2 ./; qr:u D qf (8.15)
ˆ
ˆ
ˆ  
@u
ˆ
ˆ
D gN :n sur €n
ˆ
:
@n
avec X D fv 2 [Link]; /I v:n D 0 sur €N g.

8.1.2 Équation d’onde

Rappelons que l’équation des ondes correspond à un problème d’évolution hyperbolique linéaire.
Différentes conditions aux limites peuvent être imposées. Dans le cadre de ce document, nous nous
intéresserons plus particulièrement à l’acoustique. Ce paragraphe est donc traité un peu plus loin
dans le document.

8.1.3 Équation de la chaleur

Après avoir présenté le problème elliptique du Laplacien, intéressons-nous maintenant au cas
parabolique de l’équation de la chaleur. Pour cela, considérons le problème suivant : Trouver u.x; t /
tel que :
8
< @ t u u D f dans Œ0 I T  
ˆ
u.t;
/ D 0 sur Œ0 I T  € (8.16)
ˆ
u.0;
/ D u0 sur 
:

On opère comme précédemment. Toutefois, nous faisons jouer à la variable de temps t et la variable
d’espace x des rôles différents : on considère la fonction u.t; x/ comme une fonction du temps,
à valeur dans un espace fonctionnel en x, et on prend comme fonctions tests des fonctions qui
dépendent seulement de la variable x. On obtient alors facilement la formulation variationnelle
suivante :
Z Z Z
1 d
Trouver u tel que 8v 2 H0 ./; uv C ru
rv D fv (8.17)
dt   

Pour donner un sens à cette formulation variationnelle, une certaine régularité de u est requise :

u 2 V D C0 0; TI L2 ./ \ L2 0; TI H10 ./

(8.18)

L’espace C0 0; TI L2 ./ est l’espace des fonctions

v.t; x/ telles que pour tout t, v.t;
/ est une
fonction de L2 ./ ; l’espace L2 0; TI H10 ./ est l’espace des fonctions v.t; x/ telles que pour


RT
presque tout t, v.t;
/ est une fonction de H10 ./ et 0 kvk2 1 < 1. Le premier est un espace de
H0 ./
Banach, le second, un espace de Hilbert.
La formulation variationnelle est donc :
Z Z Z
d
Trouver u 2 V tel que u.0;
/ D u0 et tel que 8v 2 H10 ./; uv C ru
rv D fv
dt   
(8.19)

Pour résoudre le problème, il faut utiliser une méthode numérique. On montre l’existence puis
l’unicité par les estimateurs à priori. Nous détaillerons cela plus loin.

II PROBLÈME CONTINU 8.1 Phénomènes de propagation et de diffusion 108

 8.2 Mécanique des fluides
Pour la présentation des formulations faibles, nous commencerons par le cas de l’équation de
Stokes avant de passer à celui de l’équation de Navier-Stokes (afin de nous permettre d’introduire
les notations progressivement).

8.2.1 Équation de Stokes

Si l’on considère le problème de Stokes pour un fluide incompressible avec condition de Dirichlet,
il nous faut résoudre le système :
8
< u C rp D f dans 
ˆ
div u D 0 dans  (8.20)
ˆ
uD0 sur € D @
:

La formulation mixte qui en découle est :

Z Z Z
 ru W rv p div v D f
v (8.21)
  

On introduit les formes bilinéaires :

a W H10 ./n  H10 ./n ! R
(8.22)
Z
.u; v/ 7! a.u; v/ D  ru W rv


et
b W H10 ./n  L2 ./ ! R
(8.23)
Z
.u; q/ 7! b.u; q/ D .div v/q


On introduit également l’espace L20 ./ des fonction L2 ./ à moyenne nulle :
 Z 
L20 ./ D q 2 L2 ./; qD0 (8.24)


La formulation variationnelle mixte (vitesse/pression) est alors : Trouver .u; p/ 2 H10 ./  L20 ./
tels que :

a.u; v/ C b.v; p/ D .f; v/ 8v 2 H10 ./n

(
(8.25)
b.u; q/ D 0 8q 2 L20 ./

Notons que dans la seconde équation, la fonction test q pourrait de manière équivalente être
cherchée dans L2 ./ (pas besoin de la moyenne nulle).
Par contre, il est important de chercher p 2 L20 ./. C’est cette condition de pression nulle qui
assure l’unicité de la pression (comme dans le cas précédent du Laplacien de Neumann).
Il est possible de formuler ce problème de manière˚non mixte, i.e. sous une forme compatible
avec le théorème de Lax-Milgram. Considérons V D u 2 H10 ./n = div u D 0 dans  . Alors u

(la vitesse) est solution du problème :

Trouver u 2 V tel que a.u; v/ D .f; v/, 8v 2 V.
D’ailleurs c’est cette formulation qui permet (a est continue et coercitive sur V) de conclure à
l’existence et à l’unicité de u. De là, il ne reste plus qu’à démontrer la même chose pour p dans la
formulation mixte.

109 8. Problèmes physiques : formulations faibles et variationnelles PROBLÈME CONTINU II

 8.2.2 Équation de Navier-Stokes
Considérons le problème de Navier-Stokes, pour un fluide incompressible, et soumis à des condi-
tions initiales en temps et sur le contour € D @ :
@u
8
ˆ
ˆ C .u
r/u C u C rp D f dans   RC
ˆ
ˆ
ˆ @t
dans   RC
<
div u D 0 (8.26)
C
D 
ˆ
ˆ
ˆ
ˆ u g sur € R
ˆ
:
u.
; 0/ D u0 dans 
La fonction g D g.x; t / dans la condition de type Dirichlet sur le bord du domaine doit être à
flux nul sur €, i.e. on suppose que :
Z
g
nD0 (8.27)
€
avec n la normale extérieure à €. Cette condition est nécessaire pour que le problème de Navier-
Stokes admette une solution.
Introduisons également les espaces de fonctions à valeurs dans un espace de Banach B. Pour q >
1, on a :
 Z T 
q q
L .0; TI B/ D v W Œ0 I T ! BI v est mesurable et kv.t /kB dt < C1 (8.28)
0
Ces espaces sont munis de la norme :
Z 1=q
q
kukLq .0;TIB/ D ku.t /kB dt (8.29)

Notons que ces espaces ont été « présentés » au paragraphe précédent sur l’équation de la chaleur.
La notation était un peu différente mais il s’agit bien des mêmes espaces. Nous avons voulu profiter
de ces exemples pour introduire ces deux notations, différentes mais désignant bien la même chose.
Posons X D H10 ./n et Y D L20 ./n . La formulation variationnelle mixte des équations de
Navier-Stokes s’écrit : Soit f 2 L2 .0; TI L2 ./n / et u0 2 L2 ./n . Trouver :
 
2 dv 2 0
u 2 W.0; T/ D v 2 L .0; TI X/; 2 L .0; TI X / (8.30)
dt
et p 2 L2 .0; TI Y/, tels que p.p. t 2 .0; T/, on ait :
8 du
< h dt .t /; viX0 ;X C a.u.t /; v/ C c.u.t /; u.t /; v/ C b.v; p.t // D .f .t /; v/ 8v 2 X
ˆ
ˆ

ˆ
ˆ b.u.t /; q/ D 0 8q 2 Y (8.31)
:
u.0/ D u0
où c W X  X  X ! R est la forme trilinéaire définie par :
n Z
@zi
Z X
c.w; z; v/ D Œ.w
r/z
v D wj vi (8.32)
  @x j
i;j D1

Cette forme trilinéaire a certaines propriétés, par exemple lorsque l’on permute des termes où
lorsque l’on considère que certaines variables sont à divergence nulle...
Pour des raisons de stabilité, la forme c est remplacée par le forme cQ définie par :
1
cQ D .c.w; z; v/ c.w; v; z// (8.33)
2
Q
qui est antisymétrique et possède par conséquent la propriété c.w; z; z/ D 0, 8w; x; z 2 X.
Nous ne rentrons pas plus avant dans la méthode, car il faudrait alors parler dès à présent du
schéma numérique associé, ce qui sera fait plus tard.

II PROBLÈME CONTINU 8.2 Mécanique des fluides 110

 8.2.3 Équation d’Euler
Nous avons déjà vu que sans le cas d’un nombre de Reynolds élevé, alors le terme de convection
non-linéaire .u:r/u devient prépondérant, et on obtient alors l’équation d’Euler. Pour un fluide
incompressible, le problème à résoudre est donc :

< @u C .u
r/u C rp D f
8
dans   RC
@t (8.34)
div u D 0 dans   RC
:

On considérera qu’il s’agit d’un cas simplifié de Navier-Stokes, et on le traitera comme tel.

8.3 Équations de la mécanique des milieux continus des solides

8.3.1 Formulation générale
La formulation la plus générale du problème est :
(
div  C f D uR C uP dans  équation de la dynamique
(8.35)
 D H." "t h/ dans  loi de comportement

à laquelle il est nécessaire d’ajouter les conditions aux limites suivantes :

uDu
8
ˆ sur €D déplacement imposé
ˆ
ˆ
< 
n.x/ D g sur €N condition sur le bord
N
(8.36)
ˆ
ˆ
ˆ P D 0/ D uP 0
u.t condition initiale en vitesse
:
u.t D 0/ D u0 condition initiale en déplacement

avec comme d’habitude, €D et €N une partition de la frontière € D @ du domaine .

Pour obtenir une formulation faible, on applique les mêmes recettes que ci-dessus. Dans un
premier temps, on ne traite que l’équation de la dynamique, la loi de comportement n’étant là
finalement que pour « simplifier » l’équation en permettant de lier des variables entre elles. Ainsi,
la formulation faible générale est :
Z Z Z Z Z
v uR C v uP C "W fv gN v D 0; 8v tel que v D u sur €D (8.37)
    €N

Nous sommes restés très prudents sur l’appartenance des différentes grandeurs à des espaces, car
cela dépend du choix des variables.

8.3.2 Choix des variables

Dans la formulation variationnelle présentée, on ne manquera pas de remarquer que les variables
sont : les déplacements (et leurs dérivées temporelles : vitesse et accélération), les déformations et
les contraintes.
Il est possible de choisir de conserver toutes ces variables, i.e. d’avoir un problème dépendant
de trois champs inconnus : u, " et . Une telle formulation est qualifiée de mixte. On qualifie
d’ailleurs de mixte, toute formulation ayant plus d’un seul champ inconnu.
Comme on connaît des relations entre les différents champs (relation déplacement / déformation
et relation déformation / contrainte), il est possible d’obtenir des formulations ayant deux ou même
un seul champ inconnu, comme nous l’avons déjà vu au paragraphe 7.5 (théorèmes de Brezzi).

111 8. Problèmes physiques : formulations faibles et variationnelles PROBLÈME CONTINU II

 Formulation classique en déplacements
L’intérêt de réduire le nombre de champ inconnu est évident. Faut-il donc opter définitivement
pour une formulation à un seul champ ? Ce n’est pas évident. En effet, utiliser une formulation à k
champs parmi n se traduira par n’obtenir que ces k champs comme solution directe du système.
Les n k champs manquant doivent alors être obtenus à partir des k champs choisis... et cela peut
poser certains problèmes, dont nous parlerons plus tard.
Il est à noter que la formulation dite en déplacements, également qualifiée de classique, est la
plus utilisée. Comme son nom l’indique, elle ne comporte que le champ de déplacement comme
inconnu. Il suffit de considérer, dans la formulation précédente, que les contraintes sont obtenues à
partir des déformations, via la loi de comportement, et que les déformations sont obtenues à partir
des déplacements par la relation idoine (en petits ou grands déplacements).
Dans la formulation en déplacement, on suppose que les relations liant les déformations
aux déplacements (opérateur de dérivation en petites ou grandes déformations) et les contraintes
aux déplacements (en fait les contraintes aux déformations via la loi de comportement, puis les
déformations aux déplacements comme ci-avant) sont connues et vérifiées :
Z Z Z Z Z
R
v uC P
v uC ".v/ W  .u/ fv gN v D 0; 8v tel que v D u sur €D (8.38)
    €N

De manière plus explicite, si on note " D Lu la relation entre déformations et déplacements

et  D H" D HLu la relation entre contraintes et déplacement, alors il vient :
Z Z Z Z Z
v uR C v uP C Lv W HLu fv gN v D 0; 8v tel que v D u sur €D (8.39)
    €N

où n’apparaissent effectivement plus que les déplacements comme inconnues.

On se contente toutefois généralement d’écrire ".u/ et  .u/ pour dire que l’inconnue est bien u,
ce qui évite d’alourdir l’écriture.
Cette formulation « en déplacement » correspond au problème de minimisation de la fonction-
nelle de l’énergie potentielle totale que l’on appelle également fonctionnelle primale :
1
Z Z Z
J.u/ D ".v/ W  .u/ fv gN v (8.40)
2   €N

où le champ de déplacements doit vérifier v D u sur €D . Les relations entre déformations et

déplacements et entre contraintes et déplacements sont supposées vérifiées de manière implicite
dans .

Illustration : formulation en déplacements de la statique des matériaux isotropes

En se plaçant dans le cas statique, et en écrivant « en déplacements », i.e. en supprimant le champ de
contrainte des inconnues (et en utilisant, au passage, la symétrie de ), la formulation variationnelle
précédente devient :
Z Z Z
Hij kl "ij .u/"kl .v/ D fv C gN v; 8v 2 HD1 ./ (8.41)
  €N

Notons que pour prouver la coercitivité de la forme bilinéaire, il faut recourir à l’inégalité de Korn.
Si en plus le matériau est isotrope, cette expression se simplifie en :
Z Z Z
 div.u/ div.v/ C 2".u/
".v/ D fv C gN v; 8v 2 HD1 ./ (8.42)
  €N

que l’on peut voir comme un problème de minimisation de la fonctionnelle :

Z X Z Z
2 2
J.u/ D .div u/ C 2 "ij .u/ fv gN v (8.43)
 ij  €N

II PROBLÈME CONTINU 8.3 Équations de la mécanique des milieux continus des solides 112
 D’une manière générale, toute formulation faible, quelque soit le nombre de champs inconnus,
s’écrit en mécanique sous la forme de minimisation d’une fonctionnelle, dont on sait trouver la
signification physique.

Formulations mixte et hybride

La formulation la plus générale est celle comportant les trois champs de déplacements u, de
déformations ", et de contraintes  comme inconnues. Cette formulation mixte est connue sous le
nom de principe de Hu-Washizu (1975). Sous forme variationnelle, elle s’écrit :
1
Z Z Z Z Z
J.u; ";  / D " W  C .ru/ fv gN v .u u/. .v/
n/ (8.44)
2    €N €D

et ne comporte aucune condition (puisqu’elles sont toutes formellement présente dans la formula-
tion).
Il est possible d’obtenir une formulation n’ayant que le champ de contraintes comme inconnue.
Il s’agit de la fonctionnelle duale :
1
Z Z Z
J./ D S  .v/S0 C u .v/
n (8.45)
2   €D

où le champ de contrainte doit vérifier les conditions div  C f D 0 dans  et  n D gN

sur €N . S désigne la loi de comportement donnée sous forme inverse (i.e. sous forme de souplesse,
i.e. S D H 1 ).
L’utilisation de multiplicateurs de Lagrange permet de construire des fonctionnelles multi-
champs. La fonctionnelle de l’énergie complémentaire est la suivante :
1
Z Z Z Z
J.; ; / D S .div  C f / C u
n C .
n gN / (8.46)
2   €D €N

où  et  sont les multiplicateurs de Lagrange. Les multiplicateurs de Lagrange présentés ci-dessus

ont une signification physique (que l’on trouve en écrivant la stationnarité de la fonctionnelle).
En remplaçant les multiplicateurs par les quantités qu’ils représentent, i.e. en remplaçant  par u
dans  et  par u sur €N , on obtient la fonctionnelle d’Hellinger-Reissner sous sa première forme :

1
Z Z Z Z
J.u;  / D S .div  C f /u C u
n .
n gN /v (8.47)
2   €D €N

En notant :
Z
a.;  / D S (8.48)
Z Z Z
b.; u/ D div  u C u
n C u
n (8.49)
 €D €N
Z Z
L.u/ D fuC gN v (8.50)
 €N

alors, le première fonctionnelle de Reissner se met sous la forme :

1
J.; u/ D a.;  / C b.u / L.u/ (8.51)
2
En effectuant une intégration par parties du terme mixte b.; u/, on obtient la fonctionnelle
d’Hellinger-Reissner sous sa deuxième forme :
1
Z Z Z Z
J.u;  / D S C  W" fv gN v (8.52)
2    €N

113 8. Problèmes physiques : formulations faibles et variationnelles PROBLÈME CONTINU II

 où le champ de déplacement doit vérifier v D u sur €D , et où la relation entre déformations et
déplacement est supposée vérifiée dans . Cette fonctionnelle d’Hellinger-Reissner est également
appelée fonctionnelle mixte. L’adjectif hybride peut être adjoint à l’une quelconque des formulations
précédentes si le ou les champs sont interpolés d’une part sur tout le domaine  et d’autre part sur
tout ou partie du contour € de façon indépendante.
Il est possible de modifier la fonctionnelle de l’énergie complémentaire de plusieurs manières.
Nous ne présentons que celle conduisant à ce que l’on appelle souvent fonctionnelle hybride et qui
est la fonctionnelle de Pian et Tong (1978) :
1
Z Z Z
J.u; "/ D  S C u .v/
n gN v (8.53)
2  € €N

Sa variation :
Z Z Z
ıJ.u; "/ D S C u .v/
n C v .u/
n gN v (8.54)
 € €N

a l’avantage de ne pas comporter de dérivée.

Au paragraphe 11.1, nous reprendrons ces formulations pour les exprimer, peut-être de manière
plus « explicite » pour le lecteur sous forme matricielle.

8.4 Équations de l’acoustique

On s’intéresse à la propagation et à la réflexion d’ondes de pression dans un fluide parfait non
pesant. On supposera le mouvement harmonique autour d’un état moyen (ambiance) au repos
(ce qui est le lien « physique » avec l’introduction de l’espace L20 ./ présenté pour l’équation de
Stokes).
On rappelle que l’équation des ondes acoustiques de célérité c dans un milieu est :
1 0
p 0 pR D 0 (8.55)
c2

8.4.1 Équation de Helmholtz

Il s’agit de la formulation générale d’un problème acoustique linéaire. Elle est obtenue en cherchant
la solution harmonique de l’équation des ondes, i.e. une solution sous la forme : p 0 .x; y; z; t / D
p.x; y; z/e i !t . (Au passage, les physiciens utilisent plutôt j au lieu de i pour gagner en clarté sans
doute... comme s’ils passaient leur temps à parler d’intensité, qu’en plus ils notent plutôt I !)
On obtient alors l’équation de Helmholtz :

p C k 2 p D 0 (8.56)

où k est le nombre d’onde :

! 2
kD D (8.57)
c 

8.4.2 Conditions aux limites en acoustique

Soit € D @ la frontière du domaine concerné. On considère que € est partitionnée en trois zones
(i.e. dont l’union vaut € et dont aucune n’intersecte les autres) qui portent chacune une condition
aux limites différente : €D de Dirichlet, €N de Neumann et €R de Robin. On a donc :
— Dirichlet : p D p sur €D ;
— Neumann : @n p D i!Vn sur €N ;

II PROBLÈME CONTINU 8.4 Équations de l’acoustique 114

 — Robin : @n p D i!An p sur €R .
Remarques.
Condition de Dirichlet : La condition est à comprendre comme « la pression a une valeur prescrite sur la
frontière ». Sa traduction mathématique est alors plutôt :
@p
D p sur €D
@n
Condition de Neumann : Vn est la valeur imposée de la composante normale de la vitesse. Cette condition
limite modélise la vibration d’un panneau, ce qui en fait la condition la plus souvent utilisée lorsque l’on a
un couplage faible entre la structure et le fluide. On effectue alors une étude vibratoire de la structure, puis
grâce à celle-ci une étude acoustique du fluide sans se préoccuper des interactions fluide-structure.
Condition de Robin : An est appelé coefficient d’admittance, il vaut l’inverse de l’impédance Zn :
An
Zn D 1. Physiquement, ce coefficient représente l’absorption et la reflexion de l’onde par le matériau
environnant dont la frontière est modélisée par €R .

Nous aurons l’occasion de reparler de cela au chapitre 18 qui portera spécifiquement sur l’acous-
tique.

8.4.3 Formulation faible

En notant HD1 ./ D p 2 H1 ./; p D p sur €D et HD0 ./ D v 2 H1 ./; v D 0 sur €D , les
˚ ˚

espaces qui sont des sous-espaces de H1 ./, on trouve finalement :

Q D b.w/;
a.p; w/ Q 8w 2 HD0 ./ (8.58)

avec Q
la conjugaison complexe, a.p; q/ W HD1  HD1 ! C la forme sesquilinéaire définie par :
Z Z
a.p; q/ D @xi p@xi qQ k 2 p qQ C ickAn qQ (8.59)
 €R

et b.a/ W HD1 ! C définie par :

Z
b.q/ D ickVn q (8.60)
€N

Et comme on peut vérifier que l’on est dans un cas qui va bien, on définit l’énergie potentielle
totale du domaine par :
1
Wp D a.p; p/
Q Q
b.p/ (8.61)
2
et la résolution du problème devient :

Trouver p 2 HD1 ./ tel que Wp soit minimal (8.62)

ou de manière équivalente :

Trouver p 2 HD1 ./ tel que ıWp D 0; 8ıp 2 H10 ./ (8.63)

En fonction des conditions aux limites et des conditions initiales du problème, la varia-
tion de pression solution du problème peut être réelle, i.e. être de la forme p 0 .x; y; z; t / D
<.p.x; y; z/e i !t /. Une telle solution est appelée monochromatique. On pourra alors résoudre
le problème en restant dans R au lieu de passer dans C. Cela se produit lorsque l’on résout
l’équation d’Helmholtz (8.56) assortie uniquement de conditions aux limites de Dirichlet.

115 8. Problèmes physiques : formulations faibles et variationnelles PROBLÈME CONTINU II

 Chapitre 9

Exemple de formulation variationnelle

d’un problème de Neumann

Résumé — Dans cet exemple, portant sur formulation d’un problème de Neumann, nous
allons essayer de montrer comment la réflexion mathématique se fait et évolue « au fil
de l’eau » pour transformer un problème initial donné et obtenir les bonnes conditions
d’existence et d’unicité de la solution sur les « espaces qui vont bien » (et qui eux, feront
ensuite l’objet d’une discrétisation numérique).

Supposons que nos « investigations » sur un problème nous aient conduit à sa formulation
sous forme d’un problème de Neumann (avec f 2 L2 ./, ce qui n’est pas une condition si forte
finalement, et c’est ce que l’on aimerait avoir) :
8
< u D f dans 
(9.1)
: @u D 0 sur € D @
@n
Nous allons donc nous poser la question de l’existence et de l’unicité de la solution de ce problème.

9.1 Étude directe de l’existence et l’unicité de la solution

Sans être magicien, il doit sembler à peu près évident qu’une condition nécessaire d’existence doit
être que f 2 L20 ./, et que les conditions imposées semblent un peu courtes pour assurer l’unicité.
On voit en effet que l’existence implique que
@u
Z Z
u D D0 (9.2)
 € @n

qui conduit à :
Z
f D0 (9.3)


i.e. f 2 L20 ./. Donc f 2 L20 ./ est bien une condition nécessaire d’existence.
De même, d’après ce qui précède, on voit que si u est solution, alors u C c est solution, ce qui
prouve qu’il n’y a pas unicité de la solution.

9.2 Formulation variationnelle

Nous allons écrire la formulation variationnelle de notre problème dans H1 ./. Nous regarderons
si nous retrouvons la même condition d’existence. Nous nous demanderons ensuite si, en nous
restreignant à un certain espace, il n’est pas possible d’obtenir l’unicité de la solution.

117 9. Exemple de formulation variationnelle d’un problème de Neumann PROBLÈME CONTINU II

 Nous commençons donc par écrire notre problème sous la forme :

@u
Z Z Z
u
v D ru
rv v (9.4)
  € @n

et comme le dernier terme est nul (condition aux limites), il reste :

Z Z
u
v D ru
rv (9.5)
 

Comme nous voulons la formulation variationnelle dans H1 ./ (i.e. u 2 H1 .//, il vient :
Z Z
ru
rv D f v; 8v 2 H1 ./ (9.6)
 

Si nous considérons u D u0 C c et v D v0 C d , alors il vient :

Z Z Z
ru0
rv0 D f v0 C d f; 8v0 2 H1 ./; 8d (9.7)
  

ce qui implique, pour que ce soit vrai pour tout d que  f D 0, et on retrouve bien que f 2 L20 ./
R

est une condition nécessaire d’existence.

Mézalor, il est naturel de considérer u0 2 H1 ./ \ L20 ./ (car on veut que u et v vivent dans
le même espace pour pouvoir appliquer nos « méthodes »), et la formulation précédente donne :
Z Z
ru0
rv0 D f v0 ; 8v0 2 H1 ./ \ L20 ./ (9.8)
 

i.e. nous sommes amenés à considérer l’espace V D H1 ./ \ L20 ./.

L’espace V est un espace de Hilbert R normé par k
kH1 ./ .
— v 2 V ) v 2 H1 ./ tel que  v D 0 et l’application v 2 H1 ./ 7!  v est continue
R

sur H1 ./, donc V est un sous-espace fermé de H1 , donc est un Hilbert. Et donc maintenant
que l’on sait que V est un Hilbert, on aimerait bien appliquer Lax-Milgram (voir 7.3), c’est
pourquoi il faut s’intéresser à la forme bilinéaire définissant le problème. C’est ce qui suit.
— Si l’on considère la forme bilinéaire :
Z
a.u0 ; v0 / D ru0
rv0 (9.9)


alors on voit que

a.u0 ; v0 / 6 ju0 j1 jv0 j1 6 ku0 kH1 kv0 kH1 (9.10)

et donc a est continue.

— .v0 ; v0 / D jv0 j21 . Or on a l’inégalité de type Poincaré suivante : 9c./ > 0 tel que :

j'j0; 6 c./j'j1; ; 8' 2 V (9.11)

Cela conduit à :

jv0 j21 1
2 2
> ; 8v 2 V (9.12)
jv0 j1 C jv0 j0 1 C c 2 ./

Donc a est V-elliptique.

Le théorème de Lax-Milgram permet donc de conclure à l’existence et à l’unicité de la solution u0 2
V.

II PROBLÈME CONTINU 9.2 Formulation variationnelle 118

 9.3 Formulation mixte duale
On va regarder maintenant ce qui se passe si l’on exprime le problème sous forme mixte, i.e. en se
servant de deux variables. C’est une voie fréquente pour « simplifier » les conditions aux limites.
En effet, plutôt que considérer @u @n
D 0 sur € D @, on peut interpréter cela comme une
pression nulle sur les bords, i.e. p:n D 0 sur €.
Le problème considéré se formule alors de la manière suivante :
8
< u C p D 0 loi de comportement dans 
ˆ
div p D f loi de conservation dans  (9.13)
ˆ
p
nD0 condition aux limites sur €
:

On peut alors écrire la loi de conservation :

Z Z
.div p/v D f v; 8v 2 L2 ./ (à priori) (9.14)
 

et la loi de comportement :
Z Z Z
0D .p ru/
q D p
qC u div q D hu; q
ni (9.15)
  

On n’a pas d’information sur u. Par contre, on a un terme p
n D 0. Et il serait bien de disposer de
son « symétrique », i.e. d’un terme q:n D 0 qui serait imposé par le choix de l’espace dans lequel
vivrait u. Ce que l’on a en tête c’est bien sûr de pouvoir utiliser le théorème de Brezzi.
En correspondance avec les notations du paragraphe 7.5, on choisit alors les espaces : H D
fq 2 [Link] /I q
nj€ D 0g et M D L2 ./. Le problème est donné, dans la formulation de Brezzi,
par les deux formes bilinéaires
Z Z
a.p; q/ D p
q et b.v; q/ D v div q (9.16)
 

Quant aux formes linéaires définissant le problème, la première est nulle et la seconde vaut :
Z
fv (9.17)


Maintenant que nous nous sommes rapprochés du cadre du théorème de Brezzi, il va nous
falloir vérifier si toutes les conditions sont vérifiées. Toutefois, d’après ce qui a été vu dans les
paragraphes précédents, il semble naturel de se demander s’il faudra bien conserver L2 ./, ou s’il
faudra passer à L20 ./, et ce qu’il se passe quand u D u0 C c.
Pour l’instant, on a :
Z Z
v div p D f v; 8v 2 L2 ./ (9.18)
 

Si l’on prend v D 1, alors il vient :

Z Z
div p D p
nD0 (9.19)
 €

ce qui implique que  f D 0, soit f 2 L20 ./ On a également :

R

Z Z
p
qC u div q D 0; 8q 2 H (9.20)
 
R
Or q 2 H implique  div q D 0, ce qui implique aussi que si u est solution, alors u C c l’est aussi.

119 9. Exemple de formulation variationnelle d’un problème de Neumann PROBLÈME CONTINU II

 Encore une fois il n’y Ra pas unicité de la solution. Pour l’imposer, il faut donc une condition
sur u, comme par exemple  u D 0, i.e. u 2 L20 ./. Si de plus div p 2 L20 ./ (et avec f 2 L20 ./
comme vu au dessus), alors ce implique que :
Z Z
.div p C f /.vL2 C c/ D .div p C f /vL2 (9.21)
0 0
 

Donc le choix M D L20 ./ semble un choix convenable à priori.

Il reste alors maintenant à vérifier que toutes les conditions du théorème de Brezzi sont bien
satisfaites pour pouvoir conclure à l’existence et à l’unicité de la solution. Ces conditions sont :
— H et M sont des Hilbert ;
— a, b et f sont continues ;
— a est V-elliptique ;
— condition inf-sup sur b.
H est un Hilbert Pour montrer que H est un Hilbert, on s’appuie sur le fait que l’application :
' W q 2 [Link] / 7! q
n 2 H 1=2 .€/ est continue (car kq; 0k 1=2;€ 6 [Link]/ ).
Il en résulte alors que H D ' 1 .0/ est fermé et que [Link] / étant un Hilbert, c’est
également un Hilbert pour la norme de [Link]/.
M est un Hilbert Pour montrer que M est un Hilbert,
R on s’appuie sur le fait que l’application :
2
R p
' W v 2 L ./ 7!  v D 0 est continue car j vj 6 jjjvL2 ./ j.
Il en résulte que M D ' 1 .0/ est fermé et que L2 ./ étant un espace de Hilbert, c’est
également un espace de Hilbert pour la norme de L2 ./.
a est continue
Z
a.p; q/ D p
q 6 jpj0 jqj0 6 [Link]/ [Link]/ (9.22)


et donc a est continue et kak 6 1.

b est continue
Z
b.v; q/ D v div q 6 jvj0 j div qj0 6 jvj0 [Link]/ (9.23)


et donc b est continue et kbk 6 1.

f est continue
Z
f v 6 jf j0 jvj0 (9.24)


ce qui implique que la norme de la forme linéaire est 6 jf j0 .

a est V-elliptique On a :
 Z 
2
V D q 2 HI v div q D 0; 8v 2 L0 ./ (9.25)

Z Z
q 2 H implique que .v C c/ div q D 0, et donc w div q D 0, 8w 2 L2 ./, ce qui
 
finalement implique que div q D 0 dans L2 ./.
On a donc V D fq 2 HI div q D 0g.
On a alors :
Z
a.q; q/ D jqj2 D [Link]/
2
(9.26)


si q 2 V, et donc la V-ellipticité de a est démontrée.

II PROBLÈME CONTINU 9.3 Formulation mixte duale 120

 Condition inf-sup Pour montrer la conditions inf-sup, nous construirons q à partir d’un ' vérifiant
@'
@n
D 0 sur €, i.e. :

1
Z
8v 2 M; 9q 2 HI v div q D jvj20 et [Link]/ 6 jvj0 (9.27)
 ˇ
@'
q 2 H, div q D v et q D r', q
n D 0 donc @n
D 0, et :
8
< ' D v
(9.28)
: @' D 0
@n
Comme au paragraphe sur la formulation variationnelle, 9Š' 2 H1 ./ \ L20 ./ car v 2 L20 ./ :
Z Z
2 2 2
jqj0 D jr'j D j'j1 D v' 6 jvj0 j'j0 6 c./jVj0 j'j1 (9.29)
 

d’où jaj0 6 c./jVj0 . De plus :

jqj20 C j div qj20 D jqj20 C jvj20 6 .C2 ./ C 1/jvj20 (9.30)

d’où :
1
ˇDp (9.31)
1 C c 2 ./

On peut donc appliquer le théorème de Brezzi et conclure à l’existence et à l’unicité de la

solution.

121 9. Exemple de formulation variationnelle d’un problème de Neumann PROBLÈME CONTINU II

 III ÉLÉMENTS FINIS

123 9. ÉLÉMENTS FINIS III

 Introduction

En introduction à cette partie, il nous semblait important d’en exposer sa structure, car elle peut
sembler un peu décousue à la simple lecture de la table des matières.
Après les pré-requis exposés dans les deux premières parties, la partie III va s’ouvrir « tout
naturellement » sur une présentation générale de la méthode des éléments finis au chapitre 10.
Immédiatement après, compte tenu du public visé, le chapitre 11 essayera de mettre en avant
les spécificités et surtout la complexité de la mécanique comme champ d’application de la méthode
des éléments finis.
Cette mise en garde, au regard de l’expérience, nous semble importante : on a tendance souvent
à considérer que la mécanique est quelque chose de très bien maîtrisé, et ce n’est pas le cas. Bien
des sujets restent pointus, voire ouverts. Il convient donc de rester prudent, surtout pour ceux ayant
une expérience de calcul importante qui les porte parfois à sous estimer les difficultés.
Le chapitre 12, qui fait suite logiquement en terme de présentation de la méthode des éléments
finis, au chapitre 10, est souvent le mieux maîtrisé par le public d’ingénieurs, au moins concernant
les éléments de Lagrange. Nous l’avons complété de remarques sur les modèles à plusieurs champs
(qui peut faire pour partie écho au chapitre 11). Encore une fois, pour le public visé, c’est surtout le
paragraphe 12.4 sur la validation pratique des éléments finis qui aura sans doute le plus de valeur
ajoutée. Le contenu de ce paragraphe fait souvent partie des choses oubliées.
Comme nous en serons sur des choses un peu oubliées, nous en profiterons au chapitre 13 pour
continuer dans le même sillon et rappeler quelques méthodes d’amélioration de la performance du
calcul. Nous y présentons des choses qui sont utilisées plus ou moins fréquemment par notre public.
Seuls les paragraphes 13.6 et 13.7 (sur les méthodes de réanalyse et aux dérivées d’ordre élevé)
sont généralement moins bien connus. Nous avons voulu les introduire ici plutôt qu’au chapitre 22
car ils sont vraiment en lien avec les préoccupations directes de notre public.
Le chapitre 14 permettra une petite pause en exposant brièvement les stratégies de maillage, et
plus particulièrement la triangulation de Delaunay.
Pour continuer sur les choses pouvant avoir un réel intérêt pratique pour le public d’ingénieurs
mécaniciens (ou acousticiens), nous aborderons au chapitre suivant 15 les méthodes d’homogé-
néisation. Si les méthodes les plus « physiques » sont bien connues, l’approche mathématique
(généralisante) est bien souvent quasi totalement inconnue.
À ce niveau du document, il nous semble que nous aurons parcouru bon nombre des applications
typiques de la méthode des éléments finis, surtout dans le cadre de la mécanique... mais uniquement
sous l’angle statique !
Il sera donc temps d’aborder « le temps », i.e. les problèmes non stationnaires, au chapitre 16.
La propagation des ondes, quant à elle, ne sera traitée qu’au chapitre 17. C’est d’ailleurs dans ce
chapitre que seront abordés également les modes propres, dont nous n’aurons pas parlé jusqu’alors
(à quelques exception près lors de remarques diverses et variées... mais rien de sérieux). Le
chapitre 18 continuera la spécification en se focalisant sur l’acoustique.
Dès lors, on pourra considérer qu’une présentation assez complète de la méthode des éléments
finis a été faite. Toutefois, ce qui était encore de l’ordre de la recherche il y a une décennie fait
aujourd’hui partie des phénomènes que notre public doit prendre en compte de plus en plus souvent.
Ces phénomènes, un peu plus complexes, un peu plus exotiques, sont souvent liés à ce que l’on

125 ÉLÉMENTS FINIS III

 appelle la ou plutôt les non linéarités. C’est ce qui sera abordé au chapitre 19.
Parmi toutes les non linéarités, c’est celle des lois de comportement qu’il nous est demandé
d’exposer en priorité. Les problèmes de contact ou de grands déplacements, qui seront abordés
dans ce chapitre, nous sont bien moins demandés car souvent traités par des personnes très au fait
des méthodes et même souvent en lien avec la recherche dans le domaine.
Quant au traitement de la modélisation de la rupture en mécanique, le chapitre 20 y sera
consacré. Il s’agit néanmoins d’une affaire de spécialistes, et nous ne ferons qu’aborder le sujet.
Le chapitre 21 présentera brièvement quelques méthodes probabilistes pour la prise en compte
des aléas dans les équations considérées. C’est encore une fois sous l’angle de la « mécanique
aléatoire » que nous illustrerons cela, en incluant une présentation de l’indice de fiabilité d’une
structure.
Le chapitre 22 permet de mettre l’accent sur le fait que même si la méthode des éléments
finis est une méthode extrêmement générale, performante et répandue, elle n’est qu’une méthode
numérique parmi une multitude d’autres méthodes. Ce chapitre n’a pas vocation bien évidemment
à approfondir aucune des méthodes abordées, mais uniquement à fournir un petit complément
culturel qui nous semblait indispensable dans le monde actuel.
Le chapitre 23 clôt cette partie sur un petit rappel lié aux singularités, juste comme une petite
piqûre de rappel sur des problèmes dont les ingénieurs pratiquant le calcul numérique restent assez
conscients. Il nous a semblé que passer les singularités sous silence pouvait laisser à penser que ce
problème n’était peut-être pas si important, ce qui n’est pas le cas bien évidemment.

III ÉLÉMENTS FINIS 126

 Chapitre 10

La méthode des éléments finis

Résumé — Une fois le travail précédent accompli, i.e. une fois que l’on dispose d’une
formulation faible, « il n’y a plus qu’à » calculer la solution ! La méthode des éléments
finis est l’un des outils numérique développé pour cela.
La méthode des éléments finis se propose de mettre en place, sur la base de formula-
tions faibles, un algorithme discret (discrétisation) permettant de rechercher une solution
approchée d’un problème aux dérivées partielles sur un domaine compact avec conditions
aux bords et/ou dans l’intérieur du compact.
Il s’agit donc de répondre aux questions d’existence et d’unicité de la solution, de
stabilité et de convergence des méthodes numériques, ainsi que d’apprécier l’erreur entre
la solution exacte et la solution approchée (indicateurs et estimateurs d’erreur, a priori et
a posteriori).

10.1 Introduction
Les chapitres des parties précédentes ont eu pour but de nous permettre de décrire un problème
physique à partir d’équations aux dérivées partielles, mais à aucun moment nous n’avons encore
parlé de la manière de résoudre ces équations (que ce soit la formulation forte ou la faible). Ce sera
le but de ce chapitre, dans lequel la mise en œuvre de la méthode des éléments finis va être exposée.
Nous avons vu dans la partie précédente, comment passer d’une formulation forte à une
formulation faible. Dans de nombreux cas, nous avons montré qu’il y a équivalence (existence et
unicité de la solution) entre l’étude des deux formulations. Il faut toutefois bien garder en tête que
dans certains cas, l’équivalence entre les deux formulations n’est pas évidente.
Une condition qui n’a pas été vraiment évoquée jusque là est le cas où le bord du domaine
n’est pas suffisamment régulier, par exemple s’il possède des points singuliers (par exemple point
d’inflexion ou de rebroussement, ou dans le cas des fissures en MMC).
Cela peut également se produire si l’on ne peut pas assurer que la fonction f (celle agissant
dans tout le domaine) n’est pas suffisamment dérivable. Comme en général on suppose dans les
problèmes physiques que la solution est C1 , on n’est pas confronté à ce genre de problème.
L’idée de la méthode des éléments finis est de décomposer (on dit discrétiser) le domaine 
en un certain nombre de sous-domaines (les éléments). Les éléments recouvriront l’intégralité
du domaine (de la frontière pour les éléments de frontière qui est une autre méthode) et sans
chevauchement entre eux (les éléments peuvent se chevaucher dans la méthode des volumes finis).
De plus, on va chercher la fonction solution u comme étant interpolée par des « bouts » de solutions
définis sur chaque élément.
Le problème étant interpolé sur les éléments, on se doute que le nombre d’éléments va jouer
sur la qualité de cette approximation de la solution. On se doute également que, comme on résout
un problème comportant des dérivées, c’est plutôt dans les endroits où la solution va varier vite
qu’il sera nécessaire de « resserrer » le maillage.

127 10. La méthode des éléments finis ÉLÉMENTS FINIS III

 On veillera également à ce que les éléments ne soient pas trop distordus. Des critères dits « de
forme » existent. Néanmoins, dans certains cas il est possible de violer allègrement ces critères tout
en obtenant une très bonne approximation de la solution.
Histoire

C’est l’ingénieur américain Ray William Clough qui, semble-t-il, a utilisé le terme de méthode des
éléments finis le premier dans un article de 1960 intitulé The Finite Element Method in Plane Stress
Analysis. Le mot rigidité (Stiffness) apparaissait dans le titre de son article Stiffness and Deflection
Analysis of Complex Structures datant de 1956 (et coécrit avec M. Turner, H. C. Martin et L. J.
Topp).
Si on veut replacer très brièvement cela dans un contexte
plus global, on peut dire que l’analyse des structures est née
vers 1850.
La RdM, recourant au calcul manuel, était développée
par Maxwell, Castigliano, Mohr.
Le concept d’éléments finis est né vers 1940, avec des
figures comme Newmark, Hrennikoff (1941), Mc Henry, Clough Courant Zienkiewicz
Courant (1942)...
Son réel essor ne commence toutefois que dans les années 60 avec le développement du calcul
numérique sur ordinateur.
La méthode des éléments finis (MEF) prend ses origines dans le besoin de résoudre des pro-
blèmes complexes d’élasticité et d’analyse de structures en ingénierie civile et aéronautique. Son
développement remonte aux travaux d’Alexander Hrennikoff (1941) et de Richard Courant (1942).
Bien qu’utilisant des approches différentes, ces deux pionniers partagent la même caractéristique
essentielle à savoir la discrétisation par maillage du domaine continu en sous-domaines discrets,
que l’on appelle éléments. C’est Olgierd Zienkiewicz de l’Imperial College qui synthétisa ces deux
méthodes en ce que l’on peut appeler la méthode des éléments finis et qui fit la première formalisation
mathématique de la méthode.
Dans ses travaux, Hrennikoff discrétise le domaine
en utilisant une analogie avec les treillis, tandis que l’ap-
proche de Courant divise le domaine en sous-régions finies
triangulaires pour résoudre les équations aux dérivées par-
tielles elliptiques du second ordre issues du problème de
la torsion d’un cylindre. On peut dire que la contribution
Rayleigh Ritz Galerkine
de Courant était une évolution s’appuyant sur un vaste cor-
pus de résultats antérieurs pour les équations aux dérivées
partielles développés par Rayleigh, Ritz et Galerkin.
Le développement de la méthode des éléments finis
a véritablement commencé au milieu de années 1950 pour
l’analyse structurale et aéronautique, et prit de l’ampleur
à l’Université de Stuttgart grâce au travail de John Argyris
et à Berkeley grâce au travail de Ray W. Clough [21].
Ray Clough est également l’un des pionniers du génie
para sismique et s’est vu décerné en 2008, à la World Argyris Strang Fix
Conference of Earthquake Engineering en Chine, le titre
de « légende du génie para sismique » (“Legend of Earthquake Engineering”).
À la fin des années 50, les concepts clés de matrice de rigidité et d’assemblage d’éléments
existaient quasiment sous la forme actuelle. La NASA publia une demande de propositions pour le
développement du logiciel d’éléments finis NASTRAN en 1965.
La base mathématique rigoureuse de la méthode des éléments finis a été consolidée en 1973
avec la publication de Strang et Fix de An Analysis of The Finite Element Method. Elle a depuis
été intégrée comme une branche des mathématiques appliquées à la modélisation numérique des
systèmes physiques dans une large variété de disciplines. Pour une discussion plus approfondie des
apports et contributions relatives des différents pionniers de cette méthode, on pourra se référer à
[33].

Bien que la méthode des éléments finis soit théoriquement généralisable à toutes les dimensions
d’espace et à tous les ordres de dérivation, dans la pratique, l’augmentation de ces paramètres

III ÉLÉMENTS FINIS 10.1 Introduction 128

 accroît de manière dramatique la difficulté et on se contente de résoudre des problèmes limités à
trois dimensions en espace et deux ordres de dérivation.
Par exemple, un problème à trois dimensions d’espace et une dimension de temps, qui pourrait
être discrétisé par une formulation à quatre dimensions (les éléments finis espace-temps existent),
sera traité par une discrétisation éléments finis à trois dimensions d’espace couplé à un schéma en
différences finis en temps.
Pour des problèmes avec des ordres de dérivations supérieurs (des techniques dites d’ordres
élevés existent), comme par exemple en statique des poutres où l’on a une dérivation partielle
d’ordre 4, on introduit des variables supplémentaires afin de diminuer les ordres des dérivées
(déformations, contraintes...). cela a été évoqué en parlant du « choix des variables » en mécanique,
nous détaillerons un peu plus loin la formulation éléments finis de ces formulations mixtes).

10.2 Problèmes de la modélisation « réelle »

Pour faire suite aux dernières remarques faites au paragraphe précédent, il faut se rendre à l’évidence
que les équations qui modélisent les principales théories de la physique ont été présentées (et
développées) dans un cadre idéalisé. Dans les problèmes réels, il est souvent difficile de rester dans
ce cadre à cause de nombreuses difficultés telles que les problèmes géométriques, d’échelle et du
couplage de différents modèles.
Toutefois, cela ne signifie pas qu’il est alors impossible de simuler le problème, mais seulement
qu’il est nécessaire d’ajouter encore un peu plus d’intelligence et d’astuce. En effet, ces difficultés
peuvent souvent être découplées dans un calcul numérique par des algorithmes adéquats et l’on se
ramène alors à la résolution itérée de problèmes standard (d’où la nécessité de disposer de méthodes
sûres et performantes pour calculer des solutions numériques de ces problèmes standard).
Nous allons présenter quelques exemples de problèmes pouvant survenir dans une modélisation,
sachant qu’un certains nombre seront traités dans des chapitres ultérieurs (mais pas tous).

10.2.1 Problèmes géométriques

Jusqu’à présent, nous avons supposé que le domaine  dans lequel le problème était considéré était
fixe. Or, dans de nombreux problèmes ce domaine est variable, on parle de problèmes à surface
libre, dont voici quelques exemples :
— Le problème le plus évident pour le lecteur, et qui a déjà été évoqué, est celui de la grande
déformation d’un solide.
— L’étude des mouvements d’un liquide, notamment les vagues ou le mouvement de l’eau
dans un réservoir. Quand la variation de la forme du domaine n’est pas trop grande on peut
définir le domaine inconnu comme l’image d’un domaine fixe par une certaine fonction.
Cette fonction devient alors une inconnue du problème qui se ramène à une équation plus
complexe que l’équation initiale mais sur un domaine fixe. Mais, parfois, le domaine peut
être amené à se fragmenter comme dans le cas de la formation de gouttes...
— La fusion de la glace dans l’eau : la frontière entre la glace et l’eau est alors une inconnue du
problème.

10.2.2 Problèmes d’échelle

La formulation d’un problème peut dépendre de l’échelle à laquelle on regarde ce problème,
comme cela a été mentionné précédemment. Mais il se peut également que différentes échelles
interagissent... Quelques problèmes classiques d’échelle sont :
— Nous avons déjà évoqué un peu cela en mécanique des fluides : dans l’écoulement d’un fluide
la turbulence est un phénomène qui fait apparaître des mouvements à très petite échelle. La
complexité de ces mouvements rend nécessaire, dans un calcul numérique, le remplacement

129 10. La méthode des éléments finis ÉLÉMENTS FINIS III

 des valeurs exactes des champs inconnus par leur moyenne, en un sens à préciser. Cela
conduit à des modèles de turbulence qui se différencient par les hypothèses supplémentaires
qui sont faites.
— Dans un champ plus proche des considérations du lecteur, on pensera évidemment aux
ondes. Une excitation à très haute fréquence crée une onde de longueur très petite. Or une
longueur d’onde très petite ne peut pas être prise en compte dans un calcul numérique à
grande échelle. La prise en compte de ce phénomène dans l’équation des ondes conduit à des
modèles asymptotiques dans lesquels l’étude des ondes se ramène à la théorie de l’optique
géométrique plus ou moins enrichie pour tenir compte de phénomènes comme la diffraction.
Mais si la longueur d’onde est proche des longueurs des variations géométriques du bord du
domaine d’étude il faut revenir à l’équation des ondes pour étudier l’effet de ces variations
géométriques. On peut donc être amener à coupler l’optique géométrique et une étude directe
de l’équation des ondes.
— Un autre champ lui-aussi déjà mentionné est celui des hétérogénéités d’un milieu continu,
qui, quand elles sont à très petite échelle, peuvent empêcher la prise en compte exacte de
celles-ci, au moins dans une approximation numérique.
C’est le cas des solides formés de matériaux composites, des fluides comme l’air chargé de
gouttelettes d’eau ou de l’eau contenant des bulles de vapeur. On est conduit à définir des
modèles limites dits homogénéisés dans lesquels on remplace les grandeurs usuelles (vitesse,
masse volumique), qui ont une forte variation locale, par leur valeur moyenne.
Les équations obtenues peuvent avoir la même forme que les équations initiales comme dans
le cas de la théorie élastique des matériaux composites (le seul problème est de calculer les
propriétés matérielles du matériau homogénéisé, mais nous présenterons cela plus loin) ou
bien, quand les paramètres des hétérogénéités (la densité de bulles par exemple) dépendent
de la solution, ces paramètres s’ajoutent aux grandeurs inconnues initiales et le nombre
d’équations peut donc s’accroître.

10.2.3 Couplage géométrique

De nombreux problèmes impliquent la prise en compte de plusieurs modèles (on dit parfois
également « plusieurs physiques »).
C’est le cas de l’interaction d’un fluide et d’une structure : l’écoulement d’un fluide par exemple
peut faire vibrer une structure qui en retour fait vibrer le fluide. Une des difficultés vient de ce que
les inconnues utilisées dans la modélisation de chacun des milieux sont de natures différentes : les
déplacements dans le solide et les vitesses dans le fluide.
Comme illustration de ce couplage, nous proposons le cas d’un poisson, issu de l’intéressante
étude de San Martín et al. [56]. Le déplacement d’un poisson dans son millieu, illustré à la
figure 10.1.a, n’est pas imposé mais résulte de l’interaction entre la déformation propre du poisson
(donnée à la figure 10.1.b, et qui elle est imposée) et le fluide.

a) poisson et son environnement b) déformation

F IGURE 10.1: Interaction fluide/structure : déplacement d’un poisson

III ÉLÉMENTS FINIS 10.2 Problèmes de la modélisation « réelle » 130

 On retrouve aussi les problèmes d’interaction fluide/structure dans la modélisation de la circula-
tion sanguine : le sang est un liquide très faiblement compressible, alors que les vaisseaux sanguins
sont déformables et susceptibles de grands déplacements
Le contact entre deux solides peut également être placé dans cette catégorie.

10.2.4 Couplage intrinsèque

L’étude de la convection naturelle d’un fluide, pour la météorologie par exemple, se modélise par le
couplage des équations de la dynamique des fluides d’une part, de la diffusion et du transport de
la chaleur d’autre part : ce sont en effet les variations de température qui créent les variations de
densité responsables du mouvement de l’air, mais ce mouvement lui-même entraîne un transport de
chaleur responsable de variations de la température. Même si l’on considère un modèle simplifié
linéarisé pour modéliser l’écoulement du fluide, le couplage fait apparaître une non linéarité.
L’étude des plasmas oblige à coupler les équations de dynamiques des fluides et les équations de
Maxwell puisque ce sont les forces électromagnétiques qui font se mouvoir les particules chargées
mais leur mouvement est lui même la cause d’un champ électromagnétique induit.

10.3 Principe de la méthode : résolution d’un système matriciel

Soit  un domaine ouvert de Rn (n D 1; 2 ou 3 en pratique), de frontière € D @ et sur lequel on
cherche à résoudre une équation aux dérivées partielles munie de conditions aux limites.
Ce problème, mis sous forme variationnelle, est :

Trouver u 2 V tel que a.u; v/ D f .v/; 8v 2 V (10.1)

où V est un espace de Hilbert. On supposera également que l’équation de départ a de bonnes

propriétés, i.e. que l’on est dans les hypothèses vues précédemment permettant d’affirmer que le
problème admet une solution unique u.
La méthode des éléments finis se propose de discrétiser le problème considéré. La discrétisation
intervient à plusieurs niveaux :
discrétisation : il est nécessaire de disposer d’une description du domaine  sur lequel on souhaite
travailler. Cette description va se faire en l’approchant par un maillage, qui sera constitué
d’éléments.
interpolation : il est ensuite nécessaire de disposer d’une manière de représenter le ou les champs
inconnus. Ce que se propose de faire la méthode des éléments finis, c’est d’approcher ces
champs par des fonctions plus simples (disons polynomiales de degré un ou deux) définies
sur chacun des éléments du maillage (le champ est approché par des bouts de fonctions qui,
elles, ne sont définies chacune que sur un seul élément).
approximation : selon le type d’approximation, on remplace non seulement l’espace V (qui
correspond, selon les notations utilisées au chapitre sur la formulation faible, aux espaces
H, V, M ou même H  M), de dimension infinie, par des approximations Vh de dimension
finie, mais parfois également les formes bilinéaires et linéaires définissant le problème (nous
expliquerons plus tard les motivations).
De manière classique, on notera Th le maillage de  considéré. Il est caractérisé par les
dimensions géométriques représentatives que sont le diamètre maximum des éléments, h et le
facteur de forme du maillage,  (qui caractérise l’aplatissement du maillage).
Le maillage est constitué d’éléments, généralement notés K. On note hK le diamètre de l’élément
K, i.e. le maximum des distances (euclidiennes) entre deux points de K, et K la rondeur de l’élément
K, i.e. le diamètre maximum des sphères incluses dans K.
On a donc évidemment hK 6 h; 8K 2 Th puisque par définition h D maxK2Th hK , et hKK 6
; 8K 2 Th .

131 10. La méthode des éléments finis ÉLÉMENTS FINIS III

 hK = diam(K)

ρ(K)

F IGURE 10.2: Dimensions géométriques caractéristiques d’un élément.

On notera K O l’élément de référence correspondant à l’élément K du maillage Th , et d’une

manière générale on ajoutera ce « chapeau » O: sur toute quantité relative à un élément de référence
(voir plus loin le chapitre sur la formulation pratique des éléments finis).
Les types d’approximation du problème .P/ donné par la relation (10.1), qui seront détaillés un
peu plus loin, sont donnés au tableau 10.1.

type d’approximation espaces formes problème .P/ ) problème approché .Ph /

conforme Vh  V inchangées Trouver uh 2 Vh tq [Link] ; vh / D [Link] /; 8vh 2 Vh
non conforme Vh  V approchées Trouver uh 2 Vh tq ah .uh ; vh / D bh .vh /; 8vh 2 Vh
non conforme Vh 6 V approchées Trouver uh 2 Vh tq ah .uh ; vh / D bh .vh /; 8vh 2 Vh

Tableau 10.1: Relations approximation et espaces

En fait, on expose généralement les méthodes à partir de la méthode dite conforme selon le
tableau ci-dessus, alors qu’en pratique on travaille souvent dans le second cas, i.e. approximation
conforme en espace (Vh  V) mais non conforme concernant les formes, car au moins les
intégrations sont réalisées numériquement.
Toujours est-il que dans tous les cas, l’espace V est remplacé par un espace Vh , de dimension
finie Nh , dont .e1 ; : : : ; eNh / en est une base. L’approximation uh de u dans cette base s’écrit :

Nh
X
uh D qi ei (10.2)
i D1

Le problème de la méthode des éléments finis devient donc (on écrit ici en utilisant ah , mais on
pourrait utiliser a) :
Nh
X
Trouver q1 ; : : : ; qNh tels que qi ah .ei ; vh / D fh .vh / ; 8vh 2 Vh (10.3)
i D1

soit, en exploitant les linéarités de ah .
;
/ et fh .
/ et en décomposant vh :

Nh
X
Trouver q1 ; : : : ; qNh tels que qi ah .ei ; ej / D fh .ej / ; 8j D 1; : : : ; Nh (10.4)
i D1

Il s’agit donc de résoudre le système linéaire :

2 30 1 0 1
ah .e1 ; e1 / : : : ah .eNh ; e1 / q1 fh .e1 /
:: :: 7 B :: C B ::
5@ : A D @ (10.5)
6 C
4 : : : A
ah .e1 ; eNh / : : : ah .eNh ; eNh / qNh fh .eNh /

III ÉLÉMENTS FINIS 10.3 Principe de la méthode : résolution d’un système matriciel 132
 que l’on note (dans la tradition mécanicienne) :
 


Kq D F ou encore K q D F (10.6)

Telle que formulée, la matrice K semble pleine à priori. L’astuce consiste à choisir des fonctions
de base ei dont le support sera petit, i.e. chaque fonction ei sera nulle partout sauf sur quelques
mailles. Ainsi les termes ah .ei ; ej / seront le plus souvent nuls et la matrice sera creuse. De plus,
on ordonnera les ei de sorte que K soit à structure bande, avec une largeur de bande la plus faible
possible. Il existe un moyen avantageux de stocker une matrice creuse qui s’appelle le stockage en
ligne de ciel ou skyline.
Les difficultés majeures en pratique sont de trouver les ei et de les manipuler pour les calculs
d’intégrales nécessaires à la construction de K. Indiquons d’ores et déjà que la plupart de ces
difficultés seront levées grâce à trois idées principales qui seront détaillées au chapitre sur la
formulation pratique des éléments finis :
Principe d’unisolvance : On s’attachera à trouver des degrés de liberté (ou ddl) tels que la donnée
de ces degrés de liberté détermine de façon univoque toute fonction de Vh . Il pourra s’agir
par exemple des valeurs de la fonction en quelques points. Déterminer une fonction reviendra
alors à déterminer ses valeurs sur ces degrés de liberté.
Définition des ei : On définira les fonctions de base par ei D 1 sur le i ème degré de liberté,
et ei D 0 sur les autres degrés de liberté. La manipulation des ei sera alors simplifiée, et
les ei auront par ailleurs un support réduit à quelques mailles.
Notion de « famille affine d’éléments » : Le maillage sera tel que toutes les mailles soient iden-
tiques à une transformation affine près. De ce fait, tous les calculs d’intégrales pourront
se ramener à des calculs sur une seule maille de référence, par un simple changement de
variable.
Notons que la matrice K est appelée matrice de rigidité par analogie avec la mécanique des solides.
Si la forme bilinéaire a est coercive, alors K est symétrique, définie positive donc inversible.
On obtient donc l’existence et l’unicité de q D K 1 F.
De nombreuses méthodes permettent de résoudre le système matriciel (d’inverser la matrice de
rigidité) : Gauß, mais également toutes sortes de décomposition de la matrice de rigidité comme
LU, LDLT, LLT (Cholesky). Lorsque K est symétrique définie-positive, la méthode de Cholesky
est la meilleure. Elle consiste à décomposer la matrice K en le produit LT L, où la matrice L est une
matrice triangulaire inférieure.

10.4 Approximation conforme et lemme de Céa

Dans le cas d’une approximation conforme (dite aussi approximation interne), on se propose de
construire un espace Vh , de dimension Nh , comme étant un sous-espace vectoriel de V.

10.4.1 Cas Lax-Milgram

On se place dans la cas d’une formulation relevant du théorème de Lax-Milgram.
Vh étant de dimension finie, c’est un fermé de V, et V étant un espace de Hilbert, Vh l’est donc
aussi. D’où l’existence et l’unicité de uh , en application du théorème de Lax-Milgram.
L’espace Vh sera en pratique construit à partir d’un maillage du domaine , et l’indice h
désignera la taille typique des mailles. Lorsque l’on construit des maillages de plus en plus fins,
la suite de sous-espaces .Vh /h formera une approximation interne de V , i.e. pour tout élément '
de V, il existe une suite de 'h 2 Vh telle que k' 'h k ! 0 quand h ! 0.
Cette méthode d’approximation interne est appelée méthode de Galerkine (Galerkine ou
Galerkin).

133 10. La méthode des éléments finis ÉLÉMENTS FINIS III

 Signification de uh . On a a.u; v/ D f .v/, 8v 2 V, donc en particulier a.u; vh / D f .vh /, 8vh 2 Vh ,
car Vh  V. Par ailleurs, [Link] ; vh / D f .vh /, 8vh 2 Vh . Par différence, il vient a.u uh ; vh / D 0,
8vh 2 Vh .
Dans le cas où a.
;
/ est symétrique, il s’agit d’un produit scalaire sur V. uh peut alors être interprété
comme la projection orthogonale de u sur Vh au sens de a.
;
/.

Lemme 1 — Lemme de Céa. La forme bilinéaire a.
;
/ étant continue, de constante de majora-
tion M, et coercitive, de constante de minoration ˛, il est aisé d’obtenir la majoration de l’erreur
appelée lemme de Céa :
M M
ku uh k 6 ku vh k; 8vh 2 Vh c’est-à-dire ku uh k 6 d.u; Vh / (10.7)
˛ ˛
où d est la distance induite par la norme k
k.

Cette majoration donnée par le lemme de Céa ramène l’étude de l’erreur d’approximation
ku uh k à celle de l’erreur d’interpolation d.u; Vh /.

10.4.2 Cas Babuška

On se place cette fois dans le cas d’un problème relevant du théorème de Babuška. Le problème est
(v est dans M et non plus V) :
Trouver u 2 V tel que a.u; v/ D f .v/; 8v 2 M (10.8)
L’approximation conforme du problème (10.8) est le problème approché :
Trouver uh 2 Vh tel que [Link] ; vh / D f .vh /; 8vh 2 Mh (10.9)
où Vh  V et Mh  M. Attention : rien ne garantit a priori que la condition inf-sup discrète sera
vérifiée, même si la condition inf-sup est vérifiée. Ces propriétés doivent donc être démontrées pour
chaque problème. Vh et Mh étant de dimension finie, il faut nécessairement que dim Vh D dim Mh .
Le problème (10.9) est bien posé, i.e. admet une unique solution, si :
8
< 9˛h > 0 tel que inf sup [Link] ; wh /
> ˛h
ˆ
vh 2Vh wh 2Mh kvh kVh kwh kMh (10.10)
ˆ
: 8w 2 M ; .a.v ; w / D 0/ ) .w D 0/
h h h h h

ce qui est équivalent aux conditions :

8
< 9˛h > 0 tel que inf sup [Link] ; wh /
> ˛h
ˆ
vh 2Vh wh 2Mh kvh kVh kwh kMh (10.11)
ˆ
: dim V D dim M
h h

Le première relation est appelée condition inf-sup discrète.

On dispose de plus de la majoration d’erreur suivante :
 
M
ku uh k 6 1 C inf fku vh kg (10.12)
˛h vh 2Vh

10.4.3 Cas Brezzi

On se place cette fois dans le cas d’un problème relevant du théorème de Brezzi (problème mixte).
Le problème est de trouver (u; / dans H  M tels que :
(
a.u; v/ C b.v; / D hf; vi 8v 2 H;
(10.13)
b.u; / D hg; i 8 2 M:

III ÉLÉMENTS FINIS 10.4 Approximation conforme et lemme de Céa 134

 Dans ce cas, on va faire une hypothèse forte d’injection continue... Le problème discrétisé corres-
pondant à l’équation (10.13) est bien posé, si le problème défini par la relation (10.13) vérifie les
conditions de Brezzi, et si .Hh ,! H; Mh ,! M/ vérifie les conditions de Brezzi (de constantes ˛ 
et ˇ  ). De plus, on dispose alors de la majoration d’erreur :
 
ku uh kH C k h kM 6 C inf ku vh k C inf k h k (10.14)
vh 2Hh h 2Mh

où la constante C ne dépend que de kak, ˛  et ˇ  .

10.5 Approximations non conformes et lemmes de Strang

Lorsque les formes bilinéaires et linéaires définissant le problèmes doivent être approchées, on se
trouve alors en présence d’une approximation non conforme. Comme mentionné, il existe deux
types d’approximations non conformes selon que Vh  V ou Vh 6 V.

10.5.1 Approximation interne

Le problème est donc :

Trouver uh 2 Vh tel que ah .uh ; vh / D fh .vh /; 8vh 2 Vh (10.15)

où Vh  V est de dimension finie, et ah et fh sont des approximations de a et f définies

sur Vh  Vh et Vh respectivement. Dans le pratique, ah et fh sont définies sur un espace plus grand
que Vh , mais pas sur V.
Motivation. Considérons
Z la forme :
a.u; v/ D .aru; rv/.x/dx (10.16)

Comme a D a.x/, le problème est : comment intégrer ? On prend des formules d’intégrations, donc on ne
calcule pas a.
;
/, mais ah .
;
/ et fh .
/.

Une majoration de l’erreur est donnée par le lemme 1 de Strang.

Lemme 2 — Lemme 1 de Strang. S’il existe une constante ˛  > 0 indépendante de h telle
que :

8h; ah .vh ; vh / > ˛  kvh k2 ; 8vh 2 Vh

alors il existe une constante C indépendante de h telle que :

" ( )
[Link] ; wh / ah .vh ; wh /j
ku uh k 6 C inf ku vh k C sup ...
vh 2Vh wh 2Vh kwh k
 # (10.17)
jf .wh / fh .wh /j
... C sup
wh 2Vh kwh k

Le premier terme ku vh k est appelé erreur d’approximation, le reste erreur de consistance.

10.5.2 Approximation externe

Le problème est encore :

Trouver uh 2 Vh tel que ah .uh ; vh / D fh .vh /; 8vh 2 Vh (10.18)

135 10. La méthode des éléments finis ÉLÉMENTS FINIS III

 mais Vh 6 V est de dimension finie, et ah et fh sont des approximations de a et f définies
sur Vh  Vh et Vh respectivement.
Motivation. Considérons le problème du Laplacien de Dirichlet. L’espace V est H10 ./.
On considère l’espace des éléments finis triangulaires engendrés par l’élément ayant une pression
constante par élément et les nœuds au centre des arêtes du triangle. Nous notons cet espace Vh ; alors Vh 6
H1 ./. Nous prenons maintenant l’espace Vh;0 qui tient compte des conditions aux limites de Dirichlet.
Si on prend :
Z
a.u; v/ D ru
rv (10.19)

alors, dans , il y a des sauts et l’intégrale n’a pas de sens. Par contre, si l’on considère :
X Z
ah .uh ; vh / D ruh
rvh (10.20)
K2Th K
l’intégrale sur chaque élément a un sens.

Une majoration de l’erreur est donnée par le lemme 2 de Strang.

Lemme 3 — Lemme 2 de Strang. Si la norme k
kh est définie sur Vh C V, et s’il existe deux
constantes indépendantes de h, ˛  > 0 et M > 0 telles que :

ah .v; v/ > ˛  kvk2h ; 8v 2 Vh

(

jah .u; v/j 6 M kukh kvkh ; 8u 2 Vh C V; 8v 2 Vh

alors il existe une constante C indépendante de h telle que :

"  #
ja.u; wh / fh .wh /j
ku uh k 6 C inf fku vh kg C sup (10.21)
vh 2Vh wh 2Vh kwh kh

Le premier terme ku vh kh est appelé erreur d’approximation, le second erreur de consistance.

10.6 Convergence de la méthode des éléments finis en approximation

conforme interne
Reprenons un cadre général, i.e. considérons  notre domaine de Rn , et notre problème que nous
résolvons de manière approchée par la méthode des éléments finis, lorsque Vh  V. Il s’agit
maintenant de fournir une estimation de l’erreur ku uh km dans Hm (souvent m D 0, 1 ou 2).
La régularité de u et de uh (et donc les valeurs possibles pour m) dépendent du problème continu
considéré ainsi que du type d’éléments finis choisis pour sa résolution.
On rappelle que Th est le maillage de  considéré. On supposera de plus le domaine 
polygonal, ce qui permet de le recouvrir exactement par le maillage. Si ce n’est pas le cas, il faut
prendre en compte l’écart entre le domaine couvert par le maillage et le domaine réel.

10.6.1 Calcul de la majoration d’erreur

Les étapes du calcul de la majoration de l’erreur sont les suivantes :
— ku uh km 6 CkuX h ukm : l’erreur d’approximation est bornée par l’erreur d’interpolation ;
— ku h ukm D 2 ku h uk2m;K : décomposition en majorations locales sur chaque
K2Th
élément ;
— ku h ukm;K 6 C.K/kuO O uk O m;KO : passage à l’élément de référence ;
— kuO O uk O uj
O m;KO 6 Cj O kC1;KO : majoration sur l’élément de référence ;

III ÉLÉMENTS FINIS 10.6 Convergence de la méthode des éléments finis en approximation conforme interne 136
 — ku h ukm 6 C0 hkC1 m juj
kC1 : assemblage des majorations locales.

Majoration par l’erreur d’interpolation

En appliquant le lemme de Céa à vh D h u, il vient :

M
ku uh k 6 ku h uk (10.22)
˛

Décomposition en majorations locales sur chaque élément

X m
XX
ku h uk2m D ku h uk2m;K D ju h uj2l;K (10.23)
K2Th K2Th lD0

et le calcul est ramené à un calcul sur chaque élément, pour toutes les semi-normes k
kl;K pour
l D 0,. . . , m.

Passage à l’élément de référence

On se sert du théorème suivant :
O l’élément de référence. Soit F la
Théorème 44 Soit K un élément quelconque de Th , et K
O vers K : F.x/
transformation affine de K O D BxO C b, avec B inversible. On a :

8v 2 Hl .K/; O l;K 6 C.l; n/kBkl2 j det Bj

jvj 1=2
jvjl;KO (10.24)

Ce résultat n’est rien d’autre qu’un résultat de changement de variable dans une intégrale.

On a même :

8v 2 Hl .K/; jvj
O l;K 6 C.l; n/kB 1 l
k2 j det Bj1=2 jvjl;KO (10.25)

Et avec les données géométriques de l’élément :

hK 1 hO
kBk 6 et kB k6 (10.26)
O K

Majoration sur l’élément de référence

On a le théorème suivant :
O Jl .K//
Théorème 45 soient l et k deux entiers tels que 0 6 l 6 k C 1. Si O 2 L.HkC1 .K/; O
O invariant, i.e. si 8pO 2 Pk .K/,
laisse Pk .K/ O O pO D pO alors :

O /;
9C.K; O 8vO 2 HkC1 .K/;
O jvO O vj
O j;KO 6 Cjvj
O kC1;KO (10.27)

Majoration sur un élément quelconque

De ce qui précède, il vient :
kC1
O ; h
jv K vjl;K 6 C. O l; k; n/ K jvjkC1;K
O K; (10.28)
Kl

O est indépendante de l’élément K.

où il faut remarquer que la constante C

137 10. La méthode des éléments finis ÉLÉMENTS FINIS III

 Assemblage des majorations locales
Il ne reste plus qu’à assembler les résultats précédents pour tous les éléments K du maillage Th et
pour toutes les valeurs des semi-normes, i.e. pour l D 0; : : : ; m.
Par majoration et sommation sur les éléments, on obtient :

kv h vkm 6 [Link] ; m; k; n/hkC1 m

jvjkC1 (10.29)

10.6.2 Majoration de l’erreur

On obtient au final, le résultat classique de majoration d’erreur :

ku uh km 6 ChkC1 m
jujkC1 (10.30)

Quelques remarques :
— On rappelle que la formule précédente a été obtenue pour un domaine  polygonal. Si ce
n’est pas le cas, elle n’est plus valable. Les éléments linéaires conduisent à une erreur en
O.h/. Utiliser des éléments plus raffinés (de degré 2 au lieu d’éléments linéaires) permet,
même si la géométrie n’est également ici pas décrite de manière exacte, d’obtenir une erreur
asymptotique en O.h2 /. Quelque soit le degré de l’approximation, si le domaine  n’est pas
représenté de manière exact, alors cela revient à une modification des conditions aux limites.
— Les calculs, et plus précisément les intégrations, ont été réalisées sans erreur. Si celles-
ci sont faites de manière numérique, il convient d’introduire encore un terme correctif
supplémentaire, appelé erreur de consistance due au remplacement des formes par leur
approximation (a.
;
/ par ah .
;
/, f .
/ par fh .
/...). Toutefois, cette erreur supplémentaire
peut être estimée en [Link] / selon la précision du schéma d’intégration utilisé.
— Le résultat de majoration d’erreur est souvent utilisé dans le cas m D 1. Comme l’espace des
polynômes Pk .k/O  H1 .K/,O alors si O est bien défini sur HkC1 .K/, O on a :

si u 2 HkC1 ./; ku uh k1 6 Chk jujkC1 (10.31)

III ÉLÉMENTS FINIS 10.6 Convergence de la méthode des éléments finis en approximation conforme interne 138
 Chapitre 11

Choix d’un Modèle

Résumé — L’intégralité de la méthode des éléments finis a été présentée au chapitre

précédent.
Avant de présenter plus en détail la formulation d’éléments finis, nous tenions à
ajouter un court chapitre comme mise en garde en modélisation. Ce document étant
essentiellement destiné à un public d’ingénieurs mécaniciens, nous allons illustrer notre
propos en mécanique.
Histoire

La mécanique est sans doute aussi vieille que l’homme. Aussi bien pour des aspects pratiques (faire
des outils pour chasser...), que pour des aspects plus philosophiques et spirituels visant notamment à
expliquer les mouvements des astres...
Archimède, outre ces travaux en mathématiques, pour-
rait sans conteste être considéré comme le saint patron de
la mécanique. Il est tout au moins indubitablement le père
de la mécanique statique.
Il s’intéressa aussi bien aux aspects « théoriques »
portant sur le principe du levier et la recherche de centre
de gravité dans De l’équilibre des figures planes, sur le Aristote Archimède Galilée
principe d’Archimède pour les corps plongés dans un li-
quide dans Des corps flottants ; qu’aux aspects « pratiques » au travers de nombreuses inventions :
machines de traction (où il démontre qu’à l’aide de poulies, de palans et de leviers, l’homme peut
soulever bien plus que son poids), machines de guerre (principe de la meurtrière, catapultes, bras
mécaniques utilisés dans le combat naval), l’odomètre (appareil à mesurer les distances), la vis sans
fin et la vis d’Archimède, le principe de la roue dentée...
Le siège de Syracuse, les miroirs d’Archimède et sa mort ne font qu’ajouter à sa légende.
Bien qu’Aristote posa le premier (avant Archimède) les bases d’une véritable théorie mécanique
(alors encore très imparfaite), les fondements de la mécanique, en tant que science et au sens moderne
du terme, sont posées par Galilée en 1632 dans les Dialogues et en 1638 dans les Discours.
La mécanique n’est alors pas dissociée des arts mécaniques, i.e. des techniques de construction
des machines. La distinction entre la mécanique en tant science et la mécanique en tant que technique
ne se fera qu’au XIXe siècle.

139 11. Choix d’un Modèle ÉLÉMENTS FINIS III

 En 1677, Newton reprend ses travaux sur la mécanique, i.e. sur la
gravitation et ses effets sur les orbites des planètes. En novembre 1684,
il fit parvenir à Halley un petit traité de neuf pages intitulé De motu
corporum in gyrum (Mouvement des corps en rotation) montrant la loi
en carré inverse, la force centripète, ainsi que les prémices des lois du
mouvement.
Newton Halley
Son ouvrage PhilosophiæNaturalis Principia Mathematica (aujour-
d’hui connu sous le nom de Principia ou Principia Mathematica), écrit
en 1686 et publié le 5 juillet 1687, est considéré comme une œuvre majeure dans l’histoire de la
science. Il y décrit la gravitation universelle, formule les trois lois du mouvement et jette les bases
de la mécanique classique ou mécanique newtonienne. Ces trois lois universelles du mouvement
resteront inchangées, sans aucune amélioration, durant plus de deux siècles, jusqu’à l’arrivée des
mécaniques relativiste et quantique.
Rappelons que ces trois lois sont : 1) le principe d’inertie ; 2) le principe fondamental de la
dynamique ; et 3) le principe des actions réciproques.
La mécanique classique sera ensuite complétée et mathématisée pour devenir la mécanique
analytique. Cette dernière, initiée dès le XVIIIe siècle, regroupe, en plus de la mécanique newtonienne,
les mécaniques de Hamilton et de Lagrange. Toutes ces mécaniques ont en commun l’application
initiale d’un principe variationnel, et avec lui l’utilisation du calcul variationnel... ce qui fait le lien
avec le présent document.

11.1 La mécanique, un problème à plusieurs champs

Dans ce paragraphe, nous reprenons les formulation présentées au paragraphe 8.3.2, mais en
essayant de les éclairer par un discours plus pragmatique. C’est pourquoi nous changerons quelque
peu les notations, afin de retomber sur des choses peut-être plus familières pour des ingénieurs
mécaniciens.
Bien qu’étant un sujet ancien, la mécanique n’en est pas pour autant un problème simple. En
mécanique, les champs inconnus sont les déplacements, déformations et contraintes (et d’autres si
besoin, comme la température...). De plus, on dispose de relations entre ces champs.
Il est possible de n’exprimer le problème qu’à l’aide des seuls déplacements. Les déformations
sont alors calculées à partir des déplacements (par combinaison linéaire des dérivées, obtenues
de manière approchée), puis les contraintes sont obtenues à partir des déformations par la loi de
comportement (linéaire ou non, isotrope ou non...).
Il est également tout à fait possible d’exprimer le problème en utilisant les déplacements et
les contraintes comme inconnues. Cela permet de prendre en compte certaines continuités des
contraintes en certains lieux (interface entre deux matériaux par exemple, voir paragraphe 12.3
pour une synthèse) de la structure, et d’imposer les conditions aux limites de nullité des contraintes
aux lieux le nécessitant (par exemple bord libre).
Par contre, le champ de contraintes peut également être « trop » continu en certains endroits
selon le type de problème. Cette continuité étant liée à la constitution de l’élément fini choisi, on
peut ne pas disposer d’éléments capables de modéliser correctement ce phénomène...
Notons qu’il serait tout aussi possible d’utiliser une formulation ayant les trois champs comme
inconnues... Enfin bref, tout est possible, mais il faut veiller à ce que la modélisation de chaque
champ soit cohérente avec le phénomène physique à modéliser. En d’autres termes, on ne choisit pas
un élément au hasard, juste parce qu’il a le bon nombre d’inconnues, il est évidemment nécessaire
de se demander comment ces inconnues sont interpolées, ce que cela implique sur la régularité des
solutions et donc si cela est compatible avec le phénomène physique que l’on souhaite simuler. Un
autre exemple typique est le cas des éléments « déplacement-pression » utilisés par exemple pour la
modélisation des solides incompressibles (nous avons évoqué le problème précédemment).
Ce document s’adressant à des personnes connaissant déjà la méthode des éléments finis, nous
allons présenter très brièvement, sous forme d’a parte, la discrétisation multi-champs, de manière
un peu découplée du reste du document, juste pour fixer les idées.

III ÉLÉMENTS FINIS 11.1 La mécanique, un problème à plusieurs champs 140

 Si l’on note u le champ de déplacements, celui-ci peut être approché à partir des déplacements
nodaux (sous forme de vecteur) q par l’intermédiaire de fonctions de formes rangées dans la
matrice Nu . Compte tenu des notations utilisées, les interpolations des différents champs se font,
sur chaque élément, de la manière suivante :

u D Nu q (11.1)

De la même manière, si les déformations " sont choisies comme champ inconnu, elles se-
ront approchées à partir des déformations nodales (sous forme de vecteur avec la convention de
l’ingénieur) par l’intermédiaire de fonctions de formes rangées dans la matrice N" .

" D N" (11.2)

Cela vaut également pour les contraintes  qui, si elles sont choisies comme champ inconnu,
seront approchées à partir des contraintes nodales (sous forme de vecteur avec la convention de
l’ingénieur)  par l’intermédiaire de fonctions de formes rangées dans la matrice N .

 D N  (11.3)

Notons que dans la pratique, rien n’empêche de prendre les mêmes fonctions de forme pour les
différents champs. De manière analogue, le vecteur  des multiplicateurs de Lagrange sera interpolé
de la façon suivante :

 D N L (11.4)

On aura donc :
" D N" approximation en déformations
D Lu relation déformations déplacements
D LNu q approximation en déplacements (11.5)
D S loi de Hooke inverse
D SN  approximation en contraintes

et, de façon inverse :

 D N  approximation en contraintes
D H" loi de Hooke généralisée
D HN" approximation en déformations (11.6)
D HLu loi de Hooke en élasticité linéaire
D HLNu q approximation en déplacements

avec, en petites déformations :

@
2 3
@x
0 0
60 @
2 @
3
@y
07
0
6 7
@x
6
60 @ 7
@ 7 0 7
@z 7 en 3D
LD40 @y 5 en 2D, et L D 6 0 (11.7)
6
@ @ 7
6
@ @ 6 @z @y 7
@y @x 6@ @ 7
4 @z 0 @x 5
@ @
@y @x
0

La méthode des éléments finis classique, ou en déplacements, n’utilise que le champ de

déplacements comme variable. Elle est basée sur le principe du travail virtuel :
Z Z
ı…TV D ı".u/H".u/ ıuf  d ıuT d€ (11.8)
 €

141 11. Choix d’un Modèle ÉLÉMENTS FINIS III

 avec f  les forces imposées dans  et T les forces imposées sur € , où € et €u forment une
partition de € D @. Ce principe est obtenu comme variation de la fonctionnelle de l’énergie
potentielle totale exprimée en déplacements :
Z Z
1T T T
…TV D 2 ".u/H".u/ qf - d qT d€ (11.9)
 €

où les conditions subsidiaires sur les déplacements sont prises en compte directement par l’espace
dans lequel les déplacements sont recherchés.
La fonctionnelle d’Hellinger-Reissner est sans doute la plus connue des fonctionnelles mixtes.
Elle utilise les champs de déplacements et de contraintes comme variables indépendantes. Son
expression est la suivante, U désignant les déplacement imposés :
Z Z Z
1


…HR D 2 S ij;j u C f  u d T T u d€ UT d€ (11.10)
 € €u

bien que l’on puisse la trouver sous une autre forme, obtenue par intégration par parties de celle-ci.
Elle n’a à satisfaire à aucune condition subsidiaire. La stationnarité de cette fonctionnelle conduit
aux équations d’équilibre, à la loi de comportement, et aux conditions aux limites en forces et
déplacements.
Cette fonctionnelle conduit à un élément ayant les champs de déplacements et de contraintes
comme inconnues nodales. Il s’en suit que toutes les composantes de ces champs sont continues.
Elle conduit à la résolution d’un système du type mixte (Brezzi) :
    
A B  O
D (11.11)
BT O q F

où la matrice de rigidité est symétrique et non définie-positive, et :

Z Z Z
T T T
ADC N SN d BDC N LNu d FDC Nu f- d (11.12)
  

L’un des moyens pour obtenir une fonctionnelle hybride est d’introduire une condition sur une
partie du contour par l’intermédiaire de multiplicateurs de Lagrange comme présenté un peu plus
loin.
Tout comme la fonctionnelle d’Hellinger-Reissner est associée à la méthode mixte, celle de
Pian et Tong est indissociable de l’adjectif hybride, même si, en toute rigueur, elle est une méthode
mixte (deux champs) hybride (différents domaines d’interpolation) :
Z Z Z
1
…PT D 2 S d C Tu d€ Tu d€ (11.13)
 € €

Sa variation est :
Z Z Z
ı…PT D  S d C ıTu C ıuT d€ ıuT d€ (11.14)
 € €

dont l’avantage principal est de ne pas comporter de dérivée.

Cette variation peut être transformée en :
Z Z Z
ı ." S / d C ıuT d€ ıuT d€
 € €

La stationnarité de cette fonctionnelle conduit à la loi de comportement, et aux conditions aux

limites en contraintes. Les conditions aux limites en déplacements seront imposées par l’espace
dans lequel on cherche u.

III ÉLÉMENTS FINIS 11.1 La mécanique, un problème à plusieurs champs 142

 Le système à résoudre est de la forme mixte donné précédemment à la relation (11.11) avec :
Z Z Z
T T T T
ADC N SN d BDC N MNu d€ FDC Nu T d€ (11.15)
 € €

M étant la matrice des cosinus directeurs donnée par les relations :

2 3
  n1 0 0 0 n3 n2
n 0 n2
MD 1 dans le plan, et M D 4 0 n2 0 n3 0 n1 5 dans l’espace.
0 n2 n1
0 0 n3 n2 n1 0
(11.16)

Toutefois, le champ de contraintes n’étant défini que dans , il est possible d’effectuer une
condensation statique du champ de contraintes, i.e. de transformer le système (11.11) en écrivant :
1
 DA Bq (11.17)

et le champ de déplacements est solution d’un système de type classique Kq D F, où la matrice de

rigidité K est remplacée par la matrice de rigidité équivalente suivante :
1
Keq D T BA B (11.18)

Sur le plan du déroulement du calcul, on commence par résoudre une « forme classique »
mais en utilisant la matrice de rigidité équivalente Keq , puis le calcul des contraintes dans chaque
élément se fait par la relation (11.17).
Les multiplicateurs de Lagrange peuvent être utilisés pour introduire des conditions supplémen-
taires directement à la fonctionnelle. Ces conditions sont généralement imposées sur €X , tout ou
partie de € D @. Pour ce faire, il suffit d’ajouter à la fonctionnelle … du problème le terme :
Z
T
˙ condition (11.19)
€X

où les i sont les multiplicateurs de Lagrange.

Les multiplicateurs de Lagrange sont généralement utilisés pour :
— introduire des variables physiques additionnelles comme inconnues ;
— obtenir des conditions de dérivabilité ou des conditions aux limites moins sévères sur les
inconnues.
Notons qu’un autre de leurs avantages est de permettre l’utilisation d’une formulation différente
dans chaque élément, en assurant les continuités nécessaires aux interfaces (voir synthèse de ce pro-
blème d’interface au paragraphe 12.3). Bien sûr, apparaissant comme inconnues, les multiplicateurs
de Lagrange viennent grossir la taille du système à résoudre.

11.2 Plusieurs modélisations d’un même problème

La qualité de l’approximation des différents champs est non seulement liée au nombre de champs
inconnus choisis, mais également au choix de l’élément. Ce dernier peut traduire une « simplifica-
tion » du problème physique : il s’agit du problème du choix du type de modélisation, en une, deux
ou trois dimensions. Selon le type d’information recherché, un modélisation « plus simple » qu’une
autre peut fournir les résultats escomptés.
Dans ce paragraphe, nous nous proposons d’étudier un exemple où seul le champ de déplace-
ment apparaît comme inconnue nodale. Toutefois, si ce n’est plus le nombre de champ qui peut
modifier la formulation, nous allons voir que la mécanique offre moult théories qui toutes ont leurs
avantages et inconvénients, mais qui surtout ne sont pas toutes équivalentes.

143 11. Choix d’un Modèle ÉLÉMENTS FINIS III

 Histoire
La paternité de la théorie des poutres est attribuée à Galilée, mais des études récentes indiquent que
Léonard de Vinci l’aurait précédé. De Vinci avait supposé que la déformation variait de manière
linéaire en s’éloignant de la surface neutre, le coefficient de proportionnalité étant la courbure, mais
il ne put finaliser ses calculs car il n’avait pas imaginé la loi de Hooke a . De son côté, Galilée était
parti sur une hypothèse incorrecte (il supposait que la contrainte était répartie uniformément en
flexion), et c’est Antoine Parent qui obtint la distribution correcte.
Ce sont Leonhard Euler et Jacques Ber-
noulli qui émirent la première théorie utile vers
1750, tandis que Daniel Bernoulli, le neveu du
précédent (et le fils de Jean Bernoulli), écri-
vit l’équation différentielle pour l’analyse vi-
bratoire. À cette époque, le génie mécanique
n’était pas considéré comme une science, et Euler J. Bernoulli D. Bernoulli Timoshenko
l’on ne considérait pas que les travaux d’une
académie des mathématiques puissent avoir des applications pratiques... On continua donc à bâtir
les ponts et les bâtiments de manière empirique. Ce n’est qu’au XIXe siècle, avec la Tour Eiffel et les
grandes roues, que l’on démontra la validité de la théorie à grande échelle.
La théorie des poutres est une simplification unidimensionnelle. On distingue :
— la théorie d’Euler-Bernoulli, qui néglige l’influence du cisaillement ;
— la théorie de Timoshenko qui prend en compte l’effet du cisaillement.
En 1888, Love utilise les hypo-
thèses de Gustav Kirchhoff, elles-
mêmes inspirées des hypothèses
d’Euler-Bernoulli pour les poutres,
pour fonder une théorie des plaques
minces.
Kirchhoff Love Rayleigh Reissner Mindlin
La théorie des plaques épaisses a été
consolidée par Mindlin à partir des tra-
vaux de Rayleigh (1877), Timoshenko (1921), Reissner (1945) et Uflyand (1948).
La théorie des plaques minces, ou théorie de Love-Kirchhoff, suppose que :
— le plan moyen (équivalent de la courbe moyenne des poutres) est initialement plan ;
— le feuillet moyen (équivalent de la fibre neutre des poutres) ne subit pas de déformation dans
son plan ; on ne considère que le déplacement transversal w des points du feuillet moyen ;
— modèle de Kirchhoff : les sections normales au feuillet moyen restent normales lors de la
déformation ; en conséquence, on peut négliger le cisaillement ;
— l’épaisseur est faible ; en conséquence, les contraintes dans le sens de l’épaisseur sont suppo-
sées nulles ;
— on reste en petites déformations.
Notons que cette théorie permet de déterminer la propagation des ondes dans les plaques, ainsi que
l’étude des ondes stationnaires et des modes vibratoires.
Dans la théorie des plaques épaisses, ou théorie de Reissner et Mindlin, la fibre normale reste
toujours rectiligne, mais n’est plus nécessairement perpendiculaire au plan moyen. On ne peut donc
plus négliger le cisaillement.
a. Robert Hooke, qui désirait obtenir une théorie des ressorts en soumettant ces derniers à des forces
croissantes successives, énonça en 1978, à partir d’expériences datant de 1675, la loi de comportement suivante :
« ut tensio sic vis » ce qui signifie « telle extension, telle force », ou bien en termes modernes « l’allongement
est proportionnel à la force ».

La figure 11.1 propose trois modélisations d’un même problème. Il s’agit d’une poutre encastrée
à une extrémité et soumise à une force décentrée à l’autre. Vaut-il mieux modéliser l’intégralité du
volume de la poutre, la traiter comme une plaque, ou peut-on se contenter d’un modèle de poutre ?
L’étude de la contrainte axiale xx est donnée à la figure 11.2. Si les cartographies présentent
bien la même répartition, seul le modèle 3D permet de mettre en évidence la concentration de
contrainte due à la force ponctuelle.
Une comparaison plus fine des trois modélisations concernant cette même contrainte normale

III ÉLÉMENTS FINIS 11.2 Plusieurs modélisations d’un même problème 144
 F
F
F

F IGURE 11.1: Trois modélisations d’un même problème.

2.09E+02 1.35E+02
1.89E+02 1.29E+02
1.69E+02 1.22E+02
1.49E+02 1.16E+02
1.28E+02 1.09E+02
1.08E+02 1.03E+02
88. 96.
68. 90.
48. 83.
27. 77.
7.1 70.
−13. 64.
−33. 57.
−54. 51.
−74. 44.
−94. 38.
−1.14E+02 31.
−1.35E+02 25.
−1.55E+02 18.
−1.75E+02 12.
−1.95E+02 5.5

(a) (b)

F IGURE 11.2: Contrainte axiale sur la peau supérieure : (a) modèle 3D, (b) modèle 2D.

le long de trois lignes est reportée à la figure 11.3. Les différences de résultats proviennent des

L3
L1
F
L2

SMXX SMXX SMXX

2.00 2.00 2.00

1.80
Plaque 1.80
Plaque 1.80
Plaque
Poutre Poutre Poutre
1.60 Volumique 1.60 Volumique 1.60 Volumique
1.40 1.40 1.40

1.20 1.20 1.20

1.00 1.00 1.00

0.80 0.80 0.80

0.60 0.60 0.60

0.40
L1 0.40
L2 0.40
L3
0.20 0.20 0.20
ABS ABS ABS
0.00 0.00 0.00
0.00 0.20 0.40 0.60 0.80 1.00 0.00 0.20 0.40 0.60 0.80 1.00 0.00 0.20 0.40 0.60 0.80 1.00

F IGURE 11.3: Contrainte axiale sur la peau supérieure en différentes sections

hypothèses cinématiques et des composantes accessibles dans les différentes théories utilisées. On y
voit que loin des extrémités, les trois solutions concordent parfaitement, conformément au principe
de Saint-Venant. 1 Les différences proviennent des effets de bord, i.e. des variations locales des
contraintes et déformations au voisinage des conditions aux limites.
Les hypothèses cinématiques sont :
— la théorie des poutres (Figure 11.4a) suppose que chaque section droite suit un mouvement
de solide rigide. Les sections ne peuvent donc pas se déformer, elles peuvent uniquement se
translater et tourner dans l’espace (sans forcément rester perpendiculaires à la ligne moyenne,
car dans ce cas on considère une théorie avec cisaillement transverse) ;
— la théorie des plaques (Figure 11.4b), moins restrictive, suppose que chaque segment per-
pendiculaire au plan moyen de la plaque suit un mouvement de solide rigide (là encore, sans
1. Le principe de Saint-Venant précise que le comportement en un point quelconque de la poutre, pourvu que ce
point soit suffisamment éloigné des zones d’applications des forces et des liaisons, est indépendant de la façon dont
sont appliquées les forces et de la façon dont sont physiquement réalisées les liaisons ; le comportement dépend alors
uniquement du torseur des forces internes en ce point.

145 11. Choix d’un Modèle ÉLÉMENTS FINIS III

 (a) (b) (c)

F IGURE 11.4: Mouvements d’une section droite : (a) théorie des poutres ; (b) théorie des plaques
ou coques ; (c) théorie volumique

forcément rester perpendiculaire au plan moyen). Elle permet donc de modéliser certaines
formes de déformations des sections, planes (flexion et cisaillement dans le plan de la section,
traction dans le sens de la largeur) ou hors plan (certains types de gauchissement). Cepen-
dant, les segments ne pouvant pas changer de longueur, elle ne permet pas de modéliser
l’écrasement de l’épaisseur ;
— enfin, la théorie 3D (Figure 11.4c) ne comporte aucune de ces restrictions et peut modéliser
n’importe quelle forme de gauchissement ou d’écrasement, à condition que le maillage
employé soit suffisamment fin.

Ici, la comparaison des résultats « plaque » et « 3D » montre que la contribution de l’écrasement

de la section à la flèche semble négligeable (0,7% d’écart). Ce n’est pas forcément vrai car
l’écrasement est un phénomène localisé sous la charge et lié au contact, qui a été modélisé très
grossièrement... Cette très forte concentration de contraintes sous la charge est caractéristique d’une
singularité. La valeur obtenue est peu fiable. On peut même dire que physiquement, une force
ponctuelle n’existe pas. Elle est forcément distribuée sur une petite surface...

De même, la comparaison des résultats « poutre » et « plaque » montre que la flexion et le

cisaillement de la section contribuent davantage à la flèche que l’écrasement (6,4% d’écart) :
la largeur de la pièce est visiblement suffisante pour que les déformations des sections droites
provoquent un déplacement vertical non négligeable sous la charge.

Il est essentiel de noter que toutes les théories ne permettent pas d’accéder à toutes les com-
posantes du champ des contraintes : de manière générale, seuls les efforts qui travaillent dans les
déplacements permis par la théorie sont accessibles (les théories sont ainsi faites afin de pouvoir
respecter le premier principe de la thermodynamique dont l’écriture nécessite de calculer le travail
de tous les efforts permis par la théorie). Ainsi :

— la théorie des poutres ne permet pas de calculer les contraintes dans le plan transversal (yy ,
zz et yz ) du fait de l’indéformabilité des sections droites ;
— la théorie des plaques ne permet pas de calculer la contrainte normale au plan de la plaque
zz , du fait de l’indéformabilité des segments perpendiculaires à ce plan ;
— enfin, la théorie 3D permet de calculer les six composantes du tenseur des contraintes.

À ces limitations théoriques peuvent s’ajouter des limitations techniques propres à chaque
logiciel, susceptibles de rendre d’autres grandeurs physiques inaccessibles. Avant d’effectuer une
modélisation par éléments finis, il est donc indispensable de s’assurer que le logiciel utilisé et son
cadre théorique permettent bien d’accéder au résultat voulu (en plus d’être pertinents vis-à-vis de la
géométrie du produit, de son environnement et du comportement attendu).

De plus, si certains logiciels peuvent avoir des « limitations techniques », ils peuvent également
disposer de méthodes de post-traitement susceptibles d’améliorer ou de permettre d’accéder à
certaines composantes (sous certaines hypothèses). Cela aussi doit être pris en compte.

III ÉLÉMENTS FINIS 11.2 Plusieurs modélisations d’un même problème 146
 11.3 Exemple : retour sur le calcul de poutre du paragraphe 11.1
avec C AST 3M
Nous allons reprendre pour partie l’exemple de la poutre encastrée traitée au paragraphe précédent
et présenter le listing C AST 3M correspondant.

11.3.1 Modélisation 2D
Nous commençons par définir les données du problème : longueur, largeur, épaisseur, nombre
d’éléments selon chacune de ces directions, et force appliquée :
1  DONNEES
2  geometrie
3 long1 =22.0;
4 larg1 =8.;
5 ep1 =4;
6  maillage
7 nlong1 =22;
8 nlarg1 =8;
9  effort
10 Forc1 = -41.;

Puis nous définissons la dimension du problème (modèle tridimensionnel), et le type de décou-

page :
11 OPTION DIME 3 ELEM QUA4 ;

Nous définissons les points ki (dénommés ainsi pour rappel de la syntaxe A NSYS des keypoints
k,i,...), puis les lignes Li , et la surface S1 .
12 k1 = 0. 0. 0.;
13 k2 = long1 0. 0.;
14 k3 = long1 larg1 0.;
15 k4 = 0. larg1 0.;
16 
17 L1 = DROI nlong1 k1 k2 ;
18 L2 = DROI nlarg1 k2 k3 ;
19 L3 = DROI nlong1 k3 k4 ;
20 L4 = DROI nlarg1 k4 k1 ;
21 
22 S1 = DALLER L1 L2 L3 L4 ;

Le modèle est un modèle de mécanique élastique isotrope utilisant l’élément de coque COQ4 pour
le maillage S1 :
1 Model1 = MODL S1 MECANIQUE ELASTIQUE ISOTROPE COQ4 ;

Enfin on résout le problème après avoir fourni les données matérielles et les conditions aux
limites :
2 Mater1 = MATER Model1 YOUNG 70000.0 NU 0.33 RHO 2700.0;
3 Car1 = CARAC Model1 EPAI ep1 ;
4 Mater1 = Mater1 ET Car1 ;
5 MR1 = RIGID Model1 Mater1 ;
6 CL1 = BLOQ DEPL L4 ;
7 CL2 = BLOQ ROTA L4 ;
8 FOR1 = FORC (0. 0. Forc1 ) k3 ;
9 MTOT1 = MR1 ET CL1 ET CL2 ;
10 Depl1 = RESO MTOT1 FOR1 ;

On peut post-traiter les résultats et les afficher.

Les composantes de Sig1 dans le repère LOCAL sont :
— les efforts normaux : N11, N22 ;
— l’effort de cisaillement plan : N12 ;
— les moments de flexion : M11, M22 ;
— le moment de cisaillement plan : M12 ;
— les efforts tranchants V1, V2.

147 11. Choix d’un Modèle ÉLÉMENTS FINIS III

 Les composantes de Eps1 dans le repère LOCAL sont :
— les élongations normales dans le plan : EPSS, EPTT ;
— les cissions dans le plan et transverses : GAST, GASN, GATN ;
— les courbures : RTSS, RTTT, RTST.
11  DEPLACEMENTS
12 UZ1 = EXCO ’ UZ ’ depl1 ;
13 TRAC UZ1 S1 ;
14 
15  DEFORMEE
16 def0 = DEFO S1 Depl1 0.0 BLEU ;
17 def1 = DEFO S1 Depl1 ;
18 TRAC ( d e f 0 ET d e f 1 ) ;
19 
20  CONTRAINTES :
21 Sig1 = SIGM Model1 Mater1 Depl1 ;
22 Siigg1 = EXCO M11 Sig1 ;
23 TRAC Siigg1 Model1 def1 ;
24 
25  DEFORMATIONS
26 Eps1 = EPSI Model1 Mater1 Depl1 ;
27 Eppss1 = EXCO RTSS Eps1 ;
28 TRAC E p p s s 1 M o d e l 1 ;
29 
30 fin ;

11.3.2 Modèle 3D
Nous allons maintenant construire le modèle tridimensionnel. Comme nous voulons travailler à
l’économie, nous repartons du fichier précédent que nous adaptons.
1  DONNEES
2  geometrie
3 long1 =22.0;
4 larg1 =8.;
5 ep1 =2;
6  maillage
7 nlong1 =22;
8 nlarg1 =8;
9 nep1 =3;
10  effort
11 Forc1 = -41.;

Cette fois, nous nous servons de l’élément volumique CUB8 au lieu de l’élément surfacique QUA4.
1 OPTION DIME 3 ELEM CUB8 ;
2 
3 k1 = 0. 0. 0.;
4 k2 = long1 0. 0.;
5 k3 = long1 larg1 0.;
6 k4 = 0. larg1 0.;
7 
8 L1 = DROI nlong1 k1 k2 ;
9 L2 = DROI nlarg1 k2 k3 ;
10 L3 = DROI nlong1 k3 k4 ;
11 L4 = DROI nlarg1 k4 k1 ;
12 
13 S1 = DALLER L1 L2 L3 L4 ;

À partir de la surface S1 , qui est la même que précédemment, nous allons créer le volume V1
par translation selon le vecteur Vect1 .
Nous en profitons également pour créer Face1 sur laquelle porterons les conditions aux limites.
Notons par exemple que la ligne L4 appartient bien au maillage V1 , puisque ce dernier est construit
dessus. Par contre, la surface f ace1 n’appartient pas à V1 , il est donc nécessaire de la lier à V1 en
utilisant la commande ELIM.
1 Vec1 =0. 0. ( -1.0* ep1 ) ;
2 V1 = S1 VOLU nep1 TRAN Vec1 ;
3 Face1 = L4 TRAN nep1 Vec1 ;
4 ELIM 0.0000001 V1 Face1 ;

III ÉLÉMENTS FINIS 11.3 Exemple : retour sur le calcul de poutre du paragraphe 11.1 avec C AST 3M 148
 Cette fois, le modèle correspond au maillage V1 et utilise l’élément CUB8.
1 Model1 = MODL V1 MECANIQUE ELASTIQUE ISOTROPE CUB8 ;

On résout, puis on post-traite.

2 Mater1 = MATER Model1 YOUNG 70000.0 NU 0.33 RHO 2700.0;
3 MR1 = RIGID Model1 Mater1 ;
4 CL1 = BLOQ DEPL Face1 ;
5 CL2 = BLOQ ROTA Face1 ;
6 FOR1 = FORC (0. 0. Forc1 ) k3 ;
7 MR1 = MR1 ET CL1 ET CL2 ;
8 Depl1 = RESO MR1 FOR1 ;
9 
10  DEPLACEMENTS
11 UZ1 = EXCO ’ UZ ’ depl1 ;
12 TRAC CACH UZ1 V1 ;
13  DEFORMEE
14 def0 = DEFO V1 Depl1 0.0 BLEU ;
15 def1 = DEFO V1 Depl1 ;
16 TRAC CACH ( d e f 0 ET d e f 1 ) ;
17 
18  CONTRAINTES :
19 Sig1 = SIGM Model1 Mater1 Depl1 ;
20  L e s c o m p o s a n t e s d e S i g 1 s o n t : VONMISES , SMXX , SMYY , SMZZ , SMXY , SMXZ , SMYZ
21 Siigg1 = EXCO SMXX Sig1 ;
22  on t r a c e s u r l a g e o m e t r i e d e f o r m e e , c ’ e s t p l u s b e a u
23 TRAC CACH Siigg1 Model1 def1 ;
24 
25  DEFORMATIONS
26  E p s 1 = EPSI M o d e l 1 M a t e r 1 D e p l 1 ;
27 TRAC CACH E p s 1 M o d e l 1 ;
28 
29 fin ;

11.4 Interpolation des champs et de la géométrie

Un élément est dit isoparamétrique si on prend les mêmes fonctions d’interpolation pour le déplace-
ment et la géométrie.
De manière évidente, on définit également les éléments super et sous-paramétriques, comme
illustré à la figure 11.5.

Point de définition du déplacement

Point de définition des coordonnées

Elément superparamétrique Elément sous-paramétrique

F IGURE 11.5: éléments finis non isoparamétriques

Ceci est juste une remarque en passant, pour définir le vocabulaire en somme, nous n’en
reparlerons plus dans la suite du document.

149 11. Choix d’un Modèle ÉLÉMENTS FINIS III

 Chapitre 12

Formulation pratique d’éléments finis

Résumé — L’intégralité de la méthode des éléments finis a été présentée au chapitre 10.
Dans ce chapitre et dans les suivants, nous allons détailler certains aspects. Nous
proposons dans ce chapitre d’exposer un peu plus complètement les notions d’interpo-
lation sur un élément, ainsi que le lien entre approximation locale (sur un élément) et
approximation globale (construction de la base de Vh ).

Nous avons dit vouloir interpoler le problème sur chaque élément. Pour ce faire, il faut prendre
une base sur chaque élément. Plusieurs choix sont possibles, mais en général, les fonctions de base
utilisées pour les éléments finis sont dites interpolantes, c’est-à-dire que les valeurs nodales sont les
valeurs des grandeurs inconnues aux nœuds, et que c’est à partir de ces valeurs que l’on effectue
l’interpolation.
La méthode la plus simple consiste à utiliser les polynômes de Lagrange. Dans cette méthode
les fonctions de base valent 1 à un nœud du maillage et 0 à tous les autres. La fonction de base i est
alors la fonction valant 1 au nœud i et 0 sur les autres nœuds et qui est polynomiale sur chaque
élément. Il y a autant de fonctions de base par élément que de nombre de nœuds. On appelle
élément la donnée d’une géométrie (souvent polygonale en deux dimensions, polyédrique en trois
dimensions) et de fonctions de base associées à cette géométrie.
D’autres solutions peuvent exister pour les fonctions de base. Par exemple, les éléments finis
d’Hermite ont la particularité d’avoir deux fonctions de base associées à chaque nœud. La valeur
de la solution est alors ajustée avec la première fonction alors que la deuxième permet d’ajuster
la valeur de la dérivée. Ce type de fonctions de base peut avoir un intérêt pour la résolution de
certaines équations aux dérivées partielles (telle que l’équation des plaques en Mécanique des
Milieux Continus), même si elle nécessite d’avoir deux fois plus de fonctions pour un maillage
donné.

12.1 Éléments de Lagrange

Les éléments de Lagrange sont les éléments finis les plus simples.

12.1.1 Unisolvance
Définition 58 — Unisolvance. Soit † D fa1 ; : : : ; aN g un ensemble de N points distincts de Rn .
Soit P un espace vectoriel de dimension finie de fonctions de Rn à valeurs dans R. On dit que †
est P-unisolvant si et seulement si pour tous réels ˛1 ,. . . , ˛N , il existe un unique élément p de P
tel que 8i D 1; : : : ; N, [Link] / D ˛i .

151 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 Cela revient à dire que la fonction de P dans RN qui à p fait correspondre .[Link] /; : : : ; [Link] // D
.˛1 ; : : : ; ˛N / est bijective.

12.1.2 Éléments finis de Lagrange

Définition 59 — Éléments finis de Lagrange. Un élément fini de Lagrange est un triplet .K; †; P/
tel que :
— K est un élément géométrique de Rn , compact, connexe, et d’intérieur non vide ;
— † D fa1 ; : : : ; aN g est un ensemble de N points distincts de Rn ;
— P est un espace vectoriel de dimension finie de fonctions réelles définies sur K, et tel
que † soit P-unisolvant (donc dim P D N).

Les fonctions de bases locales de l’élément fini de Lagrange .K; †; P/ sont les N fonctions de P
telles que pi .aj / D ıij pour 1 6 i; j 6 N.
Remarque. .p1 ; : : : ; pN / est une base de P.

Définition 60 — Opérateur de P-interpolation. Un opérateur de P-interpolation sur † est un

opérateur K qui à toute fonction v définie sur K associe la fonction K v de P définie par :
N
X
K v D [Link] /pi (12.1)
i D1

Théorème 46 k v est l’unique élément de P qui prend les mêmes valeurs que v sur les points
de †.
On notera Pk l’espace vectoriel des polynômes de degré total inférieur ou égal à k.
— sur R, Pk D vectf1; X; : : : ; Xk g et dim Pk D k C 1 ;
— sur R2 , Pk D vectfXi Yj ; 0 6 i C j 6 kg et dim Pk D .kC1/.kC2/
2 ;
3 i j l .kC1/.kC2/.kC3/
— sur R , Pk D vectfX Y Z ; 0 6 i C j C l 6 kg et dim Pk D 6 .
On notera Qk l’espace vectoriel des polynômes de degré inférieur ou égal à k par rapport à chaque
variable.
— sur R, Qk D Pk ;
— sur R2 , Qk D vectfXi Yj ; 0 6 i; j 6 kg et dim Qk D .k C 1/2 ;
— sur R3 , Qk D vectfXi Yj Zl ; 0 6 i; j; l 6 kg et dim Qk D .k C 1/3 .

Éléments finis unidimensionnels

On discrétise le segment Œa I b avec des polynômes de degrés 1 à m. On obtient les éléments du
tableau 12.1.
Élément P1 P2 ... Pm
K Œa I b Œa I b ... Œa I b
† fa; bg fa; aCb
2
; bg ... fa C i bma ; i D 0; : : : ; mg
P P1 P2 ... Pm

Tableau 12.1: Éléments de Lagrange unidimensionnels de degrés 1 à m

Éléments finis bidimensionnels triangulaires

On discrétise le triangle de sommets fa1 ; a2 ; a3 g avec, le long de chaque arête, une interpolation
polynomiale de degré 1 à m. On obtient les éléments du tableau 12.2.

III ÉLÉMENTS FINIS 12.1 Éléments de Lagrange 152

 Élément P1 P2
K triangle de sommets fa1 ; a2 ; a3 g triangle de sommets fa1 ; a2 ; a3 g
a Ca
† fa1 ; a2 ; a3 g faij D i 2 j ; 1 6 i; j 6 3g
P P1 P2

Tableau 12.2: Éléments de Lagrange bidimensionnels triangulaires de degrés 1 et 2

Remarque. Les fonctions de base pour l’élément P1 sont définies par pi .aj / D ıij . Ce sont les coordon-
nées barycentriques : pi D i .

Éléments finis bidimensionnels rectangulaires

On discrétise le rectangle de sommets fa1 ; a2 ; a3 ; a4 g de côtés parallèles aux axes. La formulation
est décrite dans le tableau 12.3.
Élément Q1
K rectangle de sommets fa1 ; a2 ; a3 ; a4 g de côtés parallèles aux axes.
† fa1 ; a2 ; a3 ; a4 g
P Q1

Tableau 12.3: Élément de Lagrange bidimensionnel rectangulaire de degré 1

a2 a2

a4 a3

a12
a23

a1 a1

a13 a1 a2
a3 a3

F IGURE 12.1: Éléments finis de Lagrange 2D : triangulaire P1 , triangulaire P2 et rectangulaire Q1

Éléments finis tridimensionnels

On distingue les éléments finis tridimensionnels suivants, qui seront illustrés à la figure 12.2 :

a3 a8 a7
a3 a6 a5

a5 a6 a4
a34
a13 a23
a4
a3
a4 a4 a3
a2
a14 a24

a2 a2
a1 a1 a12 a1 a2 a1

F IGURE 12.2: Éléments finis de Lagrange tridimensionnels : tétraédriques P1 et P2 , parallélépipé-

dique Q1 et prismatique

— les éléments tétraédriques, définis dans le tableau 12.4 ;

— les élément parallélépipédique, définis au tableau 12.5 ;
— et les élément prismatique, définis selon le tableau 12.6.

153 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 Élément P1 P2
K tétraèdre de sommets fa1 ; a2 ; a3 ; a4 g tétraèdre de sommets fa1 ; a2 ; a3 ; a4 g
† fa1 ; a2 ; a3 ; a4 g fai g16i 64 [ faij g16i <j 64
P P1 P2

Tableau 12.4: Éléments de Lagrange tridimensionnels tétrahédriques de degrés 1 et 2

Élément Q1
K parallélépipède de sommets fa1 ; : : : ; a8 g de côtés parallèles aux axes.
† fai g16i 68
P Q1

Tableau 12.5: Élément de Lagrange tridimensionnel parallélépipédique de degré 1

Élément Q1
K prisme droit de sommets fa1 ; : : : ; a6 g
† fai g16i 66
P fp.X; Y; Z/ D .a C bX C cY/ C Z.d C eX C f Y/; a; b; c; d; e; f 2 Rg

Tableau 12.6: Élément de Lagrange tridimensionnel prismatique

12.1.3 Famille affine d’éléments finis et élément de référence

En fait, la notion de transformation affine entre un élément K d’un maillage Th et un élément de
référence a déjà été utilisée en calcul de majoration d’erreur, mais la transformation elle-même n’a
pas été détaillée.
Deux éléments finis .K;O †;O P/
O et .K; †; P/ sont affine-équivalents si et seulement si il existe une
fonction affine F inversible telle que K D F.K/,O ai D [Link] /, i=1,. . . , N, et P D fpO ı F 1 ; pO 2 Pg.
O

Définition 61 — Famille affine d’éléments finis. On appelle famille affine d’éléments finis
une famille d’éléments finis tous affine-équivalents à un même élément fini appelé élément de
référence.
D’un point de vue pratique, le fait de travailler avec une famille affine d’éléments finis permet de
ramener tous les calculs d’intégrales à des calculs sur l’élément de référence. Voir figure 12.3 pour
une illustration d’une transformation affine. Les éléments finis de références sont ceux obtenus,
a3
F

(0,1)
K
a1
K
a2
(0,0) (1,0)
F IGURE 12.3: Transformation affine sur un triangle

dans les cas présentés ci-dessus avec :

— le segment Œ0 I 1 en une dimension ;
— le triangle unité de sommets .0; 0/, .0; 1/, .1; 0/,
— et le carré unité Œ0 I 1  Œ0 I 1 en deux dimensions ;
— le tétraèdre unité de sommets .0; 0; 0/, .1; 0; 0/, .0; 1; 0/, .0; 0; 1/,

III ÉLÉMENTS FINIS 12.1 Éléments de Lagrange 154

 — le cube unité Œ0 I 1  Œ0 I 1  Œ0 I 1,
— le prisme unité de sommets .0; 0; 0/, .0; 1; 0/, .1; 0; 0/, .0; 0; 1/, .0; 1; 1/, .1; 0; 1/.

12.1.4 Construction de la base globale

Revenons à notre problème décrit par une équation aux dérivées partielles sous forme faible dans
un domaine  sur lequel on réalise un maillage Th à partir d’une famille affine de Ne éléments
finis .Ki ; †i ; Pi /i D1;:::;Ne .
Par unisolvance, la solution approchée uh sera entièrement définie sur chaque élément fini
par ses valeurs sur les points de †i , nommés nœuds du maillage. Notons .a1 ; : : : ; aNh / les nœuds
du maillage (Nh < Ne
cardi ). Le problème approché revient à déterminer les valeurs de uh aux
points ai : ce sont les degrés de liberté du problème approché. On va construire une base de Vh en
associant à chaque degré de liberté ai un vecteur de la base. On définit ainsi les fonctions de base
globales 'i .i D 1; : : : ; Nh / par :

'i jKj 2 Pj ; j D 1; : : : ; Ne et 'i .aj / D ıij ; 1 6 i; j 6 Nh (12.2)

et l’espace d’approximation interne est Vh D vectf'1 ; : : : ; 'Nh g. On remarquera qu’une telle

fonction 'i est nulle partout sauf sur les éléments dont ai est un nœud.

F IGURE 12.4: Base de Vh : exemple de fonction de base globale 'i sur un maillage avec des
éléments triangulaires P1 .

De plus, sur un élément K dont ai est un nœud, 'i vaut 1 en ai et 0 aux autres nœuds de K.
Donc 'i jK est une fonction de base locale de K. On voit donc que la fonction de base globale 'i est
construite comme réunion des fonctions de base locales sur les éléments du maillage dont ai est un
nœud.
Remarque. Ce qui précède est vrai dans le cas d’un maillage conforme, i.e si l’intersection entre deux
éléments est soit vide, soit réduite à un sommet ou une arête en dimension 2, ou à un sommet, une arête ou
une face en dimension 3.

F IGURE 12.5: Maillage non conforme : situations interdites

155 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 12.2 Éléments d’Hermite
12.2.1 Classe d’un élément fini
Une question naturelle est de savoir quelle est la régularité de la solution approchée uh . En
particulier, uh est-elle continue ? dérivable ?
La solution approchée uh est obtenue par combinaison linéaire des fonctions de base globales ',
la question revient donc à déterminer la régularité de celles-ci. Par construction, on voit que la
régularité de 'i sera donnée par sa régularité au niveau des interfaces entre les éléments adjacents
formant son support.
Nous avons vu au paragraphe précédent que pour les éléments finis de Lagrange, 'i est
construite pour être continue d’un élément à l’autre, mais pas sa dérivée... c’est cette contrainte que
nous allons introduire maintenant.

12.2.2 Éléments finis d’Hermite

Définition 62 — Élément fini d’Hermite. Un élément fini d’Hermite ou élément fini général
est un triplet .K; †; P/ tel que :
— K est un élément géométrique de Rn , compact, connexe, et d’intérieur non vide ;
— † D f1 ; : : : ; N g un ensemble de N formes linéaires sur l’espace des fonctions définies
sur K, ou sur un sous-espace plus régulier contenant P ;
— P est un espace vectoriel de dimension finie de fonctions réelles définies sur K, et tel
que † soit P-unisolvant.

Définition 63 — Opérateur de P-interpolation. Un opérateur de P-interpolation sur † est un

opérateur K qui à toute fonction v définie sur K associe la fonction K v de P définie par :
N
X
K v D i .v/pi (12.3)
i D1

Théorème 47 k v est l’unique élément de P qui prend les mêmes valeurs que v sur les points
de †.
On remarque immédiatement que si i .p/ D [Link] /; i D 1; : : : ; N, on retrouve les éléments finis
de Lagrange. Cette généralisation permet d’introduire des opérations de dérivation dans †, et donc
d’améliorer la régularité des fonctions de Vh . Les fonctions de base globales 'i , .i D 1; : : : ; Nh /
sont définies par :

'i jKj 2 Pj ; j D 1; : : : ; Ne et j .'i / D ıij ; 1 6 i; j 6 Nh (12.4)

Suivant les éléments utilisés, ces fonctions de base pourront être de classe C1 ou même plus, et
il en sera donc de même pour la solution approchée uh .

12.2.3 Éléments uni- et bidimensionnels

Nous présentons quelques éléments finis d’Hermite utilisés classiquement, dont certains sont
illustrés à la figure 12.6 :
— les éléments finis unidimensionnels cubiques et quintiques sont définis au tableau 12.7 ;
— les éléments finis bidimensionnels triangulaires : on distingue l’élément cubique d’Hermite,
qui est C0 , et l’élément d’Argyris, qui est C1 . Ils sont présentés aux tableaux 12.8 et 12.9 ;
— l’élément fini bidimensionnel rectangulaire défini au tableau 12.10 ;

III ÉLÉMENTS FINIS 12.2 Éléments d’Hermite 156

 a1 a1

a4 a3
a12 a13

a123

a2
a3 a1 a2
a3 a23
a2

F IGURE 12.6: Éléments finis d’Hermite triangulaire cubique, élément d’Argyris et élément rectan-
gulaire Q3

Élément cubique quintique

K segment Œa I b segment Œa I b
† fp.a/; p 0 .a/; p.b/; p 0 .b/g fp.a/; p 0 .a/; p 00 .a/; p.b/; p 0 .b/; p 00 .b/g
P P3 P3
Régularité C1 et H2 C2 et H3

Tableau 12.7: Éléments d’Hermite unidimensionnels de degrés 3 et 5

Élément
K n triangle de sommets fa1o; a2 ; a3 g
@p
† [Link] /; @x .ai /; i D 1; 2; 3 [ fp.a0 /g
P P3
Régularité C0 , mais pas C1

Tableau 12.8: Élément bidimensionnel triangulaire d’Hermite

Élément
K n triangle de sommets fa1 ; a2 ; a3 g o n o
@p 2 2 @2 p
† [Link] /; @x
.ai /; @p
@y
.ai /; @@xp2 .ai /; @@yp2 .ai /; @x@y .ai /; i D 1; 2; 3 [ @p
.a /; 1
@n ij
6i <j 63
P P5
Régularité C1

Tableau 12.9: Élément bidimensionnel triangulaire d’Argyris

Élément Q3
K rectangle nde sommets fa1 ; a2 ; a3 ; a4 g de côtés parallèleso aux axes
@p 2
† [Link] /; @x .ai /; @p
@y
@ p
.ai /; @x@y .ai /; i D 1; : : : ; 4
P P3
Régularité C1

Tableau 12.10: Élément bidimensionnel rectangulaire d’Hermite Q3

12.3 Traitement de plusieurs champs

Dans ce qui précède, le lecteur aura noté que l’on interpole un seul champ, en imposant ou non
certaines régularités (dérivées partielles). Une question naturelle consiste à se demander comment
traiter les problèmes ayant plusieurs champs inconnus (cela à déjà été abordé, et certaines stratégies
on déjà été présentées : formulation mixte (Brezzi), utilisation de multiplicateurs de Lagrange).
On pourrait imaginer, si ces champs sont « dissociés » (sans lien les uns avec les autres), de
modéliser chaque champ séparément, i.e. de traiter un problème par champ (avec pour chaque

157 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 champ un choix de maillage et d’élément qui lui est propre).
En fait, les problèmes à plusieurs champs ne concernent généralement pas des champs indé-
pendants. Lorsque l’on a plusieurs champs interdépendants, alors on dispose de relations entre ces
champs, qui doivent elles-aussi être satisfaites.
Nous avons exposé au chapitre précédent pourquoi la mécanique reste un cas compliqué. Cela
provient de ce que les champs inconnus sont les déplacements, déformations et contraintes. De
plus, le chapitre précédent a permis une illustration du choix d’un modèle, même lorsque l’on ne
recourt qu’à une théorie à un champ (déplacements).
Nous ne construirons pas ici un élément à plusieurs champs, mais nous allons donner une
motivation pour le faire : celui du calcul des contraintes à l’interface entre deux matériaux différents
que nous supposerons parfaitement collés.
Considérons donc le problème décrit à la figure 12.7. Deux domaines 1 et 2 , constitués

Ω1
Continuité :
Ω 1 σi
- des déplacements Ui n
ΓI n
- des contraintes Ti σi
Ω2
(σi désigne le vecteur des contraintes) Ω2

F IGURE 12.7: Interface et continuités

chacun de leur propre loi de comportement, ont une interface commune €I . On supposera que
le champ de déplacement est continu le long de €I . La continuité de la composante normale du
déplacement à l’interface traduit le fait qu’il n’y a pas décollement entre les deux domaines ; celle
de la composante tangentielle qu’il n’y a pas glissement entre eux. On peut donc dire qu’en tout
point de €I , le déplacement est continu, ce que l’on note u1i D u2i .
L’état d’équilibre des forces doit lui-aussi être vérifié le long de l’interface. Cela implique
que les composantes normales des contraintes doivent être également continues le long de cette
interface, i.e. que la trace du tenseur des contraintes doit être continue le long de l’interface. Par
contre, les autres composantes peuvent (et doivent selon les cas) être discontinues.
Plusieurs stratégies sont envisageables :
Post-traitement : Dans cette méthode, on effectue le calcul en déplacements, de manière classique.
On obtient les contraintes de manière toute aussi classique, mais celles-ci n’ont évidemment
pas les continuités et discontinuités souhaitées.
On utilise une méthode de post-traitement qui va modifier le calcul des contraintes sur les
éléments situés de part et d’autre de l’interface, par exemple en imposant la vérification
des équations d’équilibre (voir par exemple la méthode de Reissner locale, qui applique la
fonctionnelle de Reissner uniquement le long de l’interface).
Élément mixte : La fonctionnelle d’Hellinger-Reissner possède les champs de déplacement et de
contrainte comme inconnues. Elle conduit à un système de type mixte donné par l’équation
(11.11), avec une matrice qui n’est plus définie-positive.
Il s’en suit que ces deux champs sont continus, et notamment que toutes les composantes des
contraintes le sont, ce qui ne satisfait pas les conditions d’équilibre.
Si l’on souhaite utiliser ce type d’élément, il faudra par exemple, faire une condensation
statique des composantes devant être discontinues, ou utiliser une méthode de post-traitement.
Élément hybride : La fonctionnelle de Pian et Tong (mixte hybride) présentée précédemment

III ÉLÉMENTS FINIS 12.3 Traitement de plusieurs champs 158

 a l’avantage de ne pas faire intervenir de dérivée. Elle conduit elle-aussi à un système de
type mixte, mais la matrice de rigidité n’est même plus symétrique (dans une discrétisation
« brutale »). On sait la retraiter.
Toutes les composantes des contraintes sont là aussi continues, et il faudra appliquer les
mêmes remèdes que ci-dessus.
Notons qu’un avantage de cette formulation c’est qu’elle nécessite la matrice de souplesse ŒS
au lieu de la matrice de Hooke ŒH, ce qui permet de traiter le cas des matériaux incompres-
sibles.
Multiplicateurs de Lagrange : D’une manière évidente, la continuité du champ de déplacements
à l’interface €I entre deux éléments 1 et 2 peut être imposée par l’ajout à la fonctionnelle de
la condition :
Z
i .u1i u2i / d€ (12.5)
€I

Cette condition est facile à écrire et facile à implémenter (mais on perd la définie-positivité
de la matrice de rigidité).
De plus, l’interprétation physique de ces multiplicateurs de Lagrange montre que ceux-ci
sont égaux aux composantes normales des contraintes.
Voilà quelques stratégies. D’autres peuvent exister, surtout si en plus on veut passer sur des modèles
poutre ou plaque. Le but était de montrer que non seulement il est possible de développer de
nombreux éléments finis, mais que même à partir d’éléments existants, il est toujours possible de
construire une méthode numérique permettant d’obtenir les résultats souhaités. Les méthodes de
post-traitement, que nous n’aborderons pas dans ce document, sont très riches et permettent de
faire beaucoup de choses. Elles ont en outre l’avantage d’être parfois plus faciles à implémenter
dans des codes industriels que de nouveaux éléments.

12.4 Validation pratique et indicateurs d’erreur

Les tests numériques des éléments et au delà des codes de calcul sont indispensables. Non seulement
ils permettent de vérifier la satisfaction de critères de convergence et d’évaluer la précision des
éléments finis développés, ce qui peut être réalisé par une analyse mathématique, mais ils permettent
également de s’assurer de la bonne programmation. Plusieurs types de tests peuvent et doivent
être faits, sur plusieurs problèmes types. Ces tests concernent aussi bien un seul élément, que
plusieurs (patch-test), et même différents maillages. En mécanique, on distingue les cas listés dans
le tableau 12.11.
Problème / solution Maillage Vérification Importance
de référence
Mouvement rigide 1 élément base polynomiale complète convergence du modèle
et déformations / modes parasites élément fini vers la solution
constantes théorique lorsque le nombre
Mouvement rigide plusieurs éléments : base complète, conformité, d’élément tend vers l’infini.
et déformations patch-test indépendance par rapport Test particulièrement pour
constantes cinématique ou au maillage (vérification de les non standard ou non
mécanique l’assemblage), absence de conformes.
modes parasites
Champ de différents maillages précision et influence de la qualité de l’élément par
déformations distorsion sur les raport à d’autres éléments
générales déplacements et la existants.
contrante

Tableau 12.11: Test de validation

159 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 12.4.1 Modes rigides et parasites
Le problème consiste à savoir si un élément fini, que l’on définira ici par sa matrice K, peut présenter
l’état de déformation nulle ou d’énergie interne nulle (mode ou mouvement de corps rigide).
Une méthode consiste à déterminer le nombre de valeurs propres nulles de K. Ce nombre doit
être égal au nombre de modes rigides : soit 3 en deux dimensions (2 translations, 1 rotation), 6 en
trois dimensions et 1 en axisymétrique. On notera mr le nombre de modes rigides. S’il y a plus de
valeurs propres nulles que de modes rigides, alors c’est qu’il y a des modes parasites à énergie nulle.
Ces modes parasites doivent disparaître après assemblage de plusieurs éléments afin d’éviter que
la matrice de rigidité soit singulière (d’où le test sur plusieurs éléments). Le schéma d’intégration
choisi pour la définition de l’élément (par exemple intégration complète, réduite ou sélective) peut
influer sur les modes parasites. C’est pourquoi, il n’est pas toujours aussi simple de déterminer
mathématiquement ce facteur.
Dans ce cas, il est possible d’introduire un champ de déplacement représentant le mouvement
rigide. Pour chaque mode rigide i , le vecteur uin associé à la matrice K doit vérifier :

Kuin D 0 (12.6)

Un mode rigide quelconque étant une combinaison linéaire des modes uin , on construit un problème
éléments finis dans lequel on impose mr valeurs du vecteur uin et on détermine numériquement
les n mr composantes (non imposées) de uin . Celles-ci doivent être identiques aux valeurs
théoriques associées au mode rigide i . Si ce n’est pas le cas, c’est qu’il existe des modes rigides.

12.4.2 Modes associés aux déformations constantes

Pour converger correctement l’élément doit également représenter exactement l’état de déformations
ou contraintes constantes (ou plus généralement la représentation « constante » de tous les termes
de la forme variationnelle).
Dans un premier temps, on calcule les efforts nodaux correspondant à une contrainte fixée.
Dans un second temps, on introduit les efforts nodaux comme condition aux limites dans le modèle
élément fini et on vérifie si l’on retrouve bien l’état de contrainte initialement choisi.

12.4.3 Patch-tests
Le domaine choisi doit posséder au moins un nœud à l’intérieur du domaine. On définit un champ
de déplacement conduisant à un état de déformation désiré (constant ou non), que l’on introduit
comme condition aux limites dans le modèle élément fini. On vérifie qu’au point intérieur, l’état de
déformation obtenu est bien celui désiré.

12.4.4 Test de précision d’un élément

On confronte le modèle élément fini à un ou des cas tests représentatifs de ce pour quoi l’élément à
été développé (élasticité tridimensionnelle, bidimensionnelle, problème de torsion, problème avec
concentrations locales de déformations ou de contraintes, prise en compte des frontières courbes...).
Sur les composantes d’« intérêt », on regardera s’il y a bien convergence du modèle et sa vitesse de
convergence en fonction du nombre d’éléments, de la distorsion de ceux-ci...
La « mesure » de l’écart peut demander une « jauge » particulière. C’est ce que l’on appelle un
estimateur d’erreur. Nous n’avons abordé jusqu’à présent que la mesure de l’erreur due à la méthode
des éléments finis elle-même, mais chaque problème particulier peut demander un estimateur
particulier. Pour la mécanique, les estimateurs sont souvent liés à la qualité des contraintes ou à des
estimateurs d’énergie.

III ÉLÉMENTS FINIS 12.4 Validation pratique et indicateurs d’erreur 160

 Un indicateur local d’erreur pourra par exemple être basé sur l’écart entre les contraintes aux
nœuds et aux frontières après extrapolation des points d’intégration de chaque élément. On rappelle
que certaines contraintes doivent être nulles sur les frontières libres.
On trouve par exemple l’écart sur les contraintes équivalentes (selon un sens à définir en
fonction du type de matériau : par exemple von Mises pour un matériau isotrope, Hill, Tsaï-Hill,
Tsaï-Wu... pour les matériaux anisotropes, les mousses, les os, les composites...) ; l’écart sur la
contrainte moyenne...
On peut également utiliser la densité d’énergie interne de déformation sur chaque élément,
l’idéal étant que tous les éléments contribuent de manière identique à l’estimation de l’énergie
interne totale.
Un indicateur global d’erreur pourra être par exemple la valeur de l’énergie potentielle totale.
Plus sa valeur sera petite, meilleur sera le modèle.
On peut également s’assurer que certaines équations d’équilibre sont vérifiées à l’intérieur d’un
élément ou le long d’une frontière entre éléments (par exemple à l’interface entre deux domaines,
un problème évoqué un peu avant au paragraphe 12.3)...

12.5 Exemple : quelques variations sur le thème des éléments unidi-

mensionnels
Dans ce paragraphe, nous appliquons ce que nous venons de voir sur quelques cas simples d’élé-
ments unidimensionnels.

12.5.1 Élément de référence unidimensionnel linéaire à deux nœuds

Considérons un segment reliant deux points dans l’espace. Ce segment est défini par un point courant
dont les coordonnées sont le vecteur x. On peut paramétrer ce segment par le paramètre  2 Œ 1; 1,
et le vecteur position s’exprime par T x D T x./; y./; z./. Cet élément (segment) est défini par

y
ξ
-1 0 1 x
(a) Élément de référence (b) Segment réel (3D)

F IGURE 12.8: Correspondance entre élément de référence et géométrie réelle

ses seules extrémités. Nous avons donc deux nœuds de coordonnées .x1 ; y1 ; z1 / et .x2 ; y2 ; z2 /.
Un point courant de cet élément sera obtenu par interpolation linéaire entre les deux nœuds,
paramétrée par . On Cherche cette interpolation sous la forme x./ D T N./xn , y./ D T N./yn
et z./ D T N./zn , avec T N./ D T .N1 ./; N2 .// et N1 ./ D 21 .1 /, N2 ./ D 12 .1 C /. De
manière plus « compacte », on peut écrire :

1
Ni ./ D .1 C i /; i D 1; 2; i D ˙1 .et  2 Œ 1; 1/ (12.7)
2
Dans cette interpolation (comme dans toute interpolation), on a une relation entre dx et d. No-
tons dx D ad. Alors :

T 1
a D T x; ; y; ; z; D T .x21 ; y21 ; z21 /


(12.8)
2

161 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 avec ici x21 D x2 x1 , y21 D y2 y1 et z21 D z2 z1 . On voit ainsi comment passer d’une
intégrale sur le segment réel à une intégrale sur l’élément de référence.
De même, on peut chercher la relation entre ds D dx
dx. Nous notons ds D md. On a alors :
1 Le
q
2 2 2
m D jaj D x21 C y21 C z21 D (12.9)
2 2
avec Le la longueur de l’élément. On voit alors l’égalité des intégrations :
Z Z C1
: : : ds D : : : md (12.10)
Le 1
Par ailleurs, on a la relation :
d ds d d
D Dm (12.11)
d d ds ds

12.5.2 Rappels sur la jacobienne et le jacobien d’une transformation

n m
Nous considérons
une transformation de R dans R donnée par la fonction f : .x1 ; : : : ; xn / 7!
fy1 ; : : : ; fym . La matrice jacobienne (d’après Carl Jacobi) associée à f est définie par :
2T 3
rfy1
Jf D 4 ::: 5 (12.12)
6 7
T rf
ym

i.e., sous forme complètement développée la jacobienne de f s’écrit :

@fy1 @fy1
2 3




6 @x1 @xn 7
6 : : :: 7
Jf D 6 ::
6 :: : 7
7 (12.13)
4 @fy @fym 5
m




@x1 @xn
Au voisinage d’un point M, l’approximation linéaire de la fonction f est donnée par :
f .X/  f .M/ C Jf .M/ MX (12.14)
La composée f ı g de fonctions différentiables est différentiable, et sa matrice jacobienne s’obtient
par la formule :


Jf ıg D Jf ı g
Jg (12.15)
Dans le cas où m D n, on appelle jf le jacobien de f , défini comme le déterminant de sa matrice
jacobienne :


jf D det Jf (12.16)
Dire que le jacobien est non nul revient donc à dire que la matrice jacobienne est inversible. Si le
jacobien est positif au point M, l’orientation de l’espace est conservée au voisinage de ce point.
À l’inverse, l’orientation est inversée si le jacobien est négatif. Le jacobien d’une composée de
fonctions est le produit des jacobiens individuels. Le jacobien de la réciproque d’une fonction
est l’inverse du jacobien de la fonction. Cette dernière propriété est liée au théorème d’inversion
locale (qui peut être vu entre autre comme une extension du théorème des fonctions implicite en
dimension supérieure à 1 dans le cas réel). Une fonction f de classe C1 est inversible au voisinage
de M avec une réciproque f 1 de classe C1 si et seulement si son jacobien en M est non nul
(théorème d’inversion locale). De plus, la matrice jacobienne de f 1 se déduit de l’inverse de la
matrice jacobienne de f au moyen de la formule :

1
Jf 1 D Jf ı f 1 (12.17)

III ÉLÉMENTS FINIS 12.5 Exemple : quelques variations sur le thème des éléments unidimensionnels 162
 Théorème 48 — Théorème d’inversion locale. Soit f une application de U dans F, où U est
un ouvert d’un espace de Banach réel et F un espace de Banach et soit x un point de U.
Si f est de classe Cp , avec p un entier strictement positif et si la différentielle de f au point
x (définie au paragraphe 3.5) est un isomorphisme bicontinu, alors il existe un voisinage ouvert V
de x et un voisinage ouvert W de f .x/ tels que f se restreigne en une bijection de V dans W
dont la réciproque est de classe Cp .

Comme illustré au paragraphe précédent, le jacobien sert surtout pour effectuer des changement de
variables dans le calculs des intégrales.

Théorème 49 — Théorème de changement de variables dans les intégrales multiples. Soient U

un ouvert de Rn , f une injection de classe C1 de U dans Rn et V D f .U/.
Si g est une fonction mesurable de V dans Œ0 I C1Œ, on a égalité des intégrales pour la
mesure de Lebesgue sur Rn :
Z Z
ˇ ˇ
g.y1 ; : : : ; yn / dy1 : : : dyn D g .f .x1 ; : : : ; xn // ˇdet Jf .x1 ; : : : ; xn /ˇ dx1 : : : dxn :
V U
(12.18)

Si l’on considère un « petit » domaine, le volume de l’image de ce domaine par la fonction f sera
celui du domaine de départ multiplié par la valeur absolue du jacobien.

12.5.3 Éléments de référence unidimensionnels linéaires à n nœuds

Il est possible de généraliser en considérant un segment ayant plusieurs nœuds intermédiaires
comme indiqué sur la figure 12.9. Si l’on considère le cas général à n nœuds de la figure 12.10

n=2 n=3 n=4

F IGURE 12.9: Nœuds intermédiaires

alors il vient :
... ...
1 i n

F IGURE 12.10: Cas général

n
Y r 
Ni ./ D (12.19)

rD1 r
i
r¤i

Si de plus, les n nœuds sont régulièrement espacés :

n
i 1 Y .2r n 1/ .n 1/
i D 1C2 Ni ./ D (12.20)
n 1 rD1
2.r i /
r¤i

12.5.4 Élément de référence unidimensionnel infini

Dans certains cas, il peut être nécessaire de prendre en compte des conditions aux limites situées à
l’infini : problèmes de fondations, d’acoustique, de couplage fluide-structure.

163 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 Il est possible, comme aux paragraphes précédents, de proposer une transformation entre
un élément de référence de longeur 2 et un élément réel infini, transformation illustrée sur la
figure 12.11. Nous ne considèrerons que le cas de l’élément unidimensionnel linéaire à 2 nœuds

x
ξ
-1 0 1 x1
(a) Élément de référence (b) Élément réel (infini)

F IGURE 12.11: Correspondance entre l’élément de référence et l’élément réel infini

dans ce paragraphe, mais on pourrait étudier le cas de l’élément linéaire unidimensionnel à n nœuds,
ou des éléments bidimensionnels par exemple. Nous allons toujours avoir une interpolation de la
fonction solution sous la forme :
1  1C
uD u1 C u2 (12.21)
2 2
car concrètement u2 est connu (et fini) : c’est le « lieu » où l’on situe l’infini dans le modèle
éléments finis. Par contre, l’interpolation du point courant sera donnée par :
1C
x D x1 C ˛ (12.22)
1 
où ˛ est une constante. On aura également :
u2 u1
u;x D .1 /2 (12.23)
4˛

12.5.5 Élément fini de barre unidimensionnel

On considère la barre de la figure 12.12, de section A, de longueur L, constituée d’un matériau
homogène isotrope de module d’Young E et densité  et soumise uniquement à son poids propre.
On souhaite discrétiser ce problème à l’aide d’un élément unidimensionnel linéaire tel que présenté

F IGURE 12.12: Barre encastrée-libre

au paragraphe 12.5.1. La forme variationnelle de ce problème d’élasticité linéaire unidimensionnel

(théorie des poutres) est :
Z L Z L
WD EAv;x u;x dx gAv D 0; 8v (12.24)
0 0

avec les conditions aux limites u.0/ D 0 et v.0/ D 0. Cette forme variationnelle s’écrit pour
l’élément (ou pour chaque élément si on en avait plusieurs) :

W D T v .Ku f/ (12.25)

Nous avons vu que la géométrie, représentée par un élément, est approximée par :
1  1C
xD x1 C x2 ;  2 Œ 1I 1 (12.26)
2 2

III ÉLÉMENTS FINIS 12.5 Exemple : quelques variations sur le thème des éléments unidimensionnels 164
 La représentation de la fonction solution, est :
1  1C
uD u1 C u2 ;  2 Œ 1I 1 (12.27)
2 2
Nous obtenons la matrice de rigidité élémentaire :
 
2EA 1 1
KD (12.28)
L 1 1
et le vecteur des forces nodales élémentaires :
 
L 1
f D gA (12.29)
4 1
En prenant en compte les conditions aux limites u1 D 0 et v1 D 0, l’expression W D 0 donne :
gL2
u2 D (12.30)
8E
1T
La déformation est donnée par " D u;x D T Bun avec T B D L . 1; 1/. On obtient :
gL
"D (12.31)
8E
Elle est constante sur l’élément. Quant à la contrainte, elle est obtenue par  D E", soit :
gL
D (12.32)
8
Elle est également constante sur l’élément.

12.5.6 Assemblage de trois éléments unidimensionnels linéaires à deux nœuds

Poursuivons le cas de la poutre du paragraphe précédent, mais considérons une discrétisation
de la barre à l’aide de trois éléments, comme montré sur la figure 12.13. Chaque élément e (de

1 2 3 4
F IGURE 12.13: Discrétisation de la barre en trois éléments

longueur Le ) possède une matrice de rigidité élémentaire ke et un vecteur des forces nodales
élémentaires fe définis par :
   
2EA 1 1 Le 1
Ke D et fe D gA (12.33)
Le 1 1 4 1

Les variables nodales sont T q D T u1 ; u2 ; u3 ; u4 . Les matrices élémentaires, issues de l’équa-

tion (12.33), s’écrivent en fonction de ces variables nodales :
2 3 2 3 2 3
1 1 0 0 0 0 0 0 0 0 0 0
2EA 6 6 1 1 0 07 K2 D 2EA 60 1
7 6 1 07 7 K3 D 2EA 60 0 0
6 07
K1 D 7
L1 4 0 0 0 0 5 L2 04 1 1 0 5 L3 0 0 1
4 15
0 0 0 0 0 0 0 0 0 0 1 1
et les forces nodales, quant à elles, s’expriment sous la forme :
0 1 0 1 0 1
1 0 0
L1 B 1 C L 2 B1C L3 B0C
f1 D gA B C f2 D gA B C f3 D gA B C
4 @0A 4 @1A 4 @1A
0 0 1

165 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 L’assemblage permettant de constituer le système complet est simplement obtenu par :

K D K1 C K2 C K3 et F D f1 C f2 C f3 (12.34)

On résout alors Kq D F avec la condition aux limites u1 D 0.

Remarque. La matrice K obtenue sur cet exemple a un caractère bande (la matrice est vide en dehors d’une
zone centrée sur la diagonale). Ceci est dû à la numérotation des nœuds. Une autre numérotation pourrait
faire perdre ce caractère important (stockage et résolution). C’est pourquoi les programmes éléments finis
peuvent comporter une étape de renumémoration automatique des nœuds.

12.5.7 Élément de barre unidimensionnel de type Hermite (élément subparamé-

trique)
En restant encore sur notre élément linéaire unidimensionnel, nous allons voir comment ajouter des
contraintes sur les dérivées aux nœuds, comme illustré à la figure 12.14. La géométrie est encore

u1 et u,x1 u2 et u,x2
x
ξ
-1 0 1 x1 x2
(a) Élément de référence (b) Segment réel (2 nœuds, 4ddl)

F IGURE 12.14: Élément de barre unidimensionnel de type Hermite

une fois approximée par :

1  1C
xD x1 C x2 ;  2 Œ 1I 1 (12.35)
2 2
Mais cette fois, l’approximation de la fonction solution est voulue sous la forme :

u D T .N1 ; N2 ; N3 ; N4 / un T
un D T u1 ; u;x1 ; u2 ; u;x2


avec les ddl (12.36)

Les fonctions Ni choisies sont des fonctions cubiques de type Hermite assurant une continuité de u
et u;x aux nœuds 1 et 2. On a :

1 L 2 1 L 2
N1 D .1 /2 .2C/I N2 D . 1/.1 /I N3 D .1C/2 .2 /I N2 D . 1/.1C/
4 8 4 8
(12.37)

Le champ u;x , qui est la déformation ", est donné par " D T Bfun g avec :
 
3 2 1 2 3 1 2
T
BD T
. 1/; .3 2 1/; .1  2 /; .3 C 2 1/ (12.38)
2L 4 2L 4

La contrainte, dans le cas où le coefficient d’élasticité H est constant est donnée par :

x D HT Bun (12.39)

12.5.8 Élément mixte unidimensionnel

Continuons avec notre élément de référence linéaire unidimensionnel. Cette fois-ci nous souhaitons
le mettre en relation avec un segment réel dont les inconnues nodales sont les déplacements u1
et u2 , mais qui possède en plus une approximation constante de la contrainte par élément, comme
montré sur la figure 12.15. Nous cherchons donc une approximation C0 du déplacement et C 1 de

III ÉLÉMENTS FINIS 12.5 Exemple : quelques variations sur le thème des éléments unidimensionnels 166
 u1 u2
σ1 x
ξ
-1 0 1 x1 x2
(a) Élément de référence (b) Élément réel

F IGURE 12.15: Élément mixte unidimensionnel

la contrainte. Pour la géométrie, nous avons une fois encore :

1  1C
xD x1 C x2 ;  2 Œ 1I 1 (12.40)
2 2

Pour la contrainte, nous avons :

x .x/ D 1 (constante) (12.41)

La fonctionnelle d’Hellinger-Reissner sous sa deuxième forme (ou fonctionnelle mixte), donnée

dans sa formulation générale par l’équation (8.52), s’écrit, dans le cas de l’élasticité linéaire
unidimensionnelle :
Z L   Z L
1 
WD A x x C x u;x C v;x x dx Avfx dx .vfS /Sf D 0 8v;   (12.42)
0 H 0

avec les conditions aux limites u D u et u D 0 sur Su . De manière discrétisée, il vient :

02 30 1 0 11
O b u1 fn

W D T v1 ; v2 ; 1 @4


5 @u2 A @ AA (12.43)
Tb a 1 1

avec :
Z L   Z L Z C1    
A 1 A N1 L L 1
bD I aD dxI fn D A fx d D Afx (12.44)
0 L 1 0 H 1 N2 2 2 1

On pourrait s’arrêter là avec le système précédent à résoudre. Toutefois, 1 est une variable locale
sans couplage avec les autres éléments. On peut donc l’exprimer en fonction des autres
degrés de
liberté de l’élément u1 et u2 . La dernière ligne du système donne : 1 D T bun a1 D 0, 81 ,
d’où :

1T
1 D bun (12.45)
a

Le système devient alors :

W D T vn .b1 fn / D T vn .Kun fn / (12.46)

avec :

1T
KDb b (12.47)
a

Dans le cas où H est constant, la matrice de rigidité obtenue est identique à celle du modèle en
déplacements du paragraphe 12.5.5.

167 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 12.6 Sur les déplacements imposés
12.6.1 Problème considéré
Nous repartons de l’élément de barre 1D défini au paragraphe 12.5.5, et nous rappelons que la
matrice de rigidité élémentaire et le vecteur des forces nodales élémentaires sont :
   
2EA 1 1 L 1
KD et f D gA (12.48)
L 1 1 4 1
L’assemblage de trois éléments, décrit au pagraphe 12.5.6, conduit à :

K D K1 C K2 C K3 et F D f1 C f2 C f3 (12.49)

On traitera le cas où les trois éléments ont la même longueurs (L1 D L2 D L3 D L) et où seul le
nœud 4 est soumis à une force. On obtient alors un système de type Kq D F à résoudre, avec la
condition aux limites u1 D 0, qui s’écrit explicitement dans ce cas :
2 30 1 0 1
1 1 0 0 u1 0
6 1 2 1 0 7 Bu2 C B 0 C
7 B C B
6
40 D C (12.50)
1 2 15 @u3 A @ 0 A
0 0 1 1 u4 F0

(avec F0 D gL2 =.8E/).

12.6.2 Retour sur la résolution de systèmes linéaires

Soit à résoudre un système linéaire de type :

Ax D b (12.51)

Ce système peut être réécrit par blocs sous la forme :

    
A11 A12 x1 b
D 1 (12.52)
A21 A22 x2 b2

Si A11 est inversible, alors on peut écrire la première ligne :

x1 D A111 .b1 A12 x2 / (12.53)

ce qui donne, dans la deuxième ligne :

A22 A21 A111 A12 x2 D b2 A21 A111 b1 que l’on note : Sx2 D c (12.54)

La matrice S est appelée complément de Schur (présenté au paragraphe 17.5.1), ou matrice

condensée sur les degrés de liberté x2 . Ce calcul est également identique à celui présenté à propos
de la condensation statique au paragraphe 13.5.1. Dans ce cas, la matrice S est la matrice de rigidité
du super-élément considéré.
Le système initial (12.51) est équivalent à :
    
A11 A12 x1 b
D 1 (12.55)
O S x2 c

qui peut être réécrit :

      
I O A11 A12 x1 I O b1
D (12.56)
A21 A111 I O S x2 A21 A111 I c

III ÉLÉMENTS FINIS 12.6 Sur les déplacements imposés 168

 12.6.3 Complément de Schur et déplacements imposés
Nous cherchons toujours à résoudre notre système :

Kq D F (12.57)

Considérons la matrice D, matrice booléenne, permettant d’extraire de l’ensemble des inconnues

nodales q le sous-ensemble q2 D Dq sur lequel portent les conditions de déplacements imposés qd
(ici on traite le cas général, i.e. les déplacements imposés peuvent être nuls ou non). La matrice
D n’est pas rectangulaire : si on souhaite imposer d déplacements parmi les n degrés de liberté
du système, alors D est de dimension d  n, et donc q2 est bien un vecteur à d composantes,
comme ud .
Le système Kq D F peut alors s’écrire, par blocs, en utilisant le complément de Schur (12.55)
sous une forme triangulaire d’où l’on tire le sous-système correspondant aux déplacements non
imposés :

K11 q1 D f1 K12 ud (12.58)

Ce système est réduit, i.e. possède moins d’inconnues que le problème initial, mais il est nécessaire
de modifier le chargement extérieur.
Son inconvénient est qu’il est nécessaire d’effectuer un tri explicite au sein des degrés de liberté,
ce qui a pour conséquence de « remplir » le terme K12 , et par suite peut générer un surcoût de calcul
lorsque le nombre de degrés de liberté bloqués est grand.
C’est ainsi que procède le code A BAQUS pour imposer les déplacements.

12.6.4 Multiplicateurs de Lagrange et déplacements imposés

Une autre technique, pour imposer des déplacements, consiste à utiliser les multiplicateurs de
Lagrange : les contraintes sont relaxées, puis réintroduites via des multiplicateurs de Lagrange.
Dans ce cas, il n’est plus nécessaire de séparer explicitement les degrés de liberté, mais la taille du
problème augmente puisqu’il faut lui adjoindre les multiplicateurs. Le système à résoudre s’écrit
très simplement :
DT q
      
K   q F
D A D (12.59)
D O   ud
Il est intéressant de remarquer que la première ligne montre que les multiplicateurs de Lagrange
sont bien les réactions aux appuis. Par contre, la matrice du système (12.59), A, si elle reste bien
symétrique, n’est plus définie positive. Elle possède des valeurs propres négatives. Toutefois, on
dispose du résultat suivant :

Théorème 50 si K est symétrique définie positive, alors :

A inversible ” D injective ” ker D D ; (12.60)

ce qui correspond aux cas où toutes les liaisons sont indépendantes.

Afin de ne pas détruire la structure bande de K (ce que ferait une factorisation de Gauß), et
d’éviter des pivotages (que ferait une factorisation de Crout, i.e. LDT L), on peut développer une
autre technique, dite technique de double multiplicateur, qui est celle employée dans C AST 3M :
T
8
< Kq D F
ˆ D .1 2 /
1 D 2 (12.61)
ˆ
Dq D ud
:

L’inconvénient reste l’augmentation de la taille du système lorsque l’on a de nombreux blocages.

169 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 12.6.5 Actions extérieures et déplacements imposés
L’interprétation physique des multiplicateurs de Lagrange conduit naturellement à une autre mé-
thode : il est possible de considérer un déplacement imposé comme une action extérieure, par
exemple comme la réaction d’un ressort ayant une raideur k très grande et un déplacement imposé
à sa base. On se retrouve alors avec un système du type :
K C T DkD q D F C T DkDud


(12.62)
dans lequel on n’a fait qu’ajouter des termes à la matrice de rigidité sur les degrés de liberté
correspondant à ces déplacements et au vecteur des forces généralisées sur les efforts duaux.
Le problème réside dans le choix de la valeur de k : trop petite, la condition est mal imposée ;
trop grande, le système devient très mal conditionné, voire numériquement singulier.

12.6.6 Retour sur notre exemple

Nous devons toujours résoudre :
2 30 1 0 1
1 1 0 0 u1 0
6 1 2 1 0 7 Bu2 C B 0 C
6 7B C D B C (12.63)
40 1 2 15 @u3 A @ 0 A
0 0 1 1 u4 F0
avec la condition aux limites u1 D 0. Tout d’abord, on pourra essayer de résoudre sans introduire
de conditions aux limites afin de voir que le système est alors singulier. On obtient u1 D u2 D
u3 D u4 et F0 D 0. La méthode la plus rudimentaire consiste à prendre en compte directement
et explicitement la condition aux limites. On supprime donc du système matriciel la ligne et la
colonne correspondant à u1 , et on résout :
u1 D 0
8
2 30 1 0 1 ˆ
2 1 0 u2 0
ˆ
< u D F0
ˆ
2
u1 D 0 et 4 1 2 15 @u3 A D @ 0 A d’où : (12.64)
0 1 1 u4 F0
ˆ
ˆ
ˆ u3 D 2F0
u4 D 3F0
:

Séparons maintenant les déplacements imposés des autres degrés de liberté, par une matrice
booléenne D : D est une matrice 1  4, et seul le terme D11 D 1 est non nul : q2 D Dq D u1 , et le
déplacement imposé est ud D 0. Le système s’écrit :
    
K11 K12 q1 f1
D (12.65)
K21 K22 q2 f2
avec :
2 2 3 2 33 0 0 11 0 0 1 1
2 1 0 1 u2 0
6K11 D 4 1 2 15 K12 D 4 0 57 Bq1 D @u3 AC B f1 D @ 0 A C
CDB
0
6 7B C
0 1 1 0 u 4 F
4 5@ A @ A
 


K21 D 1 0 0 K22 D 1 q2 D u1 f2 D ud D 0
Par la méthode du complément de Schur, on est encore ramené à la résolution du système (12.64).
On pourra s’amuser à calculer K111 , S... Par la méthode des multiplicateurs de Lagrange, on obtient
le système :
2 30 1 0 1 8
1 1 0 0 1 u1 0 ˆ u1 D 0
< u2 D F 0
ˆ
6 1 2 1 0 0 7 Bu2 C B 0 C
7 B C B C ˆ
ˆ
u3 D 2F0
6
60
6 1 2 1 0 7 Bu3 C D B 0 C
7 B C B C d’où : (12.66)
40 0 1 1 0 5 @u4 A @ F A 0 ˆ
u D 3F0
: 4
ˆ
ˆ
ˆ
1 0 0 0 0  ud D 0  D F0

III ÉLÉMENTS FINIS 12.6 Sur les déplacements imposés 170

 Par la technique du double multiplicateur, on obtient le système :
0 1 0 1 8
3 u 0 u1 D 0
1 B 1C B
2
1 1 0 0 1 ˆ
u2 D F0
ˆ
6 1 2 u
7 B 2C B 0 C ˆ
ˆ
1 0 0 0
ˆ
u3 D 2F0
C ˆ
6 7 Bu3 C B 0 C <
7 Bu4 C D B F0 C
60 1 2 1 0 07 d’où : (12.67)
u4 D 3F0
B C B C
6
40 0 1 1 0 0 5B C B C ˆ
ˆ
@1 A @ 0 A  D F0
ˆ
: 1
ˆ
1 0 0 0 0 0
ˆ
ˆ
2 ud D 0 2 D F0
En considérant une action extérieure, on obtient le système :
2 30 1 0 1 8
1Ck 1 0 0 u1 0 C k
ud D 0 ˆ u1 D0
D F0
ˆ
6 1 2 1 07 7 Bu2 C D B 0 u2
B C B C <
d’où : (12.68)
D 2F0
6 C
4 0 1 2 1 u3 0 u
: 3
5 @ A @ A ˆ
ˆ
0 0 1 1 u4 F0 u4 D 3F0
Dans tous les exemples présentés, nous avons résolu les systèmes à la main, ce qui masque
d’éventuels problèmes numériques (notamment dans le dernier cas).

12.6.7 Relations linéaires entre degrés de liberté

Cette situation se présente par exemple lors de la prise en compte de conditions de symétrie, de
conditions aux limites périodiques... Il s’agit à chaque fois de conditions de type :
Dq D ud (12.69)
où D n’est plus forcément booléenne.
Nous allons l’appliquer ici, à titre d’exemple simple, au cas où la poutre considérée est mainte-
nant constituée de deux poutres, que l’on va « coller » par une telle relation. La poutre est constituée

1 2
3 4 5
de la poutre 1 2 et de la poutre 3 4 5, les points 2 et 3 étant astreints à rester collés ensembles.
En ajoutant la relation u2 D u3 par l’intermédiaire d’un multiplicateur de Lagrange, c’est-à-dire en
ajoutant le terme 1 .u2 u3 ), on obtient le système :
2 30 1 0 1
1 1 0 0 0 0 u1 0
6 1 1 0 0 0 17 7 B u2 C B 0 C
B C B C
6
60 0 1 1 0 17 Bu3 C B 0 C
7 B C B
B CDB 0 (12.70)
6 C
60 0 1 2 1 07 7 B u4 C B F C
C
6
40 0 0 1 1 0 5 @ u5 A @ 0 A
0 1 1 0 0 0 1 ud D 0
auquel il faut également ajouter la condition aux limites u1 =0. Si cette condition aux limites est
imposée par un multiplicateur de Lagrange 2 , alors finalement, il faut résoudre :
8
u1 D 0
2 30 1 0 1
1 1 0 0 0 0 1 u1 0 ˆ
0
ˆ
ˆ u2 D F0
6 1 1 0 0 0 1 0 7 B u2 C B 0 C ˆ
ˆ
ˆ
6 7B C B C
60 0 1 1 0 1 07 7 Bu3 C B 00 C < u3 D F
B C B C ˆ
ˆ
u4 D 2F0 (12.71)
6
60
6 0 1 2 1 0 0 u D
7 B 4C B C
7 B C B F C d’où :
60 0 0 1 1 0 07 7 B u5 C B 0 C u5 D 3F0
B C B C ˆ
ˆ
6 ˆ
ˆ
40 1 1 0 0 0 0 5 @1 A @ 0 A  D F0
ˆ
: 1
ˆ
ˆ
ˆ
1 0 0 0 0 0 0 2 0 2 D F0

171 12. Formulation pratique d’éléments finis ÉLÉMENTS FINIS III

 Chapitre 13

Calcul efficient : qualité des résultats et

efforts de calcul

13.1 Amélioration d’un modèle : méthodes r, h et p

Les indicateurs d’erreur ont pour but de nous indiquer si « nous sommes loin de la solution », afin
de pouvoir modifier le modèle si besoin. Ainsi, par itérations successives, on pourra tendre vers une
solution de plus en plus proche de la solution exacte.
Les indicateurs locaux nous permettent notamment de faire des modifications uniquement
locales du modèles, i.e. uniquement là où il y en a besoin, par exemple en raffinant le maillage.
Globalement, il existe trois stratégies pour améliorer la précision de la solution obtenue :
Méthode r : Pour un maillage et un type d’élément donné, il s’agit de déplacer les nœuds, en
fonctions des indicateurs d’erreur, et donc sans impacter le nombre de degrés de liberté du
système. Ainsi, la taille des éléments peut augmenter (maillage plus grossier) dans les zones
les moins sollicitées et diminuer (maillage plus fin) dans les zones les plus sollicitées. On
voit que la restriction de la méthode est qu’elle ne joue pas sur le nombre de nœuds, et que
par conséquent, sans violer les contraintes de distorsion, elle est limitée.
Méthode h : En conservant le même type d’élément, on les subdivise dans les zones les plus
sollicitées selon le ou les indicateurs d’erreur choisis. Dans cette méthode, on augmente le
nombre de nœuds afin de contrôler les erreurs et la précision du modèle. Il est nécessaire de
se fixer une limite dans la précision recherchée afin de ne pas trop raffiner le maillage.
Méthode p : À nombre d’éléments constant, dans les zones les plus sollicitées, on va modifier
les éléments en introduisant des fonctions de formes polynomiales d’ordre plus élevé, dites
hiérarchiques. La complexité du système est cette fois encore accrue.
Évidemment, ces méthodes peuvent être combinées. La méthode -hp- propose de modifier à la
fois le maillage et les fonctions d’interpolation. Elle semble aujourd’hui être la méthode optimale
en terme d’efficacité et de vitesse de convergence.
Notons que les méthodes -r- et -h- dépendent des capacités du mailleur automatique implémenté.
De nombreux travaux existent sur le maillage automatique, nous n’entrerons pas dans ce détail.

13.2 Post-traitement
Une manière d’améliorer les résultats est de recourir à des méthodes dites de post-traitement, i.e.
des méthodes qui, à partir des données issues de la résolution du système matriciel correspondant
au problème, fournissent des données complémentaires ou améliorent toute ou partie des données
déjà disponibles.
En fonction des problèmes (donc des données disponibles et des données souhaitées) de
nombreuses méthodes existent. Elles sont généralement dédiées à un problème donné.

173 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 Un exemple déjà abordé dans ce document est celui où, à partir des déplacement nodaux obtenus
par un calcul éléments finis d’une structure mécanique composée de deux matériaux différents dans
une discrétisation classique « en déplacements », on souhaite remonter aux contraintes à l’interface
entre lesdits matériaux.
Une méthode déjà mentionnée est la méthode dite de « Reissner local » qui consiste à intégrer les
équations d’équilibre sous la forme mixte de Reissner, mais uniquement sur des paires d’éléments
ayant des propriété matérielles différentes et possédant une face commune.
On obtient alors un champ de contrainte complètement continu dont on ne retient que les
composantes correspondant à la trace des contraintes, les autres étant calculées comme dans la
méthode classique. On montre que l’on améliore grandement la qualité de l’approximation des
contraintes aux interfaces, mêmes avec un maillage grossier.
Un autre exemple serait, disposant d’un point de pression constant par élément, de calculer
la pression en un point quelconque comme interpolation (linéaire ou non) à partir des points
disponibles.
Un troisième exemple serait à partir des données nodales dans un modèle unidimensionnel
(poutre ou barre selon le cas), de remonter à la répartition des contraintes en un points quelconque
de la structure (donc via les hypothèses faites dans le modèle sur la répartition des contraintes dans
une section + via une interpolation lorsque l’on se trouve dans une section ne passant pas par un
nœud)...

13.3 Exemple d’implémentation d’un post-traitement dans A NSYS

Dans ce chapitre, nous présentons un manière d’implémenter la méthode « Reissner local » men-
tionnée aux paragraphes 13.2 et 12.3. Il s’agit de calculer les contraintes à l’interface entre deux
matériaux en utilisant la fonctionnelle mixte d’Hellinger-Reissner donnée à l’équation (8.52).
Le but est de montrer que même sur un maillage grossier, il est possible de correctement estimer
les contraintes aux interfaces, pour peu que l’on dispose d’une méthode appropriée. Nous espérons
qu’au passage, nous démontrerons également qu’il est assez simple d’implémenter des fonctions
dans un code existant.

13.3.1 Macro dans A NSYS

Si un code ne dispose pas de la méthode que l’on souhaite utiliser, il est toujours possible de retraiter
les résultats... toutefois, selon les codes, il est plus ou moins aisé d’implémenter des fonctions dans
ledit code.
A NSYS est souvent qualifié de « code industriel », ce qui pourrait laisser supposer qu’il n’a pas
la même capacité à résoudre les problèmes que des codes dits « de recherche » ou « spécialisés ».
Or il n’en est rien (même si en toute rigueur, il y a une quinzaine d’années il était plus faible que
d’autres sur les non linéarités, ce qui n’est plus vrai depuis longtemps).
C’est vrai que disposant d’une interface utilisateur remarquable (comparée à celle de nombreux
autres codes), il est possible de ne réaliser les calculs que via cette interface, i.e. sans passer par un
fichier batch... ce que ne font de toutes façons pas les gens sérieux (donc cet argument ne tient pas).
Le qualificatif d’industriel peut également laisser penser que le logiciel est plus fermé que
d’autres, mais ce n’est que partiellement le cas, en tous les cas on peut y remédier facilement, et
c’est pourquoi nous allons présenter l’implémentation d’une macro dans ce code.
Pour implémenter une nouvelle fonction dans A NSYS, plusieurs méthodes s’offrent à nous.
Nous citerons :
— écrire le bout de programme et recompiler le noyau : c’est faisable en théorie, mais person-
nellement je n’ai jamais réussi...

III ÉLÉMENTS FINIS 13.3 Exemple d’implémentation d’un post-traitement dans A NSYS 174
 — partir des fichiers de résultats binaires pour les retravailler : c’est également théoriquement
faisable, mais il faut décortiquer les formats d’écriture desdits fichiers, les relire, réécrire
dans le même format... et c’est donc beaucoup de travail (purement informatique) ;
— programmer la fonction directement sous A NSYS (A NSYS possède un langage assez riche et
puissant) ;
— ou alors, et c’est la voie que nous allons montrer, utiliser A NSYS en « coopération » avec un
petit programme extérieur.
La structure de la macro A NSYS que nous proposons (et qui peut être également incluse dans les
menus d’A NSYS, mais nous n’entrons pas dans ce niveau de détail d’interfaçage) est très simple :
— on récupère les données dont nous avons besoin et on les stocke dans des fichiers externes
(simples) ;
— on lance un programme externe (dont la structure sera exposée plus bas) ;
— on réintègre les résultats dans A NSYS.
On peut alors se servir de toutes les fonctions de visualisation disponibles dans A NSYS avec les
résultats modifiés...

49 *vget , E1 (1 ,8) , elem ,1 , node ,8

1 /nop 50 *vget , E1 (1 ,9) , elem ,1 , attr , mat
2 nall 51 *cfopen , temp , elt
3 ! 52 *vwrite , E1 (1 ,1) , E1 (1 ,2) , E1 (1 ,3) , E1
4 ! Parametres (1 ,4) , E1 (1 ,5) , E1 (1 ,6) , E1 (1 ,7) , E1
5 *get , Nnoeuds , node , , count (1 ,8) , E1 (1 ,9)
6 *get , Nmater , mat , , count 53 (9( E13 .7 , ’ ’) )
7 *get , Nelem , elem , , count 54 *cfclose
8 *cfopen , temp , par 55 !
9 *vwrite , Nnoeuds 56 ! Resultats
10 ( E13 .7 , ’ ’) 57 *vget , CoordX (1) , node ,1 ,U , x
11 *vwrite , Nelem 58 *vget , CoordY (1) , node ,1 ,U , y
12 ( E13 .7 , ’ ’) 59 *cfopen , temp , res
13 *vwrite , Nmater 60 *vwrite , CoordX (1) , CoordY (1)
14 ( E13 .7 , ’ ’) 61 (2( E13 .7 , ’ ’) )
15 *cfclose 62 *cfclose
16 ! 63 !
17 ! Materiaux 64 ! Contraintes
18 *cfopen , temp , mat 65 *vget , CoordX (1) , node ,1 ,S , x
19 *dim , Mater , , Nmater ,3 66 *vget , CoordY (1) , node ,1 ,S , y
20 *do ,I ,1 , Nmater 67 *vget , CoordZ (1) , node ,1 ,S , xy
21 *get , Mater (I ,1) ,Ex , I 68 *cfopen , temp , str
22 *get , Mater (I ,2) ,Ey , I 69 *vwrite , CoordX (1) , CoordY (1) , CoordZ (1)
23 *get , Mater (I ,3) , Nuxy , I 70 (3( E13 .7 , ’ ’) )
24 *enddo 71 *cfclose
25 *vwrite , Mater (1 ,1) , Mater (1 ,2) , Mater 72 !
(1 ,3) 73 ! run l o c r e i s s . exe
26 (3( E13 .7 , ’ ’) ) 74 /sys , ’ locreiss . exe ’
27 *cfclose 75 !
28 ! 76 ! Effacer les fichiers
29 ! Noeuds 77 ! g e n e r e s p a r ANSYS :
30 *dim , CoordX , , Nnoeuds 78 ! temp . par : p a r a m e t r e s
31 *dim , CoordY , , Nnoeuds 79 ! temp . coo : c o o r d o n n e e s n o d a l e s
32 *dim , CoordZ , , Nnoeuds 80 ! temp . e l t : i n c i d e n c e s
33 *vget , CoordX (1) , node , , loc , x 81 ! temp . mat : p r o p r i e t e s m a t e r i e l l e s
34 *vget , CoordY (1) , node , , loc , y 82 ! temp . r e s : d e p l a c e m e n t s nodaux
35 *cfopen , temp , coo 83 ! temp . s t r : c o n t r a i n t e s n o d a l e s
36 *vwrite , CoordX (1) , CoordY (1) 84 ! generes par l o c r e i s s . exe :
37 (2( E13 .7 , ’ ’) ) 85 ! t e m p . dum
38 *cfclose 86 ! temp . tmp
39 ! 87 ! Il reste les fichiers
40 ! E l e m e n t s + n u m e r o du m a t e r i a u 88 ! temp . s i j : c o n t r a i n t e s n o d a l e s
41 *dim , E1 , , Nelem ,9 modifiees
42 *vget , E1 (1 ,1) , elem ,1 , node ,1 89 !
43 *vget , E1 (1 ,2) , elem ,1 , node ,2 90 ! / s y s , ’ rm . / t e m p . p a r ’
44 *vget , E1 (1 ,3) , elem ,1 , node ,3 91 ! / s y s , ’ rm . / t e m p . c o o ’
45 *vget , E1 (1 ,4) , elem ,1 , node ,4 92 ! / s y s , ’ rm t e m p . e l t ’
46 *vget , E1 (1 ,5) , elem ,1 , node ,5 93 ! / s y s , ’ rm t e m p . m a t ’
47 *vget , E1 (1 ,6) , elem ,1 , node ,6 94 ! / s y s , ’ rm t e m p . r e s ’
48 *vget , E1 (1 ,7) , elem ,1 , node ,7 95 ! / s y s , ’ rm t e m p . s t r ’

175 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 96 ! / s y s , ’ rm t e m p . dum ’ 111 *vread , CoordZ (1) , temp , sxy , ,
97 ! / s y s , ’ rm t e m p . t m p ’ 112 ( E13 .7)
98 ! 113 *vput , CoordX (1) , node ,1 ,S , x
99 ! l i r e l e s v a l e u r s dans temp . s i j 114 *vput , CoordY (1) , node ,1 ,S , y
100 ! ces f i c h i e r s c o n t i e n n e n t : sxx , syy , 115 *vput , CoordZ (1) , node ,1 ,S , xy
sxy 116 !
101 ! ce s o n t t o u t e s l e s composantes 117 ! Cleanup
continues . 118 CoordX (1) =
102 ! E l l e s n ’ o n t p a s t o u t e s un s e n s : 119 CoordY (1) =
103 ! Sxx d i s c o n t i n u , mais dans l e r e p e r e 120 CoordZ (1) =
104 ! l o c a l , d o n c on l a l a i s s e p o u r qu ’ 121 Mater (1 ,3) =
ANSYS 122 E1 (1 ,9) =
105 ! p u i s s e f a i r e l a ! r o t a t i o n de r e p e r e 123 Nnoeuds =
106 ! si necessaire . 124 Nmater =
107 *vread , CoordX (1) , temp , sxx , , 125 Nelem =
108 ( E13 .7) 126 !
109 *vread , CoordY (1) , temp , syy , , 127 /gop
110 ( E13 .7)

Le programme extérieur [Link], est structuré comme suit :

1 PROGRAM VM2
2 C
3 IMPLICIT DOUBLE PRECISION (A -H ,O - Z )
4 IMPLICIT INTEGER (I - N )
5 C
6 C
7 C But :
8 C 1 . on r e l i t l e s f i c h i e r s d e ANSYS g e n e r e s a v e c l a m a c r o INTERF
9 C 2 . on d e t e r m i n e l e s n o e u d s d e p o s t t r a i t e m e n t
10 C 3 . on e f f e c t u e un R e i s s n e r l o c a l a u x i n t e r f a c e s
11 C
12 C WARNING :
13 C On n e t r a i t e q u e l e c a s d e PLANE 82 a v e c u n e g e o m e t r i e definie
14 C dans l e plan (X , Y )
15 C
16 C MAIN o f : VM2
17 C
18 C
19 PARAMETER ( NODMAX =1000 , NELTMAX =300 , MATMAX =4)
20 C
21 COMMON / VMCTS / COMPI , ZERO , ONE , IINP , IOUT , ICON , MONI
22 COMMON / NPB / NNOD , NELT , NMAT , NCAL
23 C
24 C
25 DIMENSION COORD ( NODMAX ,3) , DISP ( NODMAX ,2)
26 DIMENSION XMAT ( MATMAX ,3) , NLT ( NELTMAX ,9)
27 DIMENSION NCALC ( NODMAX ,5) , NADJ ( NODMAX ,8) , NDT ( NODMAX ,8)
28 DIMENSION D1 (3 ,3) , D2 (3 ,3)
29 C
30 C Presetings
31 MONI =0 ! monitoring level ( debug )
32 ICON =6 ! standard output = screen
33 IINP =10 ! input file
34 IOUT =20 ! output file
35 ZERO =0.0 D0 ! zero
36 ONE =1.0 D0 ! one
37 COMPI = DACOS ( - ONE ) ! pi
38 C
39 C
40 C Read i n p u t f i l e s
41 CALL READANS ( NODMAX , NELTMAX , MATMAX , COORD , XMAT , NLT , DISP )
42 C
43 C Find A dj ac en t e l e m e n t s
44 CALL CHELT ( NODMAX , NELTMAX , NLT , NCALC , NADJ , NDT )
45 C
46 C Material properties
47 CALL MATER ( MATMAX , XMAT , D1 , D2 , D3 , D4 , NODMAX , NADJ , NELTMAX , NLT )
48 C
49 C Computation : Local Reissner
50 CALL LOCREISS ( NODMAX , NELTMAX , D1 , D2 , D3 , D4 ,
51 x COORD , NLT , NADJ , DISP )
52 C

III ÉLÉMENTS FINIS 13.3 Exemple d’implémentation d’un post-traitement dans A NSYS 176
 53 C Average multi computed nodes
54 CALL AVERAGE ( NODMAX , MULTI )
55 C
56 C Last line o f VM2
57 END

La routine READANS permet de lire les données. Celles-ci sont stockées dans les matrices
COORD ( NODMAX ,3), DISP ( NODMAX ,2), XMAT ( MATMAX ,3) et NLT ( NELTMAX ,9).
la routine CHELT détecte les interfaces, i.e. les faces dont les nœuds appartiennent à des éléments
dont les propriétés matérielles sont différentes. Le vecteur NADJ ( NODMAX ,8) contient les numéros
des deux éléments adjacents (positions 1 et 2) ainsi que les numéros des nœuds de l’interface
(positions 3, 4 et 5).
La routine MATER construit, pour chacune des faces de l’interface, la matrice de rigidité (aussi
bien pour le cas isotrope que pour le cas orthotrope).
La routine LOCREISS calcule les contraintes nodales le long de chaque face.
Les contraintes ayant été calculées pour les nœuds de chacune des faces de l’interface, on
moyenne les résultats pour un nœud appartenant à plusieurs faces. C’est ce que fait la routine
AVERAGE . À ce stade, nous disposons donc des contraintes nodales, calculées par la fonctionnelle
mixte d’Hellinger-Reissner, le long de toutes les interfaces présentes dans le modèle. Il ne reste
plus qu’à écrire ces résultats pour qu’ils soient relus par la macros A NSYS.

13.3.2 Poutre en U

R E F

C
A D

F IGURE 13.1: a) Géométrie de la poutre en U, b) le maillage utilisé pour le tester la méthode

Reissner local, c) maillage permettant d’obtenir la « solution de référence » puisqu’il n’y a pas de
solution analytique

Disposant de la macro précédente, nous allons l’appliquer au calcul de la poutre en U présentée

à la figure 13.1a. Il s’agit d’une poutre sandwich dont les peaux sont en aluminium et l’âme en
résine époxy. Par symétrie, seule une demi-poutre est modélisée. Elle est soumise à une force
unitaire sur chaque montant. Les points pour lesquels nous nous intéresserons aux contraintes sont
les points indiqués sur la figure 13.1a, à savoir les points A, B, C, D, E et F.
Le listing A NSYS est le suivant :

177 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 51 l ,4 ,5 , NCORE
1 !  geom : p a r t i e d r o i t e 52 l ,3 ,6 , NCORE
2 long =20 53 larc ,5 ,6 ,13 , Rh1 , NRCUTS
3 H1 =0.2 54 l ,5 ,8 , NSKIN
4 H2 =1.8 55 larc ,8 ,7 ,13 , Rint , NRCUTS
5 H3 =2 56 l ,6 ,7 , NSKIN
6 ! 57 !
7 !  geom c o u d e 58 l ,2 ,9 , NCUTS
8 Rint =10 59 l ,9 ,10 , NSKIN
9 Rh1 = Rint + H1 60 l ,10 ,3 , NCUTS
10 Rh2 = Rint + H2 61 l ,10 ,11 , NCORE
11 Rh3 = Rint + H3 62 l ,11 ,6 , NCUTS
12 ! 63 l ,11 ,12 , NSKIN
13 ! maillage 64 l ,12 ,7 , NCUTS
14 NCUTS =40 65 !
15 NRCUTS =20 66 mat ,1
16 NCORE =16 67 a ,1 ,2 ,3 ,4
17 NSKIN =2 68 a ,5 ,6 ,7 ,8
18 Forc =1 69 a ,2 ,9 ,10 ,3
19 ! 70 a ,6 ,11 ,12 ,7
20 /PREP7 71 mat ,2
21 ! 72 a ,4 ,3 ,6 ,5
22 ET ,1 , PLANE82 73 a ,3 ,10 ,11 ,6
23 ! 74 mat ,1
24 UIMP ,1 , EX , , ,70000 , 75 amesh ,1
25 UIMP ,1 , NUXY , , ,0.3 , 76 amesh ,2
26 UIMP ,1 , EMIS , , ,1 , 77 amesh ,3
27 ! 78 amesh ,4
28 ! 79 mat ,2
29 UIMP ,2 , EX , , ,3400 , 80 amesh ,5
30 UIMP ,2 , NUXY , , ,0.34 , 81 amesh ,6
31 UIMP ,2 , EMIS , , ,1 , 82 !
32 ! 83 DL ,4 , , symm
33 k ,1 ,0 , - Rh3 84 DL ,5 , , symm
34 k ,2 , Rh3 ,0 85 DL ,8 , , symm
35 k ,3 , Rh2 ,0 86 !
36 k ,4 ,0 , - Rh2 87 dk ,8 , uy ,0
37 k ,5 ,0 , - Rh1 88 !
38 k ,6 , Rh1 ,0 89 fk ,9 , fx , Forc
39 k ,7 , Rint ,0 90 !
40 k ,8 ,0 , - Rint 91 FINISH
41 k ,9 , Rh3 , long 92 /SOLU
42 k ,10 , Rh2 , long 93 /STAT , SOLU
43 k ,11 , Rh1 , long 94 SOLVE
44 k ,12 , Rint , long 95 FINISH
45 k ,13 ,0 ,0 96 /POST1
46 ! 97 pldisp ,1
47 larc ,1 ,2 ,13 , Rh3 , NRCUTS 98 *USE , INTERF
48 l ,2 ,3 , NSKIN 99 ...
49 larc ,4 ,3 ,13 , Rh2 , NRCUTS
50 l ,1 ,4 , NSKIN

On utilise la macro en tapant *USE,INTERF, et les contraintes sont directement modifiées dans
A NSYS. On peut alors utiliser les mêmes fonctions qu’habituellement pour visualiser les différentes
composantes des contraintes.
Le listing Cast3M du même problème est le suivant :

14 MRh2 = -1. * Rh2 ;

1  geom : p a r t i e d r o i t e 15 MRh3 = -1. * Rh3 ;
2 long =20.0; 16 
3 H1 =0.2; 17  maillage
4 H2 =1.8; 18 NCUTS =40;
5 H3 =2.0; 19 NRCUTS =20;
6  20 NCORE =16;
7  geom c o u d e 21 NSKIN =2;
8 Rint =10.0; 22 Forc =1.0;
9 Rh1 = Rint + H1 ; 23 
10 Rh2 = Rint + H2 ; 24 OPTION DIMENSION 2 ELEMENT QUA4 ;
11 Rh3 = Rint + H3 ; 25 
12 MRint = -1. * Rint ; 26 k1 = 0. MRh3 ;
13 MRh1 = -1. * Rh1 ;

III ÉLÉMENTS FINIS 13.3 Exemple d’implémentation d’un post-traitement dans A NSYS 178
 27 k2 = Rh3 0.; 69 PEAUINT = SURF1 ET SURF2 ;
28 k3 = Rh2 0.; 70  ELIMINE PEAUINT ;
29 k4 = 0. MRh2 ; 71 PoutU = PEAUEXT ET AME ET PEAUINT ;
30 k5 = 0. MRh1 ; 72 
31 k6 = Rh1 0.; 73 Model1 = MODL peauext MECANIQUE
32 k7 = Rint 0.; ELASTIQUE ISOTROPE QUA4 ;
33 k8 = 0. MRint ; 74 Model2 = MODL ame MECANIQUE ELASTIQUE
34 k9 = Rh3 long ; ISOTROPE QUA4 ;
35 k10 = Rh2 long ; 75 Model3 = MODL peauint MECANIQUE
36 k11 = Rh1 long ; ELASTIQUE ISOTROPE QUA4 ;
37 k12 = Rint long ; 76 ModelTot = Model1 ET Model2 ET Model3 ;
38 k13 = 0. 0.; 77 
39  78 Mater1 = MATERIAU Model1 YOUNG 70000.0
40 L1 = CERCLE NRCUTS k1 k13 k2 ; NU 0.3 RHO 2700.0;
41 L2 = DROITE k2 k3 NSKIN ; 79 Mater2 = MATERIAU Model2 YOUNG 3400.0 NU
42 L3 = CERCLE NRCUTS k4 k13 k3 ; 0.34 RHO 1000.0;
43 L4 = DROITE k1 k4 NSKIN ; 80 Mater3 = MATERIAU Model3 YOUNG 70000.0
44 L5 = DROITE k4 k5 NCORE ; NU 0.3 RHO 2700.0;
45 L6 = DROITE k3 k6 NCORE ; 81 
46 L7 = CERCLE NRCUTS k5 k13 k6 ; 82 MR1 = RIGIDITE Model1 Mater1 ;
47 L8 = DROITE k5 k8 NSKIN ; 83 MR2 = RIGIDITE Model2 Mater2 ;
48 L9 = CERCLE NRCUTS k8 k13 k7 ; 84 MR3 = RIGIDITE Model3 Mater3 ;
49 L10 = DROITE k6 k7 NSKIN ; 85 Mrigid = MR1 ET MR2 ET MR3 ;
50  86 
51 L11 = DROITE k2 k9 NCUTS ; 87 CondL2 = BLOQUER UX ( L4 ET L5 ET L8 ) ;
52 L12 = DROITE k9 k10 NSKIN ; 88 CondL1 = BLOQUER UY k8 ;
53 L13 = DROITE k10 k3 NCUTS ; 89 CondLtot = CondL1 ET CondL2 ;
54 L14 = DROITE k10 k11 NCORE ; 90 FOR1 = FORCE ( Forc 0.) k9 ;
55 L15 = DROITE k11 k6 NCUTS ; 91 Mrigid = Mrigid ET CondLtot ;
56 L16 = DROITE k11 k12 NSKIN ; 92 
57 L17 = DROITE k12 k7 NCUTS ; 93 Depl1 = RESOUD Mrigid For1 ;
58  94 
59 SURF1 = DALLER L1 L2 L3 L4 ; 95 UX1 = EXCO ’ UX ’ depl1 ;
60 SURF2 = DALLER L2 L11 L12 L13 ; 96 UY1 = EXCO ’ UY ’ depl1 ;
61 PEAUEXT = SURF1 ET SURF2 ; 97 TRACE UX1 PoutU ;
62  ELIMINE PEAUEXT ; 98 TRACE UY1 PoutU ;
63 SURF1 = DALLER L3 L6 L7 L5 ; 99 
64 SURF2 = DALLER L6 L13 L14 L15 ; 100 def0 = DEFORMEE poutU Depl1 0.0 BLEU ;
65 AME = SURF1 ET SURF2 ; 101 def1 = DEFORMEE poutU Depl1 ROUG ;
66  ELIMINE AME ; 102 TRACE ( def0 ET def1 ) ;
67 SURF1 = DALLER L8 L7 L10 L9 ; 103 
68 SURF2 = DALLER L10 L15 L16 L17 ;

Il reste maintenant à avoir les résultats dans les repères locaux élémentaires, et voir ce qui se
passe aux interfaces...

13.3.3 Résultats
Dans les listings ci-dessus, nous n’avons pas exposé comme atteindre les contraintes, car cela sera
fait en TP. Les résultats directement obtenus sont donnés à la figure 13.2 pour la déformée et les
déplacements selon x et y, et à la figure 13.3 pour les déformations.
Néanmoins nous présentons quelques résultats issus de l’analyse des contraintes aux interfaces
avec ou sans utilisation de la méthode de Reissner local. Nous nous concentrerons sur les résultats
numériques et graphiques permettant d’apprécier la précision de la méthode de Reissner local par
rapport aux résultats d’A NSYS aux points A, B, E et F ainsi que d’étudier l’influence de la valeur
du rayon R.
Une première remarque s’impose : plus la valeur du rayon est faible, plus les résultats sont
mauvais, quelle que soit la méthode employée (et vous devez savoir pourquoi à ce niveau du
document).
Au point A, l’influence des conditions aux limites est encore sensible : en plus de la condition
de symétrie de la structure, le blocage du déplacement vertical induit une légère détérioration des
résultats numériques. L’influence de cette condition aux limites n’est plus visible au point B.
En A et B, la composante discontinue est xx , les composantes yy et xy sont continues.
Par contre, aux points E et F, c’est yy la composante discontinue et xx et xy les composantes

179 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 Déplacement Déplacement
UX UY
0.59 −7.26E−04
0.56 −5.75E−03
0.53 −1.08E−02
0.50 −1.58E−02
0.47 −2.08E−02
0.45 −2.58E−02
0.42 −3.09E−02
0.39 −3.59E−02
0.36 −4.09E−02
0.33 −4.59E−02
0.30 −5.09E−02
0.28 −5.60E−02
0.25 −6.10E−02
0.22 −6.60E−02
0.19 −7.10E−02
0.16 −7.60E−02
0.13 −8.11E−02
0.11 −8.61E−02
7.76E
02 −9.11E−02
4.93E
02 −9.61E−02
2.10E
02 −0.10

F IGURE 13.2: Déformée et déplacements

εxx εyy γxy

1.20E−03 9.87E−04 1.59E−03
1.08E−03 9.04E−04 1.44E−03
9.71E−04 8.21E−04 1.28E−03
8.59E−04 7.39E−04 1.12E−03
7.46E−04 6.56E−04 9.67E−04
6.33E−04 5.73E−04 8.09E−04
5.21E−04 4.90E−04 6.52E−04
4.08E−04 4.07E−04 4.95E−04
2.95E−04 3.25E−04 3.38E−04
1.83E−04 2.42E−04 1.81E−04
7.01E−05 1.59E−04 2.41E−05
−4.25E−05 7.61E−05 −1.33E−04
−1.55E−04 −6.70E−06 −2.90E−04
−2.68E−04 −8.95E−05 −4.47E−04
−3.80E−04 −1.72E−04 −6.04E−04
−4.93E−04 −2.55E−04 −7.61E−04
−6.06E−04 −3.38E−04 −9.18E−04
−7.18E−04 −4.21E−04 −1.08E−03
−8.31E−04 −5.04E−04 −1.23E−03
−9.44E−04 −5.86E−04 −1.39E−03
−1.06E−03 −6.69E−04 −1.55E−03

F IGURE 13.3: Déformations

continues.
D’après les résultats présentés ci-après, il est visible que la méthode de Reissner local permet
d’améliorer les résultats par rapport à A NSYS.

III ÉLÉMENTS FINIS 13.3 Exemple d’implémentation d’un post-traitement dans A NSYS 180
 xx xx
Méthode R peau âme yy xy
(mm) (MPa) (MPa) (MPa) (MPa)
Ref 10 72,085 4,0121 1,5883 -0,0023339
Reiss 10 71,957 3,9670 1,5987 -0,0155720
A NSYS 10 71,957 3,9670 1,5116 0,0086231
Ref 8 66,500 3,8400 1,8556 -0,0022273
Reiss 8 66,665 3,7863 1,8888 -0,0118667
A NSYS 8 66,665 3,7863 1,7943 0,0111910
Ref 5 57,289 3,6598 2,6317 -0,0018770
Reiss 5 57,727 3,5771 2,6979 -0,0071024
A NSYS 5 57,727 3,5771 2,6066 0,0128210
Ref 3 49,551 3,6827 3,9304 -0,0014368
Reiss 3 49,454 3,5552 4,0110 -0,0046055
A NSYS 3 49,454 3,5552 3,9621 0,0106410
Ref 2 42,699 3,8289 5,4227 -0,0009727
Reiss 2 42,362 3,6593 5,4785 -0,0037443
A NSYS 2 42,362 3,6593 5,5264 0,0059470
Ref 1 27,171 4,3142 9,2850 -0,0004173
Reiss 1 25,876 4,0707 9,1122 -0,0021565
A NSYS 1 25,876 4,0707 9,6345 0,0005231

Tableau 13.1: Résultats au point A

8 Ref
Reissner local C
7 A NSYS 
6
yy (MPa)


C
5

4 C


3
C

2 C
 C

1
1 2 3 4 5 6 7 8 9 10
R

F IGURE 13.4: yy en A

181 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 0:015

 
0:010


0:005 Ref
Reissner local C
xy (MPa)

0:000  A NSYS 
C
C C
0:005
C
0:010
C
0:015 C

0:020
1 2 3 4 5 6 7 8 9 10
R

F IGURE 13.5: xy en A

xx xx
Méthode R peau âme yy xy
(mm) (MPa) (MPa) (MPa) (MPa)
Ref 10 -72,248 -3,0668 1,4080 -0,0023570
Reiss 10 -72,542 -3,1193 1,2573 -0,0138800
A NSYS 10 -72,542 -3,1193 1,5464 -0,0198700
Ref 8 -67,723 -2,7905 1,5799 -0,0026011
Reiss 8 -68,001 -2,8457 1,4570 -0,0107700
A NSYS 8 -68,001 -2,8457 1,7111 -0,0197300
Ref 5 -61,079 -2,3199 2,0320 -0,0024099
Reiss 5 -61,335 -2,3813 1,9460 -0,0067001
A NSYS 5 -61,335 -2,3813 2,1535 -0,0186210
Ref 3 -56,823 -1,9080 2,6611 -0,0022154
Reiss 3 -57,072 -1,9756 2,5888 -0,0045050
A NSYS 3 -57,072 -1,9756 2,7738 -0,0176540
Ref 2 -54,772 -1,6200 3,2396 -0,0021234
Reiss 2 -55,026 -1,6902 3,1612 -0,0036124
A NSYS 2 -55,026 -1,6902 3,3438 -0,0172760
Ref 1 -52,491 -1,1687 4,2871 -0,0020797
Reiss 1 -52,777 -1,2391 4,1625 -0,0031088
A NSYS 1 -52,777 -1,2391 4,3710 -0,0174200

Tableau 13.2: Résultats au point B

III ÉLÉMENTS FINIS 13.3 Exemple d’implémentation d’un post-traitement dans A NSYS 182
 4:5 
C
4:0 Ref
Reissner local C
3:5 A NSYS 

C
yy (MPa)

3:0

2:5 C

2:0 C

1:5 C 
C
1:0
1 2 3 4 5 6 7 8 9 10
R

F IGURE 13.6: yy en B

0:002
C C
0:004 C Ref
Reissner local C
0:006 A NSYS 
C
0:008
xy (MPa)

0:010
C
0:012
0:014 C
0:016
  
0:018 
0:020  
1 2 3 4 5 6 7 8 9 10
R

F IGURE 13.7: xy en B

183 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 yy yy
Méthode R peau âme xx xy
(mm) (MPa) (MPa) (MPa) (MPa)
ref 10 46,0340 2,410200 0,57548 0,77518
Reiss 10 46,0265 2,397450 0,48986 0,71342
A NSYS 10 46,0265 2,397450 0,62529 0,80572
ref 8 45,8625 2,443000 0,68465 0,83563
Reiss 8 45,8505 2,421450 0,62992 0,76781
A NSYS 8 45,8505 2,421450 0,71910 0,90760
ref 5 45,4490 2,539450 1,00620 1,00390
Reiss 5 45,5025 2,499550 1,00810 0,91559
A NSYS 5 45,5025 2,499550 0,94099 1,19800
ref 3 44,5760 2,694400 1,56820 1,25790
Reiss 3 45,0015 2,644550 1,62260 1,10690
A NSYS 3 45,0015 2,644550 1,30760 1,64980
ref 2 43,1510 2,856600 2,23920 1,50420
Reiss 2 44,1375 2,805000 2,32600 1,25870
A NSYS 2 44,1375 2,805000 1,77080 2,12250
ref 1 37,6330 3,184100 4,02110 1,90380
Reiss 1 40,1735 3,143850 4,04390 1,41220
A NSYS 1 40,1735 3,143850 3,04360 3,15350

Tableau 13.3: Résultats au point E

4:5
4:0C Ref
Reissner local C
3:5 A NSYS 
3:0 
yy (MPa)

2:5
C
2:0

C
1:5

1:0 C


C 
0:5 C
0:0
1 2 3 4 5 6 7 8 9 10
R

F IGURE 13.8: xx en E

III ÉLÉMENTS FINIS 13.3 Exemple d’implémentation d’un post-traitement dans A NSYS 184
 3:5

3:0 Ref
Reissner local C
A NSYS 
2:5
xy (MPa)


2:0

1:5C
C 
C
1:0 C 
C 
C
0:5
1 2 3 4 5 6 7 8 9 10
R

F IGURE 13.9: xy en E

yy yy
Méthode R peau âme xx xy
(mm) (MPa) (MPa) (MPa) (MPa)
ref 10 -47,438 -2,1425 0,54431 0,30073
Reiss 10 -47,510 -2,1533 0,39416 0.38936
A NSYS 10 -47,510 -2,1533 0,65814 0,30000
ref 8 -47,4555 -2,11415 0,62480 0,24743
Reiss 8 -47,5605 -2,12825 0,50447 0.33138
A NSYS 8 -47,5605 -2,12825 0,72921 0,21663
ref 5 -47,415 -2,03645 0,83167 0,10558
Reiss 5 -47,5335 -2,05940 0,76054 0,18360
A NSYS 5 -47,5335 -2,05940 0,87666 0,00251
ref 3 -47,223 -1,92305 1,11940 -0,10042
Reiss 3 -47,1885 -1,95170 1,07760 -0,01314
A NSYS 3 -47,1885 -1,95170 1,05090 -0,28747
ref 2 -46,940 -1,81445 1,38480 -0,29901
Reiss 2 -46,6760 -1,84130 1,35230 -0,18934
A NSYS 2 -46,6760 -1,84130 1,21420 -0,55238
ref 1 -46,1935 -1,61030 1,85860 -0,67358
Reiss 1 -45,4620 -1,62185 1,81270 -0,50497
A NSYS 1 -45,4620 -1,62185 1,52280 -1,03400

Tableau 13.4: Résultats au point F

185 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 2
1:8C Ref
Reissner local C
1:6 A NSYS 

1:4 C
yy (MPa)

1:2 
C

1

0:8 C 

0:6
C
0:4 C
0:2
1 2 3 4 5 6 7 8 9 10
R

F IGURE 13.10: xx en F

0:400 C
C 
0:200 C 

0:000 C 
Ref
Reissner local C
0:200 C 
xy (MPa)

A NSYS

0:400
C 
0:600

0:800

1:000 

1:200
1 2 3 4 5 6 7 8 9 10
R

F IGURE 13.11: xy en F

13.4 Sous-structuration et simulation multi-échelles

Le fonctionnement des produits industriels met en jeu des phénomènes physiques à des échelles
très différentes. La prise en compte de tous ces phénomènes dans les simulations numériques
demanderait d’utiliser des modèles extrêmement détaillés, entraînant des coûts d’identification
et/ou de calcul prohibitifs. La simulation multi-échelles est une réponse à cette problématique.
Elle consiste à simuler chaque phénomène à l’échelle la plus pertinente, i.e. en utilisant plusieurs
modèles de tailles et de finesses différentes ; cela permet, grâce à des solveurs adaptés, de réaliser
des simulations qui seraient inaccessibles par des approches plus directes.
Imaginons que nous souhaitions calculer un avion, mais que, pour des raisons évidente de
sécurité, nous ayons besoin d’obtenir une precision « boulon par boulon ». On se doute bien que
l’on ne peut mailler tout l’avion avec un tel niveau de détail... On recourt alors à une cascade

III ÉLÉMENTS FINIS 13.4 Sous-structuration et simulation multi-échelles 186

 de modèles de dimensions et de finesses différentes, allant de l’avion tout entier (mais modélisé
relativement grossièrement) à des détails structuraux modélisés très finement (mais limités à de
petites zones), comme montré sur la figure 13.12.

F IGURE 13.12: Sous-structuration en aéronautique

La simulation est donc décomposée en différents niveaux, chacun représentant une échelle
différente. Pour coordonner ces niveaux entre eux, on utilise généralement une approche dite
descendante : on commence par simuler le comportement global de l’avion, puis les résultats sont
utilisés pour déterminer les conditions aux limites appliquées sur les niveaux inférieurs. Toutefois,
il est parfois également nécessaire de combiner ces approches descendantes à des approches
ascendantes : les résultats des simulations fines sont utilisés pour construire des modèles de
comportements plus grossiers.
De très nombreuses méthodologies multi-échelles existent et reposent toutes sur le fait de
simuler chaque phénomène à l’échelle la plus pertinente. Pour cela, il est nécessaire :
1. de distinguer différentes échelles dans la modélisation et dans la simulation ;
2. de modéliser les relations existant entre ces différentes échelles.
Considérons un problème comportant deux échelles. Le point 1 évoqué ci-dessus se traduit par
le fait de disposer de deux modèles distincts :
— Un modèle macroscopique
Il représente le produit et son environnement extérieur et est constitué d’une géométrie et d’un
modèle de comportement relativement grossiers (puisque n’ayant pas vocation à représenter
les phénomènes microscopiques) ;
— Un modèle microscopique
Il possède une description géométrique et un maillage suffisamment fins ainsi que soit
modélisé le comportement détaillé. Il ne comprend qu’une ou quelques « cellules types » de
petites dimensions.
Il est souvent possible, pour les matériaux notamment, de disposer d’hypothèses simplifica-
trices (telles que l’élasticité linéaire) permettant de se restreindre à une seule cellule type.
Pour le cas des matériaux anisotropes constitués de plusieurs autres matériaux tels que les
matériaux composites et fibreux, on se reportera au chapitre 15.
Toutefois, il peut arriver que l’on ne dispose pas de telles hypothèses et il soit alors nécessaire
de multiplier le nombre de cellules (jusqu’à parfois couvrir tout le modèle macro !)
Le point 2 consiste donc à relier les deux échelles de modélisation.
En effet, les modèles macroscopique et microscopique ne sont pas indépendants puisqu’ils
modélisent la même physique à des échelles différentes. Il est donc nécessaire qu’ils soient cohérents
l’un vis-à-vis de l’autre, en tout point et à chaque instant de la simulation. Pour cette raison, les
modélisations multi-échelles comportent des couplages, i.e. des modèles d’interactions, entre les

187 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 échelles.
Dans le cadre de la mécanique des solides déformables, on procède généralement comme suit :
— Le modèle de comportement macroscopique : qui modélise des phénomènes se produisant
« au cœur du matériau », doit correspondre à la relation contraintes/déformations observée
sur la cellule microscopique ;
— Le modèle de comportement microscopique : qui traduisent la façon dont la cellule est
sollicitée par son environnement extérieur, doivent correspondre à l’état de contraintes ou de
déformations macroscopique.
Le modèle macroscopique ayant une résolution beaucoup plus grossière, la cohérence des
deux modèles ne peut donc pas se traduire par une correspondance exacte, point par point, des
conditions aux limites ou du comportement. Pour cette raison, la plupart des approches multi-
échelles postulent que les quantités macroscopiques doivent correspondre à des « moyennes » des
quantités microscopiques correspondantes, la définition mathématique exacte de cette moyenne
variant fortement d’une approche à l’autre.
On peut donc dire que :
— Le modèle de comportement macroscopique d’un élément de volume est choisi égal au
comportement moyen de la cellule microscopique correspondante, calculé en utilisant une
technique d’homogénéisation ;
— Les conditions aux limites microscopiques sont appliquées en moyenne, car les champs de
contraintes ou de déplacements macroscopiques sont beaucoup trop grossiers.
Le problème est donc d’échanger des données pertinentes entre les différentes échelles, compte
tenu des différentes résolutions des modèles.
Dans le sens microscopique vers macroscopique, on utilisera les techniques d’homogénéisation
dont il sera l’objet au chapitre 15.
Dans le sens macroscopique vers microscopique, il s’agit donc de spécifier des conditions aux
limites à appliquer sur le bord des cellules microscopiques, à partir d’une solution macroscopique.
Les méthodes les plus simples se contentent d’imposer directement le champ de déplacements
(ou de contraintes) macroscopique comme condition aux limites. Le modèle macroscopique ayant
par définition une résolution beaucoup plus grossière que le modèle microscopique, il est incapable
de capturer l’allure microscopique des déplacements ou des contraintes. Ces conditions aux limites
sont donc souvent trop imprécises par rapport aux finalités du modèle microscopique. Cela peut
dégrader fortement la qualité des résultats et donc restreindre le domaine de validité de ces
approches.
Pour palier ce problème, on écrit les conditions aux limites microscopiques de manière plus
subtile en les décomposant en la somme d’un terme moyen et d’un terme de moyenne nulle. Ainsi,
le champ microscopique um sera écrit um D uM C v m où uM est le champ macroscopique (i.e.
la moyenne du champ microscopique), et v m est le reste (à moyenne nulle). Notre problème
devient donc de déterminer le reste v m , et c’est là que les méthodes divergent le plus. On distingue
néanmoins deux grosses familles :
— Condition de périodicité
On postule que l’on connaît l’allure du reste. On peut alors enchaîner un calcul macroscopique
avec un solveur spécifique puis un calcul microscopique avec un solveur classique ;
— Couplage des cellules microscopiques
Lorsqu’il n’est pas si simple de « séparer » les échelles, alors il faut résoudre en même temps
les deux problèmes microscopique et macroscopique avec échange de données.
Ces deux approches vont être un peu plus détaillées maintenant.

13.4.1 Condition de périodicité – méthodes multi-niveaux

Souvent, les méthodes multi-niveaux sont basées sur des conditions de périodicité inspirées de
l’homogénéisation périodique. Ces conditions supposent que la partie microscopique du champ

III ÉLÉMENTS FINIS 13.4 Sous-structuration et simulation multi-échelles 188

 de déplacement, v m , est périodique, i.e. est égale sur chaque paire de faces opposées de la cellule
type considérée. La même hypothèse est formulée sur les contraintes. On obtient ainsi un ensemble
de conditions aux limites permettant de déterminer entièrement la solution microscopique à partir
d’une déformation (ou d’une contrainte) macroscopique imposée.
Le résultat microscopique ainsi obtenu est pertinent à deux conditions : 1) il faut que la
microstructure soit effectivement périodique, et 2) que le principe de Saint-Venant s’applique, i.e.
que l’on se trouve suffisamment loin de la surface de la pièce (y compris des détails géométriques
tels que des trous, des fissures...). Dans le cas contraire, des effets de bord peuvent affecter l’allure
de la solution, qui n’est alors plus périodique : il faut donc recourir à d’autres modélisations.
La simulation multi-niveaux fait appel à deux types de modèles, chacun équipé de son solveur :
— un modèle macroscopique ne possédant pas de relation de comportement du matériau prédé-
finie, équipé d’un solveur éléments fini modifié ;
— un ensemble de modèles microscopiques ne possédant pas de conditions aux limites prédéfi-
nies, équipés de solveurs éléments finis classiques.
En fait, le solveur éléments finis modifié est un solveur éléments finis classique avec une petite
différence : à chaque fois que le solveur macroscopique a besoin du comportement d’un élément
de volume quelconque, il envoie l’état de déformation macroscopique de cet élément au solveur
microscopique. Ce dernier dispose alors toutes les données nécessaires pour simuler numériquement
son comportement à l’échelle microscopique. Il est donc capable de renvoyer l’état de contraintes
macroscopiques, selon la décomposition mentionnée ci-dessus. Les cellules microscopiques étant
pour ainsi dire « indépendantes », il est possible de recourir à des calculateur parallèles.
Le domaine de validité de ces méthodes est bon dès que l’on sait faire des hypothèses réalistes
sur l’allure de la solution microscopique. Ce n’est pas toujours le cas : par exemple, la fissuration,
lorsqu’elle sort d’un cadre microscopique pour atteindre un cadre macroscopique, se prête très mal
à cet exercice. Le cas de la fissuration sera abordé au chapitre 20.
En résumé :
Les méthodes multi-niveaux abordent la simulation à l’échelle macroscopique et se « nour-
rissent » du comportement simulé à l’échelle microscopique.
Dans les méthodes multi-niveaux, l’emploi d’hypothèses de périodicité se traduit par des
« sauts » de contraintes et de déplacements d’une cellule à l’autre ; si les échelles sont mal séparées,
ces sauts sont non négligeables. Ne correspondant a priori pas à la physique, ils traduisent un écart
avec la réalité.

13.4.2 Couplage des cellules microscopiques – méthodes de décomposition de do-

maine
Les méthodes multi-niveaux présentées au paragraphe précédent sont mises à mal lorsque le com-
portement microscopique « déborde » un peu sur le comportement macroscopique, i.e. lorsque les
échelles ne sont pas suffisamment bien séparées. On recourt alors aux méthodes de décomposition
de domaines, dont la validité est plus large, mais qui sont plus complexes.
Puisque nous ne pouvons plus supposer une allure de la solution microscopique, nous n’allons
utiliser que les seules connaissance disponibles à priori : la continuité du champ de déplacements
ainsi que la vérification par les contraintes du principe d’action-réaction. Il « suffit » donc d’écrire
qu’à l’interface entre deux cellules microscopiques, il y a égalité des déplacements et nullité de la
somme des traces des contraintes (on retrouve ce que nous avons déjà plusieurs fois évoqué avec
l’état des contrainte à l’interface entre deux matériaux différents).
La présence de couplages entre les cellules microscopiques (qui en quelque sorte correspond à
une généralisation de la condition de périodicité du paragraphe précédent) change complètement le
déroulement de la simulation par rapport aux méthodes multi-niveaux vues au paragraphe précédent.
En effet, la prise en compte de ces couplages implique d’échanger directement des données entre les
différents solveurs microscopiques, qui ne sont plus « indépendants ». En contrepartie, cela permet

189 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 de propager une information fine sur l’ensemble de la pièce et, ainsi, de se passer de l’hypothèse
de séparation des échelles : il n’est plus nécessaire de modéliser séparément les phénomènes
microscopiques et macroscopiques.
Concrètement, les méthodes de décomposition de domaine sont des solveurs qui ont générale-
ment un fonctionnement multi-échelles. Elles partent d’un modèle microscopique du produit décom-
posé en sous-structures, et consistent à coupler les sous-structures en échangeant des contraintes et
des déplacements sur les interfaces. Des versions plus ou moins simples existent. Notons bien qu’il
n’y a pas de modèle macroscopique dans une telle approche.
En résumé :
Dans la décomposition de domaine, la simulation est abordée à l’échelle la plus fine : la
sous-structuration et le problème grossier ne sont utilisés que pour améliorer l’efficacité de la
résolution.
Une simulation par décomposition de domaine conduit toujours à un champ de déplacement
microscopique continu sur toute la structure, et un champ de contraintes microscopique équilibré
(au sens des éléments finis) sur toute la structure.
Actuellement, la simulation multi-échelles est encore relativement peu répandue dans le monde
de l’ingénierie. Elle représente en effet un changement considérable par rapport aux pratiques
usuelles de simulation ; de plus, la plupart des logiciels de calcul multi-échelles sont des outils
développés par des chercheurs, qui n’ont pas encore l’ergonomie et la robustesse des solveurs
utilisés dans l’industrie. Les industriels attendent donc l’apparition d’outils mieux adaptés à leurs
problématiques avant d’envisager une utilisation plus fréquente de ces méthodes.
Cependant, à plus long terme, la simulation multi-échelles suscite un intérêt considérable dans
l’industrie : en rendant accessibles à la simulation des phénomènes qui ne peuvent actuellement être
étudiés qu’expérimentalement, elle constitue un pas important en direction du « virtual testing ».
Pour cette raison, elle fait toujours l’objet de nombreux projets de recherche. Ceux-ci concernent
aussi bien la modélisation, avec notamment la mise au point de « matériaux virtuels » (qui ne sont
rien d’autre que des modèles multi-échelles, notamment pour les matériaux composites), que les
solveurs qui sont en constante évolution.

13.5 Super-éléments
Histoire

Originellement introduit dans l’aéronautique dans les années 60 (d’où le choix de la figure 13.12), le
concept de sous-structuration répondait à trois motivations :
— faciliter la division du travail : des sous-structures avec des fonctions différentes (fuselage,
ailes, train d’atterrissage...) pouvaient être traitées par des groupes d’experts différents.
Chaque groupe pouvait à loisir améliorer, raffiner... sa partie tant que l’interface avec les
autres parties restait inchangée.
— profiter de la répétition : en remarquant qu’une même structure peut contenir plusieurs sous-
structures identiques, il est possible de diminuer le temps d’étude (par exemple symétrie des
ailes...)
— contourner les limitations des ordinateurs : les ordinateurs de l’époque atteignaient vite
leurs limites (par exemple en terme de taille mémoire). Diviser une structure complexe, que
l’on était incapable de calculer en une seule fois, permettait de sauvegarder des résultats
sous-structure par sous-structure puis d’effectuer « l’assemblage » des résultats.
Si les deux premiers points sont toujours d’actualité, le troisième l’est moins, surtout depuis le
recourt aux algorithmes parallèles.
C’est d’ailleurs le développement de procédures pour le calcul parallèle qui a conduit les
mathématiciens appliqués au concept de sous-domaines, alors qu’ils devaient grouper des éléments
pour des raisons de calcul.

Dans ce paragraphe, nous allons parler du concept de super-élément, qui n’est qu’une application
de ce qui a été présenté au paragraphe précédent.

III ÉLÉMENTS FINIS 13.5 Super-éléments 190

 Un super-élément est un groupement d’éléments qui, après assemblage, peuvent être vus comme
un élément individuel du point de vue du calcul. Cet assemblage peut être requis pour des raisons
de modélisation ou de calcul.
Pour constituer un super-éléments, les éléments groupés ne peuvent être pris au hasard. Ils
doivent au moins constituer une « structure » en eux-même, mais d’autres conditions sont néces-
saires qui seront détaillées plus loin.
Comme nous l’avons dit au paragraphe précédent, il y a deux voies duales pour considérer
ce processus. L’approche descendante consiste à considérer un super-élément comme constitué
d’un ensemble d’éléments. On parle alors de macro-élément. L’approche ascendante consiste à
considérer un super-élément comme un sous-ensemble d’une structure complète. On parle alors de
sous-structure.
Finalement, quand parle-t-on de sous-structure ou de macro-élément ? En fait, il n’y a pas de
règle, et le terme générique de super-élément couvre tout le spectre depuis l’élément individuel
jusqu’à la structure complète.

13.5.1 Condensation statique

En tant qu’assemblage de plusieurs éléments, un super-élément possède :
— des degrés de liberté internes : qui ne sont pas connectés à des éléments n’appartenant pas
au super-élément considéré. Les nœuds ayant des degrés de liberté internes sont dits nœuds
internes.
— des degrés de liberté aux frontières : qui sont connectés à au moins une entité (élément,
super-élément) n’appartenant pas au super-élément considéré.
L’opération consistant à éliminer tous les degrés de liberté internes est appelée condensation
statique ou simplement condensation. Regardons ce qui se passe d’un point de vue matriciel. Pour
cela, considérons que nous ayons à résoudre le système :
Kq D F (13.1)
Le vecteur q se compose des composantes internes qi et des composantes de frontière qb , de sorte
que le système, une fois réordonné s’écrit :
    
Kbb Kbi qb f
D b (13.2)
Kib Kii qi fi
Si la matrice Kii n’est pas singulière, alors la seconde équation peut être résolue en terme de
variables internes en :
1
qi D Kii .fi Kib qb / (13.3)
En reportant cela dans la première équation, on obtient le système avec matrice de rigidité conden-
sée :
Q bb qb D Qfb
K (13.4)
avec :
Q bb D Kbb 1 Qfb D fb 1
K Kbi Kii Kib et Kbi Kii fi (13.5)
Après condensation, on peut donc bien considérer le super-élément, d’un point de vue calculatoire,
comme un élément individuel.
Notons que la matrice Kii n’est pas singulière si elle possède la condition de rang suffisant, i.e.
si elle ne contient que des modes à énergie nulle correspondant aux modes rigides (cette condition
a déjà évoquée à propos de la validation des éléments). Si cela n’est pas le cas, le super-élément est
dit flottant, et peut quand même être traité (en utilisant les projecteurs et inverses généralisés, mais
c’est un peu plus compliqué).
La condensation statique est une opération matricielle appelée inversion partielle ou élimination
partielle ou pseudo-inversion.

191 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 13.5.2 Remonter aux degrés de liberté internes
Une fois le système condensé résolu, on obtient les valeurs aux nœuds internes en réutilisant la
formule :
1
qi D Kii .fi Kib qb / (13.6)

13.6 Pseudo-inversion et réanalyse

On peut être amené, notamment lors de phases de conceptions, à devoir considérer plusieurs
problèmes « relativement proches » les uns des autres (i.e. tester plusieurs configurations). On est
alors tenté d’utiliser tout ou partie de la première modélisation afin de réaliser les suivantes.
L’idée de la méthode de réanalyse est d’analyser le comportement d’une structure élastique par
éléments finis sans particulariser le système d’équations final par la prise en compte de conditions
cinématiques.
On obtient alors une solution générale de ce système faisant intervenir une matrice de rigidité
régularisée. La nature de cette matrice (somme d’une matrice bande et d’une matrice pleine)
ne permet pas d’utiliser les méthodes les plus classiques et optimales de résolution, mais il est
possible d’en développer d’autres permettant d’accéder à la quasi-inverse d’une matrice singulière
semi-définie positive (tout en profitant de son caractère bande).
Il est alors possible, tout en modifiant les conditions cinématiques et les chargements appliqués,
de procéder à des réanalyses qui consistent alors simplement à résoudre des systèmes dits secon-
daires de tailles très inférieures au système global (mais un surcoût a été « payé » initialement pour
calculer la pseudo-inverse).
Des problèmes de contact avec ou sans frottement entre solides élastiques peuvent bénéficier de
cette méthode, ainsi que la modélisation du comportement élastique incompressible.

13.6.1 Modification du chargement uniquement

Restons sur le problème structurel correspondant au système matriciel :
Kq D F (13.7)
où K est de dimension n  n.
Si l’on souhaite considérer plusieurs cas de chargement F1 ; : : : ; Fk , on peut soit résoudre k fois
le système précédent, soit résoudre le système :
Kq D F (13.8)
où F est la matrice n  k des k vecteurs de chargement, et q est la matrice n  k des k vecteurs
solutions correspondants.
Cette méthode, la plus simple des méthodes de réanalyse, permet malgré tout d’économiser des
opérations.

13.6.2 Modification de la matrice

Considérons maintenant le cas où ce n’est plus le chargement F qui peut varier d’une analyse à
l’autre, mais la matrice K.
On est amené à chercher une solution du système :
.K C K/ q D F (13.9)
en fonction de la solution du système non perturbé, i.e. à calculer .K C K/ 1 en fonction des
autres matrices. On rappelle que K est appelé perturbation de la matrice K.
Certaines formules existent pour des modification mineures de la matrice K, mais nous ne les
présenterons pas.

III ÉLÉMENTS FINIS 13.6 Pseudo-inversion et réanalyse 192

 13.6.3 Modification des conditions cinématiques
Nous ne considérons ici que des modifications des conditions cinématiques. Généralement, les
conditions cinématiques sont prises en compte en supprimant ou en modifiant les équations de
l’équilibre avant résolution, ce qui rend le système régulier. Nous avons vu que le système à résoudre
(incluant les conditions cinématiques) revient à chercher le minimum de la forme quadratique :

1T T
MD qKq qF (13.10)
2
Notons que l’on peut écrire les p conditions cinématiques sous la forme : Cq D ı avec C une
matrice p  n, et q et ı des vecteurs.
Nous avons également déjà vu que ces conditions peuvent être prises en compte par l’inter-
médiaire de p multiplicateurs de Lagrange  dans la fonctionnelle précédente qui devient alors :

1T
M D T T


qKq qF  Cq ı (13.11)
2
Le système à résoudre est symétrique, régulier, mais non défini-positif.
Pour pallier la lenteur des algorithmes disponibles pour la résolution numérique d’un tel système
(méthode de Gauß ou de décomposition avec pivotage), il est préférable de régulariser le système.
Pour cela, on s’appuie sur la connaissance de la matrice K : celle-ci est singulière d’ordre r,
où r correspond aux mouvements de corps rigide, ou modes rigides. Cela veut également dire
qu’elle possède .n r/ valeurs propres strictement positives (et r valeurs propres nulles).
Il est évident qu’il faut au moins disposer de p > n conditions aux limites cinématiques pour
que le système puisse admettre une solution. C’est évidemment l’hypothèse que nous ferons (sinon
le problème est mal posé).
Nous considérons la matrice R de dimension n  r des r vecteurs propres de K correspondant
à la valeur propre nulle. Quitte à construire ces vecteurs (qui sont orthogonaux), nous les choisirons
normés. On a alors :
(
KR D 0
T
(13.12)
RR D Ir

On introduit la matrice :

K˛ D K C ˛RT R (13.13)

qui, pour ˛ > 0 est régulière car symétrique et définie-positive. Les colonnes de R sont vecteurs
propres de K˛ pour la valeur propre ˛.
Dans le système Kq D F, on remplace K par K˛ RT R, et en introduisant le fait que K˛ RT R D
T
˛R R, on obtient finalement :

RT R q D F


K˛ In (13.14)

Si l’on change de variable en posant v D In RT R q (v est la projection de q sur l’orthogonal

du noyau de K), v devient l’inconnue du système régularisé :

K˛ v D F (13.15)

et l’on retrouvera la solution du système initial q par :

1
q D v C RT Rq D K˛ F C RT Rq (13.16)

193 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 On peut remarquer que K˛ 1 , que l’on note S˛ , possède les mêmes valeurs propres que K˛ (et
donc les mêmes que K et RT R). On est donc naturellement amené à décomposer S˛ comme :
1 T
S˛ D S C R R (13.17)
˛
avec SR D 0 et T RS D 0.
C’est cette matrice S que l’on appelle quasi-inverse de K, car :

SK D KS D I RT R (13.18)

Elle est de dimension n  n, symétrique, semi-définie positive (ses valeurs propres sont de même
signe), admet les mêmes valeurs propres que K et en particulier ceux de la valeur propre nulle
dont R est une base, mais elle ne possède pas de caractère bande.
Voici brossé, en quelques lignes, les idées principales de la méthode. Nous n’irons pas plus loin
dans sa présentation.
On rappelle que l’intérêt de la méthode est qu’une fois une première étape consistant à intégrer
les données relatives à la structure (géométrie, discrétisation, matériaux) réalisée, on peut alors
effectuer autant de fois que nécessaire la seconde étape qui porte sur la prise en compte des
chargements et conditions aux limites.
Notons qu’il est possible de modifier un peu la forme du système secondaire afin de pouvoir
prendre en compte, lors de la seconde étape, des conditions plus complexes, comme des conditions
mixtes par exemple...

13.6.4 Deux mots de statistiques

La méthode de réanalyse permet donc, pour un coût de calcul maîtrisé, d’obtenir les réponses à
plusieurs problèmes proches. Il se peut donc tout à fait que l’on désire faire varier un paramètre
afin d’en étudier l’influence. Notons X ce paramètre variable, et Y D F.X/ la réponse du système
correspondante.
Dans ce cas, si l’on connaît la répartition statistique de X, i.e. sa densité de probabilité (encore
appelée fonction de masse), alors on peut réaliser un échantillonnage correct de la plage dans
laquelle ce paramètre varie afin de pouvoir obtenir des statistiques sur la réponse Y. Comme on
raisonne sur un nombre de points finis, on utilisera donc une formulation discrète. Par exemple, une
approximation de la moyenne de la réponse sera donnée par une formule de type :
P
pi [Link] /
EŒY D P (13.19)
pi

où pi est le poids, ou la pondération, correspondant à la fréquence à laquelle la valeur Xi du

paramètre X apparaît. On pourrait tout aussi bien, suite à l’analyse des réponses Y, approcher
celle-ci par une fonction quelconque, i.e. donner une forme analytique à la fonction F, et raisonner
ensuite de manière continue.
Si c’est vraiment la caractérisation d’un système sous sollicitations aléatoires qui nous intéresse,
alors on effectuera plutôt une analyse stochastique, et on se reportera au chapitre 21.

13.7 Dérivées d’ordre supérieur

Au paragraphe précédent, nous avons vu comment, sur une structure donnée, il était possible de
prendre en compte plusieurs chargements et conditions aux limites cinématiques sans avoir à refaire
tout le calcul.
Dans le même état d’esprit, nous allons voir maintenant comment optimiser la forme d’une
structure, sans refaire tous les calculs.

III ÉLÉMENTS FINIS 13.7 Dérivées d’ordre supérieur 194

 Considérons le cas d’une conception ayant pour but de déterminer la forme la plus adaptée
selon certains critères (rigidité, déformée, contraintes, énergie transmise...). Chaque évaluation
d’une fonction coût conduit à une analyse par éléments finis. L’utilisation de dérivées par rapport
à la géométrie, ou plus généralement par rapport à la fonction coût, permet de réduire ce nombre
d’analyse.
En fait, peut-être contrairement à l’intuition, le calcul de ces dérivées est relativement peu
coûteux ; il n’est pas difficile et peut être fait automatiquement. Les dérivées d’ordre supérieur d’une
fonction coût peuvent en fait être calculées avec autant de précision que la fonction elle-même.
Ainsi, en un seul calcul, il est possible d’obtenir un développement de Taylor de la fonction coût, et
donc d’éviter de nombreuses analyses.

13.7.1 Dérivées par rapport à la géométrie

En plus de considérer un domaine borné  de Rn , nous allons considérer une perturbation V de ,
et nous noterons :

 C V D .I C V/./I V 2 W1;1 .I Rn / (13.20)

Nous considérons la fonction coût J.; u / choisie pour décrire le problème d’optimisation. Cette
fonction dépend donc naturellement du domaine  et de la solution du problème sur ce domaine u .
Nous allons donner un sens à la dérivée de la fonction
R coût par rapport aux variations du domaine.
Si l’on considère le cas simple J.; u/ D  u, alors il vient :
Z Z
dJ
.; uv ; V/ D u V
n C u0Iv (13.21)
d € 

avec une fois encore n la normale extérieure de € D @, et :

uCt V .x/ u .x/

u0IV D lim ; 8x 2  (13.22)
t !0 t
La méthode de dérivation par transport conduit à :
Z Z
dJ
.; uv ; V/ D u div V C uP Iv (13.23)
d € 

avec :
uCt V ı .I C tV/.x/ u .x/
uP IV D lim ; 8x 2  (13.24)
t !0 t
On définit alors la dérivée de la fonction coût par rapport aux variations du domaine par :

@J
Z
.; u; V/ D uV
n (13.25)
@ €

La difficulté tient à ce que l’ensemble des domaines  ne constitue pas un espace vectoriel. En
effet, les perturbations ne s’ajoutent pas, ou au moins ne sont pas associatives : . C V/ C W ¤
. C W/ C V.
Toutefois, si l’on utilise un paramétrage du domaine, il est alors possible d’utiliser les outils
classiques du calcul différentiel dans les espaces normés. On introduit alors le paramètre F par :
1
J.F; u/ D J.F./; u ı F /; F 2 W1;1 .I Rn / (13.26)

et l’on a alors .F C V/ C W D .F C W/ C V.

195 13. Calcul efficient : qualité des résultats et efforts de calcul ÉLÉMENTS FINIS III
 La dérivée partielle de J par rapport au paramètre F est définie sans ambiguïté. Dans notre
exemple, cette dérivée, prise au point F D I est :

@J
Z
.I; u/
V D u div V (13.27)
@F 

On pourra alors nous faire remarquer que :

@J @J
.; u; V/ ¤ .I; u/
V (13.28)
@ @F
ce à quoi nous répondrons que c’est le prix à payer pour se ramener à un espace vectoriel. Cette
démarche peut alors être généralisée aux ordres supérieurs.

13.7.2 Calcul des dérivées

Nous n’entrons pas dans le détail, mais en cours de calcul se pose la question intéressante : obtient-
on le même résultat si l’on discrétise d’abord et dérive ensuite ? En fait, la réponse est oui, sous
certaines conditions de régularité que nous ne mentionnerons pas dans le cadre de ce document.
Encore une fois, nous n’avons fait qu’effleurer le problème, juste pour « faire connaître » la
méthode. Il nous semblait intéressant de présenter la notion de dérivée par rapport à la géométrie.
De telles méthodes sont d’ores et déjà implémentées dans certains codes de calculs. Leur intérêt
devrait apparaître clairement au lecteur (nous l’espérons).

III ÉLÉMENTS FINIS 13.7 Dérivées d’ordre supérieur 196

 Chapitre 14

Le maillage

Résumé — À ce niveau du document, on peut considérer que la méthode des éléments

finis a été présentée, au moins en ce qui concerne les aspects les plus classiques (et
même un peu plus). Nous avons décidé, avant d’entrer dans le détail de « subtilités » liées
au comportement des matériaux et à la non-stationnarité, d’insérer ici un petit chapitre
sur le maillage, dont les techniques de construction n’ont rien de commun avec celles
relatives aux éléments eux-mêmes. De plus, nous nous restreindrons aux maillages de
type Delaunay.-Voronoï

Le maillage n’a pas seulement un intérêt en calcul scientifique. Le maillage est un « support » de
représentation tridimensionnel utilisé par exemple dans les jeux vidéo ainsi que dans les animations
3D. Dans ce dernier cas, on s’intéresse à la qualité du maillage en lien avec la qualité de rendu
de l’image générée lorsque l’on applique une texture sur le maillage. On s’intéresse également à
comment « faire bouger » le maillage pour qu’un personnage n’apparaissent pas distordu pendant
une animation...
L’opération de maillage peut se faire à partir de plusieurs données :
— soit à partir de données à utiliser pour la discrétisation : sommets, arêtes...
— soit à partir de données de type CAO décrivant uniquement les entités géométriques.
Nous nous contenterons de présenter quelques outils de maillage relatifs au premier cas, i.e. lorsque
nous disposons de points, arêtes... mais le second cas n’est pas vraiment plus compliqué.
Les méthodes de construction de maillage sont essentiellement :
— Maillage par triangles/tétraèdres :
— Méthodes utilisant le critère de Delaunay : les bases de la méthode seront exposées au
paragraphe 14.1 ;
— Méthodes par avancement de fronts : le principe en sera détaillé au paragraphe 14.2 ;
— Méthodes par décomposition spatiale ;
— Maillage par quadrangles/hexaèdres : quelques remarques seront faites au paragraphe 14.4
— Maillage par avancement de fronts ;
— Maillage par décomposition en domaines.
Parfois, il ne s’agit pas de mailler un domaine, mais de le remailler. Les méthodes d’adaptation
de maillage les plus connues sont :
— Raffinement ;
— Transformation des éléments ;
— Déplacements de nœuds ;
— Simplification de maillage.
L’utilisation de différentes méthodes est illustré à la figure 14.1 issue de [2].

197 14. Le maillage ÉLÉMENTS FINIS III

 F IGURE 14.1: Manipulations sur des maillages

14.1 Maillage de Delaunay

14.1.1 Maillage simplexial
L’opération de maillage consiste à discrétiser un domaine (i.e. un milieu continu ou plutôt sa
modélisation géométrique) par des éléments (éléments finis nous concernant), si possible bien
proportionnés : au paragraphe 10.3, nous avons déjà présenté les dimensions géométriques repré-
sentatives d’un maillage que sont le diamètre maximum des éléments h et le facteur de forme du
maillage  , ainsi que le diamètre hK d’un élément K et sa rondeur K . Ces deux derniers paramètres
sont représentés sur la figure 10.2.
Dans ce chapitre, nous traiterons du cas bidimensionnel. Nous expliquerons les bases théoriques,
mais ne rentrerons pas dans les détails pratiques de la programmation d’algorithmes de maillage (il
y a de très bons cours disponibles sur le sujet).
Dans la suite nous aurons besoin des notions suivantes :
— un segment fermé (resp. ouvert) d’extrémités a et b de Rd est noté Œa; b (resp. a; bŒ) ;
— un convexe E est un ensemble tel que : 8.a I b/ 2 E2 ; Œa; b  E ;
— le convexifié d’un ensemble E de points de Rd , noté C.E/ est le plus petit convexe contenent
E.
— un domaine  (i.e. un ouvert de Rd ) est dit polygonal si son bord € D @ est formé d’un
nombre fini de segments ;
— un n-simplex .x0 ; :::; xn / est le convexifié des n C 1 points de Rd affine indépendant. Cela
implique que n 6 d . Les sommets sont des 0-simplex, un segment est un 1-simplex, un
triangle un 2-simplex, un tétraèdre est un 3-simplex.

Définition 64 — Maillage simplexial. Un maillage simplexial Td;h d’un ouvert polygonal h

de Rd est un ensemble de d -simplex Kk de Rd pour k D [Link]N t , tel que l’intersection de
i j i
deux d -simplex distincts K et K de Td;h soit l’ensemble vide ou le p-simplex commun à K
j
et K avec p 6 d .
En termes plus simples : le maillage Td;h est constitué de N t éléments Kk (k D [Link]N t )
appelés d -simplex (qui sont des triangles pour d D 2 et des tétraèdres pour d D 3) tels que
i j
l’intersection (de l’adhérence) de deux éléments K et K soit soit nulles (éléments parfaitement
séparés), soit un point, une arête ou une face (i.e. un p-simplex avec p 6 d ) commun aux deux
éléments.
On notera T0;h l’ensemble des sommets de Td;h , T1;h l’ensemble de ses arêtes et Td 1;h
l’ensemble de ses faces. Le bord @Td;h est l’ensemble des faces n’appartenant qu’à un seul d -
simplex de Td;h

III ÉLÉMENTS FINIS 14.1 Maillage de Delaunay 198

 Théorème 51 Pour tout ouvert polygonal h de R2 , il existe un maillage de cet ouvert sans
sommet interne (voir figure 14.2).

Les sommets de ce maillage sont les points anguleux du bord @h .

Malheureusement ce théorème n’est plus vrai en dimension plus grande que 2, car il existe des
configurations d’ouvert polyédrique non-convexe qu’il est impossible de mailler sans point interne.

F IGURE 14.2: a) Points et arêtes et b) maillage de Delaunay sans point interne

14.1.2 Maillage de Delaunay-Voronoï

Dans le cas général, la construction d’un maillage nécessite de connaître :
— un ensemble de points S ;
— un ensemble d’arêtes A définissant le maillage de la frontière des sous-domaines.
— un ensemble, qui peut être vide, de sous-domaines D à mailler.
Bien que les diagrammes de Voronoï existent en dimension quelconque, nous ne les présentons
qu’en dimension 2. Aussi, les éléments précédents deviennent-ils, en dimension 2 :
n o
S D x i 2 R2 ; i D 1; :::; Np (14.1)
n o
A D .s1i ; s2i / 2 [Link]Np g2 ; i D 1; :::; Na (14.2)
n o
D D .ai ; se ns i / 2 [Link]Na g  f 1; 1g; i D 1; :::; Nd (14.3)

i.e. une arête ai est définie par ses deux sommets .s1i ; s2i / qui sont des points de S, et un sous-
domaine est défini par une arête frontière ai et un sens de parcourt (positif ou négatif).

Définition 65 Les diagrammes de Voronoï sont les polygones convexes Vi , i D 1; :::; Np formés
par l’ensemble des points de R2 plus proches de x i que des autres points x j , soit :
n o
Vi D x 2 R2 =kx x i k 6 kx x j k; 8j 2 f1; :::; Np g (14.4)

Chaque point x i (point générateur) étant considéré comme une île d’où partent des bateaux, la
région de Voronoï du point x i est la région où un bateau issu de l’île x i arrive avant tout bateau issu
d’une autre île. Notons qu’il est possible de jouer avec la métrique pour définir des diagrammes
de Voronoï sur d’autres géométries que la géométrie euclidienne, et qu’il est possible également
d’étendre la définition au cas où « les bateaux ne vont pas tous à la même vitesse ». Dans ce dernier
cas, on parle de diagramme de Voronoï pondéré, que nous n’utiliserons pas dans ce document.

199 14. Le maillage ÉLÉMENTS FINIS III

 Histoire
L’usage informel des diagrammes de Voronoï remonte à Descartes en 1644. Dirichlet a utilisé des
diagrammes de Voronoï en dimension 2 ou 3 dans son étude des formes quadratiques en 1850. Le
médecin britannique John Snow a utilisé un diagramme de Voronoï en 1854 pour montrer que la
majorité des personnes mortes dans l’épidémie de choléra de Soho (à Londres) vivait plus près de la
pompe infectée de Broad Street que de n’importe quelle autre pompe.
Les diagrammes de Voronoï portent le nom du mathé-
maticien russe Georgy Fedoseevich Voronoï qui a défini
et étudié le cas général en dimension n en 1908. Les dia-
grammes de Voronoï qui sont utilisés en géophysique et en
météorologie pour analyser des données de distributions
spatiales (comme les mesures de chutes de pluie) sont ap-
pelés polygones de Thiessen du nom du météorologiste Descartes Snow Voronoï
américain Alfred H. Thiessen. Ils sont également très utiles
en géométrie algorithmique, en particulier pour des problèmes de représentation ou de quantification,
et sont utilisés dans le champ de la robotique pour créer un protocole pour éviter les obstacles
détectés. Pour la modélisation de phénomènes naturels, ils servent pour les études de la compétition
végétale (écologie et sylviculture), pour les territoires d’animaux (zoologie) et des clans et tribus
néolithiques (anthropologie et archéologie), ainsi que pour les modèles de zones urbaines (géogra-
phie). Il expliquent aussi la répartition (et la forme) des tâches du pelage des girafes et des écailles
de tortues.
La triangulation de Delaunay a été inventée par le mathématicien russe Boris
Delaunay en 1934. D’après la définition de Delaunay, le cercle circonscrit d’un triangle
constitué de trois points de l’ensemble de départ est vide s’il ne contient pas d’autres
sommets que les siens. Ainsi, les autres points sont autorisés sur le périmètre en
lui-même mais pas à l’intérieur strict du cercle circonscrit. La condition de Delaunay
affirme qu’un réseau de triangles est une triangulation de Delaunay si tous les cercles
Delaunay
circonscrits des triangles du réseau sont vides. Ceci constitue la définition originale
en deux dimensions. En remplaçant les cercles par des sphères circonscrites, il est
possible d’étendre la définition à la dimension trois... mais en fait, on peut l’étendre en dimension
quelconque. Les triangulations de Delaunay maximisent le plus petit angle de l’ensemble des angles
des triangles, évitant ainsi les triangles allongés.
On parle souvent de la triangulation de Delaunay comme du dual du diagramme de Voronoï qui
lui est associé. En fait les deux sont liés de la façons suivante :
— Les sommets du diagramme de Voronoï sont les centres des cercles circonscrits des triangles
de la triangulation de Delaunay. Les arêtes du diagramme de Voronoï sont sur les médiatrices
des arêtes de la triangulation de Delaunay ;
— Chaque germe (ou point générateur) du diagramme de Voronoï constitue un sommet dans la
triangulation de Delaunay. Ces sommets sont reliés entre eux par une arête si et seulement si
les cellules sont adjacentes.

Les diagrammes de Voronoï sont des polygones obtenus comme intersections finies de demi-
espaces et sont donc convexes. De plus, les sommets v k de ces polygones sont à égale distance
k
des points fx ij ; j D 1; :::; nk g de S, où le nombre nk est généralement égal ou supérieur à 3.
À chacun de ces sommets v k , nous pouvons associer le polygone convexe construit avec les
k
points fx ij ; j D 1; :::; nk g en tournant dans le sens trigonométrique. Ce maillage est généralement
formé de triangles, sauf si il y a des points cocycliques.

Définition 66 — Maillage de Delaunay. On appelle maillage de Delaunay strict, le maillage

dual des diagrammes de Voronoï, construit en reliant deux points x i et x j , si les diagrammes Vi
et Vj ont un segment en commun.
Pour rendre le maillage triangulaire, il suffit de découper les polygones qui ne sont pas des
triangles en triangles. Nous appelons ces maillages des maillages de Delaunay de l’ensemble S.

Le domaine d’un maillage de Delaunay d’un ensemble de points S est l’intérieur du convexi-
fié C.S/ de l’ensemble de points S.

III ÉLÉMENTS FINIS 14.1 Maillage de Delaunay 200

 F IGURE 14.3: a) points, b) ajout du diagramme de Voronoï, c) ajout de la triangulation de Delaunay
et d) maillage seul

Il existe une propriété qui permet de savoir si un maillage est un maillage de Delaunay. C’est la
propriété de la boule ouverte.

Théorème 52 — Propriété de la boule ouverte. Un maillage Td;h est un maillage de Delaunay

s’il est tel que pour tout triangle T du maillage, le disque ouvert D.T/ correspondant au cercle
circonscrit à T ne contient aucun sommet :

D.T/ \ T0;h D ; (14.5)

Réciproquement, si le maillage Td;h d’un domaine convexe vérifie la propriété de la boule

ouverte, alors il est de Delaunay.

F IGURE 14.4: a) Triangulation de Delaunay et b) cercles circonscrits : propriété de la boule ouverte

La propriété de la boule ouverte peut être appliquée également au cas d’un quadrilatère convexe,
puisque celui-ci peut être découpé en deux triangles adjacents. Il suffit alors de vérifier la propriété
pour toutes les paires de triangles adjacents formant un quadrilatère convexe.
Si le critère de la boule ouverte n’est pas vérifié pour un quadrilatère convexe, alors on fera un
échange de diagonal pour résoudre le problème.

14.1.3 Remarques
À ce niveau, nous sommes en mesure de générer un maillage... toutefois, celui-ci n’est pas forcément
exempt de problèmes :
— si les seuls points disponibles sont sur la frontière, il va falloir générer des points internes au
maillage. En effet, le maillage généré existe, mais peut présenter des distorsions inadmissibles
en termes de calcul. Le critère le plus naturel pour distribuer les points internes est d’imposer
en tout point x de R2 , le pas de maillage h.x/. En pratique, on ne dispose pas toujours de
cette information et il faut la construire à partir des points disponibles, i.e. des points de la
frontière. D’autre part, dans de nombreuses applications, on préfère donner le nombre de

201 14. Le maillage ÉLÉMENTS FINIS III

 subdivisions souhaitées entre deux sommets : un peu de géométrie différentielle (longueurs
d’arcs) permet de se ramener à donner une valeur à h.x/ ;
— il existe des cas où le maillage généré peut ne pas respecter la frontière (par exemple pour
un domaine en forme de « U » avec peu de points. Il existe une solution de forçage de la
frontière par permutation d’un certain nombre de diagonales. Voir figure 14.5 ;
— il faut traiter le cas des trous... mais ce n’est pas réellement difficile.
Comme il ne s’agit pas ici de donner un cours sur les algorithmes de maillage, nous en resterons là.
Les maillages triangulaires sont plutôt bien maîtrisés. Il y a de nombreux cas à traiter pour couvrir
toutes les configurations existantes, mais les bases théoriques et les réalisation pratiques existent
dans tous les cas.

F IGURE 14.5: a) Points et arêtes, b) maillage de Delaunay ne respectant pas la frontière, c) maillage
respectant la frontière obtenu en échangeant des diagonales

14.2 Maillage par avancement de fronts

Le front initial est constitué de la frontière (ou des frontières, s’il y a des trous), i.e. des nœuds
et des arêtes. L’algorithme est très simple : pour chaque arête représentée par le segment Œx i ; x j ,
on crée un nouveau points x Np C1 tel que le triangle formé des trois points x i , x j et x Np C1 soit
équilatéral.
Évidemment il faut quelques règles supplémentaires pour que cela fonctionne bien :
— on met à jour en permanence le front dès qu’un point est créé, et on ne s’arrête que lorsque
toutes les arêtes du front ont été balayées ;
— en cours de calcul, de nouveaux fronts peuvent apparaître (cela correspond à plusieurs
domaines non encore maillés à l’intérieur du maillage en cours) ;
— on vérifie si des nœuds du front courant ne seraient pas candidats pour être le nouveau
point x Np C1 du triangle : par exemple, en s’assurant qu’un nœud existant n’appartient pas
au cercle de centre le point x Np C1 théorique (triangle équilatéral) et de rayon un certain
paramètre fixé ;
— lorsque plusieurs nœuds existants sont candidats, on sélectionne celui qui fournit le triangle
le plus équilatéral possible ;
— on supprime toutes les possibilités qui intersectent un front existant (pas de recouvrement
d’éléments) ;
— on rejette les triangles inversés.

14.3 Maillage par transformation

Le principe est on ne peut plus simple. Il s’agit de mettre en bijection deux domaines : d’une part le
domaine à mailler compliqué h , et d’autre part un domaine de référence plus simple : rectangle,
sphère...
Pour faire simple, on peut imaginer mailler une ellipse à partir du maillage d’un disque, un
rectangle à partir du maillage d’un carré... on peut dire que l’on fait du morphing sur un maillage.
Dans la pratique, on part de la surface d’un domaine tridimensionnel complexe. On transforme

III ÉLÉMENTS FINIS 14.2 Maillage par avancement de fronts 202

 cette surface en une surface plane par une certaine transformation. On maille cette nouvelle surface
dans le plan. Puis on effectue la transformation inverse afin de disposer d’un maillage de la surface
dans R3 .
Considérons que nous souhaitions mailler notre do-
maine h qui est une surface dans R2 ou R3 . On ap-
Ω Ωi pelle transformation ', un homéomorphisme transfor-
mant h en un autre domaine (plus simple par exemple,
Ωj ou au moins plan si la surface de h est dans R3 )
noté ‚. Comme nous utilisons des homéomorphismes,
φi φj
les transformations inverses existent et sont continues.
Nous sommes donc en mesure de repasser de ‚ à h .
Dans le cas général, illustré à la figure 14.6, ce do-
Θ
maine h peut lui-même être déjà décomposé en un
Θ certain nombre de sous-domaines ih avec recouvrement
Θj partiel des sous-domaines (les ih sont des ouverts de la
Θ
variété h ). On appelle transformations ' i , les homéo-
φij
morphismes transformant ih en les sous-domaines ‚i
(avec recouvrements partiels) constituant ‚. On appelle
F IGURE 14.6: Domaines et transforma- fonctions de transition ' ij les transformations permet-
tions tant de passer du sous-domaine ‚ij de ‚i correspondant
à la zone de recouvrement dans ‚i avec ‚j au sous-
domaine ‚j i de ‚j correspondant à la zone de recouvre-
ment dans ‚j avec ‚i . Cela permet de s’assurer de la bonne transition entre les cartes locales ‚i
(les ‚i forment un atlas de cartes).
La transformation considérée peut conserver une ou plusieurs des propriétés suivantes :
— les angles : transformation conforme ;
— les aires : transformation authalique ;
— les longueurs : transformation isométrique.
Un cas « simple » est celui où h est une surface de genre zéro sans bord (une telle surface
correspond à la surface d’un volume sans trou, c’est donc quelque chose de très général). Une
surface de genre zéro sans bord est homéomorphe à la sphère unité S2 et l’on peut donc trouver
un homéomorphisme ', qui peut être compliqué, entre h et la sphère, i.e. on est dans la cas
précédent où l’on passe directement de h à S2 par un unique homéomorphisme '. Il ne reste plus
ensuite qu’à mailler la sphère, puis à envoyer tous les sommets du maillage sur h par ' 1 , tout en
conservant la même connectivité. Il faut toutefois veiller à mailler S2 assez finement pour s’assurer
que le maillage de h ne s’auto-intersecte pas. Ainsi, la densité locale des sommets du maillage
de S2 doit dépendre de h , et donc de '.
Le maillage de la sphère n’est pas si simple qu’on le pense. On peut là encore appliquer la même
technique : définir un homéomorphisme entre la demi-sphère et le disque, mailler le disque. Le
maillage de la sphère, obtenu par symétrie de la demi-sphère doit alors « se recoller », du moment
que le maillage du bord du cercle est conforme et laissé conforme par l’homéomorphisme. Si l’on
procède au maillage du cercle par la méthode de Delaunay telle que décrite en partant du contour
du cercle, on est alors assuré que le maillage du contour sera conforme.
Dans les deux cas, passage du cercle à la demi-sphère et passage de la sphère à h , on pourra
remarquer que la densité du maillage n’est généralement pas la même. Il s’agit du phénomène
d’étirement. Si l’on souhaite que la surface finale h ait une densité de maillage fixée, il faut savoir
comment ' 1 modifie cette densité pour pouvoir mailler S2 en conséquence... idem pour le cercle.
Cela n’est pas simple, surtout si h est compliqué.

203 14. Le maillage ÉLÉMENTS FINIS III

 14.4 Remarques sur le maillage quadrangulaire et hexaédrique
Même en 2D, il est plus difficile de générer un maillage quadran-
gulaire que triangulaire. Une raison fondamentale est que tout
polygone ne peut être décomposé en un ensemble de quadrangles :
il peut être nécessaire d’ajouter des sommets sur le bord. Et en pra-
tique, il est nécessaire et suffisant d’avoir un nombre pair d’arêtes
sur le bord géométrique.
En 3D, on ne peut pas mailler tout volume dont le bord est
maillé par une surface quadrangulaire. Disposer d’un nombre pair
de quadrangles sur le bord n’est qu’une condition nécessaire. Une
condition suffisante est d’avoir un nombre pair de quadrangles
maillant une surface topologiquement équivalente à une sphère.
Dans ce cas, le volume délimité par la surface en question admet
un maillage hexaédrique.
Le maillage d’une sphère en quadrangles de même aire est un F IGURE 14.7: Maillage en
problème difficile qui ressort du problème de Tammes, ou problème quadrangles d’aires égales
des dictateurs. Une solution a été donnée par Lemaire et Weill en
2000 [48]. Un maillage obtenu est donné à la figure 14.7. Un tel maillage comporte 24n2 éléments
par construction : la sphère est « découpée » par son cube inscrit et chacun des six morceaux obtenus
est divisé en quatre par symétrie. Toutefois, il faut noter que les quadrangles considérés ne sont
pas plans, ce sont des morceaux de sphères. Pour l’instant il n’y a pas de solution « parfaitement
satisfaisante » avec des quadrangles plans, dans un sens qui reste à définir... puisque l’invariant
d’Euler-Poincaré implique par exemple qu’il n’y a pas de polygonalisation de la sphère (qui
est de caractéristique d’Euler-Poincaré de 2) avec uniquement des rectangles (ou des hexagones
d’ailleurs). Au passage, rappelons que les triangles permettent eux une polygonalisation d’une
surface, quelque soit sa caractéristique, d’où leur succès... mais attention à réaliser une maillage
« pas trop trivial » afin d’éviter le cas de triangles trop distordus venant se connecter sur un même
sommet et conduisant à des singularités en terme de calcul numérique (et pour cela, utilisons donc
la triangulation de Delaunay-Voronoï).
Aucune méthode n’est apte à traiter tous les cas possibles concernant le maillage avec des
quadrangles ou des hexaèdres. Néanmoins de nombreux algorithmes sont disponibles :
— Les maillages structurés (obtention de la répétition régulière de motifs identiques) fonc-
tionnent bien mais ne sont pas adaptés à toutes les géométries.
— On peut subdiviser le domaine en plusieurs parties pour appliquer sur chacune d’elles un
maillage structuré ou un maillage obtenu par déformation d’un maillage structuré.
— On peut définir deux faces topologiquement équivalentes du modèles comme les surfaces
source et cible et découper les surfaces de liaisons entre la source et la cible pour créer un
maillage structuré dans une direction.
— On peut raisonner comme en CAO en générant des maillages par extrusion ou par révolution.
— Le paving est une variante de l’avancée de front. On essaye de faire un maillage de type
structuré en reportant un front « parallèle » au front existant, avec le même nombre de nœuds.
Il sera nécessaire d’avoir des distorsions à certains endroits et autour des trous, il faudra faire
des coutures.
— Le Q-morph se propose de de transformer un maillage triangulaire en maillage quadrangulaire
par avancée de front. Cela ne fonctionne pas en 3D.
— Les méthodes basées sur une grille considèrent la surface ou le volume découpé(e) en carrés
ou cubes selon une grille prédéfinie. Il suffit alors d’adapter les éléments situés au bord du
domaine : ceux-ci seront de moins bonne qualité et parfois même pas totalement conformes
au bord théorique.
Le maillage quadrangulaire et surtout hexaédrique reste un domaine de recherche actif.

III ÉLÉMENTS FINIS 14.4 Remarques sur le maillage quadrangulaire et hexaédrique 204
 Chapitre 15

Homogénéisation

Résumé — L’idée bien connue de l’homogénéisation est de remplacer un milieu « com-

pliqué » par un milieu équivalent simple afin de simplifier le modèle numérique à résoudre.
L’intérêt de ces techniques est donc évident.
Par exemple, un matériau composite composé de plusieurs plis (couches) constituées
chacune de fibres noyées dans une matrice et dont l’orientation diffère d’une couche
à l’autre peut être représenté avantageusement par un matériau « homogénéisé » ou
« équivalent ».
Nous allons présenter les méthodes d’homogénéisation ainsi que leurs applications
en mécanique et acoustique, mais également en modélisation.
Histoire

Les théories des milieux effectifs visent à estimer les propriétés effectives (i.e. macroscopiques) d’un
milieu en fonction des propriétés locales de chacun des constituants ainsi que d’un certain nombre
d’informations sur la microstructure.
Les premières théories remontent au XIXe
siècle et sont dues à Mossotti, Maxwell, Pois-
son ou encore Lorentz. Le but de ces modèles
est de fournir soit des bornes pour le com-
portement effectif, soit des approximations
du comportement effectif. Les bornes sont
optimales lorsqu’il existe une microstructure Mossotti Maxwell Poisson Lorentz
particulière qui réalise exactement le modèle
physique. On évalue les « bonnes » propriétés de ces théories en les confrontant à d’autres résultats
théoriques, calculs analytiques et numériques...
Ces théories sont utilisées pour les problèmes de conductivité (milieux diélectriques), en méca-
nique, magnétique, thermique... lorsque l’on a des phases de conductivité, d’élasticité, des coeffi-
cients thermiques... variables. Ces problèmes sont en général très difficiles à résoudre (non-linéaires
et anisotropes) alors qu’en même temps, du point de vue des applications pratiques, il n’est pas
forcément nécessaire de tenir compte de l’ensemble des degrés de liberté de ces systèmes.
L’existence d’un comportement effectif n’est nullement assurée. On montre que, sous certaines
hypothèses (en particulier l’existence d’un volume élémentaire représentatif ), on peut effectivement
remplacer un matériau hétérogène par un milieu homogène équivalent.
Enfin, d’un point de vue purement numérique, ces méthodes peuvent être utilisées pour « simpli-
fier » un système à résoudre, que cela ait un sens physique ou non.

Notons que les techniques d’homogénéisation ne sont pas que des artefacts, des trucs et astuces.
Certaines des grandeurs physiques que nous utilisons tous les jours ne sont que des moyennes.
Le meilleur exemple en est la pression. Bien qu’en un point donné d’un gaz on voit passer des
particules allant en tous sens, on constate également, à une échelle plus macroscopique, un schéma
d’ensemble qui permet de définir par exemple la pression qu’exerce ledit gaz sur une paroi...
pourtant rien de « cohérent » ne se dégage à l’échelle microscopique.

205 15. Homogénéisation ÉLÉMENTS FINIS III

 Le but de ce chapitre est donc d’effectuer le passage du niveau microscopique au niveau
macroscopique (historiquement les premières homogénéisations, appelées alors moyennisations,
utilisaient les moyennes arithmétique et harmonique) en fournissant la justification de ce passage
(existence et unicité) ainsi que la formule (l’algorithme) de calcul des coefficients efficaces.
Les méthodes que nous présenterons seront les méthodes de développement régulier, de la
couche limite, et de développement asymptotique. Le cas des milieux poreux sera ensuite considéré.
Enfin, nous mentionnerons une application de ces méthodes pour réduire la dimension de certains
problèmes.

15.1 Méthodes d’homogénéisation

Nous allons considérer le problème de conductivité linéaire donné par l’équation de Poisson avec
condition de Dirichlet. Nous rappelons qu’il s’agit du problème :
(
div.A.x/ru/ D f .x/ pour x 2 
(15.1)
uD0 sur € D @

On rappelle également que si  est un ouvert connexe borné de Rn , et H10 ./ l’espace de Sobolev
des fonctions qui s’annulent sur €, alors la solution u 2 H10 ./ du problème précédent est
également la solution du problème faible :
Z Z
1
8v 2 H0 ./; A.x/ru
rv D f .x/v (15.2)
 

où f 2 L2 ./. Pour que ces deux formulation soient équivalentes, on a supposé que A.x/ est
régulière : i.e. que pour chaque x de , A.x/ est une matrice n  n, dont les éléments sont
mesurables et qui est symétrique, définie-positive, bornée, i.e. qu’il existe deux constantes K1
et K2 > 0 telles que :

8v 2 Rn ; K1 v
v 6 A.x/v
v 6 K2 v
v (15.3)

Mentionnons le cas particulier où A.x/ est régulier dans  mais pas sur €, alors on a deux
conditions d’interface :

Œu D 0 et Œn
A.x/ru D 0 (15.4)

Nous savons également que la solution existe et est unique (d’après le théorème de Lax-Milgram,
i.e. d’après le théorème de Riesz-Fréchet en remarquant le produit scalaire qui va bien...)
Intéressons nous maintenant d’un peu plus près à A.x/. Supposons que A.x/ possède une
certaine périodicité ", par exemple, que le matériau constituant le domaine soit constitué de couches
successives de deux matériaux différents, mais avec une périodicité, comme illustré sur la figure 15.1.
Dans un tel cas, nous dirons que les coefficients A dépendent de x=". Cette écriture sous forme
y

0 ε 2ε 3ε x
F IGURE 15.1: Matériau périodique

III ÉLÉMENTS FINIS 15.1 Méthodes d’homogénéisation 206

 normalisée permet de dire que A est périodique de période 1.
Dans le cas unidimensionnel, le problème devient :

< d A x
8    du
D f .x/ pour x 2 Œ0; l
dx " dx (15.5)
uD0 pour x D 0 et x D l
:

A est une fonction de R dans R de période 1, et nous la supposerons régulière par morceaux et telle
qu’il existe K1 et K2 > 0 telles que K1 6 A.v/ 6 K2 .
La solution du problème est alors :
Z x Z y 
1
u.x/ D A .y="/ f .v/dv C c1 dy C c2 (15.6)
0 0

avec c2 D 0 et
Z l Z y
1
A .y="/ f .v/dvdy
0 0
c1 D Z l
(15.7)
1
a .y="/dy
0

Le nombre d’intervalles pour le calcul approché de c1 est très grand (i.e. très supérieur à l=").
Exprimé autrement, ce résultat devient : le coefficient homogénéisé est 1=h A1 i et non pas hAi
(où h
i désigne la moyenne).

15.1.1 Méthode de développement régulier

Dans la méthode de développement régulier, on se propose de chercher la solution asympto-
tique u.1/ sous la forme :
1
X
.1/
u  "i ui .x/ (15.8)
i D0

où ui .x/ ne dépend pas de ".

La solution asymptotique u.1/ est bien de la forme précédente si en injectant cette expression
dans celle du problème alors on obtient une petite erreur au second membre.
Pour le calcul on procède donc comme suit :
— on injecte la forme souhaitée (cette forme s’appelle l’ansatz) ;
— pour avoir un second membre avec un terme d’erreur petit, on obtient la forme des ui .x/ ;
— on vérifie que les ui .x/ trouvés conviennent bien.

15.1.2 Méthode de la couche limite

Considérons le problème unidimensionnel :
(
"2 u00 p.x/u D f .x/ pour x 2 Œ0 I 1
(15.9)
u.0/ D A et u.1/ D B

où p 2 C.Œ0 I 1/ ; p.x/ > 0; x 2 Œ0 I 1 ; f 2 C.Œ0 I 1/ ; A 2 R, B 2 R et " > 0 le petit paramètre.
En négligeant le terme "2 u00 , nous arrivons à l’équation p.x/ur D f .x/. En d’autres termes,
et comme montré sur la figure 15.2, nous disposons de la courbe correspondant à y D ur D
f .x/=p.x/ (en noir) qui approche la solution du problème donnée par la courbe rouge.
La solution exacte se confond avec ur sur la plus grande partie de l’intervalle Œ0 I 1, mais u
et ur sont fortement différents dans un voisinage des extrémités.

207 15. Homogénéisation ÉLÉMENTS FINIS III

 B
0
A 1 x

F IGURE 15.2: Méthode de la couche limite

Cherchons une solution asymptotique sous la forme de l’ansatz :

1
X
.1/
"i uri .x/ C u0i .x="/ C u1i ..x


u  1/="/ (15.10)
i D0

où les uri .x/ sont les termes réguliers, et u0i .x="/ et u1i ..x 1/="/ les termes de couche limite
correspondant aux extrémités x D 0 et x D l.
Pour le calcul on procède donc comme suit :
— on injecte les termes réguliers de l’ansatz dans la formulation du problème ;
— on traite les extrémités pour vérifier les conditions aux limites, ce qui donne les termes de
couche limite ;
— on vérifie que la solution trouvés conviennent bien (i.e. que l’erreur commise est négligeable).

15.1.3 Méthode de développement asymptotique infini

À ce niveau du texte, on a dû s’apercevoir que la démarche était la même pour les deux méthodes
précédentes, sauf évidemment la forme de l’ansatz. Dans la méthode de développement asympto-
tique infini, on va encore procéder de la même manière, mais on cherchera une solution sous la
forme d’ansatz :
X1
u.1/  "i ui .x; x"/ (15.11)
i D0
.i /
où chaque ui .x; x="/ est de la forme ui .x; x="/ D Ni .x="/v" .x/; 8i > 0 et u0 .x; x="/ D v" .x/,
i.e. :
1
X
u.1/  "i Ni .x="/v".i / .x/ (15.12)
i D0
et où les Ni .x="/ sont 1-périodiques et N0 D 1.

15.1.4 Cas des coefficients discontinus

Il est possible d’appliquer la même approche que lorsque les coefficients sont continus avec quelques
modifications : il « suffit » d’ajouter les conditions d’interfaces présentées en début de paragraphe
et rappelées ci-dessous :
Œu D 0 et Œn
A.x="/ru D 0 (15.13)
partout où cela est nécessaire.
On retrouve les mêmes conditions d’existence de la solution que dans le cas continu et la
périodicité de la solution homogénéisée reste inchangée.

III ÉLÉMENTS FINIS 15.1 Méthodes d’homogénéisation 208

 15.2 Homogénéisation simplifiée pour les matériaux composites
Après ce petit tour « mathématique » des méthodes d’homogénéisation, nous proposons un petit
complément très mécanique, et très « pratique ».
Pour information, la modélisation du muscle cardiaque s’inspire des techniques d’homogénéi-
sation des matériaux composites.

15.2.1 Introduction
D’une manière générale, tous les matériaux, mêmes isotropes, sont hétérogènes en dessous d’une
certaine échelle. Il peut sembler naturel d’utiliser des propriétés homogènes équivalentes correspon-
dant à des propriétés mécaniques effectives. Toutefois, comme nous l’avons déjà vu, ces propriétés
effectives ne s’obtiennent pas par une simple moyenne des propriétés des constituants, mêmes
pondérées par les fractions volumiques.
Les propriétés effectives du milieu homogène équivalent cherché peuvent être obtenues en
résolvant un problème aux limites sur un volume élémentaire d V, à condition que celui-ci soit
suffisamment grand pour être représentatif de la microstructure du matériau hétérogène. Dans le cas
où les constituants présentent une structure périodique, le volume d V peut se réduire à un volume
élémentaire.
Une fois le volume élémentaire déterminé, on le soumet à des sollicitations élémentaires pour
déterminer la réponse résultante. La difficulté réside en fait dans le choix des conditions aux limites
à appliquer au volume élémentaire considéré pour imposer une déformation ou contrainte globale
moyenne donnée. Dans le cas linéaire, on peut prouver l’existence et l’unicité pour les différents
cas de conditions aux limites existants.
Principalement pour les composites stratifiés ou sandwichs, il y a deux niveaux d’homogénéisa-
tion :
— du niveau micromécanique au niveau mésoscopique : Les hétérogénéités de base sont les
fibres et la matrice. On effectue ici une étape d’homogénéisation locale.
— du niveau mésoscopique au niveau macroscopique : Les hétérogénéités de base sont les
différentes couches du stratifié. Ces couches sont considérées comme « homogènes » (étape
précédente). Cette fois, il s’agit d’une homogénéisation dans l’épaisseur du stratifié.

15.2.2 Loi des mélanges, bornes de Voigt et de Reuss

On considère un composite UD (unidirectionnel) de repère d’orthotropie .l; t /, constitué de fibres
noyées dans une matrice polymère. Soit une cellule élémentaire de fraction volumique V D 1
constituée de fibres et de matrice. On note Vm la fraction volumique de matrice, Vf la fraction
volumique de fibre, et on a :

V D Vm C Vf D 1 (15.14)

À l’échelle locale, on fait les hypothèses suivantes :

— Fibres : comportement élastique linéaire fragile isotrope de coefficients Ef et f ;
— Matrice : comportement élastique non-linéaire, isotrope de coefficients Em et m .
On souhaite déterminer les relations existant entre El , E t , Ef , Em , Vm et Vf . Pour cela, on fait
également les hypothèses suivantes :
— On travaille en élasticité linéaire.
— La liaison fibres/matrice est parfaite.
— Localement, on a : f D Ef "f et m D Em "m .
Loi des mélanges (ou modèles à bornes ou de Reuss et de Voigt) :

209 15. Homogénéisation ÉLÉMENTS FINIS III

 — premier essai — Il s’effectue dans la direction parallèle aux fibres (compression longitudinale)

Elongitudinal D El D Ef Vf C Em Vm (15.15)

C’est la loi des mélanges, qui est bien vérifiée dans la direction des fibres. Il s’agit de la
borne supérieure de Voigt (1887).
— deuxième essai — Il s’effectue dans la direction perpendiculaire aux fibres (compression
transversale)
1 1 Vf Vm
D D C (15.16)
Etransverse Et Ef Em

C’est la loi des mélanges en souplesse. Cette relation n’est pas très bien vérifiée transversale-
ment mais donne une indication sur la borne inférieure, dite de Reuss (1929).
— Module de cisaillement et coefficient de Poisson d’un UD par la loi des mélanges :

1 Vf Vm
lt D f Vf C m Vm et D C (15.17)
Glt Gf Gm

Les modèles à bornes fournissent un encadrement du comportement mécanique du matériau

composite par des comportements mécaniques limites (bornes). Ils sont obtenus par la résolution
du problème de l’élasticité linéaire sous forme faible. La minimisation de l’énergie potentielle
conduit à la borne supérieure de Voigt. la résolution en contrainte conduit à la borne inférieure de
Reuss. Pour gagner un peu en généralité, on peut remplacer les termes fibres et matrice par des
phases, car ces modèles sont applicables à des mélanges de polymères (matériaux composés) et à
des composites chargés par des particules diverses.
Les bornes correspondent aux associations série des deux phases (borne inférieure de Reuss,
équivalent au modèle du module transverse équivalent de la loi des mélanges) et parallèle (borne
supérieure de Voigt, équivalent au modèle du module longitudinal équivalent de la loi des mélanges).
Aucune hypothèse n’est faite sur la morphologie du matériau. Il est simplement admis que pour
le modèle de Reuss, la contrainte est homogène dans les deux phases (continuité de la contrainte)
et, pour le modèle de Voigt, la déformation est constante (continuité de la déformation) dans tout le
composite. L’intérêt est limité dès que l’écart des caractéristiques des deux phases est important.
Évidemment, d’autres modèles existent :
— Hashin et Shtrikman (1963) : resserre les bornes de Reuss et Voigt
— Takayanagi (combinaison de Reuss et Voigt)
— Halpin - Tsaï : pour le renforcement par des fibres courtes alignées
— Tsaï - Pagano : fibres courtes
— Halpin - Kardos : extension de la précédente

15.3 Homogénéisation des matériaux poreux

Considérons à nouveau notre problème de Poisson avec conditions de Dirichlet pour un milieu
poreux.  est le domaine (borné) de Rn qui contient " l’ensemble des trous périodiques. Nous
avons donc :
(
div.A.x/ru/ D f .x/ pour x 2 n"
(15.18)
uD0 sur le contour extérieur € D @

Sur le bord des trous, on peut imposer, soit des conditions de Dirichlet :

uD0 (15.19)

III ÉLÉMENTS FINIS 15.3 Homogénéisation des matériaux poreux 210

 soit des conditions de Neumann :

n
A.x="/ru D 0 (15.20)

On supposera encore que les coefficient sont 1-périodiques.

Cherchons des solutions dans le cas où l’on a des conditions de Neumann sur le bords des trous.
La forme choisie pour l’ansatz est le développement au second ordre suivant :

u.2/ D u0 .x; x="/ C "u1 .x; x="/ C "2 u2 .x; x="/ (15.21)

où les ui .x; x="/ sont 1-périodiques en x=" qui sera noté .

On obtient un système du type :
8
< L u0
ˆ D0
L u1 C Lx u0 C Lx u0 D0 (15.22)
ˆ
L u2 C Lx u1 C Lx u1 C Lxx u0 D f .x/
:

et les conditions de Neumann :

1
r u0 C "0 .r u1 C rx u0 / C ".r u2 C rx u1 / C "2 rx u2 D 0
 
n
A./ " (15.23)

d’où :
8
< n
A./r u0
ˆ D0
n
A./.r u1 C rx u0 / D0 (15.24)
ˆ
n
A./.r u2 C rx u1 / D0
:

On peut prouver que si v0 est solution du problème, alors v0 C cte aussi. Des conditions d’existence
O :
de la solution il vient, tous calculs faits, la matrice des coefficients homogénéisés A

n  
@Nj
Z X
O D ŒaO i;j 
A avec aO i;j D ai k C aij d (15.25)
QnG0 @k
kD1

où G0 est un trou de la cellule élémentaire Q. Le même type de calcul pourrait être mené avec les
conditions de Dirichlet sur le bord des trous. Cette homogénéisation des milieux poreux est valable
pour l’acoustique comme pour la mécanique.

15.4 Homogénéisation des problèmes non stationnaires

Nous n’avons pas encore abordé de manière pratique les problèmes non stationnaires dans ce
document, puisqu’ils se trouvent au chapitre 16.
Il est tout à fait possible d’utiliser les méthodes présentées dans ce chapitre aux problèmes
dépendant du temps. Il n’y a pas vraiment de précautions supplémentaires à prendre, mais il faut
adapter la forme de l’ansatz. Par exemple, l’ansatz du paragraphe précédent, pour le même type de
problème non stationnaire serait :

u.2/ D u0 .x; ; t / C "u1 .x; ; t / C "2 u2 .x; ; t / (15.26)

avec ui .x; ; t / 1-périodique en .

211 15. Homogénéisation ÉLÉMENTS FINIS III

 15.5 Changement de dimension et raccord de maillage
Les méthodes d’homogénéisation peuvent également être utilisées pour « changer (réduire) » la
dimension d’un problème.
Considérons un problème qui se pose dans un domaine plan de longueur 1 et de largeur ˙"=2.
Alors, on peut considérer le comportement asymptotique de la solution lorsque " ! 0. Une fois
cette solution asymptotique trouvée, le problème initial posé sur le pavé Œ0 I 1  Œ "=2; C"=2
est remplacé par le problème homogénéisé posé sur le segment Œ0 I 1. On a donc bien réduit la
dimension du problème.
Ce genre de chose correspond typiquement à un modèle plaque ou coque (2D) utilisé à la place
d’un modèle tridimensionnel (3D), ou encore mieux à un modèle barre ou poutre (1D).
Cela permet également de développer des éléments finis permettant de raccorder des maillages
3D à des maillages 2D ou à des maillages 1D, afin d’alléger les modèles numériques là où ils
peuvent l’être.
En mécanique, de nombreuses théories de plaques ou poutres existent (voir la paragraphe 11.2).
Elles sont généralement présentées de manières « physique », mais ne sont rien d’autre que des
méthodes d’homogénéisation.
Libre à chacun de préférer une présentation plutôt mécanicienne ou plutôt mathématicienne,
le résultat est finalement le même. Mais il nous semble, et c’est la motivation même à l’origine
de ce document, que le fait de connaître les deux aide à mieux cerner à la fois les hypothèses sur
lesquelles ces développements sont faits (et que l’on oublie parfois, ayant pour conséquence des
résultats que l’on peut qualifier de surprenants) ainsi que les potentialités qui s’offrent à nous.

III ÉLÉMENTS FINIS 15.5 Changement de dimension et raccord de maillage 212

 Chapitre 16

Problèmes non stationnaires

Résumé — Dans ce chapitre, nous nous intéresserons au cas non stationnaire. Toutefois,
nous n’aborderons pas les éléments finis espace-temps, car il s’agit d’une formulation
gourmande en ressources, d’où sa très faible utilisation (bien que la méthode soit en
elle-même intéressante).
Dans ce chapitre, nous aurons besoin de « dériver numériquement », i.e. de construire
des schémas numériques approchant des dérivées. Le chapitre C en annexe permettra
à certains de se rafraîchir la mémoire en regardant comment on résout les équations
différentielles et aux dérivées partielles... puis numériquement. Nous utiliserons en effet
la méthode de Newmark décrite au paragraphe C.2.5.

16.1 Équation non stationnaire de la dynamique

Considérons l’équation de la dynamique, sous forme non stationnaire (i.e. dépendant du temps) :

R / C Cu.t
Mu.t P / C Ku.t / D F.t / (16.1)

qui sous forme discrétisée par éléments finis sera réécrite :

R / C Cq.t
Mq.t P / C Kq.t / D F.t / (16.2)

avec les conditions initiales q.t D 0/ D q0 et q.t P D 0/ D qP 0 .

On cherche à obtenir la discrétisation q du champ u et ses dérivées temporelles qP et qR à
différents instants t et vérifiant l’équation de la dynamique.
Pour résoudre un tel problème, on se propose de réaliser une discrétisation temporelle qui
pourra être explicite ou implicite.
Le schéma généralement utilisé pour la discrétisation temporelle est celui de Newmark, qui est
présenté dans le cas de la résolution des équations différentielles au paragraphe C.2.5. Le schéma
le plus général est,  t représentant le pas de temps :

2t

q t C t D q t C t qP t C .1 2ˇ/qR t C 2ˇ qR t C t
2 (16.3)


qP tC t D q t C  t .1 /qR t C qR tC t
P

que nous avons écrit sous la forme discrétisée, mais qui serait valable pour l’approximation continue
(comme présenté au chapitre au paragraphe C.2.5).
Les différents schémas de Newmark correspondent à des valeurs particulières de ˇ et .

213 16. Problèmes non stationnaires ÉLÉMENTS FINIS III

 16.2 Schéma explicite : différences finies centrées
Dans le cas où ˇ D 0 et D 1=2, on retombe sur le schéma des différences finies centrées.
On obtient :
1

qR t D 2 q t C t 2q t C q t  t
t
(16.4)
1

qP t D q t C t q t  t
2 t
et l’équation de la dynamique discrétisée s’écrit sous la forme d’une équation modifiée :

Kq t C t D R (16.5)

avec :
1 1
KD 2
MC C (16.6)
t 2 t
et :
1
1
R D Ft Kq t C M 2q t qt t C Cq t t (16.7)
2t 2 t
qui ne dépendent bien que de données disponibles. Le calcul se déroule donc comme suit :
— Solution initiale à t D 0 :
— connaissant q0 et qP 0 , on calcule qR 0 en résolvant l’équation « classique » de la dyna-
mique ;
2
— on calcule ensuite q  t D q0  t qP 0 C 2t qR 0 .
— On dispose alors de tous les éléments pour, à chaque pas de temps t C  t :
— résoudre l’équation modifiée, qui nous fournit q t Ct ;
— puis obtenir qP t et qR t par le schéma de Newmark adopté, ici celui des différences finies
centrées.
On peut faire les remarques suivantes sur ce type de calcul :
— Pour un pas de temps donné, q t ne dépend que des données du temps passé, on a donc une
résolution vectorielle rapide.
— Si les matrices M et C sont diagonales, alors cette méthode est très efficace même pour les
problèmes de grande taille.
— Ce schéma est inconditionnellement stable si  t 6 Tmin =, avec Tmin la plus petite période
du système correspondant à l’équation de la dynamique (classique).
— la précision est de l’ordre de 2t .
— L’amortissement numérique est nul.
— Il est possible d’introduire un amortissement numérique pour contrôler les hautes fréquences.
Dans ce cas, il faut considérer le schéma avec ˇ D 0 et > 1=2. Il n’y a pas automatiquement
stabilité du schéma, celle-ci est à calculer pour chaque schéma.

16.3 Schéma implicite : schéma de Newmark classique

Dans le cas où ˇ D 1=4 et D 1=2, on obtient le schéma implicite de Newmark, qui est celui qui
est utilisé généralement pour l’analyse dynamique des structures.
Il vient alors :
4
4
qR t C t D 2 q tC t q t .qP t qR t /
t t
(16.8)
t

qP t C t D qP t C qR t C t C qR t
2

III ÉLÉMENTS FINIS 16.2 Schéma explicite : différences finies centrées 214
 et l’équation de la dynamique discrétisée s’écrit encore sous la forme d’une équation modifiée :

Kq t C t D R (16.9)

mais cette fois avec :

4 2
KDKC 2
MC C (16.10)
t t
et :
   
4 4 2
R D F t C t CM q C
2 t
qP t C qR t CC q t C qP t (16.11)
t t t

qui dépendent également des données au même pas de temps. Le calcul se déroule donc comme
suit :
— Solution initiale à t D 0 :
— connaissant q0 et qP 0 , on calcule qR 0 en résolvant l’équation « classique » de la dyna-
mique ;
— on construit K et, si M, C, K et  t sont constants (ce qui est généralement le cas), la
triangulariser.
— À chaque pas de temps t C  t :
— calculer R (que l’on appelle le résidu, d’où le choix de la notation) ;
— calculer K et triangulariser si nécessaire ;
— résoudre l’équation modifiée, qui nous fournit q t Ct ;
— puis obtenir qP t et qR t par le schéma de Newmark adopté, ici celui de Newmark implicite.
On peut faire les remarques suivantes sur ce type de calcul :
— Pour un pas de temps donné, q t dépend également des données du même pas de temps, on a
donc une résolution matricielle coûteuse.
— Ce schéma est inconditionnellement stable, et donc comme on peut utiliser de plus grands
pas de temps, on réduit le coût mentionné à la ligne précédente.
— la précision est de l’ordre de 2t , et donc comme on ne peut pas utiliser de trop grands pas de
temps sans réduire la précision...
— L’amortissement numérique est nul.
— Il est possible d’introduire un amortissement numérique pour contrôler les hautes fréquences.
Dans ce cas, il faut considérer le schéma avec > 1=2 et ˇ D . C 12 /2 . On obtient encore
un schéma stable.

16.4 Comparaison des méthodes explicite et implicite

Concernant la méthode implicite, on retiendra d’abord que cette méthode nécessite moins de
mémoire, est donc plus rapide et mieux adaptée aux problèmes de grandes tailles. Comme cette
méthode nécessite moins de mémoire et des petits pas de temps (pour la stabilité), elle est bien
adaptée au cas des chocs. Comme elle n’est que conditionnellement stable, elle est plutôt adaptée à
la résolution élément par élément, donc au traitement local. Enfin, cette méthode est très robuste
numériquement et permet de traiter le cas de non linéarités couplées.
Concernant la méthode implicite, on retiendra que puisque cette méthode est inconditionnel-
lement stable, elle est bien adaptée à la résolution de problèmes globaux (qui nécessitent qu’il y
ait convergence). De plus, cette méthode est bien moins robuste numériquement que la précédente
(pivots nuls, divergence)... Enfin et surtout, on se souviendra que c’est une méthode coûteuse en
mémoire et en temps...
La figure 16.1 donne, de manière imagée, les domaines d’utilisation des méthodes implicite et
explicite.

215 16. Problèmes non stationnaires ÉLÉMENTS FINIS III

 NL
Rupture

Endommagement
Explicite

Flambement

Plasticité

Implicite
Elasticité
V
Statique Vibrations Propagation d'ondes Supersonique

F IGURE 16.1: Domaines d’utilisation des méthodes implicite et explicite

16.5 Exemple : un calcul de propagation avec F REE F EM ++

Quelque soit le logiciel utilisé 1 , il y a toujours un grand nombre d’exemples traités fournis avec,
sans compter le nombre d’ouvrages disponibles.
Nous avons souhaité néanmoins présenter un listing (qui sera discuté oralement) correspondant
à un calcul réalisé sous F REE F EM ++. Ce logiciel gratuit vous permettra de faire vos calculs par
éléments finis... mais c’est également un outil pédagogique sans équivalent : sa manipulation se
fait en des termes proches de la formulation mathématique, et en cela, il est une passerelle parfaite
entre la théorie et la pratique de codes plus « industriels ». Le fait de pouvoir discrétiser à loisir une
formulation variationnelle que l’on rentre soi-même est également un argument qui nous semble un
vrai plus, même si cela commence à exister dans des codes commerciaux (mais reste confidentiel). 2
Voici donc un petit listing sur lequel nous pourrons revenir de vive voix. Commençons donc,
comme il se doit, par définir la géométrie du problème, paramétrée par a et b, que nous maillons :
1 real mu =1.;
2 real rog =0. , ro =1.;
3 / / t a i l l e du m a i l l a g e
4 int ncuts = 20;
5
6 / / c o n s t r u c t i o n du d o m a i n e
7 real a = pi *0.8 , b =1.2* pi ;
8
9 border gam1 ( t =0. , a ) { x = t ; y =0; label =1;};
10 border gam2 ( t =0. , b ) { x = a ; y = t ; label =2;};
11 border gam3 ( t =a ,0.) { x = t ; y = b ; label =3;};
12 border gam4 ( t =b ,0.) { x =0.; y = t ; label =4;};
13
14 / / Maillage
15 mesh Th = buildmesh ( gam1 ( ncuts ) + gam2 ( ncuts ) + gam3 ( ncuts ) + gam4 ( ncuts ) ) ;
16 / / p l o t ( Th , p s =" mesh . e p s " ) ;

1. Lorsque l’on parle de codes éléments finis, on cite les grands noms du domaine... et ils correspondent à des codes
extraordinairement puissants, mais souvent chers.
Or un certain nombre de codes éléments finis professionnels sont disponibles gratuitement (au téléchargement et à
l’utilisation). Les deux plus connus sont C AST 3M (anciennement castem) et C ODE A STER développés et maintenus par
le CEA et par EDF respectivement.
2. Notons que pour ceux qui préfèrent, il existe aussi R HEOLEF, un environnement C++ pour le calcul par éléments
finis, qui reste proche, dans sa philosophie, de ce que propose F REE F EM ++. Nous ne le connaissons pas assez pour
fournir des exemples dans ce document.

III ÉLÉMENTS FINIS 16.5 Exemple : un calcul de propagation avec F REE F EM ++ 216
 17 / / p l o t ( Th , w a i t = 1 ) ;

Nous définissons quelques valeurs afin de pouvoir définir le chargement (le chargement défini
par la fonction w1 ne sera pas utilisée dans le calcul effectué). Notons comme il est aisé de définir
des fonctions :

33 / / pas u t i l i s e sur c e t exemple

18 / / c o n d i t i o n s aux l i m i t e s e s s e n t i e l l e s 34 func real w1 ( real c , real d )
19 real r0 = a /10. , r , xc = a /3. , yc =3.* b /4.; 35 {
20 36 if (c >(0.8* xc ) )
21 / / chargement i n i t i a l s i n u s o i d a l 37 { if (c <(1.2* xc ) )
22 func real pertb ( real r ) 38 { if (d >(0.8* yc ) )
23 { if (r < r0 ) { return (1.+ cos ( pi * r / r0 ) ) 39 { if (d <(1.2* yc ) ) { return 0.8;}
;} 40 else return 0.;}
24 else return 0.;} 41 else return 0.;}
25 42 else return 0.;}
26 / / f u n c r e a l w1 ( r e a l x , r e a l y ) 43 else return 0.;
27 func real w11 ( real x , real y ) 44 }
28 { 45
29 return pertb ( sqrt (( x - xc ) ^2+( y - yc ) ^2) 46 func real w0 ( real x , real y )
); 47 {
30 } 48 return 0.* sin ( x ) * sin ( y ) ;
31 49 }
32 / / c h a r g e m e n t c o n s t a n t s u r un c a r r e

Ensuite, nous définissons l’espace des éléments finis utilisés, et les variables appartenant à ces
espaces. L’analogie avec la « formulation mathématique » saute au yeux... et c’est pourquoi cet
outil nous semble particulièrement intéressant sur le plan pédagogique.
50 / / Espaces elements f i n i s
51 fespace Vh ( Th , P2 ) ;
52 fespace Wh ( Th , P1dc ) ;
53
54 Vh w , wa , wd , wda , wdd , wdda , fi ;
55 Wh sxz , syz ;
56 \ end { Verbatim }

Il s’agit d’un exemple non stationnaire, nous allons donc faire une boucle sur le temps. Dans
F REE F EM ++, nous entrons directement la formulation variationnelle du problème sous forme
« mathématique »... le lien entre pratique des éléments finis et théorie est beaucoup plus clair.
La boucle de temps est basée sur un schéma de Newmark implicite. Le temps « courant » est
le temps t C  t et le temps précédent est le temps t pour rester cohérent avec les notations du
chapitre 16.
Il s’agit d’un problème de déplacement hors plan, dont le champ inconnu est traditionnellement
noté w. Ainsi, dans le listing, w représente q t C t , wa q t , wd qP t C t , wda qP t , wdd qR t C t et
wdda qR t . fi ' est la fonction test. La formulation variationnelle, en n’indiçant pas le temps
actuel et en utilisant l’indice a pour le pas de temps précédent (a comme avant), est :

2t
 
@wP @' @wP @'
ZZ
P '/ D
antiplane.w; P C
w'  C
Th 4 Th @x @x @y @y
 
t t
Z Z
g '  wP a C wR a '
2 Th Th 2
 
t @wa @' @wa @'
Z
(16.12)
C  C
2 Th @x @x @y @y
2
 
@wP a @' @wP a @'
Z
C t  C
4 Th @x @x @y @y
CCondition .wP D 0 sur les lignes 1; 2; 3; 4/

217 16. Problèmes non stationnaires ÉLÉMENTS FINIS III

 57 int n , k , Ntemps =100;
58 real T =2.* pi / sqrt (2.) , pastemps = T / Ntemps
59 real dpt =0.5* pastemps ;
60
61 problem antiplane ( wd , fi , init =1) = int2d ( Th ) ( ro * wd * fi ) +
62 int2d ( Th ) ( dpt ^2* mu *( dx ( wd ) * dx ( fi ) + dy ( wd ) * dy ( fi ) ) ) +
63 int2d ( Th ) ( - dpt * rog * fi ) +
64 int2d ( Th ) ( ro *( - wda - dpt * wdda ) * fi ) +
65 int2d ( Th ) ( dpt * mu *( dx ( wa ) * dx ( fi ) + dpt * dx ( wda ) * dx ( fi ) +
66 dy ( wa ) * dy ( fi ) + dpt * dy ( wda ) * dy ( fi ) ) ) +
67 on (1 ,2 ,3 ,4 , w